0% ont trouvé ce document utile (0 vote)

70 vues100 pages

Lion

Ce document est un travail de mémoire dédié aux parents de l'auteur et remercie plusieurs personnes et institutions pour leur soutien. Il présente une étude sur les systèmes d'ordre fractionnaire à dynamique chaotique, incluant des méthodologies, des résultats et des discussions sur la synchronisation des systèmes chaotiques. La structure du document comprend une introduction, des sections sur l'état de l'art, la méthodologie, les résultats, et une conclusion générale.

Transféré par

yominmaestro

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

70 vues100 pages

Lion

Transféré par

yominmaestro

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Dédicace

Je dédie ce modeste travail de mémoire :

À mes parents bien aimés

i
Remerciements

Ce travail a été effectué au sein du laboratoire d’Energie et des Systèmes Electriques et Elec-
troniques du Département de Physique de l’Université de Yaoundé I.
Je tiens à exprimer mes plus profonds remerciements :

I Au Dieu Tout Puissant qui m’a accordé jusqu’ici le souffle de vie et la force nécessaire pour
franchir les obstacles.
I Au Pr. BODO Bertrand pour la confiance qu’il m’a accordé en acceptant de diriger ce travail.
Merci pour ses conseils, ses encouragements et ses remarques constructives.
I Aux Membres du jury, pour m’avoir honoré à travers leur présence et aussi pour avoir accepté
d’évaluer ce travail.
I Au corps enseignant du Département de Physique de la Faculté de Sciences, particulièrement
au Pr. NDJAKA Jean-Marie, chef du Département de Physique à l’Université de Yaoundé 1; au
Pr. ESSIMBI ZOBO Bernard, responsable du laboratoire des systèmes électriques et électroniques
ainsi qu’aux autres enseignants du laboratoire : le Pr. EYEBE FOUDA Jean-sire, le Pr. BIYA
MOTTO Frédéric, le Pr MBINACK Clement, et le Dr AYISSI EYEBE Guy pour leurs disponi-
bilités, leurs conseils et encouragements tout au long des années d’enseignements.
I À tous les aı̂nés académiques particulièrement à TAGNE Samuel. Qu’ils trouvent ici ma sincère
reconnaissance pour leurs amitiés et échanges très souvent instructifs.
I À tous mes camarades de promotion pour la sincère collaboration, la solidarité, l’esprit d’équipe
et les débats passionnants qui nous ont beaucoup appris.
I À tous mes frères et sœurs et à toute ma famille pour leur soutien.

ii
Table des matières

Dédicace i

Remerciements ii

Table de matières iii

Liste des Figures vii

Liste des Tableaux x

Liste des Abbréviations xi

Résumé xii

Abstract xiii

Introduction Générale 1

1 État de l’art sur les systèmes d’ordre fractionnaire à dynamique chaotique 3

1.1 Généralités sur les systèmes d’ordre fractionnaire . . . . . . . . . . . . . . . . . . 4

1.1.1 Quelques définitions fondamentales . . . . . . . . . . . . . . . . . . . . . 4

[Link] Fonctions spécifiques pour le calcul fractionnaire . . . . . . . . 4

iii
[Link] Intégration fractionnaire de Riemann-Liouville . . . . . . . . . . 5

[Link] Dérivation fractionnaire . . . . . . . . . . . . . . . . . . . . . . 6

1.1.2 Quelques propriétés des opérateurs d’odre fractionnaire . . . . . . . . . . . 7

1.1.3 Stabilité des systèmes d’odre fractionnaire . . . . . . . . . . . . . . . . . . 7

1.2 Généralités sur les systèmes dynamiques chaotiques . . . . . . . . . . . . . . . . . 8

1.2.1 Système dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.2.2 Définitions et propriétés du chaos . . . . . . . . . . . . . . . . . . . . . . 10

[Link] Chaos dans le sens de Devaney . . . . . . . . . . . . . . . . . . 10

[Link] Chaos dans le sens de Li-Yorke . . . . . . . . . . . . . . . . . . 11

[Link] Attracteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.2.3 Outils de caractérisation du comportement chaotique . . . . . . . . . . . . 12

[Link] Outils numériques quantitatifs . . . . . . . . . . . . . . . . . . . 12

[Link] Outils graphiques qualitatifs . . . . . . . . . . . . . . . . . . . . 16

1.3 Généralités sur la synchronisation des systèmes dynamiques chaotiques . . . . . . 20

1.3.1 Historique de la synchronisation . . . . . . . . . . . . . . . . . . . . . . . 20

1.3.2 Types de synchronisation des systèmes chaotiques . . . . . . . . . . . . . 20

2 Méthodologie et présentation du microcontroleur 22

2.1 Description et analyse d’un système chaotique de Jerk . . . . . . . . . . . . . . . . 22

2.1.1 Forme générale d’un système de Jerk . . . . . . . . . . . . . . . . . . . . 22

2.1.2 Description d’un nouveau système de Jerk à dérivées fractionnaires . . . . 23

2.1.3 Analyse du modèle proposé . . . . . . . . . . . . . . . . . . . . . . . . . 25

[Link] Points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . 25

[Link] Symétrie du système . . . . . . . . . . . . . . . . . . . . . . . . 27

iv
[Link] Dissipativité et existence des attracteurs . . . . . . . . . . . . . 27

2.2 Méthode de résolution numérique des systèmes fractionnaires . . . . . . . . . . . 28

2.2.1 Présentation de la méthode de résolution . . . . . . . . . . . . . . . . . . . 29

2.2.2 Algorithme de résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire . . . 31

2.3.1 Définition du problème de synchronisation contrôlable . . . . . . . . . . . 31

2.3.2 Synchronisation par une méthode non adaptative . . . . . . . . . . . . . . 32

2.3.3 Synchronisation par une méthode adaptative . . . . . . . . . . . . . . . . . 37

2.4 Logiciels et Matériels utilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2.4.1 Présentation des logiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

[Link] MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

[Link] MPLAB X IDE . . . . . . . . . . . . . . . . . . . . . . . . . . 42

[Link] Proteus Design Suite . . . . . . . . . . . . . . . . . . . . . . . . 44

2.5 Présentation du microcontrôleur . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.5.1 Description générale et architecture interne d’un microcontrôleur . . . . . 45

2.5.2 Microcontrôleur PIC16F877A . . . . . . . . . . . . . . . . . . . . . . . . 48

[Link] Justification du choix du microcontrôleur . . . . . . . . . . . . . 48

[Link] Présentation du PIC16F877A . . . . . . . . . . . . . . . . . . . 48

[Link] Présentation d’un convertisseur numérique/analogique (CNA) . . 51

3 Résultats et Discussion 53

3.1 Étude de la dynamique du nouveau système de jerk . . . . . . . . . . . . . . . . . 53

3.1.1 Simulations numériques du modèle de base avec MATLAB . . . . . . . . 54

3.1.2 Simulations numériques du modèle de Sprott modifié avec MATLAB . . . 56

v
[Link] Influence de l’ordre de la dérivée : route vers le chaos . . . . . . 56

[Link] Influence du paramètre de contrôle r : route vers le chaos . . . . 57

[Link] Portraits de phase . . . . . . . . . . . . . . . . . . . . . . . . . 59

3.1.3 Implémentation du nouveau système de jerk sur Proteus . . . . . . . . . . 62

[Link] Montage sur Proteus ISIS et algorithme MPLAB . . . . . . . . . 62

[Link] Évolution temporelle . . . . . . . . . . . . . . . . . . . . . . . 65

[Link] Portraits de phase . . . . . . . . . . . . . . . . . . . . . . . . . 66

3.2 Synchronisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

3.2.1 Synchronisation non adaptative : simulations sous MATLAB . . . . . . . . 67

[Link] Synchronisation dans le cas idéal . . . . . . . . . . . . . . . . . 67

[Link] Synchronisation dans le cas perturbé . . . . . . . . . . . . . . . 69

3.2.2 Synchronisation adaptative : simulations sous MATLAB . . . . . . . . . . 71

[Link] Synchronisation dans le cas idéal . . . . . . . . . . . . . . . . . 71

[Link] Synchronisation dans le cas perturbé . . . . . . . . . . . . . . . 73

3.2.3 Implémentation de la synchronisation sur Proteus . . . . . . . . . . . . . . 75

[Link] Montage sur Proteus ISIS et algorithme MPLAB . . . . . . . . . 75

[Link] Résultats de l’implémentation . . . . . . . . . . . . . . . . . . . 77

Conclusion générale et perspectives 81

Références 87

vi
Liste des Figures

1.1 Attracteur de Chen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.2 Sensibilité aux conditions initiales . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.3 Diagramme de bifurcation par dédoublement de période du système de Rössler . . 17

1.4 Section de Poincaré : la trajectoire de phase coupe le plan (∑) [39] . . . . . . . . . 18

1.5 Section de Poincaré de l’oscillateur de Duffing . . . . . . . . . . . . . . . . . . . . 18

1.6 Attracteur de Lorenz dans un espace de phases en 3D . . . . . . . . . . . . . . . . 19

2.1 Interface principale de MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2.2 Interface principale de MPLAB X IDE . . . . . . . . . . . . . . . . . . . . . . . . 44

2.3 Fenêtre principale de travail sur ISIS . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.4 Schéma fonctionnel d’un microcontrôleur : architecture de Von-Neumann . . . . . 47

2.5 Forme manufacturée du PIC16F877A-I/P . . . . . . . . . . . . . . . . . . . . . . 49

2.6 Configuration des broches du PIC16F877A-I/P [53] . . . . . . . . . . . . . . . . . 49

2.7 Synoptique complet du PIC16F877A [53] . . . . . . . . . . . . . . . . . . . . . . 51

2.8 Convertisseur numérique/analogique huit (08) bits à réseau R-2R . . . . . . . . . . 52

3.1 Séries temporelles des variables d’état du modèle de base : (a) état x ; (b) état
y ; (c) état z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

vii
3.2 Portraits de phase du modèle de base : (a) plan(x,y) ; (b) plan(y,z) ; (c)
plan(x,z) ; (d) plan(x,y,z) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

3.3 Evolution des exposants de Lyapunov du modèle de base dans le temps . . . . . . 55

3.4 Diagramme de bifurcation (a) et évolution de l’exposant maximal de Lyapunov

(b) lorsque l’ordre de dérivation q est pris comme paramètre de contrôle et les
conditions initiales (x0 , y0 , z0 ) = (0, 0, 0.2) . . . . . . . . . . . . . . . . . . . . . . 56

3.5 Diagramme de bifurcation (a) et évolution de l’exposant maximal de Lyapunov

(b) lorsque le paramètre r est pris comme paramètre de contrôle et les conditions
initiales (x0 , y0 , z0 ) = (0, 0, 0.2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

3.6 Évolution des portraits de phase dans le plan (x, y) : r=3 et q ∈ [0.1, 0.2, 0.25, 0.6,
0.75, 0.85, 0.95, 1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

3.7 Évolution sous MATLAB des portraits de phase dans le plan (x, y) : q=0.95 et
r ∈ [0, 3, 10, 20, 35, 37.5, 55, 75] . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

3.8 Schéma du montage du système de jerk sur proteus . . . . . . . . . . . . . . . . . 62

3.9 Organigramme du programme de résolution numérique du système fractionnaire

de Jerk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

3.10 Évolution temporelle sous MATLAB (à gauche) et sous Proteus (à droite) des états
(x,y,z) avec (x0 , y0 , z0 ) = (0, 0, 0.2), r = 0 et q = 1 . . . . . . . . . . . . . . . . . . 65

3.11 Évolution sous Proteus des portraits de phase dans le plan (x, y) : q = 0.95 et r ∈
[0, 3, 10, 20, 35, 37.5, 55, 75] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

3.12 Synchronisation non adaptative dans le cas idéal : (a) états (x1 , x2 ), (b) états (y1 , y2 ),
(c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ) et (e) Loi de commande . . . . . . . . 68

3.13 Synchronisation non adaptative dans le cas perturbé : (a) états (x1 , x2 ), (b) états
(y1 , y2 ), (c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ) et (e) Loi de commande. . . . . 70

3.14 Synchronisation adaptative dans le cas idéal : (a) états (x1 , x2 ), (b) états (y1 , y2 ), (c)
états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ), (e) Loi de commande , (f) Loi d’adaptation
des paramètres estimés (â, b̂, r̂). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

viii
3.15 Synchronisation adaptative dans le cas perturbé : (a) états (x1 , x2 ), (b) états (y1 , y2 ),
(c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ), (e) Loi de commande , (f) Loi d’adap-
tation des paramètres estimés (â, b̂, r̂). . . . . . . . . . . . . . . . . . . . . . . . . 74

3.16 Organigramme du programme de synchronisation par backstepping de deux systèmes

fractionnaires de jerk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

3.17 Synchronisation non adaptative sur Proteus : (a) états (x1 , x2 ), (b) états (y1 , y2 ), (c)
états (z1 , z2 ), (d) état erreur e1 = x2 − x1 ,(e) état erreur e2 = y2 − y1 ,(f) état erreur
e3 = z2 − z1 , et (g) Loi de commande . . . . . . . . . . . . . . . . . . . . . . . . . 77

3.18 Synchronisation adaptative : Évolution des états (a) x1 , x2 , (b) y1 , y2 , (c) z1 , z2 . . 78

3.19 Synchronisation adaptative : (a) état-erreur e1 = x2 − x1 , (b) e2 = y2 − y1 , (c)

e3 = z2 − z1 , (d) estimation du paramètre â(t), (e) estimation du paramètre b̂(t),
(f) estimation du paramètre r̂(t), (g) commande de synchronisation . . . . . . . . . 79

ix
Liste des tableaux

2.1 Caractéristiques du PIC16F877A . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.1 Exposants de Lyapunov du modèle de base . . . . . . . . . . . . . . . . . . . . . 55

3.2 Exposants de Lyapunov et dimension de Kaplan-Yorke pour quelques valeurs de r . 59

x
Liste des Abbréviations

µC Microcontrôleur
ALU Arithmetic Logic Unit
CAN Convertisseur Analogique Numérique
CAO Conception Assistée par Ordinateur
CISC Complex Instruction Set Computer
CMOS Complementary Metal Oxyde Semiconductor
CNA Convertisseur Numérique Analogique
CPU Central Processing Unit
EEPROM Erasable Electrically Programmable Read Only Memory
EPROM Electrically Programmable Read Only Memory
GL Grünwald-Letnikov
MATLAB MATrix LABoratory
MLI Modulation en Largeur d’Impulsion
PDIP Plastic Dual In Line
PIC Peripheral Interface Controller
PID Proportionnel, Intégral, Dérivé
PROM Programmable Read Only Memory
RAM Random Acess Memory
RISC Reduced Instruction Set Computer
RL Riemann-Liouville
ROM Read Only Memory

xi
Résumé

Ce travail porte sur la synthèse et l’implémentation sur microcontrôleur des lois de com-
mandes pour la synchronisation de deux systèmes de jerk à dérivée fractionnaire. Nous intro-
duisons dans ce mémoire un nouveau système fractionnaire de jerk possédant une double non
linéarité dont l’une sinusoı̈dale. Nous avons présenté des outils de caractérisation et des méthodes
de résolution numérique des systèmes chaotiques fractionnaires notamment une méthode algorith-
mique reposant sur le modèle prédicteur-correcteur. L’étude du nouveau système par des approches
fractionnaires a permis de révéler le répertoire dynamique riche et varié du nouveau système. Par
ailleurs nous avons conçu deux lois de commande, dont l’une adaptative, pour la synchronisation
de deux systèmes de jerk à dérivées fractionnaires. Les résultats de simulation sur MATLAB ont
permis de montrer que les lois de commande conçues sont toutes deux stables et robustes bien
que celle adaptative présente de meilleures performances. Par la suite, nous avons implémenté le
nouveau système et les lois de commandes conçues sur PIC via Proteus. Les résultats obtenus sont
en accords avec les résultats de simulations MATLAB.

Mots clés : chaos, jerk, synchronisation, ordre fractionnaire, implémentation sur micro-
contrôleur.

xii
Abstract

This work deals with the design and implementation of control laws for the synchronization of
two fractional derivative jerk systems on a microcontroller. We introduce therein a new fractional
jerk system with a double non-linearity of which one is sinusoıdal. We have presented charac-
terization tools and numerical resolution methods for fractional chaotic systems, in particular an
algorithmic method based on the predictor-corrector model. The study of the new system by frac-
tional approaches allowed us to reveal the rich and varied dynamic repertoire of the new system.
Moreover, we have designed two control laws, one of which is adaptive, for the synchronization
of two fractional derivative jerk systems. Simulation results on MATLAB have shown that the
designed control laws are both stable and robust although the adaptive one presents better perfor-
mances. Then, we implemented the new system and the designed control laws on PIC via Proteus.
The results obtained are in agreement with the results of MATLAB simulations.

Key words : chaos, jerk, synchronization, fractional order, implementation on microcon-

troller.

xiii
Introduction Générale

La littérature situe la naissance du calcul fractionnaire le 30 Septembre 1695 dans la corres-

pondance ouverte de Leibniz adressée à L’Hôspital [1]. Dans cette correspondance, il apportait une
réponse à la question de L’Hôspital sur ce que vaudrait la dérivée d’une variable mathématique pour
un ordre de dérivation d’une demi-unité. Dès lors, la généralisation aux ordres réels des opérateurs
différentiels intéressa plusieurs grands scientifiques de l’époque comme Laplace, Fourier, Liou-
ville, Riemann et Letnikov [2]. Elle a connu un succès fulgurant qui fut cependant de courte durée
à cause des contradictions dans les définitions des opérateurs différentiels fractionnaires, l’absence
d’une interprétation géométrique et d’un sens physique claire de ces opérateurs. La théorie des
opérateurs différentiels a ainsi sombré dans l’oubli jusqu’au vingtième siècle où elle se retrouva à
nouveau au devant de la scène scientifique lorsque les recherches ont montré que ces opérateurs
convenaient mieux à la description des phénomènes physiques complexes caractérisés par les pro-
priétés de mémoire longue et de dimension infinie.

C’est donc sans surprise que le calcul fractionnaire soit un outil très apprécié dans l’étude du
chaos. Le chaos a été découvert par le mathématicien Henri Poincaré en 1900 et mis en évidence
par le physicien Edward Lorenz en 1963 et depuis lors il a été observé dans de nombreux do-
maines [3, 4, 5]. Un système est dit chaotique s’il a un comportement dynamique déterministe,
imprédictible et si pour deux conditions initiales très proches le système présente des évolutions
temporelles totalement différentes. Cette dernière propriété connue sous le nom de sensibilité aux
conditions initiales est cause de nombreux défis et problèmes pour les applications du chaos. Face à
ces défis, les chercheurs ont développé une théorie du contrôle du chaos dont l’objectif est double :
supprimer le chaos lorsque celui-ci est nuisible et l’améliorer ou le maintenir lorsque celui est
bénéfique. Les premiers articles parus sur le contrôle du chaos sont ceux de Ott, Grebogi et Yorke
[6] et de Pecora et Carroll [7] portant respectivement sur la suppression du chaos et sur la synchro-

1
Introduction Générale 2

nisation pour imposer une dynamique chaotique à un système indépendamment des conditions
initiales dans lesquelles il est pris.

Dans ce travail de mémoire, nous étudions avec une approche mathématique fractionnaire,
les systèmes de jerk qui sont une classe de systèmes chaotiques ; nous concevons aussi des com-
mandes afin de synchroniser deux systèmes de jerk à dérivées fractionnaires et nous implémenterons
ces commandes sur microcontrôleur. Pour y arriver, nous avons structurer notre travail en trois cha-
pitres :

• Le premier commence par quelques notions de base sur calcul fractionnaire suivies des
généralités sur les systèmes chaotiques et il se termine par un aperçu général sur la syn-
chronisation des systèmes chaotiques.

• Le second porte sur les méthodes de résolution numérique et de synchronisation des systèmes
chaotiques à dérivées fractionnaires. Les ressources matérielles et logicielles nécessaires
pour la simulation et l’implémentation des systèmes chaotiques sont aussi présentées.

• Le dernier chapitre est consacré aux résultats de simulations et d’implémentations des systèmes
chaotiques et de leur synchronisation. Chaque résultat est accompagné d’une discussion.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

C HAPITRE 1

É TAT DE L’ ART SUR LES SYST ÈMES

D ’ ORDRE FRACTIONNAIRE À DYNAMIQUE

CHAOTIQUE

Introduction

d
L’opérateur de différenciation D = dx est un concept familier et élémentaire du calcul
différentiel. En effet, depuis les travaux de Newton et de Leibniz surtout, la nième dérivée d’une
d n f (x)
fonction appropriée f , notée Dn f (x) = dxn est bien définie lorsque n est un entier positif.
L’extension de l’opérateur de différenciation à l’ordre non entier débute à la fin du 17ième siècle
grâce aux divers échanges entre les pionniers tels que Gottfried Leibniz, Guillaume de L’Hôspital
et Johann Bernouilli qui pressentent l’utilité à venir de leurs travaux [1]. Mais ce n’est qu’en
1884 que la théorie des opérateurs généralisés atteint un niveau de développement sérieux, faisant
ainsi du calcul fractionnaire un outil indispensable pour le scientifique moderne [2] . Dès lors, il
s’en suit plusieurs ouvrages, revues et textes consacrés au calcul fractionnaire [8, 9] qui devient
une branche à part entière de l’analyse mathématique en rapport avec la théorie des opérateurs
pseudo-différentiels [3]. Aujourd’hui encore, le succès et l’intérêt pour le calcul fractionnaire ne
cessent de croitre particulièrement du fait qu’il décrit mieux les systèmes complexes modélisant
les phénomènes de physique, biologie ou de l’ingénierie [10, 11, 12]. Dans ce chapitre, nous
débuterons par une présentation générale des outils du calcul fractionnaire ; ensuite nous étudierons
les systèmes non linéaires à dynamique chaotique et enfin nous terminerons par l’étude et la
présentation de quelques méthodes de synchronisation des systèmes chaotiques.

3
1.1 Généralités sur les systèmes d’ordre fractionnaire 4

1.1 Généralités sur les systèmes d’ordre fractionnaire

La littérature fait état de plusieurs définitions pour l’intégration et la dérivation fraction-

naires [8, 13]. Dans cette partie, nous présenterons les définitions fondamentales permettant de
généraliser les opérateurs classiques du calcul différentiel ainsi que les définitions les plus perti-
nentes et les propriétés fondamentales auxquelles obéissent les opérateurs différentiels fraction-
naires et nous terminerons par l’étude de la stabilité des systèmes fractionnaires.

1.1.1 Quelques définitions fondamentales

[Link] Fonctions spécifiques pour le calcul fractionnaire

Il existe des fonctions dites spéciales ou de base pour le calcul fractionnaire qui jouent un
rôle important dans la définition des opérateurs d’ordre non entier [14]. Ces fonctions sont :

1. La fonction Gamma :

La fonction Gamma d’Euler Γ(z) est sans doute la fonction la plus utile pour le calcul frac-
tionnaire. Elle est définie par l’intégrale suivante :

Z+∞
Γ(z) = t z−1 e−t dt, (1.1)
0

avec Γ(1) = 1, Γ(0+) = +∞. Pour 0 < z ≤ 1, Γ(z) est une fonction monotone et strictement
décroissante. Elle est caractérisée par la relation de récurrence suivante : Γ(z + 1) = zΓ(z).

La fonction Gamma d’Euler est surtout célèbre pour le fait qu’elle généralise la factorielle :
Γ(n) = (n − 1)! , comme demontré dans [14].

2. La fonction Bêta :

La fonction Bêta β (x, y) est une fonction à deux variables complexes à partie réelle positive.
Elle est un type d’intégrale d’Euler définie par :

Z1
β (x, y) = t x−1 (1 − t)y−1 dt, (1.2)
0

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.1 Généralités sur les systèmes d’ordre fractionnaire 5

et peut être reliée avec la fonction gamma Γ(z) par la relation :

Γ(x)Γ(y)
β (x, y) = (1.3)
Γ(x + y)

3. La fonction Mittag-Leffler :

Il s’agit d’une fonction de base pour le calcul fractionnaire introduite par Humbert et Agar-
wal [15] en 1953. C’est une fonction de type Mittag-Leffler à deux paramètres définie par le
développement en série suivant [14, 15, 16, 17] :
∞
zk
Eα,β (z) = ∑ Γ(αk + β ) , α > 0, β > 0. (1.4)
k=0

Pour β = 1, on obtient la fonction de Mittag-Leffler à un paramètre :

∞
zk
Eα,1 (z) = Eα (z) = ∑ . (1.5)
k=0 Γ(αk + 1)

Si de plus α = 1, il vient que :

∞
zk ∞ k
z
E1,1 (z) = ∑ Γ(k + 1) ∑ k! = ez.
= (1.6)
k=0 k=0

Pour les équations différentielles d’ordre fractionnaire, la fonction de Mittag-Leffler joue un

rôle semblable à celui de la fonction exponentielle dans les équations différentielles d’ordre
entier.

[Link] Intégration fractionnaire de Riemann-Liouville

Inspirée de la formule de Cauchy [18, 9, 19], la définition de Riemann-Liouville de l’intégrale

q
d’ordre non entier q d’une fonction appropriée f (t), notée 0 It f (t) avec m > 0, est donnée par [20] :
Zt
q 1 1
0 It f (t) = f (τ)dτ, (1.7)
Γ(q) (t − q)1−q
0

avec t > 0, m ∈ R+ et Γ est la fonction gamma défnie par ( 1.1).

Il est difficile d’attribuer un sens géométrique à l’intégrale fractionnaire comparable à celui

que l’on attribue à l’intégration d’ordre entier [21, 22, 23]. On peut, néanmoins, interpréter la
définition (1.7) comme l’aire de la surface que délimite la fonction f (t) pondérée par un facteur
représenté par la fonction h(t) telle que :
1
h(t) = (1.8)
Γ(q)(t − τ)1−q

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.1 Généralités sur les systèmes d’ordre fractionnaire 6

[Link] Dérivation fractionnaire

Diverses définitions sont proposées pour généraliser la différentiation à des ordres non entiers,
parmi elles, les plus connues sont :

• Définition de Riemann-Liouville :

Soit q ∈ R+ et f une fonction localement intégrable et définie sur [t0 ; +∞[ avec t0 ∈ R. La
dérivée d’ordre q de la fonction f de borne inférieure t0 est définie par [20] :
Zt
RL q 1 dn
t0 Dt f (t) = (t − τ)n−q−1 f (τ)dτ, (1.9)
Γ(n − q) dt n
t0

avec t > t0 , Γ la fonction définie en (1.1) et n un entier positif pris tel que (n − 1) < q < n.

• Définition de Caputo :

Dans le cadre de ses travaux sur la dissipation dans un matériau viscoélastique, Caputo
a introduit en 1960, une autre définition de la dérivation fractionnaire [13]. L’expression
mathématique donnée par celui-ci est :
Zt
C q 1 f n (τ)
t0 Dt f (t) = dτ, (1.10)
Γ(n − q) (t − τ)q−n+1
t0

avec n un entier positif pris tel que (n − 1) < q < n. Cette dernière définition a l’avantage
d’incoporer les conditions initiales de la fonction à traiter et par conséquent décrit mieux les
problèmes de conditions aux limites couramment rencontrés en physique.

• Définition de Grunwald-Leitnikov :

Toujours dans l’idée de généraliser la définition de la dérivation d’une fonction, Grunwald

propose une définition qui convient particulièrement bien au calcul numérique [13]. La for-
mulation mathématique de cette définition est donnée par la relation suivante :
t
 
GL q
h q
Dt f (t) = lim h−q ∑ (−1) j   f (t − jh) (1.11)
x→0 j=0 j

où q > 0, h est la période d’échantillonnage et les coefficients

 
q Γ(q + 1)
  = ω (q) = (1.12)
j
j Γ( j + 1)Γ(q − j + 1)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.1 Généralités sur les systèmes d’ordre fractionnaire 7

 
q
avec   = ω (q) = 1, sont les coefficients du binôme de Newton suivant :
0
0
 
∞ q ∞
(q) j
(1 − z)q = ∑ (−1) j  zj = ∑ ωj z (1.13)
j=0 j j=0

1.1.2 Quelques propriétés des opérateurs d’odre fractionnaire

Les principales propriétés des opérateurs différentiels fractionnaires sont les suivantes :

q
1. Si f (t) est une fonction analytique en t alors sa dérivée fractionnaire Dt f (t) est une fonction
analytique en t et en q.

q
2. Si q = n est un entier positif alors l’opérateur Dt f (t) donne le même résultat que la différenciation
classique d’ordre entier n.

q
3. Pour q = 0, l’opération Dt f (t) est l’opération identité :

q
Dt f (t) = f (t) (1.14)

4. La dérivation et l’intégration fractionnaires sont des opérations linéaires :

q q q
Dt [γ f (t) + δ g(t)] = γDt f (t) + δ Dt g(t) (1.15)

5. Loi d’additivité d’index :

q q q q q +q2
Dt 1 Dt 2 f (t) = Dt 2 Dt 2 f (t) = Dt 1 f (t) (1.16)

1.1.3 Stabilité des systèmes d’odre fractionnaire

La stabilité des systèmes fractionnaires non linéaires est un domaine de recherche qui intéresse
beaucoup de chercheurs et qui, malgré les nombreuses méthodes développées, reste un sujet de re-
cherche ouvert. Nous rappelons ici un résultat important pour la stabilité des systèmes d’ordre
fractionnaire démontré dans [24] :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 8

Soit le système dynamique d’ordre fractionnaire défini par :


Dq x(t) = f (t, x(t))

(1.17)
x(0) = x0


avec 0 < q 6 1 et f (t, x(t)) satisfait à la condition de Lipschitz avec la constante de Lipschitz
positive.

Le point d’équilibre du système (1.17) est asymptotiquement stable au sens de Mittag-Leffler

s’il existe une fonction de Lyapunov V (t, x(t)) satisfaisant les conditions :

α1 kxk ≤ V (t, x) ≤ α2 kxk

(1.18)
DqV (t, x) ≤ −α3 kxk


où α1 , α2 , α3 sont des constantes positives.

1.2 Généralités sur les systèmes dynamiques chaotiques

En général, un système non linéaire est un système dont les équations ne satisfont pas le
principe de superposition. Si au moins une des équations d’un système possède un terme ou une
fonction non linéaire, alors le système entier est dit non linéaire. Pour la plupart des modèles
mathématiques inspirés des systèmes physiques, la non-linéarité vient du fait que le système
possède une caractéristique de transfert non linéaire comme, par exemple, la caractéristique courant-
tension d’une diode ou un autre élément non linéraire comme le memristor [10, 25]. Si la non-
linéarité des systèmes est connue depuis longtemps, ce n’est que récemment (vers 1900) que Henri
Poincaré, en travaillant sur la mécanique céleste et la mécanique statistique, découvre la dynamique
chaotique de certains systèmes non linéaires [26]. Mais ce n’est qu’en 1963 que le météorologue
Edward Lorenz met en évidence le caractère chaotique des mouvements turbulents d’un fluide
comme l’atmosphère [27]. Depuis lors, la dynamique chaotique est observée dans de nombreux
domaines comme la biologie, la robotique, la cryptographie [4], les circuits électriques [28, 29] et
bien d’autres.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 9

1.2.1 Système dynamique

Le terme système dynamique fait référence à toute entité physique ou abstraite dont la
configuration à tout instant peut être caractérisée par un ensemble de variables dont l’état futur est
déterminé de façon unique en fonction de l’état présent et des états antérieurs du système par une
loi de transformation des variables d’état du système. Un système dynamique est donc :

• causal, l’état futur des variables d’état ne dépend que des états passés ;

• déterministe, l’évolution des variables est gouvernée par des lois non probabilistes.

L’évolution déterministe d’un système dynamique peut être continue ou discrète dans le
temps.

• Dans le cas d’une évolution continue, la dynamique du système est représentée par une
équation différentielle de la forme :
dX(t)
= f (X(t),t, p) (1.19)
dt
où X = (x1 , x2 , ..., xn ) représente le vecteur d’état du système de dimension n, p le vecteur
paramètre et f une fonction continue.

Si la fonction f ne dépend pas explicitement du temps, l’équation (1.19) devient :

dX
= f (X, p) (1.20)
dt
et le système est dit autonome.

Sinon, la dynamique reste dans la forme de l’équation (1.19), la fonction f dépend alors
explicitement de la variable libre t et le système est dit non autonome.

Tout système non autonome peut être transformé en système autonome. Il suffit pour cela
d’effectuer un changement de variable adéquat. Considérons le système non autonome défini
par (1.19). En posant xn+1 = t, la dynamique du système devient :

xn+1 = t

(1.21)
 dX = f (X, p)

dt

La variable d’état du système devient X = (x1 , x2 , ..., xn , xn+1 ). La dimension du système

augmente ainsi d’une unité, mais cela permet de rendre le système autonome.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 10

• Dans le cas d’une évolution discrète dans le temps, le système dynamique est présenté par
une fonction itérative :
Xk+1 = f (Xk , k, p) (1.22)

où Xk représente le vecteur d’état à l’instant k, p le vecteur paramètre et f une fonction

itérative.

Si f dépend explicitement de k, le système discret est dit non autonome. Autrement il est
autonome. Comme dans le cas continue la transformation d’un système discret non autonome
en système discret autonome s’accompagne par l’augmentation d’une unité de la dimension
du système.

1.2.2 Définitions et propriétés du chaos

Il n’y a pas de définition standard du chaos. On dispose cependant de plusieurs principes

mathématiques dans la littérature pour comprendre le chaos [30, 31].

[Link] Chaos dans le sens de Devaney

Selon Devaney, un système présente une dynamique chaotique si et seulement si [30] :

• il est topologiquement transitif ; la transitivité signifiant que si l’on considère deux voisinages
quelconques de deux états distincts d’un système dynamique, il existe une trajectoire qui
passe de l’un à l’autre.

• il possède un ensemble dense d’orbites périodiques.

• il présente le phénomène de sensibilité aux conditions initiales c’est à dire qu’une modifi-
cation même minime des conditions initiales change de manière significative l’évolution du
système.

Houmor [14] nous fait remarquer que les deux premières hypothèses impliquent la troisième
sans que la réciproque soit vraie.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 11

[Link] Chaos dans le sens de Li-Yorke

La dynamique d’un système non linéaire se complexifie avec l’augmentation du nombre de

périodes. C’est sur ce critère que Li et Yorke ont introduit la première définition mathématique du
chaos [31]. Ils ont établi un critère très simple : ”La présence de trois périodes implique le chaos”.
Ce critère joue un rôle très important dans l’analyse des systèmes dynamiques chaotiques.

[Link] Attracteurs

Les trajectoires associées à des régimes dynamiques dessinent des objets géométriques parti-
culiers dans l’espace des phases (section [Link]). Ces objets sont de morphologies et de natures
différentes et constituent différentes familles d’attracteurs. On distingue :

• Le point fixe, lorsque les trajectoires convergent vers un point de l’espace des phases. Ce
point est une solution stationnaire constante du système dynamique considéré.

• Le cycle limite, lorsque les trajectoires tendent vers une courbe fermée dans l’espace des
phases. Ce cycle limite est une solution périodique du système étudié.

• Le tore, lorsque les trajectoires convergent dans l’espace des phases vers un attracteur en
forme d’un tore. Cet objet résulte très souvent des mouvements quasi-périodiques.

• L’attracteur étrange, c’est un objet d’une complexité plus grande que ceux cités. Il se forme
après une période transitoire bien déterminée et est caractéristique des systèmes chaotiques.
On parle aussi d’attracteur chaotique.

Les propriétés d’un attracteur étrange sont celles du système de cet attracteur. Ces propriétés sont
les suivantes :

• La sensibilité aux conditions initiales déjà mentionnée dans la définition du chaos selon
Devaney (section [Link]) et illustrée par la figure (1.2) où pour deux trajectoires initialement
très voisines, on observe une divergence exponentielle au cours du temps.

• La dimension fractale qui est celle de l’attracteur étrange et doit être positive et non entière.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 12

• L’auto-similarité qui est le fait que le motif géométrique d’un attracteur étrange se répète
sur des échelles de plus en plus petites. Cette propriété est caractéristique des structures à
géométrie fractale à laquelle appartient un attracteur étrange.

F IGURE 1.1 : Attracteur de Chen F IGURE 1.2 : Sensibilité aux conditions initiales

1.2.3 Outils de caractérisation du comportement chaotique

On dispose de plusieurs outils issus du domaine de la dynamique non linéaire permettant

de détecter et de caractériser le chaos. Ces outils peuvent être classés en outils quantitatifs et
qualitatifs.

[Link] Outils numériques quantitatifs

Il s’agit des quantités calculées par des méthodes mathématiques capable de rendre intelli-
gible l’évolution temporelle des phénomènes à dynamique complexe. Elles permettent donc de se
prononcer sur l’imprédictibilité à long terme de la dynamique non linéaire d’un système. Dans la
littérature, les outils les plus cités permettant de mesurer quantitativement le chaos sont :

• La dimension de corrélation ou dimension de complexité

Introduite en 1983 par Grassberger et Procaccia [32], elle témoigne du nombre de degré de
liberté que possède un système purement non linéaire. Pour la déterminer on peut utiliser la

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 13

méthode décrite dans [33]. A chaque point v d’un attracteur, on associe une sphère de centre
v de rayon r, et l’on compte la proportion de points de l’attracteur contenus dans cette sphère.

Cette proportion est donc dépendante de r et de l’espace dans lequel l’attracteur est plongé.
On note la proportion c(r, m). Lorsque r est suffisamment petit, c(r, m) suit une loi de puis-
sance : c(r, m) = rvm ce qui s’écrit également comme

log(c(r, m))
vm = lim (1.23)
i→0+ log r

C’est cette dernière quantité (1.23) qui est la dimension de corrélation ou dimension de
Grassberger-Procaccia. Elle définit la dimension de l’attracteur du système et est encore
appelée dimension fractale par certains auteurs.

• L’entropie de Kolmogorov ou l’entropie métrique

Issue de la théorie de l’information de Shannon, cet outil a été développé en 1958 par le
mathématicien russe Kolmogorov [34]. C’est un invariant fondamental des systèmes dyna-
miques mesurés qui permet une définition du chaos : une transformation chaotique peut être
vue comme une transformation d’entropie non nulle.

• Les exposants de Lyapunov

C’est en 1892, dans ses travaux de thèse sur la stabilité des systèmes dynamiques, que Lya-
punov introduit l’idée de mesurer la divergence entre deux orbites issues de conditions ini-
tiales voisines afin de quantifier le dégré de sensibilité aux conditions initiales d’un système
dynamique. Ce sont les exposants de Lyapunov qui rendent compte de cette mesure.

Pour les déterminer, on considère un système dynamique quelconque dont la condition ini-
tiale x0 est affectée d’une perturbation infinitésimale ε0 . Après n itérations, la perturbation
εn
initiale sera amplifiée d’un facteur ε0 et la perturbation augmentera ou diminuera selon que
ce facteur soit supérieur ou inférieur à 1.

Pour déterminer la façon dont la perturbation initiale se propage, il suffit de calculer le pro-
duit
εn εn εn−1 εn−2 ε2 ε1
= . . ... . (1.24)
ε0 εn−1 εn−2 εn−3 ε1 ε0

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 14

Par application du logarithme, on a :

εn εn εn−1 εn−2 ε2 ε1
ln = ln . . ... .
ε0 εn−1 εn−2 εn−3 ε1 ε0
εn εn−1 εn−2 ε2 ε1
= ln + ln + ln + · · · + ln + ln
εn−1 εn−2 εn−3 ε1 ε0
n
εk
= ∑ ln (1.25)
k=1 εk−1

En faisant tendre vers l’infini la moyenne de la dernière quantité obtenue, on obtient l’expo-
sant de Lyapunov noté λ :
1 n εk
λ = lim ∑ ln εk−1 (1.26)
n→+∞ n
k=1
εk et εk−1 étant de très petites valeurs, et en considérant la fonction f associée à la dynamique
du système telle que définie en (1.20), on peut écrire :

εk = f (xk−1 + εk−1 ) − f (xk−1 ) (1.27)

En supposant f dérivable, on déduit :

εk f (xk−1 + εk−1 ) − f (xk−1 )

=
εk−1 εk−1
0
= f (xk−1 ) (1.28)

On obtient ainsi, la formule finale de l’exposant de Lyapunov :

1 n
λ = lim
n→+∞ n
∑ ln f 0(xk−1) (1.29)
k=1

εn
Une valeur positive de ce dernier conduit à ε0 > 1, la perturbation initiale se propage alors
en s’amplifiant : le système est donc sensible aux variations, même moindres, de ses condi-
tions initiales. Il peut donc être chaotique. Dans le cas où l’exposant est négatif, la perturba-
tion initiale progresse en s’atténuant et le système n’est pas chaotique.

Dans la pratique, on dispose de nombreux algorithmes de calcul des exposants de Lyapunov

pour un système dynamique continue ou discret. Le calcul se fait généralement à partir des
séries temporelles du système dynamique. Le plus célèbre de ces algorithmes est certaine-
ment celui de Wolf [35].

• La dimension de Lyapunov

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 15

Cette dimension est introduite en 1983 par Kaplan et Yorke [36]. Elle découle des exposants
de Lyapunov et est définie par :
m
∑ λk
k=1
dl = m + , (1.30)
|λm+1 |
où dl est la dimension de Lyapunov, λk , k = 1, 2, ..., m les exposants de Lyapunov du système
dynamique et m le plus grand entier positif tel que :
m m+1
∑ λk > 0 et ∑ λk 6 0 (1.31)
k=1 k=1

Une valeur positive et non entière de cette dimension indique que le système possède au
moins un attracteur étrange.

• Le test 0-1

Introduit en 2004 par Georg A. Gottwald et Ian Melbourne [37] ce nouveau test pour le
chaos intéresse beaucoup de chercheurs qui en proposent déjà d’autres versions [38]. Ce
nouveau test s’applique directement sur les séries temporelles issues d’une récurrence ou
d’une équation différentielle ordinaire, retardée ou même partielle. Son principale avantage
est qu’il s’applique aussi aux données issues de l’expérimentation et ne nécessite pas de
reconstruction d’espace des phases contrairement aux méthodes standards de calcul de l’ex-
posant de Lyapunov.

Pour une application standard de ce test, on considère une série unidimensionnelle chronolo-
gique φ (n) pour n = 1, 2, ... Ces données permettent de construire le système bidimensionnel
suivant : 
 p(n + 1) = p(n) + φ (n) cos cn

(1.32)
q(n + 1) = q(n) + φ (n) sin cn


avec c ∈ (0, 2π).

Par la suite, on définit le déplacement quadratique moyen par

1 N 2 2

M(n) = lim ∑ [p(k + n) − p(k)] + [q(k + n) − q(k)] , n = 1, 2, 3, ...
N→+∞ N
k=1

et son taux d’accroissement est donné par :

log M(n)
K = lim (1.33)
n→+∞ log n

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 16

C’est cette dernière quantité (1.33) qui permet de se prononcer sur la dynamique du système :
si K = 0 alors la dynamique est régulière (périodique ou quasi-périodique), si K = 1 alors la
dynamique du système est chaotique.

Dans la pratique K n’est pas binaire mais se rapproche tantôt de 0 tantôt de 1 selon que la
dynamique du système est régulière ou chaotique. Les méthodes améliorées [38] de test 0-1
permettent de se rapprocher de ce comportement binaire désiré.

[Link] Outils graphiques qualitatifs

Il s’agit des outils permettant de caractériser qualitativement les systèmes dynamiques chao-
tiques. Ces outils ont l’avantage d’être exclusivement graphiques et de permettre une étude qua-
litative et rapide d’un système dynamique sans avoir à faire des calculs complexes. Les outils les
plus mentionnés dans la littérature sont :

• Le diagramme de bifurcation

Les systèmes dynamiques possèdent en général un ou plusieurs paramètres dont la varia-

tion agit significativement sur le comportement dynamique du système. Ces paramètres sont
qualifiés de paramètres de contrôle du système car selon la valeur de ceux-ci, les mêmes
conditions initiales d’un système conduisent à des trajectoires correspondant à des régimes
dynamiques différents. Les paramètres de contrôle sont donc responsables des bifurcations,
une bifurcation étant un changement qualitatif du comportement d’un système suite à une
variation quantitative d’un paramètre de contrôle. La valeur du paramètre de contrôle au
moment de la bifurcation est la valeur de bifurcation.

La modification continue du paramètre de contrôle permet d’observer que l’évolution d’un

point fixe vers le chaos n’est pas progressive mais marquée par des changements discontinus
ou bifurcations [10] et cette évolution peut se faire selon plusieurs scénarios dont les plus
connus sont :

– L’intermittence vers le chaos

Dans ce scénario, le système a un mouvement périodique ou pseudo-périodique

stable puis après un certain temps, il survient une déstabilisation abrupte et le système

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 17

adopte un comportement chaotique. Après une certaine durée, le système se stabilise à

nouveau, adopte une dynamique régulière (périodique ou pseudo-périodique) pour par
la suite adopter une dynamique chaotique. L’intermittence se poursuit, la fréquence et
la durée des phases chaotiques s’accroissent jusqu’à dominer les phases régulières.

– Le dédoublement de période

Dans ce cas, la variation du paramètre de contrôle provoque la multiplication de

la période du système forcé par deux, puis par quatre, puis par huit, puis par seize,...
Ce dédoublement de période se poursuit jusqu’à ce que la période devienne en théorie
infinie ; le système devient alors chaotique.

– La quasi-périodicité

Ce dernier scénario intervient quand un deuxième système perturbe un système

initialement périodique tel que le rapport des périodes des deux systèmes en présence
n’est pas rationnel.

Le diagramme de bifurcation est l’outil graphique qui rend compte des scénarios ci-haut
mentionnés. C’est donc un tracé permettant d’identifier les différents régimes dynamiques
d’un système suivant l’évolution d’un de ses paramètres. Le diagramme de bifurcation dresse
une véritable route vers le chaos.

F IGURE 1.3 : Diagramme de bifurcation par dédoublement de période du système de Rössler

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 18

• La section de Poincaré

La section de Poincaré est un outil graphique qui facilite l’étude des systèmes dynamiques en
ramenant l’analyse d’un système différentiel à temps continu de dimension m à celle d’une
application à temps discret de dimension m − 1.

Dans le cas d’un système dynamique de dimension 3, la section de Poincaré se dessine sur
une surface (∑) appartenant au plan (qi , q j )i6= j , i, j = 1, 2, 3 avec qi , i = 1, 2, 3 les coordonnées
généralisées du système.

F IGURE 1.4 : Section de Poincaré : la trajectoire de phase coupe le plan (∑) [39]

F IGURE 1.5 : Section de Poincaré de l’oscillateur de Duffing

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.2 Généralités sur les systèmes dynamiques chaotiques 19

La section de Poincaré est représentée à la figure (1.4) par l’ensemble des points d’intersec-
tions P(x) de la trajectoire de phase avec la surface ∑. Pour une meilleure analyse qualitative,
la surface ∑ doit être choisie de manière à avoir le plus grand nombre de points d’intersec-
tions comme celle choisie à la figure (1.5) pour l’oscillateur de Duffing.

• L’espace des phases

Lorsque la dimension n d’un système dynamique croit (n > 2), il devient difficile de s’ima-
giner comment le système évolue dans le temps surtout lorsque ce dernier est sensible aux
conditions initiales. Dans ce cas, pour éliminer la dépendance temporelle et mieux apprécier
la sensibilité du système aux conditions initiales, il convient de représenter le système dans
un espace mathématique dont les axes de coordonnées sont les variables d’états xi , i = 1, 2, ..n
du système. Ainsi l’état du système est entièrement représenté à chaque instant.

La solution x0 à un instant initial t0 décrit dans l’espace des phases une courbe appelée
trajectoire de phase. L’ensemble des trajectoires de phase décrites par le système à partir
de toutes les conditions initiales réalisables définit le portrait de phase. Ce dernier permet
d’apercevoir plus facilement l’attracteur du système.

L’espace des phases est sans doute la façon la plus intuitive de vérifier qu’un système non
linéaire possède un attracteur étrange et donc une dynamique chaotique.

F IGURE 1.6 : Attracteur de Lorenz dans un espace de phases en 3D

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.3 Généralités sur la synchronisation des systèmes dynamiques chaotiques 20

1.3 Généralités sur la synchronisation des systèmes dynamiques

chaotiques

1.3.1 Historique de la synchronisation

La littérature situe les origines de la synchronisation au dix-septième siècle avec les travaux
du physicien Christian Huygens. Ce dernier aurait remarqué que deux horloges à balancier, placées
l’une à côté de l’autre, convergeaient rapidement vers un mouvement identique en fréquence et en
phase. Plus encore, si les horloges étaient perturbées dans leurs mouvements par Huygens, elles
adoptaient à nouveau un mouvement identique en fréquence et phase, elles finissaient toujours par
être synchrones. Avec ses travaux il posait ainsi les bases de la théorie du contrôle des systèmes.

Bien de temps après les travaux pionniers de Huygens, la théorie classique du contrôle s’est
enrichie de nombreuses techniques de commande, particulièrement efficace pour la synchronisa-
tion des systèmes linéaires. Ces techniques étaient malheureusement médiocres lorsqu’elles étaient
appliquées aux processus réels qui sont généralement modélisés par des systèmes non linéaires.

A cause de ses propriétés intrinsèques, la synchronisation du chaos a longtemps été jugée

impossible jusqu’à récemment en 1990 avec la publication des articles comme ceux de Pecora et
Carroll [7], de Ott, Grebogi et Yorke [6]. Ces travaux sont célèbres car ils ont montré qu’il est
possible de faire suivre à un système même chaotique un comportement désiré et ont ouvert la voie
à de nombreuses applications potentielles du chaos dans différentes disciplines. Depuis lors, la
recherche des méthodes de contrôle du chaos est active et s’est enrichie de nombreuses techniques.

1.3.2 Types de synchronisation des systèmes chaotiques

Les nombreuses techniques de synchronisation des systèmes chaotiques permettent de distin-

guer deux grandes catégories de synchronisation :

• La synchronisation unidirectionnelle :

Ce type de synchronisation concerne généralement deux systèmes chaotiques dont l’un est
le système maitre ou système émetteur et l’autre le système esclave ou système récepteur. La

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

1.3 Généralités sur la synchronisation des systèmes dynamiques chaotiques 21

commande de synchronisation est calculée à partir de la position du système maitre et des

écarts entre les variables d’états des deux systèmes. Une fois calculée, elle est appliquée au
système esclave afin que celui-ci modifie sa trajectoire pour suivre le système maitre jusqu’à
devenir identique à ce dernier. On parle aussi d’un accouplement unidirectionnel.

• La synchronisation bidirectionnelle

La particularité ici est que la loi de commande est appliquée aux deux systèmes à la fois.
Ainsi chacun des systèmes à synchroniser peut se comporter comme un système maitre
(émetteur) ou esclave (récepteur).

Notons que pour réaliser ces différents types de synchronisation, plusieurs techniques de
conception de commande sont présentes dans la littérature notamment la technique de commande
par backstepping dans sa version classique et adaptative que nous utiliserons dans la suite de nos
travaux pour ses qualités de robustesse. En plus de cette technique, on peut citer la technique
de synchronisation par régulateur PID (Proportionnel, Intégral, Dérivé) qui est la technique la
plus utilisée dans la commande des processus industriels. Elle est reconnue pour sa simplicité
d’implémentation et peut dans sa forme généralisée assurer la synchronisation des systèmes dyna-
miques fractionnaires [40].

Conclusion

Dans ce chapitre, nous avons présenté, en premier lieu, les définitions et notions de base se
rapportant au calcul fractionnaire ; puis nous avons fait état des propriétés et des outils permet-
tant la compréhension et la caractérisation des phénomènes chaotiques pour enfin terminer par un
aperçu général de la synchronisation des systèmes chaotiques à dérivée fractionnaire. Il en ressort
que le calcul fractionnaire a ceci de particulier que ses opérateurs constituent l’outil par excellence
d’investigation et de description des processus à mémoire comme les processus chaotiques. Nous
retenons aussi que ces processus chaotiques sont sensibles aux conditions initiales et bien qu’ils
soient caractérisés par des lois déterministes, il est impossible de prédire leur comportement à long
terme. Néanmoins nous avons présenté, en dernière partie, des méthodes permettant de synchro-
niser l’évolution des systèmes chaotiques et avons mis en exergue les deux grandes catégories de
synchronisation ainsi que leurs principes de fonctionnement respectifs.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

C HAPITRE 2

M ÉTHODOLOGIE ET PR ÉSENTATION DU
MICROCONTROLEUR

Introduction

Hans Goettlieb [41] a établi qu’un système 3D chaotique peut se mettre sous la forme
d’une seule équation différentielle ordinaire, connue sous l’appelation d’ équation différentielle
de jerk. Cette classe particulière de système chaotique est populaire et fait l’objet de nombreuses
études [5, 42, 43] pour son expression algébrique simple et pour le fait qu’elle modélise nombreux
phénomèmes dans les sciences comme certaines réactions biologiques ou certaines oscillations
mécaniques [3, 5, 10]. Dans ce chapitre, nous ferons tout d’abord une description générale suivie
d’une analyse des systèmes chaotiques de jerk, puis nous présenterons les méthodes de résolution
et de synchronisation des systèmes de jerk à dérivée fractionnaire et enfin nous implémenterons les
méthodes présentées grâce aux ressources logicielles et matérielles que nous aurons au préalable
présentées.

2.1 Description et analyse d’un système chaotique de Jerk

2.1.1 Forme générale d’un système de Jerk

La forme générale des équations de jerk est donnée par l’expression suivante :

...
x = J(x, ẋ, ẍ), (2.1)

22
2.1 Description et analyse d’un système chaotique de Jerk 23

où J est une fonction non linéaire arbitraire. D’un point de vue mathématique, l’équation (2.1)
représente une équation différentielle d’ordre trois décrivant l’évolution temporelle d’une unique
variable d’état. Pour le physicien, si x représente la position instantanée d’un objet, ẋ sa vitesse
et ẍ son accélération, alors le jerk est la dérivée temporelle de l’accélération ou encore la dérivée
temporelle d’ordre 3 de la position.

Généralement on représente (2.1) sous forme de système en définissant deux nouvelles va-
riables d’état y = ẋ et z = ẏ = ẍ s’interprétant respectivement comme la vitesse et l’accélération
d’un point de vue mécanique. Ainsi l’équation différentielle (2.1) peut se mettre sous la forme
système : 



ẋ = y


ẏ = z (2.2)




ż = J(x, y, z)


Il existe plusieurs systèmes chaotiques pouvant se mettre sous la forme (2.2). Ils appar-
tiennent tous à la classe des systèmes de Jerk. Les plus rencontrés dans la littérature sont les sys-
temes de Kengne [44], Sprott [42], Coullet [45] et de Elsonbaty [46].

2.1.2 Description d’un nouveau système de Jerk à dérivées fractionnaires

Le modèle proposé par J.C. Sprott dans son livre [43] et dénommé MO5 par ce dernier, est
défini par l’équation différentielle suivante :

...
x + 0.7ẍ + ẋ = x(1 − x2 ) (2.3)

Ce système est dissipatif et présente une dynamique chaotique comme l’atteste l’étude bien détaillée
faite dans [43].

Dans ce travail, nous proposons un nouveau système de Jerk en ajoutant un terme non linéaire
de la forme A(x)sin(2π f t) dans la fonction jerk du modèle (2.3). A(x) est un monôme en x de la
forme
A(x) = rx, (2.4)

avec c une constante réelle.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.1 Description et analyse d’un système chaotique de Jerk 24

Le terme ajouté agit donc comme un forçage sinusoı̈dale d’amplitude variable, de fréquence
f et l’équation différentielle du nouveau système obtenu est donnée par :
...
x = −aẍ − bẋ + x(1 − x2 ) + rxsin(2π f t), (2.5)

où a, b et c sont les paramètres du système, x la variable d’état, ẋ la dérivée temporelle de x, ẍ la

...
dérivée seconde de x par rapport au temps et x représente le Jerk. Ce nouveau système est non
autonome et, selon les valeurs des paramètres, il présente une dynamique plus ou moins complexe
par rapport au modèle initial.

L’équation (2.5) montre que le système proposé appartient bel et bien à la classe des systèmes
”jerks élégants” décrit par Sprott dans [43]. Il peut se mettre sous la forme système suivante :




 ẋ = y


ẏ = z (2.6)



ż = −az − by + x(1 − x2 ) + rxsin(2π f t)



Extension aux ordres fractionnaires

Les équations différentielles décrivant la dynamique de notre système telles que données en
(2.6) sont aux ordres entiers. Pour la suite, nous étendons la définition du système (2.6) aux ordres
non entiers qui révèlent bien souvent des dynamiques inconnues des ordres entiers. La nouvelle
forme de notre système est alors donnée par :

Dq1 x = y






 Dq2 y = z (2.7)


Dq3 z = −az − by + x(1 − x2 ) + rxsin(2π f t),



où a, b et r sont les paramètres du système, D l’opérateur de différentiation fractionnaire et

q1, q2, q3 sont les ordres de dérivation des équations du système.

Notre système présente une dynamique chaotique pour les valeurs des paramètres, des condi-
tions initiales et ordres de dérivation suivants :
(a, b, r) = (0.7, 1, 0)
(x0 , y0 , z0 ) = (0, 0, 0.2) (2.8)
q1 = q2 = q3 = 0.95

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.1 Description et analyse d’un système chaotique de Jerk 25

2.1.3 Analyse du modèle proposé

[Link] Points d’équilibre

Définition :

Soit un système dynamique d’ordre fractionnaire représenté par le système suivant :

Dq x(t) = f (t, x),

(2.9)
x(0) = x0

où x(t) = (x1 , x2 , x3 . . . , xn )T représente la variable d’état du système ; q ∈ [0, 1] et f(t,x) une fonction
différentielle non linéaire.

On appelle point d’équilibre ou point stationnaire du système dynamique fractionnaire (2.9)

tout point x p vérifiant la condition suivante :

f (t, x p ) = 0 (2.10)

Points d’équilibre du modèle proposé :

En appliquant la condition (2.10), les points d’équilibre du système de Jerk proposé (2.7)
s’obtiennent en résolvant le système d’équation :




 y=0


z=0 (2.11)



−az − by + x(1 − x2 ) + rxsin(2π f t) = 0,



p T
Les solutions du système (2.11) sont données par : E0 = (0, 0, 0)T , et E± = ± 1 + rsin(2π f t), 0, 0
h i
k 2k+1
pour r > 0 et t ∈ ∪k=0,1,2,3,··· f , 2 f . Ces solutions sont donc les points d’équilibre ou station-
naires de notre système.

Stabilité des points d’équilibre :

On dispose de nombreux outils pour l’étude de la stabilité des points d’équilibre de notre
système. Nous utiliserons les critères de stabilité de Routh-Hurwitz pour les systèmes fraction-

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.1 Description et analyse d’un système chaotique de Jerk 26

naires établis dans [47]. Pour cela, on détermine d’abord la matrice jacobienne du système. Elle
est donnée par :  
0 1 0
 
(2.12)
 
 0 0 1
 
1 + rsin(2π f t) − 3x2 −b −a
Ensuite, on détermine la stabilité des points d’équilibre.
 
0 1 0
 
T
• La jacobienne au point E0 = (0, 0, 0) , est donnée par J0 =  1 .
 
0 0
 
1 + rsin(2π f t) −b −a
On en déduit que l’équation aux valeurs propres au point E0 est donné par le polynôme
caractéristique :

P(λ ) = det(λ I − J0 ) = λ 3 + aλ 2 + bλ − (1 + rsin(2π f t)) (2.13)

et son determinant est donné par :

D(λ ) = 18abc + (ab)2 − 4ca3 − 4b3 − 27c2 , où c = (1 + rsin(2π f t) (2.14)

Les résultats établis dans [47] permettent d’établir que le point E0 est :
h i
k 2k+1
– stable, si q < 2/3 et t ∈ ∪k=0,1,2,3,··· f , 2f ,

– instable, ailleurs.
 
0 1 0
 
• Pour les points E± , la jacobienne est donnée par J± =  1 .
 
0 0
 
−2(1 + rsin(2π f t)) −b −a
Ici l’équation aux valeurs propres conduit au polynôme suivant :

P(λ ) = det(λ I − J± ) = λ 3 + aλ 2 + bλ + 2(1 + rsin(2π f t)) (2.15)

et au determinant :

D(λ ) = −36abc + (ab)2 + 8ca3 − 4b3 − 54c2 , où c = (1 + rsin(2π f t) (2.16)

Les résultats établies dans [47] permettent d’établir que le point E± est :
h i
k 2k+1
/ ∪k=0,1,2,3,···
– stable, si q < 2/3 et t ∈ f , 2f ,

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.1 Description et analyse d’un système chaotique de Jerk 27

h i
– stable, si q ≥ 2/3 et t ∈ / ∪k=0,1,2,3,··· kf , 2k+1
2f et si toutes les racines de l’équation
(2.15) satisfont à la condition | arg(λ ) |< q π2 ,
h i
k 2k+1
– instable si t ∈ ∪k=0,1,2,3,··· f , 2f .

[Link] Symétrie du système

Soit (x1 (τ), y1 (τ), z1 (τ)) la solution du système (2.7) avec les conditions initiales données
par (2.8). Il est facile de vérifier que (−x1 (τ), −y1 (τ), −z1 (τ)) est aussi solution de cette équation
dans les mêmes conditions initiales. Alors notre système est invariant par la transformation :

(x, y, z) 7→ (−x, −y, −z) (2.17)

pour toutes les valeurs des paramètres positifs a et b.

On peut donc conclure que notre système est symétrique et admet pour point de réflexion
symétrique le point d’équilibre de coordonnées (0, 0, 0).

[Link] Dissipativité et existence des attracteurs

La condition de dissipation d’un système dynamique est donnée dans [48] qui peut être
démontrée en calculant la compression ou l’extension du volume du système. Soit un système
dynamique à temps continu décrit par Ẋ = ϕ(X) où X = (x, y, z)T sont les coordonnées du vecteur
d’état X et ϕ(X) = (ϕ1 (x), ϕ2 (y), ϕ3 (z)). Le taux de compression ou d’extension est donné par :

∂ ϕ1 (x) ∂ ϕ2 (y) ∂ ϕ3 (z)

Λ = ∇.ϕ(x) = + + (2.18)
∂x ∂y ∂z
On sait que Λ est une valeur constante alors l’évolution temporelle du volume dans l’espace
de phase est obtenu à partir de la formule V (τ) = v0 eΛτ avec v0 = v(t = 0). Il en découle les trois
conditions suivantes :

• Si Λ < 0, le volume décroit exponentiellement dans l’espace de phase et le système dyna-

mique décrit est dissipatif. Il pourrait contenir ou développer des attracteurs. D’autre part
cet élément de volume a une trajectoire proche de zéro lorsque t est grand (t → +∞). La
trajectoire du système sera contenue dans une boule du sous-ensemble du volume zéro dans

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.2 Méthode de résolution numérique des systèmes fractionnaires 28

l’espace d’état de phase. On dit alors que le système converge asymptotiquement vers un
attracteur.

• Si Λ = 0, V (t) = v0 , on a la condition pour la conservation du volume dans l’espace de phase.

On en déduit que le système est conservatif.

• Si Λ > 0, il y’a accroissement du volume dans l’espace de phase (dans ce cas nous pouvons
avoir un système chaotique, un point fixe ou un cycle limite instable).Ce qui signifie aussi
que le système dynamique diverge lorsque t est grand (t → +∞) pour des conditions initiales
légèrement différentes de l’état stationnaire.

En appliquant (2.18) sur notre système nous obtenons :

Λ = −a (2.19)

Comme a > 0, on conclut que notre système est dissipatif et peut par conséquent présenter des
attracteurs chaotiques

2.2 Méthode de résolution numérique des systèmes fraction-

naires

Plusieurs méthodes de résolution numériques des équations fractionnaires sont présentées

dans la littérature. Bien qu’elles soient nombreuses, les méthodes d’approximation de l’opérateur
différentielle dans le domaine temporel ont presque toutes l’inconvénient de nécessiter d’énormes
ressources mémoire pour fonctionner. Si cela ne pose pas de véritable problème pour les logi-
ciels de simulation fonctionnant sur des ordinateurs modernes, le problème d’espace mémoire est
fondamental pour l’implémentation sur micro-contrôleur et donc pour l’électronique embarquée.

Dans cette section, il est donc question pour nous de présenter une méthode de résolution
moins gourmande en mémoire et permettant néanmoins d’approximer les solutions des systèmes
fractionnaires avec une bonne précision.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.2 Méthode de résolution numérique des systèmes fractionnaires 29

2.2.1 Présentation de la méthode de résolution

On considère le problème aux valeurs initiales donné par l’équation (2.9) :


Dq y(t) = f (t, y)

, avec 0 < q 6 1 et t > 0.
y(0) = y0


Soit [0, T ] l’intervalle sur lequel on veut trouver les solutions au problème (2.9). Rappelons
que le but n’est pas de trouver une expression analytique y(t) satisfaisant l’équation (2.9) mais
plutôt un ensemble discret et fini de points {(tk , y(tk ))} qui approximent la solution analytique
dans l’intervalle [0, T ].

T
Pour cela, on divise l’intervalle [0, T ] en N sous-intervalles [tk ,tk+1 ] de largeur h = N, la
relation entre tk et le pas temporel h étant évidemment tk = kh, k = 0, 1, · · · , N.

On suppose y(t), Dq y(t) et D2q y(t) continues dans l’intervalle [0, T ]. En utilisant la formule
généralisée de Taylor [49], on effectue un développement en série de y(t) autour de t = t0 = 0. En
considérant de plus que pour toute valeur de t, il existe une valeur c1 telle que :
q tq 2q
t 2q
y(t) = y(t0 ) + (D y(t)) (t0 ) + D y(t) (c1 ) (2.20)
Γ(q + 1) Γ(2q + 1)
On a (Dq y(t)) (t0 ) = f (t0 , y(t0 )) et h = t1 − t0 = h. En substituant ces deux dernières relations
dans (2.20), on obtient :
hq h2q
+ D2q y(t) (c1 )

y(t1 ) = y(t0 ) + f (t0 , y(t0 )) . (2.21)
Γ(q + 1) Γ(2q + 1)
En prenant h suffisamment petit, on peut négliger dans (2.21) les termes évoluant en h2q et on
trouve l’expression simplifiée :
hq
y(t1 ) = y(t0 ) + f (t0 , y(t0 )). (2.22)
Γ(q + 1)
En faisant plusieurs itérations de cette procédure, on obtient une séquence de points {(tk , y(tk ))}
qui approximent la solution réelle y(t). Le schéma itératif de la méthode est alors donné par :

tk+1 = tk + 1,
q
, avec k = 0, 1, · · · , N − 1. (2.23)
h
y(tk+1 ) = y(tk ) + Γ(q+1) f (tk , y(tk ))

Cette méthode est la méthode généralisée d’Euler introduite par Odibat et al. [50]. Il est
évident que pour q = 1, la méthode fractionnaire de résolution numérique d’Euler se confond à la
méthode classique d’Euler.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.2 Méthode de résolution numérique des systèmes fractionnaires 30

2.2.2 Algorithme de résolution

La méthode d’Euler même si elle est efficace et moins gourmande en mémoire, elle est connue
pour son manque de précision. Afin de pallier à cela, nous proposons dans cette partie un al-
gorithme de type prédiction-correction basé sur la méthode fractionnaire d’Euler et la méthode
modifiée d’interpolation des trapèzes [50].

Considérons le problème aux valeurs initiales (2.9) qui peut être réécrit sous la forme :

y(t) = Dq f (t, y(t)) + y(0) (2.24)

On cherche toujours les solutions approchées dans l’intervalle [0, T ] subdivisé en N inter-
T
valles [tk ,tk+1 ] d’égale largeur h = N avec tk = kh, k = 0, 1, · · · , N. Pour trouver la solution au point
(t1 , y(t1 )), on substitue t = t1 dans (2.24) et on obtient

y(t1 ) = Dq f (t, y(t))(t1 ) + y(0) (2.25)

Ensuite, on utilise la méthode des trapèzes modifiés [50] pour approximer Dq f (t, y(t))(t1 )
avec un pas temporel h = t1 − t0 , on trouve :
hq f (t0 , y(t0 )) hq f (t1 , y(t1 ))
y(t1 ) = q + + y(0) (2.26)
Γ(q + 2) Γ(q + 2)
On constate que la solution y(t1 ) est fonction de f (t1 , y(t1 )), il faut donc estimer y(t1 ) dans
f (t1 , y(t1 )) avec la méthode fractionnaire d’Euler, on obtient :
h q
q
hq f (t0 , y(t0 )) h f (t1 , y(t0 ) + Γ(q+1) f (t0 , y(t0 )))
y(t1 ) = q + + y(0) (2.27)
Γ(q + 2) Γ(q + 2)
Cette procédure est répétée (N − 1) fois pour générer N sequences de points qui approximent
la solution analytique y(t) sur l’intervalle [0, T ] . A chaque itération k, la méthode fractionnaire
d’Euler est utilisée pour prédire la valeur yP (tk ) :
hq
yP (tk ) = y(tk−1 ) + f (tk−1 , y(tk−1 ))
Γ(q + 1)
et la méthode modifiée des trapèzes pour corriger la valeur yC (tk ) :
hq f (tk−1 , y(tk−1 )) hq f (tk , yP (tk ))
yC (tk ) = q + + y(tk )
Γ(q + 2) Γ(q + 2)
On obtient ainsi le schéma itératif suivant :

yP (tk ) = y(tk−1 ) + hq f (tk−1 , y(tk−1 ))

Γ(q+1)
(2.28)
y(tk ) = q hq f (tk−1 ,y(tk−1 )) + hq f (tk ,yP (tk )) + y(tk )

Γ(q+2) Γ(q+2)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 31

La solution telle que donnée par le système (2.28) convient parfaitement pour une implémentation
numérique à l’aide de logiciels qu’on présentera dans la suite.

Cette solution peut aussi être donnée par l’expression suivante :

hq
(k − 1)q+1 − (k − q − 1)kq f (t0 , y(t0 )) + y(0)

y(tk ) =
Γ(q + 2)
k−1
hq
(k − i + 1)q+1 − 2(k − i)q+1 + (k − i − 1)q+1 f (ti , y(ti ))

+ ∑
Γ(q + 2) i=1
hq hq

+ f tk , y(tk−1 ) + f (tk−1 , y(tk−1 ) . (2.29)
Γ(q + 2) Γ(q + 2)

On note que pour q = 1, on retrouve un algorithme classique de résolution numérique d’équations

différentielles de type prédicteur-correcteur utilisant la méthode classique d’Euler pour prédire
une valeur et la méthode des trapèzes pour corriger cette même valeur. L’algorithme adopté ici
généralise donc véritablement la méthode algorithmique classique.

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée

fractionnaire

La dynamique chaotique est observée dans une grande variété de systèmes parmi lesquels
les systèmes biologiques, les modèles climatiques, les systèmes mécaniques et autres. Il apparait
nécessaire non seulement de comprendre cette dynamique mais aussi de la contrôler. L’un des ob-
jectifs fondamentaux du contrôle de la dynamique chaotique est la synchronisation qui consiste à
imposer à deux systèmes chaotiques un comportement identique [51, 52, 11]. Ceci peut paraı̂tre
impossible si on s’en tient à la grande sensibilité des systèmes chaotiques fractionnaires aux condi-
tions initiales et aux perturbations liées à l’environnement d’exploitation de ces systèmes. Cepen-
dant, ces préjugés n’ont pas découragé les chercheurs qui, compte tenu des applications poten-
tielles des systèmes chaotiques fractionnaires, conçoivent des techniques de synchronisation afin
d’exploiter et de contrôler mieux les processus chaotiques.

2.3.1 Définition du problème de synchronisation contrôlable

Considérons deux systèmes fractionnaires à dynamique chaotique de dimension n :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 32

Dq x(t) = f (t, x), Dq y(t) = g(t, y) + u(t),

(2.30) (2.31)
x(0) = x0 y(0) = y0

où x(t) = (x0 , x1 , x2 , · · · , xn−1 )T , y(t) = (y0 , y1 , y2 , · · · , yn−1 )T représentent les variables d’état
des deux systèmes respectivement avec x0 6= y0 , 0 < q 6 1, u(t) ∈ ℜ et f (t, x), g(t, y) des fonctions
différentielles non linéaires.

Le problème de synchronisation contrôlable ou de synchronisation tout simplement est de

construire la commande u(t) telle que les systèmes (2.30) et (2.31) adoptent un même comporte-
ment au cours du temps indifféremment de leurs conditions initiales. On dira alors que le système
(2.30) est le système maitre ou système émetteur et le système (2.31) est le système esclave ou
récepteur.

A partir des systèmes (2.30) et (2.31), on définit le système d’erreur :

e(t) = y(t) − x(t) (2.32)

Le problème de synchronisation est alors transformé en un problème de stabilisation du

système d’erreur autour de zéro. Le but de la synchronisation est donc de concevoir une commande
u(t) telle que :
lim e(t) = lim (y(t) − x(t)) = 0 (2.33)
n→+∞ n→+∞

Donc synchroniser les signaux chaotiques x(t) et y(t) signifie construire une commande ou loi de
synchronisation u(t) pour que les deux signaux soient asymptotiquement identiques.

2.3.2 Synchronisation par une méthode non adaptative

Nous utiliserons la méthode dite backstepping. Il s’agit d’une méthode systématique et récursive
de synthèse de lois de commande non linéaires utilisant le principe de stabilité de Lyapunov. L’idée
de base de cette méthode repose sur la transformation des systèmes bouclés équivalents à des sous-
systèmes d’ordre un (01) en cascade stables au sens de Lyapounov. Cette stabilité au sens de
Lyapunov confère à la loi de commande ou de synchronisation des qualités de robustesse et une
stabilité globale asymptotique. De plus, cette dernière a l’avantage d’être applicable à une large
gamme de systèmes chaotiques forcés ou autonomes et de s’écrire juste en une seule composante
pour réaliser la synchronisation entre deux systèmes chaotiques.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 33

Conception de la loi de synchronisation

On considère comme système maitre ou système émetteur le nouveau système chaotique de jerk
suivant : 
Dq x1 = y1





Dq y1 = z1 (2.34)


Dq z1 = −az1 − by1 + x1 (1 − x2 ) + rx1 sin(2π f t),


1

avec a, b et r sont les paramètres du système et q l’ordre de différentiation du système fractionnaire.

On considère pour système esclave ou récepteur, un système chaotique de même expression

algébrique que le précédent avec les mêmes paramètres mais de différentes conditions initiales :

Dq x2 = y2





 Dq y2 = z2 (2.35)


Dq z2 = −az2 − by2 + x2 (1 − x2 ) + rx2 sin(2π f t) + u,


2

où u est la loi de synchronisation à déterminer par la méthode backstepping. Pour chaque variable
d’état, on définit un état erreur. On obtient ainsi le système d’erreur :

ex = x2 − x1





ey = y2 − y1 (2.36)




ez = z2 − z1


Notre problème se change donc en problème de stabilisation du système d’erreur autour de zéro.
En substituant (2.34) et (2.35) dans (2.36), et en différentiant ce dernier à l’ordre non entier q par
rapport au temps, on obtient :

Dq ex = ey






 Dq ey = ez (2.37)


Dq ez = −aez − bey + ex (1 + r sin(2π f t)) + (x3 − x3 ) + u


1 2

qui, en l’absence du contrôleur u, le système (2.37) admet le point (0, 0, 0) comme point d’équilibre.

La solution au problème de stabilisation du modèle d’erreur autour de zéro est alors de

construire la commande u afin de rendre le point d’équilibre (0, 0, 0) globalement asymptotique.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 34

La méthode de conception sera récursive à trois (03) étapes car le système a trois (03) variables
d’état, on traitera le système en trois (03) sous-systèmes en cascade chacun avec une seule entrée
et une seule sortie. On commence la conception avec le premier sous-système, puis le deuxième et
on termine avec le dernier et à chaque étape i un changement de coordonnées wi comme variable
virtuelle ou variable du backstepping est effectué.

1. Première étape :

La première étape consiste à déterminer une loi de commande virtuelle afin de stabiliser le
premier sous-système. La dynamique de la stabilité de ce sous-système est donnée par :

Dq ex = ey (2.38)

On définit la variable backstepping w1 associée au premier sous-système et la commande

virtuelle ou fonction stabilisante α1 par :

w1 = ex

(2.39)
w2 = ey − α1


avec w2 , la variable backstepping du deuxième sous-système. Sa présence est nécessaire à

cette étape pour lier le premier sous-système au second. La dynamique du premier sous-
système devient alors :
Dq w1 = Dq ex = w2 + α1 (2.40)

Pour déterminer la fonction stabilisante α1 , on définit une fonction de Lyapunov appropriée

au premier sous-système par :
V1 (w1 ) = w21 (2.41)

Sa dérivée non entière dans le temps donne :

DqV1 (w1 ) = 2q w1 Dq w1 = 2q w1 ey

= 2q α1 w1 + 2q w1 w2 (2.42)

Pour rendre V1 (w1 ) négative définie, on choisit la fonction stabilisante α1 = −w1 , le second
terme dans DqV1 (w1 ) sera éliminé dans la prochaine étape. On a finalement :

DqV1 (w1 ) = −2q w2 + 2q w1 w2

1
(2.43)
w2 = ex + ey


Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 35

Les coordonnées de conception ont changé de (ex , ey ) vers (w1 , w1 ) .

2. Deuxième étape :

Pour la stabilité du deuxième sous-système, sa dynamique est calculée en considérant :

Dq ey = ez (2.44)

Sachant la deuxième équation de (2.43), l’expression précédente devient :

Dq w2 = ey + ez (2.45)

Afin de lier le deuxième sous-système au troisième, on définit une troisième variable w3 de

backstepping et une fonction stabilisante α2 pour le deuxième sous-système par :

w3 = ez − α2 (2.46)

L’équation devient (2.45) :

Dq w2 = ey + w3 + α2 (2.47)

Pour déterminer la fonction stabilisante α2 , il faut faire un choix judicieux d’une fonction de
Lyapunov. Nous choisissons :
V2 (w1 , w2 ) = w21 + w22 (2.48)

Sa dérivée non entière dans le temps donne :

DqV2 (w1 , w2 ) = −2q w21 + 2q w1 w2 + 2q w2 Dq w2

= −2q w21 + 2q w1 w2 + 2q w2 (ey + w3 + α2)

= −2q w21 − 2q w22 + 2q w2 (w1 + w2 + ey + w3 + α2) (2.49)

Pour rendre V2 négative définie, on choisit la fonction stabilisante :

α2 = −w1 − w2 + ey = −2(ex + ey )

et finalement on trouve :

DqV2 (w1 , w2 ) = −2q w2 − 2q w2 + 2q w2 w3

1 2
(2.50)
w3 = 2ex + 2ey + ez


Le troisième terme de la première équation de (2.50) sera éliminé à la prochaine et dernière

étape.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 36

3. Troisième étape :

C’est à cette étape que la commande finale u du système est déterminée. On considère
l’équation de stabilité du troisième sous-système :

Dq ez = −aez − bey + ex (1 + r sin(2π f t)) + (x13 − x23 ) + u (2.51)

Sachant l’équation (2.50), l’expression précédente devient :

Dq w3 = Dq 2ex + Dq 2ey + Dq ez

= 2ey + 2ez − aez − bey + ex (1 + r sin(2π f t)) + (x13 − x23 ) + u (2.52)

Pour déterminer la commande de synchronisation u, on définit une fonction de Lyapunov

appropriée :
V3 (w1 , w2 , w3 ) = w21 + w22 + w33 (2.53)

En dérivant cette dernière équation dans le temps, on obtient :

DqV3 (w1 , w2 , w3 ) = −2q w21 − 2q w22 + 2q w2 w3 + 2q w3 Dq w3

= −2q w21 − 2q w22 − 2q w23 (2.54)

+ 2q w3 ex (4 + r sin(2π f t)) + (x13 − x23 ) + (5 − b)ey + (3 − a)ez + u

Pour rendre V3 négative définie, on choisit la commande de synchronisation u telle que :

u = −kw3 − ex (4 + r sin(2π f t)) + (x23 − x33 ) + (b − 5)ey + (a − 3)ez (2.55)

La dérivée de la fonction globale de Lyapunov est donc :

DqV3 (w1 , w2 , w3 ) = −2q w21 − 2q w22 − 2q (1 + k)w23 , (2.56)

avec k > 0.

D’après la théorie de stabilité au sens de Lyapunov [24], comme la fonction V3 est continûment
différentiable ayant la propriété positive définie et sa dérivée négative définie grâce à la
contribution du terme u, on est en droit de dire que le point d’équilibre (ex , ey , ez ) = (0, 0, 0)
est asymptotiquement stable, ce qui signifie que les signaux chaotiques caractérisés par les
systèmes (2.30) et (2.31) sont asymptotiquement identiques au cours du temps : la com-
mande u assure bien la synchronisation des systèmes (2.34) et (2.35) et elle est stable au
sens de Lyapunov.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 37

2.3.3 Synchronisation par une méthode adaptative

La limite bien connue des méthodes de synchronisation non adaptatives comme celle présentée
précédemment est qu’elles ne prennent pas en compte l’adaptation ou la modification dans le temps
des paramètres des systèmes à synchroniser. Cela nous amène dans cette section à aborder une
nouvelle méthode de synchronisation beaucoup plus fiable en ceci qu’elle repose sur un principe
d’estimation récursive ou de mise à jour des paramètres du modèle estimé à partir de la comparai-
son au modèle de référence et d’adaptation du calcul de la commande en se basant sur le modèle
estimé courant.

La méthode que nous utiliserons ici est la version adaptative de celle présentée à la sec-
tion précédente. Il s’agit donc du backstepping adaptatif. Comme la méthode classique, c’est une
méthode récursive de synthèse de lois de commande basée sur le principe de stabilité au sens
de Lyapunov. La principale différence étant la prise en compte des erreurs d’estimation des pa-
ramètres.

Conception de la loi de synchronisation

Comme précédemment, on définit respectivement les systèmes maitre (2.57) et esclave (2.58) par :
 


 q
D x1 = y1


Dq x2 = y2

 

 
q
D y1 = z1 Dq y2 = z2

 

 
Dq z1 = −az1 − by1 + x1 (1 − x2 ) + rx1 sin(2π f t),  D z2 = −az2 − by2 + x2 (1 − x2 ) + rx2 sin(2π f t) + u,

  q
1 2
(2.57) (2.58)
où a, b, r sont les paramètres du système à synchroniser et u la loi de synchronisation à déterminer
par la méthode backstepping adaptative.

Pour chaque variable d’état, on définit un état erreur. On obtient ainsi le système d’erreur :

ex = x2 − x1






ey = y2 − y1 (2.59)




ez = z2 − z1


Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 38

En dérivant à l’ordre non entier ce système, on obtient le système :


Dq ex = ey






 Dq ey = ez (2.60)


Dq ez = −aez − bey + ex (1 + r sin(2π f t)) + (x3 − x3 ) + u


1 2

Par la suite on définit la matrice d’estimation des paramètres par :


ea (t) = a − â(t)






eb (t) = b − b̂(t) (2.61)




er (t) = r − r̂(t)


où â(t), b̂(t) et r̂(t) sont les estimations respectives des paramètres a, b et r. C’est cette matrice
qui fait la particularité du backstepping adaptatif par rapport au backstepping classique. En la
différentiant, on obtient : 
Dq ea (t) = −Dq â(t)






Dq eb (t) = −Dq b̂(t) (2.62)


Dq er (t) = −Dq r̂(t)



Nous allons construire la commande u de manière à rendre le point d’équilibre (0, 0, 0) du

système (2.62) globalement asymptotique. La méthode de conception traitera le système comme
trois (03) sous-systèmes en cascade. On commencera par le premier sous-système et on terminera
par le dernier, à chaque étape i, on fera un changement de variable wi qui sera notre variable
virtuelle de backstepping. Les étapes ne seront pas aussi détaillées qu’à la section précédente,
cependant la rigueur de conception ne sera pas pour autant négligée.

1. Première étape :

On pose w1 = ex , puis on définit notre première fonction de Lyapunov adéquate pour le

premier sous-système :
V1 (w1 ) = w21 (2.63)

Sa dérivée fractionnaire dans le temps donne :

DqV1 (w1 ) = 2q w1 Dq w1 = 2q ex ey

= −2q e2x + 2q ex (ex + ey ) (2.64)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.3 Méthodes de synchronisation des systèmes chaotiques à dérivée fractionnaire 39

On pose w2 = ex + ey qui est la deuxième variable de backstepping que nous utiliserons à la

prochaine étape. Sa présence ici est nécessaire pour assurer le lien entre la première étape et
la seconde afin de garantir que les deux sous-systèmes soient effectivement en cascade. Pour
la première étape, on obtient finalement :

DqV1 (w1 ) = −2q w2 + 2q w1 w2

1
(2.65)
w2 = ex + ey


2. Deuxième étape :

On définit une deuxième fonction de Lyapunov appropriée à partir de la variable de backs-

tepping w2 :
V2 (w1 , w2 ) = V1 (w1 ) + w22 (2.66)

La différentiation fractionnaire donne :

DqV2 (w1 , w2 ) = −2q w21 + 2q w1 w2 + 2q w2 Dq w2

= −2q w21 − 2q w22 + 2q w2 (2ex + 2ey + ez ) (2.67)

On pose w3 = 2ex + 2ey + ez qui sera utilisée prochainement comme troisième variable vir-
tuelle de backstepping. Elle permet de mettre le deuxième sous-système et le troisième en
cascade. Pour la deuxième étape on obtient finalement :

DqV2 (w1 , w2 ) = −2q w2 − 2q w2 + 2q w2 w3

1 2
(2.68)
w3 = 2ex + 2ey + ez


3. Troisième étape :

A cette dernière étape, le choix d’une fonction de Lyapunov adéquate est capital. Nous choi-
sissons la fonction suivante :

V3 (w1 , w2 , w3 , ea , eb , er ) = V2 (w1 , w2 ) + w22 + e2a + e2b + e2r , (2.69)

où ea , eb , et er sont les erreurs d’estimation des paramètres telles que définies en (2.61).

En dérivant, notre dernière fonction de Lyapunov, on trouve :

DqV3 (w1 , w2 , w3 , ea , eb , er ) = −2q w21 −2q w22 +2q w2 w3 +2q w3 Dq w3 +2q (ea Dq ea +eb Dq eb +er Dq er )
(2.70)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.4 Logiciels et Matériels utilisés 40

En remplaçant dans l’équation (2.70), les expressions données par les équations (2.68),
(2.61) et (2.62), on obtient :

DqV3 = −2q w21 − 2q w22 − 2q w23 (2.71)

+ 2q w3 ex (4 + r̂(t) sin(2π f t)) + (x13 − x23 ) + ey (5 − b̂(t)) + ez (3 − â(t)) + u

− 2q ea (w3 ez + Dq â(t)) − 2q eb w3 ey + Dq b̂(t) + 2q er (w3 er sin(2π f t) − Dq r̂(t))

Pour rendre DqV3 négative définie, on choisit la commande de synchronisation u telle que :

u = −kw3 − ex (4 + r̂(t) sin(2π f t)) + (x23 − x33 ) + ey (b̂(t) − 5) + ez (â(t) − 3) (2.72)

et les lois de mise à jour ou d’adaptation des paramètres telles que :


Dq â(t) = −w3 ez





 Dq b̂(t) = −w3 ey (2.73)


Dq r̂(t) = w3 ex sin(2π f t)



La dérivée de la fonction globale de Lyapunov est donc :

DqV3 (w1 , w2 , w3 , ea , eb , er ) = −2q w21 − 2q w22 − 2q (1 + k)w23 , (2.74)

avec k > 0.

V3 est une fonction continûment différentiable ayant la propriété positive définie et sa dérivée
négative définie grâce à la contribution du terme u et des lois d’adaptation des paramètres es-
timés donnés respectivement en (2.72) et (2.73). Les états erreurs convergent donc vers zéro.
La synchronisation adaptative des systèmes fractionnaires (2.57) et (2.58) est bien effective
et assurée par la commande u et les lois de mise à jour des paramètres estimés.

2.4 Logiciels et Matériels utilisés

2.4.1 Présentation des logiciels

[Link] MATLAB

Initialement développé par le mathématicien et informaticien Cleve Moler, Matrix Laboratory

(MATLAB) est un logiciel de calcul numérique permettant de manipuler des matrices, d’afficher des

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.4 Logiciels et Matériels utilisés 41

courbes et des données, de mettre en œuvre des algorithmes et de créer des interfaces utilisateurs.
Il est aussi un langage de script émulé dans l’environnement de développement du même nom. De-
puis sa première version parue en 1984, son développement est poursuivit sous licence propriétaire
par la société The MathWorks qui, grâce au développement de nombreuses bibliothèques de fonc-
tions (ou, comme MATLAB les nomme, toolboxes pour boites à outils en français) dédiées à des
domaines particuliers, a fait de MATLAB un outil de référence pour la modélisation des systèmes
physiques, la simulation des modèles mathématiques, la conception et la validation d’applications.
Bien que la version la plus récente de MATLAB soit la R2021a parue le 17 Mars 2021, nous uti-
liserons dans notre mémoire, pour sa disponibilité et sa convivialité, la version MATLAB R2016b
parue le 07 Septembre 2016.

L’interface principale par défaut de MATLAB R2016b (figure 2.1) présente un éditeur de
texte (editor en anglais) où les instructions peuvent être écrites en langage MATLAB, enregistrées
dans un fichier au format .m pour ensuite être exécutées ou modifiées. L’éditeur assure donc le
mode exécutif de MATLAB. On distingue aussi la fenêtre de commande (command window en
anglais) permettant le mode interactif du logiciel ; les instructions étant exécutées au fur et à me-
sure qu’elles sont entrées. Enfin on retrouve les fenêtres répertoire courant et espace de travail
(respectivement current folder et workspace en anglais) qui renseignent respectivement sur la liste
des fichiers du répertoire courant, sur les noms et valeurs des variables utilisées dans la session
courante.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.4 Logiciels et Matériels utilisés 42

F IGURE 2.1 : Interface principale de MATLAB

[Link] MPLAB X IDE

MPLAB X Ingrated Development Environment (IDE) est un environnement de développement

intégré (EDI) extensible et hautement configurable qui intègre des outils de développement d’ap-
plications embarquées sur des micro-contrôleurs de la famille Microchip. Il est développé par la
société Microchip Technology qui en fournit une version gratuite. Bien que la version la plus
récente de MPLAB X IDE soit la 5.50 parue le 14 Mai 2021, nous utiliserons dans notre mémoire,
pour sa disponibilité et sa convivialité, la version MPLAB X IDE 5.45 parue en Décembre 2020.

En tant que EDI très complet, MPLAB X IDE, qu’on nommera tout simplement MPLAB
par la suite, propose les fonctionnalités suivantes :

• L’édition : MPLAB dispose d’un éditeur de code par défaut qu’il est recommandé d’utiliser
même s’il est possible d’utiliser un éditeur de code externe à MPLAB. Cet éditeur constitue
la zone principale de l’interface du logiciel (figure 2.2). Le code à saisir dans cette zone peut
être écrit en langage assembleur, dans ce cas le fichier aura le format .asm. Il peut être aussi
écrit en langage C produisant des fichiers au format .c, c’est cette dernière option que nous
choisirons due au fait que le langage C est de plus haut niveau que le langage assembleur

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.4 Logiciels et Matériels utilisés 43

et de plus, il est très documenté, possède plusieurs bibliothèques notamment la bibliothèque

standard du langage C et rassemble de nombreux développeurs dans des forums et autres
communautés virtuelles.

• La compilation : c’est le procédé de traduction des instructions entrées dans l’éditeur de

code en un programme binaire et exécutable par un microprocesseur. Cette fonction est
réalisée par un compilateur. Selon le micro-contrôleur cible, les compilateurs suivants sont
supportés par MPLAB :

– MPLAB XC8, compilateur C pour les micro-contrôleurs de la famille Microchip 8

bits. C’est ce compilateur que nous utiliserons par la suite. Ce choix sera justifié par la
suite.

– HI-TECH C, c’est un compilateur C pour les micro-contrôleurs de 8 bits aussi. Il est

cependant de moins en moins utilisé au vue des ses performances médiocres.

– SDCC (Small Device C Compiler, qui se traduit en français par Compilateur C pour
les Petits Dispositifs ) : c’est un compilateur C complètement gratuit et par conséquent
populaire auprès de certaines communautés de développeurs.

– MPLAB XC16, compilateur C/C++ pour les micro-contrôleurs fonctionnant sur 16

bits

• Le débogage et/ou programmation : c’est une opération d’analyse d’un code pour détecter
d’éventuelles erreurs afin de les corriger. Il peut être réalisé de façon logicielle par le simula-
teur de MPLAB ou il peut être externe et dans ce cas il est réaliser par un débogueur externe.
Ces débogueurs externes sont généralement des programmateurs, ils servent donc aussi à
écrire le programme compilé dans la mémoire des micro-contrôleurs. Microchip fournit une
grande variété de pragrammateurs parmi lesquels PICkit 3, PICkit 4, SoftLog et Real-Ice.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.4 Logiciels et Matériels utilisés 44

F IGURE 2.2 : Interface principale de MPLAB X IDE

[Link] Proteus Design Suite

Proteus Design Suite est une suite logicielle proposant un ensemble d’outils de développement
pour schématiser, tester et simuler des circuits et cartes électroniques. Elle est développée depuis
plus de trente années par la société Labcenter Electronic Ltd. et bien que la version la plus récente
soit la 8.12, nous utiliserons la version 8.6 publiée depuis le 11 Septembre 2017 pour sa disponi-
bilité et sa convivialité.

Des logiciels incluent dans la suite Proteus, les plus utilisés et connus pour la CAO Concep-
tion Assistée par Ordinateur) sont :

• Le logiciel ISIS : Il est principalement utilisé pour l’édition et la simulation des schémas
électroniques. La saisie schématique avec ISIS est intuitive et simple mais permet cepen-
dant de réaliser des circuits complexes en peu de temps grâce aux nombreuses bibliothèques
disponibles. Par ailleurs, la simulation permet de déceler d’éventuelles erreurs pour les cor-
riger. Il est aussi important de noter que grâce à des modules additionnels, ISIS permet de
simuler le comportement d’un micro-contrôleur et son interaction avec les composantes qui
l’entourent. C’est ce dernier atout qui motive principalement le choix de Proteus dans ce

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 45

travail.

• Le logiciel ARES : C’est un outil d’édition et de routage de Proteus qui fonctionne de paire
avec ISIS. En effet, lorsque sur ISIS, le comportement simulé du schéma électronique réalisé
convient au concepteur, il peut alors importer le schéma sur ARES afin d’en réaliser le circuit
imprimé ou, en terminologie électronique, le PCB (Printed Circuit Board).

F IGURE 2.3 : Fenêtre principale de travail sur ISIS

2.5 Présentation du microcontrôleur

2.5.1 Description générale et architecture interne d’un microcontrôleur

Un microcontrôleur en abrégé µC est un circuit intégré et compact, réunissant les éléments

essentiels d’un ordinateur, conçu pour régir une opération spécifique dans un système embarqué.
Les éléments qui le constituent sont généralement :

• Un microprocesseur (Central Processing Unit ou CPU en anglais) : Il exécute séquentiellement

les instructions stockées dans la mémoire programme. On distingue les microprocesseurs
à jeu d’instructions étendu ou CISC (en anglais Complex Instruction Set Computer) qui

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 46

possèdent un nombre important d’instructions, chacune s’exécutant en plusieurs périodes

d’horloge et les microprocesseurs à jeu d’instruction réduit ou RISC (en anglais Reduced
Instruction Set Computer) qui possèdent un nombre réduit d’instructions, chacune d’elles
s’exécutant en une période d’horloge. Le microprocesseur est lui même constitué des éléments
suivants :

– Un ou plusieurs registres accumulateurs qui stockent temporairement les opérandes

ainsi que les résultats des opérations ;

– Des registres auxiliaires et des régistres d’index servant respectivement à relayer les
accumulateurs et au le mode d’adressage indirect ;

– Un compteur programme pointant l’adresse de la prochaine instruction à exécuter ;

– Une unité arithmétique et logique (Arithmetic Logic Unit ou ALU en anglais) per-
mettant d’effectuer des opérations entre l’accumulateur et une opérande ;

– Un registre code condition pour gérer certaines particularités (retenu, zéro, interrup-
tion, ...) du résultat de la dernière opération.

• Des mémoires programmes : Ce sont des composants qui contiennent les instructions que
doit exécuter le µC. Ils sont uniquement accessible en lecture, on parle de mémoire morte.
Selon le mode de programmation, on distingue plusieurs types de mémoires mortes à savoir :

– La ROM (en anglais Read Only Memory ou en français mémoire à lecture seule). Son
contenu est programmé lors de sa fabrication.

– La PROM (Programmable Read Only Memory). Il s’agit d’une ROM programmable

électriquement une seule fois.

– La EPROM (Electrically Programmable Read Only Memory). C’est une ROM pro-
grammable électriquement et effaçable aux ultra-violets.

– La EEPROM (Erasable Electrically Programmable Read Only Memory), elle est pro-
grammable et effaçable électriquement.

• Des mémoires de données : Elles permettent de stocker temporairement les données du

programme en cour d’exécution. Ces données sont générées par le µC pendant les différentes
phases du traitement numérique. Elles sont accessibles en écriture et en lecture et on en
trouve deux types :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 47

– Le type mémoire vive ou RAM (Random Acess Memory ou en français mémoire à

accès aléatoire). C’est une mémoire volatile ayant un temps de lecture et d’écriture
assez court.

– Le type mémoire morte ou EEPROM non volatile avec un temps d’écriture assez élevé
par rapport au temps de lecture qui est assez faible.

• Des interfaces parallèles pour la connexion des entrées/sorties,

• Des interfaces séries (synchrones ou asynchrones) pour le dialogue avec d’autres unités.

• Des timers pour générer ou mesurer des signaux avec une grande précision,

• Des convertisseurs analogique/numérique ou CAN pour le traitement de signaux analo-

giques.

Le schéma fonctionnel (représenté en figure 2.4) récapitule l’architecture interne du micro-

contrôleur. C’est une architecture de type von-neumann commune à la plupart des microcontrôleurs
avec pour particularité le fait que la mémoire programme partage le même bus que la mémoire de
donnée. On distingue aussi l’architecture dite de ”Harvard” qui dispose d’un bus distinct pour les
données et pour le programme.

F IGURE 2.4 : Schéma fonctionnel d’un microcontrôleur : architecture de Von-Neumann

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 48

2.5.2 Microcontrôleur PIC16F877A

Dans la suite, nous utiliserons le PIC16F877A comme microcontrôleur. Les sous-sections

suivantes visent à justifier ce choix et à présenter brièvement ce microcontrôleur.

[Link] Justification du choix du microcontrôleur

A la section [Link], nous avons choisi MPLAB X IDE de Microchip Technology comme
outil logiciel de développement de programmes à embarquer sur microcontrôleur. Ce logiciel n’est
bien compatible qu’avec les produits de marque Microchip. Cela nous conduit donc à choisir un
µC dans la gamme proposée par la société Microchip. Cette dernière classe ses microcontrôleurs
en trois groupes selon la taille de leurs instructions, on distingue :

• Le groupe dit ”Base-Line”, les instructions sont codées sur 12 bits et la famille la plus
connue appartenant à cette catégorie est la famille 12C5X.

• Le groupe dit ”Mid-Range”, les instructions sont codées sur 14 bits. Ce groupe est semblable
au précédent mais disposent de ressources internes plus nombreuses comme un CAN ou des
ports plus variés. Le µC représentatif de ce groupe est sans doute le PIC16F877.

• Le dernier groupe est qualifié par Microchip de ”High-End”, ses instructions sont codées
sur 16 bits et il concerne les familles 18CXX.

En considérant d’autres facteurs notamment la disponibilité, le coût, le nombre d’entrée/sortie,

le type de boitier, les modules internes, nous avons choisi un µC du groupe ”Mid-Range” à savoir
le PIC16F877A qui convient parfaitement à l’application qu’on lui destine.

[Link] Présentation du PIC16F877A

Le microcontrôleur PIC (Peripheral Interface Controller ou en français Contrôleur d’Inter-

face Périphérique) choisi est fourni par la société Microchip sous le nom de code PIC16F877A-
I/P. Sa documentation [53] fournie par son concepteur nous révèle que :

• Les deux (02) premiers chiffres indiquent le groupe du PIC : 16 indique le groupe ”Mid-
Range”.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 49

• La lettre F renseigne que la mémoire programme est de type flash, elle a donc les ca-
ractéristiques d’une mémoire vive sans que ses données disparaissent lors d’une mise hors
tension.

• Les indications 877A renseigne sur le modèle du PIC. Ce modèle peut fonctionner avec une
fréquence d’horloge réglable de 0 à 20MHz.

• La lettre I renseigne sur la gamme de température industrielle, ce µC peut donc efficacement

fonctionner dans de conditions de température allant de −40 0C à +85 0C.

• La lettre P renseigne sur le type de boı̂tier, ici il s’agit d’un boı̂tier quarante (40) broches
PDIP (Plastic Dual In Line)

La forme manufacturée du PIC16F877A-I/P est donnée par la figure (2.5) et la figure (2.6)
en donne une représentation symbolique mettant en évidence ses broches.

F IGURE 2.5 : Forme manufacturée du F IGURE 2.6 : Configuration des broches du

PIC16F877A-I/P PIC16F877A-I/P [53]

Les caractéristiques du PIC16F877A sont nombreuses, certaines ont déjà été mentionnées.
Le tableau (tableau 2.1) suivant présente les plus intéressantes :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 50

Tableau 2.1 : Caractéristiques du PIC16F877A

C ARACT ÉRISTIQUES PIC16F877A

Fréquence maximale d’opération DC-20 MHz

Mémoire de données EEPROM 256 Octects
Mémoire programme(Instructions) 08 k mots d’instructions
Mémoire de données 368 Octets
Sources d’interruptions 15
Ports parallèles d’entrées/sorties A, B, C, D et E
Comparateurs Analogiques 02
Module de CAN (10 bits) 08 broches d’entrées
Jeu d’instruction 35 instructions
Temporisateurs (Timers) 03 (TMR0, TMR1 et TMR2)
40 broches - PLDIP
44 broches - PLCC
Boı̂tiers
44 broches - TQFP
44 broches - QFN

Le microprocesseur du µC PIC16F877A est à jeu d’instruction réduit (RISC) et possède

généralement une architecture interne de type Von-Neumann. La figure (2.7) montre le synoptique
complet du PIC16F877A. Notons que le PIC16F877A ne possède pas de convertisseur numérique/analogique
(CNA) interne pourtant indispensable pour la conversion des signaux numériques aux ports d’entrées/sorties
du µC en signaux analogiques afin d’être visualiser par un afficheur analogique (l’oscilloscope par
exemple).

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 51

F IGURE 2.7 : Synoptique complet du PIC16F877A [53]

[Link] Présentation d’un convertisseur numérique/analogique (CNA)

Un CNA est un dispositif qui prend en entrée une série numérique (une suite de 0 et 1) et four-
nit en sortie une valeur analogique de tension électrique. Pour réaliser un CNA, deux stratégies sont
généralement disponibles, la première consiste à utiliser le module MLI (Modulation en Largeur
d’Impulsion) du microcontrôleur lorsque celui-ci en dispose. Nous emploierons plutôt la deuxième
stratégie qui consiste en la mise en œuvre d’un ensemble externe de résistance.

Cette dernière stratégie permet la mise sur pied des CNA à réseau R-2R. Le réseau R-2R
consiste à faire un montage électrique de branches parallèles de résistances de valeurs R et 2R

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

2.5 Présentation du microcontrôleur 52

comme illustré à la figure (2.8). Pour une valeur numérique Vin , le CNA N bits à réseau R-2R
donne une tension de sortie Vout définie par :
Vin
Vout = Vre f × , (2.75)
2N
avec Vre f la tension de référence pour le niveau logique 1. En technologie CMOS (Complementary
Metal Oxyde Semiconductor), Vre f vaut généralement 3.3V .

F IGURE 2.8 : Convertisseur numérique/analogique huit (08) bits à réseau R-2R

La figure (2.8) représente un CNA huit (08) bits à réseau R-2R. Ainsi, si en sortie du PORTB
du PIC16F877A, on a la valeur (B0 B1 B2 B3 B4 B5 B6 B7 ) = (11001001)2 = (201)10 , en connectant
le CNA de la figure (2.8) à ce PORT, on aura en sortie la tension analogique équivalente Vout telle
que : Vout = 3.3V × 201
28
= 2.6V si on opère en technologie CMOS.

Conclusion

Tout au long de ce chapitre où il était question de présenter les méthodes et les matériels
nécessaires pour la synchronisation de systèmes chaotiques, nous avons présenté puis étudié un
nouveau modèle de système chaotique de type jerk à dérivées fractionnaires, un algorithme pour
la résolution numérique des systèmes fractionnaires et deux méthodes de conception de loi de
commande, dont une classique et l’autre adaptative, pour la synchronisation de différents systèmes
fractionnaires à dynamique chaotique. Nous avons également présenté les logiciels de CAO per-
mettant la simulation et l’implémentation sur microcontrôleur des systèmes chaotiques et des tech-
niques de synchronisation de ces derniers. Dans la suite, nous présenterons les différents résultats
obtenus des simulations et des implémentations.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

C HAPITRE 3

R ÉSULTATS ET D ISCUSSION

Introduction

Dans les chapitres précédents, nous avons présenté divers outils d’analyse du chaos, proposé
un nouveau système fractionnaire de jerk, décrit et appliqué des méthodes de résolution numérique
des systèmes fractionnaires. Nous avons également conçu des commandes de synchronisation des
systèmes chaotiques et présenté les logiciels et matériels permettant la simulation numérique et
l’implémentation sur PIC. Dans ce chapitre, il sera tout d’abord question d’étudier et de caractériser
la dynamique du nouveau système de jerk à travers les résultats de simulations des méthodes
d’investigations numériques des systèmes fractionnaires, ensuite nous simulerons dans différentes
conditions les commandes de synchronisation et nous terminerons par des implémentations sur
PIC.

3.1 Étude de la dynamique du nouveau système de jerk

Dans cette section, nous présentons les résultats en rapport avec la dynamique du système de
jerk proposé. On va en premier lieu considérer le modèle de base (modèle MO5 de Sprott) et en
second lieu, le modèle modifié pour lequel on fera une étude plus approfondie. Rappelons que le
modèle mathématique de notre système est donné par la relation (2.7) :

Dq x = y






 Dq y = z


Dq z = −az − by + x(1 − x2 ) + rxsin(2π f t),



53
3.1 Étude de la dynamique du nouveau système de jerk 54

3.1.1 Simulations numériques du modèle de base avec MATLAB

Le modèle de base (modèle MO5 proposé par J.C. Sprott) s’obtient pour les valeurs des pa-
ramètres et les conditions initiales données en (2.8) à savoir (a, b, r) = (0.7, 1, 0) et (x0 , y0 , z0 ) =
(0, 0, 0.2). On choisit le pas de discrétisation h = 0.003 et l’ordre de dérivation q = 1. On opère
donc à l’ordre entier.

0
x

-2
0 20 40 60 80 100 120 140 160 180 200
(a)
2

0
y

-2
0 20 40 60 80 100 120 140 160 180 200
(b)
2

0
z

-2
0 20 40 60 80 100 120 140 160 180 200
(c)

F IGURE 3.1 : Séries temporelles des variables d’état du modèle de base : (a) état x ; (b) état y ;
(c) état z

2 2

0 0

-2 -2
-2 0 2 -2 0 2
(a) (b)
2
2
0 0
-2
2 2
-2 0 0
-2 0 2 -2 -2
(c) (d)

F IGURE 3.2 : Portraits de phase du modèle de base : (a) plan(x,y) ; (b) plan(y,z) ; (c) plan(x,z) ;
(d) plan(x,y,z)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 55

Les figures (3.1) et (3.2) représentent respectivement les évolutions temporelles et les
portraits de phase du modèle MO5 de Sprott. La présence de plusieurs périodes sur les séries
temporelles et d’attracteurs étranges dans l’espace des phases indiquent clairement que le système
est chaotique.

1
Exposants de Lyapunov

0.5 2

-0.5

-1
0 200 400 600 800 1000
temps (s)

F IGURE 3.3 : Evolution des exposants de Lyapunov du modèle de base dans le temps

Tableau 3.1 : Exposants de Lyapunov du modèle de base

Exposants de Lyapunov Valeurs

λ1 0.1379660994
λ2 0.0000218818
λ3 −0.8375226862

La figure (3.3) montre l’évolution du spectre des exposants de Lyapunov. A la fin de

la simulation, les exposants obtenus sont répertoriés dans le tableau (3.1). Leurs valeurs et signes
confirment que le modèle MO5 de Sprott a une dynamique chaotique. Dans [43], Sprott obtient
les valeurs suivantes (λ1 , λ2 , λ3 ) = (0.1380, 0, −0.8380) qui sont assez proches de celles que nous
avons obtenues. Il apparait donc que la méthode généralisée de résolution des systèmes chaotiques
décrit correctement les systèmes dynamiques pour des ordres dérivations entiers.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 56

3.1.2 Simulations numériques du modèle de Sprott modifié avec MATLAB

Dans cette section, on va s’intéresser particulièrement à l’influence de l’ordre de dérivation

q et du paramètre de contrôle r sur la dynamique du système (2.7) obtenu par modification du
modèle MO5 de Sprott.

[Link] Influence de l’ordre de la dérivée : route vers le chaos

Pour étudier l’influence de l’ordre de dérivation sur le comportement dynamique du système,

on fixe les valeurs des autres paramètres telles que a = 0.7, b = 1, r = 3 et f = 2. Le pas de
discrétisation reste h = 0.003.
(a)

(b)
0.1

-0.1

-0.2

-0.3

-0.4
0 0.2 0.4 0.6 0.8 1
q

F IGURE 3.4 : Diagramme de bifurcation (a) et évolution de l’exposant maximal de Lyapunov (b)
lorsque l’ordre de dérivation q est pris comme paramètre de contrôle et les conditions initiales
(x0 , y0 , z0 ) = (0, 0, 0.2)

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 57

La figure (3.4) nous présente respectivement le diagramme de bifurcation et l’évolution

de l’exposant maximal de Lyapunov lorsque l’ordre de dérivation est pris comme paramètre de
contrôle. Les deux graphes nous renseignent sur la nature de la dynamique du système selon
différentes valeurs de q. L’analyse qualitative de la figure nous permet de délimiter plusieurs do-
maines de fonctionnement, on distingue :

• Pour q ∈ [0, 0.18], le système présente des dynamiques périodiques respectivement de période
1 et de période 2 à partir de q = 0.16.

• Pour q ∈ ]0.18, 0.25], le système présente une dynamique quasi-chaotique.

• Pour q ∈ ]0.25, 0.74], le système présente une dynamique périodique de période 1.

• Pour q ∈ ]0.74, 1], le système présente une dynamique chaotique.

Par la suite, nous prendrons l’ordre de dérivation q = 0.95 pour lequel notre système présente
bien une dynamique chaotique comme vu précédemment.

[Link] Influence du paramètre de contrôle r : route vers le chaos

Ici on s’intéresse à l’influence du paramètre r sur le comportement dynamique du système. Il

convient de rappeler que ce paramètre vient de la modification faite au modèle MO5 de Sprott pour
obtenir le nouveau système proposé. Pour cela, on prend l’ordre de dérivation q = 0.95 et on fixe
les autres paramètres du système tels que a = 0.7, b = 1 et f = 2. Le pas de discrétisation reste
h = 0.003. En faisant varier r de 0 à 80, on obtient la figure (3.5) suivante :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 58

(a)

(b)
0.05

-0.05

-0.1

-0.15

-0.2
0 20 40 60 80
r

F IGURE 3.5 : Diagramme de bifurcation (a) et évolution de l’exposant maximal de Lyapunov (b)
lorsque le paramètre r est pris comme paramètre de contrôle et les conditions initiales (x0 , y0 , z0 ) =
(0, 0, 0.2)

À la figure (3.5) sont respectivement représentés le diagramme de bifurcation et l’évolution

de l’exposant maximal de Lyapunov suivant les valeurs du paramètre de contrôle r. Tout comme
précédemment, les deux graphes permettent de délimiter les différents régimes dynamiques qu’em-
prunte notre système suivant les valeurs de r. Ces régimes peuvent être délimités suivant les régions
suivantes :

• Pour r ∈ [0, 69], le système possède une dynamique chaotique. Dans cette région, on dis-
tingue des zones où la dynamique est plus chaotique notamment les zones délimitées par les
intervalles 0 ≤ r ≤ 13 et 19 ≤ r ≤ 40. Ailleurs le chaos reste présent mais il est moins im-
portant comme le montre les exposants de Lyapunov calculés et répertoriés dans le tableau

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 59

(3.2). On remarquera que pour certaines valeurs de r notamment pour r = 37.5, on obtient
jusqu’à deux exposants de Lyapunov positifs, preuve que le nouveau système présente une
dynamique bien plus riche et complexe que le modèle de base.

• Pour r ∈ ]69, 80], le système présente une dynamique périodique de période 1. En calculant
le spectre de Lyapunov pour une valeur de r dans cette région, on voit bien qu’il n’y a pas
d’exposants positifs comme le montre le tableau (3.2) et que la dimension de Lyapunov
ou de Kaplan-Yorke associée est bien évidement un nombre entier positif, preuve que la
dynamique n’est pas chaotique.

Tableau 3.2 : Exposants de Lyapunov et dimension de Kaplan-Yorke pour quelques valeurs de r

r Exposants de Lyapunov Dimension de Kaplan-Yorke

0 0.3189 -0.2188 -0.7979 2.1255

10 0.3366 -0.1982 -0.8361 2.1655
25 0.3653 -0.3106 -0.7524 2.0726
37 0.1867 0.0194 -0.9039 2.2280
37.5 0.1447 0.0588 -0.9012 2.2258
38 0.1324 0.0568 -0.8870 2.2133
55 0.2496 -0.2831 -0.6643 1.8817
80 0 -0.0386 -0.6322 1

[Link] Portraits de phase

Nous allons présenter deux séries de portraits de phases afin de vérifier les régimes dyna-
miques des différentes régions identifiées précédemment. Pour la première série, on fixe la valeur
du paramètre r à 3 et on considère différentes valeurs de q telles que q ∈ [0.1, 0.2, 0.25, 0.6, 0.75, 0.85, 0.95, 1] ;
pour la seconde, on fixe la valeur q à 0.95 et on prend différentes valeurs de r telles que r ∈
[0, 3, 10, 20, 35, 37.5, 55, 75].

Dans les deux cas, les conditions initiales sont telles que (x0 , y0 , z0 ) = (0, 0, 0.2) et les
paramètres de contrôle (a, b, f ) = (0.7, 1, 2).

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 60

Évolution des portraits de phase selon les valeurs de q

. La première série de portraits de phase est donnée par la figure (3.6) suivante :

F IGURE 3.6 : Évolution des portraits de phase dans le plan (x, y) : r=3 et q ∈ [0.1, 0.2, 0.25, 0.6,
0.75, 0.85, 0.95, 1]

La figure (3.6) présente des attracteurs de natures différentes suivant les valeurs de q. On peut
y voir que le système passe tout d’abord par une dynamique périodique (q = 0.1) puis une dyna-
mique chaotique (q = 0.25) pour ensuite épouser à nouveau une dynamique périodique (q = 0.256)
avant de finir sur une dynamique chaotique (q = 0.95). Ces différents régimes dynamiques par les-
quels passe notre système respectent la route du chaos déduite suite à l’analyse des diagrammes de
bifurcation et exposant maximal de Lyapunov de la figure (3.4). L’évolution des portraits de phase
de la figure (3.6) confirme donc l’analyse faite précédemment.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 61

Évolution des portraits de phase selon les valeurs de r

On fixe la valeur de q à 0.95, en faisant varier r, on obtient la figure (3.7) suivante :

F IGURE 3.7 : Évolution sous MATLAB des portraits de phase dans le plan (x, y) : q=0.95 et r ∈
[0, 3, 10, 20, 35, 37.5, 55, 75]

On voit bien à travers cette figure la route vers le chaos empruntée par le système suivant les
valeurs du paramètre de contrôle r. Sur une large région la dynamique du système est essentielle-
ment chaotique ; on note cependant que l’attracteur étrange change de forme, en effet il passe d’une
forme double scroll (pour une valeur de r = 20 par exemple) à une forme mono scroll (pour une
valeur de r = 35 par exemple). On observe aussi que le système prend une dynamique périodique
pour les grandes valeurs du paramètre r comme à r = 75. Cette évolution confirme l’analyse faite
à partir du diagramme de bifurcation et de l’évolution de l’exposant maximal de Lyapunov suivant
les valeurs de r de la figure (3.5).

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 62

3.1.3 Implémentation du nouveau système de jerk sur Proteus

[Link] Montage sur Proteus ISIS et algorithme MPLAB

F IGURE 3.8 : Schéma du montage du système de jerk sur proteus

La figure (3.8) est celle du montage pour l’implémentation de notre système dynamique sur
microcontrôleur. Elle a été réalisée à l’aide du logiciel ISIS de la suite Proteus. Le composant
électronique délimité par la région (a) est le microcontrôleur PIC16F877A ; il est programmé pour
envoyer les résultats de calcul sous forme numérique à deux de ses ports comme celui délimité
par la région (b). Ces signaux numériques arrivent ensuite à notre réseau CNA, délimité par la
région (c), pour être transformés en signaux analogiques qui sont ensuite visualisés à l’aide d’un
oscilloscope délimité par la région (d). Le composant de la région (e) est un bouton-poussoir qui
nous permet de faire varier les valeurs du paramètre de contrôle afin d’apprécier l’influence de ce
dernier sur la dynamique du système.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 63

Début

Initialisation des variables

Configuration des ports et régistres
du microcontrôleur
Calcul des variables d’état (x, y, z)
correspondantes à l’itération en cours
Affectation des paramètres du système
selon le schéma prédicteur-correcteur (2.28)
a = 0.7, b = 1, f = 2, q, r
Conditions initialles
x0 = 0, y0 = 0, z0 = 0.2 Conversion des variables sous 08 bits
Pas temporelle : h = 0.003 Attribution des variables aux PORTs du µC

Oui Non Non

INT F=1 ? tmax ?

Oui
Modification du
Fin
paramètre ( r )
Arrêt de l’interruption
( INT F=0 )

F IGURE 3.9 : Organigramme du programme de résolution numérique du système fractionnaire de

Jerk

L’organigramme représenté à la figure (3.9) est celui du programme exécuté par le micro-
contrôleur pour l’implémentation du nouveau système de jerk. Ce programme est écrit en langage
C à l’aide du logiciel MPLAB. Au début du programme, les variables à utiliser sont initialisées,
les ports sont configurés en sortie et le registre INTCON qui est registre principal de contrôle et

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 64

de gestion des interruptions du PIC16F877A, est configuré de façon à autoriser et à écouter les
interruptions uniquement sur la broche RB0 du PIC. Lorsque une interruption est enclenchée ( par
appui sur le bouton-poussoir de la figure (3.8) ), un bit témoin ou drapeau (INT F) du registre
INTCON passe à 1 et le programme exécute une routine permettant de modifier la valeur du pa-
ramètre de contrôle et de mettre fin à l’interruption en faisant passer le bit témoin à [Link] la suite
les paramètres et conditions initiales sont définis et le programme entre dans une phase itérative
où à chaque itération les variables d’état de la prochaine itération sont calculées, converties sous
huit (08) bits avant d’être envoyées aux ports du microcontrôleur. La simulation cesse lorsque la
condition d’itération n’est plus respectée.

La conversion sous 08 bits des variables d’état (x, y, z) est une étape capitale afin obser-
ver aux ports du microcontrôleur des données correspondantes aux variables calculées. En effet,
les deux ports du microcontrôleur configurés en sortie ne possèdent que huit broches. Chaque
broche représentant un bit, on ne peut donc que y représenter un ensemble discret et fini de va-
leurs F = {0, 1, 2, · · · , 255} . Or les variables d’état appartiennent à un ensemble de valeurs réelles
dont le nombre d’éléments n’est limité que pas la durée de simulation ; pour une variable d’état
φ par exemple, on peut représenter le spectre des valeurs qu’elle peut prendre par l’ensemble
E = {φmin , · · · , φmax }. La conversion sous huit bits consiste à faire correspondre chaque élément de
E à un élément de F. Pour cela, on choisit l’application :

255(φ − φmin )
f (φ ) = E (3.1)
φmax − φmin

Ainsi à une itération i les variables (xi , yi , zi ) seront calculées et les valeurs qui seront attribuées aux

i −xmin ) 255(yi −ymin )
ports du microcontrôleur seront respectivement les parties entières de 255(x xmax −xmin , ymax −ymin

255(zi −zmin )
et zmax −zmin .

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 65

[Link] Évolution temporelle

1.5

0.5

0
x

-0.5

-1

-1.5
0 50 100 150
temps (s)
1.5

0.5
y

-0.5

-1
0 50 100 150
temps (s)
1.5

0.5

0
z

-0.5

-1

-1.5
0 50 100 150
temps (s)

F IGURE 3.10 : Évolution temporelle sous MATLAB (à gauche) et sous Proteus (à droite) des états
(x,y,z) avec (x0 , y0 , z0 ) = (0, 0, 0.2), r = 0 et q = 1

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.1 Étude de la dynamique du nouveau système de jerk 66

La figure (3.10) présente les évolutions temporelles des variables d’état (x, y, z) obtenues sous
MATLAB (à gauche) et sous Proteus (à droite) en considérant (q, r) = (1, 0). La légère différence
observée entre les résultats s’explique par le fait que l’implémentation retourne les variables d’état
sur huit bits qui passent ensuite à travers un réseau CNA. Ceci a pour conséquence de nuire à la
précision des valeurs des variables d’état visualisées par l’oscilloscope.

[Link] Portraits de phase

a) r = 0 b) r = 3 c) r = 10

d) r = 20 e) r = 35 f) r = 37.5

g) r = 55 h) r = 75

F IGURE 3.11 : Évolution sous Proteus des portraits de phase dans le plan (x, y) : q = 0.95 et
r ∈ [0, 3, 10, 20, 35, 37.5, 55, 75]

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 67

La figure (3.11) présente différents attracteurs du nouveau système de jerk suivant les valeurs
du paramètre de contrôle r. Ces graphes sont l’implémentation sur PIC de ceux présentés à la
figure (3.7). Malgré le défaut de précision dû à l’implémentation, les résultats obtenus dans Proteus
sont assez proches de ceux obtenus dans MATLAB à la figure (3.7) et permettent clairement de
distinguer les différents régimes dynamiques du système selon la valeur du paramètre de contrôle
r. En effet, la figure (3.11) révèle que la dynamique chaotique est présente pour une large plage
de valeur de r avec des formes d’attracteurs étranges tantôt double scroll (par exemple à r=0, r=3
ou r=20) tantôt mono scroll (par exemple r=35 ou r=55) et que la dynamique dévient périodique
pour d’autres valeurs de r comme lorsque r = 75.

3.2 Synchronisation

Rappelons tout d’abord qu’au chapitre 2 nous avons respectivement conçu par la méthode
backstepping classique et par la méthode backstepping adaptative des commandes de synchroni-
sation des systèmes de jerk (2.57) et (2.58). Dans cette partie, nous présentons les résultats de
simulation sur MATLAB et de l’implémentation sur le µC PIC16F877A via le logiciel Proteus de
ces synchronisations. Ces synchronisations seront effectuées dans des conditions idéales et dans
des conditions perturbées afin de tester la robustesse des commandes conçues.

3.2.1 Synchronisation non adaptative : simulations sous MATLAB

[Link] Synchronisation dans le cas idéal

On considère les systèmes de jerk (2.57) et (2.58) avec pour conditions initiales respectives
(x10 , y10 , z10 ) = (0, 0, 0.2) et x20 , y20 , z20 ) = (0, −0.7, −0.2), pour valeurs des paramètres (a, b, r, f ) =
(0.7, 1, 3, 2) et l’ordre de dérivation est q = 0.95.

La commande de synchronisation de ces deux systèmes est donnée par l’expression (2.55).
En prenant pour gain k = 8 et en appliquant la commande cinq secondes (05s) après le début de
simulations, on obtient les courbes suivantes :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 68

(a) (b)

(e)

F IGURE 3.12 : Synchronisation non adaptative dans le cas idéal : (a) états (x1 , x2 ), (b) états (y1 , y2 ),
(c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ) et (e) Loi de commande

Les signaux chaotiques maitres (x1 , y1 , z1 ) et esclaves (x2 , y2 , z2 ) évoluent librement pendant
les cinq premières secondes de la simulation, puis on applique la commande de synchronisation à

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 69

l’instant t = 5s pour forcer le système esclave à suivre le système maitre. Cet instant d’activation
s’observe par le pic présent sur la courbe d’évolution de la commande présentée sur le graphe (e).
L’effort de synchronisation n’est que de quelques secondes (environ 2.896 secondes) : les signaux
(x1 , x2 ) et (y1 , y2 ) (graphes (a) et (b)) se synchronisent en premier en 1.714 secondes et les signaux
(z1 , z2 ) (graphes (c)) en deuxième en 2.49 secondes. Le graphe (d) des erreurs de synchronisation
montre bien que la commande est stable. Après une simulation de quelques dizaines de secondes,
la précision des erreurs (ou de la méthode) de synchronisation est de 10−32 . On conclut donc que
la méthode de synchronisation choisie accomplit sa mission pendant un temps relativement court
et est très précise.

[Link] Synchronisation dans le cas perturbé

Pour tester les performances de la loi de synchronisation, on applique au système esclave

(2.58) un signal de perturbation pseudo-aléatoire ξ (t). Le système esclave est maintenant de la
forme (3.2) :

Dq x2 = y2






Dq y2 = z2 (3.2)


Dq z2 = −az2 − by2 + x2 (1 − x2 ) + rx2 sin(2π f t) + u + ξ (t),


2

où ξ (t) est un signal pseudo-aléatoire d’amplitude 5 × 10−3 . Les valeurs des paramètres et condi-
tions initiales restant inchangées, on obtient les graphes suivants :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 70

(a) (b)

(f)

F IGURE 3.13 : Synchronisation non adaptative dans le cas perturbé : (a) états (x1 , x2 ), (b) états
(y1 , y2 ), (c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ) et (e) Loi de commande.

Comme le montre les résultats de simulations ci-haut, le suivi est atteint malgré la per-
turbation pseudo-aléatoire. La commande rejette donc efficacement la perturbation ; d’ailleurs on

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 71

voit bien sur le graphe (f) que l’effort de synchronisation est permanent dès que la commande
est activée. Ceci prouve que la méthode de synchronisation est robuste. La perturbation pseudo-
aléatoire entraine cependant une baisse de la précision. En effet avec la perturbation, la précision
de la méthode devient de 10−8 .

3.2.2 Synchronisation adaptative : simulations sous MATLAB

On considère les systèmes fractionnaires de jerk donnés par les expressions (2.57) et (2.58).
La commande de synchronisation (2.72) et les lois de mise à jour des paramètres estimés (2.73)
conçues au chapitre précédent ont pour but d’amener le système esclave aux paramètres incertains
(2.58) à suivre le système maitre (2.57). Pour nos simulations, on considérera deux cas d’exploita-
tion : le cas idéal et le cas perturbé.

[Link] Synchronisation dans le cas idéal

Le paramétrage et les conditions initiales des états maitres et esclaves sont tels que donnés dans
le cas de la synchronisation non adaptative. L’estimation initiale des paramètres incertains est de :
â(0) = 8, b̂(0) = 2 et r̂(0) = −2. Les résultats de simulation sont donnés par les graphes suivant :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 72

(a) (b)

(e) (f)

F IGURE 3.14 : Synchronisation adaptative dans le cas idéal : (a) états (x1 , x2 ), (b) états (y1 , y2 ), (c)
états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ), (e) Loi de commande , (f) Loi d’adaptation des paramètres
estimés (â, b̂, r̂).

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 73

A t = 05s, la commande de synchronisation est activée comme le témoigne le pic observé

sur la courbe (e) d’évolution de la loi de commande de la figure ci-haut. Dès lors, sous l’action de
cette commande, les états esclaves (x2 , y2 , z2 ) qui évoluaient librement, sont forcés à suivre les tra-
jectoires des états maitres (x1 , y1 , z1 ) comme le montre les graphes (a), (b) et (c). A chaque instant
les paramètres incertains (â, b̂, r̂) sont estimés (graphe (f)) puis de ces estimations, la commande de
synchronisation est calculée. Ceci explique sans doute le fait que l’effort de synchronisation dure
plus (environ 4.8 secondes) que dans le cas non adaptatif, cependant le pic atteint par la commande
au moment de l’activation est de presque la moitié de celui atteint dans le cas non adaptatif. Les
états-erreurs (e1 , e2 , e3 ) convergent rapidement vers (0, 0, 0). On conclut que la méthode adaptative
assure une synchronisation des états maitres et esclaves avec une précision de l’ordre 10−32 , elle
est donc très précise.

[Link] Synchronisation dans le cas perturbé

Afin de tester la robustesse de la commande de synchronisation conçue par la méthode backs-

tepping adaptatif, on perturbe le système esclave (2.58) en lui ajoutant un signal pseudo-aléatoire.
Ce signal peut être conçu en utilisant la fonction ”rand()” de MATLAB qui est également connue
du langage C. Notre nouveau système esclave devient donc :

Dq x2 = y2






 Dq y2 = z2 (3.3)


Dq z2 = −az2 − by2 + x2 (1 − x2 ) + rx2 sin(2π f t) + u + ζ (t),


2

où ζ (t) est un signal pseudo-aléatoire d’amplitude 5 × 10−3 . Les valeurs des paramètres et condi-
tions initiales restent les mêmes qu’au cas idéal. on obtient les résultats suivants :

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 74

(a) (b)

(e) (f)

F IGURE 3.15 : Synchronisation adaptative dans le cas perturbé : (a) états (x1 , x2 ), (b) états (y1 , y2 ),
(c) états (z1 , z2 ), (d) états erreurs (e1 , e2 , e3 ), (e) Loi de commande , (f) Loi d’adaptation des pa-
ramètres estimés (â, b̂, r̂).

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 75

Cette fois-ci, l’effort de commande est permanent depuis l’activation de la commande jus-
qu’à la fin de la simulation (graphe (e)). Ceci s’explique par le fait que la commande tente malgré
la perturbation de synchroniser les systèmes maitre et esclave. Les états esclaves (x2 , y2 , z2 ) vont
sous l’action de la commande se synchroniser avec les états maitres (x1 , y1 , z1 ) montrant ainsi la
robustesse de la commande conçue par backstepping adaptatif. Le graphe (d) des états-erreurs nous
renseigne cependant que avec la perturbation la méthode perd en précision qui désormais est de
l’ordre de 10−3 . On conclut donc que la méthode backstepping adaptative est robuste et précise
même si les perturbations tendent à réduire cette précision. Cette méthode est plus fiable que la
première en ceci qu’en plus de présenter les mêmes caractéristiques de robustesse et de précision,
elle prend en compte la variation des paramètres au cours du temps.

3.2.3 Implémentation de la synchronisation sur Proteus

Dans cette partie, nous utilisons les logiciels Proteus et MPLAB présentés au chapitre précédent
pour implémenter la synchronisation du système esclave (2.58) au système maitre (2.57). Par la
suite nous ferons une interprétation des résultats obtenus ainsi qu’une comparaison de ces derniers
avec ceux obtenus avec le logiciel MATLAB.

[Link] Montage sur Proteus ISIS et algorithme MPLAB

Le montage sur ISIS, l’éditeur schématique de la suite logicielle Proteus est identique au
montage de la figure (3.8), la différence ne réside qu’au niveau du programme écrit en langage C
et compilé avec MPLAB qui retourne les états (x1 , x2 ), (y1 , y2 ) et (z1 , z2 ) aux ports du µC émulé
sous Proteus.

Les programmes pour la synchronisation écrits en C sous MPLAB respectent la méthode al-
gorithmique représentée sous forme d’organigramme à la figure (Fig 3.16). Notons que dans le cas
de la synchronisation non adaptative, les calculs encadrés par des crochets ne sont pas nécessaires.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 76

Début

Initialisation des variables Calcul des variables d’état (x1 , y1 , z1 )

Configuration des PORTS du microcontrôleur et (x2 , y2 , z2 )
correspondantes à la prochaine itération
selon le schéma prédicteur-correcteur (2.28)
Affectation des paramètres du système
a = 0.7, b = 1, f = 2, q = 0.95, r = 0
Conditions initialles
x10 = 0, y10 = 0, z10 = 0.2 Conversion des variables sous 08 bits
x20 = 0, y20 = −0.7, z20 = −0.2 et Attribution des variables aux PORTs du µC

â(0) = 8, b̂(0) = 2, r̂(0) = −2
Pas temporelle : h = 0.003

Oui
t ≤ tmax

Calcul des erreurs : (ex , ey , ez ) et [ea , eb , er ]

Non

Fin
t < 4s
Non Oui

Calcul de : â(t), b̂(t) et r̂(t) . u=0
Calcul de : u(t)

F IGURE 3.16 : Organigramme du programme de synchronisation par backstepping de deux

systèmes fractionnaires de jerk

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 77

[Link] Résultats de l’implémentation

Synchronisation non adaptative

(a) (b) (c)

(d) (e) (f)

(g)

F IGURE 3.17 : Synchronisation non adaptative sur Proteus : (a) états (x1 , x2 ), (b) états (y1 , y2 ), (c)
états (z1 , z2 ), (d) état erreur e1 = x2 − x1 ,(e) état erreur e2 = y2 − y1 ,(f) état erreur e3 = z2 − z1 , et
(g) Loi de commande

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 78

La figure précédente (3.17) présente les résultats obtenus suite à l’implémentation de la syn-
chronisation par backstepping. Sur les graphes (a), (b) et (c), on voit clairement les états es-
claves (en jaune sur la figure) évolués librement jusqu’à l’application de la commande à l’instant
t = 05 secondes. A partir de cet instant, les états esclaves x2 , y2 , z2 suivent respectivement les états
maitres x1 , y1 , z1 (en bleu sur la figure) et la synchronisation est atteinte après quelques secondes.
Les états-erreurs (e1 , e2 , e3 ) représentés par les graphes (d), (e) et (f) évoluent librement puis se
stabilisent autour de zéro suite à l’activation de la commande de synchronisation. Leur évolution
confirme que la synchronisation entre les états maitres et esclaves et la stabilité de cette dernière.
Le graphe (g) est celui de l’évolution de la commande ; le pic observé sur le graphe correspond à
l’instant de l’activation de la commande et au commencement de l’effort de commande qui ne dure
que quelques secondes.

L’implémentation de la commande de synchronisation non adaptative est donc effective. On

constate cependant que les résultats observés sur Proteus sont légèrement différents de ceux ob-
servés sur MATLAB. Cette différence s’explique par la perte d’informations due à la conversion
sous huit (08) bits des variables d’état représentées sous trente deux (32) bits dans MATLAB.
La conversion sous huit bits bien que cause d’imprécision est nécessaire pour l’affectation des
variables aux ports du microcontrôleur qui n’ont qu’une capacité maximale de huit (08) bits.

Synchronisation adaptative

(a) (b) (c)

F IGURE 3.18 : Synchronisation adaptative : Évolution des états (a) x1 , x2 , (b) y1 , y2 , (c) z1 , z2

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 79

La figure (3.18) montre l’évolution temporelle des états maitres et esclaves. On y voit que
suite à l’activation de la commande conçue par backstepping les états esclaves x2 , y2 , z2 cessent
d’évoluer librement et suivent respectivement les états maitres x1 , y1 , z1 . L’analyse des graphes
des erreurs de synchronisation, nous donnera plus d’informations sur la précision et la stabilité de
la commande.
(a) (b) (c)

(d) (e) (f)

(g)

F IGURE 3.19 : Synchronisation adaptative : (a) état-erreur e1 = x2 − x1 , (b) e2 = y2 − y1 , (c)

e3 = z2 − z1 , (d) estimation du paramètre â(t), (e) estimation du paramètre b̂(t), (f) estimation
du paramètre r̂(t), (g) commande de synchronisation

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

3.2 Synchronisation 80

La stabilisation des erreurs de synchronisation (e1 , e2 , e3 ) autour de zéro (graphes (a), (b)
et (c)) observée à la figure (3.19) montre l’effectivité de la synchronisation adaptative et la stabilité
de la commande de synchronisation. L’estimation des paramètres incertains â(t), b̂(t), r̂(t) se fait
à chaque instant comme observée sur les graphes (d), (e) et (f). Cette dernière opération rend la
commande insensible aux incertitudes ainsi qu’aux légères variations des paramètres de contrôle.
On remarque aussi que l’effort de commande débute avec un pic moins important que dans le cas
de la synchronisation non adaptative mais dure plus longtemps. Tout comme précédemment et pour
la même raison, ces résultats sont légèrement différents de ceux obtenus sous MATLAB.

Conclusion

Ce chapitre nous a permis de présenter différents résultats sur la dynamique du nouveau

système de jerk proposé et la synchronisation des systèmes chaotiques de jerk à dérivée frac-
tionnaire. Concernant le nouveau système proposé, on retient qu’il possède une dynamique bien
plus complexe que le système de Sprott dont il s’inspire et que l’ordre de dérivation y agit comme
un paramètre de contrôle : pour certaines valeurs, elle complexifie son comportement chaotique
et pour d’autres elle impose une dynamique périodique ; elle supprime le chaos. Par ailleurs, les
résultats nous révèlent aussi que les deux méthodes de synchronisations fractionnaires employées
ici à savoir le backstepping et le backstepping adaptatif sont tous deux robustes ; la méthode adap-
tative est cependant plus fiable compte tenu du fait qu’elle adapte ses paramètres en fonction des
variations que peut subir le système au cours du temps. Ces résultats, surtout ceux concernant
l’implémentation sur microcontrôleur, nous montrent aussi que le passage du domaine numérique
au domaine analogique s’accompagne inéluctablement de pertes d’informations.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Conclusion générale et perspectives

L’objectif principal de ce travail était de synchroniser deux systèmes de jerk à dérivée frac-
tionnaire et d’implémenter cette synchronisation sur microcontrôleur. Pour ce faire, nous avons
subdivisés notre travail en trois chapitres. Nous avons, dans le premier chapitre, fait état des prin-
cipales notions se rapportant au calcul fractionnaire, des méthodes et des outils pour l’analyse, la
caractérisation et la synchronisation des systèmes chaotiques à dérivées fractionnaires. Par la suite,
nous avons réalisé un deuxième chapitre sur les méthodes et matériels nécessaires pour la concep-
tion et l’implémentation des commandes de synchronisation des systèmes chaotiques de type jerk
à dérivées fractionnaires ; nous y avons aussi proposé et analysé un nouveau système chaotique
de type jerk. Et nous avons enfin réalisé un troisième et dernier chapitre consacré aux résultats
accompagnés de discussions.

Il en ressort que le nouveau modèle de jerk à dérivée fractionnaire proposé est symétrique
et dissipatif et de plus, comparé au modèle de Sprott [43] dont il s’inspire, ce modèle possède une
dynamique bien plus riche et complexe prouvée par le calcul des exposants de Lyapunov et l’ana-
lyse qualitative des diagrammes de bifurcation et de l’exposant principal de Lyapunov obtenus sur
MATLAB. Nous retenons aussi que les deux techniques de synchronisation employées ont permis
la conception des lois de commande pour la synchronisation des systèmes chaotiques de jerk à
dérivées fractionnaires. Les simulations de ces commandes faites dans les conditions idéales et
perturbées sur MATLAB ainsi que leur implémentation sur le microcontrôleur PIC16F877A via
Proteus ont permis de vérifier et d’attester des qualités de robustesse et de stabilité des lois de com-
mande conçues. Ces résultats révèlent aussi que la commande conçue par la méthode adaptative
est plus fiable et plus appropriée pour la synchronisation des systèmes fractionnaires à dynamique
chaotique.

81
3.2 Synchronisation 82

Au vu de l’ensemble des études menées et des résultats obtenus nous pouvons affirmer sans
ambigüité que notre objectif principal a été atteint. On peut cependant envisager un certain nombre
de perspectives. Pour de futurs travaux, nous recommandons ainsi les principaux axes de recherche
suivants :

• l’étude de l’influence de la fréquence du forçage sinusoı̈dal sur la dynamique du nouveau

système chaotique de jerk proposé ;

• l’implémentation sur composants physiques des systèmes synchronisés ;

• la conception des lois de commande pour la synchronisation de plus de deux systèmes chao-
tiques.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Références

[1] S. DUGOWSON : Les differentielles métaphysiques : histoire et philosophie de la

généralisation de l’ordre de dérivation. Thèse de doctorat, Université Paris 13, Villetaneuse,
France, novembre 1994.

[2] J. T. M ACHADO, V. K IRYAKOVA et F M AINARDI : recent history of fractional calculus .

Commun Nonlinear [Link]., 16(3):1140–1153, 03 2011.

[3] Bertrand B ODO, Alain M VOGO et Saverio M ORFU : Fractional dynamical behavior of elec-
trical activity in a model of pancreatic β -cells. Chaos, Solitons & Fractals, 102:426–432,
septembre 2017.

[4] J. S. Armand Eyebe F OUDA, J. Yves E FFA, Bertrand B ODO et Maaruf A LI : Diophantine
solutions based permutation for image encryption. Journal of Algorithms & Computational
Technology, 7:65–86, mars 2013.

[5] Samuel TAGNE, Bertrand B ODO, Jean Sire Armand Eyebe F OUDA et Guy Valery Ayissi
E YEBE : Circuit implementation of the jerk chaotic system in integer and fractional order
domains. juin 2021.

[6] Edward OTT, Celso G REBOGI et James A YORKE : Paper 1 controlling chaos. Controlling
Chaos : Theoretical and Practical Methods in Non-Linear Dynamics, page 77, 1996.

[7] L M P ECORA et T L C ARROLL : Synchronization in chaotic systems. Controlling Chaos :

Theoretical and Practical Methods in Non-Linear Dynamics, 64(8):821–825, 1990.

[8] Ivo P ETR Á Š : Fractional-Order Nonlinear Systems. Springer Berlin Heidelberg, 2011.

83
Références 84

[9] S G S AMKO, A A K ILBAS et O I M ARICHEV : Fractional integrals and derivatives : Theory

and applications. 1993.

[10] Samuel TAGNE : Oscillateur de duffing à memristor. Mémoire de master, Université de

Yaoundé 1, 2017.

[11] CHOUAMENI DOUANOU C LAIRE : Implémentation sur modelsim d’un oscillateur chao-
tique fractionnaire : oscillateur fractionnaire de lorenz. Mémoire de master, Université de
Yaoundé 1, 2021.

[12] Romaric K ENGNE, Robert T CHITNGA, Anaclet F OMETHE et Zakia H AMMOUCH : Genera-
lized finite-time function projective synchronisation of two fractional-order chaotic systems
via a modified fractional nonsingular sliding mode surface. Communications in Numerical
Analysis, 2017:233–248, 2017.

[13] Igor P ODLUBNY : Fractional differential equations : an introduction to fractional deriva-

tives, fractional differential equations, to methods of their solution and some of their appli-
cations, volume 198. Elsevier, 1998.

[14] T. H OUMOR : Analyse du chaos dans un Système d’équations différentielles fractionnaires.

Thèse de doctorat, Université de Constantine 1, Algérie, 2014.

[15] R.P. AGARWAL : A propos d’une note de m. pierre humbert. 1953.

[16] T. A. A. B ROADBENT, A. E RDELYI et Bateman Project S TAFF : Higher transcendental

functions. III. The Mathematical Gazette, 40(333):229, Octobre 1956.

[17] THOMAS M. MACROBERT : Higher transcendental functions. Nature, 175(4451):317–

317, Février 1955.

[18] Miller K.S. et ROSS B : An introduction to the fractional calculus and fractional differential
equations. Wiley, New York, 1993.

[19] Keith O LDHAM et Jerome S PANIER : The fractional calculus theory and applications of
differentiation and integration to arbitrary order, volume 111. Elsevier, 1974.

[20] Igor P ODLUBNY : Fractional-order systems and fractional-order controllers, volume 12.
1994.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Références 85

[21] Adda F.B : Geometric interpretation of the fractional derivative. Fractional Calculus and
Applied Analysis, 11:21–52, 1997.

[22] Altet O. et Oustaloup A. M OREAU X. : Fractional differentiation : an example of phenome-

nological interpretation. U-Books Edition, 2005.

[23] Nigmatullin R. : A fractional integral and its physical interpretation. Theoret. and Math.
Phys, 90(3):242–251, 1992.

[24] Yan L I, YangQuan C HEN et Igor P ODLUBNY : Stability of fractional-order nonlinear dyna-
mic systems : Lyapunov direct method and generalized mittag-leffler stability. Computers &
Mathematics with Applications, 59:1810–1821, mars 2010.

[25] KONGNE SIMO Arsène E MMANUELLE : Implémentation d’un circuit chaotique memristif
par microcontrôleur. Mémoire de master, Université de Yaoundé 1, 2021.

[26] P. Arnoux et J.-L. Chabert A. D. DALMEDICO : Chaos et déterminisme. 1992.

[27] Edward N. L ORENZ : Deterministic nonperiodic flow. Journal of the Atmospheric Sciences,
20(2):130–141, mars 1963.

[28] Bertrand B ODO, J.S Armand Eyebe F OUDA, A. M VOGO et S. TAGNE : Experimental hyste-
resis in memristor based duffing oscillator. Chaos, Solitons & Fractals, 115:190–195, octobre
2018.

[29] KANA NGUIMEYA Elvis C HRISTIAN : Modélisation par des dérivées fractionnaires de
l’oscillateur de chua à memristor. Mémoire de master, Université de Yaoundé 1, 2016.

[30] Robert L. D EVANEY : An Introduction to Chaotic Dynamical Systems. CRC Press, mars
2018.

[31] Tien-Yien L I et James A. YORKE : Period three implies chaos. In The Theory of Chaotic
Attractors, pages 77–84. Springer New York, 2004.

[32] Grassberger P et Procaccia I : Measuring the strangeness of strange attractors. Physica 9D,
1983.

[33] Jacques VOJAK, Robert et Levy Vehel : Higher order multifractal analysis. 01 1996.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Références 86

[34] A N KOLMOGOROV : A new metric invariant of transient dynamical systems and automor-
phisms in lebesgue spaces. Dolk. Akad. Nauk SSSR, 119(5), 1958.

[35] Alan W OLF, Jack B S WIFT, Harry L S WINNEY et John A VASTANO : Determining lyapunov
exponents from a time series. Physica D : Nonlinear Phenomena, 16(3):285–317, juillet
1985.

[36] James L K APLAN, Ellen D YORKE, James A YORKE et Paul F REDERICKSON : The liapunov
dimension of strange attractors. Journal of Differential Equations, 49(2):185–207, août 1983.

[37] Georg A G OTTWALD et Ian M ELBOURNE : A new test for chaos in deterministic systems.
Proceedings of the Royal Society of London. Series A : Mathematical, Physical and Enginee-
ring Sciences, 460(2042):603–611, février 2004.

[38] Armand F OUDA, Bertrand B ODO, Samrat S ABAT et [Link] E FFA : A modified 0-1 test for
chaos detection in oversampled time series observations. International Journal of Bifurcation
and Chaos in Applied Sciences and Engineering, 24, 05 2014.

[39] Hans Georg B RACHTENDORF, Robert M ELVILLE, Peter F ELDMANN, Siegmar L AMPE et
Rainer L AUR : Homotopy method for finding the steady states of oscillators. IEEE Tran-
sactions on Computer-Aided Design of Integrated Circuits and Systems, 33(6):867–878, juin
2014.

[40] Igor P ODLUBNY : Fractional-order systems and PIλ Dµ controllers, volume 44. Institute of
Electrical and Electronics Engineers (IEEE), janvier 1999.

[41] H.P.W. G OTTLIEB : “what is the simplest jerk function that gives chaos ?”. American Journal
of Physics, 64:525, 1996.

[42] J.C. S PROTT : “some simple chaotic jerk functions”. American Journal of Physics, 65(2):
537–543, 1997.

[43] Julien Clinton S PROTT : Elegant Chaos. WORLD SCIENTIFIC, mars 2010.

[44] S.M. Njikam et V.R.F. Signing J. K ENGNE : “a plethora of coexisting strange attractors
in a simple jerk system with hyperbolic tangent nonlinearity”. Chaos, Solitons & Fractals,
106:201–213, 2018.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Références 87

[45] C. Tresser et A. Arneodo P. C OULLET : “transition to stochasticity for a class of forced

oscillators”. Physics Letters A, 72:268–270, 1979.

[46] A. Elsonbaty et A.M.A. E L -S AYED : “ analytical study of global bifurcations, stabilization

and chaos synchronization of jerk system with multiple attractors”. Nonlinear Dynamics,
90:2637–2655, 2017.

[47] E. A HMED, A.M.A. E L -S AYED et Hala A.A. E L -S AKA : On some routh-hurwitz conditions
for fractional order differential equations and their applications in lorenz, rössler, chua and
chen systems. Physics Letters A, 358:1–4, octobre 2006.

[48] J.H. A RGYRIS, G. FAUST, M. H AASE et R. F RIEDRICH : An Exploration of Dynamical

Systems and Chaos : Completely Revised and Enlarged Second Edition. Springer Berlin
Heidelberg, 2015.

[49] Zaid O DIBAT et N S HAWAGFEH : Generalized taylor’s formula. Journal of Applied Mathe-
matics and Informatics, 186(1):286–293, 2007.

[50] Zaid O DIBAT et Shaher Mohammad M OMANI : An algorithm for the numerical solution of
differential equations of fractional order. Journal of Applied Mathematics and Informatics,
26(2):15–27, janvier 2008.

[51] Tchawoua C L ÉMENT : Contribution à l’étude de la dynamique des excitations non linéaires
dans les réseaux diatomiques, au contrôle et à la synchronisation des systèmes chaotiques.
Thèse de doctorat, Université de Yaoundé 1, Cameroun, 2005.

[52] J.S Armand Eyebe F OUDA, Bertrand B ODO, Guy M.D. D JEUFA et Samrat L. S ABAT : Ex-
perimental chaos detection in the duffing oscillator. Communications in Nonlinear Science
and Numerical Simulation, 33:259–269, avril 2016.

[53] Microchip Technology I NC . : Pic16f87xa data sheet 28/40/44-pin enhanced flash microcon-
trollers, 2003.

Mémoire de Master II de Physique ? ? UYI MVUH FRANCK LINO c 2021

Vous aimerez peut-être aussi

Poly 1a PDF
Pas encore d'évaluation
Poly 1a PDF
131 pages
Automatique 1A Poly
Pas encore d'évaluation
Automatique 1A Poly
127 pages
Livre Hal7
100% (1)
Livre Hal7
548 pages
Cours Asser
Pas encore d'évaluation
Cours Asser
62 pages
Matlab Simulink
Pas encore d'évaluation
Matlab Simulink
80 pages
Cours Automatique
Pas encore d'évaluation
Cours Automatique
141 pages
Main
Pas encore d'évaluation
Main
315 pages
Cours Autom M1MNE 1617
Pas encore d'évaluation
Cours Autom M1MNE 1617
181 pages
TP Master1 CSM
100% (2)
TP Master1 CSM
49 pages
Asservissement Linéaire et Régulation
Pas encore d'évaluation
Asservissement Linéaire et Régulation
141 pages
Auto 0
Pas encore d'évaluation
Auto 0
149 pages
Cours Ra
Pas encore d'évaluation
Cours Ra
276 pages
Cours - Régulation Automatique Analogique
100% (1)
Cours - Régulation Automatique Analogique
276 pages
Commande des systèmes linéaires
Pas encore d'évaluation
Commande des systèmes linéaires
85 pages
These PDF
Pas encore d'évaluation
These PDF
70 pages
Chap 01 Regulation
100% (2)
Chap 01 Regulation
56 pages
Analyse Et Commande. Des Systèmes Numériques. Master 1 MNE. Florent Nageotte
Pas encore d'évaluation
Analyse Et Commande. Des Systèmes Numériques. Master 1 MNE. Florent Nageotte
137 pages
Cours d'Automatique Linéaire Continu
Pas encore d'évaluation
Cours d'Automatique Linéaire Continu
89 pages
Emilie Sabrie
Pas encore d'évaluation
Emilie Sabrie
143 pages
Commande Des SL V4
100% (2)
Commande Des SL V4
103 pages
Commande Par Espace D'état PDF
Pas encore d'évaluation
Commande Par Espace D'état PDF
148 pages
Cours Insa Lyon CN
Pas encore d'évaluation
Cours Insa Lyon CN
158 pages
Poly Auto Lineaire 1GEET 23 24
100% (1)
Poly Auto Lineaire 1GEET 23 24
66 pages
Comande Robuste - Support2
Pas encore d'évaluation
Comande Robuste - Support2
369 pages
Njlvrwo 4 Z 8
Pas encore d'évaluation
Njlvrwo 4 Z 8
69 pages
M1 Poly PDF
Pas encore d'évaluation
M1 Poly PDF
83 pages
Syllabus Labo Auto Avancee
Pas encore d'évaluation
Syllabus Labo Auto Avancee
43 pages
Colp PDF
Pas encore d'évaluation
Colp PDF
60 pages
Cour Electronique Numériqueh.
Pas encore d'évaluation
Cour Electronique Numériqueh.
68 pages
Revise Poly
Pas encore d'évaluation
Revise Poly
300 pages
Signification de GDB et Repos en Automatique
Pas encore d'évaluation
Signification de GDB et Repos en Automatique
119 pages
2011 Douat
Pas encore d'évaluation
2011 Douat
168 pages
Commande des Systèmes Linéaires en Matlab
Pas encore d'évaluation
Commande des Systèmes Linéaires en Matlab
98 pages
1-Cours - Commande Des Systèmes Complexes
Pas encore d'évaluation
1-Cours - Commande Des Systèmes Complexes
50 pages
Cours Commandes Machines
Pas encore d'évaluation
Cours Commandes Machines
83 pages
Analyse des Systèmes Numériques
Pas encore d'évaluation
Analyse des Systèmes Numériques
159 pages
Optimisation PSO pour Régulateurs
Pas encore d'évaluation
Optimisation PSO pour Régulateurs
74 pages
Poly CSLM 2GESET 2024 2025
Pas encore d'évaluation
Poly CSLM 2GESET 2024 2025
65 pages
Rapport TP Automatique MATLAB
Pas encore d'évaluation
Rapport TP Automatique MATLAB
38 pages
Poly Sle
Pas encore d'évaluation
Poly Sle
98 pages
Cours Alc VF
Pas encore d'évaluation
Cours Alc VF
76 pages
Cours sur les systèmes asservis linéaires
100% (3)
Cours sur les systèmes asservis linéaires
86 pages
Asservissement (Modilisation)
100% (1)
Asservissement (Modilisation)
71 pages
Commande Analogique et Numérique
Pas encore d'évaluation
Commande Analogique et Numérique
53 pages
PFE Interessant
Pas encore d'évaluation
PFE Interessant
82 pages
Polycopie Automatique
Pas encore d'évaluation
Polycopie Automatique
82 pages
2019 Thèse BHN Cor
Pas encore d'évaluation
2019 Thèse BHN Cor
169 pages
Cours TICS
Pas encore d'évaluation
Cours TICS
75 pages
CMD Numerique 1
Pas encore d'évaluation
CMD Numerique 1
79 pages
Variable Etat PDF
Pas encore d'évaluation
Variable Etat PDF
103 pages
Mamadou Lamine FALL: Universite de Caen Basse-Normandie
Pas encore d'évaluation
Mamadou Lamine FALL: Universite de Caen Basse-Normandie
178 pages
Rapport Haddad
Pas encore d'évaluation
Rapport Haddad
47 pages
Dbut Livre PDF
Pas encore d'évaluation
Dbut Livre PDF
18 pages
Ingénieur Tyype Du Pendule PDF
Pas encore d'évaluation
Ingénieur Tyype Du Pendule PDF
63 pages
Filt Repasse Bande
Pas encore d'évaluation
Filt Repasse Bande
16 pages
1le Leadership Selon Jesus-Christ
Pas encore d'évaluation
1le Leadership Selon Jesus-Christ
90 pages
SupplyVoltages ControlVoltages
Pas encore d'évaluation
SupplyVoltages ControlVoltages
7 pages
Synthèse Sur La PLL
Pas encore d'évaluation
Synthèse Sur La PLL
12 pages
Etude Comparative Des Outils D'analyse Du Chaos
Pas encore d'évaluation
Etude Comparative Des Outils D'analyse Du Chaos
20 pages
Notions Fondamentales Sur La Physique Des Semicon Ducteurs: TD PHY5159
Pas encore d'évaluation
Notions Fondamentales Sur La Physique Des Semicon Ducteurs: TD PHY5159
2 pages
Mon Speech
Pas encore d'évaluation
Mon Speech
1 page
CA02
Pas encore d'évaluation
CA02
25 pages
Etude Et Realisation Dun Systeme Chaotiq
Pas encore d'évaluation
Etude Et Realisation Dun Systeme Chaotiq
84 pages
Exposé SD de N.donald
Pas encore d'évaluation
Exposé SD de N.donald
23 pages
Classification Des Appareils de Mesures
Pas encore d'évaluation
Classification Des Appareils de Mesures
14 pages
Synchronisation Cryptage
Pas encore d'évaluation
Synchronisation Cryptage
5 pages
Atelier de Gestion de Restaurant en Java - Removed
Pas encore d'évaluation
Atelier de Gestion de Restaurant en Java - Removed
2 pages
Demande Diplôme Licence 104449
Pas encore d'évaluation
Demande Diplôme Licence 104449
1 page
Introduction Aux AOP (Amplificateurs Opérationnels) : À Quoi Ça Sert, Comment Ça Marche, Leurs Caractéristiques (Avec Exemples Et Schémas de Montage)
Pas encore d'évaluation
Introduction Aux AOP (Amplificateurs Opérationnels) : À Quoi Ça Sert, Comment Ça Marche, Leurs Caractéristiques (Avec Exemples Et Schémas de Montage)
45 pages
Memoire David Loic Juillet FINAL
100% (1)
Memoire David Loic Juillet FINAL
79 pages
Memoire Yves M. DOMWA - Corrigee - Final
Pas encore d'évaluation
Memoire Yves M. DOMWA - Corrigee - Final
79 pages
Comprendre les circuits PLL
Pas encore d'évaluation
Comprendre les circuits PLL
13 pages
Corps Causal Et Corps Grossier
Pas encore d'évaluation
Corps Causal Et Corps Grossier
5 pages
Biochimie Du Pain
Pas encore d'évaluation
Biochimie Du Pain
13 pages
3e - Synthèse Réseau
100% (2)
3e - Synthèse Réseau
4 pages
Analyse des Coûts de l'Entreprise Alpha
Pas encore d'évaluation
Analyse des Coûts de l'Entreprise Alpha
1 page
Thème 5 Je Suis Le Vrai Cep
Pas encore d'évaluation
Thème 5 Je Suis Le Vrai Cep
7 pages
Transformateur Triphasé : Guide Essentiel
Pas encore d'évaluation
Transformateur Triphasé : Guide Essentiel
25 pages
Probatoire 2024 Epreuve de Svteehb Serie C-Ti Republique Du Cameroun
Pas encore d'évaluation
Probatoire 2024 Epreuve de Svteehb Serie C-Ti Republique Du Cameroun
3 pages
MQ 29 Le Rechauffement Du Climat
Pas encore d'évaluation
MQ 29 Le Rechauffement Du Climat
1 page
Le Canal de La Peur
100% (3)
Le Canal de La Peur
179 pages
Matériaux du quotidien : classification et propriétés
Pas encore d'évaluation
Matériaux du quotidien : classification et propriétés
3 pages
Fiche Technique Motoculteur
Pas encore d'évaluation
Fiche Technique Motoculteur
1 page
NEWTON
Pas encore d'évaluation
NEWTON
559 pages
Rapport - TP Loi NERNST
0% (1)
Rapport - TP Loi NERNST
6 pages
Qualification Avancée À La Lutte Contre L'incendie 2ème Partie
Pas encore d'évaluation
Qualification Avancée À La Lutte Contre L'incendie 2ème Partie
74 pages
Sceptiscisme Rticle Critère
Pas encore d'évaluation
Sceptiscisme Rticle Critère
23 pages
Situation du secteur des assurances 2022
Pas encore d'évaluation
Situation du secteur des assurances 2022
15 pages
Présentation SVT Docs
Pas encore d'évaluation
Présentation SVT Docs
5 pages
E1 Corrigé 2018
100% (2)
E1 Corrigé 2018
8 pages
Les Mots Clés
Pas encore d'évaluation
Les Mots Clés
23 pages
Acetates Chap04 Differentes-Lignes A2015-2pp
Pas encore d'évaluation
Acetates Chap04 Differentes-Lignes A2015-2pp
79 pages
La Stérilisation Pour Les Nuls
100% (2)
La Stérilisation Pour Les Nuls
37 pages
T1-1-cours-Cinématique Du Point
Pas encore d'évaluation
T1-1-cours-Cinématique Du Point
3 pages
Chapitre4LAT64 Automate-Converti
Pas encore d'évaluation
Chapitre4LAT64 Automate-Converti
7 pages
Tapis /sifflet
Pas encore d'évaluation
Tapis /sifflet
1 page
Initiation Informatique: QCM et Études de Cas
Pas encore d'évaluation
Initiation Informatique: QCM et Études de Cas
6 pages
Notice Sulrid Sirop
Pas encore d'évaluation
Notice Sulrid Sirop
2 pages
Les Causes de L'exploitation Artisanale
Pas encore d'évaluation
Les Causes de L'exploitation Artisanale
31 pages
2nde H9 - La Révolution Du Néolithique en Côte Divoire
Pas encore d'évaluation
2nde H9 - La Révolution Du Néolithique en Côte Divoire
9 pages
Mode de Metre - GEPI
100% (1)
Mode de Metre - GEPI
11 pages
Examen Optimisation 2022 Session 1
Pas encore d'évaluation
Examen Optimisation 2022 Session 1
1 page