CHAPITRE 1

INTRODUCTION
Représentation d’état des systèmes linéaires continus

Commande dans l’espace d’état par placement de pôles

1.1 Introduction

En automatique, une représentation d'état permet de modéliser un système dynamique en

utilisant des variables d'état. Cette représentation, qui peut être linéaire ou non, continue ou discrète,
permet de déterminer l'état du système à n'importe quel instant futur si l'on connaît l'état à l'instant
initial et le comportement des variables exogènes qui influent sur le système. La représentation d'état
du système permet de connaître son comportement "interne" et pas seulement son comportement
"externe" comme c'est le cas avec sa fonction de transfert1.

La notion d’état : On définit l’état d’un système à l’instant t o comme l’information sur le
passé nécessaire et suffisante pour déterminer l’évolution ultérieure du système quand on connait, pour
t > to, les signaux d’entrée et les équations du système.

i(t) R1 L

+ R2 y(t)
e
v(t) C

Fig. 1.1
 Dans le cas de l’exemple 1, l’information nécessaire et suffisante pour résoudre le systéme
d’´equations 1 est liée aux conditions initiales : i(t o) et v(to). Par conséquent, un ensemble possible de
variables d’´etat est : [i(t), v(t)]

On remarque que les variables d’´etat constituent les supports des ”souvenirs” du système.
Plus généralement, les variables d’´etat dans les systèmes physiques sont les éléments aptes à
emmagasiner de l’´energie sous forme cinétique ou potentielle: inductances, capacités, masses,
ressorts... Ce sont les éléments ayant une capacité de ”mémoire”.

Le schéma de la figure 1 est décrit par les équations :

di
e ( t )= ( R 1+ R 2 ) .i ( t ) + L . +v (t)
dt

dv
i (t )=c .
dt

y ( t ) =R2 .i ( t ) + v (t)

Vecteur d’état : est un ensemble minimal de variables d’´etat, c’est-à-dire de grandeurs

temporelles nécessaires et suffisantes pour déterminer l’´evolution future d’un système quant on
connait les équations qui décrivent le fonctionnement du système et les entrées de ce système. Dans ce
qui suit, un vecteur d’´etat sera noté :

[]
x1
x2
x= …
…
xn

Le nombre n de composants correspond au degré de complexité du système. Il définit l’ordre

du système.

Les équations d’état : Le système précédent peut s’écrire sous la forme matricielle suivante :

T
Avec [ i(t) v (t) ]

D’une manière générale, à tout système linéaire, causal et continu peuvent être associées les
équations matricielles suivantes :
 dx
=A ( t ) . x ( t )+ B (t).u(t) Equation d’état
dt

y(t)= C(t).x(t) + D(t).u(t) Equation de sortie

Dans le cas d’un système stationnaire, les matrices A, B, C et D sont indépendantes du temps.

A : est appelée matrice d’état du système

x : est appelé vecteur d’état du système

u : est appelé vecteur d’entrée du système

y : est appelé vecteur de sortie du système

B : est appelée matrice de commande du système

C : est appelée matrice d’observation du système

D : est appelée matrice de transmission directe du système

Dans le cas discret, ces équations prennent la forme suivante :

x ( k +1 )= A . x ( k ) +B . u ( k ) équation d’état

y ( k )=C . x ( k )+ D . u(k) équation de sortie

x0

entrée u
B
ẋ ∫❑ x
C
y

Fig. 1.2

Lorsque l’on envisage la commande d’un système, la première étape consiste à le modéliser.
Modéliser un système consiste à élaborer une représentation mathématique qui permette de décrire et
prédire son comportement dynamique lorsqu’il est soumis à des influences externes ( entrées de
commande, perturbations…).
1.2 Différents formes de modélisation :

Tout système linéaire peut être représenté de plusieurs manières comme le montre le schéma
suivant :

Entrée u Système Sortie y

Physique

Représentation par Représentation par Représentation par

équation différentielle fonction de transfert équation d’état

 Exemple de modélisation :

Le groupe Ward-Leonard de la figure ci-dessous est constitué d’une génératrice G à courant

continu qui tourne à vitesse constante et qui délivre un courant I proportionnel à son courant
d’excitation i : I = KG.i. Le courant I alimente le moteur M à courant continu dont l’excitation
reste constante et qui produit un couple C = Kc. I

i I

v L G M f θ

Fig. 1.3

1.3 Mise en équation

Cette opération consiste à écrire l’ensemble des équations qui régissent le système :

{ {
di(t)
v ( t )=l . + R . i(t) dθ (t)
dt Ω ( t )=
d Ω(t) dt
C ( t )=J . + f . Ω(t) dI (t)
dt L. =−R . I ( t )+ K G v (t)
dt
dθ (t )
Ω (t)= d Ω(t)
dt j. =f . Ω ( t ) + K c I (t)
dt
I ( t )=K G .i ( t )
 C(t) =Kc.I(t)

1.3.1 Equation d’état à partir des équations physiques

dθ
On pose comme variables d’état : x1 =θ(t), x2= I(t), x3=
dt

Avec x1 : la position angulaire, grandeur de sortie

x2 : le courant dans l’ensemble G-M

x3 : la vitesse de rotation

Les équations d’état s’écrivent :

dx
=A ( t ) . x ( t )+ B (t).u(t)
dt

y(t)= C(t).x(t) + D(t).u(t)

[ ][]
0
0 1
0
−R
0 0 KG
A= L B= C=[ 1 0 0 ] D=0
KC L
−f
0 0
J J

1.3.2 Equation d’état à partir de la fonction de transfert

La fonction de transfert peut s’obtenir par l’application de la transformée de Laplace aux

équations du système puis éliminer toutes les variables intermédiaires pour aboutir à la
relation entre l’entrée v(p) et la sortie y(p) = θ(p).

{
di(t)
K G v (t )=L . +r . i(t)

{
dt K G V ( p ) =( Lp+ R ) I ( p)
Y ( p) KC . KG
y ( t )=θ (t) → Y ( p )=θ( p) → =
2 V ( p ) p ( Lp+ R ) (Jp+ f )
d θ (t) dθ (t) K C ( p )= p ( Jp+ f ) θ (p)
K c ( t )= j. 2
+f .
dt dt

On part de la fonction de transfert et on propose une représentation d’état :

y ( p) Kc . KG α β γ
= = + +
v ( p) p ( Lp+ R ) ( Jp+ f ) p Lp+ R Jp +f

v ( p) v ( p) v ( p)
→ y ( p ) =α . +β . +γ .
p Lp+ R Jp +f
 Kc . KG K c . K G . L2 −K c . K G . J 2
Avec α = , β= γ=
Rf J (RJ −f . L) R(RJ −fL)

On a par conséquent :

v ( p)
X 1 ( p )= → X 1 ( t ) =v ( t )
p

v ( p) −R 1
X 2 ( p )= → X 2 ( t )= X 2 + v (t)
Lp+ R L L

v ( p) −1 1
X 3 ( t )= → X 3 ( t )= X 3 + v (t)
Jp+ f J J

y ( p )=α X 1(p)+ β X 2 ( p )+ γ X 3 ( p ) → y ( t )=α X 1 ( t ) + β X 2 ( t )+ γ X 3 (t)

D’ou une autre représentation d’état possible:

X́ ( t )= AX ( t ) +Bv (t )

y ( t ) =CX ( t ) + Dv(t )

[ ] []
0
0 0 1
−R 1
0 0
A= L B= L C=[ α β γ] D=0
−f 1
0 0
J J

La variable X2 représente le courant i et y(t) représente la position angulaire

1.3.3 Equation d’état à partir de l’équation différentielle

L’équation différentielle peut s’obtenir à partir des équations établis du système par
élimination des variables intermédiaires i, I, C ou directement à partir de la fonction de
transfert :

KC . K G
y ( p) KC . KG LJ
= =
v ( p) p ( Lp+ R ) ( Jp+ f ) R f
p3 + + p 2 +
L J (
Rf
LJ
p )
 → p+
( ( )
3 R f 2 Rf
+ p+
L J LJ
p y ( p )=
KC . KG
LJ )
v (t )

Par application de la transformée de Laplace inverse, on a :

( )
3 2
d y (t) R f d y ( t ) Rf dy ( t ) K C . K G
+ + + = v (t )
d t3 L J d t2 LJ d t ❑ LJ

L’équation différentielle est d’ordre 3, il faut par conséquent 3 variables d’état :

2
dy ( t ) d y (t )
z1=y(t), z2= ❑ , z3 =
dt dt2

d 3 y (t) ˙ R f
( )
Rf K C. KG
z 1=¿ ˙z 2 , z˙2 ¿ = z 3 z 3=¿ =− + z3 ¿- z 2 + v (t)
dt 3
L J LJ LJ

' '
D ou une autre représentation d état :

[ ][ ]
1 0 0 0
0 0 1 0
A= , B= , C=[ 1 0 0 ] , D=0
( )
−Rf R f KC . KG
0 − +
LJ L J LJ

1.3.4 Passage de la représentation d’état à la fonction de transfert

On considère un système représenté par les équations d’état suivantes :

X́ ( t )= AX ( t ) +Bu (t)

y ( t ) =CX ( t ) + Du(t)

x(t0) = x0

En appliquant la transformée de Laplace aux équations ci-dessus, elles deviennent :

−1
px ( p ) =Ax ( p )+ Bu ( p ) → ( pI − A ) x ( p ) =Bu ( p ) → x ( p )=( pI − A ) Bu ( p )

y ( p )=Cx ( p ) + Du ( p ) → y ( p )=Cx ( p ) + Du ( p ) → y ( p )=Cx ( p ) + Du ( p )

−1
→ y ( p ) =C ( pI −A ) Bu ( p ) + Du( p)

La fonction de transfert est alors définie par :

 −1
H ( p )=C ( pI −A ) B+D

1.4 Comment obtenir un modèle d’état :

L’on peut obtenir une représentation d’état linéaire en manipulant le jeu d’équations
préliminaires ou en opérant à partir de l’équation différentielle unique

1.4.1 par le jeu d’équations

L’on suppose que les équations déjà manipulées sont linéaires. Prenons l’exemple du circuit
électrique dont les équations sont :

i(t) R L

u(t) C y(t)

Fig. 1.4

di ( t )
u ( t )=R .i ( t )+ L + y (t )
dt

τ
1 dy (t) 1
y (t)= ∫
C 0
i ( τ ) dτ →
dt
= i(t)
C

Les deux grandeurs dont la dérivée intervient sont i et y.(A partir de maintenant la
dépendance en le temps est omise pour alléger les notations). Soient donc les deux
variables d’état x1=i et x2 =y, les deux équations précédentes peuvent s’écrire :

R ˙˙ 1 1
x 1=¿− x1 − x 2 + u ¿
L L L
1
x˙2= x
C 1

Ce qui conduit au modèle suivant :

 [ ]
−R −1

[]
1
L L
A= , B= L , C=[ 0 1 ], D= 0
1
0 0
C

1.4.2 Par l’équation différentielle unique

La technique consistte à considérer l’équation différentielle globale suivante :

n n−1 m m−1
d y (t) d y (t) d u(t ) d y (t)
an n
+ an−1 n−1
+ …+a 1 ẏ ( t )+ a0 y ( t )=b m m
+b m−1 m −1
+ b1 u̇ ( t ) +b 0 u ( t )
dt dt dt dt

L’on suppose d’abord que m=0, l’on suppose également que a n = 1 et l’on pose les
variables d’état suivantes :
n−1
d y
x 1= y , x 2= ẏ , x 3= ÿ , … , xn = n−1
dt

Si l’on revient à l’exemple précédent du circuit RLC, en regroupant les deux équations ;
l’on obtient par élimination de i(t) :

2
d y (t ) dy
u ( t )=LC 2
+ RC + y ( t )
dt dt

L’équation peut être écrite :

R 1 1
ÿ + ẏ + y= u
L LC LC
L’on obtient alors :

[ ] [ ]
0 1 0
A= −1 −R , B= 1 , C=[ 1 0 ] , D=0
LC L LC

1.5 Réponse d’un modèle d’état

il s’agit d’utiliser un modèle d’état pour déterminer la réponse d’un système linéaire `a une
excitation classique (impulsion, ´échelon, sinusoïde). Par réponse, l’on entend la forme (ou
l’expression) de la sortie y(t) du système délivrée sous l’effet d’une excitation u(t).

1.5.1Solution du système autonome

 Soit l’équation ẋ= A . x , x ( t 0 ) =x 0

Le vecteur x0 constitue l’ensemble des conditons initiales à l’instant t 0. Il s’agit de voir

comment le système réagit librement, en l’absence d’entrée à cette condition initiale.

a- Matrice de transition d’état

L’on cherche la solution sous la forme suivante :
x (t )=Ф (t , t 0) x 0
La matrice Ф(t) est dite matrice de transition d’état puisqu’elle permet de passer de l’état x 0 à
l’état x(t). En dérivant par rapport au temps, l’on obtient :

ẋ= A . x=Ф̇ (t,t0) = A Ф(t , t 0 )x 0

Ce qui conduit aux équations suivantes :

Ф̇ (t,t0) = A Ф(t , t 0 ) (*)

Ф ( t 0 , t 0 )=I

b- Solution de l’équation homogène

La solution d’un système matriciel (*) est analogue à celle obtenue dans le cas scalaire donc il
vient :
Ф ( t ,t 0 )=e A (t −t ) 0

A (t−t 0 ) 2
e =I + A ( t−t 0 ) + A ¿ ¿ + A3 ¿ ¿+…

Si on dérive l’équation ci-dessus par rapport au temps, l’on obtient :

A (t−t 0) 3 2
de A (t−t 0)
=A+ A2 ( t−t 0 ) + +…
dt 2∗1

A (t−t 0)
de
= A ¿+ A3 ¿ ¿+…)= Ae A (t−t ) 0

dt

Ce qui montre que e A (t−t ) est solution de l’équation (*). La réponse du système autonome à
0

une condition initiale x0 est donc :

A (t−t 0)
x (t )=e x0
1.5.2 Solution de l’équation d’état complète

L’on cherche maintenant une solution en x puis en y à l’équation d’état. L’on suppose que
cette solution est de la forme :

x(t) = Ф(t,t0).z(t) avec z(t0) = x0

il vient alors :

ẋ (t )=Ф̇ ( t , t 0 ) z ( t ) +Ф ( t , t 0 ) ż (t)

¿ A . Ф ( t , t 0 ) z ( t )+Ф ( t , t 0 ) ż ( t )= A . x ( t ) + B .u (t)

'
Par identification des deuux membres de la derniere égalité ,l on a :

−1
ż (t )=Ф ( t , t 0) . B .u(t)

qui devient :

❑
ż (t )=Ф ( t 0 , t ) . B . u(t )

En intégrant, l’on exprime z(t) :

t
z (t )=x 0 +∫ Ф ( t 0 , τ ) Bu ( τ ) dτ
❑

t0

t
→ x ( t )=Ф ( t ,t 0 )x0 +Ф ( t ,t 0 )∫ Ф❑ ( t 0 , τ ) Bu ( τ ) dτ
t0

t
→ x ( t )=Ф ( t ,t 0 )x0 +∫ Ф❑ ( t , τ ) Bu ( τ ) dτ
t0

Il vient :

x0 +¿ +∫ e
A (t−t 0) A (t−τ )
x (t )=e Bu ( τ ) dτ
t0

Si l’on donne la solution en y, on obtient :

 t

x 0 +¿+C∫ e
A (t −t 0 ) A (t−τ )
y ( t ) =C e Bu ( τ ) dτ + Du(t)
t0

On peut constater deux régimes dans la réponse :

- Le régime libre : il correspond au premier terme et ne dépend que du modèle du système

et de la condition initiale. Il ne dépend pas de l’action de l’environnement extérieur
pendant la réponse.
- Le régime forcé : Il est associé aux deux derniers termes et correspond en fait à la réaction
du système à l’excitation u(t). Il dépend du modèle du système et de la nature du signal
u(t).

Lorsque la réponse tend asymptotiquement vers une valeur constante y(t) ou vers un
comportement périodique de ce signal, l’on peut distinguer :

- Le régime transitoire : qui est le temps durant lequel y(t) subit une évolution avant de se
rapprocher d’une valeur constante ou d’un comportement périodique. La durée du régime
transitoire correspond à un temps appelé temps de réponse et noté tr
- Le régime permanent qui succède au régime transitoire, qui commence donc à t r, et qui
correspond à l’intervalle de temps durant lequel y(t) est considéré comme restant toujours
proche de sa valeur finale.

1.6 De la fonction de transfert à la représentation d’état

Comme il vient d’être vu, s’il existe une seule et unique fonction de transfert décrivant un
système linéaire, il peut en revanche exister plusieurs représentations d’état dites
réalisations du système.
Dans un premier temps, il est supposé que n> m, c'est-à-dire qu’il n’existe pas de
transmission directe (D = 0). Il existe alors des méthodes pour déterminer des réalisations
diagonales, de Jordan, ou encore dites compagnes.

1.6.1 Cas d’une fonction de transfert strictement propre (m < n)

 Réalisation diagonale ou quasi diagonale de Jordan

L’on suppose sans perte de généralité que a n = 1 de sorte que la fonction de transfert G(p)
peut s’écrire :
 N ( p) N ( p) N ( p)
G ( p )= = n n−1
= n
D( p) p + an−1 p +…+ a1 p+ a0
∏ (p−α i)
t=1

L’expression ci-dessus fait apparaitre les pôles du système, c(est à dire les racines du
dénominateur D(p)

 Pôles distincts

Dans le cas ou tous les pôles α i , i = 1, …n sont distincts, il est facile de réaliser la
décomposition en éléments simples de Y(p) = G(p) et il vient :

n
Y ( p )=∑ ¿ ¿ Xi(p)
i=1

Si l’on focalise son intention sur chaque terme Xii(p), l’on déduit que :

p X i ( p )=β i U ( p ) + α i X i ( p)

Ce qui se traduit dans le domaine temporel, par application de £ 1, par :

ẋ i=β i +α i . x i

En choisissant le vecteur d’état x= [x 1 … xn]T, il vient aisément la réalisation suivante, dite

diagonale.

[ ] []
α1 0 ⋯ 0 β1
⋮ α2 ⋱ ⋮ β2
ẋ= .x+ .u
. … … … ⋮
0 … ⋯ αn βn

y= [1 1 … 1].xi

Exemple :

La fonction de transfert :

1 1 1 1
G ( p )= = + +
p ( p+1 )( p−1) p 2( p+ 1) 2( p−1)
Peut conduire à la réalisation :

{ [ ] [ ]}
0 0 0 1
ẋ= 0 −1 0 . x + 1/2
0 0 1 1 /4
y=[ −1 1 2] . x

 Pôles multiples

Dans le cas ou G(p) possède un pôle d’ordre de multiplicité supérieur à 1, la diagonalisation

de A n’est pas forcement possible. Pour comprendre ce qui peut être envisagé dans cette
situation, l’on peut tout simplement considérer une fonction de transfert G(p) ne possédant
qu’un seul pôle α de multiplicité n. L’on a alors :

n
U ( p)
Y ( p )=G ( p ) .U ( p ) =∑ β i Xn+1-i(p)
i=1 ( p−α )2

L’on voit bien sur cette expression que le premier terme est tel que:

→
U ( p) −1
X n ( p )= l ẋ n=α . x n +u
p−α

Quant aux autres termes, ils sont tels que :

→
U (p) X ( p) j −1
X j−1 ( p ) = = l ẋ j −1=α . x j=1+ x j , ∀ j ∈ { 2 , … , n }
p−α p−α

 Réalisation de forme compagne :

Il existe plusieurs réalisations de forme compagne qui peuvent etre facilement obtenues à
partir de la fonction de transfert. Ce paragraphe est restreint aux formes compagnes les plus
classiques. Pour ce faire, G(p) est supposé de la forme :

Y ( p) N ( p) bm . p m +b m−1 . p m−1+ … b1 . p+ b0
G ( p )= = =
U ( p) D( p) an pn +a n−1 pn−1 +…+ a1 p+ a0
Les deux formes dites ‘compagnes’ les plus communément rencontrées sont :

- Forme compagne horizontale :

-

ẋ=
[ 00 1 ⋯ … 0
0 … ¿ ¿
… ¿ ⋱ ¿ … ¿ ⋮ ¿ 0 ¿ 0 ¿ ⋯ ¿ ¿ 1 ¿−a 0 ¿−a1 ¿ … ¿ … . ¿−an−1 ¿ .x+ [
]

[]
0
0
⋮ .u
0
1

y = [b0 b1 … bm 0 … 0]

- Forme compagne verticale :

ẋ=
[−an−2
−an−1 1 ⋯ … 0
0 … ¿ ¿
… ¿ ⋱ ¿ … ¿ ⋮ ¿−a 1 ¿ 0 ¿ ⋯ ¿ ¿ 1 ¿−a 0 ¿−a 1 ¿ … ¿ … . ¿ 0 ¿ .
]

[]
0
0
⋮
x+ [ .u
bm
…
b0

y = [1 0 … 0 0 … 0]x

1.7 De la représentation d’état à la fonction de transfert

S’il existe plusieurs manières d’obtenir une réalisation à partir de la fonction de transfert, cette
dernière étant unique, il n’existe qu’une façon de l’obtenir à partir d’une équation d’état. Pour
cela, il faut noter que £ est un opérateur linéaire qui peut donc s’appliquer aux matrices.
Partant de l’équation suivante :

X́ ( t )= AX ( t ) +Bv (t )

y ( t ) =CX ( t ) + Dv(t )

Il vient :

−1
px ( p ) =Ax ( p )+ Bu ( p ) → ( pI − A ) x ( p ) =Bu ( p ) → x ( p )=( pI − A ) Bu ( p )

Y ( p )=CX ( p )+ DV ( p)
Les conditions initiales étant considérées nulles puisqu’il s’agit de déterminer G(p). De toute
évidence, ceci amène :

−1
G ( p )=C ( pI −A ) B+D

1-8 Analyse de la stabilité

La stabilité de l’état est conditionnée par celle de la matrice de transition e At. En effet la
solution de l’équation homogène, x(t) = eAt.x0 tend vers 0 quelle que soit la condition initiale si
eAt tend vers 0 quand t tend vers l’infini. En examinant le lien entre les matrices (A, B, C, D) et
la fonction de transfert du système, on remarque que les pôles de cette dernière ne sont autres
que les valeurs propres de A. On retient donc que e At converge si set seulement si si les valeurs
propres de la matrice A sont à partie réelle strictement négative.

1-9 Analyse du régime transitoire et permanent

La matrice d’état permet de renseigner non seulement sur la stabilité d’un système, mais aussi
sur sa dynamique et donc sur le régime transitoire.

1-9-1 Analyse transitoire

On peut prévoir la forme du régime transitoire et évaluer sa durée à partir de la connaissance

des valeurs propres. Par analogie avec les poles de la fonction de transfert, on peut conclure
avec certitude que :

 Si les valeurs propres sont réelles et strictement négatives : réponse transitoire

apériodique
 Si parmi les valeurs propres il y’an a qui sont complexes et à partie réelle strictement
négative : réponse transitoire oscillatoire amortie.
 Si la matrice d’état A possède à la fois des valeurs propres réelles strictement
négatives et des valeurs propres complexes à partie réelle strictement négative : la
forme du régime transitoire est caractérisé par les valeurs propres dominantes.

A défaut de pouvoir évaluer directement les caractéristiques du régime transitoire (temps

de réponse, dépassement,… ) par analyse des valeurs propres, on est souvent amené à
intégrer les équations d’état.
1-9-2 Analyse statique

Pour une entrée constante u01 c'est-à-dire de type échelon, il s’établit un comportement
statique ou toutes les variables d’état et de sorte atteignent des valeurs finales constantes.

L’état du système converge vers l’état final qui peut être déterminé à partir du gain
statique. Celui-ci s’obtient en mettant p = 0 dans la fonction de transfert, ce qui se traduit
par la relation suivante :

Ks = H(p)p=0 = C(pI-A)-1.B + D = -CA-1 B +D

L’état et la sortie en régime statique s’obtiennent par:

Lim x(t) = -A-1 B.u0 quand t ∞

Lim y(t) = [-CA-1 B + D].u0 quand t ∞

Application :

x (t )=
[−60 −51 ] x ( t ) +[ 01] u (t)
y ( t ) =[ 1 0 ] x (t)

La fonction de transfert est donnée par :

y ( p)
=C ( pI − A)−1 B+ D=C (pI − A)−1 B
u ( p)

[ ] [ ]
−1
−1 p −1 1 p+5 1
( pI − A) = =
p +5 p+6 −6
2
6 p+5 p

[ ][ ]
p+5 1
y ( p) ( p+ 2 )( p+3 ) ( p+2 ) ( p+3 ) 0 1
=H ( p )= [ 1 0 ] =
u ( p) −6 p 1 ( p+ 2 ) (p +3)
( p+ 2 )( p+3 ) ( p+2 ) ( p+3 )

Le gain statique est Ks=H(0) = -CA-1B= 1/6

 Analyse de la stabilité :

Les valeurs propres de la matrice A, solutions de l’équation caractéristique det (pI-A)

= p2 +5p + 6 =0, sont données par λ 1 = -2, λ2=-3. Ces valeurs propres sont réelles et
négatives, il s’ensuit que le système est de nature stable. On note que les valeurs
propres sont aussi les pôles de la fonction de transfert.

1-10 Commandabilité, Observabilité :

1-10-1 Commandabilité :

Un des objectifs majeurs de l’automaticien étant la commande des systèmes, la

première question qu’il doit poser est celle de la faisabilité du problème. Pour de
systèmes linéaires et stationnaires décrits par :

X́ ( t )= AX ( t ) +Bu (t)

y ( t ) =CX ( t )

Cette question se pose en ces termes : ‘est il possible de générer une commande qui
permette de faire passer le système d’un état quelconque x(t 0) à un autre état
quelconque x(T)’. Sans perte de généralités, on pourra supposer l’état initial nul, i.e.
x(t0)=0.

Définition : Un système est dit à état entièrement commandable si, par action sur
l’entrée, il est possible d’atteindre en un temps fini n’importe quel point de l’espace
d’état.

L‘hypothèse de l’état initial nul est tel que la solution x(t) s’’exprime par :

t
x (t )=∫ e
A ( t− τ )
Bu(τ )dτ
0

Supposons que l’on arrive à établir qu’il existe un vecteur v constant tel que :

T
v x ( t )=0 ∀ t ≥ 0

Cela constitue un obstacle à la commandabilité. En effet, prenons l’exemple à deux

dimensions avec x = (x1, x2)T, et v= (1, -1)T. La définition de la commandabilité
annonce que l’espace atteignable est le plan R 2 tout entier alors que la contrainte
 vTx(t)=0 impose à l’état de se déplacer sur la droite d’équation x 2 = x1, et ce pout tout
t. Le système considéré n’est donc pas commandable.

Espace d’état x2

Χ = R2 Etats atteignables x1=x2

X1

( ) ()
0 0⋯ −1 1
−1
A=TA T = 1 ⋮ ⋱−2 −2⋮ , B= 0 ,C=1−10 ¿
0 ⋯0 −1 0

1-10-2 Observabilité :

Lorsque l’état x(t) du processus n’est pas accessible, les techniques de commande ne sont plus
directement applicables, et il faut faire appel à un état reconstruit ^x (t ) . Cette opération n’est
pas possible que si le processus possède la propriété d’observabilité définie ci-dessous.

Définition : Un système est dit à état entièrement observable si, par observation des entrées et
sorties du système sur un intervalle de temps fini, on peut déterminer l’état initial du
processus.

Pour le système ∑ ( A , B , C), on définit la matrice d’observabilité du processus, de taille

(nm*n), par :

( )
C⋮
Q A ,C = CA
…
n −1
CA

Théorème : Le système ∑ ( A , B , C) est observable si et seulement si la matrice

d’observabilité OA,C est de rang plein.
1-11 Commande par placement de pôles :

La commandabilité est une notion importante puisqu’elle établit le fait que l’on puisse
commander le système afin de modifier son comportement (stabilisation d’un système
instable, modification des dynamiques propres). Cette notion joue donc un rôle très important
dans la théorie de la synthèse de systèmes de commande dans l’espace d’état.

1-11-1 Théorème de placement des pôles :

Le système S ou la paire (A, B) est commandable si set seulement si pout tout ensemble
symétrique ᴧ de n valeurs propres, il existe une matrice K(m, n) telle que : σ(A – BK) = ᴧ .

Notation : σ (X) = l’ensemble des valeurs propre d’une matrice X.

En d’autres termes, si la paire (A, B) est commandable, il existe une matrice K telle que :

det ¿ ¿

¿ ¿ ¿
ᴧ= ( λ 1 λ2 λ n)

1-11- 2 Commande par retour d’état- placement des pôles

On considère un système S monovariable (m = p = 1) commandable représenté par les

équations suivantes :

Sboucle ouverte=
{
x ( t ) =Ax (t ) + Bu(t)
y ( t )=Cx (t) }

La stabilité et la dynamique du système S sont fixées par σ(A)=[λ 1 λ2 λn]. On souhaite

commander ce système dans le but d’améliorer les performances par une commande suivante
appelée commande par retour d’état :

u ( t )=e ( t )−Kx (t)

e ( t )−K 1 x 1 ( t )−K 2 x 2 ( t )−… … . K n x n (t)

 K= [ k 1 k 2 … k n ] est appelé≤gain du retour d état .
'

Symboliquement, le système en boucle fermée peut-être représenté par le système suivant :

Consigne e u Système Sortie y

K
Etat x

Avec cette commande, les équations en boucle fermée s’écrivent :

Sboucle fermée =
{ x ( t )=( A−BK ) x (t ) + Be(t)
y ( t )=Cx(t) }
La matrice d’état du système en boucle fermée est A-BK, la matrice de commande B et lamatrice de
sortie C sont inchangées.

D’après le théorème de placement de pôles, si la paire (A,B) est commandable, il existe un gain de
retour K tel que σ(A-BK) soit imposé arbitrairement.

Commentaires :

 Lorsque l’approche par fonction de transfert est utilisée, le bouclage se fait par
retour de la sortie y, alors lorsque l’approche des équations d’état est utilisée, le
bouclage se fait par retour d’état. D’où l’appellation commande par retour d’état.
 L’entrée du système en boucle fermée est e(t). Elle représente l’entrée de
consigne.
 La mise au point pratique de la commande par retour d’état suppose que toutes les
variables sont physiquement accessibles.

Applications :

 Si le système en boucle ouverte est instable, on peut le stabiliser par cette technique et lui
assignat un ensemble de valeurs propres.
 Si la dynamique en boucle ouverte est jugée lente, on peut l’améliorer en choisissant
convenablement un ensemble de valeurs propres.

Mise en œuvre pratique :

 Les principales étapes à suivre pour mettre en œuvre la technique de la commande par retour
d’état :

1- On met les équations du système sous forme d’équations d’état

Sboucle ouverte=
{
x ( t ) =Ax (t ) + Bu(t)
y ( t )=Cx (t) }
'
A ce propos , il est indispensable de choisur des variables d étatphysiquement accessibles .
2- On teste la commandabilité du système
3- On fixe une dynamique appropriée pour le système en boucle fermée fixée par l’ensemble A.
4- On calcule le gain du retour d’état K
5- On fixe l’entrée e – consignes
6- On réalise la loi de commande
Il reste à présent de donner les procédures pour le calcul du gain K. Dans toutes les méthodes
proposées, les données sont les suivantes :
 (A, B) une paire commandable

¿ ¿ ¿
L’ensemble des valeurs propres désirées en boucle fermée : ᴧ= ( λ 1 λ2 λ n)

L’inconnue est le gain : K = [ k1 k2 …..kn]

a) Méthode directe
Cette première méthode consiste à calculer le gain K tel que :

det ¿ ¿

¿ ¿ ¿
ᴧ= ( λ 1 λ2 λ n)
Pour ce faire :
 Poser K = [ k1 k2 …..kn]
 Calculer en fonction de Ki la matrice A – BK
 Calculer la matrice λI – (A – BK) et en déduire son déterminant pour obtenir le polynôme
caractéristique désiré en fonction de K.
¿ ¿ ¿
 Développer le polynôme caractéristique désiré ( λ−λ 1 )( λ− λ2 ) …( λ−λ 3)
 En identifiant terme à terme les deux polynomes caractéristiques, on obtient un système de n
équations dont les inconnues sont les éléments Ki=, i = 1, n

Exemple :
 On donne :
{ 5 [
A= −2 −4 B= −1 C=[ 1 1 ]
2 1
ᴧ= [−1 −2 ]
n=2 m= p=1
] [ ]

det (λI – A) = λ2 - 3λ – 2 = 0 → λ1 = -0.56 λ2 = 3.56

Systéme instable

 On pose K =[k 1 k 2]
 On calcule la matrice A – BK

A−BK =
[ −2 −4 −1
2 5
−
1 [ ] ][
−2+k −4 +k
[ k 1 k 2 ] = 2−k 1 5−k 2
1 2
]
 On calcule la matrice λI – (A –BK) et son déterminant

λ I −( A−BK )=
[ λ+−2+2−Kk 11 4−k 2
λ−5−k 2 ]
det λ I −( A−BK )= λ2+ (-3- k1 + k2) λ−2+k 1
 On développe le polynôme caractéristique désiré:
(λ - λ1*)(λ – λ2*)=(λ + 1)(λ + 2) = λ2 + 3λ + 2
 On résout le système algébrique suivant :

{
−3−k 1+ k 2=3
−2+k 1=2
D’où le résultat :

{ k 1=4
k 2=10
*

1-11-3 Commande par retour de sortie : les observateurs :

Dans cette partie, l’on suppose que les composantes du vecteur d’état ne sont pas forcément
accessibles et l’on se contente d’utiliser l’information présente au niveau de la sortie y pour établir une
loi de commande.

 Principe de l’observation :
Le principe de l’observation est d’utiliser u et y pour reconstruire un vecteur ^x qui soit aussi
proche que possible de x afin d’effectuer ensuite un retour d’état comme le montre la figure.

Bibliographie
[1] UV automatique, cours 11 : ‘Commande dans l’espace d’état, Architecture des systèmes
d’information’, INSA Rouen.

[2] Olivier BACHELIER, Cours d’automatique :’ représentations d’état linéaires des systèmes
monovariables’, 2eme année ENSIP.

[3] Najib BENNIS, ‘Représentation d’état des systèmes linéaires continus, commande par
placement de pôles’

[4] Corinne VACHIER, ‘Représentation d’état et Commande dans l’espace d’état’ Maitrise
EEA, Université Paris XII-Val de Marne.