Table des matières

Avant Propos 5

Notations 7

Introduction générale 11

I Formalisme des modes glissants 15

Introduction 17

1 Modes glissants d’ordre un 19

1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.2 Condition d’invariance de la surface de glissement . . . . . . . . . 21
1.1.3 Dynamiques en régime de glissement idéal . . . . . . . . . . . . . 24
1.1.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.2 Propriétés de robustesse . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.3 Le phénomène de réticence . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2 Modes glissants d’ordre supérieur 33

2.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.1 Modes glissants sur des variétés . . . . . . . . . . . . . . . . . . . 34
2.2.2 Modes glissants par rapport à des fonctions contraintes . . . . . . 35
2.3 Régimes glissants réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

1
2 TABLE DES MATIÈRES

2.4 Modes glissants et degré relatif . . . . . . . . . . . . . . . . . . . . . . . 39

2.5 Algorithmes glissants d’ordre supérieur . . . . . . . . . . . . . . . . . . . 41
2.5.1 Algorithme du twisting . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5.2 Algorithme sous-optimal . . . . . . . . . . . . . . . . . . . . . . . 50
2.5.3 Algorithme du Super twisting . . . . . . . . . . . . . . . . . . . . 51
2.6 Réduction de la réticence . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.7 Cas multi-variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Conclusion 56

II Résultats 57

3 Mise en forme 59
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2 Forme régulière généralisée . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2.1 A propos du rang de la matrice des gains d’entrée . . . . . . . . . 60
3.2.2 Existence d’une forme régulière . . . . . . . . . . . . . . . . . . . 61
3.2.3 Cas perturbé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3 Forme chaînée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3.1 Systèmes non holonomes . . . . . . . . . . . . . . . . . . . . . . . 64
3.3.2 Transformation en une forme chaînée perturbée . . . . . . . . . . 65
3.4 Forme canonique de commandabilité généralisée . . . . . . . . . . . . . . 69
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

4 Stabilisation 73
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Retour d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2.1 Utilisation de la forme régulière généralisée . . . . . . . . . . . . . 74
4.2.2 Stabilisation d’un système non holonome perturbé . . . . . . . . . 84
4.2.3 Stabilisation d’un corps rigide sous actionné . . . . . . . . . . . . 98
4.3 Retour de sortie pour un système mis sous forme canonique de comman-
dabilité généralisée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
TABLE DES MATIÈRES 3

4.3.1 Synthèse de la commande . . . . . . . . . . . . . . . . . . . . . . 107

4.3.2 Synthèse d’un observateur . . . . . . . . . . . . . . . . . . . . . . 110
4.3.3 Stabilité en boucle fermée . . . . . . . . . . . . . . . . . . . . . . 114
4.3.4 D’autres observateurs . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

5 Application à la machine asynchrone : expériences sur le banc d’essai

de l’IRCCyN 123
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.2 Modèle de la machine asynchrone et position du problème . . . . . . . . 125
5.2.1 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.2.2 Protocole d’expérimentation . . . . . . . . . . . . . . . . . . . . . 127
5.3 Synthèse de l’observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.4 Commande par modes glissants d’ordre deux . . . . . . . . . . . . . . . . 132
5.5 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
5.6 Résultats expérimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.6.1 Observateur seul . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.6.2 Commande avec observateur . . . . . . . . . . . . . . . . . . . . . 141
5.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

Conclusion et perspectives 147

III Annexes 151

A Inclusions différentielles et solutions au sens de Filippov 153

A.1 Inclusions Différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
A.2 Notion de solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
A.3 Existence des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
A.4 Problème de Régularisation : solutions au sens de Filippov . . . . . . . . 157

B Cas multi-variables 161

4 TABLE DES MATIÈRES

C Preuve du Théorème 20 sur la convergence de l’algorithme du twisting165

Avant Propos

Le travail présenté dans ce mémoire a été réalisé dans le cadre du Laboratoire d’Au-
tomatique et d’Informatique Industrielle de Lille (LAIL), à l’Ecole Centrale de Lille, et
de l’Equipe Commande des Systèmes (ECS), à l’ENSEA.
Je tiens à exprimer toute ma gratitude à Messieurs Jean-Pierre Barbot, Professeur
à l’ENSEA, Jean-Pierre Richard, Professeur à l’Ecole Centrale de Lille et Wilfrid Per-
ruquetti, Maître de Conférence à l’Ecole Centrale de Lille, pour avoir accompagné mon
travail durant ces deux années de thèse. Les nombreuses discussions fructueuses que nous
avons pu avoir, leur très grande disponibilité ainsi que la qualité de leurs rapports hu-
mains sont pour beaucoup dans les résultats obtenus lors de ce travail. Je tiens à leur
exprimer toute mon amitié et ma reconnaissance.
Je suis très honoré que Monsieur Michel Fliess, Directeur de Recherche CNRS au
CMLA de l’Ecole Normale Supérieure de Cachan, ait accepté la présidence du jury de
thèse.
Je tiens à remercier très vivement Messieurs Alain Glumineau, Professeur à l’Ecole
Centrale de Nantes, et Nacer M’Sirdi, Professeur à l’Université de Versailles Saint-
Quentin pour avoir accepté d’être rapporteurs sur ce mémoire. Leurs conseils judicieux
et bienveillants ont été une aide précieuse dans sa mise au point définitive.
Qu’il me soit permis de remercier Monsieur Thierry-Marie Guerra, Professeur à l’Uni-
versité de Valenciennes et du Hainaut-Cambrésis pour l’intérêt qu’il porte à ce travail et
pour m’avoir fait l’honneur de l’examiner.
Je voudrais également adresser mes remerciements à Monsieur Marcel Staroswiecki,
Professeur à l’Université des Sciences et Technologies de Lille et Directeur du LAIL, qui
a accepté de juger ce travail malgré ses lourdes tâches.
Mes remerciements s’adressent également à l’ensemble du personnel et des thésards

5
6 AVANT PROPOS

du LAIL et de l’ECS qui, d’une façon ou d’une autre, m’ont permis de franchir cette
nouvelle étape, et plus particulièrement Fred, Yann, Samir et Nicolas. Je voudrais égale-
ment remercier les membres des laboratoires ou des organismes qui m’ont accueilli lors
d’excursions scientifiques extra-muros (IRCCyN, LRP, LAG, Inter GdR Automatique-
SDSE).
Enfin, je ne saurai oublier Catherine, Cécile, Anne, Eric, ..., qui m’ont supporté et
accueilli chez eux tout au long de mes pérégrinations lilloise et parisienne.
Notations

— IR (resp. IR + ) : ensemble des nombres réels (resp. réels positifs ou nuls),

— IR n : espace vectoriel de dimension n construit sur le corps des réels,

— X ⊂IR n : espace d’état,

— TSx : plan tangent à la variété S au point x,

— t ∈ IR + : variable temporelle,

— x = [x1 , ..., xn ]T ∈ X : vecteur état,

dx
— ẋ = dt
est la dérivée de la variable x par rapport au temps,

— x(i) : ième dérivée de x par rapport au temps,

— C k (IR n ; IR m ) : ensemble des fonctions k fois continûment différentiables de IR n

dans IR m ,

— h., .i : le produit scalaire de deux champs de vecteurs,

— kxk représente toute norme de x sur IR n ,

— soient f (x) et g(x) des champs de vecteurs de dimension n, suffisamment différen-

tiables. Le produit de Lie ou crochet de Lie de f(x) et g(x) et l’opérateur ad sont
définis par :
∂g ∂f
[f, g](x) , (x)f (x) − (x)g(x),
∂x ∂x
adkf g(x) , [f, adk−1
f g](x), k ≥ 1,

avec ad0f g(x) = g(x),

³ ´
— pour une fonction réelle différentiable λ(x), on note : dλ(x) , ∂λ
∂x1
∂λ
, · · · , ∂xi
∂λ
, · · · , ∂xn
,

7
8 NOTATIONS

— la dérivée de λ le long de f est donnée par :

X n
∂λ
Lf λ(x) = dλ(x).f (x) = (x)fi (x)
i=1
∂xi

Lkf λ(x) = dLk−1

f λ(x).f (x)

avec L0f λ(x) = λ(x),

— sgn(ζ) est la fonction signe réelle définie par :


 −1 si ζ < 0
sgn(ζ) = ,
 1 si ζ > 0

— SGN(z) est la fonction signe vectorielle définie de la manière suivante :

SGN(z) = (sgn(z1 ), ..., sgn(zl ))T , z ∈ IR l .

— L’ensemble Vect {g1 , ..., gm } désigne la distribution engendrée par les champs de
vecteurs g1 , ..., gm .
Introduction générale

9
INTRODUCTION GÉNÉRALE 11

Dans toute formulation d’un problème de commande, le modèle mathématique déve-

loppé dans le but d’établir la loi de commande ne reflète pas exactement le processus réel.
Ces différences peuvent par exemple être dues à des dynamiques non modélisées, à des va-
riations des paramètres du système ou à l’approximation trop directe de comportements
complexes du processus. On doit néanmoins s’assurer que, malgré toutes ces incertitudes,
la loi de commande résultante permet d’atteindre les objectifs prédéfinis. Ceci a conduit
à un important intérêt pour la synthèse de contrôles dits robustes et capables de pallier
à ce problème.

L’approche par des correcteurs linéaires, du type PID, a vite montré ses limites. En
effet, ceux-ci sont soumis à la loi de Bode qui veut que les effets d’amplitude et les effets
de phase soient couplés et antagonistes. Par exemple, toute avance de phase, qui est l’effet
bénéfique recherché, va de pair avec une augmentation du rapport dynamique. De fait,
les possibilités de compensation et d’utilisation de gains élevés s’en trouvent réduites.

Les recherches se sont alors tournées vers des techniques non linéaires, telles que les
méthodes adaptatives ou de stabilité absolue, mais également la technique des modes
glissants. Cette dernière s’inscrit dans la théorie des systèmes à structure variable qui
a émergé au milieu de ce siècle en Union Soviétique. Les lois de commande par modes
glissants sont réalisées de manière à conduire et contraindre le système à rester dans le
voisinage d’une surface de commutation. Il y a deux principaux avantages à une telle
approche. Tout d’abord, le comportement dynamique résultant peut être déterminé par
le choix d’une surface adéquate. Ensuite, la réponse du système en boucle fermée est
totalement insensible à une classe particulière d’incertitudes, ce qui fait de cette méthode
une candidate sérieuse dans la perspective de l’élaboration de commandes robustes.

Le thème général des travaux présentés dans ce mémoire est la commande par modes
glissants d’ordre supérieur, et notamment dans un but de stabilisation. La démarche a
été de privilégier des lois de commande aboutissant à une convergence en temps fini
et ayant des propriétés de robustesse. Aussi la majeure partie des résultats développés
concerne-t-elle des systèmes soumis à des perturbations. Leurs propriétés structurelles
ont en outre été étudiées afin de déterminer sous quelles conditions elles pouvaient être
rejetées. De plus, des classes de systèmes représentatives de processus réels ont été prises
en compte afin d’associer une dimension pratique à nos lois de commande. Ceci a abouti
12 INTRODUCTION GÉNÉRALE

à la réalisation d’expériences sur une plateforme dédiée à la machine asynchrone.

L’organisation du mémoire se décompose en deux parties.
La première constitue un état de l’art de la théorie des modes glissants. Afin d’appré-
hender au mieux les modes glissants d’ordre supérieur, il est nécessaire de se familiariser
au préalable avec les modes glissants classiques, c’est-à-dire d’ordre un, dont les principes
fondamentaux sont identiques. Aussi le chapitre 1 est-il consacré aux rappels des notions
de base des modes glissants d’ordre un. Il y est discuté des conditions d’existence de tels
phénomènes, des dynamiques en régime de glissement, de leurs propriétés de robustesse,
mais également de leur principal inconvénient : la réticence.
C’est d’ailleurs en vue de résoudre ce problème majeur que les modes glissants d’ordre
supérieur ont été introduits. Le chapitre 2 sera l’occasion d’en donner la définition et
de les positionner par rapport aux modes glissants d’ordre un, notamment en ce qui
concerne la réduction du phénomène de réticence. Nous nous attacherons également à
présenter quelques algorithmes permettant de les générer. En particulier, nous donnerons
une extension de ceux-ci permettant d’améliorer leur vitesse de convergence.
La deuxième partie est essentiellement consituée des différents résultats auxquels nous
avons pu aboutir au cours de cette étude. Le chapitre 3 est une présentation des diffé-
rentes formes de systèmes sur lesquelles nous nous sommes appuyés pour réaliser des
commandes par modes glissants d’ordre supérieur. On pourra observer que celles-ci en-
globent une large classe de processus réels dans des domaines variés tels que la robotique
ou l’électrotechnique.
Les différentes lois de commande par modes glissants d’ordre supérieur que nous
avons développées sont détaillées dans le chapitre 4. Elles peuvent être classées en deux
types. D’un côté des commandes par retour d’état aboutissant plus particulièrement à la
stabilisation de systèmes mis sous forme régulière, non-holonomes et sous-actionnés. Ces
contrôleurs nécessitent d’avoir une information sur l’ensemble de l’état du système, ce qui
n’est pas le cas dans la pratique. C’est pourquoi nous proposons ensuite la synthèse d’une
loi de commande par retour de sortie. Celle-ci s’appuie sur un observateur utilisant lui
aussi la théorie des modes glissants. Les problèmes inhérents à la non validité du principe
de séparation pour les systèmes non linéaires sont également évoqués.
Le souci d’associer une dimension applicative à notre étude nous a amené à dévelop-
INTRODUCTION GÉNÉRALE 13

per une commande par modes glissants d’ordre supérieur pour la machine asynchrone et
à l’implanter, dans le cadre de l’inter GdR Automatique-SDSE du CNRS, sur un banc
d’essai. Celui-ci est situé dans les locaux de l’IRCCyN à Nantes et est dédié à un pro-
blème de manutention horizontale. Les résultats de ces expériences sont présentés dans
le chapitre 5. Cette fois-ci, il est question de poursuite de trajectoire et la commande est
bouclée sur un observateur par modes glissants. Par ces expériences se trouvent justifiées
l’utilisation de la technique des modes glissants pour un problème alliant à la fois ob-
servation et commande ainsi que la viabilité des ordres supérieurs pour des réalisations
pratiques.
14 INTRODUCTION GÉNÉRALE
 Première partie

Formalisme des modes glissants

15
Introduction

La théorie des systèmes à structure variable fait l’objet de multiples études depuis une
cinquantaine d’années. Les premiers travaux sur ce type de systèmes sont ceux d’Anosov
[1], de Tzypkin [157] et d’Emel’yanov [67, 68] dans l’ancienne URSS, ou ceux d’Hamel
[96] en France, sur la commande à relais. Ces recherches ont connu un nouvel essor à la
fin des années soixante-dix lorsqu’Utkin introduit la théorie des modes glissants [158].
Cette technique de commande et d’observation a reçu un intérêt sans cesse croissant du
fait :

— de leur relative simplicité d’élaboration ;

— de leur robustesse vis-à-vis de certaines incertitudes paramétriques et perturbations

exogènes ;

— de la large gamme de leurs applications dans des domaines très variés tels que
la robotique, la mécanique ou l’électrotechnique : la stabilisation [7, 25, 139], le
suivi de trajectoires ( [21, 25, 62, 94]) ou de modèles ([87, 164, 169]), l’observation
[26, 35, 58, 99, 110, 145, 150],...

Le principe de cette technique est de contraindre le système à atteindre et ensuite

rester sur une surface donnée (représentant un ensemble de relations, statiques, entre
les variables d’état). La surface considérée est alors désignée comme étant la surface de
glissement ou de commutation. Le comportement dynamique résultant, appelé régime
glissant idéal, est complètement déterminé par les paramètres et les équations définissant
la surface. L’avantage d’obtenir un tel comportement est double : d’un côté, on a une
réduction de l’ordre du système, et de l’autre, le régime glissant est insensible aux pertur-
bations intervenant dans les mêmes directions que les entrées (matching perturbations).
La réalisation se déroule en deux temps. Une surface est déterminée de façon à ce que

17
18

le régime glissant ait les propriétés désirées (pas forcément présentes dans le système
original), puis une loi de commande discontinue est synthétisée de façon à rendre la sur-
face invariante et (au moins localement) attractive. Cependant, l’introduction de cette
action discontinue, agissant sur la première dérivée par rapport au temps de la variable
de glissement, ne génère pas un régime glissant idéal. En moyenne, les variables contro-
lées peuvent être considérées comme évoluant idéalement sur la surface. En réalité, le
mouvement est caractérisé par des oscillations à hautes fréquences dans un voisinage de
la surface (dont l’épaisseur est de l’ordre de la période d’échantillonnage ou de commu-
tation). Ce phénomène est connu sous le nom de réticence ou chattering en anglais et est
un des inconvénients majeurs de cette technique. Il peut en outre exciter des dynamiques
non modélisées et conduire à l’instabilité.
Dans les années 80, Emel’yanov et al. [69, 70] ont généralisé le concept des modes
glissants classiques à ce qui est appelé les modes glissants d’ordre supérieur. Ceux-ci sont
caractérisés par une commande discontinue agissant sur les dérivées d’ordre supérieur de
la variable de glissement. Préservant les principaux avantages de la précédente approche,
ils suppriment le phénomène de réticence en garantissant même une meilleure précision
de convergence par rapport aux imperfections de modèle ou d’organes de commande.
L’ordre de glissement caractérise en particulier le degré de continuité des dynamiques du
système au voisinage de la surface et correspond au nombre de dérivées continues de la
variable à contraindre. Pour cela, des algorithmes de commande capables de générer des
régimes glissants de tout ordre doivent être synthétisés.
Dans le premier chapitre seront donnés les principes de la commande par modes
glissants impliquant les notions d’attractivité et d’invariance d’une surface (permettant
de définir le contrôle équivalent), les propriétés de robustesse et le phénomène de réticence.
Des ouvrages de référence traitant globalement de cette théorie sont ceux d’Utkin [159] et
d’Edwards et Spurgeon [63]. Le deuxième chapitre consiste en la présentation des modes
glissants d’ordre supérieur, et particulièrement la description d’algorithmes capables de
générer des modes glissants d’ordre deux.
Chapitre 1

Modes glissants d’ordre un

Dans un souci de simplicité, la classe de systèmes considérée ici sera mono-entrée

et affine en l’entrée. Tous les résultats donnés peuvent néanmoins être généralisés à des
systèmes de la forme ẋ = f (x, u) (voir [141]) et au cas des systèmes multivariables
(traité dans l’Annexe B). Seul le cas des systèmes continus est envisagé mais il faut
attirer l’attention sur le fait que, pour les systèmes discrets ou présentant des retards,
la situation présente d’autres difficultés. On pourra se référer à [91, 142] (cas discret) et
[44, 89, 134] (cas des systèmes retardés) pour plus d’informations à ce sujet.

1.1 Généralités

1.1.1 Définitions

Soit le système non-linéaire, affine en l’entrée, défini par

ẋ = f (x) + g(x)u, (1.1)

où x = (x1 , . . . , xn )T appartient à X , qui est soit une variété différentiable, soit un

ensemble ouvert de IR n . u : IR n → IR représente l’entrée, qui peut éventuellement
dépendre du temps. f et g sont des champs de vecteur suffisamment différentiables, définis
sur X . On définit également s, une fonction suffisamment différentiable, s : X × IR + →IR

19
20 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

∂s
telle que ∂x
soit non nulle sur X . L’ensemble

S = {x ∈ X : s(t, x) = 0} (1.2)

représente alors une sous-variété de X de dimension (n − 1), appelée par la suite surface
de glissement ou de commutation ou encore contrainte. La fonction s, quant à elle, sera
dénommée fonction de glissement ou de commutation.

Remarque 1 Les systèmes étudiés ici sont donc régis par des équations différentielles
impliquant des termes discontinus. La théorie classique des équations différentielles ordi-
naires ne permet pas de décrire le comportement des solutions dans de tels cas et il faut
alors se reporter à la théorie des inclusions différentielles [5, 6] et aux solutions au sens
de Filippov [75] qui sont décrites dans l’Annexe A.

Définition 2 [159] On dit qu’il existe un régime glissant idéal sur S s’il existe un temps
fini ts tel que la solution de (1.1) satisfasse s(t, x) = 0 pour tout t ≥ ts .

Des conditions suffisantes permettent de garantir l’existence d’un régime glissant. La

surface de glissement doit être localement attractive, ce qui peut se traduire mathémati-
quement par :
lim ∂s (f + gu) < 0 et lim ∂s (f + gu) > 0 (1.3)
s→0+ ∂x s→0− ∂x

Cette condition traduit le fait que, dans un voisinage de la surface de glissement, les
vecteurs vitesses des trajectoires du système doivent toujours pointer vers cette surface
(voir Figure 1-1).
Ainsi, une fois la surface intersectée, les trajectoires restent dans un ε-voisinage de
S, et on dit que le régime glissant est idéal si on a exactement s(t, x) = 0. La condition
(1.3) est plus souvent rencontrée sous la forme :

sṡ < 0 (1.4)

et est appelée condition d’attractivité [103].

La commande u est construite de façon à ce que les trajectoires du système soient
amenées vers la surface de glissement et soient ensuite maintenues dans un voisinage de
CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 21

celle-ci. u est une loi de commande à structure variable définie comme suit :

 u+ (x) si s(t, x) > 0
u= , u+ 6= u− (1.5)
 u− (x) si s(t, x) < 0

u+ et u− étant des fonctions continues. Il est à noter que c’est le caractère discontinu de
la loi de commande qui permet d’obtenir une convergence en temps fini sur la surface
ainsi que des propriétés de robustesse vis-à-vis de certaines perturbations (cet aspect sera
évoqué par la suite).

f+
s(x)=0

f-

Fig. 1-1: Attractivité de la surface

1.1.2 Condition d’invariance de la surface de glissement

La méthode dite de la commande équivalente, due à Utkin [159] est un moyen de

déterminer le comportement du système lorsqu’il est restreint à la surface {s = 0}. Celui-
ci est donné par les conditions d’invariance de la surface :

s = 0,
∂s
∂x
[f (x) + g(x)ue ] = 0.

La deuxième équation est obtenue en faisant ṡ = 0. ue est appelé commande équivalente

et s’exprime donc de la façon suivante
¸−1
∂s ∂s
ue (x) = − g(x) f (x). (1.6)
∂x ∂x
22 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

On dit que la commande équivalente est bien définie si elle existe et est déterminée de
façon unique par les conditions d’invariance.

∂s
Proposition 3 [140] La commande équivalente est bien définie si et seulement si ∂x
g(x) 6=
0 sur S.

Cette condition est appelée condition de transversalité et ne constitue qu’une condi-

tion nécessaire pour l’existence d’un régime glissant. Elle signifie que le champ de vecteur
g ne doit pas être tangent à la surface. En général, elle n’est pas trop restrictive car g est
non nul et s est une fonction que l’on peut choisir.
La signification physique de la commande équivalente peut s’interpréter de la manière
suivante. La loi de commande discontinue u consiste en la somme d’une composante haute
fréquence (uhf ) et d’une composante basse fréquence (us ) : u = uhf + us . uhf est filtrée1
par la bande passante du système et le régime sur S n’est affecté que par us , qui peut
être vue comme étant la sortie du filtre passe-bas

τ u̇s + us = u, τ ¿ 1.

Cela signifie que ue ' us et qu’elle représente la valeur moyenne du signal discontinu u.
Lors de sa réalisation, la loi de commande à structure variable consiste le plus souvent
en une partie continue, qui s’avère être la commande équivalente, et une autre discontinue,
assurant la convergence en temps fini vers la surface. Un exemple classique de commande
pour le système (1.1) est le suivant :

¸−1
∂s
u = ue − K g(x) sgn s
∂x

où K est une constante positive et sgn est la fonction signe classique. On peut alors
vérifier que
sṡ = −K |s| < 0

et donc qu’un régime glissant s’établit sur s = 0.

Dans l’Annexe A traitant de la résolution des équations différentielles à second membre

1
la réticence est fonction de la bande passante
CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 23

discontinu, il est vu que la dynamique équivalente, au sens de Filippov [75], est donnée
par : ¸ ¸
dx hds, f − i(x) + hds, f + i(x)
= f (x) − f − (x).
dt hds, f − − f + i(x) hds, f − − f + i(x)
Toutefois, les méthodes de Filippov et Utkin ne sont, en général, pas équivalentes ainsi
que le montre l’exemple suivant :

 ẋ = −2.1x + 4ux
1 2 1
,
 ẋ = −1.1x + 4u2 x
2 1 1

s(x) = x1 + x2 ,
½
−1 si s(t, x) > 0
u= .
1 si s(t, x) < 0
La méthode de la commande équivalente donne : ṡ = 0 = (1 + 4u + 4u2 )x1 , c’est-à-dire
ueq = −1/2 et donc la dynamique de glissement ẋ1 = 0.1x1 et x1 + x2 = 0. Par contre,
par la méthode de Filippov, on obtient :

ẋ = αf + (x) + (1 − α)f − (x),

¸
hds, f − i(x) 1
α = =
hds, (f − − f + )i(x) 4x1

1
soit ẋ1 = −2.9x1 et x1 + x2 = 0 (avec la condition supplémentaire x1 > 4
car α doit être
inférieur à 1). Cet exemple pose le problème du choix de la théorie à employer lors de
l’étude d’un système différentiel à second membre discontinu. Ces deux méthodes donnent
néanmoins des solutions identiques sous certaines conditions (qui ont été développées dans
[10]). C’est le cas, entre autres, pour les systèmes linéaires en l’entrée. Ceci justifie le fait
de développer les résultats de ce chapitre pour des systèmes de la forme (1.1), d’autant
plus que les applications ou exemples détaillés dans l’ensemble du mémoire font partie
de cette classe de systèmes.
24 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

1.1.3 Dynamiques en régime de glissement idéal

D’après l’expression de la commande équivalente, il s’ensuit que le mouvement sur S

est gouverné par l’équation ẋe = f (xe ) + g(xe )ue , ou encore
 h i−1 ¸

 ẋe = I − g(xe ) ∂s g(xe ) ∂s
∂xe ∂xe
f (xe )
. (1.7)

 s(t, xe ) = 0

∂s
∂x
étant non nul sur X , cela implique que l’on peut exprimer m états en fonction des
(n − m) autres. Ainsi, en régime glissant, les dynamiques du système evoluent sur un
espace d’état réduit dont la dimension est (n − m).

1.1.4 Exemple

Afin d’illustrer ces propos, prenons un moteur à courant continu pouvant se modéliser
sous une forme simplifiée par :

 ·

 x1 = x2

·
x2 = −x2 + u .



 y=x
1

On définit la surface de glissement suivante (si on veut par exemple que le comportement
du moteur en régime glissant soit analogue à un premier ordre de constante de temps
τ = α1 )
s = x2 + αx1 = 0, α > 0.

Alors,
ṡ = (α − 1)x2 + u.

Si on choisit une loi de commande de la forme u = −k sgn(s), k > 0, il existe un

régime glissant dans le domaine

Ω = {x ∈ X : |(α − 1)x2 | < k}

CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 25

étant donné que

sṡ < |s| (|(α − 1)x2 | − k) < 0.

Il est intéressant de noter que la condition (1.4) n’est pas suffisante pour assurer une
convergence en temps fini vers la surface. En effet, si on reprend le même exemple mais
en modifiant l’entrée de commande comme suit :

u = (1 − α)x2 − ks,

on obtient
ṡ = −ks.

La condition (1.4) est vérifiée, mais la convergence vers s = 0 n’est qu’asymptotique

puisque s = s(0)e−kt . C’est pourquoi on remplace souvent (1.4) par la condition dite de
η-attractivité
sṡ · −η |s| (1.8)

qui assure une convergence en temps fini2 vers s = 0, étant donné que par integration

|s(t)| − |s(0)| · −ηt,

ce qui montre que le temps te requis pour atteindre la surface, partant d’une condition
initiale s(0), est borné par :
|s(0)|
te · .
η
Cet exemple a été simulé avec la loi de commande suivante où α = k = 2 :

u = (1 − α)x2 − k sgn s

(le terme (1 − α)x2 represente la commande équivalente puisque ṡ = 0 implique u +

(α − 1)x2 = 0). Les Figures 1-2 et 1-4 montrent qu’un régime glissant prend place après
environ 1.3 sec. A partir de cet instant, le système est gouverné par la dynamique d’ordre

2
d’autres types de convergence en temps fini sont données dans la littérature, voir [132, 168].
26 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

réduit
ẋ1 = −αx1 = x2 ,

et la commande commute à très haute fréquence. La Figure 1-4 illustre la commande

équivalente qui, en régime de glissement, représente la valeur moyenne de u. Le portrait
de phase, sur la Figure 1-3, montre les deux étapes du comportement du système : tout
d’abord, une trajectoire parabolique avant que la surface ne soit atteinte et, ensuite, le
glissement le long de la droite x2 = −αx1 (i.e. s = 0) jusqu’à l’origine.

1.5

0.5

-0.5

-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
temps

Fig. 1-2: x1 (- - -) et x2 (–)

0.5

0
x2

-0.5

-1
-0.2 0 0.2 0.4 0.6 0.8 1 1.2

x1

Fig. 1-3: Trajectoires dans le plan de phase

CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 27

u
0

-1

-2

-3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

1
u eq 0

-1

-2

-3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

temps

Fig. 1-4: Commande discontinue et commande équivalente

1.2 Propriétés de robustesse

De nombreuses techniques de commande ont été développées de façon à être robustes

vis-à-vis des incertitudes sur les systèmes considérés. La plupart d’entre elles sont basées
sur des méthodes adaptatives, reposant aussi bien sur l’identification ou l’observation, ou
sur des méthodes impliquant la stabilité absolue. Bien souvent, elles conduisent à des lois
de commande relativement compliquées dont l’implantation se révèle lourde en matière
de calculs et de matériels. D’un autre côté, les modes glissants, et ceci peut expliquer
l’intérêt croissant pour ces techniques ces dernières années, permettent d’associer qualités
de robustesse et réalisation relativement simple.

Reprenons le système (1.1) que l’on suppose maintenant soumis à des perturbations
p pouvant représenter des incertitudes paramétriques sur le terme nominal de dérive f
ou des perturbations externes indépendantes de l’état :

ẋ = f(x) + g(x)u + p. (1.9)

Le théorème suivant permet d’avoir une description des incertitudes auxquelles le

régime glissant sera insensible et a été donné dans sa forme première par Drazenovic [61].

Théorème 4 Un régime glissant sur S, du système perturbé (1.9), est indépendant du

28 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

signal de perturbation p, si et seulement si celui-ci vérifie

p ∈ Vect{g(x)}. (1.10)

La condition (1.10) est appelée condition de recouvrement ou “matching condition”.

Il faut noter que le système est insensible à de telles perturbations seulement en régime
glissant, mais qu’il reste affecté pendant le régime transitoire, i.e. avant que la surface de
glissement ne soit atteinte.

Remarque 5 Des généralisations du théorème 4 seront données dans les parties sui-
vantes, concernant notamment les systèmes mis sous forme régulière ou sous forme chaî-
née (cf systèmes non holonomes).

Afin d’illustrer la robustesse d’une telle technique de commande par rapport à des
incertitudes paramétriques, prenons l’exemple d’un système linéaire (par souci de sim-
plicité) mis sous forme canonique de commandabilité :
   
0 1 ··· 0 0 0
   
 .. ... ... .. ..   ..
 . . .   .
   
 .. ... ..   
..
ẋ =  . 1 .  x +  u
.
   
   
 0 ··· ··· 0 1   0 
   
−a0 − 4a0 · · · · · · · · · −an−1 − 4an−1 1

où les 4ai sont des incertitudes paramétriques dont on sait qu’elles sont bornées de la
manière suivante :
α− +
i < |4ai | < αi .

On se définit une surface de glissement

s = [c0 , c1 , ..., cn−2 , 1] x = 0

(qui correspond à une dynamique de glissement désirée : pn−1 + cn−2 pn−2 + . . . + c0 = 0).
CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 29

La loi de commande est choisie telle que

Xn
u= ki−1 xi − kn sgn(s).
i=1

La condition de η-attractivité (1.8) peut être satisfaite de deux façons différentes, et

ceci malgré les perturbations :

• si on se fixe des gains de commande constants k0 = a0 , ki = ai −ci−1 , i = 1, . . . , n−1,

on obtient :
Xn
sṡ = 4ai−1 xi s − kn |s| ,
i=1

et en posant :
n
X
kn > η+ |4ai−1 xi | ,
i=1

la condition (1.8) est satisfaite. L’amplitude de la discontinuité de la commande est fonc-

tion de l’état et des incertitudes du système. Cette commande est assez simple d’élabo-
ration mais la discontinuité peut être importante (et par la même occasion le phénomène
de réticence).

• une autre solution consiste à utiliser des gains qui commutent. Posant k0 = k̃0 + a0 ,
ki = k̃i + ai − ci−1 , i = 1, . . . , n − 1, on a alors

Xn
sṡ = (k̃i−1 − 4ai−1 )xi s − kn |s| ,
i=1

et la condition sṡ < −η |s| peut être satisfaite en choisissant kn = η relativement peu
important et 
 α− si xi s > 0
i−1
k̃i−1 = , i = 1, . . . , n.
 α+ si x s · 0
i−1 i

La structure de la loi de commande est un peu plus compliquée mais l’amplitude des
discontinuités s’en trouve réduite.
30 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

1.3 Le phénomène de réticence

Dans la pratique, un régime glissant idéal n’existe pas étant donné que cela impli-
querait que la commande puisse commuter avec une fréquence infinie. De par la présence
d’imperfections ou de limites technologiques et physiques, tels que des retards au niveau
des commutations ou de petites constantes de temps au niveau des actionneurs, le ca-
ractère discontinu de la commande engendre un comportement dynamique particulier au
voisinage de la surface qui est communément appelé chattering, en anglais, ou encore
réticence ou brouttement, en français. Celui-ci se caractérise par de fortes oscillations
autour de la surface, ainsi qu’il est montré Figure 1-5.

trajectoire

réticence

s=0

Fig. 1-5: Phénomène de réticence

Ce phénomène constitue un désavantage non négligeable car, même s’il est possible
de le filtrer en sortie du processus, il est susceptible d’exciter des modes à haute fré-
quence qui n’ont pas été pris en compte dans le modèle du système. Ceci peut dégrader
les performances et même conduire à l’instabilité [97]. La réticence implique également
d’importantes sollicitations mécaniques au niveau des actionneurs, pouvant provoquer
leur usure rapide, ainsi que des pertes énergétiques non négligeables au niveau des cir-
cuits de puissance électrique. De nombreuses études ont été effectuées dans le but de
réduire ou d’éliminer ce phénomène. L’une d’entre elles consiste à remplacer la fonction
signe par des approximations continues de type grand gain dans un voisinage de la surface
(voir [148]), telles que la fonction de saturation définie par (voir Figure 1-6) :

 s
si |s| · ε
ε
sat(s) = .
 sgn(s) si |s| > ε
CHAPITRE 1. MODES GLISSANTS D’ORDRE UN 31

Fig. 1-6: Fonction saturation

Ceci a pour conséquence de filtrer les composantes hautes fréquences dans la ré-
gion B(t) = {x : |s(x)| · ε}. Le régime glissant qui en résulte est donc confiné dans un
ε−voisinage de la surface de glissement où seule la commande équivalente agit. D’autres
r2n+1
fonctions peuvent être utilisées telles que les fonctions sigmoïdes 1+r2n
, tanh(r), π2 arctan(r),. . .
x
avec r = ε
et ε l’épaisseur du voisinage de la surface où les composantes haute fréquence
sont filtrées.
Dans la littérature, des commandes de la forme u = − |s| β sgn(s) sont aussi em-
ployées. La commande diminue en amplitude à mesure que l’on s’approche de la surface
de glissement (Figure 1-7).

Fig. 1-7: Réticence avec u = − |s| β sgn(s)

Toutefois, rien ne peut être dit à propos du comportement du système à l’intérieur

de ce voisinage. De plus, bien que cela permette d’atténuer le phénomène de réticence,
la précision par rapport à l’objectif fixé, la robustesse de la commande et le temps de
réponse s’en trouve dépréciés. Des compromis entre l’importance de la réticence et les
32 CHAPITRE 1. MODES GLISSANTS D’ORDRE UN

performances doivent être faits. Mais, comme nous allons le voir dans le chapitre suivant,
une autre solution, basée sur la théorie des modes glissants d’ordre supérieur, permet de
passer outre cet indésirable phénomène.
Chapitre 2

Modes glissants d’ordre supérieur

Dès son apparition, la théorie des modes glissants s’est heurtée au problème de la
réticence qui s’est avérée être un inconvénient majeur. En particulier, il est difficile dans
de telles conditions d’envisager des développements pour des applications pratiques quand
leur implantation implique une usure relativement rapide des organes de commande du
processus. Pour contourner cet obstacle, des chercheurs russes ont proposé une nouvelle
façon de glisser. Ainsi qu’il va être décrit dans ce chapitre, il est alors possible de réduire
ou même d’exclure tout phénomène de chattering, tout en conservant les propriétés de
robustesse et de convergence en temps fini.

2.1 Position du problème

Dans cette partie, nous considérerons un système non linéaire dont la dynamique est
décrite par le système différentiel :

ẋ = f(t, x, u) (2.1)

s = s(t, x) (2.2)

où x = [x1 , . . . , xn ]T ∈ X représente le vecteur état, X ⊂ IR n . X est une variété différen-

tiable ou un ouvert de IR n . La commande u ∈ U ⊂ IR est une fonction discontinue et
bornée dépendant de l’état et du temps. f est une fonction supposée suffisamment diffé-
rentiable, mais connue de façon incertaine. Le problème posé est toujours de contraindre

33
34 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

les trajectoires du système à évoluer sur la surface de glissement

S = {x ∈ X : s(t, x) = 0} . (2.3)

s : X × IR + → IR étant une fonction à valeur réelle suffisamment différentiable telle que

ses (r − 1) premières dérivées par rapport au temps ne sont fonctions que de l’état x
(ce qui signifie qu’elles ne contiennent aucune discontinuité). Par souci de simplicité de
l’exposé, nous supposons que s ∈ IR et u ∈ IR . Le cas multi-variables sera vu dans le
paragraphe 2.7.

Remarque 6 Le système (2.1) englobe ceux de la forme ẋ = f (x) + g(x)u, qui étaient
considérés dans le chapitre précédent.

Dans le cadre de l’obtention des solutions au sens de Filippov des équations différen-
tielles à second membre discontinu, l’équation (2.1), pour un retour discontinu u(x), est
remplacée par l’inclusion différentielle1

ẋ ∈ V (x) (2.4)

et toute solution de (2.1) est définie comme une fonction absolument continue x(t) satis-
faisant l’inclusion différentielle presque partout. Les définitions qui suivent proviennent
des travaux de Emel’yanov et al. [70] et Levant et al. [90, 112, 113].

2.2 Définitions

2.2.1 Modes glissants sur des variétés

Définition 7 Soit S une variété analytique. L’ensemble S, lui-même, est appelé en-
semble de glissement du premier ordre par rapport à S. L’ensemble de glissement du
deuxième ordre est défini pour le système (2.4) comme l’ensemble des points x ∈ S, où
V (x) est entièrement inclus dans le plan tangent TSx à la variété S au point x.

Définition 8 On dit qu’il existe un mode glissant du premier (ou deuxième) ordre sur

1
voir Annexe A.
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 35

la variété S au voisinage d’un point de glissement du premier (ou deuxième) ordre x, si

au voisinage du point x, l’ensemble de glissement du premier (ou deuxième) ordre est un
ensemble intégral, i.e. composé de trajectoires au sens de Filippov.

Notons maintenant S1 = S et S2 l’ensemble des points de glissement du second ordre

par rapport à la variété S. On suppose que S2 est une variété suffisamment régulière.
La même construction peut être effectuée par rapport à S2 . Définissant S3 comme étant
l’ensemble des points de glissement du second ordre par rapport à la variété S2 , S3 est
appelé ensemble des points de glissement du troisième ordre par rapport à la variété S.
On peut ainsi définir par récurrence des ensembles de glissement d’ordre quelconque.

Définition 9 On dit qu’il existe un mode glissant d’ordre r sur la variété S au voisinage
d’un point de glissement d’ordre r, x ∈ Sr , si au voisinage du point x l’ensemble de
glissement d’ordre r, Sr est un ensemble intégral, i.e. composé de trajectoires au sens de
Filippov.

2.2.2 Modes glissants par rapport à des fonctions contraintes

Nous donnons ci-dessous une vision plus concrète du problème en termes de fonction
de contrainte. L’ensemble de glissement d’ordre r par rapport à la fonction contrainte s
est défini par :

© ª
Sr = x ∈ X : s = ṡ = . . . = s(r−1) = 0 (2.5)

Nous définissons de cette manière, un ensemble de dimension n − r (si la condition

de régularité est vérifiée).

Définition 10 Soit Sr l’ensemble de glissement d’ordre r (2.5), considéré non vide, et

supposons qu’il définisse localement un ensemble intégral au sens de Filippov. Alors la
dynamique satisfaisant (2.5) est appelée mode glissant d’ordre r par rapport à la fonction
contrainte s.

Si, à présent, nous supposons que s, ṡ, . . . , s(r−2) sont des fonctions différentiables par
rapport à x et que, localement :
36 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

¸
∂ ∂ ∂ (r−2)
rang s, ṡ, . . . , s =r−1 (2.6)
∂x ∂x ∂x
alors les définitions 9 et 10 sont équivalentes. L’équation (2.6) est appelée condition de
régularité faible du glissement.
Si de plus, Sr est une variété différentiable et si pour tout i = 1, . . . , r − 1, les Si sont
des variétés régulières, alors la précédente condition peut être étendue à ce qui est appelé
la condition de régularité du glissement :

¸
∂ ∂ ∂ (r−1)
rang s, ṡ, . . . , s = r. (2.7)
∂x ∂x ∂x
Proposition 11 Supposons la condition de régularité (2.7) vérifiée et la variété de glisse-
ment d’ordre r (2.5) non vide. Alors un mode glissant d’ordre r par rapport à la contrainte
s existe si et seulement si l’intersection du champ de vecteurs au sens de Filippov avec
l’espace tangent à la variété (2.5) n’est vide pour aucun point de glissement d’ordre r.

Définition 12 On dit que la loi de commande u est un algorithme glissant idéal d’ordre
r par rapport à S si elle génère un mode glissant d’ordre r sur S, i.e.

s = ṡ = . . . = s(r−1) = 0.

Comme pour un mode glissant classique, on peut considérer qu’en régime glissant le
système est régi par la dynamique équivalente

ẋ = f (t, x, ue )

où ue est la commande équivalente qui est obtenue en résolvant l’équation, supposée avoir
une solution unique, et pour une fonction de glissement s de degré relatif égal à p · r

s(p) (t, x, ue ) = 0.

Remarque 13 Les définitions précédentes peuvent être étendues au cas d’une fonction
contrainte de dimension m > 1 : s : IR n → IR m , s = [s1 , ..., sm ]T .
Supposons que les (ri − 1) premières dérivées par rapport au temps de chaque compo-
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 37

sante de s soient continues et que chaque ensemble défini par

n o
(r −1)
si = ṡi = . . . = si i = 0 , i = 1, ..., m , (2.8)

soit localement un ensemble intégral au sens de Filippov. Alors la dynamique satisfai-

sant ces égalités est appelée régime glissant de vecteur d’ordre r par rapport au vecteur
contrainte s.
La condition de régularité du glissement correspondante est la suivante :
¸
∂ ∂ ∂ (r −1)
rang si , ṡi , . . . , si i = r1 + . . . + rm .
∂x ∂x ∂x i=1,...,m

2.3 Régimes glissants réels

Dans toutes les définitions données précédemment, il est supposé que l’ensemble de
glissement d’ordre r
s = ṡ = . . . = s(r−1) = 0

est atteint exactement. Un tel régime glissant est qualifié d’idéal et il est notamment
supposé que les organes de commande commutent à une fréquence infinie. Toutefois,
ce n’est pas le cas en pratique étant données les imperfections de ces derniers et de
ce fait, le régime glissant ne prend place que dans un proche voisinage de la surface
considérée. Ce comportement est qualifié de régime glissant réel. Le cas idéal, quant à lui,
doit être interprété comme les trajectoires limites lorsque les imperfections deviennent
inexistantes et lorsque la fréquence de commutation tend vers l’infini. Les définitions
suivantes introduisent :

— la notion de précision des modes glissants réels ;

— un outil permettant de comparer les différents algorithmes de contrôle générant des

modes glissants d’ordre supérieur.
0
Définition 14 Soit γ : IR λ → IR λ une fonction telle que γ(ε) → 0 quand ε → 0. Un
algorithme de commande réel (i.e. conduisant à un régime glissant réel) sur la contrainte
s = 0 est dit d’ordre r (r > 0) par rapport à γ(ε) si pour tout ensemble local de conditions
38 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

initiales il existe un temps t1 et une constante C tels que, ∀t > t1 , l’inégalité suivante
soit satisfaite

|s| 6 C|γ(ε)| r .

Cette définition implique en outre que l’inégalité ci-dessus est vérifiée en temps fini.
Lorsque γ(ε) est le plus petit intervalle de continuité de la commande, les mots “par
rapport à γ” sont en général omis.
La définition suivante est une extension aux algorithmes concernant des lois de com-
mande discontinues et des fréquences de commutations bornées.

Définition 15 Soit un algorithme, dépendant d’un paramètre ε ∈ IR λ , générant un ré-

gime glissant sur la surface S, et dont l’action est continue par morceau par rapport au
temps, avec des intervalles de continuité pas plus petits que τ (ε) > 0, où τ (ε) → 0 quand
ε → 0. Si cet algorithme est d’ordre r par rapport à τ , on dit alors que c’est un algorithme
par modes glissants réel d’ordre r par rapport à la surface S.

Proposition 16 Supposons que la rième dérivée totale par rapport au temps de s, s(r) ,
soit bornée. Alors il existe des constantes c1 , c2 ,..., cr−1 telles que, en régime établi,

¯ ¯
| ṡ| · c1 τ r−1 , |s̈| · c2 τ r−2 , . . . , ¯s(r−1) ¯ · cr−1 τ .

Il résulte de ces définitions qu’un algorithme d’ordre r permettra, si la méthode d’in-

tégration est à pas variable majoré par τ , d’obtenir la précision de convergence suivante :

|s| = O(τ r ),
| ṡ| = O(τ r−1 ),
..
.
|s(r−1) | = O(τ ).

On dit alors qu’on a un régime glissant réel d’ordre r par rapport à S.

Ainsi, obtenir une bonne précision de convergence d’un mode glissant requiert non
seulement de maintenir la fonction contrainte à zéro, mais également ses dérivées suc-
cessives. Ceci donne un argument supplémentaire aux modes glissants d’ordre supérieur.
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 39

En effet, le développement précédent nous indique que pour un mode glissant classique,
la précision de la convergence est de l’ordre de τ , alors qu’elle est de τ r pour un mode
glissant d’ordre r.

2.4 Modes glissants et degré relatif

Considérons ici la fonction contrainte s comme une des sorties du système (2.1). Le
but de ce paragraphe est d’exhiber le lien pouvant exister entre les modes glissants et le
degré relatif de ce système par rapport à la sortie y = s(t, x). La définition de cette notion
est donnée dans le livre d’Isidori sur les systèmes non linéaires [102]. Le degré relatif d’un
système est en fait le nombre minimum de fois qu’il faut dériver la sortie, par rapport
au temps, pour y voir apparaître l’entrée de manière explicite. Cette notion tient une
place importante dans le cadre de l’analyse des systèmes non linéaires, notamment parce
qu’elle donne le moyen de définir des difféomorphismes locaux permettant de linéariser
le système.

Proposition 17 Supposons que le système (2.1) soit de degré relatif p au point x0 . Po-
sons
φi (x) = Li−1
f s(t, x), i = 1, ..., p (2.9)

et choisissons des fonctions φp+j (x), j = 1, ..., n − p, indépendantes des p premières

fonctions et vérifiant L ∂f φp+j = 0 quel que soit j (ceci est possible grâce au théorème de
∂u

Froebenius, voir [102]). Φ(x) = [φ1 (x), ..., φn (x)] définit un difféomorphime local sur un
voisinage de x0 et en posant le changement de coordonnées z = Φ(x), le système (2.1)
devient, dans un voisinage de z0 = Φ(x0 )

żi = zi+1 , i = 1, ..., p − 1

żp = Lpf σ (Φ−1 (z), u)
(2.10)
żp+j = qj (z), j = 1, ..., n − p
y = z1

Le système (2.10) est dit sous forme normale.

40 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

La dynamique des zéros, correspondant au régime glissant d’ordre 1 idéal y = s(x) =

0, est en général supposée asymptotiquement stable en un point d’équilibre de la surface
S. Cela signifie que le système est à minimum de phase par rapport à la sortie y = s(t, x).

Théorème 18 [140] Un régime glissant d’ordre un existe sur la surface S si et seulement

si le système (2.1) est de degré relatif égal à un.

D’après les résultats énoncés dans [34], cette propriété, associée au fait que le système
est à minimum de phase par rapport à la sortie y = s(t, x), implique que celle-ci est
une sortie passive. Dans [147], Sira-Ramirez exploite cette propriété pour développer une
forme canonique pour la commande par modes glissants des systèmes non linéaires. Cette
forme exhibe les composantes conservative, dissipative et déstabilisante du champs de
vecteur de dérive de la dynamique du système, permettant la synthèse d’une commande
par retour d’état qui prend en compte les “bonnes non linéarités” du système et ainsi
nécessite moins d’effort.
D’après le théorème précédent, si le système est de degré relatif p strictement supérieur
à un, il n’existe pas de régime glissant d’ordre un sur la surface S. Une alternative est
alors d’utiliser la sortie auxiliaire définie par :

p
X
ȳ = s̄(t, x) = ci−1 Li−1
f s(t, x), cp−1 = 1
i=1

ou, en utilisant les coordonnées de la forme normale :

p
X
ȳ = ci−1 zi .
i=1

Le calcul donne L ∂f s̄(t, x0 ) 6= 0, ce qui indique que le système

∂u

ẋ = f(t, x, u),

ȳ = s̄(t, x),

est de degré relatif un par rapport à s̄. Ainsi peut-on forcer un régime glissant, en temps
Pp
fini, sur la surface s̄ = 0, ou ci−1 zi = 0. Si les coefficients ci ont été choisis tels
i=1
P
p
que le polynôme associé P (q) = ci−1 qi soit de Hurwitz, on obtient une dynamique
i=1
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 41

asymptotiquement stable pour chacun des zi , et donc en particulier pour z1 = s(t, x), i.e.
on vient converger sur la surface S de manière asymptotique.
Il faut noter que cette méthode fait apparaître deux cas différents de modes glissants :
le premier est un régime glissant classique d’ordre un sur la surface s̄(t, x) = 0, alors que
le second est un ordre p, asymptotiquement stable, par rapport à la surface S, puisqu’en
fait on contraint le système à évoluer sur la variété de glissement d’ordre p

s = ṡ = . . . = s(p−1) = 0.

Un des inconvénients de cette méthode est qu’il est nécessaire d’avoir une information,
croissante avec le degré relatif du système, sur une partie de l’état. Ceci montre d’autre
part que, pour un système de degré relatif strictement supérieur à un, il n’est pas possible
d’obtenir une convergence en temps fini sur une surface S par un mode glissant d’ordre
un. Pour avoir un tel résultat, l’utilisation d’un algorithme de contrôle d’ordre supérieur
s’avère alors nécessaire. En effet, si le système est de degré relatif r par rapport à la
fonction contrainte s, un algorithme par mode glissant d’ordre r permettra d’obtenir une
convergence en temps fini sur la surface s(t, x) = 0.

2.5 Algorithmes glissants d’ordre supérieur

Comme nous l’avons vu, générer des régimes glissants qui soient asymptotiquement
stables ne présente pas de difficultés majeures. Ainsi peut-on trouver dans la littérature
des exemples de modes glissants de n’importe quel ordre ([65, 69, 70, 71, 90, 112, 143,
144]). Ce n’est pas tout à fait le cas lorsque l’on désire obtenir un régime glissant en
temps fini. De tels algorithmes ne sont essentiellement connus que pour r = 1, r = 2 et
r = 3, et de plus pour des cas scalaires (la surface considérée est de dimension (n − 1)).
Des travaux sont en cours afin de développer des algorithmes de commande garantissant
un régime glissant d’ordre quelconque en temps fini, mais cela nécessite de nouvelles
investigations [115]. Ainsi qu’il a été observé, on peut distinguer les algorithmes idéaux
des algorithmes réels. En ce qui concerne le premier type, l’un des problèmes majeurs
pour l’implantation est que le nombre d’informations nécessaires augmente régulièrement
42 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

avec l’ordre de ce régime glissant. D’une manière générale, si on utilise un algorithme de

glissement d’ordre r par rapport à s = 0, on aura besoin de la connaissance de s, ṡ,...,
s(r−1) . La seule exception est le “super-twisting” [112] qui est un algorithme d’ordre deux
qui ne requiert que l’information sur s.
D’un aute côté, les algorithmes de glissement réels ne requièrent que les mesures de
s, ṡ, ..., s(r−2) . Ceci ne résoud le problème que partiellement mais constitue une bonne
solution pour les modes glissants du second ordre (seule l’information sur la surface est
nécessaire). En général, ces algorithmes consistent en la discrétisation des algorithmes
idéaux correspondants [9, 28, 69, 70, 112, 116], sauf celui construit par Su et al. [154] et
le “Drift algorithme” [69]. Très récemment, Bartolini et al. ont donné un algorithme réel
d’ordre trois qui ne s’appuie que sur la connaissance de s [19].
Nous allons maintenant décrire plus en détails ces algorithmes, qui seront essentielle-
ment d’ordre deux (ce sont ceux utilisés en majorité dans la littérature). Il est supposé
ici que f est une fonction C 1 par rapport à chacune de ses variables et que s est C 2 . Le
but est de générer un régime glissant d’ordre deux sur une surface choisie s = 0, et plus
précisément d’obtenir en temps fini

s = ṡ = 0.

On peut observer qu’aux points de glissement d’ordre deux l’ensemble de Filippov

des trajectoires admissibles est inclus dans l’espace tangent à la surface S, ainsi qu’il est
décrit Figure 2-1.

Fig. 2-1: Ensemble de glissement d’ordre deux

CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 43

Dans la suite sera considéré l’opérateur suivant :

∂z ∂z
Lu z(t, x, u) = (t, x, u) + (t, x, u)f (t, x, u)
∂t ∂x

qui représente la dérivée de la fonction différentiable z par rapport au temps, le long de

(2.1) et pour une entrée u constante.
Dans le cas où le système est de degré relatif un par rapport à la fonction contrainte
s, la dérivée seconde de cette fonction s’écrit de la manière suivante :

∂ ṡ
s̈ = Lu Lu s(t, x) + u̇ (2.11)
∂u

et u̇ est alors considérée comme la nouvelle entrée de commande. Afin de définir par
la suite les différents algorithmes de commande, formulons tout d’abord les hypothèses
suivantes :

1. On définit l’ensemble U = {u : |u| < UM }, où UM est une constante réelle telle que
u est une fonction bornée et discontinue du temps ; de plus, l’équation différentielle
(2.1) à second membre discontinu est supposée admettre des solutions au sens de
Filippov sur la variété glissante d’ordre deux s = ṡ = 0 pour tout t.
2. Il existe u1 ∈ ]0, UM [ telle que pour toute fonction continue u ∈ U avec |u| > u1 ,
il existe un instant t1 tel que s(t, x)u(t) < 0 pour tout t > t1 . Ainsi, la commande
u = −UM sgn [s(t0 )], où t0 est l’instant initial, assure de croiser la surface s = 0 au
bout d’un temps fini.
3. Il existe des constantes positives s0 , Km , KM telles que, si |s(t, x)| < s0 ,
¯ ¯
¯ ∂ ṡ ¯
0 < Km · ¯¯ ¯¯ · KM .
∂u

∂ ṡ
Le fait que le terme ∂u
ne doive pas s’annuler est nécessaire pour l’existence de
la commande équivalente en régime glissant. L’ensemble Rl = {t, x : |s(t, x)| < s0 }
est appelé région de linéarité.
4. A l’intérieur de la région de linéarité Rl et pour tout t, x, u, il existe une constante
C0 telle que :
|Lu Lu s(t, x)| < C0 .
44 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

La condition 2 permet d’établir que, partant de n’importe quel point de l’espace

d’état, il est possible de définir une commande amenant la fonction contrainte dans
la région de linéarité. Les conditions 3 et 4 impliquent que la dérivée deuxième de s
est uniformément bornée dans un certain domaine, pour l’entrée considérée. D’après
∂ ṡ
le théorème des fonctions implicites, si ∂u
est non nulle, il existe une fonction ue (t, x)
satisfaisant la relation s̈ = 0 et qui peut être considéré comme la commande équivalente
assurant l’invariance de la surface {s = ṡ = 0}.

Supposons maintenant que le système est de degré relatif deux par rapport à la
fonction s et considérons que la dynamique de (2.1) est affine en l’entrée i.e. f (t, x, u) =
f¯(t, x) + ḡ(x, t)u. Par dérivations successives, on obtient :

s̈ = ζ(t, x) + χ(t, x)u (2.12)

Les hypothèses précédemment énoncées peuvent être transposées au cas présent. Parti-
culièrement, ζ et χ sont des fonctions bornées comme suit à l’intérieur de la région de
linéarité Rl :
0 < Km · χ(t, x) · KM (2.13)

|ζ(t, x)| < C0 . (2.14)

Remarque 19 Posant y1 = s, y2 = ṡ, le problème posé revient,dans les deux cas, à la

stabilisation en temps fini du système auxiliaire du second ordre modélisé par :

 ẏ1 = y2
(2.15)
 ẏ = ζ(t, y) + χ(t, y)v
2

où v représente l’entrée du système ou sa dérivée par rapport au temps suivant le degré

relatif par rapport à la fonction contrainte.
D’autre part, toute solution de (2.11) ou (2.12) doit satisfaire l’inclusion différentielle

s̈ ∈ [−C0 , C0 ] + [Km , KM ] v.
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 45

Dans la suite, nous faisons un inventaire (non exhaustif) des principaux algorithmes
du second ordre, en détaillant plus particulièrement l’algorithme du twisting que nous
utiliserons majoritairement par la suite. Chacun de ces contrôleurs est caractérisé par
peu de paramètres. Ces paramètres doivent être réglés, suivant le but de commande, pour
la classe de processus et la fonction de glissement considérées en fonction des constantes
C0 , Km , KM et s0 . De tels algorithmes sont insensibles aux perturbations et incertitudes
paramétriques. Dans la pratique, les conditions de convergence sont seulement suffisantes
et non nécessaires et il est souvent plus approprié de régler les contrôleurs de manière
heuristique, tout en gardant un coefficient de sécurité.

2.5.1 Algorithme du twisting

La convergence en temps fini vers l’origine du plan de phase (s, ṡ) est obtenue grâce
à la commutation de l’amplitude de la commande entre deux valeurs, de telle façon que
l’abscisse et l’ordonnée soient croisées de plus en plus près de l’origine.

Cas idéal

Théorème 20 [112] Considérant le système (2.1) et la surface de glissement S, la loi

de commande


 −λ sgn(y ), si y y · 0,
m 1 1 2
u= . (2.16)
 −λ sgn(y ), si y y > 0,
M 1 1 2

où λm et λM vérifient

λm > 4 KσM
0
,
C0 (2.17)
λm > Km

Km λM − C0 > KM λm + C0 ,

est un algorithme glissant d’ordre deux par rapport à S.

La preuve de ce théorème est donnée dans l’Annexe C. La borne supérieure du temps

de convergence peut être précisée, et ceci quel que soit le quadrant du plan de phase
46 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

(y1 , y2 ) où se situent les conditions initiales :

1 q¯¯ ¯
Ttw∞ · tM1 + Θtw y1M1 ¯.
1 − θ tw

y1M1 représente la valeur de y1 la première fois que l’axe des abscisses dans le plan
(y1 , y2 ) est traversé, tM1 étant l’instant correspondant. Θtw et θtw sont donnés par les
relations

√ Km λM + KM λm
Θtw = 2 √ ,
(Km λM − C0 ) KM λm + C0
s
(λm KM + C0 )
θtw = .
(λM Km − C0 )

Dans le cas où le système est de degré relatif un, la loi de commande, appliquée au
système (2.11) 

 −u |u| > |ue |


u̇ = −λm sgn(s) si sṡ · 0, |u| · |ue | , (2.18)



 −λ sgn(s) si sṡ > 0, |u| · |u |
M e

permet d’aboutir au même résultat, i.e. la convergence en temps fini vers l’ensemble
{s = ṡ = 0}.

Cas réel

Nous présentons ici la version réelle de l’algorithme du twisting. L’intérêt de cette

forme est qu’elle ne requiert pas d’information sur la dérivée de la surface considérée et
qu’elle prend en compte des contraintes d’ordre pratique telles que l’échantillonnage des
mesures et de la loi de commande. Pour des raisons de simplification, la période d’échan-
tillonnage (notée τ ) considérée est la même pour la prise de mesures et la commande.
Définissons alors la loi de commande suivante :

 −λ sgn(s), si s∆ · 0,
m s
u= (2.19)
 −λ sgn(s), si s∆ > 0,
M s
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 47

avec 
 0, k=0
∆s ,
 (s(kτ ) − s((k − 1)τ )) , k ≥ 1

et λm et λM vérifiant les conditions (2.17).

Théorème 21 [112] Sous les hypothèses (2.13), (2.14) et les conditions (2.17), la loi de
commande (2.19) est un algorithme glissant du second ordre pour le système (2.1) par
rapport à la période d’échantillonnage τ , et est appelé algorithme du twisting réel.

Après un temps fini t0 , les trajectoires du système convergent vers l’ensemble de

glissement défini par :
|σ| = O(τ 2 ),
| σ̇| = O(τ 1 ).

Une version discrète de cet algorithme peut également être trouvée dans la littérature
[54].

Amélioration de la vitesse de convergence

Reprenons le système (2.15) en notant maintenant l’état (x1 , x2 ),


 ẋ1 = x2
(2.20)
 ẋ = ζ(t, x) + χ(t, x)u
2

Théorème 22 (Floquet et al. [86]) En définissant la loi de commande par :


 λ sgn(x ), si x x · 0
m 1 1 2
u = −α2 x1 − 2αx2 − , α>0, (2.21)
 λ sgn(x ), si x x > 0
M 1 1 2

la convergence, en temps fini, du système (2.1) vers la surface s = ṡ = 0 est plus ra-
pide que pour l’algorithme du twisting classique. De plus, à chaque commutation de la
commande, kxk · kyk.

Preuve. Montrons que cette loi de commande permet d’accélérer la convergence du

système vers l’origine par rapport à la précédente (2.16). Pour cela, les trajectoires limites
sont une nouvelle fois prises en considération (voir Annexe C) et elles sont solutions du
48 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

système : 
 ẋ = x
1 2
 ẋ = −α2 x − 2αx + V
2 1 2 ss

où Vss = ±(λm KM + C0 ) ou Vss = ± (λM Km − C0 ) (selon le quadrant du plan de phase

(x1 , x2 ) où l’on se situe). La solution générale de ce système d’équations différentielles
est, entre chaque instant de commutation :

 x (t) = Vss (1 − (1 + αt) exp(−αt)) + (x + αx ) t exp(−αt) + x exp(−αt)
1 α2 20 10 10
 x (t) = t exp(−αt) (V − α (x + αx )) + x exp(−αt)
2 ss 20 10 20
(2.22)
x20 et x10 étant les conditions initiales de x1 et x2 après chaque commutation.

De même que dans l’Annexe C, on peut prendre, sans perte de généralité, x10 =
0+ , x20 = δ > 0. Ainsi Vss = −λM Km + C0 et (2.22) devient :

 x (t) = −λM Km +C0 (1 − exp(−αt)) + ¡δ + λM Km −C0 ¢ t exp(−αt)
1 α2 α
.
 x (t) = exp(−αt) [δ − (λ K − C + αδ) t]
2 M m 0

Un simple calcul montre que x2 décroît jusque zéro pour

δ
t̄1 = ,
λM Km − C0 + αδ

et que x1 croît jusqu’à la valeur

−λM Km + C0 δ
x1 (t̄1 ) = 2
(1 − exp(−αt̄1 )) + exp(−αt̄1 ).
α α

De ceci peuvent être déduits les résultats suivants : partant des mêmes conditions initiales,
(0+ , δ),
t̄1 < t1 ,

t1 étant défini dans l’Annexe C, et

x1 (t̄1 ) 1 − αt̄1
=2 (exp(−αt̄1 ) + αt̄1 − 1) · 1
y1 (t1 ) (αt̄1 )2

puisque αt̄1 · 1.
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 49

A partir de t̄1 , x2 devient négatif et Vss = − (λm KM + C0 ). La solution est donc

maintenant :

 x (t) = − λm KM +C0 + ¡x (t ) + λm KM +C0 ¢ exp(−αt)(1 + αt)
1 α2 1 1 α2
 x (t) = −t exp(−αt) (λ K + C + α2 x (t ))
2 m M 0 1 1

x2 reste toujours négatif et x1 décroît et s’annule à l’instant t̄2 qui vérifie l’équation :

λm KM + C0
exp(−αt̄2 )(1 + αt̄2 ) = .
λm KM + C0 + α2 x1 (t̄1 )

Il est possible de fixer α tel que

λm KM + C0
exp(−αt2 )(1 + αt2 ) · (2.23)
λm KM + C0 + α2 x1 (t̄1 )

puisque lim exp(−αt2 )(1 + αt2 ) = 0. Le terme exp(−αt2 ) montre qu’il n’est pas néces-
α→+∞
saire que α soit très important pour que l’inégalité (2.23) soit satisfaite. Ainsi,

exp(−αt2 )(1 + αt2 ) · exp(−αt̄2 )(1 + αt̄2 )

ce qui prouve que t̄2 < t2 puisque la fonction x 7−→ exp(−x)(1 + x) est décroissante. De
plus,
λm KM + C0
x2 (t̄1 + t̄2 ) = − t̄2 · y2 (t1 + t2 ) = − (λm KM + C0 ) t2 .
1 + αt̄2
Par symétrie, les mêmes résultats peuvent être obtenus pour les deux derniers quadrants
du plan de phase.

On peut remarquer que le taux de convergence peut être réglé par le paramètre α.

Les simulations suivantes, où les paramètres ont été fixés à λm = 1, λM = 4 et α = 1,

illustrent ce résultat. Les trajectoires correspondant au twisting algorithme classique sont
en pointillés et celles avec accélération de convergence sont en trait plein. On observe bien
que, avec le nouvel algorithme, l’amplitude des trajectoires et le temps de convergence
sont diminués. Sur la Figure 2-2, on peut observer en particulier les spirales décrites dans
le plan de phase (s, ṡ), c’est-à-dire (y1 , y2 ) (cf (2.15)).
50 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

.
s
1 0.2

0.8
0.15

0.6

0.1
0.4

0.2 0.05

0
0

-0.2

-0.05
-0.4

-0.6 -0.1
-0.1 -0.05 0 0.05 0.1 0.15 0.2 0.25 0 0.5 1 1.5 2
s temps

Fig. 2-2: Plan de phase (s, ṡ) et allure des fonctions contraintes s par rapport au temps

2.5.2 Algorithme sous-optimal

Loi de commande [13, 15] :

1
u(t) = −α(t)λM sgn(y1 (t) − y1M ), (2.24)
 2
 α∗ si y (t) − y ¤ [y − y (t)] > 0
£ 1
1 2 1M 1M 1
α(t) = £ ¤ (2.25)
 1 si y (t) − 1 y [y − y (t)] · 0
1 2 1M 1M 1

où y1M représente la valeur de y1 au dernier instant d’annulation de y2 (i.e. la dernière

valeur singulière de la fonction y1 (t)).

Conditions suffisantes de convergence :

¸
∗ 3Km
α ∈ ]0, 1] ∩ 0, , (2.26)
KM
µ ¶
C0 4C0
λM > max , (2.27)
α∗ Km 3Km − α∗ KM

Borne supérieure du temps de convergence :

1 q¯¯ ¯
Tso∞ · tM1 + Θso y1M1 ¯
1 − θso
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 51

où y1M1 , tM1 sont définis comme pour l’algorithme du twisting et

(Km + α∗ KM ) λM
Θso = √ ,
(Km λM − C0 ) α∗ KM λM + C0
s
(α∗ KM − Km ) λM + 2C0
θso = .
2 (Km λM − C0 )

Intérêt : la connaissance de la valeur de y2 n’est pas nécessaire.

Inconvénient : il faut tout de même avoir une estimation assez précise de la dernière
valeur singulière de y1 , et ceci relativement souvent.

Il a été prouvé dans [15] que, dans le cas d’un gain unitaire χ = 1, la loi de commande
pouvait être simplifiée en posant α = 1 et en choisissant VM > 2C0 . Bartolini et al.
ont récemment développé des extensions de cet algorithme à des classes plus larges de
systèmes avec incertitudes [17] et ont également donné une version discrète de l’algorithme
[18]. La preuve de convergence de cet algorithme, ainsi que l’évaluation du temps de
convergence est disponible dans [15].

Remarque 23 Cet algorithme, ainsi que le terme sous-optimal employé ici, sont inspirés
de la commande bang-bang qui génère des trajectoires optimales (en temps minimum) pour
un double intégrateur (ζ(t, y) = 0, χ(t, y) = 1) mais dont le défaut est d’utiliser y2 , dont
on n’a pas forcément la mesure.

2.5.3 Algorithme du Super twisting

Loi de commande (voir [112]) :

u = u1 (t) + u2 (t)

 −u si |u| > |ue |
u̇1 = , (2.28)
 −W sgn(y ) si |u| 6 |u |
1 e

 −λsρ sgn(y ) si |s| > s
0 1 0
u2 = .
 −λ |y | ρ sgn(y ) si |s| · s
1 1 0
52 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

Conditions suffisantes de convergence :

λm > 4 KσM
0
,
C0 (2.29)
λm > Km

Km λM − C0 > KM λm + C0 ,

C0
W >
Km
4C0 KM (W + C0 )
λ2 ≥ 2 K (W − C )
Km m 0
0 < ρ · 0.5

Intérêt : la loi de commande est continue et ne requiert aucune information sur la

dérivée de s ; bonnes propriétés de robustesse (a été utilisée pour réaliser un dérivateur
robuste en temps réel [114]).

2.6 Réduction de la réticence

A l’origine, Emel’yanov et al. [69, 70] ont introduit les modes glissants d’ordre supé-
rieur afin de réduire le phénomène de réticence dans les commandes par modes glissants
d’ordre un. Afin d’illustrer cette propriété, considérons le système (2.1) et dérivons 2 fois
la fonction de glissement :

∂s ∂s
ṡ = Lu s(t, x) = (t, x) + (t, x)f (t, x, u),
∂t ∂x

∂ ṡ ∂ ṡ ∂ ṡ
s̈ = (t, x, u) + (t, x, u)f(t, x, u) + (t, x, u)u̇(t).
∂t ∂x ∂u

Suivant le degré relatif du système, différents cas doivent être considérés :

∂ ṡ
1. le degré relatif est p = 1, c’est-à-dire ∂u
6= 0,
∂s(i) ∂s(p)
2. le degré relatif est p ≥ 2, c’est-à-dire ∂u
= 0, (i = 1, 2, ..., p − 1), ∂u
6= 0.

Dans le premier cas, une commande par modes glissants d’ordre un résoud notre
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 53

problème, c’est-à-dire forcer le système à évoluer au bout d’un temps fini sur la surface
S. Néanmoins, l’utilisation d’un mode glissant d’ordre deux permet d’éviter le phénomène
de réticence. En utilisant une telle stratégie, la commande u se trouve alors être la sortie
d’un système dynamique du premier ordre. Les algorithmes discontinus sont appliqués en
fait à la dérivée par rapport au temps u̇, qui devient la nouvelle variable de commande du
système considéré et conduit à l’obtention d’un régime glissant d’ordre deux sur la surface
S. De cette façon, l’entrée u du système est maintenant continue et permet d’éviter le
phénomène de réticence [12, 15].

Dans le second cas, du fait des incertitudes affectant le système considéré et de la

connaissance partielle (le plus souvent) de l’état, une approche par un mode glissant
d’ordre r, avec r ≥ p, apparaît être la méthode de commande la plus appropriée. L’appli-
cation d’un algorithme glissant d’ordre p + 1 sur u̇ est une solution pour venir converger
sur S tout en éludant les problèmes de réticence et en restant robuste par rapport aux
incertitudes du système.

Schématiquement, lorsqu’un algorithme d’ordre supérieur est utilisé, la surface est

atteinte de manière plus douce ainsi qu’il est montré sur la figure suivante.

trajectory

s=0

Fig. 2-3: Allure du régime glissant pour les ordres supérieurs

54 CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR

2.7 Cas multi-variables

A l’instar de la commande par modes glissants classique, le cas multi-variables pose

ici de nombreux problèmes. Il existe très peu de résultats dans la littérature quant à la
génération de modes glissants d’ordre supérieur pour des systèmes comportant plusieurs
entrées, principalement à cause du phénomène de couplage entre les différentes entrées
du système et les surfaces considérées. Des résultats permettent cependant de contourner
cet obstacle mais restent sujets à des conditions relativement restrictives.

Soit le système

ẋ = f(t, x, u) (2.30)

s = s(t, x) (2.31)

où les hypothèses de continuité sur f et s sont les mêmes que pour le système (2.1), mais
où u ∈ U ⊂ IR m et s ∈ IR n+1 . L’objectif de commande est d’amener les trajectoires du
système sur la surface s = 0 en temps fini. L’approche par les modes glissants d’ordre
deux permet la stabilisation en temps fini de la variable s et de sa dérivée ṡ en définissant
une loi de commande discontinue adaptée qui peut être l’entrée réelle du système ou sa
dérivée par rapport au temps, selon le degré relatif de (2.30). Nous allons voir ici sous
quelles conditions des algorithmes glissants du second ordre permettent d’atteindre cette
objectif. Par analogie avec le cas mono-entrée, on peut se ramener au problème de la
stabilisation du système : 
 ẏ1 = y2
, (2.32)
 ẏ = Ψ(t, y) + Θ(t, y)v
2

£ ¤T
où y1 = s, y2 = ṡ, y T = y1T , y2T , y ∈ W ⊂ IR 2m et Ψ et Θ sont respectivement un
champs de vecteur et une matrice connus de façon incertaine tels que :

|Ψ(t, y)| < Ψ̄i

0 < Θiim · Θ(t, y) · ΘiiM , i = 1, ..., m (2.33)
|Θ(t, y)| · ΘijM , j 6= i

chaque composante de v étant soit l’entrée réelle du système, soit sa dérivée, selon le
CHAPITRE 2. MODES GLISSANTS D’ORDRE SUPÉRIEUR 55

degré relatif par rapport au vecteur de sortie y1 = s. W est un ensemble compact à

l’intérieur duquel la bornitude des dynamiques de glissement est assurée.
Le système (2.32) peut être réécrit composante par composante :

m
X
ẏ2i = Ψi (t, y) + Θii (t, y)vi + Θij (t, y)vj .
j=1,j6=i

Supposons alors que la matrice Θ soit à diagonale dominante, c’est-à-dire :

m
X
|Θij | < Θii , i = 1, ..., m (2.34)
j=1,j6=i

Cette condition permet de découpler suffisamment les entrées. Ceci fait que les algo-
rithmes d’ordre deux présentés précédemment (pour les systèmes mono-entrée) à chaque
entrée vi peuvent être appliqués afin de résoudre le problème posé. Par exemple, les
conditions de convergence relatives à l’algorithme sous-optimal sont données dans [20].
La condition (2.34) est assez restrictive car dans de nombreux cas pratiques, la matrice
Θ est seulement définie positive, comme par exemple la matrice d’inertie des systèmes
lagrangiens. Pour ces systèmes, une solution a été donnée dans [20], mais la convergence
vers la surface n’est qu’asymptotique. Dans le Chapitre 4, nous donnerons une autre
solution pour ce problème, s’appuyant sur la forme régulière.
Conclusion

Dans cette partie, nous avons présenté les idées clés de la commande par modes glis-
sants. Pour différentes raisons, l’exposé sur les modes glissants d’ordre un a été restreint
à des systèmes mono-entrée et affine en l’entrée mais l’ensemble des résultats peut s’ap-
pliquer, sous certaines conditions, à des systèmes d’ordre plus général. Les principes ont
été donnés dans le cas des régimes glissants classiques (d’ordre un) : notions de surface
invariante et de commande équivalente, conditions d’existence, propriétés de robustesse.
L’inconvénient majeur de cette méthode, en l’occurence le phénomène de réticence, peut
être contourné par l’introduction des modes glissants d’ordre supérieur. Ceux-ci semblent
être des outils efficaces pour commander des systèmes soumis à des incertitudes tout en
obtenant une meilleure précision de convergence par rapport au mode glissant réel d’ordre
un. Des exemples d’algorithmes générant des modes glissants d’ordre deux ont été pré-
sentés, en donnant pour chacun d’entre eux les conditions suffisantes de convergence et
il a été vu que ces techniques résultent en l’élaboration de lois de commande relative-
ment simples. Il a toutefois été implicitement supposé que toutes les variables d’état
étaient disponibles, ce qui n’est pas forcément le cas en pratique. C’est pourquoi de nom-
breux travaux, axés sur le développement de surfaces de glissement et de commandes
uniquement basées sur les signaux de sorties ou sur l’utilisation d’observateurs impli-
quant les concepts des systèmes à structures variables ont été entrepris. Des exemples
seront développés dans les Chapitres 4 (Stabilisation) et 5 (Application à la machine
asynchrone). Dans ce qui suit maintenant, nous allons nous pencher sur la définition
et sur les conditions d’obtention de formes de systèmes particulièrement adaptées à la
synthèse de commande par modes glissants.

56
Deuxième partie

Résultats

57
Chapitre 3

Mise en forme

3.1 Introduction
Le but de ce chapitre est de montrer comment des classes de systèmes non linéaires
peuvent, par l’intermédiaire de changements de coordonnées locaux dans l’espace d’état,
être mis sous des formes adéquates pour la synthèse de lois de commande ou d’obser-
vateurs par modes glissants. Trois formes, ainsi que leurs conditions d’obtention, sont
présentées ici :

— une forme régulière généralisée, qui permet de décomposer le système donné en

deux sous-systèmes : dans l’un d’entre eux interviennent les entrées, et l’autre est
autonome ;

— une forme chaînée qui est représentative de nombreux systèmes non holonomes et
sujette à de nombreuses études du point de vue commande ;

— la forme canonique de commandabilité généralisée de Fliess dont la principale dif-

férence avec la théorie standard est que les dérivées de l’entrée interviennent dans
la transformation.

Les deux premiers changements de coordonnées mettent en oeuvre des notions de

géométrie différentielle [102], et on suppose également que le système est soumis à des
perturbations. A propos de ces dernières, des hypothèses seront émises pour qu’elles
apparaissent dans la forme résultante de telle manière à pouvoir être rejetées par des
commandes robustes. En ce qui concerne la forme de Fliess, elle est obtenue sous des

59
60 CHAPITRE 3. MISE EN FORME

considérations d’algèbre différentielle.

3.2 Forme régulière généralisée

Dans cette section seront considérés des systèmes multi-entrées et multi-sorties de la

forme :
ẋ = f (x) + G(x)u + p(x) (3.1)

où x ∈ IR n est le vecteur état, u ∈ IR m est la commande (m entrées). p(x) est une

perturbation additive, f : IR n → IR n est un champ de vecteurs suffisamment différen-
tiable, G(x) = (g1 (x), . . . , gm (x)) est une (n × m)-matrice où les gi : IR n → IR n sont
des champs de vecteurs suffisamment différentiables. gij (x) est le gain de commande de
la j ième entrée agissant sur la ième variable d’état. Si on considère le système (3.1) sans
perturbations (p(x) ≡ 0), des conditions nécessaires et suffisantes ont été données pour le
transformer en une forme régulière généralisée [130]. Dans ce qui suit, nous verrons sous
quelles conditions (3.1) peut être transformé en la forme régulière perturbée suivante :


 ż = f1R (z1 , z2 ) + GR (z1 , z2 )u + pR (z),

 1
ż2 = f2R (z1 , z2 ), . (3.2)



 z1 ∈ IR d , z2 ∈ IR (n−d)

3.2.1 A propos du rang de la matrice des gains d’entrée

Dans [117], une hypothèse fondamentale repose sur le fait que le rang de la matrice
G(x) doit être maximal (m). Le théorème suivant montre, s’il y a plus d’entrées que le
rang de G, comment retrouver l’hypothèse classique en utilisant un retour d’état statique.

Théorème 24 Si rang(G(x0 )) = r, alors il existe un retour d’état statique (pas forcé-

ment unique)
u = W (x)(v T , 0, . . . , 0)T , v ∈ Rr , (3.3)
CHAPITRE 3. MISE EN FORME 61

avec W régulière dans un voisinage N (x0 ) de x0 , tel que :

 r m−r 
z }| {z }| {
 
 X 0 ··· 0 0 ··· 0 
 
 .. ... ... .. .. .. 
 . . . . 
 
 .. ... .. .. 
 . 0 . . 
 
 
G(x)W (x) =  X ··· ··· X 0 ··· 0 .
 
 
 X ··· ··· X 0 ··· 0 
 
 .. .. .. .. 
 . . . . 
 
 
 X ··· ··· X 0 ··· 0 

Ce théorème permet de considérer que, dorénavant, rang(G(x0 )) = m. Si cela n’est

pas le cas (rang(G(x0 )) = r < m), on considérera le système (3.1), avec le retour statique
(3.3), c’est-à-dire :
0
ẋ = f(x) + G (x)v + p(x), (3.4)

0
où v ∈ Rr est le nouveau vecteur de commande et G (x) est une matrice (n × r) et de
rang plein r.

3.2.2 Existence d’une forme régulière

Dans un premier temps, le but est de trouver un difféomorphisme z = φ(x) tel que le
système non perturbé
ẋ = f (x) + G(x)u, (3.5)

soit transformé en 

 ż = f1R (z1 , z2 ) + GR (z1 , z2 )u

 1
ż2 = f2R (z1 , z2 ) . (3.6)



 z1 ∈ Rd , z2 ∈ R(n−d)

Les conditions d’existence d’une telle transformation ont été originellement données par
Luk’yanov et Utkin dans [117], dans le cas où d = m. Une généralisation de ce résultat,
où d peut être supérieur ou inférieur au nombre d’entrées m, a été établie dans [130].

Théorème 25 [130] Soit ∆ une distribution telle que :

62 CHAPITRE 3. MISE EN FORME

H1) ∆ est non singulière au point x0 (i.e. de dimension constante dim ∆ = d∆ · n) ;

H2) ∆ est involutive, c’est-à-dire :

∀τ 1 ∈ ∆, ∀τ 2 ∈ ∆ : [τ 1 , τ 2 ] ∈ ∆ ; (3.7)

H3) Vect {g1 (x), . . . , gm (x)} ⊂ ∆.

Alors, il existe un voisinage N (x0 ) de x0 et un difféomorphisme local z = φ(x) défini
sur N (x0 ), tel que (3.5) est transformé en (3.6) avec d = d∆ · n. De plus, si d∆ < n, la
conclusion est valable pour n ≥ d ≥ d∆ . ¥

Remarque 26 Pour les systèmes à entrée scalaire, G ≡ g est un champ de vecteur

continu. Si g(x0 ) 6= 0, la distribution ∆=Vect {g(x)} (dim ∆ = d∆ = 1) est involutive et
le système (3.5) peut se mettre sous la forme (3.6) avec d = d∆ = 1.

Une distribution candidate à la construction du difféomorphisme (dont la description

est donnée dans [130]) transformant (3.5) en (3.6) est obtenue par l’intermédiaire de la
fermeture involutive (voir [102]) de la distribution engendrée par les vecteurs colonnes de
la matrice des gains d’entrées G(x). L’algorithme de construction se présente ainsi :
1ère étape : Soit ∆1 = Vect {g1 (x), . . . , gm (x)} et dim ∆1 = d1 . Prenons d1 champs
de vecteurs indépendants de ∆1 (notés τ i ), soit : ∆1 = Vect {τ 1 (x), . . . , τ d1 (x)}.
2ème étape : ∀τ i ∈ ∆1 , ∀τ j ∈ ∆1 , on calcule chaque [τ i , τ j ] et on regarde s’il appar-
tient à ∆1 : si ce n’est pas le cas, on ajoute ces nouveaux champs de vecteurs à ∆1 ce qui
nous donne une nouvelle distribution ∆2 .
kième étape : Soit ∆k = ∆k−1 ⊕Vect {[τ i , τ j ] : τ i ∈ ∆k−1 , τ j ∈ ∆k−1 et [τ i , τ j ] ∈
/ ∆k−1 }.
On a ∆k−1 ⊂ ∆k et d∆k > d∆k−1 = dim ∆k−1 .
Dernière étape : Elle est déterminée lorsque [τ i , τ j ] ∈ ∆k , ∀τ i ∈ ∆k , ∀τ j ∈ ∆k .
L’entier k associé sera noté kfin . Alors ∆kfi n +1 = ∆kfi n et ∆k = ∆kfi n pour k > kfin . La
distribution ∆G obtenue est la plus petite distribution involutive contenant ∆1 , et est
connue comme étant la fermeture involutive de ∆1 .

Remarque 27 Si, dans le théorème précédent, la distribution candidate est

∆ = Vect {g1 (x), . . . , gm (x)} ,

CHAPITRE 3. MISE EN FORME 63

on obtient le résultat classique de [117] (d = d∆ = m). Ici, d n’est pas forcément égal à
m.

Remarque 28 Notons que ∆G , la plus petite distribution involutive contenant ∆1 , peut

également être obtenue par :

© ª
∆G = Vect Adkgi gj (x) : i ∈ {1..m} , j ∈ {1..m} , k ∈ {0..∞} .

3.2.3 Cas perturbé

On prend maintenant en compte la perturbation p(x).

Théorème 29 (Floquet et al. [80]) Supposons que :

© ª
H0) p ∈ ∆G = Vect Adkgi gj (x) : i ∈ {1..m} , j ∈ {1..m} , k ∈ {0..∞} ;
H’0) ∆G est non singulière en x0 (i.e. de dimension constante dim ∆G = d∆G · n).
Alors il existe un voisinage N (x0 ) de x0 et un difféomorphisme local z = φ(x) defini
sur N (x0 ), tels que (3.1) est transformé en (3.2) avec d = d∆G .

Preuve. Puisque p ∈ ∆G , ∀ω ∗ ∈ ∆⊥ ∗
G :< ω , p >= 0, et par le difféomorphisme φ(x)

défini dans le Théorème 2 présenté dans [130], on obtient le résultat désiré.

Remarque 30 Si ∆G = Vect {g1 (x), . . . , gm (x)} est involutive, alors l’hypothèse H0)
correspond à la classique “matching condition” (voir [61]). Dans ce cas, il est connu que
le régime en mode glissant est insensible à ce type de perturbations.

3.3 Forme chaînée

Ces dernières années, les robots mobiles ont pris une place très importante dans
l’industrie comme moyen de transport, d’inspection et d’intervention dans des milieux
hostiles. Ceux-ci appartiennent à la classe des systèmes non holonomes, qui comprend
également les véhicules articulés ou les robots sauteurs, et qui a reçu un intérêt croissant
de la part des communautés automaticiennes et roboticiennes. Ceci peut s’expliquer par
le fait que ces systèmes se heurtent à l’obstruction de Brockett [30] (ils ne peuvent pas
être asymptotiquement stabilisés par un retour d’état autonome au moins continûment
différentiable) et il faut donc souvent faire appel à de nouvelles techniques pour résoudre
64 CHAPITRE 3. MISE EN FORME

ce problème. Bon nombre d’entre eux peuvent être mis sous une forme particulière, dite
chaînée, et c’est pour cette raison que nous nous intéressons à celle-ci. Mais faisons avant
tout quelques rappels sur les systèmes non holonomes.

3.3.1 Systèmes non holonomes

Un grand nombre de systèmes en robotique et en mécanique peuvent être modélisés

par des contraintes dites de Pfaff et de la forme :

W (x)ẋ = 0 (3.8)

£ ¤T
où x ∈ IR n est le vecteur d’état, W (x) = ω 1 (x), ..., ω k (x) est une matrice de dimension
(k × n). Ces contraintes sont dites non holonomes si elles ne sont pas intégrables. Les k
covecteurs ω i sont supposés être linéairement indépendants (si cela n’est pas le cas, les
contraintes qui sont liées peuvent être éliminées) de telle façon que W (x) est une matrice
de rang plein pour tout x ∈ IR n . Afin d’étudier ce type de système d’un point de vue
du comportement des variables d’état et non plus des contraintes, on peut montrer qu’il
est possible de trouver une base de vecteurs gj (x) ∈ IR n , j = 1, ..., n − k appartenant à
l’annulateur de la distribution engendrée par les contraintes telles que les trajectoires du
système soient solutions de [125] :

ẋ = g1 (x)u1 + ... + gn−k (x)un−k (3.9)

où u1 , ..., un−k sont des entrées de commande choisies de façon appropriée. Un bon nombre
d’exemples tels que les robots mobiles, les véhicules articulés, le robot sauteur ou encore le
modèle académique appelé “knife edges” [125] possèdent deux entrées, et donc beaucoup
de résultats dans la littérature concernent la classe de systèmes (3.9) pour n − k = 2 i.e. :

ẋ = g1 (x)u1 + g2 (x)u2 . (3.10)

Dans [127], il a été montré que, par difféomorphisme et retour d’état (et sous certaines
conditions), le système (3.10) pouvait être transformé en ce qui s’appelle une forme
CHAPITRE 3. MISE EN FORME 65

chaînée : 

 ż1 = v1





 ż = v2

 2
ż3 = z2 v1 , (3.11)



 ..

 .



 ż = z v
n n−1 1

où z ∈ IR n est le nouveau vecteur d’état et v1 , v2 les nouvelles entrées.

Les deux obstacles majeurs en ce qui concerne la commande des systèmes non holo-
nomes sont :

1. la non commandabilité de leur approximation linéaire ;

2. la non adéquation avec la condition nécessaire de Brockett [30] pour l’existence

d’un retour d’état, continu et indépendant du temps, stabilisant le système.

Toutefois, afin de surmonter ces difficultés, des méthodes variées ont été envisagées :
des retours d’état homogènes ou dépendant du temps [133, 135], des commandes sinu-
soïdales et polynômiales [126, 156], des commandes continues par morceaux [101, 123],
des méthodes basées sur la platitude [79] ou encore des approches par rétro-itération
(backstepping) [106, 105, 121]. Il est important de noter que peu de commandes assurent
à la fois une convergence rapide et des propriétés de robustesse.

3.3.2 Transformation en une forme chaînée perturbée

Dans ce paragraphe, nous nous intéressons à un système non holonome à deux entrées,
soumis à des perturbations p dépendant de l’état et/ou du temps :

ẋ = g1 (x)u1 + g2 (x)u2 + p(x, t) (3.12)

où x ∈ IR n est le vecteur d’état, u1 , u2 ∈ IR sont les deux entrées de commande,

g1 (x), g2 (x) sont des champs de vecteurs suffisamment différentiables et linéairement
indépendants et p(x, t) ∈ IR n est une perturbation additive. Il s’agit de déterminer sous
66 CHAPITRE 3. MISE EN FORME

quelles conditions le système (3.12) peut se mettre sous la forme chaînée suivante :


 ż1 = v1 + p1 (z, t)





 ż = v2 + p2 (z, t)

 2
ż3 = z2 (v1 + p1 (z, t)) , (3.13)



 ..

 .



 ż = z (v + p1 (z, t))
n n−1 1

avec p1 et p2 , des perturbations après changement de coordonnées et éventuellement

retour d’état.

Définnissons tout d’abord les distributions suivantes :

© ª
∆0 = Vect g1 , g2 , adg1 g2 , ..., adn−2
g1 g2 , (3.14)
© ª
∆1 = Vect g2 , adg1 g2 , ..., adn−2
g1 g2 , (3.15)
© ª
∆2 = Vect g2 , adg1 g2 , ..., adn−3
g1 g2 . (3.16)

et rappelons les conditions suffisantes données dans [125] permettant de transformer le

système (3.10) en (3.11).

Théorème 31 [125] Si le système (3.10) satisfait les hypothèses suivantes :

A1) rang ∆0 (x) = n pour tout x ∈ IR n ,

A2) ∆1 et ∆2 sont involutives,

A3) il existe une fonction h1 (x) telle que dh1 .∆1 = 0 et dh1 .g1 = 1,

alors le système (3.10) peut être transformé en (3.11) en utilisant le difféomorphisme

£ ¤T
z = φ(x) = h1 (x), Ln−2
g1 h2 (x), ..., Lg1 h2 (x), h2 (x) , (3.17)

et le retour d’état
 
1 Lg2 Ln−2
g1 h2 (x) 0
u = ψ(x)v =   v, (3.18)
Lg2 Ln−2
g1 h2 (x) −Ln−1
g1 h2 (x) 1
CHAPITRE 3. MISE EN FORME 67

où h2 est une fonction indépendante de h1 telle que

dh2 .∆2 = 0. (3.19)

Remarque 32 L’existence de h2 est assurée par le théorème de Frobenius [102] étant

donné que ∆2 ⊂ ∆1 sont toutes deux involutives. Sous l’hypothèse A2 et (3.19), Lg2 Ln−2
g1 h2 (x) 6=

0 (voir [125]).

Bushnell et al. [32] ont généralisé ce résultat dans le cas où le nombre d’entrées est
supérieur à deux. Dans [29], Boutat et Barbot ont relaxé les hypothèses sur l’involutivité
des distributions ∆1 et ∆2 , et obtiennent une forme chaînée avec des termes résiduels au
moins d’ordre trois.
Utilisant le même difféomorphisme et le même retour d’état, une condition nécessaire
et suffisante sur la perturbation est maintenant donnée afin de mettre le système (3.12)
sous la forme chaînée perturbée (3.13).

Théorème 33 (Floquet et al. [81]) Soit le système perturbé (3.12). Sous les hypothèses
A1-A3, (3.12) peut être transformé en la forme chaînée (3.13) si et seulement si pour
tout t
p(x, t) ∈ Vect {g1 (x), g2 (x)} .

Preuve. ♦ Condition suffisante : puisque p(x, t) ∈ Vect {g1 (x), g2 (x)}, on peut écrire :

p(x, t) = α(x, t)g1 (x) + β(x, t)g2 (x).

De (3.17) et (3.18), on tire que :



 ż1 = v1 + α(x, t)





 ż = v2 + α(x, t)Ln−1 n−2

 2 g1 h2 (x) + β(x, t)Lg2 Lg1 h2 (x)

ż3 = Ln−2
g1 h2 (v1 + α(x, t))
.



 .
..





 ż = L h (v + α(x, t))
n g1 2 1

Et en posant
p1 (z, t) = [α(x, t)]x=φ−1 (z) ,
68 CHAPITRE 3. MISE EN FORME

£ ¤
p2 (z, t) = α(x, t)Ln−1 n−2
g1 h2 (x) + β(x, t)Lg2 Lg1 h2 (x) x=φ−1 (z) ,

on obtient le système (3.13).

♦ Condition nécessaire : en appliquant le difféomorphisme (3.17) et le retour d’état

(3.18) au système (3.12) : 

 ż1 = v1 + dh1 .p





 ż = v2 + dLn−2

 2 g1 h2 .p

ż3 = z2 v1 + dLn−3
g1 h2 .p
. (3.20)



 ..

 .



 ż = z v + dh .p
n n−1 1 2

Puisque rang ∆0 (x) = n pour tout x ∈ IR n , la perturbation peut s’écrire comme une
combinaison linéaire de n champs de vecteurs indépendants engendrant ∆0 (x), c’est-à-
dire :
n
X
p(x, t) = α1 (x, t)g1 (x) + α2 (x, t)g2 (x)+ αi (x, t)adi−2
g1 g2 .
i=3

Alors, dh1 .p = α1 , et ż1 = v1 + p1 (z), avec α1 = p1 .

Puisque dh2 .∆2 = 0 et dh2 .g1 (x) = Lg1 h2 (x) = zn−1 , on a :

dh2 .p = α1 zn−1 + αn dh2 .adn−2

g1 g2 .

Comme dh2 .adn−2 1

g1 g2 6= 0, αn doit être nul pour avoir żn = zn−1 (v1 + p (z)). Ainsi obtient-

on
n−1
X
dLg1 h2 .p = α1 zn−2 + αi dLg1 h2 .adi−2
g1 g2 .
i=3

Sachant que
dLg1 h2 .adi−2 i−1 i−2
g1 g2 = dh2 .adg1 g2 + Lg1 (dh2 .adg1 g2 )

et puisque dh2 .adjg1 g2 = 0 pour j = 1, ..., n − 3 (dh2 .∆2 = 0), on a :

dLg1 h2 .p = α1 zn−2 + αn−1 dh2 .adn−2

g1 g2

ce qui implique que αn−1 = 0.

CHAPITRE 3. MISE EN FORME 69

De la même manière, pour k = 2 à n − 3,

dLkg1 h2 .p = α1 zn−k−1 + αn−k dh2 .adn−2

g1 g2 ,

Ainsi αn−k = 0 pour k = 2 à n − 3 et (3.20) est équivalent à (3.13) si

α3 = · · · = αn = 0,

ce qui signifie que p(x, t) ∈ Vect {g1 (x), g2 (x)} pour tout t.

3.4 Forme canonique de commandabilité généralisée

Sous certaines considérations issues de l’algèbre différentielle, il est possible d’ob-

tenir, pour une large classe de systèmes non linéaires, une généralisation directe de la
forme canonique de commandabilité, qui joue un rôle proéminent dans le domaine de la
stabilisation par retour d’état :


 ẋ1 = x2





 ẋ = x3

 2
..
. , y = x1 . (3.21)





 ẋn−1 = xn



 ẋ = f (x, u, u̇, . . . , u(α) )
n

Cette forme a été introduite par Fliess dans [76] et la transformation d’état permettant
d’aboutir à celle-ci comprend la variable d’entrée et un nombre fini de ses dérivées :
u, u̇, . . . , u(β) . Toutefois, elle ne s’applique pas aux systèmes linéaires multivariables et
stationnaires, ni aux systèmes autonomes.
On note que la dynamique des zéros est donnée par f (0, u, u̇, . . . , u(α) ) = 0. Le système
(3.21) est alors dit localement/globalement à minimum de phase si le point d’équilibre
u = 0, u̇ = 0 ,..., u(α−1) = 0 de f (0, u, u̇, . . . , u(α) ) = 0 est localement/globalement
asymptotiquement stable. Si f est suffisamment continue, d’après le théorème des fonc-
tions implicites, il existe un champ de vecteur g de même degré de continuité que f tel
70 CHAPITRE 3. MISE EN FORME

que : 

 ξ̇ 1 = ξ 2





 ξ̇ = ξ 3

 2
..
. , u = ξ 1. (3.22)





 ξ̇ α−1 = ξ α



 ξ̇ = g(ξ)
α

Le système (3.21) est alors dit localement/globalement à minimum de phase si (3.22)

est localement/globalement asymptotiquement
µ stable. De part le retour d’état statique
Pα P ¯ ¶
∂g ¯
v + i=1 ci ξ i = g(ξ) tel que pα + αi=1 ci − ∂ξ ¯ pi−1 soit un polynôme de Hurwitz,
i ξ=0
le système résultant est alors localement/globalement à minimum de phase (la commande
u reste bornée).

Exemple : (tiré de [76]) Soit le système



 ż = z2 + u

 1
ż2 = z2 z3



 ż3 = uz1

Cette dynamique n’est pas linéarisable par retour d’état statique, mais on peut la mettre
sous la forme canonique de commandabilité généralisée. z1 étant un élément primitif, en
posant le changement de coordonnées z1 = x1 , z2 = ż1 , z3 = z̈1 , on obtient :


 ẋ = x2

 1
ẋ2 = x3 .



 ẋ = ux x − u2 x + x3 −u̇2
3 1 2 1 x2 −u
+ ü

La loi de commande définie par

x3 − u̇2 X 3
ux1 x2 − u2 x1 + + ü = ai xi + v
x2 − u i=1

est alors un retour d’état dynamique linéarisant, dans le sens où elle peut être vue comme
une équation différentielle en u.

La forme présentée ici est d’un intérêt particulier dans le cadre de commandes dis-
CHAPITRE 3. MISE EN FORME 71

continues, et donc pour notre propos général.

3.5 Conclusion
Ce bref chapitre a été l’occasion d’introduire des formes de systèmes qui nous seront
particulièrement utiles par la suite en ce qui concerne l’aspect commande. Des conditions
originales ont également été données sur les perturbations susceptibles d’intervenir sur
le système. Le chapitre suivant est dédié à la stabilisation. Partant de chacune des ces
formes, une loi de commande par modes glissants est réalisée de façon à maintenir le
système considéré en un de ses points d’équilibre.
72 CHAPITRE 3. MISE EN FORME
Chapitre 4

Stabilisation

4.1 Introduction

Pour un système très général de la forme ẋ = f (t, x), xe est un point d’équilibre si
f (t, xe ) = 0, t ≥ 0. Sans perte de généralités, nous considérerons que le point d’équilibre
xe est l’origine, une simple translation x̃ = x−xe permettant de s’y ramener. Un équilibre
est dit stable si, après avoir été écarté faiblement de sa position, le système considéré
prend une position peu différente. Il est dit asymptotiquement stable si, dans les mêmes
conditions, il rejoint sa position d’origine. De nombreuses études ont été développées
utilisant et généralisant les notions de stabilité définies par Lyapunov, qui consistent à
étudier le comportement des solutions d’un système d’équations différentielles, sans la
connaissance explicite de celles-ci. Un tour d’horizon complet sur cette question peut
être trouvé dans les ouvrages de Hahn [95], et plus récemment de Khalil [107].
Dans le cadre plus général des systèmes commandés ẋ = f(t, x, u), le problème de la
stabilité d’un point d’équilibre doit être étendu à celui de la poursuite d’une trajectoire de
référence xr (t). Il s’agit alors de générer une commande u(t) fonction de l’état x(t) et de la
référence xr (t) et d’évaluer qualitativement ou quantitativement la convergence de l’écart
e(t) = x(t)−xr (t). Une des questions fréquemment rencontrées est celle de la stabilisation,
c’est-à-dire trouver une commande telle que l’état x = 0 soit asymptotiquement stable.
Dans ce type de stabilisation, les trajectoires du système se rapproche infiniment près du
point d’équilibre, mais sans jamais l’atteindre. Dans ce chapitre, nous nous intéresserons
également à la stabilisation en temps fini, c’est-à-dire à amener les trajectoires exactement

73
74 CHAPITRE 4. STABILISATION

au point d’équilibre au bout d’un certain temps, et à y rester ensuite.

Ce chapitre s’articule de la façon suivante. Dans un premier temps, des méthodes
de stabilisation par des commandes par modes glissants seront étudiées pour une forme
régulière et une forme chainée, toutes deux perturbées, ainsi que pour un corps rigide
sous-actionné. A travers ces résultats, l’intérêt des commandes par modes glissants d’ordre
supérieur, lorsque l’on a pour objectif d’obtenir des convergences en temps fini et robuste
par rapport à certaines perturbations, sera souligné. Etant donné que dans la plupart
des cas, il n’est pas possible d’avoir une mesure de l’ensemble des variables d’état, la
synthèse d’une commande stabilisante par retour de sortie, pour un système mis sous
la forme canonique de commandabilité de Fliess, sera détaillée dans la deuxième partie
du chapitre. La commande, basée sur les modes glissants classiques, est bouclée sur
un observateur, lui-même par modes glissants. Comme il n’existe pas de principe de
séparation pour les systèmes non linéaires, la stabilité du système en boucle fermée sur
l’observateur sera démontrée.

4.2 Retour d’état

4.2.1 Utilisation de la forme régulière généralisée

Reprenons le système multi-entrées et multi-sorties de la forme :

ẋ = f(x) + G(x)u + p(x), (4.1)

et on suppose désormais que dim ∆G = m = rang (G(x)), c’est-à-dire qu’il existe un

difféomorphisme qui transforme (4.1) en (3.2) avec d = m. Ceci implique également que
l’on peut mettre le système (3.2) sous la forme suivante :


 ż1 = v + pR (z),


ż2 = f2R (z1 , z2 ), , (4.2)



 z ∈ IR m , z ∈ IR (n−m)
1 2

£ ¤−1
avec le retour statique u = GRr (z) (−f1R (z) + v), qui est bien défini puisque par
hypothèse GR
r (z) est de rang plein. Notre objectif est ici de synthétiser des commandes
CHAPITRE 4. STABILISATION 75

par modes glissants stabilisant le système considéré. La procédure consiste à amener le

premier sous-système, dont la variable est z1 , à évoluer sur une surface où le deuxième
sous-système est asymptotiquement stable. Cette idée a été utilisée la première fois dans
[117], sous des considérations de stabilité globale. Nous proposons ici d’élargir ce résultat
avec des surfaces de glissement d’ordre plus général impliquant des notions de stabilité
locale et de rejet de perturbations. Enfin, une commande par modes glissants d’ordre
supérieur est réalisée afin de réduire les phénomènes de réticence. Faisons les hypothèses
suivantes :
H1) kfin est fini (i.e. ∆G existe) ;
H2) dim ∆G = m = rang (G(x)) ;
° °
H3) la perturbation p(x) satisfait l’hypothèse H0) du Théorème 29 et °pR (x)° ·
0
π pR + π pR kxk, pour n’importe quelle norme de IR n ;
H4) l’origine 02 ∈ IR (n−m) du système :

ż2 = f2R (a(z2 ), z2 ), (4.3)

est localement asymptotiquement stable ;

H5) la surface de glissement est définie par s = z1 −a(z2 ), avec a(z2 ) ∈ C 1 (IR (n−m) ; IR m ),
a(02 ) = 01 ∈ IR r ;
H6) f2R est au moins C 1 (IR n ; IR (n−m) ) et est lipschitzienne en z1 de constante L.

Commande par modes glissants d’ordre un

Dans ce paragraphe, une commande par modes glissants d’ordre un permet d’énoncer
le théorème suivant :

Théorème 34 (Floquet et al. [80]) Sous les conditions H1 à H6 :

1) il existe un gain k(x) tel que le système (4.1) soit localement asymptotiquement
stable, par l’intermédiaire de la commande :

¡ ¢−1
u = GR
(−f1R (z) + v),
r (z) (4.4)
∂a(z2 ) R
v = −k(x) SGN(s) + f (z), (4.5)
∂z2 2
76 CHAPITRE 4. STABILISATION

° °
0 L°
° ∂V2 °
° ,
k(x) = k (x) + ° (4.6)
α ∂z2 °1
° °
k 0 (x) > 0,avec k 0 (x) > °pR °1 et pouvant être constant ou non ;
2) Si l’origine 02 de (4.3) est globalement asymptotiquement stable, alors l’origine
de (4.1) est globalement asymptotiquement stable avec la commande u définie par (4.4),
(4.5).

Preuve. Démontrons tout d’abord le second point du théorème. Puisque l’origine

02 du système (4.3) est globalement asymptotiquement stable, il existe une fonction
de Lyapunov V2 (z2 ) telle que V̇2 < 0 le long des trajectoires de (4.3). Posons V (z) =
α >
2
s s + V2 (z2 ), avec α > 0, qui donne :

∂V2 £ R ¤
V̇ = αs> ṡ + f2 (z1 , z2 ) − f2R (a(z2 ), z2 ) + f2R (a(z2 ), z2 ) .
∂z2

La fonction f2R étant uniformément lipschitzienne de constante L, on obtient

£° ° ¤ ∂V2 R
V̇ · α °pR °1 − k(x) s> SGN(s) + f2 (a(z2 ), z2 )
° ° ∂z2
° ∂V2 ° >
°
+L ° ° s SGN(s). (4.7)
∂z2 °1

Le choix du gain (4.6) assure alors la stabilité asymptotique et globale de l’origine (en
utilisant une généralisation du théorème de Lyapunov donnée dans [75]).
Prouvons maintenant la première assertion du théorème. De la même manière que
dans [130], en utilisant la réciproque du théorème de Lyapunov (voir [95]), il existe une
fonction de Lyapunov V2 (z2 ) (continûment différentiable) et une constante ρ2 telle que V̇2
est définie négative le long des trajectoires de (4.3) pour toute évolution partant initiale-
n o
(n−m)
ment de l’ensemble S2 (ρ2 ) = z2 ∈ IR : V2 (z2 ) · ρ2 . Considérons alors des condi-
tions initiales dans l’ensemble défini par S(ρ2 ) = {z ∈ IR n : V (z1, z2 ) · ρ2 }. Le membre
de droite de (4.7) avec le gain (4.6) est toujours négatif et ceci implique la stabilité
asymptotique de l’origine du système (4.1).
° °
° 2°
Remarque 35 Si, en plus de l’expression (4.6), on a les conditions lim ° ∂V
∂z2 °
= lim k 0 (z) =
z2→0 z→0
0 et π pR = 0, alors la réticence s’atténue progressivement jusqu’à devenir nulle lorsque
l’état du système tend vers l’origine. La première condition n’est pas vraiment restrictive
CHAPITRE 4. STABILISATION 77

car, dans la plupart des cas, les fonctions de Lyapunov sont localement au moins qua-
dratiques. On peut également remarquer qu’au lieu de la fonction signe, il est possible
d’utiliser n’importe quelle fonction sigmoïde nulle à l’origine.

Commande par modes glissants d’ordre deux

Dans le but de réduire les phénomènes de réticence, nous allons maintenant stabiliser
le système avec une commande par modes glissants d’ordre supérieur. Pour cela, quelques
hypothèses supplémentaires sont nécessaires :

H’3) il existe σ 1 > 0, σ 2 > 0 tels que pour tout z ∈ Ωσ = {z ∈ IR n /|z1 | < σ 1 et
|z2 | < σ 2 } on a :
° R°
°p ° < π 1 , (4.8)
1

° R°
°ṗ ° < π 2 , (4.9)
1
° °
° ∂a(z2 ) R °
° ° (4.10)
° ∂z2 f2 (z)° < C1 ,
1

H’6) f2R est au moins C 3 en z ce qui nous permet d’écrire

f2R (z1 , z2 ) = f2R (a(z2 ), z2 ) + B(s, z2 )s, (4.11)

où s = (s1, ..., sm )T = (z1 − a(z2 )) et B est une matrice de dimension appropriée.

En ajoutant des intégrateurs avant chaque entrée et en définissant le pré-retour sta-

tique suivant :
" µ ¶T #
¡ ¢−1 ∂a(z2 ) R ∂V2
u= GR
r (z) −f1R (z) +ξ+ f2 (z) − B T (s, z2 ) ,
∂z2 ∂z2

on peut mettre le système (3.2) sous la forme suivante :

 ³ ´T

 ż = ξ + pR
+ ∂a(z2 ) R
f (z) − B T
(s, z ) ∂V2

 1 ∂z2 2 2 ∂z2


 ż = f R (z , z )
2 2 1 2
. (4.12)

 ξ̇ = v si |ξ| < b et ξ̇ = −ξ sinon




 z ∈ IR m , z ∈ IR (n−m) , ξ ∈ IR m
1 2
78 CHAPITRE 4. STABILISATION

D’après H’3) et H’6), et puisque ξ est borné, il existe des constantes positives K1 et
K2 telles que : °
° µ ¶T °
° T ∂V2 ° °
°B (s, z2 ) ° < K1
° ∂z2 °
1
° µ ¶T °
°d ∂V °
° T 2 °
° (B (s, z2 ) )° < K2
° dt ∂z2 °
1

Théorème 36 Sous les hypothèses H0), H1), H2), H’3), H4) et H’6), on peut trouver des
gains λmi , λMi , i ∈ {1, ..., m} tels que l’origine de (3.2) soit localement asymptotiquement
stable sous l’effet de la commande :
" µ ¶T #
¡ ¢−1 ∂a(z2 ) R ∂V2
u = GR (z) −f1R (z) + ξ + f2 (z) − B T (s, z2 ) , (4.13)
∂z2 ∂z2


 −ξ i si |ξ i | > b


ξ̇ i = −λmi sgn(si ), si si ṡi · 0, |ξ i | < b (4.14)



 −λ sgn(s ), si s ṡ > 0, |ξ | < b
Mi i i i i

et en prenant
λmi > K2 + π 2 (4.15)

λMi > 2(K2 + π 2 ) + λmi (4.16)

b > K1 + π 1 + C1 (4.17)

Preuve. Etudions, dans un premier temps, le comportement de s et ṡ. Le théorème

indique qu’on applique l’algorithme du twisting par rapport à s = 0. L’expression de la
dérivée seconde de la fonction de commutation est donnée par :

µ ¶T
d ∂V2
s̈ = v + ṗ − (B T (s, z2 )
R
).
dt ∂z2

On sait (voir la preuve de convergence de l’algorithme du twisting dans l’Annexe C) que

chacune des composantes si de la fonction de glissement s décrit, dans le plan de phase
(si , ṡi ), une courbe s’enroulant infiniment sur elle-même, tout en convergeant en temps
fini vers l’origine s = ṡ = 0, et inscrite à l’intérieur d’une trajectoire limite. Celle-ci est
CHAPITRE 4. STABILISATION 79

une spirale de pseudo-période Tki = rik T0i , k ∈ [0, +∞[ où

µ ¶
1 √ 1
T0i = (1 + ri ) 1 + √ ṡi (0)
λMi − α ri

(λmi + α)
ri =
(λMi − α)
α = π 2 + K2 .

Dans ce qui suit, nous noterons sd la composante dont la pseudo-période T0d = T0 ṡd (0)
est la plus longue. A chaque k ième tour, les demi-axes positifs du plan de phase sont
croisés aux points 
 s (e
d tk ) = 0
A=
 ṡ (e k
d tk ) = rd ṡd (0)

et 
 s (e k 2k
d tk + rd t1 ) = rd sd (t1 )
B=
 ṡ (e k
d tk + rd t1 ) = 0

e
tk représentant l’instant où la surface de Poincaré {sd = 0, ṡd > 0} est traversée pour la
k ième fois (la définition de t1 est donnée dans l’Annexe C).

Montrons maintenant la convergence de l’ensemble du système. Etant donné que

l’origine 02 du système (4.3) est localement asymptotiquement stable, nous considérons
une nouvelle fois l’ensemble S2 (ρ2 ), où V̇2 < 0 le long des trajectoires de (4.3). Posons
alors
m
X
T
V (z, ξ) = s s+ ṡ2i + γ ṡ2d + V2 (z2 ),
i=1,i6=d

et l’ensemble de conditions initiales Ω(ρ2 ) = {z ∈ IR n , ξ ∈ IR : V (z, ξ) · ρ2 }. Par

dérivation :

m
X ∂V2 R
R T
V̇ = 2(ξ + p ) s + 2 ṡi s̈i + 2γ ṡd s̈d + f (a(z2 ), z2 ).
i=1,i6=d
∂z2 2

Discrétisons cette équation chaque fois que la trajectoire de l’état a traversé n fois la
surface de Poincaré {sd = 0, ṡd > 0} (ce qui est justifié d’après l’évolution des trajectoires
80 CHAPITRE 4. STABILISATION

lorsque l’on utilise l’algorithme du twisting ) :

∆V = V (e
tk+n ) − V (e
tk )
ek+n "
tZ #
m
X
= 2(ξ + pR )T s + 2 ṡi s̈i + 2γ ṡd s̈d + V̇2|z1 =a(z2 ) dt
e i=1,i6=d
tk
e e e
tZ
k+n µ ¶ ¸ m
X
tZ
k+n tZ
k+n
∂V2
= 2 ṡT + B(s, z2 ) sdt + 2 ṡi s̈i dt + 2γ ṡd s̈d dt + ∆V2|z1 =a(z2 )
∂z2 i=1,i6=d e
e
tk tk e
tk
X
m
£¡ ¢ ¡ ¢¤ £ ¤
= s2i (e
tk+n ) − s2i (e
tk ) + ṡ2i (e
tk+n ) − ṡ2i (e
tk ) + γ ṡ2d (e
tk+n ) − ṡ2d (e
tk )
i=1,i6=d
e
tZ
k+1 µ ¶
∂V2
+2 B(s, z2 )sdt + ∆V2|z1 =a(z2 )
∂z2
e
tk
= ∆W + ∆V2|z1 =a(z2 )

Pour tout k et pour des λmi suffisamment grands :

q
ṡ2 (e
tk ) ¯ ¯
max |si | · i tk )¯ ·
+ ¯si (e ṡ2i (e
tk ) + s2i (e
tk ),
t∈[e
tk ,e
tk+1 ] λm i − α

donc
e
tZ
k+1 µ ¶ q
∂V2
B(s, z2 )sdt · mK1 ∆t max ṡ2i (e
tk ) + s2i (e
tk ),
∂z2 i∈{1,m}
e
tk

où
n
1 − rd e
∆t = e
tk+n − e
tk = T0 ṡd (tk ).
1 − rd
Pour n assez grand, il existe αn ∈ ]0, 1[ tel que :

[ṡ2i (e
tk+n ) + s2i (e
tk+n )] = αn [ṡ2i (e
tk ) + s2i (e
tk )], i ∈ {1, ..., m}

De plus, nous savons que [ṡ2d (e

tk+n ) − ṡ2d (e
tk )] = (rd2n − 1)ṡ2d (e
tk ). Ainsi en posant :

q
X1 = max ṡ2i (e
tk ) + s2i (e
tk )
i∈{1,...,m}

X2 = ṡd (e
tk ),
CHAPITRE 4. STABILISATION 81

on obtient :

1 − rdn
∆W · (m − 1)(αn − 1)X12 + 2mK1 T0 X1 X2 + γ(rd2n − 1)X22 .
1 − rd

∆W est définie négative si :

µ ¶2
1 − rdn
mK1 T0 − γ(m − 1)(αn − 1)(rd2n − 1) < 0
1 − rd

ou µ ¶2
K1 T0
m (1 − rdn ) + γ(m − 1)(αn − 1)(rdn + 1) < 0 (4.18)
1 − rd
L’inégalité (4.18) est vérifiée par un choix judicieux de γ, ce qui implique la convergence
vers l’origine de tout z appartenant à l’ensemble Ω(ρ2 ) ∩ Ωσ .

T0 √1 ,
Remarque 37 1) Pour de larges valeurs de λMd , 1−rd
est équivalent à λMd
ce qui
signifie que l’on peut fixer γ aussi bien que λMd tels que (4.18) soit vraie, tout en sachant
qu’augmenter γ restreint le domaine des conditions initiales alors que choisir λMd plus
important conduit à des gains de commande plus grands.
2) Afin d’utiliser la dérivée de s dans l’algorithme du twisting, qui est fonction de
la perturbation, nous introduisons le système dynamique auxiliaire suivant, qui est un
estimateur de cette perturbation :

.
µ ¶T
∂a(z2 ) R ∂V2
zb1 = ξ + f (z) − B T (s, z2 ) + Γ SGN(z1 − zb1 ).
∂z2 2 ∂z2

avec Γ > 0. La dynamique de l’erreur est :

.
ė = (ż1 − zb1 ) = pR − Γ SGN(e)

En choisissant Γ > π 1 , le vecteur équivalent nous donne une estimation de la perturba-

tion :
pR = Γ SGN eq (e)

où SGN eq (e) est obtenu grâce à un filtre passe-bas et on dérive le signal filtré. En procédant
de cette façon, on génère quelques approximations qui sont toutefois négligeables si le
82 CHAPITRE 4. STABILISATION

filtre est bien choisi. Une autre solution pour obtenir ṗR est d’utiliser un observateur par
modes glissants d’ordre supérieur ([28]). Dans la pratique, posséder une information sur
la perturbation n’est pas indispensable si on utilise un algorithme uniquement basé sur la
connaissance de s (tel que le twisting algorithme réel).

3) Dans la démarche précédente, il a été supposé que l’on avait une bonne connais-
sance de la matrice G des entrées du système (4.1) ; tel est le cas pour certains systèmes
lagrangiens. Par contre, si G n’est connue que de façon incertaine, la démonstration
précédente peut être adaptée en supposant que cette matrice est à diagonale fortement
dominante (ou bien définie positive) et en appliquant l’algorithme d’ordre deux présenté
dans [20] pour le cas multivariable et qui a été décrit dans le chapitre 2.

Exemple

Des simulations ont été effectuées dans le cas d’un système mono-entrée :


 ẋ = u + p1 (x)

 1
ẋ2 = x3 − x1 + 2x1 u + p2 (x) , (4.19)



 ẋ = −x2 − x + x + u + p (x)
3 1 1 2 3

où p = [p1 , p2 , p3 ]T est une perturbation sinusoïdale qui satisfait l’hypothèse H0. En

définissant le difféomorphisme global :
 
x1
 
 
ζ = φ(x) =  x21 − x2 ,
 
x1 − x3

le système se met sous la forme régulière :



 ζ̇ = u + p1 (ζ)

 1
ζ̇ 2 = ζ 3 .



 ζ̇ = ζ + ζ
3 1 2
CHAPITRE 4. STABILISATION 83

La surface de glissement choisie est s = ζ 1 +2ζ 2 +2ζ 3 et la fonction de Lyapunov V2 (ζ 2 , ζ 3 )

est :
1¡ 2 ¢
V2 (ζ 2 , ζ 3 ) = ζ 2 + ζ 2 ζ 3 + ζ 23 .
2

La loi de commande v est d’ordre un, ainsi qu’elle a été définie dans (4.5), avec
k = 10, et une simulation faite dans ce cas-ci est donnée Figure 4-1 (l’unité de temps est
la seconde).

La Figure 4-2 illustre les résultats lorsque ξ est la commande par modes glissants
d’ordre deux (4.14) avec λm = 10 et λM = 35. Chacun des états converge en temps fini et
on peut observer que la réticence sur la commande ξ est diminuée par rapport au régime
glissant classique. La précision obtenue sur x1 , x2 et x3 est en O(T 2 ) pour le second ordre
alors qu’elle est en O(T ) pour le premier ordre (T est la période d’échantillonnage).

1
0
0.8
-0.2
0.6
x1

x2

0.4 -0.4
0.2 -0.6
0 -0.8
-0.2 -1
0 2 4 6 8 0 2 4 6 8
t t

2.5
10
2
5
1.5
x3

0
v

1
0.5 -5

0 -10
0 2 4 6 8 0 2 4 6 8
t t

Fig. 4-1: Stabilisation de (4.19) par un ordre un avec x10 = 0.5, x20 = −0.75, x30 = 2
84 CHAPITRE 4. STABILISATION

1
0.5
0.8
0.6
0
x1

x2
0.4
0.2
0 -0.5

-0.2
0 2 4 6 8 0 2 4 6 8
t t

2
2
1.5
0
ksi
x3

0.5 -2

0
-4
0 2 4 6 8 0 2 4 6 8
t t

Fig. 4-2: Stabilisation de (4.19) par un ordre deux avec x10 = 0.5, x20 = −0.75, x30 = 2
et ξ 0 = 0

4.2.2 Stabilisation d’un système non holonome perturbé

Ces dernières années, le problème concernant la stabilisation des systèmes non ho-
lonomes a été très largement étudié (voir [109] pour un état de l’art ou par exemple
[101, 104, 105, 122, 123, 125, 126, 135]). Dans ce chapitre, nous nous intéressons à stabi-
liser un système non holonome à deux entrées, soumis à des perturbations p :

ẋ = g1 (x)u1 + g2 (x)u2 + p(x, t), (4.20)

où x ∈ IR n est le vecteur d’état, u1 , u2 ∈ IR sont les deux entrées de commande,

g1 (x), g2 (x) sont des champs de vecteurs suffisamment différentiables et linéairement
indépendants et p(x, t) ∈ IR n est une perturbation additive. Dans le chapitre 3, des
conditions permettant d’écrire le système (4.20) sous la forme chaînée suivante ont été
CHAPITRE 4. STABILISATION 85

données : 

 ż1 = v1 + p1 (z, t)





 ż = v2 + p2 (z, t)

 2
ż3 = z2 (v1 + p1 (z, t)) , (4.21)



 ..

 .



 ż = z (v + p1 (z, t))
n n−1 1

où p1 et p2 symbolisent les perturbations après changement de coordonnées et retour

d’état. La technique des modes glissants, du fait de leurs propriétés de robustesse et
leur caractère discontinu (permettant de contourner l’obstruction de Brockett), apparaît
être une bonne solution pour stabiliser le système non holonome perturbé (4.20). De
plus, ainsi que nous allons le voir, ils s’avèrent relativement adéquats à la forme chaînée
choisie.

Stabilisation pratique par mode glissant d’ordre un

Le terme “pratique” employé ici signifie que l’état du système pourra être rendu
arbitrairement petit au bout d’un temps que l’on aura fixé par avance. Dans ce qui suit,
nous considérons le cas particulier où n = 3 (représentatif de nombreux systèmes réels),
c’est-à-dire : 

 ż = v1 + p1 (z, t)

 1
ż2 = v2 + p2 (z, t) . (4.22)



 ż = z (v + p1 (z, t))
3 2 1

Dans le cadre de cette étude, certaines hypothèses sont nécessaires :

H1) sous les conditions (3.17) et (3.18), (4.20) (où n = 3) peut être transformé en
(4.22) sur un ensemble ouvert Ω ⊂ IR n .
H2) il est supposé que :
¯ 1 ¯
¯p (z, t)¯ · π 1 + π 01 (z),

¯ 2 ¯
¯p (z, t)¯ · π 2 + π 02 (z),

pour tout z ∈ Ω et pour tout t > 0. Ces conditions impliquent qu’il n’est pas nécessaire
que la perturbation s’annule lorsque l’état atteint l’origine. π i (i = 1, 2) est une constante
0
positive connue (pas nécessairement nulle) et π i (z) est une fonction positive de l’état.
86 CHAPITRE 4. STABILISATION

Les surfaces de glissement sur lesquelles nous voulons restreindre le mouvement du

système sont définies de la façon suivante :
Z t
s1 = z1 + C f(τ )z3 (τ )dτ ,
0
s2 = z2 − Cg(t),

C = sgn(z20 ) étant une constante. Les deux fonctions continues et dépendantes du temps
f et g doivent avoir les propriétés suivantes :
p1) f et g sont positives pour tout t > 0,
p2) lim g(t) = 0,
t→+∞
Rt
p3) lim 0 f(τ )g(τ )dτ = +∞,
t→+∞

p4) |f (t)| < K, ∀t < +∞.

Théorème 38 (Floquet et al. [81]) Par le biais de la commande par modes glissants
 h Rt i

 v = −k sgn z + C f(τ )z (τ )dτ , t · t2

 1 1 1 0 3


 v = −k sgn z , t > t
1 1 1 2
, (4.23)

 v = −k sgn [z − Cg(t)] , t · t

 2 2 2 1


 v = −k sgn z , t > t
2 2 2 1

0 0 0 0
où k1 (z) > π 1 + π 1 (z) + K |z3 | + k1 , k2 (z) > π 2 + π 2 (z)+ sup | ġ| + k2 , t1 étant l’instant
t
où {s1 = s2 = 0 et |z3 | · ε} et t2 le premier instant tel que z2 (t2 ) = 0, l’état de (4.22)
converge en temps fini à l’intérieur de l’ensemble défini par Ωε = {z1 = z2 = 0, |z3 | < ε}.

0
Preuve. De part les gains k1 , k2 choisis, si ṡi < −ki |si | , i = 1, 2. En effet,

¡ ¢ 0
s1 ṡ1 = s1 −k1 sgn(s1 ) + p1 (z) + Cf(τ )z3 < −k1 |s1 |

0 0 0
puisque k1 (z) > π 1 + π 1 (z) + K + k1 . On obtient s2 ṡ2 < −k2 |s2 | par des considérations
similaires. Alors (voir [159]), pour t ≥ t0 , un régime glissant s’installe sur la surface
s1 = s2 = 0. Notons que sgn(z2 ) = sgn(Cg(t)), et donc z2 (t) atteint la surface z2 = Cg(t)
sans avoir traversé l’axe z2 = 0 avant t0 . Ceci est indispensable car sinon le contrôle v1
commute vers v1 = −k1 sgn z1 et la convergence de z3 vers l’origine est alors impossible.
CHAPITRE 4. STABILISATION 87

Une fois les surfaces de glissement atteintes :

Z t
z1 = −C f(τ )z3 (τ )dτ ,
0
z2 = Cg(t).

L’égalité ṡ1 = 0 nous donne l’expression de la commande équivalente :

¡ ¢
v1 + p1 (z, t) eq
= −Cf (t)z3 ,

et finalement le comportement de z3 en régime glissant (pour t > t0 ) : ż3 = −f (t)g(t)z3 .

Par intégration : Z t
z3 = z3 (t0 ) exp(− f (τ )g(τ )dτ ).
t0
Rt
et z3 tend vers zéro car, par hypothèse, lim t0
f (τ )g(τ )dτ = +∞. z2 s’annule aussi du
t→+∞
fait des propriétés de la fonction g. Il existe donc t1 ≥ t0 tel que pour t ≥ t1 , |z3 | · ε.
Après cet instant, v2 = −k2 sgn z2 et z2 atteint la surface z2 = 0 en un temps fini t2 . Pour
t ≥ t2 , z3 reste inférieur à ε car ż3 = z2 (v1 + p1 (z)) et z2 = 0.
Après t2 , la commande v1 commute vers v1 = −k1 sgn z1 ce qui force z1 à s’annuler
en temps fini.
p
Partant de tout ensemble compact Kr = {z ∈ R3 : z12 + z22 + z32 · r}, on peut
aisément avoir une borne supérieure de la valeur de l’instant t2 en fonction de r, K et
des gains ki de la commande. Ceci se révèle intéressant si l’on s’impose des contraintes
sur le temps de convergence du système, qu’il sera alors possible de fixer en réglant ces
différents gains.

Stabilisation en temps fini

Dans la littérature, peu de résultats concernant la stabilisation des systèmes non ho-
lonomes allient à la fois robustesse et performances au niveau de la précision de conver-
gence. La plupart des lois de commande asssurant une convergence exponentielle ou en
temps fini (voir [122], [123], ...) se révèlent être sensibles vis-à-vis des perturbations ou
des erreurs de modélisation. D’un autre côté, les contrôles supposés être peu sensibles
aux perturbations, comme par exemple les retours d’états continus dépendants du temps
88 CHAPITRE 4. STABILISATION

[135], implique une convergence assez lente. De plus, peu de résultats traitent de l’aspect
robustesse. Dans [23] et [100] est proposée une stabilisation robuste qui n’assure qu’une
convergence asymptotique. Dans [37], Canudas et Khenouf ont utilisé une approche par
les modes glissants mais pour un système dont seulement une entrée est sujette à des
perturbations. A notre connaissance, seul Jiang [104] a proposé un contrôleur robuste
pour la stabilisation exponentielle d’un système non holonome. Celui-ci est soumis à des
perturbations non linéaires qui ne vérifient pas forcément la condition de recouvrement,
mais qui doivent toutefois être “vanishing” et satisfaire une condition de triangularité.
Il est réalisé ici une loi de commande qui permet d’obtenir une stabilisation en temps
fini malgré des perturbations exogènes. Par là même, il est montré que les modes glissants
d’ordre supérieur ont une structure particulièrement bien adaptée à la stabilisation d’une
forme chaînée et qu’ils se révèlent utiles pour obtenir un bon compromis performance
/ robustesse. L’objectif de commande est donc de rallier l’origine du système (4.21) en
temps fini malgré les perturbations, p1 (z, t) et p2 (z, t), qui sont maintenant supposées
vérifier : ¯ i 1 ¯
¯∂ p ¯
¯ (z, t) ¯ · ∆z , i = 0, . . . , n − 2, (4.24)
¯ ∂z i ¯ i

¯ i 1 ¯
¯∂ p ¯
¯ (z, t) ¯ · ∆ti , i = 0, . . . , n − 2, (4.25)
¯ ∂ti ¯
¯ 2 ¯
¯p (z, t)¯ · π 2 , (4.26)

pour tout z et t, avec ∆zi , ∆ti et π 2 des constantes positives. Introduisons également
l’extension dynamique suivante :


 ż1 = ξ 1 + p1 (z, t)





 ξ̇ 1 = ξ 2



 ..

 .





 ξ̇ n−3 = ξ n−2


ξ̇ n−2 = w . (4.27)





 ż2 = v2 + p2 (z, t)





 ż3 = z2 (ξ 1 + p1 (z, t))



 ..

 .



 żn = zn−1 (ξ 1 + p1 (z, t))
CHAPITRE 4. STABILISATION 89

Les conditions (4.24), (4.25), (4.26) et l’addition de (n − 2) integrateurs avant l’entrée

v1 sont nécessaires si on veut utiliser des modes glissants d’ordre supérieur. Ceci appa-
raîtra clairement dans l’exemple à venir où une commande par modes glissants d’ordre
deux sera donnée explicitement pour un système de dimension trois.
La stabilisation du système s’effectue en trois étapes.
Première étape : La commande w est choisie comme étant un algorithme glissant
d’ordre (n − 1) par rapport à la surface s1 = z1 − at = 0, a > 0. Celui-ci assure que les
trajectoires atteignent la surface s1 = 0 au bout d’un temps fini T1 et y évolue après cet
instant. Pour t ≥ T1 , la dynamique équivalente, obtenue lorsque s1 = ṡ1 = s̈1 = . . . =
(n−2)
s1 = 0, implique que (ξ 1 + p1 (z, t))eq = a qui, réinjecté dans le système (4.27), donne :



 ż1 = a





 ż = v2 + p2 (z, t)

 2
ż3 = az2 , (4.28)



 ..

 .



 ż = az
n n−1

Deuxième étape :
Pour les instants supérieurs à T1 , appliquons un algorithme glissant d’ordre (n − 1) par
rapport à zn = 0 sur l’entrée v2 . Ainsi a-t-on génération d’une trajectoire de glissement
d’ordre (n − 1) et l’établissement des équations suivantes au bout d’un temps fini T2 :

zn = zn−1 = ... = z2 = 0.

Troisième étape :
Après t = T1 + T2 , les deux commandes commutent en

v1 = −k1 (z) sgn(z1 )

v2 = −k2 (z) sgn(z2 )

0 0 0 0
où k1 (z) = k1 + π 1 + π 1 (z) et k2 (z) = k2 + π2 + π 2 (z). Le choix de tels paramètres permet
de maintenir z2 à zéro (et donc z3 = z4 = ... = zn = 0), et finalement d’atteindre z1 = 0,
90 CHAPITRE 4. STABILISATION

aboutissant à la stabilisation du système (4.21) en un temps fini T3 .

Ces résultats sont synthétisés dans le théorème suivant :

Théorème 39 ( Floquet et al. [86]) Grâce au contrôle défini par :


 algorithme glissant d’ordre (n − 1) par rapport à s = 0, t · T + T
1 1 2
v1 = (4.29)
 −k (z) sgn(z ) , t > T + T
1 1 1 2


 algorithme glissant d’ordre (n − 1) par rapport à zn = 0, T1 · t · T1 + T2
v2 =
 −k (z) sgn(z ), t > T + T
2 2 1 2
(4.30)
avec s1 , k2 , k1 , T1 , T2 définis précédemment, le système (4.21) est stabilisé à l’origine
en temps fini.

Application à un robot mobile

Afin d’illuster les résultats précédents, considérons un robot mobile dont le schéma
est donné Figure 4-3.

Fig. 4-3: Robot mobile de type unicycle

CHAPITRE 4. STABILISATION 91

Son comportement peut être décrit par :

q̇ = g1 (q)u1 + g2 (q)u2 + P (q, t),

où q = [x, y, θ]T , g1 (q) = [0, 0, 1]T , g2 (q) = [cos θ, sin θ, 0]T , et P est une perturbation
telle que P (q, t) ∈ Vect {g1 (q), g2 (q)} pour tout t. x et y sont les coordonnées du centre
de gravité du robot, θ est l’orientation du véhicule par rapport à l’axe des x, et u1 , u2
représentent respectivement les vitesses angulaire et linéaire. Les deux roues arrières,
motrices, du robot sont actionnées par deux moteurs indépendants. Le robot va en ligne
droite ou tourne suivant que la vitesse des deux roues est la même ou non. La roue
avant est une roue folle uniquement destiné à stabiliser l’ensemble. Il est supposé que le
roulement se fait sans glissement (i.e. le vecteur vitesse du centre de gravité est orthogonal
à la direction de l’essieu arrière). Ceci impose une contrainte non holonomique sur le
mouvement du robot :
ẋ sin θ − ẏ cos θ = 0.

En choisissant 
 h =θ
1
,
 h = x sin θ − y cos θ
2

et en utilisant le difféomorphisme

z = φ(q) = [h1 (q), Lg1 h2 (q), h2 (q)]T ,

le système est transformé en (voir Théorème 31) :



 ż = v1 + p1 (z, t)

 1
ż2 = v2 + p2 (z, t) . (4.31)



 ż = z (v + p1 (z, t))
3 2 1

Stabilisation pratique Les fonctions intervenant dans les surfaces de glissement sont
choisies telles que : 
 f (t) = (t2 + 10)
.
 g(t) = 1
t2 +10
92 CHAPITRE 4. STABILISATION

Les gains de la commande sont k1 = 20, k2 = 10 . La perturbation est un bruit

blanc et la période d’échantillonnage est choisie égale à τ = 0.005sec. Les résultats de la
simulation sont donnés Figure 4-4. On peut observer que z3 tend vers zéro (≈ 3sec) plus
rapidement que z2 (≈ 4sec). Une fois que z2 = 0, v1 = −k1 sgn z1 et z1 s’annule en temps
fini (7sec). Le plan de phase (x, y) est également représenté afin de montrer la trajectoire
du centre de gravité.

Fig. 4-4: Stabilisation de (4.31) pour z10 = π4 , z20 = 1 et z30 = 2

Dans le but de prendre en compte la dynamique des actionneurs, et pour tester la

robustesse de la commande vis-à-vis des erreurs de modélisation, le système suivant a
également été simulé : 

 ż = w1 + p1 (z, t)

 1
ż2 = w2 + p2 (z, t) , (4.32)



 ż = z (w + p1 (z, t))
3 2 1
CHAPITRE 4. STABILISATION 93


 ẇ = −10w + 9.5v
1 1 1
, (4.33)
 ẇ = −10w + 10.5v
2 2 2

où (4.33) modélise la dynamique d’un actionneur de constante de temps 0.1sec et de gains

proches de 1. La convergence (voir Figure 4-5) est relativement similaire à la première
simulation ce qui montre que le système n’est pas affecté par l’actionneur.

π
Fig. 4-5: Stabilisation de (4.32-4.33) pour z10 = 4
, z20 = 1 et z30 = 2 en prenant en
compte la dynamique des actionneurs

Stabilisation en temps fini Ici, la loi de commande d’ordre supérieur est appliquée
sur le même exemple du robot mobile, décrit par un système de dimension trois. Une
commande par modes glissants d’ordre deux doit donc être utilisée. L’algorithme choisi est
la version modifiée de l’algorithme du twisting [86] (cf Chapitre 2), qui permet d’avoir une
convergence plus rapide. Pour cette application, une extension dynamique est introduite
dans le système (4.31). Ceci est nécessaire pour utiliser un algorithme glissant d’ordre
94 CHAPITRE 4. STABILISATION

deux dans la première étape de l’élaboration de la commande.



 ż1 = z4 + p1 (z, t)




 ż = v + p2 (z, t)
2 2
, (4.34)

 1
ż3 = z2 (z4 + p (z, t))




 ż = w
4

Les trois étapes de la stabilisation deviennent :

Première étape :

 −ρ sgn(s1 ), si s1 s.1 · 0
2 . m
w = −α s1 − 2α s1 + ,
 −ρ sgn(s ), si s s. > 0
M 1 1 1

où s1 = z1 − 3t, et α = 4, ρm = 4, ρM = 40.

Deuxième étape : pour t ≥ T1 , une fois la surface {s1 = 0} atteinte, les trajectoires
évoluent suivant le système réduit :


 ż = 3

 1
ż2 = v2 + p2 (z, t) .



 ż = 3z
3 2

L’algorithme du twisting accéléré


 −λ sgn(z ), si z ż · 0
2 m 3 3 3
v2 = −β z3 − 2β ż3 +
 −λ sgn(z ), si z ż > 0
M 3 3 3

est appliqué. Par dérivation de ż3 , on a

¡ ¢
z̈3 = 3 v2 + p2 (z, t) ,

ce qui détermine les conditions (λm > π 2 et λM > λm + 2π2 ) de convergence sur la surface
z3 = z2 = 0 en un temps fini T2 .
CHAPITRE 4. STABILISATION 95

Troisième étape :
Après t = T1 + T2 , les deux lois de commande commutent en

v1 = −k1 (z) sgn(z1 )

v2 = −k2 (z) sgn(z2 )

k1 (z) = 10 et k2 (z) = 5.
En procédant de cette façon, l’état du système rejoint l’origine en temps fini, comme
illustré sur la Figure 4-6. On peut y observer le comportement des différentes variables
au cours des trois étapes. La surface s1 = 0 (z1 = 3t) ayant été atteinte, l’algorithme
glissant du second ordre de la deuxième étape entraîne la convergence de z2 et z3 vers
zéro. Ceci réalisé, la variable z1 converge également vers l’origine grâce à la commande
par modes glissants donnée dans la troisième étape.

8 2

6
1
4
z1

z2

0
2

0
-1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
t t

1
2

1.5
0
1
z3

0.5
-1
0

-0.5 -2
0 0.5 1 1.5 2 2.5 -1 0 1 2 3
t x

Fig. 4-6: Stabilisation de (4.34) par modes glissants d’ordre deux pour z10 = π4 , z20 = 1
et z30 = 2
96 CHAPITRE 4. STABILISATION

p
Partant d’un compact Kr = {z ∈ R3 : z12 + z22 + z32 · r}, les instants T1 et T2
peuvent être évalués (voir la description de l’algorithme du twisting dans le chapitre 2)
en fonction de r, des gains de la commande et des bornes des perturbations et le temps
de convergence peut, par conséquent, être fixé.

Dans la première étape, on peut remarquer que si on utilisait un mode glissant clas-
sique, la surface s1 = 0 serait également atteinte en temps fini, et ceci sans avoir à rajouter
d’extension dynamique. L’intérêt d’utiliser ici des modes glissants d’ordre supérieur est
qu’après cette première phase, la dynamique équivalente réinjectée dans le reste du sys-
tème est d’autant plus précise que l’ordre de l’algorithme est important. Dans le cas
présent, en ayant choisi un ordre deux, la surface s1 = 0 est atteinte avec une précision
en O(τ 2 ), ce qui donne :
ż3 = z2 (a + O(τ )) .

alors que par un mode glissant classique, on a :

ż3 = z2 (a + O(1)) ,

Cette expression doit de plus être une nouvelle fois dérivée dans la deuxième étape in-
troduisant des perturbations additionnelles encore plus importantes et qui ne sont pas
prises en compte dans la réalisation de la commande d’ordre deux. La convergence vers
la surface z3 = z2 = 0 s’en trouve donc dépréciée.

La Figure 4-7 illustre cette remarque où une commande d’ordre un

v1 = −k1 (z) sgn(z1 − 3t), k1 (z) = 6

agit dans la première étape. Les autres étapes restent inchangées et l’état est stabilisé
une nouvelle fois en temps fini, mais avec plus de bruit sur chacune des variables.
CHAPITRE 4. STABILISATION 97

4
2

2
z1

z2
1
0
0
-2
0 0.5 1 1.5 0 0.5 1.5
t t

2.5 1

2 0.5
1.5
0
z3

1
y
-0.5
0.5

0 -1

-0.5 -1.5
0 0.5 1 1.5 -2 0 2 4 6
t x

π
Fig. 4-7: Stabilisation de (4.34) pour z10 = 4
, z20 = 1 et z30 = 2 en utilisant un seul
algorithme d’ordre deux

Remarques générales :

♦ Au lieu de la version idéale de l’algorithme du twisting , l’utilisation d’algorithmes

uniquement basés sur la mesure de s ([19, 28]) aboutirait au même résultat et doit être
adoptée dans la pratique où on ne dispose pas toujours de l’information sur ṡ.

♦ La commutation de v2 dans la troisième étape est nécessaire car les conditions sur
la convergence de l’algorithme du twisting ne sont plus valides lorsque z1 tend vers zéro.
En effet, comme ż3 = z2 (v1 + p1 (z, t)), les gains λm et λM ne sont plus suffisamment
importants pour maintenir (z2 , z3 ) à (0, 0).

♦ Cette stratégie de commande peut très bien s’appliquer au problème, traité dans
[100, 104], où il s’agit de garer un unicycle soumis à des incertitudes paramétriques. Elle
98 CHAPITRE 4. STABILISATION

peut également être élargie à un système de la forme (exemple traité dans [104]) :


 ż = v1

 1
ż2 = v2 , (4.35)



 ż = z v + d (t)z + d (t)z 2
3 2 1 1 3 2 3

pourvu que d1 (t), d2 (t) et leur dérivée soient bornées, même si elles ne satisfont pas aux
conditions (4.24), (4.25) et (4.26).

4.2.3 Stabilisation d’un corps rigide sous actionné

La stabilisation d’un corps rigide a été largement étudiée depuis plusieurs années. Le
problème particulier d’un satellite muni de seulement un ou deux couples d’entrée a reçu
une attention plus spéciale. Certains de ces travaux prennent en compte la totalité de
la dynamique (impliquant les variables de positions et de vitesses) (voir [33, 45, 124]) et
il a été prouvé que le système ne peut pas être stabilisé par retour d’état continu (il ne
satisfait pas la condition de Brockett [30]). Les résultats [2, 128, 129] se rapportent à la
stabilisation de la seule vitesse angulaire, qui, dans ce cas, peut être stabilisée asymptoti-
quement par retour d’état continu, même avec un seul couple d’entrée [3, 4, 152]. L’article
[2] est dédié au cas perturbé. Ici, élargissant la classe de perturbations admissibles qui
y est donnée, nous parvenons à des résultats de stabilité asymptotique mais aussi en
temps fini, pourvu que la commande réalisée soit à structure variable. Le choix d’utiliser
la technique des modes glissants, hormis pour leurs propriétés de robustesse, réside dans
le fait que, par exemple, les satellites sont généralement commandés par des actionneurs
“gas jet”, dont l’action est discontinue puisqu’ils délivrent des séquences d’impulsions (en
fait une étude plus fine des actionneurs nous conduirait à une analyse de type système
hybride).

Modèle du corps rigide

Considérons un corps rigide de masse constante et actionné par trois couples d’am-
plitude kbi k τ i agissant dans la direction bi ∈ R3 . Sans pertes de généralités, on peut
faire l’hypothèse que ces couples sont appliqués dans la direction des axes principaux
CHAPITRE 4. STABILISATION 99

d’inertie (les résultats peuvent être étendus à toute autre localisation des actionneurs,
pour lesquels le système est commandable, après un changement d’état et de variables
de commande adéquat). La matrice d’inertie du système s’écrit alors J = diag(j1 , j2 , j3 )
avec ji > 0 et le modèle est donné par [128] :

ω̇(t) = f (ω) + Gτ , (4.36)

où ω = (ω 1 , ω 2 , ω 3 )T ∈ R3 est la vitesse angulaire à l’instant t et

µ ¶
(j2 − j3 ) (j3 − j1 ) (j1 − j2 ) T
f = ω3 ω2 , ω1ω3 , ω2 ω1 ,
j1 j2 j3
µ ¶
bik
G = .
jk

Le but est de maintenir une vitesse constante au système considéré, même si un des
actionneurs tombe en panne (i.e. u3 = 0). Par la suite, il est supposé que j1 6= j2 , ce qui
entraîne que le système soit commandable. De plus, celui-ci est soumis à des perturbations
p1 et p2 satisfaisant la condition de recouvrement [61]. Dans ce cas, le système devient :


 j ω̇ (t) = ω 3 ω 2 (j2 − j3 ) + u1 + p1 (t, ω),

 1 1
j2 ω̇ 2 (t) = ω 1 ω 3 (j3 − j1 ) + u2 + p2 (t, ω), (4.37)



 j ω̇ (t) = ω ω (j − j ).
3 3 2 1 1 2

Le terme de perturbation p∗ (t, ω) = [p1 (t, ω), p2 (t, ω)]T est supposé satisfaire la condition :

0
kp∗ (t, ω)k1 · π + π (ω) ,

0
où π, π (ω) sont respectivement une constante et une fonction positives connues.

Stabilisation asymptotique

De part une stratégie de commande basée sur les modes glissants, nous désirons
contraindre le système à évoluer sur une surface où la convergence de ω 3 vers zéro (sta-
bilité asymptotique) est assurée.
♦ On notera u∗ = [u1 , u2 ]T , v ∗ = [v1 , v2 ]T ;
100 CHAPITRE 4. STABILISATION

♦ La surface est définie par :

 
ω1 + aω 23
s= 
ω2 − ω 3

avec a = (j1 − j2 ).
♦ On peut noter que : j3 ω̇ 3 (t) = aω 2 ω 1 = −a2 ω 33 + L(ω)s où L(ω) est le vecteur ligne
L(ω) = a [ω 3 ω 1 ].
Sous ces conditions, il peut être affirmé que :

Théorème 40 (Floquet et al. [82]) Il existe un gain k(ω) assurant une stabilisation
globale et asymptotique de l’origine de (4.37), par l’utilisation de la loi de commande :
 
2
(j2 − j3 )ω 2 ω 3 + 2 j1ja3 ω 1 ω 2 ω 3
u∗ = v∗ − ω 3 LT (ω) −  , (4.38)
j2 a
(j3 − j1 )ω 1 ω 3 − ω ω
j3 1 2

avec
v∗ = −k(ω) SGN(s), (4.39)

0 0 0
et k(ω) = k + π + π (ω) où k est une constante positive.

Preuve. Soit la fonction de Lyapunov :

1
V (ω) = (j1 s21 + j2 s22 + j3 ω 23 ),
2

dont l’expression de la dérivée, en tenant compte de (4.38), est :

£ ¤
V̇ = s> v ∗ − ω 3 LT + p∗ + aω 1 ω 2 ω 3

= s> [v ∗ + p∗ ] + ω 3 (aω 1 ω 2 − Ls)

· ksk1 kp(ω)k1 − k(ω)s> SGN(s) − a2 ω 43

· −k 0 ksk1 − a2 ω 43 .

Par conséquent V̇ est définie strictement négative (car a 6= 0 puisque j1 6= j2 ) et ceci

justifie le théorème.
Le désavantage de ce contrôleur est que la vitesse de convergence est relativement lente
CHAPITRE 4. STABILISATION 101

√
puisqu’elle est en o(1/ t) (sur la surface de glissement j3 ω̇ 3 (t) = −a2 ω 33 ). Pour pallier à
ce problème, une seconde commande est développée, utilisant des modes glissants d’ordre
deux.

Stabilisation en temps fini

Une stabilisation semi-globale1 et en temps fini est obtenue dans ce paragraphe. Po-
p ¯ ¯
sons Kα = {ω ∈ R3 : ω 21 + ω 22 + ω 23 · α} un ensemble compact avec α > ¯ a1 ¯ et
définissons le retour statique suivant :
 
(j2 − j3 )ω 2 ω 3
u∗ = v ∗ −  , (4.40)
(j3 − j1 )ω 1 ω 3

tel que le système (4.37) soit régi par les équations :



 j ω̇ = v1 + p1

 1 1
j2 ω̇ 2 = v2 + p2 . (4.41)



 j ω̇ = aω ω
3 3 1 2

Théorème 41 (Floquet et al. [85]) La commande v∗ est définie par :

• 0 · t < T1

v1 = −γω 1 (4.42)
1
v2 = −k2 (ω) sgn(ω 2 − ) (4.43)
a

• T1 · t < T2


 −ω 1 − λm sgn(ω 1 ), si |ω 1 | > b


v1 = −j1 λm sgn(ω 3 ), si ω 3 ω 1 · 0, |ω 1 | < b (4.44)



 −j λ sgn(ω ), si ω ω > 0, |ω | < b
1 M 3 3 1 1

1
Le terme “semi-globale” signifie que l’ensemble fini des conditions initiales peut être choisi arbitrai-
rement grand pour des gains adéquats.
102 CHAPITRE 4. STABILISATION

1
v2 = −k2 (ω) sgn(ω 2 − ) (4.45)
a

• t ≥ T2

v1 = −ω 1 − k1 sgn(ω 1 ) (4.46)

v2 = −k2 (ω) sgn(ω 2 ) (4.47)

où la constante positive b et les gains k1 , k2 (ω), λm , λM satisfont les relations :

π1
Π= (4.48)
j1

b>Π (4.49)
0 0
k1 = k1 + Π, k1 > 0 (4.50)

λm > Π (4.51)

λM > λm + 2Π (4.52)
0 0 0
k2 (ω) = k2 + π2 + π 2 (ω) , k2 > 0. (4.53)

Les instants T1 et T2 sont donnés par :

¯ ¯
α + ¯ a1 ¯
T1 = j2 0 , (4.54)
k2
1
T2 = T1 + T0 ( )α, (4.55)
1−r

où µ ¶
1 ¡ √ ¢ 1
T0 = 1+ r 1+ √
λM − Π r
et
(λm + Π)
r= .
(λM − Π)

j2 0
Pour α et un instant T3 = T2 + |a|k20
donnés, il est possible de choisir λm , λM , k2
tels que pour toutes conditions initiales dans Kα , la commande (4.40) avec v ∗ définie par
(4.42)-(4.47) conduise à la convergence du système vers l’origine, au bout du temps T3
CHAPITRE 4. STABILISATION 103

préalablement fixé.

Preuve. Première étape : soit s2 = ω 2 − a1 . Sous la commande (4.43), et malgré la

perturbation p2 , la surface
1
ω2 = (4.56)
a
0
k
est atteinte au bout d’un temps fini t1 puisque s2 ṡ2 < − j22 |s2 |. t1 est tel que

¯ ¯
α + ¯ a1 ¯
t1 < T1 = j2 0 .
k2

0 0
k 1 k
(ω 2 · − j22 t + ω 2 (0) si ω 2 (0) > a
et ω 2 ≥ − j22 t + ω 2 (0) si ω 2 (0) < a1 ).
Notons que, grâce à (4.42), l’ensemble de l’état reste borné durant cette phase car
pour t < T1 ,

γ
|ω 1 (t)| · α exp(− t) + Π,
j1
¸
|a| αj1 γ |a|
|ω 3 (t)| · α 1 + (1 − exp(− t)) + Πt .
j3 γ j1 j3

Deuxième étape : une fois que les trajectoires du système évoluent sur la surface
(4.56), la dynamique équivalente est :

 j1 ω̇ 1 = v1 + p1
(4.57)
 j ω̇ = ω
3 3 1

On applique alors (4.44) (algorithme du twisting) au sous-système (4.57) et la surface

ω 3 = ω 1 = 0 est atteinte au bout d’un temps fini t2 · T2 . A cet instant :

ω 1 (t2 ) = ω 3 (t2 ) = 0,
1
ω 2 (t2 ) = .
a

Troisième étape : après T2 , v2 commute vers v2 = −k2 (ω) sgn(ω 2 ), et ω 2 = 0 au

j2
bout d’un temps fini t3 · 0
k2 |a|
. Puisque la commande v1 = −ω 1 − k1 sgn(ω 1 ) maintient
ω 1 égal à 0 (et donc ω 3 = 0), malgré p1 , tout l’état est stabilisé en un temps fini inférieur
j2
à T3 = T2 + |a|k20
.
104 CHAPITRE 4. STABILISATION

Cette stratégie de commande mérite quelques remarques :

♦ Dans la troisième étape, v1 doit commuter vers v1 = −ω 1 −k1 sgn(ω 1 ) pour la même
raison que dans la stabilisation en temps fini de la forme chaînée (4.34).

♦ Dans la première étape, une commande par modes glissants d’ordre deux pourrait
également être choisie, à condition d’introduire une extension dynamique.

♦ On peut remarquer qu’après T3 , ω̇ 3 n’est en réalité pas nul mais est en O(τ 2 ) (si la
commande est réalisée par un bloqueur à la fréquence d’échantillonnage τ ). Il en résulte
une légère dérive de la vitesse angulaire ω 3 qui pourrait s’avérer non négligeable dans
une application réelle. La solution serait alors d’appliquer à cet instant le contrôleur
à structure variable dont la convergence est lente (voir le paragraphe précédent sur la
stabilisation asymptotique), mais qui assignerait ω 1 = ω 2 = ω 3 = 0 d’une façon plus
robuste.

L’ensemble de ces résultats théoriques sont maintenant illustrés par un exemple et

des simulations.

Exemple

Prenons ji = i et les conditions initiales suivantes : ω 1 (0) = 1, ω 2 (0) = 1, ω 3 (0) = −2.

La Figure 4-8 présente les résultats pour le premier contrôleur :

2
u1 = ω 23 + ω 2 ω 3 − ω 1 ω 2 ω 3 − 5 sgn(ω 1 − ω 23 ),
3
2
u2 = −ω 1 ω 3 − ω 1 ω 2 − 5 sgn(ω 2 − ω 3 ).
3

Les perturbations sont des bruits blancs. Une fois que la surface s = 0 a été atteinte, la
vitesse angulaire ω 3 rejoint l’origine suivant la dynamique j3 ω̇ 3 (t) = −a2 ω 33 qui, comme
on peut l’observer, est relativement lente. Au bout de 20 secondes, le satellite n’a toujours
pas retrouvé sa vitesse de croisière.
CHAPITRE 4. STABILISATION 105

Fig. 4-8: Stabilisation asymptotique de la vitesse angulaire

La Figure 4-9 concerne la commande stabilisant le système en temps fini. La pertur-

bation p1 est une sinusoïde d’amplitude égale à un et p2 est un bruit blanc. Les gains
sont : k1 = k2 (ω) = 10, λm = 2 et λM = 8. On s’est fixé un temps de convergence de
5 secondes après lequel le mouvement des variables d’état est confiné dans une bande
d’épaisseur 10−3 (qui est la période d’échantillonnage).
106 CHAPITRE 4. STABILISATION

Fig. 4-9: Stabilisation asymptotique de la vitesse angulaire

4.3 Retour de sortie pour un système mis sous forme

canonique de commandabilité généralisée

Pour un système donné, et pour des raisons techniques ou économiques (construction,

positionnement et coût des capteurs), il n’est pas possible en général d’accéder à la totalité
des composantes du vecteur d’état par des dispositifs de mesure. Or, dans beaucoup de
cas, la commande d’un système nécessite de s’assurer de la connaissance à chaque instant
de ce vecteur d’état. Si le système est observable, la solution consiste alors en la synthèse
d’un observateur, grâce auquel il est possible d’estimer tout ou une partie de l’état par
l’intermédiaire des grandeurs connues du système.

L’observateur utilisé ici s’appuie sur les modes glissants. Ce type d’observateurs se
CHAPITRE 4. STABILISATION 107

révèle être très intéressant pour des raisons assez similaires à l’aspect commande. Les
dynamiques de l’erreur d’observation évoluent sur des variétés de dimension réduite et
leurs non linéarités sont “écrasées” par le terme de correction, qui est discontinu. Ces
observateurs peuvent de plus être appliqués à des systèmes soumis à des discontinuités,
des perturbations ou des incertitudes paramétriques. Enfin, point très important, les
variables observées convergent en temps fini vers l’état réel du système. Cependant, il faut
également ici faire face au problème de la réticence, qui peut être résolu par l’intermédiaire
de méthodes vues dans la Partie 1 (fonctions lissées au voisinage de la surface, modes
glissants d’ordre supérieur).

Partant d’un système mis sous la forme canonique de commandabilité généralisée

[76], nous allons montrer que l’approche par les modes glissants se prête à combiner des
observateurs et des commandes de ce type (d’autres exemples de ce genre sont disponibles
dans [62, 136]). Cette analyse est aussi l’occasion de discuter du problème de la stabilité
en boucle fermée pour les systèmes non linéaires. Il n’existe pas de méthode globale pour
résoudre ce problème qu’il faut généralement traiter au cas par cas suivant la forme
du système et les techniques de commande et d’observation considérées. Les résultats
présentés par la suite sont issus de [131].

4.3.1 Synthèse de la commande

Pour le système


 ẋ1 = x2





 ẋ = x3

 2
..
(CP ) ≡ . , y = x1 (4.58)





 ẋn−1 = xn



 ẋ = f (x, u, u̇, . . . , u(α) )
n

il est possible d’utiliser une commande dynamique telle que

n
X
f(x, u, u̇, . . . , u(α) ) = − ai xi ,
i=1
108 CHAPITRE 4. STABILISATION

mais les perturbations peuvent détruire l’effet linéarisant du retour dynamique. C’est
pourquoi une commande par modes glissants a été introduite dans [77]. Toutefois, afin
d’obtenir une stabilisation globale et asymptotique, et éventuellement associer ensuite
cette commande avec un observateur par modes glissants, nous donnons le résultat sui-
vant :

Théorème 42 Soit la surface de glissement suivante :

X
n
s(x) = ai xi = 0, an = 1, (4.59)
i=1

Pn
telle que i=1 ai λi soit un polynôme de Hurwitz et que la commande u soit solution (pas
forcément unique) de :

n−1
X
f(x, u, . . . , u(α) ) = − ai xi+1 − k(.) sign(s), (4.60)
i=1
¯ n−1 ¯
¯X ¯
0 ¯ c ¯
k(.) = k + ¯ p x ¯, (4.61)
¯ i=1 ni i ¯

où les pcni sont les coefficients de la dernière colonne de la matrice définie positive P c ,
solution de l’équation de Lyapunov

Ac> P c + P c Ac = −Q, (4.62)

 
0 1 ... 0
 
 . . . .. 
 0 0 . 
Ac = 
 .. .. ..
.
 (4.63)
 . . . 1 
 
−a1 −a2 . . . −an−1

Alors l’origine de (4.58) est globalement asymptotiquement stable.

Preuve. Choisissons pour fonction de Lyapunov : V c = 12 s2 + B(x̃), avec B(x̃) =

1 > c
2
x̃ P x̃, x̃> = (x1 , . . . , xn−1 ). Par dérivation, en utilisant (4.58), (4.59) et (4.60) :

V̇ c = −k(.) |s| + Ḃ(x̃).

CHAPITRE 4. STABILISATION 109

Etant donné que :

1X
n−1
Ḃ(x̃) = (ẋi pcij xj + xi pcij ẋj )
2 i,j=1
n−2
X n−1
X
= xi+1 pcij xj + xn pcni xi ,
i,j=1 i=1

Pn−1
et que xn = s − i=1 ai xi , (4.59) et (4.62) donnent :

1 X n−1
Ḃ(x̃) = − x̃> Qx̃ + s pcni xi .
2 i=1

En considérant (4.61), V̇ c < −k 0 |s| − 12 x̃> Qx̃, qui est définie négative.

Remarque 43 D’après la preuve, la stabilisation asymptotique peut également être ob-

tenue si on prend m00 |s| au lieu de m0 (cette option à l’avantage de réduire la réticence).

Exemple : Soit le système :



 ẋ = x2

 1
ẋ2 = x3 , y = x1 (4.64)



 ẋ = x x + u + u̇
3 1 2

Fixons la dynamique de glissement à ÿ + 2ẏ + y = 0, c’est-à-dire s(x) = x3 + 2x2 + x1 .

Ceci conduit à :  
− 32 1
Pc =  2 
1
2
− 12

et à la loi de commande vérifiant u̇ + u = f , où

1
f = −2x3 − x2 − x1 x2 − (k 0 + |x1 − x2 |) sign(s(x)),
2

soit Z t
−t
u(t) = −e f (τ )dτ . (4.65)
0

Dans la Figure 4-10, le système est stabilisé avec k 0 = 10. On peut noter que la com-
mande u est continue car les dérivées de l’entrée interviennent dans la forme canonique
110 CHAPITRE 4. STABILISATION

généralisée. La réticence, qui apparaît dans la Figure 4-10, peut être réduit en utilisant
k 0 = 10 |s(x)| (c’est à dire une commande avec modulation) avec le terme de correction
¯P ¯
1
2
|x1 − x2 | venant de ¯ n−1 c ¯
i=1 pni xi .

1.5 1

1 0.5
x1

x2
0.5 0

0 -0.5
0 5 10 0 5 10
Temps (secs) Temps (secs)
1 1
0
0
x3

-1
u

-1
-2
-2 -3
0 5 10 0 5 10
Temps (secs) Temps (secs)

0
Fig. 4-10: Stabilisation de (4.64) avec (4.65) et k = 10

4.3.2 Synthèse d’un observateur

Introduisons l’observateur glissant suivant :



 ż1 = z2 + λ1 sign(x1 − z1 )





 ż = z3 + λγ2 sign1(x1 − z1 )

 2
..
(O) ≡ . , (4.66)



 ż λn−1

 n−1 = zn + γ n−2 sign1(x1 − z1 )



 ż = f (z, u, . . . , u(α) ) + λn sign1(x − z )
n γ n−1 1 1

où γ ∈ ]0, 1[. sign1 = 0 avant la convergence sur la surface x1 = z1 et sign1 = sign ensuite.
La commande appliquée à (4.58) et (4.66) est solution de (4.60) mais en remplaçant la
variable x par l’état observé z.
CHAPITRE 4. STABILISATION 111

Définissons l’erreur d’observation De = x − z où D est la matrice :

 
γ n−1 0 · · · 0
 
 .. . . . . . . .. 
 . . 
D = diag[γ n−1 , . . . , γ, 1] = 

.

 0 ··· γ 0 
 
0 ··· 0 1

Prouver que z tend vers x pour t ≥ T revient à montrer que e tend vers 0 pour t ≥ T .
La dynamique de l’erreur d’observation est :


 ė1 = γ1 e2 − λ1
sign(e1 )

 γ n−1

 ..

 .


λi
ėi = γ1 ei+1 − sign1(e1 ), i = 2, · · · , n − 1 , (4.67)

 γ n−1

 ..

 .



 λn
ėn = ∆f (.) − γ n−1
sign1(e1 )

∆f (.) = f (x, u, . . . , u(α) ) − f(z, u, . . . , u(α) ).

Théorème 44 Soit le système (4.58) muni de la commande définie dans le Théorème

42, auquel on associe l’observateur (4.66). Supposons que f est globalement lipschitzienne
par rapport à son premier argument i.e. :

¯ ¯
¯f (x, u, . . . , u(α) ) − f (z, u, . . . , u(α) )¯ · C kx − zk ,

et soit P o , la solution de l’équation de Lyapunov :

AoT P o + P o Ao = −Q, (4.68)

 
− λλ21 1 · · · 0
 
 .. .. . . .. 
 . . . . 
o 
A = ,
. 
 − λn−1 0 .. 1 
 λ1 
− λλn1 0 · · · 0

les λi étant choisis tels que Ao est Hurwitz.

Alors, pour toutes conditions initiales (x(0), z(0)), l’état z de l’observateur (4.66)
112 CHAPITRE 4. STABILISATION

converge asymptotiquement vers l’état x du système (4.58).

Preuve. Les considérations classiques à propos des observateurs glissants (voir [8],
[60]) nous amènent une nouvelle fois à considérer la fonction de Lyapunov v1 = 12 e21 , conduisant
à v̇1 = e1 ( γ1 e2 − λ1
γ n−1
sign(e1 )), et la condition nécessaire de convergence en temps fini tc1
sur e1 = 0 :
λ1 > γ n−2 |e2 | max . (4.69)

γ n−2
La dynamique équivalente s’écrit alors : sign(e1 )eq = λ1
e2 , ∀t ≥ tc1 . Et donc, pour
t ≥ tc1 , le système (4.67) est donné par :


 ė1 = 0



 ..

 .


ėi = γ1 (ei+1 − λλ1i e2 ) i = 2, · · · , n − 1 (4.70)



 ..

 .



 ė = ∆ (.) − 1 λn e
n f γ λ1 2

que l’on réécrit sous la forme :

 
0
 
 .. 
de
e 1 o  . 
= A ee + 

,
 (4.71)
dt γ  0 
 
∆f (.)

où ee = [e2 , . . . , en ]T . Posons V o = e
eT P o e
e:
 
0
 
 .. 
1 T 
T o
. 
o
V̇ = − ee Qe
e + 2e
e P  , (4.72)
γ 
 0 
 
∆f (.)

ρmin (Q)
V̇ o · − ek2 + 2 ke
ke ek kPno k (|∆f (.)|). (4.73)
γ
où ρmin (Q) est la plus petite valeur propre de la matrice Q (ρmin (Q) > 0 puisque Q
est définie positive) et où Pno est la nième colonne de P o . Comme f est supposée être
CHAPITRE 4. STABILISATION 113

lipschitzienne par rapport à son premier argument :

|∆f (.)| · C kx − zk

avec
kx − zk = kDek · kDk kek

et si on choisit la norme euclidienne :

s
p p 1 − γ 2n
kDk2 = trace(DT D) = 1 + γ 2 + . . . + γ 2(n−1) = ,
1 − γ2

ce qui implique s
ρmin (Q) 1 − γ 2n
ek2 (
V̇ o · − ke − 2C kPno k ).
γ 1 − γ2

Prouvons maintenant que V̇ o < 0, ce qui équivaut à montrer que :

s
1 2C kPno k 1 − γ 2n
h(γ) = − > 0.
γ ρmin (Q) 1 − γ2

2CkPno k
Soit M = ρmin (Q)
= constante et étudions la fonction :

s
1 1 − γ 2n
h(γ) = −M
γ 1 − γ2

0
Il est aisé de voir que h (γ) < 0 pour tout γ ∈ ]0, 1[. De plus,

1
h(γ) ∼
0 γ

donc
lim h(γ) = +∞
γ→0

Il est donc possible de trouver γ tel que V̇ < 0 et ceci assure que e
e décroît asymptoti-
quement vers zéro.

La fonction sign1(e1 ) représente la fonction signe usuelle mais appliquée après un

filtre passe-bas sur la variable e1 [60] et une structure anti-pic [27, 155]. Cette structure
114 CHAPITRE 4. STABILISATION

est basée sur l’idée de n’injecter l’information sur l’erreur d’observation que lorsque la
surface de glissement en relation avec cette erreur a été atteinte. Par cette méthode, il est
possible d’éviter le phénomène de grand gain (voir l’équivalence entre le mode glissant et
la méthode des grands gains [119]) introduit par la fonction signe sur la dynamique de e2
avant d’atteindre la surface de glissement : la condition (4.69) ne serait alors plus vérifiée
et la surface e1 = 0 ne serait plus attractive. De cette façon, on se retrouve avec un
“grand gain” qui est de dimension un, ce qui implique qu’il n’apparaît pas de phénomène
de pics (comme il est démontré dans [155]).

4.3.3 Stabilité en boucle fermée

Un des grands problèmes que rencontre la commande des systèmes non linéaires par
retour d’état est la non validité en général du principe de séparation. Cela signifie que,
contrairement au cas linéaire, on ne peut pas découpler le problème de la commande de
celui de l’observation. Ainsi, une commande stabilisante se basant sur une connaissance
fictive de tout l’état pourra perdre sa propriété de stabilisation si on y remplace les
variables non mesurées par les sorties d’un observateur convergeant tout de même vers
les variables réelles.
Il a été vu ici que la commande et l’observateur, chacun de leur côté, permettaient
de stabiliser l’état du système et l’erreur d’observation. Maintenant, il faut déterminer si
cette stabilité est conservée lorsque l’on boucle l’observateur (O) sur la commande (CP ).
Ceci peut être établi en deux étapes, mais avant cela, donnons une version modifiée du
lemme de Gronwall (voir [107] page 63) :

Lemme 45 Si x(t) est une fonction à valeur positive définie sur un intervalle I ⊃ [0, t[
Rt
telle que kx(t)k · y(t) = c + 0 [L kx(τ )k + α] dτ , avec α, L, c des constantes positives,
alors kx(t)k · c exp(Lt) + Lα (exp(Lt) − 1). ¥

Preuve. ẏ(t) · Ly(t) + α. Soit z(t) = y(t) exp(−Lt) + Lα (exp(−Lt) − 1), ce qui donne
a.e
ż(t) = (ẏ(t) − Ly(t) − α) exp(−Lt) · 0. Alors z(t) · z(0) = c et kx(t)k · y(t) ·
a.e
c exp(Lt) + Lα (exp(Lt) − 1).
Première étape : bornitude de (CP + O) en temps fini.
Notons ζ = (x, e) et considérons le système :
CHAPITRE 4. STABILISATION 115



 ẋ1 = x2





 ẋ2 = x3



 ..

 .





 ẋn−1 = xn




 ẋn = f (x, ū, . . . , ū(α) )
(CP + O) ≡

 ė1 = γ1 e2 − λ1
sign(e1 )

 γ n−1

 ..

 .





 ėi = γ1 ei+1 − λi
sign1(e1 ), i = 2, · · · , n − 1

 γ n−1

 ..

 .




 ėn = ∆f (.) − λn
sign1(e1 )
γ n−1

où ū représente la commande basée sur l’état estimé z.

£ ¤
Réécrivant f (x, ū, . . . , ū(α) ) = f (z, ū, . . . , ū(α) ) + f (x, ū, . . . , ū(α) ) − f (z, ū, . . . , ū(α) ) ,
° °
° ° λi
on obtient que °ζ̇ ° · L kζk + m, m = max(max( γ n−1 ), k 0 ). Comme ζ̇ est absolument
i
a.e Rt
continue, on a kζ(t)k · kζ(0)k + 0 [L kζ(τ )k + m].
En appliquant le lemme précédent à la fonction ζ(t)

m
kζ(t)k · kζ(0)k exp(Lt) + (exp(Lt) − 1). (4.74)
L

En particulier, l’inéquation (4.74) implique que e est bornée pour t ≥ 0.

Deuxième étape : stabilité asymptotique de l’origine du système bouclé (CP + O).
Considérant V = V c +v1 +V o et l’hypothèse sur le caractère lipschitzien de la fonction
f , on obtient :

1
V̇ · (−k 0 |s(x)| − x̃> Qx̃ + C |s(x)| kek) + e1 (e2 − λ1 sign(e1 ))
2 s
ρmin (Q) 1 − γ 2n
ek2 (
− ke − 2C kPno k ).
γ 1 − γ2

q
2 1−γ 2n
v̇1 = e1 (e2 −λ1 sign(e1 )) < 0 car λ1 > |e2 | max et V̇ = − ke
ek o
( ρminγ(Q) −2C kPno k 1−γ 2
)
est définie négative ainsi qu’il a été montré précédemment.
En choisissant k 0 > C kekmax , on a finalement V̇ < 0 pour tout ζ ∈ IR 2n , ce qui
116 CHAPITRE 4. STABILISATION

prouve que l’origine de (CP + O) est asymptotiquement stable.

Exemple : Reprenons le même exemple que pour la commande, et construisons

l’observateur : 

 ż = z2 + λ1 sign(x1 − z1 )

 1
ż2 = z3 + λγ2 sign1(x1 − z1 ) ,



 ż = z z + u + u̇ + λ3 sign1(x − z )
3 1 2 γ2 1 1

que nous bouclons sur la commande. Les gains ont été fixés à λ1 = 10, λ2 = 40, λ3 = 40.
Dans la simulation donnée Figure 4-11, une version lissée de la fonction sign a été utilisée
2
afin de réduire la réticence : π
arctan(r), ε = 0.1.

4 10
x1: ___ xe1: _ _ x2: ___ xe2: _ _
2 5

0 0

-2 -5
0 5 10 0 5 10
Temps (secs) Temps (secs)

10 10
x3: ___ xe3: _ _
0 0
u

-10 -10

-20 -20
0 5 10 0 5 10
Temps (secs) Temps (secs)

Fig. 4-11: Etat réel et état observé du système (4.64)

Dans le but de réduire le phénomène de pic, une version modifiée de la fonction sign1
2
a également été utilisée ici (via π
arctan(r)), avec les mêmes gains que précédemment.
Les résultats de simulation sont donnés Figure 4-12.
CHAPITRE 4. STABILISATION 117

3 1
x1: ___ xe1: _ _ x2: ___ xe2: _ _
0.5
2

1
-0.5

0 -1
0 5 10 0 5 10
Temps (secs) Temps (secs)

2 1
x3: ___ xe3: _ _
1 0

0 -1

-1 u -2

-2 -3
0 5 10 0 5 10
Temps (secs) Temps (secs)

Fig. 4-12: Etat réel et état estimé du système (4.64) avec une fonction sign1 lissée

4.3.4 D’autres observateurs

Modifions quelque peu maintenant la forme de l’observateur où un terme de correction

linéaire a été rajouté :



 ż1 = z2 + l1 e1 + λ1 sign(e1 )





 ż = z3 + l2 e1 + λγ2 sign(e1 )

 2
..
. , (4.75)




 żn−1 = zn + ln−1 e1 + λγ n−2

n−1
sign(e1 )



 ż = f (z, u, u̇, . . . , u(α) ) + l e + λn sign(e )
n n 1 γ n−1 1

avec γ ∈ ]0, 1[ , li > 0 et λi > 0 i ∈ {1, . . . , n}. La dynamique de l’erreur (De = x − z)

est :  
λ1
− γ n−1 sign(e1 )
 
 .. 
 . 
ė = (F − LC)e + 

,

 − λγ n−1
n−1
sign(e1 ) 
 
λn
∆f (.) − γ n−1
sign(e1 )
118 CHAPITRE 4. STABILISATION

où

 
l1 1
− ··· 0
 γ n−1 γ 
 .. . . . .. 
..
 . . . 
(F − LC) = 
 ln−1 ... 1 

 − γ 0 
 γ 

−ln 0 ··· 0

On peut évidemment fixer la valeur de L telle que (F − LC) soit asymptotiquement

stable. En désignant par P o la matrice définie positive solution de l’équation de Lyapunov
(F − LC)T P o + P o (F − LC) = −Q et V o = eT P o e, nous obtenons :

 
λ1
− γ n−1 sign(e1 )
 
o T T o .. 
V̇ = −e Qe + 2e P  . .
 
λn
∆f (.) − γ n−1
sign(e1 )

Les paramètres λi sont alors choisis de façon à écraser les non linéarités de ∆f (.)
et obtenir la convergence asymptotique de e vers l’origine. En procédant comme pour
l’observateur précédent, la stabilité en boucle fermée du système, lorsque la commande
utilise les variables estimées grâce à cet observateur, peut être montrée. Le fait de rajouter
ici des gains d’observation linéaires par l’intermédiaire de L (type Luenberger) a un
effet stabilisant et permet de réduire l’amplitude des gains sur la partie discontinue de
l’observateur.

Dans les deux cas précédents, la convergence de l’erreur était asymptotique. En uti-
lisant le même type d’observateur que pour la forme triangulaire introduite dans [27],
une stratégie de convergence étape par étape sur différentes surfaces de glissement et
assurant la convergence de l’erreur d’observation en temps fini vers zéro est réalisable.
CHAPITRE 4. STABILISATION 119

Cet observateur se présente sous la forme suivante :



 ż1 = z2 + l1 e1 + λ11 sign(e1 )





 ż2 = z3 + l2 e1 + λ21 sign(e1 ) + λ22 sign(λ11 sign(e1 ))



 ..

 .




żn−1 = zn + ln−1 e1
.

 P
n−1

 + λn−1,j sign(λn−2,j−1 sign(· · · (λ11 sign(e1 ))



 j=1



 żn = f (z, u, u̇, . . . , u(α) ) + ln e1



 Pn

 + λnj sign(λn−1,j−1 sign(· · · (λ11 sign(e1 ))
j=1

Par un bon choix de λ11 , un régime glissant est imposé sur la surface e1 = 0 en
1
un temps fini tc1 . A partir de cet instant, sign(e1 ) = e,
λ11 2
et la dynamique de l’erreur
devient : 

 e1 = 0, ė1 = 0



 ..

 .





 ėi = ei+1 − λλ21 e2 − λ22 sign(e2 ), i = 2, · · · , n − 1
11
..

 .





 ėn = ∆f (.) − λλn1 e2

 11

 Pn

 − λnj sign(λn−1j−1 sign(· · · (λ22 sign(e2 ))
j=2

L’opération est répétée jusqu’à l’étape (n − 1) où l’on a :



 e1 = 0, ė1 = 0, . . . , en−2 = 0, ėn−2 = 0,




 ėn−1 = en − λn−1n−2 en−1 − λn−1n−1 sign(en−1 )
λn−2n−2
,

 ė = ∆ (.) − λnn−2
e − λ sign(e )

 n f λn−2n−2 n−1 nn−1 n−1


 −λ sign(λ
nn n−1n−1 sign(en−1 ))

Enfin, 
 e1 = 0, ė1 = 0, . . . , en−1 = 0, ėn−1 = 0,
.
 ė = ∆ (.) − λnn−1 e − λ sign(e )
n f λn−1n−1 n nn n
¯ ¯
A ce niveau, étant donné que par hypothèse |∆f (.)| = ¯f (x, u, . . . , u(α) ) − f (z, u, . . . , u(α) )¯ ·
k |en |, λnn−1 et λnn peuvent être choisis afin de stabiliser en .
120 CHAPITRE 4. STABILISATION

Exemple : Toujours sur le même exemple, appliquons le dernier observateur :



 ż1 = z2 + λ11 sign(e1 )





 ż = z3 + λ21 sign(e1 ) + λ22 sign(λ11 sign(e1 ))

 2
ż3 = z1 z2 + u + u̇ + λ31 sign(e1 ) .





 +λ32 sign(λ11 sign(e1 ))



 +λ sign(λ sign(λ sign(e )))
33 22 11 1

les gains sont fixés à λ11 = 10, λ21 = 40, λ22 = 10, λ31 = 40, λ32 = 20, λ33 = 10 et la
2
fonction signe a été lissée en la remplaçant par π
arctan(10e) (Figure 4-13).

3 10
x1: ___ xe1: _ _ x2: ___ xe2: _ _
2
5
1
0
0

-1 -5
0 5 10 0 5 10
Temps (secs) Temps (secs)

10 10
x3: ___ xe3: _ _
0 0
u

-10 -10

-20 -20
0 5 10 0 5 10
Temps (secs) Temps (secs)

Fig. 4-13: Etat réel et état estimé du système (4.64) en utilisant des fonctions signes
“lissées”

4.4 Conclusion
Dans ce chapitre ont été vues différentes façon de stabiliser un système par le biais
de commandes par modes glissants. Différentes formes de systèmes, soumis à des per-
turbations extérieures et dont la structure s’adaptait à la synthèse de ces commandes à
CHAPITRE 4. STABILISATION 121

structure variable, ont été envisagées. Deux sortes de retour d’information ont été prises
en compte. Tout d’abord, des commandes par retour d’état qui impliquent une connais-
sance totale des différentes variables du système. Cela a permis la stabilisation, tout en
rejetant les perturbations :

— d’un système mis sous forme régulière et possédant plusieurs entrées. Des appli-
cations se situent dans le domaine des systèmes à structure variable tels que les
convertisseurs statiques ou les robots à pattes ;

— d’un système non holonome mis sous forme chaînée. En commutant entre des com-
mandes par modes glissants classiques et par ordre supérieur, il a été montré que
l’on pouvait obtenir une stabilisation robuste et en temps fini. Des simulations sur
l’exemple d’un robot mobile ont illustré ces performances ;

— de la vitesse angulaire d’un corps rigide sous-actionné. Dans l’avenir, il est envisagé
de stabiliser également la position d’un tel système, toujours en temps fini, en
supposant que des perturbations interviennent sur l’ensemble des variables.

Dans les deux derniers cas, en particulier, l’intérêt des modes glissants d’ordre supé-
rieur a été mis en avant en montrant qu’il permettait d’obtenir une convergence en temps
fini, tout en étant robuste. Cette technique semble également être efficace pour prendre
en compte des perturbations qui ne sont pas forcément matching comme dans l’exemple
du système non holonome (4.35).
Afin de prendre en considération que, dans la plupart des cas, l’ensemble des variables
ne sont pas mesurables, une commande par retour de sortie, pour un système mis sous la
forme canonique de commandabilité généralisée de Fliess, a été développée. L’observateur
et la commande sont basés sur des modes glissants d’ordre un. La stabilité en boucle
fermée a été montrée car, dans le cas des systèmes non linéaires, le principe de séparation
ne s’applique pas. Dans le chapitre suivant, une autre commande par retour de sortie est
réalisée pour la machine asynchrone, avec cette fois ci un objectif de poursuite.
122 CHAPITRE 4. STABILISATION
Chapitre 5

Application à la machine
asynchrone : expériences sur le banc
d’essai de l’IRCCyN

5.1 Introduction

De part ses performances, mais également pour des raisons économiques de coût et
de maintenance, la machine asynchrone est maintenant très largement utilisée dans l’in-
dustrie. Pendant longtemps, le moteur à courant continu a été préféré à tout autre type
de moteur électrique du fait de sa simplicité de commande. Cette tendance s’est inversée
avec les progrès dans les domaines du contrôle des systèmes non linéaires, des micropro-
cesseurs et de l’électronique de puissance. Ceux-ci ont alors permis de réaliser des lois
de commande pour la machine asynchrone dans de multiples applications (régulation ou
poursuite de la vitesse, du couple et du flux). Dans ce chapitre, nous nous intéresserons
au suivi d’une vitesse de référence et à la régulation du flux. Pour mémoire, les nombreux
types de commandes développés dans la littérature reposent sur diverses démarches théo-
riques :

— linéarisation entrée-sortie combinée avec des commandes robustes linéaires ([50]) ;

— commande adaptative ([120], ...) ;

— “field oriented control” (FOC) (voir [24], [111], [160]) qui est équivalente à la com-

123
124 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

mande basée sur la passivité ([118]) ;

— “direct torque control” (DTC) (voir [51], [160]), qui peut être vu comme une com-
mande à structure variable (voir [72]) ;

— commande par modes glissants ([93]) ;

— etc...

Lors de leur réalisation, ces commandes doivent faire face à quatre difficultés :
1. le processus est non linéaire (même si l’on suppose que les circuits magnétiques
sont non saturés, cf expression du couple électromagnétique) ;
2. ses paramètres physiques, en général, ne peuvent pas être connus précisément et
leur valeur peut significativement changer avec la température et au cours du temps ;
3. les flux rotoriques ne sont pas mesurables ;
4. l’entrée réelle est à caractère discontinu (du fait des convertisseurs) et n’est souvent
qu’approximativement connue (à cause des zones mortes, des ondulations de la tension
de bus, etc...) ;
Du fait de ses propriétés de robustesse vis-à-vis des perturbations et des incertitudes
paramétriques, la technique des mode glissants s’avère être une bonne solution pour
contourner les difficultés (1—3). Dans le cadre de l’action Inter-GDR Automatique-SDSE,
les auteurs de [93] ont implanté une commande par modes glissants d’ordre un sur le
banc d’essai “Manutention horizontale” de l’IRCCyN à Nantes. Dans ce chapitre, nous
proposons le développement d’une loi de commande par modes glissants d’ordre supérieur
ainsi que les résultats de son implantation sur le même banc d’essai. Les motivations pour
utiliser ici une telle commande sont le fait qu’il n’est pas possible, avec une commande par
modes glissants classique et étant données les variables de sortie considérées, d’obtenir
une convergence en temps fini pour un système de degré relatif égal à deux (i.e. il faut
dériver deux fois la sortie pour voir apparaître l’entrée). De plus, ceci permet de réduire
le phénomène de “chattering” (oscillations de la commande à hautes fréquences autour
de la surface) et d’obtenir une meilleure précision de convergence. Dans le paragraphe
suivant, le modèle de la machine asynchrone sera présenté, ainsi que le cahier des charges
imposé pour les expériences sur la plate-forme. Prenant en compte que seuls les courants
statoriques et la vitesse rotorique sont mesurables, un observateur (par modes glissants)
CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 125

est synthétisé, dans le paragraphe 5.3, afin d’observer le flux. Dans le paragraphe 5.4,
la commande, basée sur les variables estimées, est élaborée, avec l’objectif de suivre des
trajectoires de référence en flux et en vitesse, puis la stabilité de l’ensemble en boucle
fermée est démontrée. Enfin, les résultats obtenus sur le banc d’essai de Nantes sont
donnés dans le paragraphe 5.6.

5.2 Modèle de la machine asynchrone et position du

problème

5.2.1 Modèle

Nous donnons ici brièvement le modèle de Park de la machine asynchrone dans le plan
(α, β). De plus amples informations sur la modélisation et la commande des machines
asynchrones peuvent être trouvées dans [38], [47], [49], [111], [120], [160], ..., pour des
versions anglaises, et [39], [40], [41], [138], ..., pour des versions françaises.

Sous l’hypothèse de circuits magnétiques non saturés, le modèle de la machine asyn-

chrone est non linéaire d’ordre cinq et se décompose en :

— une équation mécanique

dω Lm
J =p [iβ,s φα,r − iα,s φβ,r ] − Cl − fv ω. (5.1)
dt Lr

obtenue d’après l’expression du couple électromagnétique

Lm
Te = p [iβ,s φα,r − iα,s φβ,r ] (5.2)
Lr

J est l’inertie de la machine, p est le nombre de pôles, Cl représente le couple de

charge et fv est un coefficient de frottement.
126 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

— et quatre équations électriques




dφα,r
= −bφα,r + aiα,s − ωpφβ,r

 dt


 dφβ,r
= −bφβ,r + aiβ,s + ωpφα,r
dt

 diα,s
= γ 4 Vα,s − γ 1 iα,s − γ 2 φα,r + γ 3 ωφβ,r

 dt


 diβ,s
= γ 4 Vβ,s − γ 1 iβ,s − γ 2 φβ,r − γ 3 ωφα,r
dt

où ω est la vitesse angulaire rotorique, isα , isβ les courants statoriques et φrα , φrβ
les flux rotoriques.

L2m Rs Rr L2m
σ = 1− , γ1 = +
Ls Lr σLs σLs L2r
Lm Rr Lm 1
γ2 = 2
γ3 = p γ4 =
σLs Lr σLs Lr σLs
Rr Rr
b = , a= Lm ,
Lr Lr

sont des paramètres dépendant des caractéristiques de la machine (résistances, in-

ductances, nombre de pôles).

Réécrivons les équations précédentes sous la forme :



 ẋ1 = α1 (x2 x5 − x3 x4 ) − α2 Cl − α3 x1





 ẋ = ax4 − bx2 − px1 x3

 2
Σ≡ ẋ3 = ax5 − bx3 + px1 x2 (5.3)





 ẋ4 = −γ 1 x4 + γ 2 x2 + γ 3 x1 x3 + γ 4 u1



 ẋ = −γ x + γ x − γ x x + γ u
5 1 5 2 3 3 1 2 4 2

Lm
avec α1 = p JLr
, α2 = J1 , et α3 = fJv .
£ ¤T
xT = [x1 , x2 , x3 , x4 , x5 ]T = ω, φrα , φrβ , isα , isβ représente l’état. Les seules sorties
supposées mesurables ici sont la vitesse angulaire et les courants statoriques, alors que les
flux rotoriques seront obtenus à l’aide d’un observateur. On disposera donc de tout l’état
pour réaliser notre loi de commande dont les variables sont données par u = [u1 , u2 ]T ,
[Vsα , Vsβ ]T , qui sont les tensions diphasées liées au stator. Le couple de charge est considéré
ici comme une perturbation bornée, ainsi que sa dérivée Ċl . Le choix des sorties du
système est lié aux objectifs de commande. De manière générale, ces sorties sont la vitesse
CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 127

x1
mécanique h1 (x) = p
= wm et le couple électromagnétique h2 (x) = Te = p LLmr [x2 x5 −
x3 x4 ] (on pourrait également choisir des sorties plates). Le cadre de notre propos sera ici
différent car les variables contrôlées correspondront au cahier des charges de la plateforme
de Nantes.

5.2.2 Protocole d’expérimentation

Dans le cadre de l’Inter-GdR “Automatique-SDSE” du CNRS, plusieurs problèmes de

commande concernant la machine asynchrone ont été spécifiés. L’un d’entre eux concerne
la réalisation d’une commande adaptée à la manutention horizontale, à laquelle le banc
d’essai de l’IRCCyN à Nantes est dédié.

Fig. 5-1: Plateforme de l’IRCCyN

Le cahier des charges impose de suivre une trajectoire de vitesse et de minimiser

l’énergie en gardant la norme du flux au carré constante. Les variables à contrôler sont
donc la vitesse angulaire x1 et le carré de la norme du flux φ2 = x22 + x23 . La valeur
de référence du flux est fixée à φref = 0.595W b, (donc φ2ref = 0.354), alors que l’on
désire que la vitesse ω ref se comporte comme indiqué Figure 5-2 (la vitesse maximale, de
1430trs/ min, correspondant à la vitesse nominale du moteur). Les paramètres physiques
de la machine sont Rs = 1.633Ω, Rr = 0.93Ω, Ls = 0.142H, Lr = 0.076H, J =
0.029N m/rad/s2 , et le nombre de paires de poles est p = 2. Le couple de charge Cl
128 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

se comporte comme indiqué Figure 5-3. Ceci simule les différents problèmes pouvant
survenir lors d’une manutention horizontale, i.e., jusqu’à 4 secondes, un convoyeur soumis
à de brusques contraintes de couple lors de la prise ou la dépose de charges (type tapis
roulant), puis une application de pont roulant avec freinage électrique et des oscillations
de la charge.

1500

1000
/ min
trs

500

0
0 1 2 3 4 5 6
temps (sec)

Fig. 5-2: Vitesse rotorique de référence en trs/min

10

-5
0 1 2 3 4 5 6
temps (sec)

Fig. 5-3: Couple de charge en N

CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 129

5.3 Synthèse de l’observateur

Le flux rotorique n’étant pas observable, la connaissance de celui-ci, nécessaire ici car
c’est une variable à contrôler, est généralement obtenue par un observateur approprié
([22, 120, 137, 161], ...). L’observateur choisi est celui développé par Djemaï et al. [55]
et qui a déjà été implanté sur le banc d’essai nantais avec succès. Celui-ci est basé sur
la technique des modes glissants, en tenant compte que seuls la vitesse angulaire x1 et
les courants x4 et x5 sont directement mesurables. Par conséquent, les variables d’état
disponibles sont différentes des sorties considérées.
En notant zi , la variable observée relative à xi , le système d’équations de l’observateur
Σo est une recopie du système original Σ, plus un terme de correction discontinu :


 ż1 = α1 (z2 x5 − z3 x4 ) − α3 x1 + Λ1 Is + q1 (x1 − z1 )





 ż = ax4 − bz2 − px1 z3 + Λ2 Is

 2
Σo ≡ ż3 = ax5 − bz3 + px1 z2 + Λ3 Is (5.4)



 ż = −γ x + γ z + γ x z + γ u + Λ I

 4 1 4 2 2 3 1 3 4 1 4 s



 ż = −γ x + γ z − γ x z + γ u + Λ I
5 1 5 2 3 3 1 2 4 2 5 s

où Λ1 = (λ11 , λ12 ), Λ2 = (λ21 , λ22 ), Λ3 = (λ31 , λ32 ), Λ4 = (λ41 , λ42 ), Λ5 = (λ51 , λ52 ), et
q1 > 0 sont les gains d’observation.
La surface de glissement Sobs est définie par :
     
x4 − z4 sobs1 0
Sobs = M  = = 
x5 − z5 sobs2 0

   
γ2 γ 3 x1 sgn(sobs1 )
avec : M −1 =   ; Is =  . Cette surface a été déterminée
−γ 3 x1 γ 2 sgn(sobs2 )
afin d’obtenir un vecteur équivalent simple et une linéarisation de l’erreur d’observation
en régime de glissement.

Remarque 46 Avec une technique par mode glissant, la dynamique ż1 n’est pas forcé-
ment nécessaire pour la reconstruction de x2 et x3 si la valeur de x1 est mesurée par un
capteur de vitesse suffisamment précis.

Posons ei = xi −zi pour i ∈ {1, ..., 5}. La dynamique de l’erreur d’observation, obtenue
130 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

en soustrayant Σo à Σ, est :


 ė1 = α1 (x5 e2 − e3 x4 ) − Λ1 IS − q1 e1





 ė = −be2 − px1 e3 − Λ2 IS

 2
Σeo ≡ ė3 = px1 e2 − be3 − Λ3 IS (5.5)





 ė4 = γ 2 e2 + γ 3 x1 e3 − Λ4 IS



 ė = γ e − γ x e − Λ I
5 2 3 3 1 2 5 S

avec Λj = λ1j sign(sobs1 ) + λ2j sign(sobs2 ). L’analyse de la stabilité de Σeo se déroule en

deux temps. Tout d’abord, Λ4 et Λ5 sont déterminés tels que la surface Sobs = 0 soit
attractive. Ensuite, on calcule Λ1 , Λ2 , Λ3 et q1 de façon à ce que le système réduit,
obtenu quand Sobs ≡ 0, soit localement stable.

T S
Sobs
Proposition 47 Considérons la fonction V = 2
obs
avec Sobs = M (e4 , e5 )T = (sobs1 , sobs2 )T
où M est une matrice régulière telle que (Sobs = 0 =⇒ e4 = e5 = 0). Posons
   
Λ4 δ1 0
  = M −1 ∆; ∆=  (5.6)
Λ5 0 δ2

avec δ 1 , δ 2 > 0. Les conditions d’attractivité de la surface de glissement Sobs = 0 sont

alors données par :
δ 1 >| e2 | max
(5.7)
δ 2 >| e3 | max

| e2 | max et | e3 | max étant les bornes supérieures sur les erreurs en flux.

Preuve. En dérivant la fonction V

T ∂Sobs
V̇ = Sobs
∂t
T T
= Sobs M W + Sobs Ṁe

où    
e2 λ41 λ42
W = M −1  −  IS .
e3 λ51 λ52

D’après la théorie des perturbations singulières, la dynamique de la vitesse angulaire ω

CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 131

peut être supposée constante (c’est une variable lente par rapport aux dynamiques des
courants et des flux (voir [108])). On peut ainsi estimer que Ṁ = 0. Le choix de la surface
et des gains permet d’avoir des conditions d’attractivité parfaitement découplées entre
sobs1 , e2 et sobs2 , e3 car :

T
V̇ = sobs1 (e2 − δ 1 sign(sobs1 )) + sobs2 (e3 − δ 2 sign(sobs2 ))+ Sobs Ṁ e
| {z }
=0

et, d’après (5.7), V̇ est alors définie négative. Ceci assure l’existence d’un régime glissant
sur la surface Sobs = 0 au bout d’un temps fini t0 .
La proposition suivante indique que, par un choix judicieux des gains Λ1 , Λ2 et Λ3 ,
l’erreur d’observation du système (5.5) converge asymptotiquement vers l’origine.

Proposition 48 Sous les hypothèses de la Proposition 47 et en choisissant des gains

vérifiant :
h i
Λ1 = α1 δ 1 x5 −δ 2 x4 (5.8)
   
Λ2 −b + q2 −px1
 = ∆ (5.9)
Λ3 px1 −b + q3
 
δ1 0
où ∆ =   et où q1 , q3 , δ 1 et δ 2 sont des constantes positives, l’erreur d’observa-
0 δ2
tion converge asymptotiquement vers zéro, et ceci indépendamment de l’entrée considérée.

Preuve. Après t0 , les conditions d’invariance de la surface, données par sobs1

˙ = 0 et
˙ = 0, impliquent que e˙4 = e˙5 = 0. On obtient l’équation algébrique suivante :
sobs2
    
0 e2
  = M −1   − ∆IS  .
0 e3

∆
Donc, sur la surface de glissement, le vecteur équivalent IS = I˜S s’écrit :
 
e2
I˜S =  δ1 ,
e3
δ2

et la dynamique de l’erreur d’observation est régie par le système différentiel d’ordre

132 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

réduit : 

 ė = α1 (x5 e2 − e3 x4 ) − Λ1 I˜S − q1 e1

 1
ė2 = −be2 − px1 e3 − Λ2 I˜S



 ė = px e − be − Λ I˜
3 1 2 3 3 S

qui peut s’écrire sous la forme :

 
e2
ė1 = α1 (x5 e2 − e3 x4 ) − Λ1 ∆−1   − q1 e1
e3

      
ė2 Λ2 e2
  = H −   ∆−1   
ė3 Λ3 e3
 
−b −px1
avec H =  . D’après l’expression des gains (5.8) et (5.9) :
px1 −b

ėi = −qi ei

pour i = 1, ...3, et en choisissant

q1 , q2 , q3 > 0,

l’erreur d’observation est asymptotiquement stable, avec une vitesse de convergence qu’il
nous est possible de régler.

5.4 Commande par modes glissants d’ordre deux

Outre ses propriétés de robustesse et de précision de convergence, une motivation

pour appliquer une commande par modes glissants d’ordre deux réside dans les propriétés
structurelles mêmes de la machine. Les sorties choisies sont la vitesse et la norme au carré
du flux rotorique que l’on veut forcer à suivre une trajectoire de référence. Le but de la
commande est donc d’annuler la fonction contrainte S qui est définie par
 
s1 = ω − ω ref
S=  (5.10)
s2 = φ2 − φ2ref
CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 133

(ω ref et φref correspondant aux trajectoires de références définies plus haut).

Or, le système (5.3) est de degré relatif deux par rapport à la variable de sortie S et ceci
implique, comme il a été vu dans la première partie de ce mémoire, qu’un mode glissant
d’ordre strictement supérieur à un est nécessaire si on veut obtenir une convergence en
temps fini vers les trajectoires désirées. Un algorithme d’ordre deux (l’algorithme du
twisting dans le cas présent) forcera les trajectoires du système à évoluer au bout d’un
temps fini sur la surface S = 0. La commande étant un retour de sortie, nous montrerons
également la stabilité en boucle fermée de l’ensemble du système observateur-contrôleur.

Pour différentes raisons, la surface de glissement sera exprimée en fonction des va-
riables observées. Ainsi aura-t-on s1 = z1 − ω ref car l’algorithme de commande utilisé
nécessite la connaissance de la dérivée seconde de s1 , en l’occurence l’accélération angu-
laire, qui n’est pas accessible (sinon par le biais d’un capteur ou d’un reconstructeur, ce
qui signifie coût ou temps de calcul supplémentaire). De la même manière, l’erreur sur la
poursuite en flux sera définie par s2 = (z22 + z32 ) − φ2ref étant donné que le flux réel n’est
pas disponible.

Par dérivations successives de s1 (erreur sur la vitesse)

dΛ1 Is
s̈1 = A11 u1 + A12 u2 + B1 e2 + C1 e3 + D1 − + α2 α3 Cl − α2 Ċl
dt

avec

A11 = −α1 γ 4 z3

A12 = α1 γ 4 z2

B1 = −α1 (γ 3 x1 z2 + γ 2 z3 − (q1 − α3 )x5 )

C1 = −α1 (γ 3 x1 z3 − γ 2 z2 + (q1 − α3 )x4 )

D1 = −α1 (b + γ 1 + α3 )(z2 x5 − z3 x4 ) − α1 px1 (x2 x4 + x3 x5 )

2
−α1 γ 3 x1 φ̂ + α23 x1 − (q1 Λ1 − α1 x5 Λ2 + α1 x4 Λ3 ) Is

Sachant que la convergence de l’observateur est arbitrairement rapide, on peut ini-

tialement considérer la dynamique équivalente lorsque l’on est sur la surface Sobs = 0,
i.e. :
(Λ1 Is )eq = α1 (e2 x5 − e3 x4 )
134 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

d’où
d (Λ1 Is )eq
= α1 (−q2 e2 x5 + q3 e3 x4 + e2 ẋ5 − e3 ẋ4 )
dt
et finalement

³ ´
s̈1 = A11 u1 + A12 u2 + B̃1 e2 + C̃1 e3 + D1 + α2 α3 Cl − Ċl

où

B̃1 = −α1 (γ 3 x1 z2 + γ 2 z3 − (q1 + q2 − α3 )x5 − ẋ5 )

C̃1 = −α1 (γ 3 x1 z3 − γ 2 z2 + (q1 + q3 − α3 )x4 + ẋ4 ) .

En dérivant deux fois s2 (erreur sur le module du flux au carré) :

µ ¶
dΛ2 Is dΛ3 Is
s̈2 = A21 u1 + A22 u2 + B2 e2 + C2 e3 + D2 + 2 z2 + z3
dt dt

avec

A21 = 2aγ 4 z2

A22 = 2aγ 4 z3

B2 = 2(aγ 2 z2 − aγ 3 x1 z3 )

C2 = 2(aγ 2 z3 + aγ 3 x1 z2 )
2
D2 = −2a(3b + γ 1 )(z2 x4 + z3 x5 ) + (4b2 + 2aγ 2 )φ̂ + 2a2 (x24 + x25 ) + 2apx1 (z2 x5 − z3 x4 )

+4a(x4 Λ2 + x5 Λ3 )Is − 6b(z2 Λ2 + z3 Λ3 )Is + 2px1 (z2 Λ3 − z3 Λ2 )Is + 2(Λ22 + Λ23 )

On utilise alors la dynamique équivalente sur la surface Sobs = 0 :

(Λ2 Is )eq = (q2 − b)e2 − px1 e3

(Λ3 Is )eq = (q3 − b)e3 + px1 e2

d’où

d (Λ2 Is )eq
= −q2 (q2 − b)e2 + q3 px1 e3 − pẋ1 e3
dt
d (Λ3 Is )eq
= −q3 (q3 − b)e3 − q2 px1 e2 + pẋ1 e2
dt
CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 135

ce qui donne
s̈2 = A21 u1 + A22 u2 + B̃2 e2 + C̃2 e3 + D2

avec
B̃2 = 2 ((aγ 2 − q2 (q2 − b)) z2 − (aγ 3 + q2 p)x1 z3 + pẋ1 )
C̃2 = 2 ((aγ 2 − q3 (q3 − b)) z3 + (aγ 3 + q3 p)x1 z2 − pẋ1 ) .

Définissant le retour statique :

 
−D1 + v1
u = A−1  
−D2 + v2

où  
A11 A12
A= 
A21 A22

et v = [v1 , v2 ]T est la nouvelle commande, on obtient :

s̈1 = v1 + B̃1 e2 + C̃1 e3 − α2 Ċl + α3 α2 Cl

s̈2 = v2 + B̃2 e2 + C̃2 e3

Cl et Ċl ayant été supposées bornées, et puisque e2 et e3 tendent asymptotiquement

vers zéro indépendamment de la commande, il existe un temps t0 tel que ∀t ≥ t0 :

¯ ¯
¯ ¯
¯B̃1 e2 + C̃1 e3 − α2 Ċl + α3 α2 Cl ¯ · K1 (5.11)

¯ ¯
¯ ¯
¯B̃2 e2 + C̃2 e3 ¯ · K2 (5.12)

Dans ces conditions, il est possible d’appliquer l’algorithme du twisting. La commande v

est alors définie par :

 −λ sgn(s ), si s ṡ · 0
mi i i i
vi = , i = 1, 2
 −λ sgn(s ), si s ṡ > 0
Mi i i i

les conditions sur les gains étant :

λMi > λmi
136 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

λmi > Ki

λMi > λmi + 2Ki ,

et les Ki étant définis par (5.11) et (5.12). Un régime glissant prend alors place sur S = 0
et la vitesse et le flux du moteur rejoignent les trajectoires de références prédéfinies.

Remarque 49 On peut observer que l’on s’est attaché à réaliser une commande qui
conduit à une convergence en temps fini des variables, mais que l’observateur est seule-
ment asymptotiquement stable. Pour rester en adéquation avec notre stratégie de com-
mande, et avoir une convergence en temps fini de l’ensemble du système, un observateur
dit “step-by-step” [8] ou par modes glissants d’ordre supérieur [9] pourront être développés
ultérieurement.

5.5 Résultats de simulation

Afin de valider cette loi de commande, et avant d’en réaliser l’implantation sur le banc
d’essai de Nantes, des simulations, prenant en compte le modèle du moteur tel qu’il a été
identifié, ainsi que l’ensemble des contraintes auxquelles il est soumis, ont été réalisées
(voir Figure 5-4). Cette démarche de valider en simulation la commande est un passage
obligé et formateur pour une implantation sur les bancs du GdR.

S imulation
Initialisations modele Enregistrement
Commande par mode glissant
param etres moteur à cage des variables
-Plate-forme IRCCyN -
m ontage triangle
a_mcv_t

sim _x

Horloge Wst

vsa_cde
Consignes
& vsb_cde
Perturbation M LI
Commande vsc_cde &
M ode le
Ondule ur
m ote ur
as ynchrone

isabc,
vit,teta,cple,
Eond,flux

M ESURES

Variables
enregistré es

Fig. 5-4: Schéma Simulink de la plate-forme

CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 137

Les paramètres de l’observateur sont δ 1 = δ 2 = 5, q1 = q2 = q3 = 15, et ceux de

la commande par mode glissant λM1 = 5000, λm1 = 1000, λM2 = 500, λm2 = 100.
Les résultats obtenus sont les suivants. La Figure 5-5 montre une très bonne réponse en
poursuite de la vitesse malgré les perturbations dues au couple de charge. L’allure de
la vitesse de référence est lissée car celle-ci a été filtrée afin de limiter l’amplitude des
commandes et des courants pendant le transitoire.

Fig. 5-5: Vitesse de référence filtrée (en grisé) et vitesse du moteur (en noir) en trs/min

La Figure 5-6 montre l’évolution du flux au carré qui suit bien la valeur de référence
désirée.

Fig. 5-6: Flux réel au carré du moteur en W b2

Il est à noter, d’autre part que ces grandeurs sont très peu affectées par le phénomène
de réticence inhérent au mode glissant. Les fonctions de commutation utilisées ici sont
138 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

des fonctions signes classiques, mais on peut aisément les remplacer par des fonctions
signes avec des zones mortes ou des fonctions sigmoïdes, afin d’améliorer les résultats, et
plus spécialement réduire les sollicitations au niveau des actionneurs (cela sera fait lors
de l’implantation).

5.6 Résultats expérimentaux

L’implantation de la loi de commande, bouclée sur l’observateur, a été effectuée sur le
banc d’essai “Manutention Horizontale” situé dans les locaux de l’IRCCyN à Nantes et
dirigé par Alain Glumineau et Robert Boisliveau (http ://[Link]/Banc_Essai).
La grande convivialité de la plateforme et la compétence des personnes gérant le site
permet au visiteur d’en appréhender rapidement le fonctionnement. Nous présentons tout
d’abord les résultats obtenus pour l’observateur seul avant de donner ceux concernant la
commande par modes glissants d’ordre deux.

5.6.1 Observateur seul

La validation de l’observateur a été effectuée par Djemaï et al. [55] sur une plateforme
utilisant la version Matlab 4 et une carte DSPACE (TMS320C31). Le test a été fait en
boucle ouverte, associé avec une commande U/F destinée à de la poursuite de trajec-
toires. Les signaux provenant du capteur de vitesse et les équations de la commande sont
échantillonnés à la même période qui est de 250µs.
Pour réduire le phénomène de réticence, les fonctions signes ont été remplacées par
des approximations continues dans un voisinage de la surface de glissement (Figure 5-7).

Fig. 5-7: La fonction signe modifiée

CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 139

Les Figures 5-8 et 5-9 représentent les profils de la vitesse de référence et du couple
de charge correspondant au cahier des charges du benchmark “Observateur”, dédié à la
validation d’observateurs.

vitesse de référence
1500

1000

500

-500

-1000

-1500
0 5 10 15
temps (sec)

Fig. 5-8: Vitesse de référence pour le test de l’observateur

couple de référence

5
N
m
0

-5

-7
0 2 4 6 8 10 12
temps (sec)

Fig. 5-9: Couple de charge pour le test de l’observateur

Les Figures 5-10 et 5-11 illustrent les comportements des courants mesurés et des
courants observés is,α , ı̂s,α et is,β , ı̂s,β .

C o u ra n ts s ta to riq u e Ia s : m e s u ré (------) e t o b s e rv é (-----)

20

10

0
Ia
-1 0

-2 0
3 .5 4 4 .5 5 5 .5 6 6 .5 7
te m p s e n s e c .
zom m
20

10

-1 0

-2 0
5 .5 5 5 .6 5 .6 5 5 .7 5 .7 5 5 .8 5 .8 5
te m p s e n s e c .

Fig. 5-10: Courants statoriques observé et mesuré is,α

140 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

20

10

-10

-20
3.5 4 4.5 5 5.5 6 6.5 7
tem ps en sec. zom m
20

10

-10

-20
5.55 5.6 5.65 5.7 5.75 5.8 5.85
tem ps en sec.

Fig. 5-11: Courants statoriques observé et mesuré is,β

q
La Figure 5-12 donne l’allure du module du flux rotorique φ = φ2r,α + φ2r,β obtenue
par l’intermédiaire de l’observateur glissant, ainsi qu’une estimation de celui-ci basée sur
la mesure des courants et des tensions d’entrée Vs,α , Vs,β .

M o d u le d u F lu x S ta to riq u e : o b s e rv é (----); R o to riq u e e s tim é (----)

1 .5

0 .5

0
0 1 2 3 4 5 6 7
T e n s io n s ta to riq u e V a s (----) e t V b s (----)
200

100

-1 0 0

-2 0 0
0 1 2 3 4 5 6 7

Fig. 5-12: Flux, observé et estimé, et tensions statoriques

CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 141

5.6.2 Commande avec observateur

Les expériences concernant la commande ont été réalisées juste après la mise en place
d’un tout nouveau système DSPACE 1103 (Power PC 333 MHz, 20 entrées analogiques)
permettant de travailler avec Matlab 5.3 et Simulink 3. Avant d’implanter notre com-
mande, il a donc fallu revalider l’observateur sur le nouveau banc, dont les paramètres
n’ont été que peu modifiés. Le nouveau matériel permet de baisser la période d’échan-
tillonnage à 125µs et d’avoir plus de possibilités de visualisation des signaux durant
l’expérience.
Les résultats obtenus lors des deux campagnes d’expérimentations peuvent être trou-
vés dans [83] et [84] et sont synthétisés ici. Les Figures 5-13 et 5-14 montrent les réponses
du courant mesuré et de la vitesse. La vitesse du moteur est déphasée par rapport à la
référence car cette dernière a été filtrée. La Figure 5-13 concerne un test où le palier de
la vitesse de référence est égal à la moitié de la vitesse nominale du moteur. Les réponses
fournies sont très correctes.

15

10
courant statorique

0
-5

-10

-15
1 2 3 4 5 6 7 8
temps

800
600
400
vitesse

200
0
-200
-400
1 2 3 4 5 6 7 8
temps

Fig. 5-13: Courant statorique et vitesse rotorique pour Vrefmax = Vnom /2

142 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE

Dans la Figure 5-14, la vitesse de référence a un profil en accord avec les spécifications
du banc d’essai.

40
courant statorique

20

-20

-40
1 2 3 4 5 6 7 8
temps

1500

1000
vitesse

500

-500
1 2 3 4 5 6 7 8
temps

Fig. 5-14: Courant statorique et vitesse rotorique pour Vrefmax = Vnom

La poursuite en vitesse est acceptable malgré les perturbations significatives intro-

duites par le couple de charge, ce qui illustre le caractère robuste de la loi de commande.
On peut observer un faible retard de la réponse en vitesse, lors du démarrage au bout de
1.5 secondes. Ceci peut être dû à la saturation des convertisseurs. Des solutions existent
dans la littérature (voir [66]) pour résoudre ce problème, notamment en équilibrant, au
démarrage, les actions de chacune des tensions statoriques dans le plan en (α, β) par le
biais de gains homothétiques. A l’arrêt du moteur, on peut observer un pic de courant.
Ces pointes de courants peuvent être atténuées en ajustant les filtres ou bien en dimi-
nuant les gains du contrôle discontinu. Le problème le plus significatif sont les oscillations
apparaissant autour de la vitesse nominale. Ceci provient du fait que la synthèse de l’ob-
servateur est basée sur un mode glissant d’ordre un. Puisque la commande d’ordre deux
est bouclée sur les variables estimées, la réticence introduite par l’observateur s’y réper-
CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE 143

cute. Afin d’éliminer cet effet indésirable, on pourra implanter par la suite un observateur
par modes glissants d’ordre deux, qui pourra de plus assurer une convergence en temps fini
des variables estimées vers les variables réelles, et donc de l’ensemble du système. Dans
de prochaines expériences, il est également prévu d’optimiser les constantes de temps
des filtres et les valeurs des différents gains de façon à améliorer le temps de réponse.
Enfin, ces tests seront aussi l’occasion d’étudier la robustesse de la commande vis-à-vis
des incertitudes paramétriques telles que l’échauffement des résistances du moteur.
L’ensemble de ces expériences montre la viabilité d’une telle loi de commande et de
très bons résultats si on prend en compte les contraintes de temps pour son implantation.

5.7 Conclusion
Dans ce chapitre, nous avons présenté une commande par modes glissants d’ordre
deux pour la machine asynchrone. Etant donné que l’on suppose que les seules variables
mesurables sont les courants statoriques et la vitesse rotorique, un observateur par modes
glissants a été construit afin d’estimer le flux. La commande a alors été élaborée en
prenant en compte les informations fournies par cet observateur. On peut remarquer
que cette méthode ne nécessite aucune estimation du couple et que de part le choix des
surfaces de glissement, on peut même envisager un dispositif sans capteur de vitesse (aux
singularités d’observabilité près).
144 CHAPITRE 5. APPLICATION A LA MACHINE ASYNCHRONE
Conclusion et perspectives

145
CONCLUSION ET PERSPECTIVES 147

Dans ce travail de thèse, nous nous sommes intéressés au problème de la commande

par modes glissants d’ordre supérieur. Notre première démarche a été d’en donner les fon-
dements théoriques sans essayer d’en couvrir tout le domaine. Nous nous sommes donc
attachés à exposer leurs notions essentielles telles que l’attractivité des surfaces, la com-
mande équivalente, la dynamique en régime de glissement ou encore la réticence. Cette
approche peut constituer une base non négligeable dans l’optique de mieux appréhender
l’ensemble des nombreux développements qu’a connu et que connaît encore à l’heure ac-
tuelle cette technique dans les problèmes de régulation, de poursuite de trajectoire ou
de modèles et ceci dans des domaines applicatifs englobant la mécanique, la robotique
ou l’électrotechnique. D’autre part, il a été vu que les modes glissants d’ordre supérieur
étaient en étroite relation avec le degré relatif du système considéré, notamment en ce qui
concerne les problèmes de convergence en temps fini sur la surface choisie ou la réduction
du phénomène de réticence. Dans la présentation des algorithmes permettant de générer
des régimes glissants d’ordre supérieur, nous avons montré que la convergence pouvait
être accélérée par l’addition de termes linéaires adéquats.

La deuxième partie du mémoire contient l’essentiel des autres contributions propres

à ce travail. Elles sont principalement axées sur la stabilisation de systèmes non linéaires
soumis à des perturbations, que ce soit par retour d’état ou retour de sortie. Le principe
général est de contraindre le système à évoluer sur des surfaces définies de manière à ce
que son comportement y soit stable et à ce que ce phénomène de stabilité soit de préfé-
rence obtenu en temps fini. L’un des intérêts des ordres supérieurs est que la dynamique
équivalente réinjectée dans le système en régime glissant est d’autant plus précise que
l’ordre est important. Nous avons pu également montrer que les modes glissants d’ordre
supérieur représentaient une bonne solution lorsqu’il s’agit d’obtenir un compromis sa-
tisfaisant entre les performances (au niveau de la vitesse de convergence) et la robustesse
de la commande. On pourra noter que l’ensemble des démonstrations s’appuient sur
l’utilisation de l’algorithme du twisting. Néammoins, la prise en compte de tout autre al-
gorithme glissant d’ordre deux permettrait d’aboutir aux mêmes résultats en établissant
des conditions adaptées sur les gains de commande. Il faut toutefois préciser que, dans
la pratique, il serait préférable d’implanter la version discrétisée de ces algorithmes ou
d’autres s’appuyant uniquement sur la connaissance de la fonction de commutation s (et
148 CONCLUSION ET PERSPECTIVES

non de ses dérivées successives) tels que l’algorithme du super-twisting.

Le dernier chapitre constitue la réalisation de ces résultats théoriques sur une plate-
forme expérimentale dédiée à la machine asynchrone : il y est montré l’efficacité et la
robustesse de commandes basées sur cette technique.

Ces expériences ont d’autre part soulevé certains problèmes auxquels il serait intéres-
sant de réfléchir par la suite. Au vu des difficultés rencontrées lors de ces expériences, il
semble tout d’abord que lors de l’association d’un observateur et d’une commande par
modes glissants, l’ordre de glissement du premier doit prendre en compte explicitement
la construction de la seconde, si l’on veut éviter de réinjecter des discontinuités dans
la boucle fermée. Deuxièmement, il apparaît important d’apporter des solutions afin de
régler des gains de commande qui soient adaptés aux contraintes du processus telles que
les zones mortes ou les phénomènes de saturation. Outre ces améliorations envisagées sur
la commande de la machine asynchrone, il nous apparaît également intéressant de tester
ces lois de commandes d’ordre supérieur sur des systèmes liés à la robotique, tels que les
robots mobiles.

Au niveau purement théorique, cette étude ouvre la porte à d’autres perspectives.

Ainsi qu’il a été vu, la littérature actuelle ne propose des algorithmes glissants que pour
des ordres deux voire trois. Il serait intéressant de pouvoir générer des régimes glissants
d’ordre plus important. D’une part, ceci permettrait d’obtenir des convergences sur les
surfaces de glissement de plus en plus précises, permettant ainsi d’éviter de réinjecter
des erreurs trop grandes dans les dynamiques équivalentes. D’autre part, nous pourrions
généraliser notre résultat concernant la stabilisation robuste et en temps fini des systèmes
mis sous forme chaînée à des modèles dont la dimension est quelconque (et non plus
limitée à n = 3).

Un deuxième point à approfondir reste la prise en compte des perturbations. Dans le

chapitre 4 et dans chacun des problèmes posés, nous avons vu que, afin d’être rejetées, les
perturbations devaient intervenir dans la chaîne des entrées. Ceci a d’ailleurs été supposé
lorsque le cas d’un système non holonome a été traité. Toutefois, un simple exemple a
aussi permis de s’apercevoir que ce n’est pas une condition nécessaire en vue de l’ap-
plication de notre méthode. De manière générale, les modes glissants d’ordre supérieur
sont susceptibles d’être une solution pour rejeter des incertitudes qui ne remplissent pas
CONCLUSION ET PERSPECTIVES 149

forcément la condition de recouvrement. Certes, la nature de ces perturbations resterait

assujettie à certaines conditions, mais celles-ci pouraient se révéler être moins restric-
tives que celles introduites par Drazenovic. L’un des objectifs est de pouvoir prendre en
compte les phénomènes de patinage au niveau des robots mobiles, ou encore les couples
magnétiques et aérodynamiques dans l’étude de la commande des satellites.
150 CONCLUSION ET PERSPECTIVES
Troisième partie

Annexes

151
Annexe A

Inclusions différentielles et solutions

au sens de Filippov

De nombreux systèmes physiques sont régis par des équations différentielles impli-
quant des termes discontinus. C’est le cas par exemple dans les circuits électriques, élec-
tromagnétiques et électromécaniques : nous pouvons ainsi citer sans souci d’exhaustivité
les convertisseurs statiques (où les nombreuses commutations des composants à semi-
conducteur produisent des discontinuités dans les équations différentielles représentant
le système), les frottements secs, les triggers, les redresseurs, les saturations des amplifi-
cateurs opérationnels, etc... Parmi ces cas, il faut distinguer les systèmes discontinus par
nature de ceux dont la discontinuité est apportée par la commande, telle la commande
par modes glissants.

La théorie classique des équations différentielles ordinaires ne permet pas de décrire le

comportement des solutions dans de tels cas. C’est pourquoi des approches alternatives,
mettant en cause de nouveaux outils mathématiques, ont été introduites. Citons la théorie
des inclusions différentielles [5, 6], les travaux de Filippov [75], sur le vecteur équivalent
et la résolution des équations différentielles discontinues, et les travaux de F.H. Clarke et
al. [43] sur l’analyse des dynamiques discontinues.

153
154 ANNEXE A. INCLUSIONS DIFFÉRENTIELLES

A.1 Inclusions Différentielles

Le problème de Cauchy suivant :

x
ẋ = − si x 6= 0, (A.1)
|x|
x(0) = 0. (A.2)

n’admet pas de solution au sens classique puisque ẋ(0) n’est pas défini. Une généralisation
du concept de solution est donc nécessaire. La façon la plus naturelle est de prolonger en
x = 0 le membre de droite de (A.1). Ceci nous amène à considérer la multi-fonction1
½ ¾
x
F (x) = − si x 6= 0, F (0) = [−1, 1] ,
|x|

dx
et on vérifie que x(t) = 0 satisfait la relation dt
∈ F (x) pour tout t. De la même façon,
le problème de Cauchy associé à la condition initiale x(0) = x0 (quelconque) admet une
solution.

Dans un cadre plus général, pour étudier une équation différentielle ordinaire à second
membre discontinu (systèmes à structure variable, hacheur, phénomène de friction, etc. . .)
de la forme :
dx
= f (t, x), x ∈ X, (A.3)
dt
où f (t, x) est définie et continue sur I × (Xp \M) (Xp étant une partition de X , M
un ensemble de mesure nulle2 ), il apparaît intéressant de la remplacer par l’inclusion
différentielle suivante
dx
∈ F (t, x), (A.4)
dt
où F (t, x) est un ensemble, dont nous verrons une construction, tel que pour (t, x) ∈
I × Xp \M : F (t, x) = {f (t, x)}. Cette inclusion doit permettre de “capturer” les com-
portements de (A.3).

1
cet être mathématique appelé “multi-fonction” est une “application” qui à un point associe un
ensemble de points (en anglais “set-valued map”)
2
au sens de Lebesgue
ANNEXE A. INCLUSIONS DIFFÉRENTIELLES 155

A.2 Notion de solution

On s’intéresse au problème de Cauchy (PC) suivant : “existe-t-il une fonction φ telle
dφ
que dt
∈ F (t, φ(t)) presque partout (p.p)3 et φ(t0 ) = x0 ?”

Définition 50 On appelle solution de (A.4) passant par x0 à t0 , toute fonction φ ab-

solument continue4 définie sur un intervalle non vide (I(t0 , x0 ) ⊂ I ⊂ R) contenant
t0 :

φ : I ⊂ R → X ⊂ Rn

t 7→ φ(t; t0 , x0 ),

dφ
notée plus simplement φ(t) vérifiant dt
∈ F (t, φ(t)) presque partout sur I(t0 , x0 ) et telle
que φ(t0 ) = x0 .

Si φ(t) est une fonction absolument continue, il existe χ(u) une fonction (Lebesgue
Rt
intégrable) qui soit presque partout égale à la dérivée de φ : φ(t) = φ(t0 ) + t0 χ(u)du.
dφ
Si de plus ∈
dt p.p.
F (t, φ(t)) : χ(u) ∈ F (u, φ(u)) et donc on obtient la représentation
p.p.
intégrale suivante Z t
φ(t) ∈ φ(t0 ) + F (u, φ(u))du.
t0

La réciproque n’est vraie que si la multi-fonction vérifie certaines hypothèses de régularité

(compacte, convexe, semi-continue supérieurement).

A.3 Existence des solutions

Dans le cas où F (t, x) = {f(t, x)} et Xp = X (le membre de droite de (A.3) pouvant ne
pas être défini pour des instants appartenant à un ensemble de mesure nulle), on retrouve
les résultats classiques sur les équations différentielles ordinaires (Carathéodory et Péano).
L’existence de solutions est notamment garantie par la continuité de la fonction. Pour
les multi-fonctions, une notion de substitution est la semi-continuité supérieure, que les
différentes définitions qui suivent permettent de caractériser.
3
sauf sur un ensemble de mesure nulle
4
φ : [α, β] 7→ Rn est absolument continue si ∀ε > 0, ∃δ(ε) > 0 : ∀ {]αi , β i [}i∈{1..n} , ]αi , β i [⊂
Pn Pn
[α, β] i=1 (β i − αi ) · δ(ε) ⇒ i=1 kφ(β i ) − φ(αi )k · ε.
156 ANNEXE A. INCLUSIONS DIFFÉRENTIELLES

Définition 51 Soient E1 et E2 deux ensembles. Une multi-fonction F est définie par

une relation entre les éléments de E1 et ceux de P(E2 ) : on la note F : E1 ⇒ E2 et
elle associe à un point x de E1 un sous ensemble F (x) de E2 . On définit le domaine
de F : dom(F ) , {x ∈ E1 : F (x) 6= ∅}, son graphe : graph(F ) , {(x, y) ∈ E1 × E2 :
x ∈ dom(F ) et y ∈ F (x)}, son image : image(F ) , {y ∈ E2 : ∃x ∈ dom(F ) tel que
y ∈ F (x)} = ∪ F (x) ⊂ E2 .
x∈E1

De ce que nous venons de voir, nous en déduisons que les propriétés des multi-
fonctions sont les propriétés des graphes qui leurs sont associés. Ainsi, une
multi-fonction est convexe si son graphe associé est convexe. De même, nous pouvons
définir des propriétés uniquement sur l’image de la multi-fonction.

Définition 52 Une multi-fonction F est convexe (respectivement fermée, bornée) si son

image est convexe (respectivement fermée, bornée).

Définition 53 Une multi-fonction F : E1 ⇒ E2 (E1 et E2 sont des espaces topolo-

giques de Hausdorff) est semi-continue supérieurement en x ∈ dom(F ) si pour
tout voisinage V ⊂ E2 de F (x) il existe W un voisinage de x tel que F (W ) ⊂ V . Une
multi-fonction F est semi-continue supérieurement si elle est semi-continue supé-
rieurement en tout point de son domaine dom(F ).

De même nous pouvons définir la semi-continuité inférieure :

Définition 54 Une multi-fonction F : E1 ⇒ E2 (E1 et E2 sont des espaces topologiques

de Hausdorff) est semi-continue inférieurement en x ∈ dom(F ), si pour tout y ∈
F (x) et toute suite xn ∈ dom(F ) convergeant vers x, il existe une suite yn ∈ F (xn )
convergeant vers y. Une multi-fonction F est semi-continue inférieurement si elle
est semi-continue inférieurement en tout point de son domaine dom(F ).

Il est évident que pour des multi-fonctions associant à tout élément de E1 au plus
un point de E2 , ces définitions sont équivalentes et elles sont des réécritures directes
de la définition classique de continuité d’une fonction. Ainsi, nous remarquons que la
multi-fonction définie par son graphe {(x, y) ∈ R × R : |y| · |x|} est semi-continue
inférieurement et supérieurement. Par contre, la multi-fonction définie par son graphe
{(x, y) ∈ R × R : |y| · 1 pour x 6= 0 et y = 0 pour x = 0} est semi-continue infé-
rieurement mais pas supérieurement en 0. De même une multi-fonction définie par son
ANNEXE A. INCLUSIONS DIFFÉRENTIELLES 157

graphe {(x, y) ∈ R × R : y = 0 pour x 6= 0 et |y| · 1 pour x = 0} est semi-continue

supérieurement mais pas inférieurement en 0.
De ceci nous pouvons donner une définition de la continuité pour les multi-fonctions :

Définition 55 Une multi-fonction F : E1 ⇒ E2 (ou E1 et E2 sont des espaces topolo-

giques de Hausdorff) est continue en x ∈ dom(F ), si elle est semi-continue inférieurement
et supérieurement en x. Elle est dite continue si elle est continue en tout point de son
domaine dom(F ).

Théorème 56 Supposons que F soit définie, convexe, semi-continue supérieurement sur

le tonneau
T = {(t, x) ∈ I × X : |t − t0 | · a, kx − x0 k · b} , (A.5)

avec T ⊂ dom(F ) et ∀(t, x) ∈ T , kyk · K pour tout y ∈ F (t, x) 6= ∅. Alors il existe une
solution au PC définie sur au moins un intervalle [t0 − α, t0 + α], α = min(a, Kb ). ¥

Théorème 57 Soit F : R × Rn ⇒ Rn semi-continue supérieurement :

— si ∀(t, x), F (t, x) est un compact convexe non vide alors il existe une solution au
PC définie sur un ouvert de l’instant initial,

— si de plus il existe deux constantes positives c1 et c2 : ∀(t, x) ∈ R × Rn : kyk ·

c1 kxk + c2 , pour tout y ∈ F (t, x) 6= ∅, alors il existe une solution au PC définie
sur R. ¥

A.4 Problème de Régularisation : solutions au sens

de Filippov
Dans de nombreux cas, f (t, x), le second membre de (A.3), est défini sur une partition
Xp de l’espace d’état privé de points d’un ensemble de mesure nulle M. Si f(t, x) est
continue sur Xp \M, il est intéressant de considérer la multi-fonction définie par5

\
F (t, x) = conv(f (t, Bε (x) − M)), (A.6)
ε>0

5
l’intersection de tous les ensembles convexes (respectivement convexes fermés) contenant A est le
plus petit convexe (respectivement convexe fermé) contenant A : on le note conv(A) (respectivement
conv(A)).
158 ANNEXE A. INCLUSIONS DIFFÉRENTIELLES

qui est convexe, semi-continue supérieurement et vérifie pour tout t et tout x ∈ Xp \M :

F (t, x) = {f (t, x)}. Une alternative à (A.6) est

\ \
F (t, x) = conv(f (t, Bε (x) − N )). (A.7)
ε>0 mes(N )=0

Dans le cadre des systèmes à structure variable (par exemple commande par modes
glissants), la fonction f n’est pas définie sur une variété S = {x ∈ X : s(x) = 0} :

 f + (t, x), si s(x) > 0
f(t, x) = ,
 f − (t, x), si s(x) < 0

ainsi est-on amené à considérer (A.6) qui se construit en utilisant :


 f (t, x), si s(x) 6= 0
F (t, x) =
 conv( lim f (t, x)) = conv {f + (t, x), f − (t, x)} , si s(x) = 0
x→x∗∈S x∈S

Dans ce cadre, en notant 

 X + si s(x) > 0
X = ,
 X − si s(x) < 0

et en définissant Prnormal la projection sur la normale à la surface s(x) = 0 orientée de

X − vers X + et les projections des champs de vecteurs f + (t, x) et f − (t, x) :

fn+ (t, x) = Pr lim f + (t, x), (A.8)

normal s→0+

fn− (t, x) = Pr lim f − (t, x), (A.9)

normal s→0−

on obtient le résultat d’existence de solution dû à A.F. Filippov [75] :

Théorème 58 Soit le système décrit par (A.3), avec X = X + ∪ X − ∪ S et M = S.

Supposons qu’il satisfasse :
¯ ¯
¯ ∂fi ¯
∃k ∈ R , ∀x ∈ X ∪ X , ¯¯ ¯¯ · k, (i, j = 1 . . . n).
+ + −
∂xj

Soit une fonction s deux fois différentiable, telle que fn+ et fn− soient continues par
rapport à x et t, pour x solution de s(x) = 0. Soit h = fn+ −fn− continûment différentiable.
ANNEXE A. INCLUSIONS DIFFÉRENTIELLES 159

Si en chaque point de la surface, s(x) = 0, les inégalités fn+ < 0 ou fn− > 0 sont vérifiées,
alors, dans le domaine X , il existe une solution unique (à droite) x(t) du système (A.3),
qui dépend des conditions initiales de façon unique. ¥

Pour les inclusions différentielles l’unicité des solutions n’a pas de sens, dans le théo-
rème précédent “solution unique (à droite)” signifie que si à t0 deux solutions coïncident
alors elles coïncideront pour tout t ≥ t0 où elles sont définies.
Ce résultat (similaire aux Théorèmes précédents) a un intérêt pratique immédiat : en
effet, lorsque fn+ < 0 et fn− > 0 la solution du problème (A.3), pour x ∈ S est définie
par : 
 x∈S
(A.10)
 ẋ = f (t, x)
0

avec f0 (t, x) ∈ conv {f + (t, x), f − (t, x)} ∩ Tx S.

La dynamique (dite de “glissement”) est alors donnée par :
¸ ¸
dx hds, f − i + hds, f + i
= f − f −. (A.11)
dt hds, f − − f + i hds, f − − f + i

En effet la “convéxification” du champs de vecteur s’exprime par f0 (x, t) = αf + (t, x) +

h i
− hds,f − (t,x)i
(1 − α)f (t, x) et f0 ∈ TxS ⇐⇒ hds, f0 i = 0, ce qui conduit à α = hds,(f − (t,x)−f + (t,x))i .
Enfin, notons que ½ +
fn (t, x) < 0
⇔ sṡ < 0. (A.12)
fn− (t, x) > 0
Cette dernière condition est connue sous le nom de condition de glissement (voir [103]).
160 ANNEXE A. INCLUSIONS DIFFÉRENTIELLES
Annexe B

Cas multi-variables

Considérons ici un système possédant plusieurs entrées mis sous la forme :

m
X
ẋ = f(x)+ gi (x)ui = f (x) + G(x)u, (B.1)
i=1

où f et les gi sont des champs de vecteur suffisamment différentiables, définis sur X .

La surface de glissement est maintenant définie par l’intersection de m variétés suffi-

samment différentiables et de dimension (n − 1), notées Si

m m
S = ∩ Si = ∩ {x ∈ X : si (x) = 0} = {x ∈ X : s(x) = 0}
i=1 i=1

∂si
où s = (s1 (x), . . . , sm (x))T , si : X →IR , dont les gradients ∂x
sont fonctionnellement
indépendants. S est alors une sous-variété de X , de rang constant et de dimension (n−m).

La loi de commande à structure variable est définie composante par composante par

 u+ (x) si si (x) > 0
i
ui (x) = .
 u− (x) si s (x) < 0
i i

On peut définir de plusieurs façons le régime glissant pour les systèmes possédant
plusieurs entrées. D’un côté, on peut considérer qu’un régime glissant apparaît sur chaque
surface Si sous l’action de la ième entrée correspondante et, ainsi, sur leur intersection S.
De façon similaire au cas mono-entrée, on dira alors qu’il existe un régime glissant sur Si

161
162 ANNEXE B. CAS MULTI-VARIABLES

si pour ui et tout uj (j 6= i) :

lim ∂si (f + Gu) < 0 et lim ∂si (f + Gu) > 0 . (B.2)

si →0+ ∂x si →0− ∂x

Toutefois, la classe de système pour laquelle un régime glissant peut être généré sur
chaque surface est très restrictive [159] et, contrairement au cas mono-entrée, la condition
(B.2) est seulement suffisante : un régime glissant peut exister sur S, et donc sur Si , sans
qu’elle soit nécessairement vérifiée. Pour cette raison, plusieurs possibilités pour définir
l’existence d’un régime glissant sur S peuvent être envisagées.

Les conditions d’invariance de la surface ainsi que les propriétés en régime glissant
restent néanmoins les mêmes que pour un système mono-entrée. Ainsi, les conditions
d’invariance sont : 
 s =0
i
, i = 1, ..., m
 ∂si [f + Gu ] = 0
∂x e

ce qui permet de définir la commande équivalente

¸−1
∂s ∂s
ue (x) = − G(x) f (x),
∂x ∂x

∂s
qui, dans ce cas, est bien définie si ∂x
G(x) est régulière.

Les dynamiques de glissement idéal sont alors données par :

" ¸−1 #
∂s ∂s
ẋe = I − G(x) G(x) f (x).
∂x ∂x

Pour les systèmes multi-entrées, la construction des lois de commande assurant l’exis-
tence d’un régime glissant s’avère donc plus compliquée puisqu’il faut venir glisser sur
l’intersection de m surfaces alors qu’il existe une interaction entre les différentes com-
∂s
mandes pour chaque surface. Cette interaction est déterminée par la structure de ∂x
G
puisque µ ¶
∂s ∂s
ṡ(x) = f+ G u.
∂x ∂x
Il en résulte un conflit d’objectifs, chaque commande essayant d’amener à zéro sa surface
respective.
ANNEXE B. CAS MULTI-VARIABLES 163

Schématiquement, suivant les propriétés structurelles du système envisagé, plusieurs

stratégies peuvent être appliquées [56, 57, 153].

— La première est la méthode dite de hiérarchisation des contrôles, proposée par

Utkin [158, 159], qui consiste à amener graduellement le système à l’intersection de
toutes les surfaces. Partant d’une condition initiale quelconque, on suppose qu’un
régime glissant peut être généré sur Si par l’intermédiaire de ui , et ceci quelle que
soit l’action des autres commandes, qui sont alors vues comme des perturbations.
Une fois qu’on a convergé sur Si , une autre commande uj est supposée diriger les
trajectoires vers une autre surface Sj , qui intersecte Si , toujours indépendamment
des autres commandes (ceci n’affecte pas le régime glissant sur Si ). On réalise la
même procédure ainsi de suite jusqu’à obtenir la convergence sur l’intersection des
m surfaces de glissement (Figure B-1) ;

Fig. B-1:

— une autre solution est envisageable lorsque, par un retour d’état, on peut rendre
∂s
diagonale la matrice ∂x
G. Les dérivées de chaque surface s’expriment alors de la
façon suivante
ṡi (x) = αi (x) + β ii (x)ui ,

ce qui signifie que l’évolution de chaque surface est découplée vis-à-vis des com-
164 ANNEXE B. CAS MULTI-VARIABLES

mandes. De cette façon, on est ramené au cas de m sous-systèmes mono-entrée sur

lesquels on sait générer un régime glissant, indépendamment les uns des autres.
Ces deux stratégies conduisent à des procédures relativement simples si le système
s’y prête bien. Toutefois, cela implique une forte sollicitation des actionneurs étant
donné que la commande commute autour de beaucoup plus de points que ceux
constituant la surface de glissement S. De plus, il existe des situations où, lors
d’étapes intermédiaires, une des commandes éloigne les trajectoires du système de
l’objectif prédéfini (en l’occurrence S) en imposant un mode glissant sur d’autres
sous-ensembles de surfaces ;

— Un moyen d’éviter ces problèmes est de forcer le régime glissant à n’apparaître

qu’à l’intersection de l’ensemble des surfaces. La loi de commande est continue sur
les surfaces, prises individuellement, et seulement discontinue à leur intersection.
Dans cette optique, la loi de commande suivante, appelée unit vector approach, a
été proposée par Spurgeon et al. [63, 153], pour un système linéaire avec s = Cx :

ρCx
u = ue −
kCxk

ou
ρM x
u = ue − ,
kNxk
où les matrices M et N sont telles que

ker M = ker N = ker C.

Annexe C

Preuve du Théorème 20 sur la

convergence de l’algorithme du
twisting

Grâce aux hypothèses sur les gains λm et λM , on peut montrer que les trajectoires du
système (2.15) dans le plan de phase (y1 , y2 ) sont inscrites à l’intérieur de deux trajectoires
limites définies par les bornes des fonctions χ et ζ (±C0 , Km et KM ) et qui convergent
toutes deux en temps fini vers l’origine (voir Figure C-1).

Montrons que, dans le cas de la limite extérieure, le système converge en temps fini
vers l’origine.

Sans perte de généralité, on peut considérer que y1 (0) = 0+ , y2 (0) > 0. Considérant
(2.16), le système devient 
 ẏ = y
1 2
,
 ẏ = −λ K + C
2 M m 0

ce qui donne par intégration


 y = (−λ K + C ) t + y (0)
2 M m 0 2
.
 y = (−λ K + C ) t2 + y (0)t
1 M m 0 2 2

165
166 ANNEXE C. CONVERGENCE DU L’ALGORITHME DU TWISTING

Fig. C-1: Trajectoires limites (en trait plein)

C0
Puisque, par hypothèse, λM > Km
, y2 décroît et s’annulle pour

y2 (0)
t1 = ,
λM Km − C0

où
y22 (0)
y1 (t1 ) = .
2(λM Km − C0 )
La commande commute alors étant donné que y1 y2 change de signe. On a maintenant
y1 (0) > 0, y2 (0) = 0− et le comportement du système est donné par les équations


 y = − (λ K + C ) t
2 m M 0
.
 y = − (λ K + C ) t2 + y2 (0)
1 m M 0 2 2(λM Km −C0 )
ANNEXE C. CONVERGENCE DE L’ALGORITHME DU TWISTING 167

y1 et y2 décroissent et la surface y1 = 0 est atteinte pour le temps

s
1
t2 = y2 (0),
(λM Km − C0 )(λm KM + C0 )

où l’on a s
(λm KM + C0 )
y2 (t1 + t2 ) = − y2 (0).
(λM Km − C0 )

u commute alors une nouvelle fois et le système évolue dans la partie du plan y1 (0) <
0, y2 (0) < 0 jusqu’au nouvel instant de commutation donné par
s
1 (λm KM + C0 )
t3 = y2 (0),
λM Km − C0 (λM Km − C0 )

et
y2 (t1 + t2 + t3 ) = 0
1 (λm KM + C0 ) 2
y1 (t1 + t2 + t3 ) = − y (0).
2 (λM Km − C0 )2 2

Le dernier quadrant du plan de phase est alors parcouru et, en procédant comme
précédemment, on obtient que la loi de commande commute après un temps

ω 1 (0)
t4 = ,
(λM − Π)

où l’état a pour valeur

y1 (t1 + t2 + t3 + t4 ) = 0
(λm KM + C0 )
y2 (t1 + t2 + t3 + t4 ) = y2 (0).
(λM Km − C0 )

A ce stade, on peut remarquer qu’on est revenu au même point dans le plan de phase
qu’au début de l’algorithme, si ce n’est que la condition initiale sur y2 est maintenant
donnée par
y2 (t1 + t2 + t3 + t4 ) = ry2 (0)

avec
(λm KM + C0 )
r= ,
(λM Km − C0 )
168 ANNEXE C. CONVERGENCE DU L’ALGORITHME DU TWISTING

qui est inférieur à un puisque par hypothèse, Km λM − C0 > KM λm + C0 . Le temps total

mis pour effectuer cette rotation est de
µ ¶
1 ¡ √ ¢ 1
T = t1 + t2 + t3 + t4 = 1 + r 1 + √ ω 1 (0),
λM − Π r

soit µ ¶
1 ¡ √ ¢ 1
T = 1 + r 1 + √ y2 (0).
λM Km − C0 r
Il apparaît donc que, dans le plan de phase (y1 , y2 ), les trajectoires décrivent un
nombre infini de spirales tout en convergeant en temps fini vers l’origine. En effet, la
surface de Poincaré {y1 = 0, y2 > 0} est traversée à chaque k iéme rotation à l’instant
P
k−1
e
tk = Ti où Ti = ri T, et on peut montrer facilement que y2 (e
tk ) = rk y2 (0) et y1 (e
tk +
i=0
rk t1 ) = r2k y1 (t1 ). Donc, les fonctions y1 et y2 décroissent avec une progression géométrique
et atteignent la surface de glissement y1 = y2 = 0 dans un temps fini égal à

X∞
e 1
t∞ = Ti = T ( ).
0
1 − r

Remarque 59 L’hypothèse de considérer des conditions initiales appartenant à la sur-

face {y1 = 0, y2 > 0} apparaît justifiée car il a été montré que celle-ci était traversée
périodiquement.
169
170
Bibliographie

[1] D.V. Anosov, “On stability of equilibrium points of relay systems”, Automation
and remote control, Vol. 2, pp. 135-149, 1959.

[2] A. Astolfi et A. Rapaport, “Robust stabilization of the angular velocity of a rigid

body”, Systems & Control Letters, Vol. 34, pp. 257-267, 1998.

[3] D. Aeyels, “Stabilization by smooth feedback of the angular velocity of a rigid

body”, Systems & Control Letters, Vol. 5, pp. 59-63, 1985.

[4] D. Aeyels et M. Szafranski, “Comments on the stability of the angular velocity of

a rigid body”, Systems & Control Letters, Vol. 10, pp. 35-39, 1988.

[5] J-P. Aubin et A. Cellina, “Differential Inclusions”, dans la collection Grundlehren

der math. Wiisenschaften 264, Editeur Springer-Verlag, 1984.

[6] J-P. Aubin et H. Frankowska, “Set-Valued Analysis”, dans la collection System &
Control : Foundations & Applications, Editeur Birkhauser, 1990.

[7] S. K. Bag, S. K. Spurgeon et C. Edwards, “Dynamic Output Feedback Sliding

Mode Design for Linear Uncertain Systems”, Proceedings of the 35 th Conference
on Decision and Control, Kobe, Japan, December 1996.

[8] J.P. Barbot, T. Boukhobza et M. Djemaï, “Sliding mode observer for triangular
input form”, Proceedings of the 35 th Conference on Decision and Control, Kobe,
Japan, December 1996.

[9] J.-P. Barbot, “Discretization issues”, Sliding mode in Automatic Control, Interna-
tional School in Automatic Control of Lille, Lille, 1999.

[10] G. Bartolini et T. Zolezzi, “Control of nonlinear variable structure systems”, Jour-

nal of Mathematical Analysis and Applications, Vol. 118, pp. 42-62, 1986.

171
172 BIBLIOGRAPHIE

[11] G. Bartolini et T. Zolezzi, “Dynamic output feedback for observed variable-

structure control systems”, Systems & Control Letters, Vol. 7, pp. 189—193, 1986.

[12] G. Bartolini et P. Pydynowski, “An improved, chattering free, V.S.C. scheme for
uncertain dynamical systems”, IEEE Transactions on Automatic Control, Vol. 41,
pp. 1220-1226, 1996.

[13] G. Bartolini, A. Ferrara et E. Usai, “Applications of a sub-optimal discontinuous

control algorithm for uncertain second order systems”, International Journal of
Robust and Nonlinear Control, Vol. 7, No 4, pp. 299-310, 1997.

[14] G. Bartoloni and A. Ferrara, ”Real-time output derivatives estimation by means

of higher order sliding modes”, Tunisia, 1998.

[15] G. Bartolini, A. Ferrara et E. Usai, “Chattering Avoidance by Second-Order Sliding

Mode Control”, IEEE Transactions on Automatic Control, Vol. 43, No 2, pp. 241-
246, 1998.

[16] G. Bartolini, A. Pisano et E. Usai, “Digital second order sliding mode control
of SISO uncertain nonlinear systems”, Proceedings of the 1998 American Control
Conference ACC98, pp. 119-124, 1998.

[17] G. Bartolini, A. Ferrara, A. Levant et E. Usai, “On second order sliding mode
controllers”, Proceedings of the 5 th Int. Workshop on VSS, Longboat Key, Florida,
1998.

[18] G. Bartolini, A. Pisano et E. Usai, “A digital 2-sliding control algorithm for a class
of uncertain nonlinear plants”, Proceedings of the ECC, Karlshruhe, Germany, 1999.

[19] G. Bartolini, A. Levant, A. Pisano et E. Usai, “2-sliding mode with adaptation”,

Proceedings of the 7 th IEEE Mediterranean Conference on Control and systems,
Haifa, Israel, 1999.

[20] G. Bartolini, A. Ferrara et E. Usai, “On multi-input second order sliding mode
control of nonlinear systems with uncertainty”, Proceedings of the 38 th Conference
on Decision and Control, Phoenix, USA, December 1999.

[21] S. Behtash, “Robust output tracking for non-linear systems”, International Journal
of Control, Vol. 51, No.6, pp. 1381-1407, 1990.
BIBLIOGRAPHIE 173

[22] [Link], G. Figalli et [Link], “Analysis and design of microcomputer-based ob-

server for an induction motor”, Automatica, Vol. 24, No 4, pp. 549-555, 1988.

[23] M. Bennani et P. Rouchon, “Robust stabilization of flat and chained systems”,

Proceedings of the European Control Conference, Rome, Italy, 1995.

[24] F. Blashke, “The principle of field orientation as applied to the new transvector
closed-loop control system for rotated-field machines”, Siemens Review, 1972.

[25] A. Bloch et S. Drakunov, “Stabilization and tracking in the nonholonomic integra-

tor via sliding mode”, Systems and Control Letters, Vol. 29, pp. 91-99, 1996.

[26] T. Boukhobza, M. Djemai et J-P. Barbot, “Nonlinear sliding observer for systems in
output and output derivative injection form”, Proceedings of IFAC World Congress,
Vol. E, pp. 299-305, 1996

[27] T. Boukhobza, “Contribution aux formes d’observabilité pour les observateurs à

modes glissants et étude des commandes par ordres supérieurs”, Thèse de Doctorat,
Université de Paris Sud, Orsay, 1997.

[28] T. Boukhobza et J-P. Barbot, “High order sliding mode observer”, Proceedings of
the 37 th Conference on Decision and Control, Tampa, USA, 1998.

[29] D. Boutat et J.-P. Barbot, “Characteristic numbers and normal form for a class of
driftless systems in a one-dimension submanifold neighbourhood”, Proceedings of
the 38 th Conference on Decision and Control, Phoenix, USA, December 1999.

[30] R.W. Brockett, “Asymptotic stability and feedback stabilization”, Differential Geo-
metric Control Theory, R.W. Brockett, R.S. Millman and H.J. Sussmann, Eds.,
Birkhauser, 1983.

[31] K. Busawon H. Hammouri, A. Yahoui et G. Grellet, “A nonlinear observer for

induction motors”, Electric Machines and Power Systems, 1999.

[32] L. Bushnell, D. Tilbury et S.S. Sastry, “Steering three-input chained form non-
holonomic systems using sinusoids : The fire truck example”, Proceedings of the
European Control Conference, 1993.

[33] Byrnes, C.I. et Isidori, A., “On the stabilization of rigid spacecraft”, Automatica,
Vol. 27, pp. 87-95, 1991.
174 BIBLIOGRAPHIE

[34] C. Byrnes, A. Isidori et J.C. Willems, “Passivity, feedback equivalence and the
global stabilization of minimum phase nonlinear systems”, IEEE Transactions on
Automatic Control, Vol. 36, pp. 1228-1240, 1991.

[35] C. Canudas de Wit et J.J.E. Slotine, “Sliding observers in robot manipulators”,

Automatica, Vol. 27, No 5, pp. 859-864, 1991.

[36] C. Canudas de Wit, N. Fixot et K.J. Astrom, “Trajectory tracking in robot mani-
pulators via nonlinear estimated state feedback”, IEEE Transactions on Robotics
and Automation, Vol. 8, No 1, pp. 138-144, 1992.

[37] C. Canudas de Wit et H. Khenouf, “Quasi continuous stabilizing controllers for

nonholonomic systems : design and robustness considerations”, Proceedings of the
European Control Conference, Rome, Italy, 1995.

[38] C. Canudas de Wit, R. Ortega et I. Mareels, “Indirect Field-oriented Control of

Induction Motors is Robustly Globally Stable”, Automatica, Vol. 32, No 10,pp.
1393-1402, 1996.

[39] C. Canudas de Wit, “Commande des machines asynchrones”, Vol. II, Optimisation,
Discrétisation, et Observateurs, Ed. Hermès, 2000

[40] J.-P. Caron et J.-P. Hautier, “Modélisation et commande de la machine asynchro-

ne”, Editions Technip, 1995.

[41] Y. Chapuis, D. Roye et S. Courtine, “Commande directe du couple d’une machine

asynchrone par le contrôle direct de son flux statorique”, Journal de Physique III,
pp. 863-880, 1995.

[42] F.H. Clarke, “Optimization and Nonsmooth Analysis”, Canadian Mathematical

Society Series of Monographs and Advanced Texts, Editeur Wiley-Interscince, 1983.

[43] F.H. Clarke, Y.S. Ledyaev, R.J. Stern et P.R. Wolenski, “Nonsmooth analysis and
control theory”, Graduate Texts in Mathematics 178, Springer Verlag, New-York,
1988.

[44] E. Cheres, S. Gutman et Z.J. Palmor, “Stabilization of uncertain dynamic systems

including state delay”, IEEE Transactions on Automatic Control, Vol. 34, No. 11,
p. 1199-1203, 1989.
BIBLIOGRAPHIE 175

[45] J.M. Coron et E. Kerai, “Explicit feedbacks stabilizing the attitude of a rigid spa-
cecraft with two control torques”, Automatica, Vol. 32, pp. 669-677, 1996.

[46] A. Damiano, G. Gatto, I. Marongiu, A. Pisano et E. Usai, “Rotor speed estimation

in electrical drives via digital second order sliding differentiator”, Proceedings of
the European Control Conference, Karlshruhe, Germany, 1999.

[47] D. M. Dawson, J. Hu et T.C. Burg, “Nonlinear control of electric machinery”,

Marcel Dekker, Inc 1998.

[48] R.A. De Carlo, S.H. Żak et G.P. Matthews, “Variable structure control of nonlinear
variable systems : a tutorial”, Proceedings of IEEE, Vol. 76, pp. 212-232, 1988.

[49] I. El Hassan, X. Roboam, B. Defornel et E.V. Westerholt, “Torque dynamic be-

haviour of the induction motor. DTC in four quadrants operation”, IEEE ISIE 97
Conf., Guimaraes, July 1997.

[50] A. De Luca et G. Ulivi, “Design of exact nonlinear controllers for induction motors”,
IEEE Transactions on Automatic Control, Vol. 34, No 12, pp. 1304-1307, 1989.

[51] M. Depenbrock, “Direct self-control (dsc) of inverted-field induction machine”,

IEEE Transactions on Power Electronics, Vol. 3, No 4, 1988.

[52] M. Djemaï, J. Hernandez et J-P. Barbot, “Nonlinear control with flux observer for
a singularly perturbed induction motor”, Proceedings of the 32 th IEEE Conference
on Decision and Control, San Antonio, USA, pp. 3391-3396, 1993.

[53] M. Djemaï, T. Boukhobza, J-P. Barbot, J-L. Thomas et S. Poullain, “Rotor speed
and flux nonlinear observer for speed sensorless induction motor”, Proceedings of
the 37th Conference on Decision and Control, Tampa, USA, 1998.

[54] M. Djemaï, J.P. Barbot et T. Boukhobza, “Some comments on higher order sliding
modes”, Proceedings of the European Control Conference, Karlshruhe, Germany,
1999.

[55] M. Djemaï, J.P. Barbot, A. Glumineau et R. Boisliveau, “Nonlinear flux sliding

mode observer”, Proceedings of the IEEE CSCC99, IMACS, Athens, Greece, 1999.

[56] C.M. Dorling et A.S.I. Zinober, “Robust hyperplane design in multivariable struc-
ture control systems”, International Journal of Control, Vol. 43, No 5, pp. 2043-
2054, 1988.
176 BIBLIOGRAPHIE

[57] S. Drakunov, D. Izosimov, A. Luk’yanov, V. Utkin et [Link], “Block control

principle I&II”, Avtomatika i Telemekhanica, No 5, pp. 38-47, 1990, No 6, pp.
20-31, 1990.

[58] S. Drakunov, ”Sliding mode observer based on equivalent control method”, Pro-
ceedings of the 31 th IEEE Conference on Decision and Control, pp. 2368-2369,
1992.

[59] S.V. Drakunov, V.I. Utkin, “Sliding mode control in dynamic systems”, Interna-
tional Journal of Control, Vol. 55, No 4, pp. 1029-1037, 1992.

[60] [Link] et [Link], “Sliding mode observers. Tutorial”, Proceedings of the 34 th

Conference on Decision and Control, New-Orleans, USA, 1995.

[61] B. Drazenovic, “The Invariance Conditions in Variable Structure Systems”, Auto-

matica, Vol. 5, No 3, pp. 287—295, 1969.

[62] C. Edwards et S. Spurgeon, “Robust output tracking using a sliding mode control-
ler/observer scheme”, International Journal of Control, Vol. 64, No 5, pp. 967-983,
1996.

[63] C. Edwards et S. Spurgeon, “Sliding mode control : theory and applications”, Taylor
and Francis Eds, 1998.

[64] O.M.E. El-Ghezawi, A.S.I. Zinober et S.A. Billings, “Analysis and Design of Va-
riable Structure Systems using a Geometric Approach”, International Journal of
Control, Vol. 38, No 3, pp. 657—671, 1983.

[65] H. Elmali et N. Olgac, “Robust output tracking control of nonlinear MIMO systems
via sliding mode technique”, Automatica, Vol. 28, No 1, pp 145-151, 1992.

[66] C. El Moucary, “Contribution à l’étude de commandes directes du couple et du flux

de la machine à induction”, Thèse de doctorat de l’Université Paris XI, Spécialité
Génie Electrique, 27 Septembre 2000.

[67] S.V. Emel’yanov, “On pecularities of variable structure control systems with dis-
continuous switching functions”, Doklady ANSSR, Vol. 153, pp. 776-778, 1963.

[68] S.V. Emel’yanov, “Variable structure control systems”, Nauka, 1967.

BIBLIOGRAPHIE 177

[69] S.V. Emel’yanov, S.V. Korovin et L.V. Levantovsky, “Drift algorithm in control of
uncertain processes”, Problems of Control and Information Theory, Vol 15, No 6,
pp.425-438, 1986.

[70] S.V. Emel’yanov, S.V. Korovin et L.V. Levantovsky, “Higher Order Sliding Modes
in the Binary Control System”, Soviet Physics, Vol. 31, No 4, pp. 291-293, 1986.

[71] S.V. Emel’yanov, S.V. Korovin et L.V. Levantovsky, “Higher Order Sliding Modes
in Control Systems”, Differential Equations, Vol. 29, No 11, pp. 1627-1647, 1993.

[72] G. Escobar, “On nonlinear control of switching power electronics systems”, PH. D
Thesis, Université de Paris-Sud, Orsay, Mai 1999.

[73] F. Esfandiari et H.K. Khalil, “Stability Analysis of a Continuous Implementation

of Variable Structure Control”, IEEE Transactions on Automatic Control, Vol. 36,
No 5, pp. 616—620, 1991.

[74] C.M. Falkner et B. Heck, “Variable structure control with output feedback for
nonlinear systems”, Proceedings of the 35 th Conference on Decision and Control,
Kobe, Japan, 1996.

[75] A.G. Filippov, “Differential equations with discontinuous right hand-sides. Mathe-
matics and its applications”, Kluwer Ac. Pub, 1983.

[76] M. Fliess, “Generalized Controller Canonical Forms for Linear and Nonlinear Dy-
namics”, IEEE Transactions on Automatic Control, Vol. 35, No 9, pp. 994—1000,
1990.

[77] M. Fliess et [Link], “Sur la Commande en Régime Glissant”, Compte Rendu

Académie des Sciences de Paris, t.313, Série I, pp. 951—956, 1992.

[78] M. Fliess et H. Sira-Ramirez, “Régime glissants, structures variables linéaires et

modules”, Compte Rendu Académie des Sciences de Paris, t.317, Série I, pp. 703—
706, 1993.

[79] M. Fliess, J. Levine, P. Martin et P. Rouchon, “Flatness and defect of non-linear

systems : Introductory theory and examples”, International Journal on Control,
Vol. 61, No 6, pp. 1327-1361, 1995.
178 BIBLIOGRAPHIE

[80] T. Floquet, J.P. Barbot, W. Perruquetti et J.P. Richard, “First and second order
sliding mode stabilizing controller for a perturbed regular form”, Proceedings of the
38 th Conference on Decision and Control, Phoenix, USA, 1999.

[81] T. Floquet, J.P. Barbot et W. Perruquetti, “One-chained form and sliding mode
stabiliziation for a nonholonomic perturbed system”, Proceedings of the American
Control Conference, Chicago, USA, 2000.

[82] T. Floquet, W. Perruquetti et J.P. Barbot, “Sliding mode stabilization of the an-
gular velocity of a rigid body”, Proceedings of the MTNS, Perpignan, France, 2000.

[83] T. Floquet et W. Perruquetti, “Commande par mode glissant d’ordre deux pour la
machine asynchrone”, Proceedings of the Conférence Internationale F en Automa-
tique, Lille, France, 2000.

[84] T. Floquet, J.P. Barbot et W. Perruquetti, “Second order sliding mode control for
induction motor”, Proceedings of the 39 th Conference on Decision and Control,
Sydney, Australia, 2000.

[85] T. Floquet, W. Perruquetti et J.P. Barbot, “Angular velocity stabilization of a rigid

body via VSS control”, Journal of Dynamic Systems, Measurement and Control,
Vol. 122, December 2000.

[86] T. Floquet, J.P. Barbot et W. Perruquetti, “Higher order sliding mode stabilization
for a class of nonholonomic perturbed system”, soumis à Automatica.

[87] A.J. Fossard, “Commande à structure variable : poursuite approchée du modèle.

Application à l’hélicoptère”, Rapport Technique DERA 167/91, Décembre 1991.

[88] A. J. Fossard et T. Floquet, “An Introduction to sliding mode control”, in Sliding

Mode Control in Engineering, Editeurs : W. Perruquetti et J.P. Barbot , Marcel
Dekker (à paraître).

[89] L.M. Fridman, E. Fridman et E.I. Shustin, “Steady modes in an autonomous system
with break and delay”, Journal of Differential Equations, Vol. 29, No 8, 1993.

[90] L. Fridman et A. Levant, “Sliding modes of higher order as a natural phenomenon

in control theory”, F. Garofalo, L. Glielmo (Eds), Robust Control via Variable
Structure and Lyapunov Techniques, Lecture Notes in Control and Information
Sciences 217, Springer Verlag, pp. 107-133, 1996.
BIBLIOGRAPHIE 179

[91] K. Furuta, “Sliding mode control of a discrete system”, Systems and Control Let-
ters, Vol. 14, pp.145-152, 1990.

[92] A. Glumineau, M. Hamy, C. Lanier et C. H. Moog, “Robust Control of a Brushless

Servo Motor via Sliding Modes Techniques”, International Journal of Control, Vol.
58, No 5, pp. 979-990, 1993.

[93] A. Glumineau, L. C. De Souza Marques et R. Boisliveau, “Sliding modes control of

the induction motor : a benchmark experimental test”, Sliding mode in Automatic
Control, International School in Automatic Control of Lille, Lille, 1999.

[94] J. Guldner et V.I. Utkin, “Tracking the gradient of artificial potential fields : sliding
mode control for mobile robots”, International Journal of Control, Vol. 63, No 3,
pp. 417-432, 1996.

[95] W. Hahn, “Theory and Application of Liapunovs direct Method”, Prentice-Hall

inc., Englewood Cliffs, N.Y 1963.

[96] B. Hamel, “Contribution à l’étude mathématique des systèmes de réglage par tout
ou rien”, 1949.

[97] B. Heck, “Sliding mode control for singularly perturbed systems”, International
Journal of Control, Vol. 53, pp. 985-1001, 1991.

[98] R. Hermann et [Link], “Nonlinear controllability and observability”, IEEE

Transactions on Automatic Control, Vol. 22, pp. 728-740, 1977.

[99] J. Hernandez et J-P. Barbot, ”Sliding observer-based feedback control for flexible
joints manipulator”, Automatica, Vol. 32, No 9, pp. 1243-1254, 1996.

[100] J. P. Hespanha, S. Liberzon et A. S. Morse, “Towards the supervisory control of

uncertain nonholonomic system”, Preprint, 1998.

[101] J. P. Hespanha et A. S. Morse, “Stabilization of nonholonomic integrators via logic-

based switching”, Automatica, Vol. 35, pp. 385-393, 1999.

[102] A. Isidori, “Nonlinear Control Systems”, Communication and Control Engineering

Series, Third edition. Springer-Verlag, 1995.

[103] U. Itkis, “Control systems of variable structure”, Wiley, New-York, 1976.

[104] Z.P. Jiang, “Robust exponential regulation of nonholonomic systems with uncer-
tainties”, Automatica, Vol. 36, pp. 189-209, 2000.
180 BIBLIOGRAPHIE

[105] Z.P. Jiang et H. Nijmeijer, “A recursive technique for tracking control of nonho-
lonomic systems in chained form”, IEEE Transactions on Automatic Control, Vol.
44, No 2, pp. 265-279, 1999.

[106] Z.P. Jiang et J.B. Pomet, “Backstepping-based adaptative controllers for uncer-
tain nonholonomic systems”, Proceedings of the 34 th Conference on Decision and
Control, New-Orleans, USA, 1995.

[107] H.K. Khalil, “Nonlinear systems”, MacMillan Publishing Company, 1992.

[108] P.V. Kokotovic, H.K. Khalil et J. O’Reilly, “Singular perturbation methods in

control : analysis and design”, Academic Press, London, 1986.

[109] I. Kolmanovsky et N.H. McClamroch, “Developments in nonholonomic control pro-

blems”, IEEE Control Systems Magazine, Vol. 15, No 6, pp. 20-36, 1995.

[110] A. J. Koshkouei et A. S. I. Zinober, “Sliding Mode State Observers for Linear Mul-
tivariable Systems”, Proceedings of the 34 th Conference on Decision and Control,
New-Orleans, LA , December 1995.

[111] W. Leonhard, “Control of electrical drives”, Springer-Verlag, Berlin, 1985.

[112] A. Levant, “Sliding order and sliding accuracy in sliding mode control”, Interna-
tional Journal of Control, Vol. 58, No. 6, pp. 1247—1263, 1993.

[113] A. Levant, “Higher order sliding : collection of design tools”, Proceedings of the 4 th
European Control Conference, Bruxelles, Belgique, 1997.

[114] A. Levant, “Robust exact differentiation via sliding mode technique”, Automatica,
Vol. 34, No 3, pp. 379-384, 1998.

[115] A. Levant, “Arbitrary-order sliding modes with finite time convergence”, Procee-
dings of the 6th IEEE Mediterranean Conference on Control and Systems, Alghero,
Italy, 1998.

[116] A. Levant, “Controlling output variable via higher order sliding modes”, Procee-
dings of the European Control Conference, Karlshruhe, Germany, 1999.

[117] A.G. Luk’yanov et V.I. Utkin, “Methods of Reducing Equations for Dynamic Sys-
tems to a Regular Form”, Automation and Remote Control, Vol. 42, No 4, pp.
413—420, 1980.
BIBLIOGRAPHIE 181

[118] H. Ludvigsen, R. Ortega, P. Albertos et O. Egeland, “On hybrid control of nonlinear

systems under slow sampling : application to induction machines”, Proceedings of
the 4 th IFAC NOLCOS, Twente, The Netherlands, 1998.

[119] R. Marino, ”High-gain feedback in non-linear control systems”, International Jour-

nal of Control, Vol. 42, No 6, pp. 1369-1385, 1985.

[120] R. Marino, S. Persada et P. Valigi, “Adaptative Input-Output Linearizing Control

of Induction Motors”, IEEE Transactions on Automatic Control, Vol. 38, No 2, pp.
208-221, 1993.

[121] R. Mahony, “Non-smooth time-varying control for Lyapunov stabilization of the

posture of the unicycle mobile robots”, Proceedings of European Control Confe-
rence, Karlsruhe, Germany, 1999.

[122] R. M’Closkey et R. Murray, “Exponential stabilization of driftless nonlinear control

systems using homogeneous feedback”, IEEE Transactions on Automatic Control,
Vol. 42, pp. 614-628, 1997.

[123] S. Monaco et D. Normand-Cyrot, “An introduction to motion planning under multi-

rate digital control”, Proceedings of the IEEE Conference on Decision and Control,
Tucson, USA, pp. 1780-1785, 1992.

[124] P. Morin et C. Samson, “Time-varying exponential stabilization of the attitude of

a rigid spacecraft with two controls”, IEEE Transactions on Automatic Control,
Vol. 42, pp. 528-534, 1997.

[125] R. Murray, Z. Li, et S. Sastry, “A Mathematical Introduction to Robotic Manipu-

lation”, CRC Press, Inc., Florida, USA, 1994.

[126] R. Murray et S. Sastry, “Grasping and manipulation using multifingered robot

hands”, Robotics : Proceedings of Symposia in Applied Mathematics, Ed. R.W.
Brockett. American Mathematical Society, 41, pp. 91-128, 1990.

[127] R. Murray et S. Sastry, “Nonholonomic motion planning : steering using sinusoids”,

IEEE Transactions on Automatic Control, Vol. 38, pp. 700-716, 1993.

[128] H. Nijmeijer et A. Van Der Schaft, “Nonlinear dynamical control systems”,

Springer-Verlag, New-York, 1990.
182 BIBLIOGRAPHIE

[129] R. Outbib et G. Sallet, “Stabilization of the angular velocity of a rigid body revi-
sited”, Systems & Control Letters, Vol. 18, pp. 93—98, 1992.

[130] W. Perruquetti, J.P. Richard et P. Borne, “A Generalized Regular Form for Sliding
Mode Stabilization of MIMO Systems”, Proceedings of the 36 th Conference on
Decision and Control, 1997.

[131] W. Perruquetti, T. Floquet et P. Borne, “A note on sliding observer and controller

for generalized canonical forms”, Proceedings of the 37 th Conference on Decision
and Control, Tampa, USA, 1998.

[132] W. Perruquetti et S. Drakunov, “Finite time stability and stabilization”, Procee-

dings of the 39 th Conference on Decision and Control, Sydney, Australia, 2000.

[133] J. Pomet, “Explicit design of time-varying stabilizing control laws for a class of
controllable systems without drift”, Systems and Control Letters, Vol. 18, pp. 147-
158, 1992.

[134] J.-P. Richard, M. Dambrine, F. Gouaisbaut, W. Perruquetti, “Sliding control for

delay systems : a survey”, numéro spécial Kybernetika : Advances in the analysis
and control of time-delay systems, Editeurs : J.-M. Dion, L. Dugard, S. I. Niculescu
(à paraître 2001).

[135] C. Samson, “Control of chained systems : Application to path following and time
varying point-stabilization of mobile robots”, IEEE Transactions on Automatic
Control, Vol. 40, No 1, pp. 64-77, 1995.

[136] R. Sanchis et H. Nijmeijer, “Sliding controller-sliding observer design for nonlinear

systems”, Workshop on Nonlinear and Adaptative Control, Grenoble, France, 1996.

[137] S. Sangwongwanich, T Yonemoto, T. Furuhashi et S. Okuma, “Design of sliding

observer for estimation of rotor flux induction motors”, Electrical Engineering in
Japan, Volume 110, No 6, pp. 279-288, 1988.

[138] B. Lemaire-Semail, F. Bouillault et A. Razek, “Modélisation et commande vecto-

rielle d’un moteur asynchrone saturé avec contrôle dynamique du flux” Journal de
Physique III, pp. 1509-1528, France, 1991.

[139] O. Seungrohk et H. Khalil, “Output feedback stabilization using variable structure

control”, International Journal of Control, Vol. 62, No 4, pp. 831-848, 1995.
BIBLIOGRAPHIE 183

[140] H. Sira-Ramirez, “Differential geometric methods in variable-structure control”,

International Journal of Control, Vol. 48, No 4, pp. 1359-1390, 1988.

[141] H. Sira-Ramirez, “Sliding regimes in general non-linear systems : a relative degree

approach”, International Journal of Control, Vol. 50, No 4, pp. 1487-1506, 1989.

[142] H. Sira-Ramirez, “Non-linear discrete variable structure systems in quasi sliding

mode”, International Journal of Control, Vol. 54, No 5, pp. 1171-1187, 1989.

[143] H. Sira-Ramirez, “On the sliding mode control of nonlinear systems”, Systems and
Control Letters, Vol.19, pp. 303-312, 1992.

[144] H. Sira Ramirez, ”On the dynamical sliding mode control of nonlinear systems”,
International Journal of Control, Vol. 57, No 5, pp. 1039-1061, 1993.

[145] H. Sira Ramirez et S.K. Spurgeon, ”On the robust design of sliding observers for
linear systems”, Systems and Control Letters, Vol. 23, pp. 9-14, 1994.

[146] H. Sira-Ramirez et S. K. Spurgeon, “Robust Sliding Mode Control Using Measured

Outputs”, Journal of Math. Systems, Estimation and Control, Vol. 6, No. 3, pp.
359—362, 1996.

[147] H. Sira-Ramirez, “A general canonical form for sliding mode control of nonlinear
systems”, Proceedings of the European Control Conference, Karlshruhe, Germany,
1999.

[148] J-J. Slotine et S.S. Sastry, “Traking control of nonlinear systems using sliding sur-
faces with application to robot manipulator”, International Journal of Control,
Vol. 38, No 2, 1983.

[149] J.J.E. Slotine, “Sliding controller design for non-linear systems”, International
Journal of Control, Vol. 40, No 2, pp. 421—434, 1984.

[150] J.J.E. Slotine, J.K. Hedrick et E.A. Misawa, “Nonlinear state estimation using
sliding observers”, Proceedings of the 25 th Conference on Decision and Control,
Athens, Greece, 1986.

[151] J.J.E. Slotine et W. Li, “Applied nonlinear control”, Prentice Hall, Englewood
Cliffs NJ, 1991.

[152] E.D. Sontag, et H.J. Sussmann, “Further comments on the stability of the angular
velocity of a rigid body”, Systems & Control Letters, Vol. 12, pp. 213-217, 1989.
184 BIBLIOGRAPHIE

[153] S. K. Spurgeon, “Choice of discontinuous control component for robust sliding mode
performance”, International Journal of Control, Vol. 53, No 1, pp. 163-179, 1991.

[154] W.-C. Su, S. Drakunov et U. Ozguner, “Implementation of variable structure

control for sampled data systems”, Proceedings of the IEEE Workshop on Ro-
bust Control via Variable Structure and Lyapunov Techniques, Benevento, Italy,
pp. 166-173, 1994.

[155] H.J. Sussman et P.V. Kokotovic, “The peaking phenomenon and the global stabi-
lization of nonlinear systems”, IEEE Transactions on Automatic Control, Vol. 36,
No 4, pp. 424-440, 1991.

[156] D. Tilbury, R. Murray et S. Sastry, “Trajectory generation for the N-trailer problem
using Goursat normal form”, Proceedings of the IEEE Conference on Decision and
Control, San Antonio, Texas, pp. 971-977, 1993.

[157] Y. Z. Tzypkin, “Theory of control relay systems”, Moscow : Gostekhizdat, 1955

(en Russe).

[158] V.I. Utkin, “Variable structure systems with sliding modes”, IEEE Transactions
on Automatic Control, Vol. 22, No 2, pp 212—222,1977.

[159] V.I. Utkin, “Sliding Modes in Control Optimization”, Communication and Control
Engineering Series, Springer-Verlag, 1992.

[160] P. Vas, “Electrical machines and drives : a space-vector theory approach”, Oxford
Science Publication, Clarendon Press, 1992.

[161] G.C. Verghese et S. Sanders, “Observers for Flux Estimation in Induction Machi-
nes”, IEEE Transactions on Industrial Electronics, Vol. 35, No 1, pp. 85-94, 1988.

[162] G. Walsh et L. Bushnell, “Stabilization of multiple input chained form control

systems”, Systems & Control Letters, Vol. 25, pp. 139-145, 1995.

[163] E. Yaz et A. Azemi, ”Variable structure with a boundary-layer for correlated

noise/disturbance models and disturbance minimisation”, International Journal
of Control, Vol 57, No 5, 1993.

[164] K.K.D. Young, “Asymptotic stability of model reference systems with variable
structure control”, IEEE Transactions on Automatic Control, Vol. 22, pp. 279-281,
1977.
BIBLIOGRAPHIE 185

[165] K.D. Young, U. Ozguner et J-X. Xu, ”Variable structure control of flexible manipu-
lators”, Variable Structure Control for Robotics and Aerospace Applications, K.D.
Young Editor, New York, Elseiver, pp. 247-277, 1993.

[166] K.D. Young, V.I. Utkin et U. Ozguner, “A control Engineer’s guide to sliding mode
control”, IEEE Transactions on Control Systems Technology, Vol. 7, No 3, pp. 328-
342, 1999.

[167] M. Zak, “Terminal attractors for addressable memory in neural network”, Physics
Letters A, Vol. 133, pp. 18-22, 1988.

[168] M. Zhihong et X. H. Yu, “Terminal sliding mode control of MIMO linear systems”,
Proceedings of the 35 th Conference on Decision and Control, Kobe, Japan, Decem-
ber 1996.

[169] A.S.I. Zinober, O.M.E. El-Ghezawi et S.A. Billings, “Multivariable-structure adap-

tative model-following control systems”, Proceedings of IEE, Vol. 129, pp. 6-12,
1982.

[170] A.S.I. Zinober, “Variable Structure and Lyapunov Control”, London, UK, Springer-
Verlag, 1993.