REPUBLIQUE DU BENIN
*******
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA
RECHERCHE SCIENTIFIQUE
*****
UNIVERSITE D’ABOMEY-CALAVI
*****
ECOLE POLYTECHNIQUE D’ABOMEY-CALAVI
*****
DEPARTEMENT DE GENIE ELECTRIQUE
5eme ANNEE DU CYCLE INGENIEUR
SYSTEME NON LINEAIRE
THEME
LYAPUNOV
MEMBRES DU GROUPE : CHARGE DU COURS :
1- TOPANOU Hergie Mr. AGBOKPANZON Richard
2- TOSSOU Jean-Aurel
ANNEE ACADEMIQUE : 2023-2024
TABLE DES MATIERES
INTRODUCTION ................................................................................................. 2
II. FONDEMENTS DE LA THEORIE DE LYAPUNOV .................................... 3
2.1. SYSTEME DYNAMIQUE ........................................................................ 3
2.2. STABILITE DES SYSTEMES .................................................................. 4
2.2.1. DEFINITION DE LA STABILITE ..................................................... 4
III. FONCTION DE LYAPUNOV ........................................................................ 5
3.1. ROLE DE LA FONCTION DE LYAPUNOV ........................................... 5
3.2. CONDITIONS GENERALES POUR UNE FONCTION DE LYAPUNOV
........................................................................................................................... 6
3.3. TYPES DE FONCTION DE LYAPUNOV ............................................... 7
III. CRITERE DE LYAPUNOV ............................................................................ 8
3.1. POINT D’EQUILIBRE .............................................................................. 8
3.2. PREMIERE METHODE DE LYAPUNOV ............................................... 9
3.3. DEUXIEME METHODE DE LYAPUNOV ............................................ 10
V. APPLICATIONS PRATIQUES ...................................................................... 11
4.1 LE BACKSTEPPING ............................................................................... 11
4.2 THEORIE DE LYAPUNOV ..................................................................... 11
4.3. STABILITE DE LYAPUNOV ................................................................. 12
4.4. ETUDE DE LA CONVERGENCE (LASALLE-YOSHIZAWA) ........... 13
VI. EXEMPLES CONCRETS D'APPLICATIONS ........................................... 14
5.1. ETAPES DE CONCEPTION DU CONTROLEUR BACKSTEPPING . 14
CONCLUSION ................................................................................................... 17
BIBLIOGRAPHIE .............................................................................................. 18
INTRODUCTION
Aujourd'hui, nous allons plonger dans le fascinant domaine de la théorie du
contrôle et de l'analyse de la stabilité des systèmes dynamiques en explorant un
outil mathématique puissant et élégant : la fonction de Lyapunov. Du nom du
mathématicien russe Aleksandr Lyapunov, cette fonction joue un rôle essentiel
dans la compréhension de la stabilité des systèmes dynamiques, qu'ils soient
mécaniques, biologiques, ou économiques.
Imaginez que vous vouliez concevoir un système, qu'il s'agisse d'un robot, d'une
population biologique, ou d'une économie, et que vous vouliez garantir sa stabilité
face à des perturbations. Comment pouvez-vous prédire si votre système
reviendra à un état d'équilibre après avoir été perturbé ? C'est là que la fonction
de Lyapunov entre en jeu.
Au cours de cette présentation, nous explorerons ce qu'est une fonction de
Lyapunov, comment elle est utilisée pour étudier la stabilité asymptotique des
systèmes dynamiques, et pourquoi elle est un outil essentiel dans le domaine du
contrôle automatique. Préparez-vous à plonger dans le monde complexe et
passionnant de la stabilité des systèmes dynamiques à travers les lentilles
analytiques de la fonction de Lyapunov.
II. FONDEMENTS DE LA THEORIE DE LYAPUNOV
2.1. SYSTEME DYNAMIQUE
Dans l'analyse d'un système dynamique, l'exposant de Lyapunov permet de
quantifier la stabilité ou l'instabilité de ses mouvements1. Un exposant de
Lyapunov peut être soit un nombre réel fini, soit +∞ ou –∞. Un mouvement
instable a un exposant de Lyapunov positif, un mouvement stable correspond à un
exposant de Lyapunov négatif. Les mouvements bornés d'un système linéaire ont
un exposant de Lyapunov négatif ou nul. L'exposant de Lyapunov peut servir à
étudier la stabilité (ou l'instabilité) des points d'équilibre des systèmes non
linéaires.
Lorsqu'on linéarise un tel système au voisinage d'un point d'équilibre2, si le
système non linéaire est non autonome, le système linéaire obtenu est à
coefficients variables ; chacun de ses mouvements a son propre exposant de
Lyapunov.
Si chacun d'eux est négatif et si le système linéaire est « régulier » (notion que
nous détaillerons plus loin), alors le point d'équilibre est (localement)
asymptotiquement stable pour le système non linéaire.
Si l'un de ces exposants de Lyapunov est positif et si le système linéaire est
régulier, alors le point d'équilibre est instable pour le système non linéaire. Dans
ce cas, le comportement du système est extrêmement « sensible aux conditions
initiales », dans le sens où une incertitude sur celles-ci entraîne une incertitude sur
le mouvement qui grandit de manière exponentielle au cours du temps. Ce
phénomène est parfois assimilé, à tort (du moins en général), à un comportement
chaotique ; il en est néanmoins une condition nécessaire.
L'inverse du plus grand exposant de Lyapunov est un temps caractéristique du
système, appelé parfois horizon de Lyapunov. Le caractère prédictible de
l'évolution du système ne subsiste que pour les durées très inférieures à cet
horizon, pendant lesquelles l'erreur sur le point courant de la trajectoire garde une
taille comparable à l'erreur sur les conditions initiales. En revanche, pour les
temps supérieurs, toute prédiction devient pratiquement impossible, même si le
théorème de Cauchy-Lipschitz, qui suppose la connaissance parfaite des
conditions initiales, reste valide.
2.2. STABILITE DES SYSTEMES
La stabilité des systèmes dynamiques constitue un aspect central de la théorie de
Lyapunov, déterminant la manière dont un système réagit aux perturbations et
évolue au fil du temps. Comprendre la stabilité est fondamental pour prédire le
comportement asymptotique des solutions.
2.2.1. DEFINITION DE LA STABILITE
La stabilité d'un système dynamique est une mesure de sa capacité à maintenir
son état d'équilibre face à des perturbations. Plus précisément, elle évalue la
réponse du système à des variations initiales ou à des forces extérieures, en
déterminant si ces perturbations seront amplifiées, atténuées ou resteront
inchangées au fil du temps.
La stabilité d'un système dynamique est une mesure de sa capacité à maintenir son
état d'équilibre face à des perturbations. Plus précisément, elle évalue la réponse
du système à des variations initiales ou à des forces extérieures, en déterminant si
ces perturbations seront amplifiées, atténuées ou resteront inchangées au fil du
temps.
Stabilité Asymptotique : Un système est considéré asymptotiquement
stable s'il revient spontanément à son état d'équilibre après avoir été
perturbé. Autrement dit, au fil du temps, les trajectoires du système
convergent vers l'état d'équilibre.
Stabilité Marginale : Un système est marginalement stable lorsque les
perturbations ne croissent ni ne décroissent au fil du temps, mais restent
constantes. Ceci est souvent associé à une neutralité dans la réponse du
système.
Instabilité : À l'inverse, un système est instable s'il réagit aux perturbations
en amplifiant ces dernières au fil du temps, éloignant ainsi le système de
son état d'équilibre initial.
III. FONCTION DE LYAPUNOV
Soit une fonction 𝑉 (𝑥), définie positive et radialement non bornée, c’està-dire
qu’elle vérifie 𝑉 (𝑥, 𝑡) ⟶ ∞ lorsque |𝑥| ⟶ ∞ : Cette fonction est appelée fonction
de Lyapunov. Du point de vue pratique, l’étude des conditions de stabilité par la
méthode de Lyapunov vise à déterminer les propriétés de stabilité de 𝑥(𝑡; 𝑥0 , 𝑡0
) à partir de 𝑓(𝑥, 𝑡) et de leur relation avec la fonction 𝑉 (𝑥). L’une des propriétés
désirées est la propriété UAS (Uniformément, Asymptotiquement Stable). Selon
[19], cette propriété est désirée parce que les systèmes la possédant ont une
meilleure capacité d’absorption des perturbations. Principalement, ils atteignent
juste la propriété de stabilité uniforme en forçant l’erreur à converger vers 0.
Ainsi, il est important d’étudier la convergence.
3.1. ROLE DE LA FONCTION DE LYAPUNOV
La fonction de Lyapunov joue un rôle central dans l'analyse de la stabilité des
systèmes dynamiques. Son objectif principal est de fournir une mesure
quantitative de la stabilité, permettant de déterminer si les trajectoires d'un
système convergent, divergent ou restent constantes au fil du temps. Voici les
principaux aspects de son rôle :
Mesure de l'Énergie Potentielle : La fonction de Lyapunov agit comme une
sorte d'énergie potentielle pour le système. Elle attribue une valeur scalaire à
chaque état du système, reflétant ainsi le niveau d'énergie associé à cet état. Cette
"énergie potentielle" doit être choisie de manière à capturer les propriétés de
stabilité souhaitées.
Indication de la Stabilité : En évaluant la décroissance de la fonction de
Lyapunov le long des trajectoires du système, on peut déterminer la stabilité
asymptotique. Si la fonction de Lyapunov est décroissante et bornée dans une
région autour de l'état d'équilibre, le système est considéré comme
asymptotiquement stable.
Garantie de Stabilité : Si une fonction de Lyapunov satisfaisant certaines
propriétés peut être trouvée pour un système donné, elle garantit la stabilité du
système conformément au critère de Lyapunov. Cela fournit une méthode formelle
pour prouver la stabilité asymptotique du système
3.2. CONDITIONS GENERALES POUR UNE FONCTION DE LYAPUNOV
Positivité : La fonction de Lyapunov V(x) doit être positive définie dans
une région autour de l'état d'équilibre, à l'exception de V(x)=0 uniquement
à l'état d'équilibre lui-même. Formellement, V(x)>0 pour tous les x
différents de l'état d'équilibre, et V(x)=0 uniquement lorsque x est à l'état
d'équilibre.
Décroissance : La dérivée de la fonction de Lyapunov le long des
trajectoires du système doit être négative définie (ou nulle), indiquant une
décroissance de l'énergie potentielle le long des trajectoires du système.
Mathématiquement, cela s'exprime par dV(x)≤0 pour tous x dans la région
d'intérêt, avec égalité uniquement lorsque x est à l'état d'équilibre.
Continuité : La fonction de Lyapunov et ses dérivées jusqu'à un certain
ordre doivent être continues dans la région d'intérêt. La continuité est
cruciale pour garantir la validité mathématique de l'analyse.
Région de Validité : La validité de la fonction de Lyapunov doit être
limitée à une certaine région autour de l'état d'équilibre, à l'intérieur de
laquelle les conditions de positivité et de décroissance sont satisfaites.
Régularité : La fonction de Lyapunov doit être régulière dans la région
d'intérêt, évitant des comportements pathologiques qui pourraient
compromettre l'analyse.
3.3. TYPES DE FONCTION DE LYAPUNOV
Il existe plusieurs types de fonctions de Lyapunov, chacune adaptée à des
situations spécifiques ou à des propriétés souhaitées dans l'analyse de stabilité des
systèmes dynamiques. Voici quelques types courants de fonctions de Lyapunov :
Fonctions de Lyapunov Directes :
Ces fonctions évaluent directement l'évolution temporelle du système en
utilisant la fonction de Lyapunov comme une mesure de l'énergie potentielle. Elles
sont souvent utilisées pour des systèmes linéaires ou non linéaires.
Fonctions de Lyapunov Indirectes :
Plutôt que de considérer directement l'évolution temporelle du système, les
fonctions de Lyapunov indirectes s'intéressent aux équations auxiliaires qui
émergent de la linéarisation du système autour de l'état d'équilibre.
Fonctions de Lyapunov de Type Radial :
Ces fonctions sont particulièrement utiles pour démontrer la stabilité globale
d'un système en considérant une "coquille" autour de l'état d'équilibre et en
montrant que l'énergie potentielle diminue radialement à l'intérieur de cette
coquille.
Fonctions de Lyapunov Non-autonomes :
Adaptées aux systèmes dont les coefficients varient avec le temps. Ces
fonctions prennent en compte la dépendance temporelle des équations
différentielles, élargissant ainsi leur applicabilité.
Fonctions de Lyapunov Quadratiques :
Ces fonctions, souvent utilisées pour des systèmes linéaires, prennent une
forme quadratique particulière et peuvent simplifier l'analyse de stabilité.
Fonctions de Lyapunov avec Paramètres Ajustables :
Certaines fonctions de Lyapunov sont conçues avec des paramètres
ajustables, permettant aux concepteurs de systèmes de régler ces paramètres pour
optimiser la stabilité du système.
Fonctions de Lyapunov d'Ordre Fractionnaire :
Ces fonctions, plus récentes, étendent la théorie de Lyapunov aux systèmes
dynamiques d'ordre fractionnaire, qui peuvent modéliser des phénomènes
complexes.
III. CRITERE DE LYAPUNOV
3.1. POINT D’EQUILIBRE
Un point x0 de l’espace d’état est dit point d’équilibre s’il vérifie les relations
suivantes
Le point d’équilibre x0 = 0 est dit stable si,
Autrement dit x0 est stable si, lorsque le point de fonctionnement du processus en
est légèrement écarté, il reste dans son voisinage. Sinon, le point d’équilibre est
instable. La stabilité simple induit que si l’état initial est proche de l’origine, il en
est de même de la trajectoire d’évolution future. Si le comportement du système
perturbé est majoré par celui d’un système linéaire, alors la stabilité est
exponentielle. Elle s’exprime sous la forme : Le point d’équilibre x0 est dit
exponentiellement stable si
3.2. PREMIERE METHODE DE LYAPUNOV
Cette méthode permet une étude locale par linéarisation autour du point
d’équilibre. En effet, c’est une justification de l’approximation linéaire des petits
mouvements. Elle est intéressante en tant qu’étude préliminaire lorsque le système
présente plusieurs points d’équilibre, pour déduire rapidement les différents
points d’équilibres stables. L’étude de stabilité locale doit alors être poursuivie en
vue de déterminer les domaines de conditions initiales garantissant la convergence
vers l’équilibre asymptotiquement stable considéré. La stabilité du système
étudié, autour d’un point de fonctionnement, est déduite à partir des valeurs
propres de la matrice d’état du modèle linéarisé correspondant.
Nous ramènerons, dans la suite, le point d’équilibre à l’origine. L’évolution du
processus étant régie par l’équation.
un développement limité au voisinage de l’origine conduit aux représentations
respectives locales :
Dans ces conditions la stabilité de la matrice A implique la stabilité asymptotique
locale du processus. En continu, les parties réelles des valeurs propres de A
doivent être strictement négatives. En discret, les modules des valeurs propres de
A doivent être strictement inférieurs à 1. L’étude de la stabilité locale est surtout
intéressante pour savoir s’il faut poursuivre l’étude de la stabilité, ou non. En effet,
si le système linéarisé est instable, le système non linéaire le sera nécessairement.
3.3. DEUXIEME METHODE DE LYAPUNOV
La deuxième méthode de Lyapunov est inspirée du principe physique : Les
systèmes linéaires ou non linéaires, Les systèmes linéaires ou non linéaires,dont
l’énergie est continument
L’énergie est une fonction scalaire, ainsi, pour étudier la stabilité d’un système, il
suffit, d’après Lyapunov, d’examiner la variation d’une fonction scalaire, appelée
fonction candidate de Lyapunov V(x), qui représente en quelque sorte l’énergie
du système. Si la fonction de Lyapunov est décroissante, le système est stable.
V(x) sert donc de fonction de comparaison. Elle vérifie les propriétés suivantes :
avec ϕ > ∀ ≠ (x(k)) 0, x(k) 0
Si , il y a alors stabilité asymptotique pour toute
condition initiale. La stabilité est alors globale et illimitée.
Ces conditions de stabilité sont des conditions suffisantes mais non nécessaires.
L’intérêt de cette méthode est celui de l’utilisation d’une fonction scalaire V(x)
pour l’étude de la convergence du vecteur x vers l’origine, au lieu d’utiliser le
vecteur x lui-même.
V. APPLICATIONS PRATIQUES
4.1 LE BACKSTEPPING
Le backstepping est une technique de conception d’une loi de commande
développée vers 1990 par Petar V. Kokotovic et plusieurs autres auteurs. Plusieurs
méthodes sont utilisées pour établir des contrôleurs non linéaires. Parmi celles-ci,
on a la méthode se basant sur la théorie de stabilité des systèmes dynamiques
d’Alexsandr Lyapunov. Le backstepping se base sur cette théorie de stabilité de
Lyapunov pour construire au fur et à mesure l’expression de la commande
pouvant stabiliser le système. Typiquement, le but du concepteur est de trouver
une fonction définie positive, nommée fonction de Lyapunov dont la dérivée, par
rapport au temps, est contrainte, à l’aide des entrées du système, à être une
fonction définie négative. Nous présenterons dans la section suivante les
principaux théorèmes sur la théorie de Lyapunov.
4.2 THEORIE DE LYAPUNOV
Soit le système suivant
̇ 𝑡) ( 1)
𝑥 = 𝑓(𝑥,
Avec 𝑓: ℝ𝑛 × ℝ → ℝ𝑛 (2)
Une fonction continue par incréments temporels et localement lipschitz. Notons
qu’une fonction 𝑓 est lipschitz dans un intervalle 𝐼 de ℝ si et seulement si ∀𝑥 ∈
𝐼, ∃𝑥𝜖]𝑎, 𝑏[, 𝑘 tel que |𝑓(𝑢) − 𝑓(𝑣)| ≤ 𝑘|𝑢 − 𝑣|
4.3. STABILITE DE LYAPUNOV
La solution de (1) a pour point de départ la condition d’équilibre 𝑥0∀ 𝑡 ≥ 0 et est
décrite par 𝑥(𝑡; 𝑥0 , 𝑡0 ), avec 𝑥(𝑡0 ; 𝑥0 , 𝑡0 ) = 𝑥0 . La stabilité de Lyapunov peut
être définit comme suit : Si la solution initiale 𝑥0 est perturbée et devient 𝑥
̃0 , la
solution pertubée 𝑥(𝑡; ̃ 𝑥0 ,𝑡0 ) doit rester proche 𝑥(𝑡; 𝑥0 , 𝑡0 ), pour tout 𝑡 ≥ 𝑡0 pour
conserver la stabilité.
De plus, pour la stabilité asymptomatique, l’erreur 𝑥 (𝑡; 𝑥
̃0 , 𝑡0 ) − 𝑥(𝑡; 𝑥0 , 𝑡0 )
doit s’annuler pour 𝑡 ⟶ ∞ Ainsi, la solution notée 𝑥(𝑡; 𝑥0 , 𝑡0 ) de (1) est
considérée comme une :
Solution stable : si pour tout 𝜖 > 0, il existe 𝛿(𝜖, 𝑡0 ) > 0 de sorte que :
|𝑥
̃0 − 𝑥0 | < 𝛿(𝜖, 𝑡0 ) ) ⟶ |𝑥(𝑡; 𝑥0 𝑡0 ) − 𝑥(𝑡; 𝑥0 ,𝑡0 , 𝑡0 ))| < 𝜖, ∀𝑡 ≥ 𝑡0 (3)
̃,
Solution bornée : s’il existe une constante 𝐵(𝑥0 , 𝑡0 ) > 0 telle que :
|𝑥(𝑡; 𝑥0 , 𝑡0 )| < 𝐵(𝑥0 ,𝑡0 ) (4)
Solution attractive : s’il existe un 𝑟(𝑡0 ) et pour chaque 𝜖 > 0, une valeur T
qui dépend de 𝜖 et 𝑡0 tel que :
| 𝑥
̃0 − 𝑥0 | < 𝑟 ⟶ |𝑥(𝑡; 𝑥
̃0 , 𝑡0 ) − 𝑥(𝑡; 𝑥0 ,𝑡0 )| < 𝜖, ∀𝑡 ≥ 𝑡0 + 𝑇 (5)
Solution asymptotiquement stable : si elle est stable et attractive. Pour un
point d’équilibre asymptotiquement stable au temps 𝑡0 , il existe un nombre
𝛿(𝑡0 ) > 0 tel que :
||𝑥(𝑡0 )|| < 𝛿(𝑡0 ) ⟹ ||𝑥(𝑡0 )|| ⟶ 0 (6)
Lorsque 𝑡 ⟶ ∞ La stabilité asymptotique signifie que l’état de départ est proche
de l’origine et par déduction qu’il converge vers l’origine lorsque 𝑡 ⟶ ∞.
Dans ces conditions, 𝛿(𝑡0 ) est appelée domaine d’attraction du point d’équilibre.
La région d’attraction du point d’équilibre est une plus vaste région, car elle
comprend l’ensemble des domaines d’attraction possible.
4.4. ETUDE DE LA CONVERGENCE (LASALLE-YOSHIZAWA)
Définition 1
Une fonction 𝑊(𝑥) ∶ ℝ𝑛 ⟶ ℝ (indépendante du temps) est localement positive si
et seulement si :
Définition 2
Une fonction continue 𝑉 (𝑡, 𝑥) ∶ ℝ+ × ℝ𝑛 ⟶ ℝ est définie positive localement
s’il existe une fonction continue non décroissante 𝛼(𝑝) vérifiant
et telle qu’elle est dominée par 𝑉 (𝑡, 𝑥) comme suit :
Dit autrement, la fonction 𝑉 (𝑡, 𝑥) domine une fonction continue non décroissante,
définie positive localement et invariable dans le temps.
Théorème de LaSalle-Yoshizawa
Soit 𝑥 = 0 un point d’équilibre de 𝑥̇ = 𝑓(𝑥, 𝑡) et supposons que 𝑓 est localement
Lipschitz sur x uniformément dans le temps t. Soit 𝑉, une fonction de Lyapunov
définie telle que :
Avec 𝑊(𝑥), une fonction continue. Alors toutes les solutions de (1) sont
globalement uniformément bornées et asymptotiquement stables. Le théorème de
LaSalle-Yoshizawa est applicable aux systèmes variants dans le temps et permet
d’établir la convergence d’un ensemble. Parti de ce théorème, nous allons décrire
les étapes de conception d’un contrôleur backstepping sur la base de la théorie de
Lyapunov à l’aide d’un exemple.
VI. EXEMPLES CONCRETS D'APPLICATIONS
5.1. ETAPES DE CONCEPTION DU CONTROLEUR BACKSTEPPING
Comme énoncé plus haut, la méthode de conception du contrôleur backstepping
se base sur la théorie de stabilité des systèmes dynamiques de Lyapunov. Prenons
le modèle d’état non linéaire suivant pour décrire la méthode :
(8)
Déterminons le point d’équilibre du système homogène Le système homogène
correspondant à une commande nulle ⟹ 𝑢 = 0
Donc
Le système homogène (𝑢 = 0) ne possède donc qu’un seul point d’équilibre à (𝑥1,
𝑥2) = (0, −1) qui est instable. Notre objectif est de trouver un contrôleur 𝛼𝑢 qui
va rendre ce point d’équilibre uniformément asymptotiquement stable.
1ère étape
D’abord, positionnons-nous sur la première équation du système (8)
𝑥̇ = cos 𝑥1 + 𝑥2
Nous allons utiliser 𝑥2 pour contrôler 𝑥1 .
Choisissons donc un contrôleur virtuel de 𝑥1 , 𝛼𝑥2 Notre objectif sera de trouver
le contrôleur virtuel 𝛼𝑥2 pour forcer l’origine à être uniformément
asymptotiquement stable au sens de Lyapunov.
1
Pour cela, supposons une fonction candidate de Lyapunov 𝑥2
2
On sait que 𝑉1 > 0∀𝑥1 et 𝑉1 > (0) = 0.
Sa dérivée par rapport au temps donne :
(9)
Pour forcer 𝑉̇ à être négative, choisissons donc le contrôleur virtuel :
(10)
On aura de ce fait :
(11)
Le fait que 𝑉̇ 1 <= 0, d’après (7), nous assure que l’origine du système est
uniformément asymptotiquement stable en 𝑥1 .
2ème étape
On passe à présent à la deuxième équation du système (8).
Dans cette étape, on va commencer par contrôler l’erreur d’estimation 𝑥2 par
𝛼𝑥2. . Soit 𝑒2 , cette erreur ;
On pose :
Nous allons définir le nouveau système qui va tenir compte de l’erreur 𝑒2 , et de
𝛼𝑥2. . On a :
(12)
Avec le nouvel état, 𝑥̇ = cos 𝑥1 , + (𝑒2 + 𝛼𝑥2 . ) soit
(13)
Ainsi,
(14)
Soit la fonction candidate de Lyapunov :
Calculons 𝑉2̇
Pour forcer 𝑉2̇ à être négative, on choisit le contrôleur u suivant :
(16)
Nous obtenons ainsi 𝑉2̇ = −𝑘1 𝑥1 2 − 𝑘2 𝑒2 2 qui est négative. Ce qui nous assure
que le point d’équilibre est uniformément asymptotiquement stable. Notre
objectif de contrôle est donc atteint.
CONCLUSION
En conclusion, la théorie de Lyapunov offre un cadre puissant pour l'analyse et la
conception de systèmes dynamiques, en particulier dans le domaine du contrôle
et de la stabilité. En comprenant les concepts fondamentaux tels que les fonctions
de Lyapunov, la stabilité asymptotique, le théorème de LaSalle et les commandes
basées sur Lyapunov, on peut évaluer et influencer le comportement des systèmes
dynamiques.
La sélection judicieuse d'une fonction de Lyapunov et l'analyse de sa dérivée
permettent d'obtenir des informations cruciales sur la stabilité du système. Le
théorème de LaSalle fournit une condition suffisante pour la stabilité
asymptotique, tandis que l'inégalité de Barbashin-Krasovskii permet de traiter des
cas plus complexes.
La capacité à concevoir des commandes basées sur Lyapunov permet de stabiliser
les systèmes, offrant ainsi un moyen pratique d'appliquer les concepts théoriques.
Cependant, cela nécessite une solide compréhension des mathématiques, des
équations différentielles et des compétences numériques.
En intégrant ces connaissances, les ingénieurs et les chercheurs peuvent améliorer
la robustesse et la performance des systèmes dynamiques dans divers domaines,
allant de l'ingénierie des systèmes de contrôle aux applications en robotique, en
électronique et dans d'autres domaines de l'automatisation. La théorie de
Lyapunov reste ainsi un outil essentiel pour la compréhension et la gestion des
comportements dynamiques des systèmes.
BIBLIOGRAPHIE
