Chapitre 1: Notions fondamentales
sur les systèmes
Un système est une agrégation d'éléments interconnectés constitué naturellement ou
artificiellement afin d'accomplir une tâche prédéfinie. Le système est généralement représenté
schématiquement par un schéma fonctionnel (Fig. 1.1) consistant en un rectangle auquel les
signaux d’entrée sont représentés par des flèches entrantes et les signaux de sortie sont
représentés par des flèches sortantes.
Figure 1.1: Schéma fonctionnel d'un système. La variable t désigne le temps.
Un système est dit déterministe si, pour chaque entrée ( ) il n'existe qu'une seule sortie ( ).
Au contraire, pour un système indéterministe ou stochastique (ou encore aléatoire), il y a
plusieurs sorties possibles, chacune d'elles étant affectée d'une certaine probabilité. Un système
est dit continu si ( ) et ( ) sont des fonctions de variable continue, soit t. Le système est
discret ou échantillonné si, le signal n'est transmis qu'à des instant discrets. Un système est dit
linéaire si, le principe de superposition s'applique, c'est-à-dire si :
S k1u1 t k2u2 t k1S u1 t k2 S u2 t . (1.1)
Un système est dit stationnaire ou invariant si les relations entre l'entrée et la sortie sont
indépendantes du temps (les caractéristiques du système sont invariantes dans le temps). Un
système est causal si la valeur de ( ) à un instant 0, soit ( 0), ne dépend pas des valeurs de
( ) pour > 0 ; notons que tous les systèmes physiques sont causaux. Ce chapitre limite son
étude aux systèmes linéaires à temps continu.
I. Généralités sur les systèmes dynamiques
Un système dynamique est un système classique qui évolue au cours du temps de façon à la fois
causale et déterministe. Un système dynamique est toute entité qui soumise à une excitation
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 1
quelconque (entrée), répond ou réagit en produisant un signal appelé sortie encore appelé
réponse du système comme le montre la Fig. 1.2.
Figure 1.2: Vue d’ensemble d’un système dynamique.
L’entrée e(t) peut être : Mono-variable (entrée unique) ou multi-variable : e(t)=(e1(t), e2(t), …,
en(t))T.
La sortie y(t) peut être : Mono-variable (sortie unique) ou multi-variable : y(t)=(y1(t), y2(t), …,
yn(t))T.
La réponse permet d’observer le système. On peut analyser un système dynamique :
- dans le temps (domaine temporel (t)) ;
- dans le plan de Laplace ou plan complexe (s=α+jβ) avec j2 = -1 ;
- dans le domaine fréquentiel ou harmonique (f ou ω).
Si on pose α=0 la variable complexe devient s=jβ=jω=2jπf. Il s’ensuit que le domaine fréquentiel
est un cas particulier du domaine complexe.
On s’intéresse généralement de savoir comment l’entrée d’un système dynamique influence la
sortie en le soumettant à plusieurs types d’excitation dits standards comme le montre la Fig. 1.3:
- l’impulsion de Dirac ; - la rampe ;
- l’échelon ; - l’entrée sinusoïdale.
Figure 1.3: Excitations standards : (a) impulsion de Dirac ; (b) échelon d’amplitude A ;(c)
rampe de pente a; (d) sinusoïde de pulsation ɷ.
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 2
Ceci permet de faire une première classification des systèmes selon la réponse aux excitations
typiques. On distingue alors :
- les systèmes du premier ordre ; - les systèmes du second ordre.
On peut ramener la plupart des systèmes d’ordre élevé à un système de 1 ordre ou de second
ordre.
II. Classification des systèmes
On peut classer les systèmes de plusieurs manières :
II.1 Linéarité
Un système peut être linéaire ou non-linéaire. Il est dit linéaire si son modèle peut être associé à
une application linéaire de dimension finie. Dans le cas contraire, il est non-linéaire. Un système
linéaire peut donc être associé à une application linéaire. Ceci implique deux comportements de
base :
f u1 u2 f u1 f u2 . (1.2)
La réponse à une somme d’excitation est la somme des réponses aux excitations (chaque
excitation prise à part).
f ku kf u . (1.3)
Une mise à l’échelle de la commande produit une mise à l’échelle de la réponse selon le même
rapport k. Ces deux caractéristiques peuvent être résumées une seule :
f k1u1 k2u2 k1 f u1 k2 f u2 . (1.4)
La réponse à une combinaison linéaire des excitations est une combinaison linéaire des réponses
à ces excitations, chacune prise à part. C’est le principe de superposition pondérée des systèmes
linéaires.
II.2 Forme du signal
Pour les modèles développés dans ce manuel, nous utiliserons les signaux analogiques ou
continus. On parlera donc de systèmes continus associés. Cependant, dans une commande réelle
où le traitement est numérique, les signaux sont dits discrets ou échantillonnés. On parle alors de
systèmes discrets ou échantillonnés associés.
II.3 Stationnarité
Un système continu est dit stationnaire ou invariant dans le temps si un retard τ de la commande
entraine le même retard τ dans la réponse comme le montre la Fig. 1.4.
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 3
Figure 1.4: Stationnarité d’un système.
u% u t sys y% y t . (1.5)
uuuuuur
Un système linéaire est stationnaire si les coefficients de l’équation différentielle qui le régit sont
tous constants. Si ces coefficients varient dans le temps, on parle de système non-stationnaire.
II.4 Répartition spatiale des paramètres
Un système dynamique sera dit à paramètres répartis (ou distribués) si les variables qui le
définissent varient dans le temps et dans l’espace. Par exemple, la température dans un local
dépend du lieu où l’on se trouve. Il fait plus froid lorsqu’on est proche du climatiseur et plus
chaud lorsqu’on se rapproche d’un radiateur. Les systèmes à paramètres répartis sont régis par
des équations aux dérivés partielles. Un système qui n’est pas à paramètres répartis est dit à
paramètres localisés (indépendant de l’espace, assimilable à un point). Dans la suite, nous
traiterons essentiellement des systèmes à paramètres localisés. On peut résumer les différents
systèmes selon la classification présentée à la Fig. 1.5:
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 4
Figure 1.5: Classification des systèmes dynamiques.
Le graphique de la Fig. 1.5 montre les différentes trajectoires qualitatives d’un système
dynamique. En effet, un système à paramètres localisés peut être stochastique ou déterministe
avec tous les cas de figure possibles. Exemples :
- système à paramètres localisés, déterministe, discret, non linéaire et à temps invariant
- système à paramètres localisés, stochastique, discret, linéaire et à temps variant
- etc.
III. Différents types de représentations des systèmes
On distingue deux types de représentations : La représentation externe et la représentation
interne
III.1. Représentation externe (Fonction de Transfert)
Cette représentation utilise directement la relation entrée-sortie. Considérons un système linéaire
stationnaire monovariable décrit par l'équation différentielle linéaire à coefficients constants
suivante :
(1.6)
où 0,…, et 0,…, étant des constantes.
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 5
N.B. : L'équation ne contient pas de terme constant, car il est possible d'éliminer ce terme par un
changement de variable.
Si l'on admet que le système est initialement au repos (conditions initiales nulles), l'application
de la transformée de Laplace donne :
(1.7)
où Y(p) et U(p) sont les transformées de Laplace de y(t) et u(t). Alors, on obtient :
(1.8)
H(p) est appelée transmittance ou fonction de transfert. Si l'on écrit la sortie sous la forme Y(p)=
H(p).U(p), et si l'on prend les originaux des deux membres, il vient:
Y t h t u t . (1.9)
où ∗ est l'opérateur de convolution.
III.2. Représentation interne (représentation d'état)
La représentation interne d'un système repose sur la notion d'état. L'état à un instant donné 0,
d'un système, est constitué par les n valeurs prises par un ensemble de grandeurs que l'on doit
posséder sur le système à cet instant 0 pour pouvoir déterminer son évolution ultérieure (à t >
0), à partir de la seule donnée des entrées ultérieures. Ces grandeurs sont appelées variables
d'état, et sont rassemblées dans un vecteur, appelé vecteur d'état. L'état d'un système est décrit
par un ensemble des équations différentielles de premier ordre en termes de variables d'état ( 1,
2, …, ) et variables d'entrée ( 1, 2, …, ) en forme générale :
(1.10)
Cette équation peut être écrite dans une forme matricielle comme suitm:
x& Ax B u. (1.11)
Cette équation est appelée l'équation d'état, d'où : x = [ 1, 2 , … , ]T est le vecteur d'état de n
dimensions, u = [ 1, 2, … , ]T est le vecteur de commande de m dimensions, A (n×n) est la
matrice d'état, B (n×m) est la matrice de commande, d'où
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 6
(1.12)
La sortie d'un système linéaire peut être reliée aux variables d'état et aux variables d'entrée
comme suit :
y Cx D u. (1.13)
Cette équation est appelée l'équation de sortie. Alors, dans le cas d'un système linéaire invariant
(stationnaire) la représentation d'état se met sous la forme :
x& Ax B u , (1.14)
y Cx D u .
Un schéma fonctionnel de ce système est donné illustré dans la Fig. 1.6.
Figure 1.6: Schéma fonctionnel d'un système linéaire : a) cas monovariable, b) cas
multivariable.
III.3 Passage d'une représentation interne à la représentation externe
Soit le système :
Figure 1.7: Système.
Supposons que l'on connaisse, de ce système, la représentation d'état (interne) suivante :
x& Ax B u , (1.15)
y Cx D u .
La représentation externe sera constituée par la matrice de transfert ( ), telle que :
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 7
(1.16)
L'élément de la matrice T est la fonction de transfert entre la sortie i et l'entrée j. la matrice de
transfert est donc la généralisation, au cas multivariable, de la notion de fonction de transfert.
Comme par celle-ci, le système est supposé initialement au repos. Prenons-les transformées de
Laplace des deux membres de l'équation d'état, en imposent les conditions initiale nulles, il vient
:
D’ où
Alors
T p C pI A B D.
1 (1.17)
Les pôles des éléments de ( ) sont des solutions de l'équation det (pI – A) = 0, c.-à-d. des
valeurs propres de la matrice A. la réciproque n'est forcément vraie, puisque certains pôles de
( − )−1 peuvent être simplifiés au moment où l'on forme le produit ( − )−1 .
III.4. Passage de la représentation externe à une représentation interne
Contrairement au précédent, ce passage n'est pas unique, puisqu'un système donné possède une
infinité de représentations internes. Notons que le nombre minimal de variables d'état nécessaire
pour représenter un système est une caractéristique du système : Dans le cas monovariable, le
nombre minimal de variables d'état est le nombre de pôles de la fonction de transfert, c'est-à-dire
l'ordre du système.
IV. Systèmes monovariables (SISO) et systèmes multivariables
(MIMO)
Un système possédant une seule entrée et une seule sortie est dit monovariable ou SISO (Single-
input single-output). Au contraire, les systèmes qui possèdent plusieurs entrées et plusieurs
sorties sont des systèmes multivariables ou MIMO (multiple-input multiple-output). Les
différences entre eux sont montrées par les Figs. 1.8 et 1.9.
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 8
Figure 1.8: Système monovariable.
Figure 1.9: Système multivariable.
Chapitre 1 du Cours de ‘‘Simulations Multiphysiques’’, Sifeu T. Kingni, Maître de Conférences 9
