Automatique Jcano

Notes de cours
Téléchargeables sur
http://justincano.com
Automatique des systèmes linéaires
Justin Cano
Deuxième édition.
Polytechnique Montréal.
1.8
Réponses indicielles
1.6
1.4
1.2
1
Amplitude
0.8
=0.1
0.6 =0.2
=0.3
=0.4
0.4 =0.5
=0.6
=0.7
0.2 =0.8
=0.9
0
0 2 4 6 8 10 12 14 16 18 20
Temps (seconds)
Version du
2 août 2021
Cette œuvre est mise à disposition sous licence Attribution - Pas d’Utilisation
Commerciale - Partage dans les Mêmes Conditions 3.0 France. Pour voir une co-
pie de cette licence, visitez http://creativecommons.org/licenses/by-nc-sa/3.0/fr/ ou
écrivez à Creative Commons, PO Box 1866, Mountain View, CA 94042, USA.
Voir le texte intégral de la licence.

Table des matières
1 Introduction 1
I But du document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
II Exemple introductif . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
III Définir un problème de commande . . . . . . . . . . . . . . . . . . . . 3
III.A Pourquoi faire de la correction ? . . . . . . . . . . . . . . . . . 3
III.B Modéliser le problème . . . . . . . . . . . . . . . . . . . . . . 3
III.C Un système physique . . . . . . . . . . . . . . . . . . . . . . . 5
III.D Esprit de la matière et contenu des notes . . . . . . . . . . . . 6
IV Un exemple célèbre d’asservissement . . . . . . . . . . . . . . . . . . 7
I Outils et notations 9
2 Quelques rappels d’analyse ? 10

I Notations usuelles employées . . . . . . . . . . . . . . . . . . . . . . . 10
II Notions élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
II.A Polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
II.B Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . 12
III Résolution d’EDLC d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . 14
α
Automatique des systèmes linéaires http://justincano.com
III.A Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
III.B Forme canonique d’une EDLC2 . . . . . . . . . . . . . . . . . 14
III.C Régimes possibles des solutions d’une EDLC2 . . . . . . . . . 16
IV Résolution d’EDLC d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . 25
IV.A Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
IV.B Forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Notations mathématiques utilisées en algèbre ? 28

I Opérateurs vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
II Opérateurs matriciels . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
II.A Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
II.B Trace et norme . . . . . . . . . . . . . . . . . . . . . . . . . . 30
II.C Produit matriciel usuel et produit de Kronecker . . . . . . . . 30
II.D Déterminant d’une matrice . . . . . . . . . . . . . . . . . . . . 31
III Éléments d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
III.A Inverse Matriciel . . . . . . . . . . . . . . . . . . . . . . . . . 32
III.B Changement de Base . . . . . . . . . . . . . . . . . . . . . . . 34
III.C Algèbre spectrale . . . . . . . . . . . . . . . . . . . . . . . . . 35
IV Notation pour l’analyse multivariable . . . . . . . . . . . . . . . . . . 37
IV.A Dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
IV.B Généralisation des EDLC1 . . . . . . . . . . . . . . . . . . . . 37
II Analyse des systèmes asservis 39
4 Plan de Laplace 40
I Transformée de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 41
I.A Définitions fondamentales . . . . . . . . . . . . . . . . . . . . 41
I.B Quelques propriétés . . . . . . . . . . . . . . . . . . . . . . . . 42
I.C Distribution de Dirac et fonction échelon . . . . . . . . . . . . 47
I.D Quelques transformées usuelles . . . . . . . . . . . . . . . . . 49
II Fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . 52
II.A Expressions à partir d’équations différentielles . . . . . . . . . 52
J. Cano Table des matières – β

II.B Stabilité des systèmes linéaires . . . . . . . . . . . . . . . . . . 55

II.C Précision des systèmes asservis . . . . . . . . . . . . . . . . . 62
II.D Calculs sur la rapidité et les dépassements . . . . . . . . . . . 70
II.E Dépassements des systèmes asservis . . . . . . . . . . . . . . . 73
III Preuve du théorème de la valeur finale . . . . . . . . . . . . . . . . . 75
5 Quelques notes sur l’identification des systèmes ? 77

I Méthodes graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
I.A Identification d’un système de premier ordre . . . . . . . . . . 78
I.B Identification d’un système de deuxième ordre oscillant . . . . 79
II Autres méthodes graphiques . . . . . . . . . . . . . . . . . . . . . . . 81
II.A Approximation par modèle de Broïda . . . . . . . . . . . . . . 81
II.B Approximation par modèle de Strejc . . . . . . . . . . . . . . 82
III Estimation par moindres-carrés non-linéaires . . . . . . . . . . . . . . 84
III.A Équation de mesure de la réponse à l’échelon . . . . . . . . . . 85
III.B Éléments de théorie . . . . . . . . . . . . . . . . . . . . . . . . 85
III.C Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
III Conception des systèmes asservis 95
6 Conception directe dans le plan de Laplace 96

I Notions géométriques dans le plan de Laplace . . . . . . . . . . . . . 96
I.A Région de stabilité . . . . . . . . . . . . . . . . . . . . . . . . 97
I.B Rapidité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
I.C Marge oscillatoire . . . . . . . . . . . . . . . . . . . . . . . . . 101
I.D Cercle d’effort . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
I.E Marges de premier pic . . . . . . . . . . . . . . . . . . . . . . 104
II Contrôleurs à action simple . . . . . . . . . . . . . . . . . . . . . . . 105
II.A Action Proportionnelle . . . . . . . . . . . . . . . . . . . . . . 105
II.B Action Intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . 106
II.C Action Dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . 108
III Actions Combinées . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
J. Cano Table des matières – γ

III.A Compensateur Proportionnel-Intégral . . . . . . . . . . . . . . 109

III.B Compensateur Proportionnel-Dérivé . . . . . . . . . . . . . . . 110
III.C Compensateur Proportionnel-Intégral-Dérivé . . . . . . . . . . 110
III.D Compensateur Proportionnel-Intégral-Dérivé Feedforward . . . 111
IV Placement des pôles avec les contrôleurs . . . . . . . . . . . . . . . . 112
IV.A Placement par calcul direct . . . . . . . . . . . . . . . . . . . 112
IV.B Lieu des racines d’Evans . . . . . . . . . . . . . . . . . . . . . 115
7 Commande fréquentielle 123

I Notions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . . 123
I.A Gain et phase relative . . . . . . . . . . . . . . . . . . . . . . 124
I.B Filtre linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
II Outils d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
II.A Diagrammes de Bode . . . . . . . . . . . . . . . . . . . . . . . 126
II.B Critère de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . 137
II.C Marges de stabilité . . . . . . . . . . . . . . . . . . . . . . . . 152
II.D Lieu de Black-Nichols ? . . . . . . . . . . . . . . . . . . . . . . 156
III Compensateurs fréquentiels . . . . . . . . . . . . . . . . . . . . . . . 162
III.A Cahier des charges fréquentiel . . . . . . . . . . . . . . . . . . 162
III.B Compensateur à avance de phase . . . . . . . . . . . . . . . . 165
III.C Compensateur à retard de phase . . . . . . . . . . . . . . . . . 169
IV Réglages de Ziegler-Nichols pour un PID ? . . . . . . . . . . . . . . . 175
8 Introduction à la commande moderne 179

I Espace d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
I.A Représentation d’état de Kalman . . . . . . . . . . . . . . . . 181
I.B Lien avec les fonctions de transfert dans le domaine de Laplace 182
I.C Systèmes commandables . . . . . . . . . . . . . . . . . . . . . 184
I.D Systèmes observables . . . . . . . . . . . . . . . . . . . . . . . 187
II Compensation dans l’espace d’état . . . . . . . . . . . . . . . . . . . 191
II.A Placement de pôles par retour d’état . . . . . . . . . . . . . . 191
II.B Observateurs de Luenberger . . . . . . . . . . . . . . . . . . . 199
J. Cano Table des matières – δ

II.C Un exemple de conception complet sur Matlab commenté . . . 202
A À propos du document i
I Mot de l’auteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
II Versions du document, errata & améliorations . . . . . . . . . . . . . iii
B Éléments d’algèbre des schémas-blocs vi

I Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . vi
I.A Blocs et opérandes . . . . . . . . . . . . . . . . . . . . . . . . vi
I.B Blocs en parallèle . . . . . . . . . . . . . . . . . . . . . . . . . vii
I.C Blocs en série . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
II Boucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
III Un exemple résolu de réduction de schéma-blocs . . . . . . . . . . . . ix
J. Cano Table des matières – ε

Table des figures
1.1 Représentation typique du problème d’asservissements. . . . . . . . . 4

1.2 Régulateur de Watt. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Schéma-blocs de l’asservissement du régulateur de Watt. . . . . . . . 8
2.1 Plan complexe, partie réelle, imaginaire, argument et module. . . . . 12

2.2 Tracé d’une solution apériodique d’une EDLC2. . . . . . . . . . . . . 18
2.3 Tracé d’une solution pseudo-périodique d’une EDLC2. . . . . . . . . 21
2.4 Tracé d’une solution de régime critique d’une EDLC2. . . . . . . . . . 21
2.5 Tracé d’une solution harmonique d’une EDLC2. . . . . . . . . . . . . 23
2.6 Solution d’une équation différentielle d’ordre 1. . . . . . . . . . . . . . 27
4.1 Représentation de la fonction de Dirac. . . . . . . . . . . . . . . . . . 47

4.2 Représentation de la fonction d’Heaviside. . . . . . . . . . . . . . . . 48
4.3 Circuit RC série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4 Modèle générique d’un asservissement linéaire SISO en en schéma-blocs. 63
4.5 Transformation d’un schéma à retour quelconque en un problème à
retour unitaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.6 Schéma-blocs générique d’un système linéaire SISO perturbé à retour
unitaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
ζ
4.7 Schéma-blocs du rejet de perturbation. . . . . . . . . . . . . . . . . . 67

4.8 Abaque montrant l’évolution du temps de réponse normalisé en fonc-
tion du coefficient d’amortissement. . . . . . . . . . . . . . . . . . . . 72
4.9 Illustration du dépassement pour un système d’ordre deux. . . . . . . 74
5.1 Identification graphique d’un système de premier ordre . . . . . . . . 79

5.2 Identification graphique d’un système de deuxième ordre. . . . . . . . 80
5.3 Modèle de Broïda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.4 Modèle de Strejc. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.5 Distribution gaussienne centée. . . . . . . . . . . . . . . . . . . . . . 89
5.6 Génération des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.7 Moindres-carrés appliqués pour identifier les paramètres. . . . . . . . 93
6.1 Région de stabilité du plan S. . . . . . . . . . . . . . . . . . . . . . . 97

6.2 Visualisation polaire du plan de Laplace. . . . . . . . . . . . . . . . . 98
6.3 Visualisation du critère de rapidité. . . . . . . . . . . . . . . . . . . . 99
6.4 Réponse indicielle de F (s). . . . . . . . . . . . . . . . . . . . . . . . . 101
6.5 Plan de Laplace avec les pôles de F (s) marqués par des croix. . . . . 101
6.6 Plan de Laplace avec marges de rapidité et d’oscillation. . . . . . . . 102
6.7 Plan de Laplace avec marges de rapidité et d’oscillation et cercle d’effort.103
6.8 Marges de premier pic dans le plan de Laplace. . . . . . . . . . . . . 104
6.9 Schéma-blocs du contrôleur proportionnel. . . . . . . . . . . . . . . . 106
6.10 Schéma-blocs du contrôleur intégral. . . . . . . . . . . . . . . . . . . 107
6.11 Schéma-blocs du contrôleur proportionnel-intégral. . . . . . . . . . . . 109
6.12 Schéma-blocs du contrôleur proportionnel-dérivé. . . . . . . . . . . . 110
6.13 Schéma-blocs du contrôleur proportionnel-intégral-dérivé. . . . . . . . 111
6.14 Schéma-blocs du contrôleur proportionnel-intégral-dérivé et feedforward.112
6.15 Asservissement PI proposé. . . . . . . . . . . . . . . . . . . . . . . . . 113
6.16 Réponse à l’échelon du système asservi. . . . . . . . . . . . . . . . . . 115
6.17 Lieu des racines étudié. . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.18 Lieu des racines étudié. . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.19 Superposition du lieu des racines et de la région admissible. . . . . . . 121
J. Cano Table des matières – η

7.1 Diagrammes de Bode approchés et analytiques en amplitude pour un

système du premier ordre générique. . . . . . . . . . . . . . . . . . . . 130
7.2 Diagrammes de Bode approchés et analytiques en phase pour un sys-
tème du premier ordre générique. . . . . . . . . . . . . . . . . . . . . 131
7.3 Diagrammes de Bode exacts pour un système ω0 = 1 rad/s et à amor-
tissement ξ variable. . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.4 Tracé asymptotique des diagrammes de Bode la fonction de transfert F .135
7.5 Tracé numérique des diagrammes de Bode la fonction de transfert F
sur Matlab. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.6 Système utilisé générique pour le critère de stabilité de Nyquist. . . . 138
7.7 Contour Γ «classique» de Bromwich. . . . . . . . . . . . . . . . . . . 139
7.8 Contour évitant un intégrateur sur l’axe des imaginaires. . . . . . . . 141
7.9 Contour évitant des pôles conjugués sur l’axe des imaginaires. (?) . . 141
7.10 Diagrammes de Bode approchés. . . . . . . . . . . . . . . . . . . . . . 144
7.11 Construction approchée du contour, région (2). . . . . . . . . . . . . . 144
7.12 Contour de Nyquist approché. . . . . . . . . . . . . . . . . . . . . . . 145
7.13 Tracé du diagramme de Nyquist exact de l’exemple 7.2. . . . . . . . . 146
7.14 Tracé de l’opposé de la fonction inverse. . . . . . . . . . . . . . . . . 146
7.15 Tracé 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
7.16 Diagrammes de Bode approchés. . . . . . . . . . . . . . . . . . . . . . 149
7.17 Visualisation de la fermeture du lieu de Nyquist. . . . . . . . . . . . . 151
7.18 Diagramme de Bode de F (s). . . . . . . . . . . . . . . . . . . . . . . 154
7.19 Diagrammes de Nyquist en fonction du retard L. . . . . . . . . . . . 156
7.20 Diagrammes de Bode de F (s). . . . . . . . . . . . . . . . . . . . . . . 158
7.21 Diagramme de Black-Nichols de F (s). . . . . . . . . . . . . . . . . . . 159
7.22 Abaque de Black. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.23 Système générique à retour unitaire. . . . . . . . . . . . . . . . . . . . 162
7.24 Illustration du lien entre amortissement et marge de phase. . . . . . . 164
7.25 Diagrammes de Bode d’un CAAP . . . . . . . . . . . . . . . . . . . . 166
7.26 Diagrammes de Bode de KF (s). . . . . . . . . . . . . . . . . . . . . . 168
7.27 Diagrammes de Bode de C(s)F (s). . . . . . . . . . . . . . . . . . . . 169
7.28 Réponses temporelles du système en boucle fermée. . . . . . . . . . . 170
J. Cano Table des matières – θ

7.29 Diagrammes de Bode d’un CARP. . . . . . . . . . . . . . . . . . . . . 171

7.30 Diagrammes de Bode de KF (s). . . . . . . . . . . . . . . . . . . . . . 173
7.31 Diagrammes de Bode de C(s)F (s). . . . . . . . . . . . . . . . . . . . 173
7.32 Réponse temporelle du système compensé en boucle fermée. . . . . . 174
7.33 Essai de pompage : détermination de Ku et Tu . . . . . . . . . . . . . 177
7.34 Système bouclé avec un contrôleur PD. . . . . . . . . . . . . . . . . . 177
8.1 Système physique et retour d’état. . . . . . . . . . . . . . . . . . . . . 191

8.2 Système asservi par retour d’état et gain de précommande. . . . . . . 197
8.3 Système asservi par retour d’état et action intégrale. . . . . . . . . . 198
8.4 Structure d’un système asservi par un observateur de Luenberger. . . 200
8.5 Illustration du système étudié. . . . . . . . . . . . . . . . . . . . . . . 203
8.6 Réponse à l’échelon unitaire du pendule par retour d’état ou non. . . 208
8.7 Résultat de l’implémentation de l’observateur. . . . . . . . . . . . . . 210
8.8 Résultat de l’implémentation de l’observateur avec retour d’état intégral.212
8.9 Implémentation du contrôleur de l’observateur et du système sur Si-
mulink. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
J. Cano Table des matières – ι

Liste des tableaux
4.1 Table des transformées usuelles de Laplace . . . . . . . . . . . . . . . 49
5.1 Valeurs tabulées pour la méthode de Strejc. . . . . . . . . . . . . . . 84
7.1 Table des gains de la méthode de Ziegler-Nichols . . . . . . . . . . . . 175
κ
Glossaire
BIBO Bounded Input Bounded Output. 24, 25, 56, 97
CAAP Compensateur à Avance de Phase. 163, 166, 168, 170

CARP Compensateur à Retard de Phase. 167, 173
EDLC Equation Différentielle Linéaire à coefficients Constants. 14, 25, 26, 40, 52–
54, 65, 120
LTI Linear Time Invariant.. 6, 7
NMSE Erreur Quadratique Moyenne Normalisée, Normalized Mean Square Error .

93
SA Stabilité Asymptotique. 25
SISO Single Input Single Output. 6, 52
λ
1
Introduction
I But du document
Ces notes de cours en automatique sont la deuxième version des notes de Justin
Cano, Département de Génie Électrique, Polytechnique Montréal (DGEPM). Pour
en savoir plus sur leur évolution et les errata voir l’annexe A.
Pour cette version ont contribué activement Roland Malhamé, professeur au
DGEPM et Samuel Muhindo, étudiant au doctorat au DGEPM. En effet, le but
de cette édition est de fournir un support complémentaire de qualité pour le cours
ELE3201 Asservissements de Polytechnique Montréal. Toutefois, la rédaction de ces
notes ayant débuté indépendamment en 2017, il est possible de noter quelques diffé-
rences mineures de notation ou bien d’ordre de présentation.
En vous souhaitant une bonne lecture,
Justin Cano, Roland Malhamé et Samuel Muhindo.
Remarque : Les notes couvrent le cours ELE3201 mais des éléments sont
donnés dans ces notes en bonus, ces derniers sont des rappels (première
partie du document) ou des extras non-exigibles pour les examens (reste
du document). Les sections et chapitres concernés par cette remarque sont
marqués par une étoile rouge (?). Il est toutefois suggéré au lecteur de lire
ces parties.
1
Chapitre 1 Automatique des systèmes linéaires
II Exemple introductif
Nous commencerons ces notes par un exemple concret. Supposons un logement,
appartenant à une certaine Alice, dans lequel nous souhaitons réguler la tempéra-
ture.
L’hiver approchant, il est important pour cette dernière que l’intérieur ait une
température au-dessus de vingt degrés Celcius. Alice dispose donc un radiateur élec-
trique dont elle ajuste la puissance. La puissance est suffisante et la pièce est correc-
tement chauffée.
Cependant, Alice n’est pas seule, son colocataire Bob, un peu étourdi ouvre la
porte sans la refermer, faisant chuter dramatiquement la température. Alice, pour
éviter que cela ne se reproduise décide d’installer un thermostat et réguler correc-
tement la température.
Analyse sémantique de l’exemple :
— Alice a expérimenté un problème d’asservissement introduisant le thermostat,
elle veut une régulation automatique de la température selon des spécifications
précises ;
— Le logement est le système dont la température est la variable à réguler,
soumise à des perturbations (l’hiver, Bob le distrait...) ;
— La température est régulée par un radiateur, il s’agit d’un effecteur qui produit
une puissance thermique par effet Joule ;
— Le thermostat prend les décisions de l’ajustement de la température en la
mesurant, c’est ce que l’on appelle un compensateur (ou contrôleur par
anglicisme).
Le compensateur est nécessaire dans ce cas pour contrebalancer les étourderies
de Bob.
J. Cano Page 2 sur 214

III Définir un problème de commande

Un problème de commande typique peut être formulé de la façon suivante :
? Données : Soit un système physique existant F, le système physique ayant un

vecteur d’entrée u et un vecteur de sortie y.
? Cahier des charges : On veut atteindre pour y des performances précises P
qui ne sont pas remplies par F «naturellement».
? Solution : On va rajouter un système auxiliaire correcteur C pour atteindre P.
Le problème est donc de concevoir C pour répondre au problème. Et ceci est l’objet
du présent cours.
III.A Pourquoi faire de la correction ?

On se rend compte aisément qu’il est en règle générale impossible de décider sans
aucune information quelle commande u appliquer pour résoudre notre problème.
Pour revenir à notre exemple, le thermostat dispose d’un capteur et son usage est
dimensionné en fonction de la grandeur du logement. En résulte la question suivante :
comment concevoir un système autonome qui fournit u et qui remplit les objectifs
d’un cahier des charges ?
Ceci est la principale problématique. Nous allons voir tout d’abord la théorie des
systèmes dynamiques linéaires afin de comprendre comment un système évolue en
fonction du temps. Pourquoi ? Nous nous devons d’intégrer la dynamique des sys-
tèmes au sein de la conception du contrôleur pour en maîtriser certains aspects
essentiels (précision, temps de réponse, stabilité...). La modélisation dynamique fait
appel à la théorie des équations différentielles.
III.B Modéliser le problème

Généralement, nous allons considérer le modèle-type suivant pour un problème
d’asservissement :

Remarque : Les termes asservissement, contrôle ou bien automatique

sont considérés souvent comme des synonymes, le long de cet ouvrage les
trois précédents termes seront utilisés invariablement.
+ (t) u(t)
r(t) Contrôleur Système physique y(t)
–
Capteur
Figure 1.1 – Représentation typique du problème d’asservissements.
Nous pouvons considérer le formalisme des schémas-blocs pour les problèmes

d’asservissements, nous donnons une explication de ce dernier en annexe B. La raison
est simple, un bloc représente un (sous)-système doté d’une (ou plusieurs) entrées/-
sorties et d’une fonction qui lui est propre. Ainsi, on est capable de discerner les
différents modèles facilement.
On veut que la sortie du signal y(t) égale une référence donnée r(t) pour les
spécifications du cahier des charges.
Nous pouvons remarquer en premier lieu que le système physique est inclus dans
une boucle d’asservissement. Certes mais de quoi est-elle composée ?
— Tout d’abord le système physique (aux performances non suffisantes au regard

du cahier des charges 1 ) nous lui donnerons la notation F pour la suite de
l’ouvrage. C’est lui qui est au cœur du système, on cherche à asservir sa sortie
y(t) en agissant sur sa commande u(t) afin qu’elle corresponde à la consigne
r(t) . On le notera comme suit 2 :
F(s)
— Un capteur qui donne des informations sur la sortie y(t) en temps réel per-
mettant la correction. Nous lui donnerons la notation B :
1. Auquel cas ne rien faire pour l’améliorer est une solution admissible.
2. La notation s sera expliquée au chapitre spécifique portant sur les transformées de Laplace.

B(s)
— Un comparateur, faisant la différence suivante (t) = r(t) − ycapteur (t). Il est

noté ainsi :
+
–
— Et enfin, la pièce que vous allez construire à l’issue de cette lecture, le contrô-
leur. Il prend en entrée l’écart entre la référence et la mesure de la sortie (t)
et fournit la commande u(t) au système physique. On le notera ainsi :
C(s)
Remarque : Les cas de systèmes multivariables, bien que non traités en

première approche, sont généralisables à cette représentation. Il suffit de
substituer toutes les valeurs scalaires en vecteurs afin d’obtenir une formu-
lation adéquate.
III.C Un système physique
Contrôler un système implique sa connaissance. Modéliser le système

avec des équations est nécessaire avant toute conception d’asservissement.
Le système physique, que nous supposerons linéaire dans ce document est régi
par des équations différentielles. On rappellera au cours du chapitre 2 la façon de les
résoudre. D’une façon générale, dans le cas monovariable 3 on peut écrire :
N M
X dn y(t) X dm u(t)
αn = α m + κ, (N, M ) ∈ N2 , κ ∈ R, N > M. (1.1)
n=0
dtn m=0
dtm
Où u(t) est l’entrée du système et y(t) la sortie.
3. Une sortie et une entrée dans tout le système.

Exemple 1.1 : Contrôle d’altitude Soit un repère spatial (0, x, y, z) Soit

un objet de masse m dans un champ de gravité d’accélération g = −gz
mais qui dispose d’un propulseur de force ajustable f (t)z.
Si on applique le principe fondamental de la dynamique (2e équation de
Newton) on obtient :
X d2 X
Fext = ma(t) = m ,
dt2
d2 z
⇔ −mgz + f (t)z = m 2 z,
dt
2
dz f (t)
projection sur z ⇒ 2 = − g.
dt m
On se rend compte que l’altitude z(t) peut être contrôlée en ajustant f (t).
On peut écrire z(t) = y(t) et f (t) = u(t) afin de modéliser notre problème
de commande.
Un système Single Input Single Output (SISO) est un système monova-

riable en entrée et en sortie. L’équation 1.1 est une équation de ce type
de système car la sortie y et l’entrée u sont des scalaires réels et non des
vecteurs présentant plusieurs composantes.
Remarque : Nous étudierons majoritairement les systèmes SISO le long

de ces notes. De plus nous supposerons les systèmes comme étant Linear
Time Invariant. (LTI) c’est-à-dire à paramètres constants (indépendants du
temps) et linéaires.
III.D Esprit de la matière et contenu des notes

L’automatique passe nécessairement par la résolution d’équations différentielles.
Nous verrons dans la première partie de ces notes un rappel sur ces dernières puis
les conséquences de ces résultats fondamentaux seront rappelés le long des chapitres.
Quelques notes liminaires d’algèbre sont présentes également.

Les asservissements passent par la modélisation et l’analyse des systèmes. En

effet, il faut caractériser le système avant de le modifier : un asservissement est une
modification d’une équation différentielle. Des outils spécifiques s’imposent autant
dans l’identification que dans l’analyse des performances. Ceci sera abordé dans
la seconde partie de ce cours.
Ensuite, le paradigme du contrôle est polymorphe dans ses actions. Utiliser des
outils de transformation de type Laplace pour les systèmes LTI en est un car leur
manipulation est aisée sous des hypothèses fortes. Un autre axe est de considérer
la commande comme faisant partie intégrale du filtrage fréquentiel, ceci est vrai
puisqu’un filtre est une équation différentielle. Ce concept est ancien : il ne nécessite
que peu de calculs et d’informations pour concevoir un asservissement, ce qui l’a
rendu populaire lorsque les calculateurs étaient peu répandus. Enfin, le paradigme
de la commande moderne utilise directement sous forme matricielle les équations
différentielles. Il tire profit de l’informatique et des résultats d’analyse numérique.
Ce cheminement sera suivi au sein de la troisième partie de ce cours.
IV Un exemple célèbre d’asservissement

Un des exemples qui marqua durablement l’histoire de l’automatique est sans
aucun doute le régulateur de Watt.
Mis au point par le célèbre ingénieur écossais James Watt (1736-1819 ), inven-
teur de la machine à vapeur, il reste une des premières réalisations en automatique
reconnue comme telle.
Le régulateur de Watt répond au problème de la constance de la vitesse dans les
machines à vapeur. En effet, il est important pour des raisons d’usure des composants
et les applications industrielles de maintenir une vitesse de rotation constante dans
les arbres de sortie des machines à vapeur.
Ce dispositif utilise un mécanisme de rétroaction, un bouclage, en somme, pour
arriver à ses fins. Les masselottes notées E sur la figure 1.2 tournent pendues par des
bielles autour d’un axe qui est entrainé par l’arbre de sortie de la machine à vapeur.
Si la vitesse augmente, alors les masselottes auront un équilibre plus en hauteur
(position L sur le schéma), entraînant les bielles dans leur mouvement.

Source : Wikimedia Commons.

Figure 1.2 – Régulateur de Watt.
Ces dernières sont reliées à une soupape d’admission de la vapeur (notée v sur
le schéma), qui lorsque la vitesse croît se referme et vice-versa. Le tout provoque un
asservissement mécanique dont la rétroaction se fait par la force centrifuge à laquelle
sont soumises les masselottes et la commande par l’admission de vapeur.
Notons que la rétroaction doit faire l’étude d’un calcul d’équilibre préalable
puisque la vitesse de rotation de l’arbre qui conditionne la force centrifuge que ces
dernières subissent n’est pas la même que la vitesse de sortie de la machine à vapeur.
Cependant, une relation de proportionnalité (démultiplication) existe entre ces deux
vitesses, rendant l’asservissement viable (et linéaire !).
Poids des + Vapeur Machine Vitesse

Vanne
masselottes – à vapeur de rotation
Arbre et poulie
Force centrifuge
Figure 1.3 – Schéma-blocs de l’asservissement du régulateur de Watt.

Partie I
Outils et notations
9
2
Quelques rappels d’analyse ?
Remarque : Cette section n’est pas un cours de mathématiques mais seule-

ment un petit rappel avant de se lancer dans l’aventure, nous faisons réfé-
rence à plusieurs des techniques employées dans cette section par la suite.
I Notations usuelles employées

Les notations qui suivent seront employées le long du document :
I On note f 0 la dérivée d’une fonction monovariable f : t → f (t). On peut aussi
la noter df
dt
;
d2 f
I Pour les dérivées d’ordre 2, nous notons pour f 00 et dt2
;
I Dans le cadre où la dérivée est partielle, on notera ∂t, en lieu et place de dt ;
I Sans perte de généralité, on notera les dérivées temporelles, partielles ou non
avec la notation point comme suit :
∂f ∂ 2f
= f˙ et 2 = f¨;
∂t dt
I On note j le nombre imaginaire de l’ensemble des nombres complexes C qui

vérifie j 2 = −1 ;
10
II Notions élémentaires
II.A Polynômes
On rappelle en outre la résolution d’une équation de deuxième degré. On utilise
la méthode du discriminant pour trouver les racines. Soit le polynôme d’ordre 2
générique à coefficients réels suivant :
P (x) = ax2 + bx + c, (a, b, c) ∈ R3 , a 6= 0.
On définit les racines d’un polynôme comme suit :
x racine ⇔ P (x) = 0.
Pour les trouver, il faut 1 calculer le discriminant ∆ comme suit :
∆ = b2 − 4ac.
En fonction de sa valeur, nous avons des solutions qui satisfont les équations sui-
vantes :
√




 si ∆ > 0 ∃(x 1 , x2 ) ∈ R racines de P, x 1,2 =
−b± ∆
2a
,
si ∆ = 0 ∃x1 ∈ R racine double de P, x1 = −b
2a
,
 √
si ∆ < 0 ∃(x1 , x2 ) ∈ C racines de P, x1,2 = −b±j −∆

.

2a
j étant le nombre imaginaire caractérisant les nombres complexes (j 2 = −1).
Remarque : Tout polynôme P (x) = N i=0 ai x à coefficients réels ai admet

i
P
nécessairement des racines conjuguées ou réelles. C’est-à-dire qui vérifient :


Im(r) = 0,
P (r) = 0, r ∈ C,
Im(r) 6= 0 ⇒ ∃r0 , Im(r0 ) = −Im(r) et Re(r0 ) = Re(r),
cela se traduira par une nécessaire symétrie des racines du polynôme

par rapport à l’axe des réels, propriété géométrique très utile.
1. On va dire que c’est la méthode «brute» qui marche sous de faibles hypothèses. Il en existe
d’autres, voir notamment les méthodes de somme et de produit de racines...

II.B Nombres complexes

Un nombre complexe peut être vu comme un nombre à deux dimensions. Le cas
générique est un nombre complexe d’affixe z comme suit :
z = x + jy , (x, y) ∈ R, j 2 = −1.
On définit deux quantités géométriques : l’argument et le module.
Im
y z
φ
O x Re
Figure 2.1 – Plan complexe, partie réelle, imaginaire, argument et module.
L’argument : que nous noterons φ ou ϕ est en fait l’angle entre l’axe des ~x du
plan complexe et la droite entre l’origine et le point d’affixe z. Il est géométriquement
défini comme suit dans une moitié du plan complexe (arc-tangente ne renvoie qu’une
moitié d’arc) : y
φ(z) = arg(z) = arctan [2π], x > 0.
x
Dans l’autre région du plan :
y
φ(z) = arg(z) = π + arctan [2π], x < 0.
x
Avec deux cas pathologiques (division par zéro) :
π 3π
x = 0 y > 0 ⇒ φ(z) = arg(z) = , [2π] x = 0 y < 0 ⇒ φ(z) = arg(z) = , [2π].
2 2
Rappelons-nous que les arguments sont tous définis à un tour près ce qui justifie la
notation des modulos ( [2π]) c’est assez évident de se retrouver au même endroit si
l’on a tourné d’un tour sur soi-même 2 .
2. Aux vertiges près...

Remarque : Notons que la fonction artan2(y, x) permet d’implémenter

ceci lorsqu’on code. Elle est implémentée en Python (Bibliothèque numpy)
en Matlab, en C (Bibliothèque Maths) etc.. Cependant, en contrôle on préfère
arctan sur les copies car ceci demeure du code.
Le module : que nous noterons ρ est en fait la distance entre le point d’affixe z et
l’origine. Souvenez-vous du théorème de Pythagore et vous aurez notre chère formule
qui suit :
p
ρ(z) = |z| = x2 + y 2 .
Ceci est tout pour les définitions, pour les calculs des propriétés existent. Comme
l’objet du cours n’est pas les mathématiques, nous laisserons le soin au lecteur de les
(re)découvrir sur n’importe quel site digne de ce nom comme Wikipédia (oui même
lui). En fait c’est juste des astuces, si vous revenez à la définition qui sépare les
parties imaginaire y et réelle x vous trouverez ces astuces aisément.
Parties réelles et imaginaires : Pour un nombre complexe z ∈ C quelconque tel

que z = x + jy avec (x, y) ∈ R, on note x = Re(z) sa partie réelle et y = Im(z) sa
partie imaginaire. Notons que ces deux nombres sont des réels.
Propriété 2.1 : Conjugué d’un nombre complexe Soit z ∈ C on note

z ∗ son conjugué qui vérifie :
Im(z ∗ ) = −Im(z) et Re(z ∗ ) = Re(z),
par ailleurs, ceci est strictement équivalent à affirmer que z ∗ vérifie :
|z ∗ | = |z| et φ(z ∗ ) = −φ(z).

III Résolution d’EDLC d’ordre 2
III.A Définition
Une Equation Différentielle Linéaire à coefficients Constants (EDLC) d’ordre 2,
est de la forme qui suit :
d2 f df
α + β + γf (t) = δ, (2.1)
dt2 dt
où :
— f est une fonction continûment différentiable deux fois et est notre inconnue.
2
Les notations ddt2f et df
dt
sont respectivement ses dérivées secondes et première
en fonction du temps. On supposera la fonction monovariable et fonction seule-
ment du temps.
— les quantités α, β, γ, δ sont des nombres réels et constants. On différentie δ
des autres : c’est un terme excitateur provenant généralement d’une source
extérieure (alimentation d’un circuit en électronique par ex.).
On ne peut pas résoudre cette équation directement, on va utiliser la forme ca-
nonique pour bien comprendre et des équations auxiliaires dont la méthode de
résolution générale est connue et maîtrisée. Nous ne sommes pas en mathématiques
mais dans des systèmes physiques.
Remarque : Pour nos applications, on va se concentrer sur des résolutions

d’EDLC dans R+ puisque seuls les temps positifs nous importent.
On rappelle que t ∈ [0, ∞[= R+ .
III.B Forme canonique d’une EDLC2

On est ici en sciences physique, nous sommes face à des problèmes cinétiques. «Ci-
nétique» signifie que l’on étudie des variables dépendantes du temps. Pour résoudre
les équations différentielles de manière physiquement intuitive, on va introduire deux
grandeurs dans l’équation générale 2.1.

— ωn , aussi notée ω0 la pulsation propre du système exprimée en rad/s. C’est une

quantité positive.
— ξ le facteur d’amortissement qui n’a pas de dimension physique. Pour un sys-
tème asymptotiquement stable ce dernier vérifie ξ ∈]0, ∞[, nous verrons
pourquoi par la suite.
On peut donc réécrire 2.1 :
d2 f df
+ 2ω0 ξ + ω02 f (t) = K, K ∈ R. (2.2)
dt2 dt
a) Équation caractéristique
L’équation caractéristique d’une équation différentielle d’ordre 2 est la suivante :
r2 + 2ω0 ξr + ω02 = 0, (2.3)
et on sait maintenant que suivant les valeurs des coefficients trois cas se présentent
(section II.A).
On pose le discriminant de cette équation polynomiale :
∆ = b2 − 4ac = (2ω0 ξ)2 − 4 × 1 × ω02 = 4ω02 (ξ 2 − 1),
on remarque que les trois cas qui suivent ne sont liés qu’à la valeur de ξ en
supposant la pulsation propre positive et fixée.
b) Solution générale de l’équation homogène
Une équation homogène est l’équation 2.2 pour laquelle le terme constant
à droite K est nul.
Une solution homogène fH d’équation différentielle d’ordre 2 à coefficients constants
est de la forme suivante :
fH (t) = Aer1 t + Ber2 t , (2.4)
où r1 et r2 sont les solutions de l’équation caractéristique 2.3. D’autre part A et B
sont des constantes réelles à trouver avec deux points connus de la fonction f .

Exemple 2.1 : Vitesse angulaire d’un moteur On étudie la vitesse angu-

laire Ω d’un moteur qui démarre jusqu’à atteindre une vitesse de croisière
Ωc on a :
∀t ∈ R+ , f (t) = Ω(t), Ω(0) = 0 et Ω(∞) = Ωc ,
les deux points de fonctionnements précédents peuvent être utilisés pour

déterminer A et B sachant r1 et r2 .
c) Solution particulière
Ici, on va chercher une solution fP de l’équation qui vérifie l’égalité avec la

constante K. Une fonction constante dans R+ sera satisfaisante :
K
fP0 = fP00 = 0 solution ⇔ ω02 fP (t) = K ⇔ fP (t) = 2 ,
ω0
en effet, nous ne traitons que des réponses indicielles dans nos exemples, c’est-à-dire
des réponses à une amplitude constante.
d) Solution générale de l’équation complète
Comme une équation différentielle est linéaire le théorème de superposition

s’applique et donc :
K
f (t) = fH (t) + fP (t) = Aer1 t + Ber2 t + .
ω02
III.C Régimes possibles des solutions d’une EDLC2

a) Cas ∆ > 0 ⇔ ξ > 1 régime apériodique :
En résolvant l’équation 2.3, dans ce cas, on trouve comme solution :

√
−2ω0 ξ ± ∆
r1,2 = ,
2
ce qui donne :

√ √ K
2 2
f (t) = Ae−tω0 (ξ+ ξ −1) + Be−tω0 (ξ− ξ −1) + 2 , A, B ∈ R.
ω0
Exemple 2.2 : Régime apériodique sans second membre K pour K = 0,

ω0 = 1, ξ = 1.5, f 0 (0) = 0 et f (0) = 1.
La première condition initiale f (0) = 1 nous donne l’équation suivante :
A + B = 1 ⇔ B = 1 − A,
de plus f 0 (0) = 0 nous donne :

p p
A(ξ + ξ 2 − 1) + (1 − A)(ξ − ξ 2 − 1) = 0
p
−ξ + ξ 2 − 1
⇔A= p ≈ −0.1708.
2 ξ2 − 1
Et on en déduit B de ce fait, on peut tracer le graphe de f en fonction de

la variable t sur MATLAB par exemple 2.2.
b) Cas −4ω02 < ∆ < 0 ⇔ 0 < ξ < 1 régime pseudo-périodique
En résolvant l’équation 2.3, dans ce cas, on trouve comme solution :

√
−2ω0 ξ ± j −∆
r1,2 = ,
2
ce qui nous fait la solution suivante :
√ √ K
1−ξ 2 ) 1−ξ 2 )
f (t) = Ae−tω0 (ξ+j + Be−tω0 (ξ−j + , A, B ∈ R.
ω02
Ce qui peut se réécrire de la façon suivante avec les formules d’Euler 3 :
p p K
f (t) = [a cos(tω0 1 − ξ 2 ) + b sin(tω0 1 − ξ 2 )]e−ω0 ξt + 2 , a, b ∈ R.
ω0
ejα +e−jα ejα −e−jα
3. Les formules d’Euler sont cos(α) = 2 et sin(α) = 2j .

Exemple de régime apériodique

1
Méthode littérale
0.9 Vérification sur Matlab
0.8
0.7
0.6
f(t)
0.5
0.4
0.3
0.2
0.1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps en secondes
Figure 2.2 – Tracé d’une solution apériodique d’une EDLC2.

On a donc une enveloppe e−ω0 ξt qui module une partie oscillatoire du signal.
Afin de nous faciliter la tâche dans les exemples suivants, on va poser :

p
ζ= 1 − ξ2.
Exemple 2.3 : Régime pseudo-périodique : On prend K = 1 ω0 =

1 rad/s et ξ = 0.2. On a donc ζ ≈ 0.98. Pour une fonction f (t) aux
conditions initiales suivantes f (0) = 0 et f 0 (0) = 0. On recherche donc a
et b. On dérive l’expression générale de la solution a :
f 0 (t) = exp(−ξω0 t)(−aζω0 sin(tω0 ζ) + bω0 ζ cos(tω0 ζ)

− ξω0 [a cos(tω0 ζ) + b sin(tω0 ζ)]).
Cette fonction appliquée en t = 0 nous donne l’équation suivante :

ξ
f 0 (0) = 0 = +bω0 ζ − ξω0 a ⇔ b = + a,
ζ
on recherche a maintenant avec l’expression de f :
K K
f (0) = 0 = a + 2
⇔ a = − 2 = −1,
ω0 ω0
donc b = −20.41 et on applique la formule :

h p p i K
f (t) = a cos(tω0 1 − ξ ) + b sin(tω0 1 − ξ ) e−ω0 ξt + 2 ,
2 2
ω0
qui est visible sur la figure 2.3.

a. K étant une constante, elle disparaît dans l’expression.

c) Cas particulier ∆ = 0 ⇔ ξ = 1 régime apériodique critique
Cette situation n’est possible qu’en théorie, elle marque la limite entre
oscillations et régime apériodique, le cas est théorique puisqu’une éga-
lité n’est jamais remplie exactement. C’est pour cela que l’on ne va pas
vraiment l’étudier
L’unique racine double de l’équation caractéristique vaut dans ce cas :
r1 = −ω0 ξ
Ici, la théorie des équations différentielles nous donne la forme suivante comme so-
lution générale
K
f (t) = (A + Bt)e−tω0 + , A, B ∈ R,
ω02
on remarque que cette solution est une combinaison linéaire d’exponentielles 4 réelles,
elle est donc apériodique.
Exemple 2.4 : Régime apériodique critique : Si K = 1, ω0 = 2, f (t) = 0

et f 0 (0). On dérive f et on obtient :
f 0 (t) = (B + Aω0 + Bω0 t)e−tω0 .
Les conditions aux limites donnent :
f (0) = 0 = A + K/ω0 ⇔ A = −1/4,

f 0 (0) = 0 = B + Aω0 ⇔ B = 1/8.
Le résultat trouvé est tracé à la figure 2.4.
4. Et non de fonctions trigonométriques, alias des exponentielles complexes.

Exemple de régime pseudo-périodique

1.6
Méthode littérale
1.4 Vérification sur Matlab
1.2
1
f(t)
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Temps en secondes
Figure 2.3 – Tracé d’une solution pseudo-périodique d’une EDLC2.
Exemple de régime critique

0.3
Méthode littérale
0.25
0.2
f(t)
0.15
0.1
5 · 10−2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
Temps en secondes
Figure 2.4 – Tracé d’une solution de régime critique d’une EDLC2.

d) Cas particulier ∆ = −4ω02 ⇔ ξ = 0 régime périodique
Cette situation n’est possible qu’en théorie puisqu’une égalité n’est jamais
remplie exactement. Elle représente beaucoup pour les électroniciens :
l’oscillateur harmonique idéal (sans amortissement). La condition d’oscil-
lation étant connue sous le nom de Condition de Barkhausen.
Dans ce cas l’équation 2.2 se récrit :
f 00 (t) + ω02 f (t) = K,
avec une réécriture de l’équation caractéristique 2.3 comme suit :
r2 + ω02 = 0,
ses racines sont des scalaires imaginaires purs et valent :
r1,2 = ±jω0 .
La solution générale se réécrit donc comme une combinaison d’exponentielles plus

une constante :
K
f (t) = fP (t) + fH (t) = Aejω0 t + Be−jω0 t + , A, B ∈ R,
ω02
expression qui peut se réécrire avec les formules d’Euler de la façon suivante :
K
f (t) = a cos(ω0 t) + b sin(ω0 t) + , a, b ∈ R.
ω02
que l’on peut enfin réorganiser avec les formules de trigonométrie comme suit :
K
f (t) = C sin(ω0 t + φ) + , {C, φ} ∈ R × [0, 2π],
ω02
avec φ une phase 2π-périodique.

Exemple 2.5 : Oscillateur harmonique On prend ξ = 0, ω0 = 8, K = 0,

f (0) = 0, f 0 (0) = 1. On dérive f et on obtient :
f 0 (t) = −aω0 sin(ω0 t) + bω0 cos(ω0 t),
et donc on obtient des conditions aux limites les égalités suivantes :
f (0) = 0 = a,
f 0 (0) = 1 = bω0 ⇔ b = 1/ω0 ,
1
f (t) = b sin(ω0 t) + K = sin(8t).
8
Le résultat trouvé est tracé à la figure 2.5.
Exemple de régime périodique

0.15
Méthode littérale
Vérification sur Matlab
0.1
5 · 10−2
f(t)
−5 · 10−2
−0.1
−0.15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps en secondes
Figure 2.5 – Tracé d’une solution harmonique d’une EDLC2.

e) Cas instable ξ < 0
On appelle stabilité au sens Bounded Input Bounded Output (BIBO) le

fait qu’un signal de sortie s(t) d’un système ne diverge pas si son entrée
e(t) est bornée.
Système BIBO ⇔ (|e(t)| < ∞ ⇒ |s(t)| < ∞, ∀t ∈ R) .
Nous reviendrons plus tard sur cette considération fondamentale en auto-

matique au chapitre 4.
En reprenant l’équation caractéristique, on a :
∆ = b2 − 4ac = (2ω0 ξ)2 − 4 × 1 × ω02 = 4ω02 (ξ 2 − 1).
Les différents cas de figure en fonction du discriminant ∆ peuvent être envisageables,

or dans ces deux cas, on obtient les solutions suivantes :
 √ √
−tω0 (ξ+ ξ 2 −1) −tω0 (ξ− ξ 2 −1)


 f (t) = Ae + Be + ωK2 , A, B ∈ R,
 0
ou

 p p
f (t) = [a cos(tω0 1 − ξ 2 ) + b sin(tω0 1 − ξ 2 )]e−ω0 ξt + K2 , a, b ∈ R.

ω0
Or, si −1 < ξ < 0 on a lorsque t → ∞ :

√
2
e−tω0 (ξ+ ξ −1) → ∞,
et si ξ < −1 on a lorsque t → ∞ :
e−ω0 ξt → ∞,
ce qui donne dans tous les cas |f (∞)| → ∞, ce qui est la définition même d’un
système instable.

Propriété 2.2 : Cas de l’oscillateur et stabilité asymptotique L’oscilla-

teur est un cas particulier, il est stable au sens BIBO (il oscille sans diver-
ger) mais n’est pas stable au sens asymptotique. La Stabilité Asymp-
totique (SA) n’est assurée que si un système converge vers une valeur
finie :
Système SA ⇔ (|e(t)| < ∞ ⇒ |s(∞)| = k, k ∈ R, ∀t ∈ R) .
Propriété 2.3 : Critère de stabilité La stabilité (asymptotique) est assu-

rée lorsque les racines du polynôme caractéristique ont des parties réelles
strictement négatives.
IV Résolution d’EDLC d’ordre 1
IV.A Définition
On appelle Équation Différentielle Linéaire à coefficients Constants d’ordre 1

(EDLC1) une équation différentielle de la forme :
df (t)
+ αf (t) = C, α, C ∈ R. (2.5)
dt
L’équation caractéristique vaut :
r + α = 0,
l’équation caractéristique ne possédant qu’une seule solution, force est de constater

qu’aucune disjonction de cas n’est explicitée ici.
IV.B Forme canonique

Comme on étudie les équations différentielles avec t > 0 dans cet ouvrage et que
le coefficient α est homogène à l’inverse d’un temps (positif donc), on va réécrire
cette dernière ainsi :

df (t) 1
+ f (t) = C, {τ, C} ∈ R+ ∗ × R, (2.6)
dt τ
on introduit τ qui est le temps caractéristique de l’équation différentielle.
a) Solution générale de l’équation
La solution s’écrit ainsi :
t
fH (t) = A exp(− ), A ∈ R.
τ
b) Solution particulière
On cherche une solution constante (souvent pour t → ∞, où le système n’évolue

plus s’il est stable, f˙ = 0) et on obtient :
fP (t) = Cτ.
c) Solution générale
Cette dernière s’exprime de la façon suivante :

t
f (t) = A exp(− ) + Cτ. (2.7)
τ
Remarque : L’équation caractéristique n’admet qu’une seule solution réelle.
Remarque : La solution générale f (t) trouvée pour l’EDLC1 ne diverge

pas (ie le système est stable) si et seulement si τ > 0. On retrouve le critère
de stabilité ici.

Exemple 2.6 : Équation différentielle d’ordre 1 avec second membre On

suppose τ = 5 et C = −8 on sait également que f (0) = 42.
En premier lieu, on cherche A :
f (0) = 42 = A − 8 × 5 ⇔ A = 82,
La solution est tracée sur la figure 2.6.
Solution EDLC 1
50
Méthode littérale
40 Vérification sur Matlab
30
20
10
f(t)
−10
−20
−30
−40
0 2 4 6 8 10 12 14 16 18 20 22 24
Temps en secondes
Figure 2.6 – Solution d’une équation différentielle d’ordre 1.

3
Notations mathématiques
utilisées en algèbre ?
Comme son nom l’indique cette partie n’est pas un cours mais quelques rappels
de notations élémentaires.
I Opérateurs vectoriels
Les vecteurs dans cet ouvrage sont notés en gras et en minuscules. On suppose
que les vecteurs sont ordonnés en colonne et leurs coefficients notés comme suit :
 
v1
.
∀v ∈ Rn , n ∈ N, v =  ..  ,

vn
on note par ailleurs le vecteur transposé de v ainsi : v> .
a) Norme euclidienne
On note la norme euclidienne des vecteurs réels comme suit :

n
! 21
X
||v||2 = vi2 , v ∈ Rn .
i=1
28
b) Produit scalaire euclidien
Le produit scalaire de deux vecteurs quelconques v et w, v, w ∈ Rn × Rn est noté

par l’opérateur «.». On note donc :
n
X
v.w = vi wi .
i=1
Il est utile dans les projections sur certains axes.
c) Produit vectoriel
Le produit vectoriel est entendu comme étant un produit de l’espace euclidien

canonique R3 . Soit deux vecteurs dudit espace v et w on notera ce produit avec
l’opérateur «×» comme suit :
 
v2 w3 − v3 w2
v × w = v3 w1 − v1 w3  .
 
v1 w2 − v2 w1
Il est utile dans le calcul des moments et des couples.
II Opérateurs matriciels
II.A Matrices
Toutes les matrices évoquées dans cet ouvrage sont à coefficients réels, écrites
en gras et en lettres majuscules. Pour tout n et m entiers strictement positifs, on
définira Mn,m (R) l’ensemble des matrices de R telles qu’elles possèdent n lignes
et m colonnes. En particulier, on utilisera l’abréviation Mn (R) pour désigner une
matrice carrée, i.e. lorsque m = n. L’écriture pour les coefficients d’une matrice
M ∈ Mn,m (R) choisie est la suivante :
M = (Mij )i≤n,j≤m , avec i, j ∈ (N∗ )2 .
La matrice transposée de M est :
M> = (Mji )i≤n,j≤m , avec i, j ∈ (N∗ )2 , M> ∈ Mn,m (R).

a) Matrices usuelles
∀i, j ∈ [1, n]2 la matrice identité de Mn (R) est notée In et vérifie Ii,j = 1 si
i = j et Ii,j = 0 sinon. La matrice 0n,m est la matrice nulle 0i,j = 0 appartenant à
Mn,m . La matrice M notée M = diag(M11 , ..., Mii , ..., Mnn ) représente une matrice
diagonale M ∈ Mn (R) ayant pour seuls coefficients non-nuls les scalaires Mii sur
sa diagonale (i = j).
II.B Trace et norme

On appelle la trace d’une matrice carrée la somme de ses coefficients diagonaux :
n
X
∀M ∈ Mn (R), Tr(M) = mii .
i=1
Par ailleurs, on définira la norme de Frobenius d’une matrice carrée comme suit :
p
∀M ∈ Mn (R), ||M ||F = Tr(M M T ).
II.C Produit matriciel usuel et produit de Kronecker

Pour tout m,n et p entiers naturels strictement positifs, le produit de deux
matrices P = AB n’est possible que si A ∈ Mm,n (R) et B ∈ Mn,p (R), il vaut :
n
X
Pi,j = Ai,k Bk,j , ∀i, j ∈ [1, m] × [1, p]
k=1
Le produit de Kronecker, symbolisé par l’opérateur ⊗ est le produit par bloc

défini comme suit :
 
a1,1 B · · · A1,n B
 . .. .. 
A ⊗ B =  .. . . .
Am,1 B · · · Am,n B

II.D Déterminant d’une matrice

Pour toute matrice carrée M ∈ Mn (R), on peut définir son déterminant comme
étant la quantité suivante :
X n
Y
det(M) = |M| = (σ) aσ(i),i ,
σ∈Pn i=1
avec P est l’ensemble des permutations des entiers allant de 1 à n. La quantité

est la signature de telles permutations qui est égale à 1 si la permutation est paire
et −1 sinon.
De façon pratique, le déterminant se calcule de façon récursive, en sachant que le
déterminant d’une matrice générique carrée de dimension deux vaut :

a b
= ad − cb.

c d
On peut développer un déterminant pour le réduire en une somme de blocs 2 × 2.
Méthode : Soit une matrice carrée M de dimension n dont on souhaite calculer

le déterminant.
On choisit une ligne i (ou une colonne j) de la matrice, on initialise ∆ = 0.
1. Pour chacun des coefficients Mij de la ligne i ;
2. On crée un sous-déterminant |Sj | (respectivement |Si | ) de rang n − 1 en sup-
primant la ligne i et la colonne j dudit coefficient ;
3. On incrémente ∆ = ∆ + (−1)i+j Mij |Si | ;
4. On passe au coefficient suivant j + 1 (resp. i + i) jusqu’à n.
Une fois ceci fait, on peut répéter le processus sur les déterminants |Sj | et leurs
successeurs jusqu’à ce qu’ils soient de rang deux.
Exemple de développement : Soit une matrice carrée quelconque :

 
M11 M12 . . . M1n
 M21 M12 . . . M2n 
 
M=  .. .. .. 
. . . . . . 


Mn1 Mn2 . . . Mnn

on peut développer le déterminant de cette dernière par la première colonne :

M M12 . . . M1n
11
M21 M22 . . . M2n

det M = . .. ..
.. . ... .

Mn1 Mn2 . . . Mnn

M . . . M M . . . M
12 2n 12 1n
M32 . . . M3n M32 . . . M3n

= +M11 .

. .. − M21 ..
..
. ... . . ... .

Mn2 . . . Mnn Mn2 . . . Mnn

M12 . . . M1n
M . . . M
12 1n
M22 . . . M2n

M22 ... M2n

n+1
+ M31 M42 . . . M4n + · · · + (−1) Mn1 . .. .
.

.. .. . ... .

. ... .

M(n−1)2 . . . M(n−1)n
Mn2 . . . Mnn
on réitère le procédé sur les sous-déterminants jusqu’à obtenir des déterminants de

dimension deux et donc calculables immédiatement.
Remarque : Le déterminant est invariant par transposée :
det A = det A> ,
donc le développement selon les lignes est identique dans son fonctionne-
ment.
III Éléments d’algèbre
III.A Inverse Matriciel

a) Définition
Soit M ∈ Mn (R), alors si A ∈ Mn (R) satisfait :
MA = In .

alors A est l’inverse de M. On la notera M−1 .
Propriété 3.1 : Existence et unicité Une matrice carrée M ∈ Mn (R) est

inversible si et seulement si det M 6= 0, de plus cet inverse est unique.
b) Calcul d’inverse
On peut utiliser la formule de la comatrice pour effectuer cette opération. Pour

toute matrice M ∈ Mn (R) carrée et inversible on a :
1
M−1 = [comM]> ,
det M
avec comM la comatrice de M dont les coefficients valent :
comMij = (−1)i+j det(Mij ),
où Mij est la matrice carrée de taille n − 1 déduite de M en supprimant la colonne

j et la ligne i.
Exemple 3.1 : Calcul d’inverse Calculer l’inverse de :

 
1 2 1
A = 1 1 2 .
 
1 0 0
Premièrement on développe le déterminant par rapport à la dernière ligne (facile

puisqu’un seul coefficient est non-nul) :

2 1
det A = (−1)3+1 × 1 = 4 − 1 = 3.

1 2
il est non-nul, la matrice admet un inverse.

La comatrice vaut :
 
1 2 1 2 1 1
−

 
 0 0 1 0 1 0 
 
   
0 +2 −1
 
 1 2 
 2 1 1 1
com(A) = 

− 0 − = 0 −1 +2 .
 

0 1 0 1 0 

3 −1 −1

 
 
 
 2 1 1 1 1 2 
 −


1 2 1 2 1 1
l’inverse vaut donc, en transposant le résultat précédent :

 
0 0 3
1
A−1 =  2 −1 −1 .

3
−1 +2 −1
III.B Changement de Base

Soit une matrice carrée M ∈ Mn (R) on peut l’exprimer dans autant de systèmes
de coordonnées que l’on veut. Idem pour un vecteur v ∈ Rn .
La seule condition à respecter est qu’il existe une matrice de passage PAD du
système de coordonnées de départ D à un système de coordonnées d’arrivée A, cette
matrice doit satisfaire les propriétés suivantes :
Dimension : dim(M) = dim(PA

D) ;
Réciprocité de la transformation : PD A doit exister, il est l’inverse de la ma-

trice de transformation noté [PD ] . Cet inverse existe si et seulement si
A −1
det[PDA ] 6= 0.
On peut donc exprimer M et v dans les systèmes de coordonnées suivants :
M A = PA A −1
D MD [PD ] , M A = PA
D MD ,

et également revenir en arrière 1 :
M D = PD D −1
A MA [PA ] = [PA −1 A
D ] MA PD , M A = PD A −1
A MA = [PD ] MA .
III.C Algèbre spectrale

a) Spectre d’une matrice
Pour toute matrice carrée M ∈ Mn (R), le spectre de cette matrice est l’en-
semble des valeurs propres λi avec i ∈ [1, n] de cette dernière. Les valeurs propres
sont les racines du polynôme caractéristique χ compagnon de la matrice qui est défini
comme suit :
Y
χ(x) = det[M − In x] = (x − λi )µi .
i
Par ailleurs, les vecteurs propres de la matrice associés aux valeurs propres vi
sont les solutions non triviales (vi 6= 0) de :
Mvi − λi vi = 0.
Dépendant de la multiplicité µi des valeurs propres, plusieurs vecteurs propres vik ,

k ∈ [1, µi ] peuvent être associés à la même valeur propre. L’union des vecteurs vik
satisfaisant l’équation ci-dessus pour un i donné forme un sous-espace propre. Ce
sous-espace est doté d’une dimension di qui 1 ≤ di ≤ µi .
b) Diagonalisation
Si di = µi (toujours le cas si µi = 1) alors on dira que le sous-espace est de

dimension pleine. Si tous les sous-espaces de la matrice sont de dimension pleine
alors on peut diagonaliser la matrice M.
Soit la matrice carrée suivante :
h i
P = v1 . . . vi . . . vn .
1. Note : l’application linéaire associée à PD

A est une transformation réversible appelée isomor-
phisme.

M est diagonalisable si tous ses sous-espaces propres sont de dimension pleine, c’est-
à-dire que i di = n ce qui est vérifié si det P 6= 0. Alors P est inversible et on
P
peut diagonaliser M par changement de base entre la base de départ et la base des
vecteurs propres :
M = PDP−1 , avec D = diag(λ1 , . . . , λi , . . . , λn ).
Cette formulation est extrêmement utile pour la résolution de systèmes matriciels :

la "base propre" permet de séparer les variables du problème par transformation (la
matrice D est diagonale).
c) Lien entre déterminant, trace et spectre
La trace d’une matrice est indépendante de la base considérée 2 , en particulier s’il

existe une matrice P inversible on a :
n
X
−1 −1
tr(M) = tr(PDP ) = tr(DP P) == tr(D) = λi
i=1
notons également que la trace est toujours la somme des valeurs propres d’une
matrice.
Le déterminant d’un inverse est l’inverse du déterminant :
det(P−1 ) = [det(P)]−1 = η −1 , avec det(P) = η 6= 0.
le déterminant est également multiplicatif (propriété de morphisme), supposons deux

matrices {A, B} ∈ Mn (R)
det(AB) = det(A) det(B),
également si tel est le cas, le produit des valeurs propres est toujours égal au déter-
minant indépendamment de la base :
n
1 Y
det(M) = det(PDP−1 ) = det(P) det(D) det(P−1 ) = η det(D) = det(D) = λi .
η i=1
2. Utilisant l’identité de permutation circulaire suivante : tr(ABC) = tr(BCA).

IV Notation pour l’analyse multivariable
IV.A Dérivées
a) Dérivée vectorielle
Soit une fonction vectorielle f : Rn → Rm fonction d’un vecteur x de dimension

n:  
f1 (x)
f (x) =  ...  .
 
fm (x)
On peut définir la dérivée vectorielle de f comme étant sa matrice jacobienne, et
définie comme suit :
∂f ∂fi
Jf (x) = = (jik )i≤m,k≤n , où ji,k = , avec i, k ∈ N.
∂x ∂xk
b) Dérivée temporelle
La notation abréviée ȧ pour une fonction généraliste


R → Rn ,
a:
t → a(t),
équivaut à la notation rigoureuse da(t)

dt
. C’est-à-dire :
   da 
ȧ1 dt
1
ȧ =  ...  =  ...  .
   
dan
ȧn dt
IV.B Généralisation des EDLC1

a) Exponentielle d’une matrice
L’exponentielle d’une matrice carrée M ∈ Mn (R) est définie comme ceci :

∞
X Mi
exp(M) = .
i=0
i!

Par ailleurs, on remarquera que si M est nilpotente 3 , alors la série possède un

nombre fini de termes.
b) Solution d’un système différentiel à coefficients constants
Soit un système différentiel d’ordre un en temps continu défini par l’équation

d’état suivante :
ẋ = Ax.
On appellera le vecteur x ∈ Rn vecteur d’état et la matrice A ∈ Mn (R) matrice
de transition. La fonction x(t) est la solution du précédent système [Meiss, 2007]
et qui s’exprimera ainsi (connaissant une condition initiale x(0)) :
x(t) = exp(At)x(0).
C’est la généralisation de la résolution d’EDLC d’ordre 1 vue au chapitre 2 (section

2) de ces notes.
3. Ceci signifie qu’il existe l ∈ N tel que Mi = 0, ∀i ∈ N, i > l.

Partie II
Analyse des systèmes

asservis
39
4
Plan de Laplace
Nous allons aborder dans ce chapitre un outil d’analyse extrêmement puissant

pour les contrôleurs : la transformée de Laplace.
La transformée de Laplace est un outil mis au point par Pierre-Simon de Laplace
(1749-1827), mathématicien français. Cette transformée est extrêmement utile en
analyse et permet d’effectuer des calculs dans le plan de Laplace et non seulement
sur l’axe des réels, permettant la résolution de problèmes plus aisée.
En théorie des équations différentielles, on utilise cette transformée lorsqu’elles
sont linéaires et que les résultats usuels sont tabulés depuis près de deux siècles. En
outre, elle permet d’exprimer les EDLC sous forme de polynômes complexes, ce qui
transforme une relation différentielle en une simple relation algébrique.
40
I Transformée de Laplace
Cette section traite essentiellement de l’outil et de ses propriétés fondamentales,
ce n’est pas un cours de mathématiques rigoureux mais seulement un aperçu utilitaire
avant de pouvoir effectivement concevoir des contrôleurs grâce à la transformée.
I.A Définitions fondamentales

a) Causalité
Une fonction f causale est définie de la façon suivante :
f causale ⇔ ∀t ∈ R, t < 0, f (t) = 0.
En pratique, nous nous limiterons à l’étude de ces fonctions puisque nous considérons
que le temps a une origine. Physiquement, cela signifie que la fonction f n’atteint
des valeurs qui ne dépendent que de son passé.
Remarque : On étudie la fonction f uniquement sur R+ .
b) Transformée de Laplace d’une fonction causale
Mathématiquement, une transformée de Laplace d’une fonction causale 1 est dé-

finie de la façon suivante :
Z ∞
L(f (t)) := F (s) = f (t)e−st dt, (4.1)
t=0
où :
s est une variable complexe dite variable de Laplace. On décompose s de la
façon suivante :
s = σ + jω, {σ, ω} ∈ R+ × R j ∈ C, j 2 = −1;

1. Nous prendrons pour hypothèse que les fonctions étudiées sont causales dans le reste de ces
notes.

f est une fonction temporelle causale ;

C’est une opération qui s’applique sur toute une fonction f : R+ → R afin de
générer une autre fonction, appelée transformée F : C → C.
L’opération inverse est appelée transformation inverse de Laplace et associe :
f (t) = L−1 (F (s)) ,
il n’existe pas de formule générale donnant le résultat précédent.
I.B Quelques propriétés
Remarque : Afin de ne pas alourdir le document, je ne démontre pas ces

dernières ici. S’il y a des demandes, je le ferai dans une annexe lors d’une
édition prochaine.
On note E l’espace des fonctions de R+ dans R.
f ∈ E ⇔ f : R+ → R.
a) Propriétés utiles au calcul d’EDLC
Propriété 4.1 : Linéarité Ceci vient de la propriété de linéarité de

l’intégrale :
∀α, β ∈ R, f, g ∈ E, L(αf (t) + βg(t)) = αF (s) + βG(s),
cette propriété élémentaire est (très) utile pour les calculs de transformée.
Démonstration. Par linéarité de l’intégrale et pour α, β ∈ R :

Z ∞
L (αf (t) + βg(s)) = [αf (t)e−st + βg(t)e−st ]dt = αF (s) + βG(s).
t=0

Propriété 4.2 : Dérivation et intégration Pour f ∈ E, dérivable et

intégrable on a :
? Dérivation :
df
L (t) = sF (s) − f (0− ).
dt
? Intégration :
F (s) f (0− )
Z
L f (t)dt = − .
s s
Démonstration.
Dérivation : Nous faisons la supposition que Re {s} < 0
∞ ∞ ∞
d df −st
Z Z Z
f (t)e−st dt = sf (t)e−st dt

e dt −
t=0 dt t=0 dt t=0

∞ df
f (σ)e−σs σ=0

=L − sL (F )
dt
nécessairement comme la quantité à gauche converge grâce à notre supposition, alors :

∞ df
f (σ)e−σs σ=0 = −f (0+ ) = L

− sL (F )
dt
la preuve suit en réarrangeant les termes.

Intégration : En posant df dt
= g et en reprenant l’équation précédente, on a :
g(0+ )dt
R
− L (g) L (g) L (g) g(0+ )
Z
= −L gdt ⇒ = − .
s s s s s

Propriété 4.3 : Cas particulier des conditions de Heaviside

— Les conditions de Heaviside sont définies par des valeurs initiales
en 0− nulles pour toutes les variables du système.
— En particulier on a :
Z
df F (s)
L (t) = sF (s) et L f (t)dt = .
dt s
— Bien conscients que ces conditions ne sont pas toujours respectées
en pratique, nous essaierons toujours de les satisfaire le long de cet
ouvrage.
Ces propriétés sont de loin les plus utiles dans Laplace : elle transforment
des opérations différentielles en simples opérations algébriques. C’est donc
dans notre intérêt pour la résolution des EDLC.
Remarque : Ainsi, Intégrer revient à diviser par s.

Tandis que dériver revient à multiplier par s.
b) Propriétés utiles pour la transformation de Laplace
Soit f une fonction causale intégrable sur R+ on notera :
L (f (t)) := F (s),
Propriété 4.4 : Retard Soit un signal que l’on retarde d’un temps
τ ∈ R+ , sa transformée de Laplace vérifie l’égalité suivante :
fretard (t) := f (t − τ ) ⇔ Fretard (s) = F (s)e−τ s .
Démonstration. Par changement de variable λ = t − τ , dλ = dt :

Z ∞ Z ∞
−(λ+τ )s −τ s
L (f (t − τ )) = f (λ)e dλ = e f (λ)e−λs dλ = e−τ s L (f (t)) .
t=0 t=0

Propriété 4.5 : Amortissement Soit ω ∈ R+ la transformée de Laplace

vérifie la propriété suivante :
L(f (t)e−ωs ) = F (s + ω),
d’où la conséquence suivante : si on augmente la partie réelle de la variable

de Laplace, alors la fonction temporelle associée verra son amortissement
augmenter.
Démonstration. Par simple multiplication :

Z ∞ Z ∞
−ωs −ωs −st
f (t)e−(ω+s)t dt. = F (s + ω)

L f (t)e = f (t)e e dt =
t=0 t=0
Propriété 4.6 : Facteur d’échelle Soit a ∈ R+ on a la relation suivante

vérifiée :
1 s
L (f (at)) = F .
a a
Démonstration. On supposera a > 0, on posera le changement de variable suivant

λ = at, t = λ/a et dt = dλ/a :
λs dλ 1 s
Z Z
L (f (at)) = f (at)e dt = f (λ)e− a
−ts
= F .
a a a
c) Convolution
Il s’agit d’un opérateur linéaire assez fondamental dans l’étude des systèmes li-
néaires, nous verrons la notion de fonction de transfert plus tard. On note cet opéra-
teur ?. Soient f et g deux fonctions de R dans R, on définit le produit de convolution
comme suit : Z ∞
f (t) ? g(t) = f (τ )g(t − τ )dτ
τ =−∞

La convolution est commutative, associative, distributive et linéaire ce qui en

fait une opération puissante pour les calculs en traitement du signal notamment.
Toutefois, nous ne l’utiliserons que rarement par la suite.
Propriété 4.7 : Effet de la convolution sur la transformée de Laplace

On note la propriété suivante :
F (s)G(s) = f (t) ? g(t),
et sa réciproque :
f (t)g(t) = F (s) ? G(s).
Ce qui implique que la multiplication de deux signaux dans le do-
maine temporel n’équivaut pas à une multiplication dans le do-
maine de Laplace et réciproquement.
Démonstration. Laissée au lecteur. Cela est un bon exercice qui permet de se convaincre
une bonne fois pour toutes que la multiplication temporelle n’est pas équivalente en
général à la multiplication dans le domaine de Laplace.
d) Théorèmes asymptotiques
Le théorème qui suit est très utile dans le calcul de la précision des systèmes
asservis.
Théorème 1 (De la valeur finale). Soit y(t) un signal temporel intégrable (et conver-
geant) et Y (s) sa transformée de Laplace. Ce dernier respecte l’égalité aux limites
suivante :
lim f (t) = lim+ sF (s).
t→∞ s→0
Démonstration. La preuve, un peu longue, est donnée à la fin du chapitre.
Un autre théorème, moins employé, existe aussi pour la valeur initiale des signaux.

Théorème 2 (De la valeur initiale). Soit y(t) un signal temporel intégrable et Y (s)
sa transformée de Laplace. Ce dernier respecte l’égalité aux limites suivante :
lim f (t) = lim sF (s).

t→0+ s→∞
Démonstration. Laissée au lecteur en s’inspirant de la précédente.
I.C Distribution de Dirac et fonction échelon

Ces notations seront employées tout le long de l’ouvrage.
Distribution de Dirac : Ce n’est pas une fonction à proprement parler car

sa dérivée n’existe pas mais une distribution [Wikipédia, 2019]. On peut la définir
comme étant la distribution vérifiant cette propriété :
∀a ∈ R, f (t) ? δa (t) = f (a).
δa (t)
t
a
Figure 4.1 – Représentation de la fonction de Dirac.
Généralement, on considère le cas où a = 0 et on notera δ(t) := δ0 (t). En physique,

elle peut être vue comme suit : une impulsion de puissance infinie sur 0 et de puissance
nulle sinon. 
∞, si t = 0
δ(t) =
0, sinon,
la distribution vérifie de plus la propriété suivante :

Z ∞
δ(t)dt = 1
t=−∞

Fonction échelon unitaire : Aussi appelée fonction existence ou encore fonction

d’Heaviside elle est définie comme suit :

0, si t < 0
θ(t) =
1, sinon.
θ(t)
1[
] t
Figure 4.2 – Représentation de la fonction d’Heaviside.
Cette fonction représente en somme la causalité car elle a la propriété d’annuler

tout produit de fonctions sur R− . Elle nous sera très utile en automatique pour
modéliser une consigne ou une perturbation constante arrivant à un moment donné
dans une entrée du système.
Exemple 4.1 : Utilisation Supposons un système de chauffage, à t = 0

on souhaite que la température demeure à 25°C. Le signal de référence,
aussi appelé de consigne, dans le système qui vaudra donc :
r(t) = θ(t) × 25.
r(t)
25° [
] t

I.D Quelques transformées usuelles
Table 4.1 – Table des transformées usuelles de Laplace
Fonction temporelle causale Transformée de Laplace

δ(t) 1
1
θ(t) s
1
tθ(t) s2
n!
tn θ(t), n∈N sn+1
1
e−at θ(t), a ∈ R+ s+a
a
(1 − e−at )θ(t), a ∈ R+ s(s+a)
ω0
sin(ω0 t)θ(t), ω0 ∈ R s2 +ω02
s
cos(ω0 t)θ(t), ω0 ∈ R s2 +ω02
Le tableau 4.1 [Kilidjian, 2015, Malhamé, 2016, Dorf and Bishop, 2010] résume
les transformées usuelles de Laplace que nous aurons besoin dans la suite de ces notes
de cours. Les calculs de ces dernières suivent dans la même section.
Calcul de L (δ) :
Z ∞
L (δ) = δ(t) exp(−st)dt = exp(0) = 1.
t=0
Par propriété fondamentale de la fonction delta de Dirac centrée sur zéro.
Calcul de la famille Fn (s) = L (fn (t)) = L (tn θ(t)) pour n ∈ N : Nous démontrons par
récurrence que la proposition Pn = Fn (s) = sn+1 n!
se vérifie pour tout n entier.

Initialisation pour n = 0, montrons que P0 est vraie :

Z ∞ Z ∞
L (f0 (t)) = L (θ(t)) = θ(t) exp(−st)dt = exp(−st)dt
t=0 t=0
1 1 0!
= − [exp(−st)]∞
t=0 = = 0+1 .
s s s

Récurrence supposons que Pn soit vraie, montrons que Pn+1 l’est aussi,
Z ∞
n+1
tn+1 θ(t) exp(−st)dt

L (fn+1 (t)) = L t θ(t) =
Zt=0
∞
= tn+1 exp(−st)dt (a)
Zt=0
∞ ∞
tn

1 n+1
= (n + 1) exp(−st)dt − t (b)
t=0 s s t=0
| {z }
=0
Z ∞ n
n+1 t
= (n + 1) exp(−st)dt (c)
s t=0 s
n+1 n + 1 n!
= L (fn (t)) =
s s sn+1
(n + 1)!
= = Fn+1 (s). Fini !
sn+2
Par le principe du raisonnement par récurrence, comme P0 est vraie et que Pn vraie
implique Pn+1 vraie, alors Pn est vraie pour tout n ∈ N et donc :
n!
∀n ∈ N, L (tn θ(t)) = .
sn−1
Points de la démo :
(a) La fonction existence θ vaut 1 sur tout [0, ∞].
Rb Rb
(b) On utilise une intégration par partie a uv 0 = a uv 0 − [uv]ba , on remarque que
lim uv → 0 lorsque t → 0 et t → ∞.
(c) On sait tous que exp(at) = a1 exp(at).
R
Calcul de L (exp(−at)θ(t)) : En réutilisant les propriétés précédemment vues le cal-

cul direct de cette intégrale nous donne :
Z ∞
L (exp(−at)θ(t)) = exp(−at)θ(t) exp(−st)dt
t=0
Z ∞ Z ∞
= exp(−at) exp(−st)dt = exp(−(a + s)t)dt
t=0 t=0
−1 1
= [exp(−at)]∞
t=0 = .
s+a s+a

Nous ne donnons pas la démonstration pour F (s) = L ((1 − e−at )θ(t)),

nos lecteurs se rendront compte que F (s) = −L (e−at θ(t)) + L (θ(t)) par
linéarité de la transformation de Laplace, le reste ce sont des fractions !
Calcul de L (sin(ωx)θ(t)) : Rappelons-nous que sin(θ) = 2j1 [exp(jθ) − exp(jθ)] résul-

tat de la formule d’Euler et de la transformée de Laplace d’une exponentielle afin de
mener à bien cette démonstration. Sachant cette propriété, on peut écrire :
Z ∞
L (sin(ωt)θ(t)) = sin(ωt) exp(−st)dt
Zt=0
∞
1
= [exp(jωt) − exp(−jωt)] exp(−st)dt
t=0 2j
1 ∞ [jω−s]t 1 ∞ [−jω−s]t
Z Z
= e dt − e dt
2j t=0 2j t=0

1 1 1 ω
= + = 2 .
2j jω − s jω + s s + ω2
Calcul de L (cos(ωx)θ(t)) : Rappelons-nous que cos(θ) = 12 [exp(jθ) + exp(jθ)] résul-

tat de la formule d’Euler et de la transformée de Laplace d’une exponentielle afin de
mener à bien cette démonstration. Sachant cette propriété, on peut écrire :
Z ∞
L (cos(ωt)θ(t)) = cos(ωt) exp(−st)dt
Zt=0
∞
1
= exp(jωt) + exp(−jωt)] exp(−st)dt
t=0 2
1 ∞ [jω−s]t 1 ∞ [−jω−s]t
Z Z
= e dt + e dt
2 t=0 2 t=0

1 1 1 s
= + = 2 .
2 s − jω s + jω s + ω2

II Fonctions de transfert
Une fonction de transfert est une forme de modélisation d’un système. Il s’agit
d’une quantité calculable qui peut déterminer les sorties d’un système en fonction de
ses entrées et leur associer une dynamique régie par des EDLC. Dans notre cas, nous
nous limiterons au cas monovariable dit SISO, linéaire et à coefficients constants, en
particulier indépendants du temps (système autonome).
II.A Expressions à partir d’équations différentielles

a) Transformée de Laplace d’une EDLC
Comme vu précédemment à l’équation 1.1 , un système linéaire, monovariable

et à coefficients constants peut être modélisable par une équation différentielle du
type :
N M
X dn y(t) X dm u(t)
αn = αm + κ, (N, M ) ∈ N2 , κ ∈ R N > M. (4.2)
n=0
dtn m=0
dt m
On se place dans les conditions d’Heaviside, où κ = 0.
À la section I.B nous avons abordé l’importante propriété suivante :

df
L (t) = sF (s)
dt
La transformée de Laplace étant de plus linéaire on peut réécrire l’équation 4.2
comme suit :
N
X M
X
Y (s) αn sn = U (s) αm sm , (N, M ) ∈ N2 , N > M.
n=0 m=0
On définit une fonction de transfert d’un système comme suit :

PM m
Y (s) m=0 αm s
F (s) = = PN , (N, M ) ∈ N2 , N > M. (4.3)
U (s) n=0 αn s
n
Où U (s) est l’entrée du système et Y (s) sa sortie.

b) Un petit exemple
Voyons à présent un exemple de résolution d’EDLC rapide par le domaine de

Laplace.
Figure 4.3 – Circuit RC série
Exemple 4.2 : Circuit RC série Soit un circuit RC série, tel que présenté
à la figure 4.3.
On suppose le condensateur déchargé à l’origine des temps. On allume le
générateur à t = 0, une tension E constante se retrouve aux bornes du
générateur. On va calculer la fonction de transfert du système.
On dispose des équations électriques suivantes :

— L’intensité est la même le long d’un circuit série I = IC = IR .
— La loi d’Ohm aux bornes de la résistance : UR = RI.
— La loi de fonctionnement d’un condensateur idéal : I = C dU
dt
c
.
— La loi d’additivité des tensions 2 : UG = UR + UC .
Ce qui nous donne l’équation différentielle suivante :
dUc
UG (t) = RI(t) + UC (t) = RC + UC ,
dt
on va considérer nos variables d’entrée et de sortie du système :
— Entrée : Tension aux bornes du générateur u(t) = UG (t).
2. Dite de Kirchhoff.

— Sortie : Tension aux bornes du condensateur y(t) = UC (t).
On transforme l’équation différentielle dans le domaine Laplace dans les conditions

d’Heaviside 3 et on obtient :
Y (s) 1
U (s) = (RCs + 1)Y (s) ⇔ F (s) = = .
E(s) 1 + RCs
On se rappelle des résultats sur les EDLC1 vus au chapitre 2. On sait que la
solution de l’EDLC sera pour t > 0 (puisque e(t) = E lorsque t > 0 –Générateur en
marche–) :
y(t) = E(1 − e−t/τ ) avec τ = RC.
D’autre part, si nous considérons l’équation en transformée de Laplace, on a :


E t≥0 1
e(t) = Eθ(t) = ⇔ L(e(t)) = U (s) = E .
0 t < 0 s
Ce qui donne :

1 1 1 RC
Y (s) = H(s)U (s) = E =E − .
1 + RCs s s 1 + RCs
et sa transformée de Laplace [d’après le tableau 4.1 présentant les transformées

usuelles] inverses vaut :
y(t) = L−1 (Y (s)) = E(1 − e−t/τ ) avec τ = RC,
Ce qui est le même résultat !
3. Le condensateur est déchargé au temps t = 0, c’est donc le cas.

On peut donc constater qu’une résolution d’EDLC dans le domaine de La-

place est équivalente à une résolution directe dans le domaine temporel.
C’est même simplificateur car nous n’avons fait ici que des multiplications
et des identifications sur une table de transformées pré-calculées en lieu
et place de faire une résolution complète a . Notons toutefois qu’il est in-
dispensable de se ramener dans les conditions d’Heaviside avant chaque
calcul de fonction de transfert.
a. Impliquant le calcul de l’équation caractéristique, la résolution des équations
homogènes, le choix d’une solution particulière, la sommation des solution homogènes
et particulières et l’identification des coefficients de l’équation.
c) Lien avec la convolution, réponse impulsionnelle d’un système
On reprend la propriété de multiplication/convolution (c)) entre les domaines de

Laplace et temporel. Nous avons :
Y (s) = F (s)U (s) ⇔ y(t) = f (t) ? u(t)
Si on impose une impulsion de Dirac (on rappelle que L(δ(t)) = 1 à l’entrée du

système, on obtient un signal temporel y(t) qui est appelé réponse impulsionnelle du
système. caractérisé par la fonction de transfert F (s) on peut observer en sortie la
propriété suivante :
y(t) = f (t) ? δ(t) ⇔ Y (s) = F (s) L(δ(t)) = F (s)

| {z }
=1
La convolution de la réponse impulsionnelle n’est autre que la Fonction de trans-

fert du système.
II.B Stabilité des systèmes linéaires

La stabilité est la première propriété que doit s’assurer de respecter un système
asservi. Sans cette condition, asservir un système n’a pas de sens car sa sortie diverge :
il ne peut donc pas poursuivre un signal de référence.

a) Définition
La stabilité au sens BIBO d’un système physique peut être définie comme suit :
Un système est stable au sens BIBO (Bound In Bound Out) si pour une entrée
bornée sa sortie est elle-même bornée. Ainsi :
F est stable au sens BIBO ⇔ {∃A, B ∈ R, A, B < ∞, |u(t)| < A ⇒ |y(t)| < B}.
On peut démontrer avec la théorie des équations différentielles vue à la section 2 du

chapitre 1 que ce critère équivaut à dire que les racines de l’équation caractéristique
ont une partie réelle strictement négative dans le cas où le système n’est pas
un oscillateur (stabilité asymptotique, c’est-à-dire BIBO et convergeant vers une
valeur donnée). C’est ce qu’on appelle le critère de stabilité pour les systèmes
linéaires.
b) Pôles et zéros
— Les pôles sont les racines de l’équation caractéristique homogène d’un système,
il s’agit des racines du dénominateur de la fonction de transfert d’un système.
— Les zéros sont quant à eux les racines du numérateur de cette dernière.
(s)
Pour une fonction de transfert d’un système F (s) = ND(s)
, on a les définitions sui-
vantes :
pi ∈ C, est un pôle ⇔ D(pi ) = 0,
respectivement :
zi ∈ C est un zéro ⇔ N (zi ) = 0.
Remarque : Les pôles, racines de l’équation caractéristique sont de ce fait

responsables de la stabilité et de la cinétique de système.

c) Critère de Routh
Basant sur ce que l’on a dit précédemment on déduit le critère de stabilité suivant :
F(s) représente un système stable ⇔ Ses pôles sont tous à partie réelle stricte-
ment négative.
Cela peut être compliqué de prime abord de prouver que les parties réelles des racines
d’un polynôme d’ordre élevé (par exemple 42) sont strictement négatives. Un certain
Edward John Routh (1831-1907), mathématicien anglais a trouvé un stratagème bien
efficace : un critère basé sur des déterminants. Il prouve que les racines d’un pôle
sont à partie réelle positive sans avoir à faire l’étude exhaustive de ce dernier.
(s)
Objectif : Soit un système physique F (s) = N D(s)
, nous devons vérifier que ses pôles
sont tous «à gauche» du plan complexe c’est-à-dire que les racines du polynôme
4
D(s) sont toutes à partie réelle strictement négative pour assurer la stabilité du
système.
Le polynôme étudié est le suivant :
N
X
D(s) = ak sk , N ∈ N, ak ∈ R.
k=0
Vérifications préliminaires :
Condition nécessaire : Si les coefficients présentent (au moins) une alternance de
signe le système est instable.
Condition suffisante à faible degré : Cette condition est suffisante si le degré du
polynôme respecte N ≤ 2. Dans ce cas seulement, une absence d’alternance de
signe implique la stabilité du système
S’il existe ak = 0 le système n’est pas asymptotiquement stable mais peut compor-
ter un oscillateur harmonique. Voir méthodes des perturbations.
Si les coefficients du polynômes sont tous négatifs étudier D0 (s) = −D(s).
4. C’est-à-dire à partie réelle strictement négatives, je donne un aperçu de cette notion à la
partie I de ce chapitre.

Critère : À appliquer si N > 2 dans cet ordre :

1. Commencer à remplir les deux premières lignes (N, N − 1) du tableau de
Routh avec les coefficients par ordre d’indice décroissant du polynôme D(s).
On commence en haut à gauche du tableau avec aN (coordonnée (N,K)) puis
on descend d’une case pour remplir aN −1 (coordonnée (N-1,K)) puis aN −2 en
passant à la colonne de gauche et à la première ligne (coordonnée (N,K-1)) et
ainsi de suite jusqu’à ce qu’il n’y ait plus de coefficient.
Si le nombre de coefficients est pair, toutes les cases des lignes N et N −1 seront
remplies, sinon un zéro apparaîtra dans la dernière case de la ligne N − 1 du
tableau comme suit :
Numéros K K-1 ... i i+1 ... 1 0

N aN aN −2 ... ... ... ... a3 ou a2 a1 ou a0
N-1 aN −1 aN −3 ... ... ... ... a2 ou a1 a0 ou 0
... ... ... ... ... ... ... ... ...
l+2 CKl+2
... ... Cil+2 l+2
Ci+1 ... ... ...
l+1 CKl+1
... ... Cil+1 l+1
Ci+1 ... ... ...
l ... ... ... Cil ... ... ... ...
... ... ... ... ... ... ... ... ...
0 CK0
0 ... 0 0 ... 0 0
2. Calcul des valeurs des autres cases : on les calcule de gauche à droite et de bas
en haut :
— À chaque ligne l < N − 1, on détermine le pivot : c’est le coefficient de
la ligne du dessus et de la première colonne CK
l+1
.
— Les trois autres coefficient en sus du pivot sont indiqués en vert sur le
tableau ci-haut sont impliqués dans le calcul de chacun des coefficients
CKl+1
en plus du pivot (qui peut être parmi ces quatre là).

l+1 l+1 l+2 l+1 C l+2 C l+2
C C − C C 1
Cil = K i+1 l+1 K i+1 = − l+1 K i+1
.

l+1 l+1
CK CK CK Ci+1


— Si les deux coefficients à droite Ci+1

l+2
et Ci+1
l+1
sont nuls alors Cil est nul.
— Si le pivot est nul, on arrête le calcul du tableau et on applique la mé-
thode des perturbations.
3. Si un signe négatif apparaît dans la première colonne : le système est in-
stable.
4. Si vous êtes arrivé à la dernière ligne sans alternance de signe pour la première
colonne, vous avez prouvé la stabilité du système étudié.
Exemple 4.3 : Un système bien compliqué mais simple à étudier Soit

F (s) = s8 +s7 +s5 +544s4120s+1
+404s3 +254.25s2 +8s1
étudier la stabilité.
On remarque que a6 = a0 = 0 le Système est instable.
Exemple 4.4 : Un système du quatrième ordre Soit le système suivant,

on veut savoir s’il est stable ou non :
K
F (s) = avec K ∈ R∗
s4 + 4s3 + 16s2 + 32s2 + 200
— On se rend compte que le système n’est pas évident à étudier d’une manière
directe. Trouver les racines de manière directe semble non-trivial. Appliquons
le critère de Routh.
— La condition nécessaire est remplie (les signes sont tous positifs au dénomina-
teur) et le système est d’un ordre supérieur à 2.
— On doit donc calculer le tableau de Routh :
Numéros 2 1 0
4 1 16 200
3 4 32 0
2 a b 0
1 c 0 0
0 d 0 0

En commençant par remplir ce dernier avec les coefficients du polynôme.

— On calcule les coefficients manquants :
(a) a = 4×16−1×32
4
= 8.
Le système est stable a priori, on doit continuer à calculer les coefficients
de la première colonne mais c ne peut se calculer sans b.
(b) b = 4×200−1×0
4
= 200
Attention : Le pivot ici «4» est le même pour une ligne donnée ! Et on
reste à multiplier avec la première ligne.
(c) c = 32a−4×b
a
= 32×8−4×200
8
= −68.
On a prouvé l’instabilité du système car la première colonne subit
une alternance de signe.
(d) Calcul inutile mais pour la culture personnelle :
d = c×b−0×a
c
= b = +200.
Le système est instable. Numériquement, ses pôles valent (deux d’entre eux ont
une partie réelle positive) :
p1,2 = −3.06 ± 2.88j et p3,4 = 1.06 ± 3.20j.
Méthode des perturbations : Dans le cas où un zéro apparaît dans la première

colonne empêchant la division par le pivot, étudier la stabilité de D(s + ) avec
|| << 1. On crée un nouveau polynôme avec la méthode de Taylor en effectuant un
développement limité [Wikipédia, 2019] d’ordre 1 :
dD
D(s + ) = D(s) + (s) + O(2 ).
ds
On étudie la nouvelle première colonne si > 0 (cas 1) et si < 0 (cas 2) :
Pas de signe négatif dans les deux cas : le système est strictement stable
Signe(s) négatif(s) dans les deux cas : Les pôles sont à gauche invariablement,
le système est strictement instable.
Signe(s) négatif(s) dans un des cas, positif dans l’autre : si aucun pôle nul
n’existe, il y a N pôles sur l’axe des imaginaires, N = 2k avec k le nombre des

alternances de signe. Ce sont des oscillateurs : le système est stable au sens

BIBO mais est dans un cas limite (il ne convergera pas vers une valeur mais
ne divergera pas).
Exemple 4.5 : Système pathologique Étudier la stabilité de la fonction

de transfert suivante :
1
H(s) = .
s3 + s2 +s+1
La condition nécessaire de stabilité est respectée et l’ordre du dénominateur est

strictement supérieur à deux, on doit donc dresser le tableau de Routh. On le remplit
et le calcule pour D(s) = s3 + s2 + s + 1 :
s3 1 1
s2 1 1
s1 a 0
s0 b 0
Plein d’espoir, on calcule a :
1×1−1×1
a= = 0.
1
Et on se rend compte que le futur pivot a de b vaut 0 on ne peut calculer b. On doit
appliquer la méthode des perturbations :
dD
D(s + ) = D(s) + (s) + O(2 )
ds
= s3 + s2 + s + 1 + (3s2 + 2s + 1) + O(2 )
= s3 + (1 + 3)s2 + (1 + 2)s + ( + 1) + O(2 ).
Le nouveau tableau de Routh vaut :

s3 1 1 + 2
s2 1 + 3 1+
s1 α 0
s0 β 0

On calcule la première ligne calculable, en négligeant les termes en 2 et ordres plus

élevés à cause du formalisme O(2 ) symbolisant une approximation à l’ordre 1 :
1 4
(2 + 1)(3 + 1) − + 1 + O(2 ) = + O(2 ).

α=
3 + 1 3 + 1
Pour le dernier coefficient on a :
1
α( + 1) + O(2 ) = + 1 + O(2 ).

β=
α
Vu que || << 1, pour β il n’y a pas d’alternance de signe quel que soit le signe
de et il reste positif. Pour α il y a une alternance de signe suivant le signe de .
Enfin, D(0) 6= 0 donc zéro n’est pas un pôle, donc H a deux pôles sur l’axe des
imaginaires.
De plus, il existe un troisième pôle, vu que l’ordre de H est de trois. Il est néces-
sairement réel car seul. Les pôles, racines d’équations caractéristiques, sont comme
nous avons vu au chapitre 2 sont soit complexes conjuguées soit réels : les pôles non-
strictement réels viennent par paires. Le troisième pôle est donc négatif car sinon
le système serait strictement instable, or, la première colonne ne présente pas de
coefficient invariablement négatif suivant le signe de .
Remarque : L’auteur a développé un petit code pédagogique Open-
Source et pré-compilé pour les usagers des systèmes d’exploitations
Linux et Windows afin de permettre un calcul numérique du tableau
de Routh et de se vérifier. Il est téléchargeable à l’URL suivante :
https://gitlab.com/nitraced/rhcalc.
II.C Précision des systèmes asservis

La précision a besoin de critères afin d’être définie correctement. Pour cela,
on la quantifie par les notions d’erreurs. Nous nous devons de préciser cependant
les notions de boucle ouverte et boucle fermée avant de nous lancer dans de telles
discussions.
a) Définition de la boucle de rétroaction
Soit le système générique suivant :

+ (s) U (s)
R(s) C(s) F (s) Y (s)
–
B(s)
Figure 4.4 – Modèle générique d’un asservissement linéaire SISO en en schéma-

blocs.
En lisant le schéma 4.4 on peut lire à reculons la composition du signal Y (s) pour
calculer la fonction de transfert d’un tel système :
Y (s) = F (s)U (s) = C(s)F (s)(s) = C(s)F (s)(R(s) − B(s)Y (s)),
En isolant Y (s) à gauche on trouve l’égalité suivante :
Y (s)(1 + C(s)F (s)B(s)) = C(s)F (s)R(s),
puis on trouve la fonction de transfert :
Y (s) C(s)F (s)

H(s) := = .
R(s) 1 + B(s)C(s)F (s)
Propriété 4.8 : Fonction de Transfert en Boucle Fermée La fonction de

transfert en boucle fermée du système est définie par :
HBO (s)
H(s) = ,
B(s)HBO (s) + 1
Où HBO (s) = C(s)F (s) est la fonction de transfert en boucle ouverte du

système qui est composée du système physique F (s) et du compensateur
C(s). Nous étudierons la conception des compensateurs dans les pages qui
suivent.

Retour unitaire : Afin de faciliter les calculs, on va souvent supposer

la boucle de retour unitaire, c’est-à-dire que B(s) = 1. On peut toujours
se ramener à cette configuration en faisant l’opération dans le schéma qui
suit. On remarque que si on multiplie les branches + et - du sommateur
par B(s) il faut normaliser l’entrée par B(s) afin de conserver l’équivalence
avec le schèma de la figure 4.4. On étudie dans ce cas le système composé
de la fonction de transfert en boucle ouverte HBO = B(s)C(s)F (s) et
du retour unitaire.
1 + (s)
R(s) B(s) B(s) C(s) F (s) Y (s)
–
Figure 4.5 – Transformation d’un schéma à retour quelconque en un problème à

retour unitaire.
Propriété 4.9 : Cas du retour unitaire Dans le cas d’un retour unitaire
B(s) = 1 et ce cas seulement :
HBO (s)
H(s) = .
1 + HBO (s)
b) Perturbations
On peut modéliser des évènements extérieurs inopinés dans les systèmes asservis
sous forme de perturbations. Elles prennent la forme d’un autre signal qui vient en
sus de la commande U (s) qui sort du correcteur. Il s’agit d’un signal que l’on ne
désire pas (en quelque sorte du bruit additif). Ce signal est noté P (s) est inclus dans
le schéma-blocs comme suit :

P (s)
+ (s) U (s) +
R(s) C(s) F (s) Y (s)
– +
Figure 4.6 – Schéma-blocs générique d’un système linéaire SISO perturbé à retour
unitaire.
c) Principe de superposition
Ce principe vient de la propriété de linéarité des EDLC, il assure en outre la

propriété suivante : Si l’on considère deux entrées distinctes E1 (s) et E2 (s) reliées
par deux fonctions de transfert H1 (s) et H2 (s) à un même signal de sortie Y (s), alors
l’étude du signal Y (s) de sortie résultant peut se faire en sommant les deux réponses
du système :
Y (s) = E1 (s)H1 (s) + E2 (s)H2 (s).
En particulier, ici, on peut faire l’étude séparée des réponses de P (s) et de R(s) pour
deux schémas considérant les deux fonctions de transfert calculées avec un des deux
signaux nuls :
Y (s) = H(s)|P (s)=0 R(s) + H(s)|R(s)=0 P (s).
Ceci va être utile dans les calculs en pratique, l’idée est de toujours se ramener au
cas monovariable.

d) Définition des erreurs
On appelle erreur de suivi d’un système es l’erreur définie comme suit :
es = lim (t) avec (t) = r(t) − y(t), p(t) = 0.

t→∞
Il s’agit de l’écart entre la consigne et la sortie sans perturbation. On appelle

erreur de régulation d’un système er l’erreur définie comme suit :
er = lim y(t), r(t) = 0.

t→∞
Il s’agit de la valeur de la sortie pour une consigne nulle.
En pratique, en appliquant le théorème de la valeur finale des transformées de Laplace

on peut calculer les limites de manière aisée. Pour l’erreur de suivi on peut remarquer
la relation suivante (venant du schéma-bloc précédent, à la figure 4.6, considérant
P (s) = 0 ) :
Y (s) = (s)HBO (s)|P (s)=0 = (s)C(s)F (s) = H(s)|P (s)=0 R(s),
ce qui donne au final la formule suivante pour l’erreur de suivi :

C(s)F (s)
H(s)|P (s)=0 R(s) 1+C(s)F (s)
R(s)
es = lim (t) = lim s(s)|P (s)=0 = lim s = lim s
t→∞ s→0 s→0 C(s)F (s) s→0 C(s)F (s)
R(s)
= lim s .
s→0 1 + C(s)F (s)
Pour la régulation, il suffit de modifier le schéma-blocs en remarquant que R(s) est

nul, comme illustré à la figure 4.7.
on applique la formule des boucles des schémas-blocs à retour non-unitaire et on
trouve :
F (s)
er = lim y(t) = lim sY (s)|R(s)=0 = lim s P (s).
t→∞ s→0 s→0 1 + F (s)C(s)

P (s)
U (s) +
C(s) F (s) Y (s)
–
Figure 4.7 – Schéma-blocs du rejet de perturbation.
e) Principe du modèle interne
On remarque ainsi des corrélations entre les différentes erreurs et le rapport entre
les consignes R(s) (respectivement les perturbations P (s)) et le contrôleur C(s). On
déduira de cette observation qualitative l’adage 5 suivant :
« Un contrôleur C(s) doit être autant complexe que le signal R(s) qu’il
souhaite poursuivre et le signal perturbateur P (s) qu’il souhaite reje-
ter.»
Ce principe est lié à la notion de modèle interne. Dans cet ouvrage, nous ne traitons
que des cas de signaux monômes c’est-à-dire des signaux de la forme σ(s) = θ(t)Ktn
avec θ fonction d’Heaviside, n ∈ N ordre de la courbe à suivre et K ∈ R∗ paramètre
non-nul (facteur d’échelle).
On rappelle que ces signaux ont la forme suivante dans le domaine de Laplace
K0
L(σ(t)) = Σ(s) = sn+1 , K 0 ∈ R. Nous devons donc quantifier la complexité du
problème en fonction de n...
5. L’auteur remercie le travail du Prof. Roland Malhamé, Polytechnique Montréal, pour avoir
trouvé une explication claire au problème, se résumant dans cette phrase.

f) Classes des signaux et des systèmes asservis
Propriété 4.10 : Types/Classes des signaux monômes On appelle cette

notion «type» dans la littérature nord-américaine et en France «classe».
Les signaux et fonctions de transfert de type polynomiaux peuvent se
transformer dans le domaine de Laplace de la façon suivante :
1 N (s)
Φ(s) = ,
sα D(s)
K
Σ(s) = β .
s
Avec :
— Φ(s) fonction de transfert polynomiale quelconque a .
— Respectivement Σ(s) signal monôme quelconque b .
— α ∈ N nombre de pôles à s = 0 (intégrateurs) factorisables, c’est la
classe/le type de la fonction de transfert.
— β ∈ N est respectivement la classe/le type de signal.
N (s)
— D(s)
rapport de deux polynômes irréductibles représentant le
numérateur et le dénominateur de la fonction de transfert une fois
les pôles à s = 0 factorisés.
a. Cette fonction peut être le bloc correcteur C(s) ou la fonction de transfert en
boucle ouverte C(s)F (s).
b. Ce signal peut être R(s) et P (s) dans notre cas.
Remarque : Nous noterons la classe de la fonction de transfert/ du signal

A(s), C(A) afin d’alléger la notation.

g) Modèle interne appliqué à des signaux monômes
Propriété 4.11 : Déficit de classe et erreur de suivi Soit la fonction de

transfert en boucle ouverte d’un système asservi HBO (s) = F (s)C(s)
et un signal de référence R(s) on a :

0,


 si C(HBO ) − C(R) ≥ 0;
es = k ∈ R, |k| < ∞ si C(HBO ) − C(R) = −1;

si C(HBO ) − C(R) < −1.

∞,

Un déficit nul de classe engendre une poursuite parfaite, un déficit unitaire engendre
une erreur constante, au-delà, cela diverge.
Démonstration. Dans ce cas, nous avons la limite du signal qui vaut :
R(s)
es = lim s .
s→0 1 + C(s)F (s)
si on note R(s) = ska avec k ∈ R, a ∈ N et HBO = C(s)F (s) = 1 D(s)

sb N (s)
avec b ∈ N et
N (s)/D(s) constituant une fraction irréductible, on obtient :
k
sa s k
es = lim+ s 1 D(s)
= lim+ N (s)
.
s→0 1+ s→0 sa−b sb +
sb N (s) D(s)
Si a = b + 1 alors on obtient une constante :
k D(0)
es = lim+ s N (s)
=k ∈ R.
s→0 sb + N (0)
D(s)
notons que la limite de k

N (s) en zéro est finie.
sb + D(s)
Si a > b + 1 on a le terme sa−b

s
= a−n (avec n ∈ N) qui diverge dans la limite. À
l’opposé, le cas b + 1 < a sa−b
s
= an (avec n ∈ N) fait converger la quantité vers zéro
(poursuite parfaite).

Propriété 4.12 : Déficit de classe et erreur de régulation Soit la fonc-

tion de transfert du correcteur d’un système asservi C(s) et un signal
de perturbation P (s) on a :

0,


 si C(C) − C(R) ≥ 0;
er = k ∈ R, |k| < ∞ si C(C) − C(R) = −1;

si C(C) − C(R) < −1.

∞,

Remarque : Le résultat au-dessus se démontre de manière analogue au

précédent.
II.D Calculs sur la rapidité et les dépassements
a) Critères
Comment définir la rapidité de systèmes dynamiques n’atteignant qu’asymptoti-

quement, ie à l’infini, leurs valeurs finales (cf. chapitre 2) ? L’approche canonique est
de considérer un temps de réponse à partir duquel la valeur demeure au sein d’un
intervalle centré :
100 − P y(∞) − y(t) 100 + P

Tr,P % R+ , < < avec t > Tr,P % ,
100 y(∞) − y(0) 100
on appelle ce temps le temps de réponse à P pour cent. Dans la littérature
on trouve des temps de réponse à P = 1, 2, 5, 10... pour cent, ceci n’étant qu’une
convention, on choisira pour ces notes de cour P = 5. Ce qui donne le critère :
y(∞) − y(t)
Tr,5% R+ , 0.95 < < 1.05 avec t > Tr,5% .
y(∞) − y(0)

b) Systèmes d’ordre un
Un système du premier ordre détient une fonction de transfert comme suit :
K
H(s) = ,
τs + 1
sa réponse à un échelon unitaire (voir partie 2) vaut :

−1 1 K
y(t) = L × = K(1 − e−t/τ ).
s τs + 1
Donc, la valeur finale y(∞) d’un tel système est K et trouver la valeur qui donne
95% de la valeur finale revint à résoudre :
Tr,5%
y(Tr,5% ) = 0.95y(∞) = 0.95K ⇔ K[1 − e−Tr,5% /τ ] = 0.95K ⇔ ln(0.05) = − ,
τ
ce qui donne :
Tr,5% = − ln(0.05)τ ≈ 3τ.
c) Ordre 2
Un système de deuxième ordre, nous avons la fonction de transfert comme suit :
Kω02
H(s) = .
s2 + 2ξω0 s + ω02
On remarque que le paramétrage des pôles de ce système de deux paramètres : ω0 et

ξ. Nous pouvons cependant donner quelques formules utiles. Tout d’abord le système
du second ordre possède dans le pire des cas un temps de réponse à cinq pour cent
qui est trois fois l’inverse de sa pulsation propre :
3
Tr,5% ≤ .
ω0

Si on considère que le facteur d’amortissement est assez grand, ξ > 0.3 on peut
considérer l’approximation suivante :
3
Tr,5% ≈ . (4.4)
ξω0
D’une façon plus exacte, le profil du temps de réponse normalisé TN = ω0 Tr,5% en
fonction de ξ peut être calculé par ordinateur. Et ainsi, un abaque bien connu des
automaticiens peut être utilisé pour les calculs de cinétique : il est visible en figure
4.8. L’automaticien peut utiliser cet abaque dans sa conception.
60
50
40
30
20
10
0
10 -1 10 0 10 1
Figure 4.8 – Abaque montrant l’évolution du temps de réponse normalisé en fonc-

tion du coefficient d’amortissement.
On remarquera que le minimum des temps de réponses avoisine les 0.7 c’est-à-dire
lorsque les pôles sont placés de manière à ce que Re {pi } = Im(pi ).

Également, les parties discontinues à gauche de l’abaque sont obtenues lorsque

le facteur d’amortissement est inférieur à 1. Le système est dans un régime pseudo-
périodique et provoque des sauts au sein de cet abaque. Par exemple, supposons
que l’on rentre dans la bande des ±5% lors de la n-ème oscillation (n > 1), si on
augmente ξ le système sera plus vite amorti et à un moment donné, cela se produira
à la (n − 1)-ème, à une pseudo-période d’intervalle : d’où le saut.
Remarque : Il n’existe pas de formules triviales pour les ordres supérieurs,

nous verrons que cela nous importe peu par la suite, nous essaierons tou-
jours de nous ramener au problème de calcul pour des ordres peu élevés en
négligeant des termes. Nous verrons notamment les notions de dominance
des pôles.
II.E Dépassements des systèmes asservis

Le dépassement est dû à la partie imaginaire des pôles. On utilisera plutôt le
facteur d’amortissement ξ afin de quantifier le dépassement. Pour un ordre 2 6 , nous
avons la relation suivante qui s’applique, liant ξ et le dépassement en pour cent %OS
pour overshot percent :
Si ξ < 1 (s’il existe des oscillations, régime pseudo-périodique vu au chapitre 2), on

a les deux relations suivantes :
!
ln %OS
100

−πξ
ξ=q ⇔ %OS = 100 exp p . (4.5)
1 − ξ 2
π + ln %OS
2 2 100
Démonstration. La pseudo-période des oscillations d’un système du second ordre

vaut (voir chapitre 2) :
2π
T = p ,
ω0 1 − ξ 2
6. Il n’y a pas de dépassement pour un ordre 1.

Figure 4.9 – Illustration du dépassement pour un système d’ordre deux.
en effet, la réponse d’un système d’ordre deux en régime pseudo-périodique peut

s’écrire sous la forme (si 0 < ξ < 1) (voir chap 2) :
h p i
−tω0 ξ 2
y(t) = K 1 − e cos(tω0 1 − ξ ) ,
avec K l’amplitude, nous n’introduisons pas de déphasage ici.

La valeur maximale (première oscillation) est atteinte en T /2 c’est-à-dire lorsque
t = √π 2 := t∗ . En effet, lorsque l’argument du cosinus est π ce dernier vaut −1,
ω0 1−ξ
ce qui donne la première bosse visible sur la figure 4.9.
La valeur en t∗ de y est, en utilisant des formules de trigonométrie :
− √π ω0 ξ
h i
y(t∗ ) = K 1 − e ω0 1−ξ2 cos(π)

− √ πξ 2
= K 1 + e 1−ξ

Le dépassement en pourcentage est par convention égal à :
y(t∗ ) − K − √ πξ
%OS = 100 = 100e 1−ξ2 .
K
La réciproque pour trouver ξ se démontre en prenant le logarithme de l’expression
précédente. Nous laissons le lecteur agir.
III Preuve du théorème de la valeur finale

Preuve du Théorème 1. Le signal converge donc, on peut définir ỹ = limt→∞ y(t) sa
valeur finale. Par ailleurs en introduisant la fonction d’Heaviside θ(t) on peut définir :
z(t) = y(t) − θ(t)ỹ,
et donc par conséquent que :

lim z(t) = 0,
t→∞
nous venons de montrer que nous pouvons nous ramener à prouver que le signal
converge vers zéro à l’infini. Maintenant, qu’en est-il de la quantité sZ(s) ? On peut
découper la transformée de Laplace par linéarité de l’intégrale en deux intervalles :
Z t Z ∞
−λs
sZ(s) = s z(λ)e dλ + s z(λ)e−λs dλ
λ=0 λ=t
pour chaque t il existe un réel > 0 qui borne la valeur absolue de f (t), ≥ |z(t)|.
Nous voulons prouver que le résultat est nul quel que soit z(t) satisfaisant une limite
nulle. Pour le premier intervalle, il est clair que :
Z t Z t
−λs

s
z(λ)e dλ ≤ s |z(λ)| dλ →s→0+ 0.
λ=0 λ=0
Pour le second, on prendra s ∈ R+ , il existe un réel a > 0 tel que s < a. Dans ce cas
peut borner le module de l’intégrale comme suit :
Z ∞ Z ∞
−λs
e−λs dλ =

z(λ)e dλ ≤

λ=t λ=t p

donc on peut trouver b > 0 qui contraint 0 < p < b et pour lequel :
Z ∞ Z ∞
−λs
e−λs dλ ≤

s z(λ)e dλ ≤

λ=t λ=t
en faisant tendre t vers l’infini, on fait tendre l’intégrale précédente vers zéro.
Les inégalités sur les deux intervalles assurent que :
lim sz(t) = 0,
s→0+
quel que soit z(t) convergente en 0 (et donc pour tout y(s) convergeant en ỹ).

5
Quelques notes sur
l’identification des systèmes ?
Nous savons qu’en pratique, le modèle d’un système ne nous est pas donné. Et
pourtant, grâce à des réponses à un échelon unitaire, on peut extrapoler beaucoup
d’informations.
Pourquoi identifier des systèmes d’ordres peu élevés (1 ou 2) ? Dans le

cadre général, les équations différentielles linéaires à coefficients constants ne se ré-
solvent analytiquement que pour des ordres inférieurs ou égaux à deux. Ce n’est
pas mathématiquement assuré pour des ordres plus élevés. Ceci étant, un système
d’ordre plus élevé peut être approché par commodité de calcul par un ordre 2 afin
d’entreprendre la conception d’un contrôleur. Si le système est plus complexe (ex :
multivariable), une conception par fonction de transfert s’avère être moins efficace
qu’une approche par modèle d’état.
77
I Méthodes graphiques
I.A Identification d’un système de premier ordre

Un système du premier ordre est caractérisé par une fonction :
K
F (s) = ,
1 + τs
par définition, si l’entrée du système est un échelon de valeur u(t) = A ∈ R, si t > 0

alors, le gain statique K vaudra :
K̂ = y(∞)/A.
En pratique, le temps infini de la réponse d’un tel système n’est que formel (et
heureusement), tout système stable convergeant vers une valeur finale et finie, on
pourra utiliser cette valeur-ci pour le restant en guise de ŷ(∞). En ce qui concerne
τ on peut remarquer que :
y(τ ) = (1 − e−τ /τ )KA = (1 − e−1 )KA ≈ 0.63KA = 0.63y(∞),
il suffit de noter l’abscisse de la valeur de la sortie y(t) telle que sa valeur soit égale
à 63% sa valeur finale y(∞) pour obtenir un estimé τ̂ .
Exemple 5.1 : Système d’ordre 1 On trace le chronogramme de la

réponse à un échelon unitaire du système H(s) = 3s+1 10
. Vérifions que la
fonction de transfert correspond à l’aide de la méthode précédente.
Dans l’exemple donné à la figure 5.1, il s’agit d’une réponse à un échelon unitaire
(A = 1) donc immédiatement on estime K̂ = 10 valeur à l’asymptote. Pour le temps
caractéristique on trouve τ̂ = 3.0 en arrondissant à une décimale vu qu’aucune donnée
ne va au delà en termes de précision sur le graphique.

Figure 5.1 – Identification graphique d’un système de premier ordre
I.B Identification d’un système de deuxième ordre oscillant

Soit la fonction de transfert générique d’ordre deux sous forme canonique qui
suit :
K
F (s) = s2 2ξs
, 0 < ξ < 1.
ω 2 + ω0
+ 1
0
Plusieurs techniques d’identification ne requérant aucun ordinateur existent. La plus

populaire est présentée ci dessous. Si l’on suppose que le système oscille assez, on
peut effectuer le test suivant pour une réponse indicielle (réponse à un échelon). Par
définition, si l’entrée du système est un échelon de valeur u(t) = A ∈ R, si t > 0
alors, le gain statique K vaudra :
K̂ = y(∞)/A,
Ensuite, il suffit de relever la pseudo-période T0 graphiquement du signal oscillant.

On peut remarquer que :
2π
ω̂0 =
T0

En ce qui concerne ξ connaissant T0 , il suffit de relever le moment où le système

entre dans une bande de ±5% autour de sa valeur finale et on obtient Tr,5% (le temps
de réponse à cinq pour cent) . Connaissant ceci, avec l’abaque de la figure 4.8, ou la
formule reliant dépassement et coefficient d’amortissement, on détermine la pulsation
réduite Tr,5% ω0 et ainsi le facteur d’amortissement graphiquement.
Exemple 5.2 : Ordre deux On trace la réponse à un échelon d’ampli-

tude A = 0.5 du système ayant la fonction de transfert suivante H(s) =
20
s2 +0.6s+1
. Vérifions que l’identification donnée par la méthode précédente
est en adéquation avec les «vrais» paramètres à savoir K = 10,ω0 = 1 et
ξ = 0.3.
Figure 5.2 – Identification graphique d’un système de deuxième ordre.
Le chronogramme de la figure 5.2 nous donne immédiatement K̂ = 20 car A = 0.5

et y∞ = 10 graphiquement.
Sachant le dépassement de 37.1% on peut appliquer la formule donnée directement
pour déduire ξ en notant x̂ = ln(100/37.1) ≈ 0.992 on a :

x̂
ξˆ = √ ≈ 0.301.
π + x̂2
2
De plus, la demi-période 1 relevée graphiquement vaut environ 0.5T̂0 ≈ 3.22 s.

Donc ω̂0 = √T̂0 2 = 1.07.
2π 1−ξ
Alternativement, on peut utiliser l’abaque de la figure 4.8. Le temps de réponse
à cinq pour cent estimé est T̂5% ≈ 10.1 et donc ω̂0 T̂5% ≈ 10.9, et donc on relève
ξ ≈ 0.3. Ce qui est en accord avec nos calculs
Cet exemple nous montre que nous pouvons estimer raisonnablement bien les
caractéristiques d’un système oscillant d’ordre deux en ne connaissant uniquement
que sa réponse indicielle.
II Autres méthodes graphiques

Pour la culture du lecteur, nous mentionnons ici deux modèles populaires inté-
grant des fonctions de transfert, qui s’avèrent parfois être utiles en pratique (latence
d’effecteurs, non-linéarités, ordres élevés), pour concevoir des asservissements de sys-
tèmes industriels.
II.A Approximation par modèle de Broïda

Le modèle de Broïda est simplement un premier ordre auquel on adjoint un retard
L (voir figure 5.3) :
K
Fidentifiée = e−Ls .
1 + τs
Ainsi, on peut déterminer le temps de Latence L graphiquement 2 (début de
l’acquisition donnant une réponse nulle), ensuite une identification classique d’un
premier ordre peut se faire.
1. Rigoureusement pseudo-période.
2. Plusieurs algorithmes numériques existent pour faire «coller» le modèle. Notamment ceux
basés sur la méthode des moindres carrés (Least Squares).

Figure 5.3 – Modèle de Broïda.
Le modèle de Broïda est utile de par sa simplicité, toutefois, introduire une latence
au sein d’une fonction de transfert la rend non-linéaire. Cette technique est utilisée
surtout en industrie pour sa mise en œuvre rapide.
II.B Approximation par modèle de Strejc

Le modèle de Strejc revient à extrapoler une courbe de réponse indicielle d’un
système physique à une réponse fonction de transfert de la forme :
Y (s) K
Fidentifiée (s) = = ,
U (s) (1 + τ s)n
avec :
— n, entier ordre du système identifié.
— τ , temps caractéristique du système étudié.
— K, gain statique du système étudié.

On remarquera, par transformation inverse de Laplace et en utilisant le binôme

de Newton que la réponse indicielle à un échelon vaut :
n
!
X tk
y(t) = KA 1 − exp(−t/τ ) ,
k=0
k!τ k
la dérivée de cette réponse temporelle vaut :

n−1
∂y KA −t t
= n exp ,
∂t τ τ (n − 1)!
la dérivée seconde vaut :
∂ 2y −t tn−2

KA
2
= n exp (n − 1 − t/τ ),
∂t τ τ (n − 1)!
que nous voyons disposer d’un unique point annulateur (non-trivial t > 0) en t =
τ (n − 1), appelé point d’inflexion.
Figure 5.4 – Modèle de Strejc.
Afin d’identifier une telle fonction de transfert, l’automaticien aura à identifier

deux temps caractéristiques en sus du gain statique K. Sur la figure 5.4, on trace

l’asymptote du régime permanent et on en déduit K. Ensuite, on identifie le point

d’inflexion (changement de signe de la dérivée seconde) sur le tronçon ascendant de
la courbe, ce point peut être vu comme celui qui maximise la pente de la courbe. Il
est marqué d’un cercle sur la figure. Par construction géométrique on en déduit les
temps T1 et T2 .
Ensuite, il suffit de calculer le rapport T1 /T2 et de trouver l’ordre n le plus proche
(arrondi à l’inférieur) dans la table 5.1. Une fois n identifié, il suffit de trouver τ à
l’aide de T2 /τ ou de T1 /τ .
Table 5.1 – Valeurs tabulées pour la méthode de Strejc.
Ordre T1 /τ T2 /τ T1 /T2
1 0 1 0
2 0.28 2.72 0.22
3 0.81 3.70 0.22
4 1.43 4.46 0.32
5 2.10 5.12 0.41
6 2.81 5.70 0.49
L’explication du modèle est adaptée de celle donnée à ce lien, la méthode étant

graphique et basée sur des abaques et tableaux pré-calculés [Laroche, 2008]. Cette
méthode est une méthode d’identification approchée permettant d’être effectuée sans
utiliser un programme sophistiqué.
III Estimation par moindres-carrés non-linéaires

Ces notes expliquent comment on procède en pratique à une identification de
paramètres lorsqu’on dispose de moyens informatisés. Nous encourageons le lecteur
à les lire tout en étant conscients que la théorie de l’estimation n’est pas le but
premier du présent cours.

III.A Équation de mesure de la réponse à l’échelon

Supposons que nous ayons accès à l’expression analytique de la réponse à un
échelon de tension quelconque A dans le domaine temporel d’un système d’ordre N
que nous voulons identifier.
Par exemple supposons un premier ordre :

−1 AK
f (t; K, τ ) = L = AK(1 − e−τ /t ),
1 + sτ
on disposera de points de mesure yi = y(ti ) contenus dans un vecteur y de n points

mesurés à chaque temps ti de la sortie.
On suppose qu’il existe à chaque mesure une erreur νi entre le modèle et la
mesure :
yi = fi (ti ; x) + νi ,
avec x contenant les paramètres du système d’ordre N . Dans l’exemple au-dessus, il

s’agit simplement de x = [K, τ ]> .
La méthode qui va être présentée dans les lignes qui suivent limite l’effet de
l’erreur de mesure νi en tendant à minimiser l’erreur quadratique entre modèle et
mesure, c’est-à-dire estimer le jeu de paramètres x̂ qui satisfait :
n
X
x̂ = argmin [yi − fi (ti ; x)]2 .
x
i=1
En pratique, nous allons réarranger la fonction d’erreur précédente dans un

«grand» vecteur de Rn , f (x) = [. . . , fi (ti , x), . . . ]> tout comme y = [. . . , yi , . . . ]> .
Ainsi on essaie d’obtenir le même résultat mais sous forme vectorielle :
x̂ = argmin||y − f (x)||2 .
x
III.B Éléments de théorie

a) Moindres carrés linéaires
Nous nous intéressons dans un premier temps au système linéaire suivant :
y = Cx,
avec x ∈ Rn et y ∈ Rm . On connaît une série de valeurs mesurées de y (qui peuvent

être bruitées), la matrice C est connue, elle est appelée modèle. Le but de notre
approche est d’estimer le vecteur de paramètres x.
On supposera que m > n (on dispose de plus de mesures que d’équations de
modèle liant les paramètres aux observations).
Notre but est donc de trouver x et l’idée principale est de trouver x qui minimise
le résidu quadratique suivant :
1 1
J(x) = ||y − Cx||2 = [y − Cx]> [y − Cx],
2 2
Remarque : Le critère de pénalisation précédent est en fait une minimisa-

tion de la somme des carrés non-expliqués par le modèle. Le coefficient positif
devant cette expression n’a aucune incidence sur le problème d’estimation
et n’est ici que pour ne pas "promener" un 2 dans toutes les expressions des
dérivées.
On dérive par rapport à x l’équation précédente et on obtient :
∂J
= (y − Cx)> ,
∂x
et le minimum est atteint en égalant la dérivée précédente avec le vecteur nul (on
peut transposer le vecteur nul sans trop de danger, il faut juste veiller à respecter les
dimensions de ce dernier...) :
y − Cx∗ = 0,
la notation ∗ illustrant la valeur de x qui minimise la quantité précédente.
Remarquons que C n’est pas carrée en général, on ne peut donc pas l’inverser
(heureux sont ceux qui ont reconnu la forme d’un système linéaire !). Si C est de
rang n alors C> C est inversible, on peut donc multiplier l’équation précédente op-
portunément par C> :
C> y − C> Cx∗ = 0

ainsi, on obtient la solution du problème de moindre-carré en utilisant la pseudo-

inverse de la matrice C à savoir :
C† = (C> C)−1 C> ,
ce qui donne l’estimé x̂ de x au sens des moindres carrés minimisant J suivant :
x̂ = x∗ = C† y.
b) Dérivation du problème dans le cas non-linéaire
Soit le modèle de mesure suivant :
y = f (x),
Nous cherchons donc à trouver x̂ qui minimise le résidu suivant :

1 1
J = ||y − f (x)||2 := ||r||2
2 2
où y ∈ Rm sont des mesures qui ont été prises par des capteurs et f (x) ∈ Rm une
fonction continue et différentiable avec x ∈ N arguments.
En dérivant la fonctionnelle précédente, on arrive à l’expression qui suit :
∂J ∂r
= r> ,
∂x ∂x
avec ∂r
∂x
matrice jacobienne de la fonction de résidu r. Si x := x̂ :
∂J > ∂r
= [y − f (x̂)] = 0,
∂x ∂x
Afin de résoudre l’équation précédente qui est une équation normale, on peut linéari-
ser le système, et procéder de manière itérative (interpolation linéaire) en se donnant
un estimé initial x̂0 :
∂f k−1 k−1
f (xk ) ≈ f (x̂k−1 ) + (x̂ )δx ,
∂x
Notant δyk := y − f (x̂k ) ainsi si δxk respecte l’équation normale également, on
aura en notant J = ∂x
∂f
(x̂k−1 ) :
−J> (δyk − Jδxk ) = 0,

ce qui peut, après réarrangement des termes s’exprimer ainsi :

δxk = (J> J)−1 J> δyk ,
afin de trouver x̂k on doit appliquer le schéma suivant :
x̂k = x̂k−1 + δxk .
On peut résumer l’algorithme comme suit :
Initialisation : choisir un estimé initial x̂0 ainsi qu’un nombre de pas N et une
valeur résiduelle minimale .
Récurrence : propager en évaluant à chaque pas J(x̂k−1 ) :
x̂k = x̂k−1 + (J> J)−1 J> [y − f (x̂k−1 )],
Condition d’arrêt : si k = N ou > ||[y − f (x̂k−1 )]||, s’arrêter et prendre l’estimé
x̂ := x̂k .
III.C Application
Pour un système du premier ordre, la fonction de réponse à un échelon unitaire
f (t) est la suivante :
f (t) = K(1 − e−t/τ ),
les paramètres à identifier sont le gain statique K et la constante de temps τ . La
jacobienne par rapport au vecteur de paramètre x = [K, τ ]> vaut :
∂f h
∂f ∂f
i h
−t/τ Kt −t/τ
i
J= = ∂K ∂τ = 1 − e − τ2 e .
∂x
On choisit les estimés initiaux x0 avec par exemple la méthode expliquée à la
section I.A, puis nous implémentons l’algorithme des moindres carrés non-linéaires.
Exemple 5.3 : Système du premier ordre Simulons sur Matlab une

séquence de mesures à 10 Hz de 15s de la sortie du système suivant :
K
H(s) = , K = 10, τ = 3,
τs + 1
la sortie mesurée doit être simulée avec un bruit de mesure gaussien centré
de variance σ 2 = 1. Arrive-t-on à bien estimer les paramètres ?

Définition du bruit gaussien : Un bruit gaussien ν est une variable aléatoire

continue suivant la loi de probabilité suivante :
−(x − µ)2

1
fν (x) = √ exp ,
σ 2π 2σ 2
avec µ la moyenne du bruit et σ son écart-type (σ 2 est appelé variance). Un bruit

gaussien centré, comme notre bruit, est par abus de langage un bruit gaussien centré
en zéro, c’est à dire de moyenne µ nulle.
fν (x)
• • • • x
−3σ −σ 0 σ 3σ
Figure 5.5 – Distribution gaussienne centée.
Propriété 5.1 : Règle des 3σ La probabilité d’obtenir une valeur de ν

telle que −3σ < ν < 3σ est d’environ 99, 8%. L’aire sous la courbe de
fν (x) pour x appartenant à ce domaine, qui donne la probabilité que ν
appartienne à ce dernier, est visualisée en orange sur la figure 5.5.
Démonstration. On remarque que fX (x) est une fonction paire par conséquent :
p3σ = P (−3σ < X < 3σ) = 2P (0 < X < 3σ),
ce qui donne le résultat suivant :

Z 3σ Z 3σ 2 3σ
−x

1 1 x
p3σ = 2 fX (x)dx = 2 √ exp dx = 1 + erf √
x=0 x=0 σ 2π 2σ 2 2 σ 2 0
√
= erf 3/ 2 ≈ 0.9973.
avec erf l’intégrale de la distribution gaussienne, la fonction d’erreur gaussienne.

Retour à l’exemple : Premièrement, on va exprimer la «vraie valeur» le la sortie :

−1 −1 1 K
y(t) = L (E(s)H(s)) = L = K(1 − e−t/τ ),
sτ +s
numériquement on aura la mesure discrétisée dégradée suivante :
ỹi = 10(1 − e−ti /3 ) + ν,
avec ν valeur aléatoire gaussienne de variance 1 et ti = iδt, δt = 1/10 = 0.1 s

car on mesure avec une fréquence d’échantillonnage de dix hertz. Nous écrivons la
simulation ci-dessous :
1 %% S i m u a l t i o n des mesures
2 K = 10; % Vrais parametres
3 tau = 3 ;
4 t = 0 : 0 . 1 : 1 5 ; % Vecteur de temps
5 y_vrai = K∗(1− exp(− t / tau ) ) ; % Mesure p a r f a i t e
6 y_mesure = y_vrai + randn ( s i z e ( y_vrai ) ) ; % B r u i t a d d i t i f
7
8 % Trac é s
9 p l o t ( t , y_vrai )
10 h o ld on ; g r i d on ;
11 s c a t t e r ( t , y_mesure )
12 x l a b e l ( ’ Temps [ s ] ’ , ’ I n t e r p r e t e r ’ , ’ l a t e x ’ , ’ F o n t S i z e ’ , 1 6 ) ;
13 y l a b e l ( ’ Amplitudes [N/A] ’ , ’ I n t e r p r e t e r ’ , ’ l a t e x ’ , ’ F o n t S i z e ’
,16) ;
14 l e g e n d ( ’ Mesures p a r f a i t e s ’ , ’ Mesures b r u i t e e s ’ , ’ I n t e r p r e t e r ’ , ’
l a t e x ’ , ’ FontSize ’ ,16 , ’ Location ’ , ’ best ’ )

14
12
10
-2
0 5 10 15
Figure 5.6 – Génération des mesures
Nous remarquons que le capteur est bruité, nous pouvons écrire l’algorithme des
moindres carrés en prenant les valeurs initiales inexactes K̂ 0 = 5 et τ 0 = 1.5 (la
moitié des vraies valeurs).

L’algorithme peut s’implémenter ainsi :
1 global t
2 K = 5 ; tau = 1 . 5 ; % V a l e u r s i n i t i a l e s des p a r a m e t r e s tau e t K
3 x = [K, tau ] ’ ; % Vecteur i n i t i a l
4 N = 2 0 ; % Nombre d ’ i t é r a t i o n s
5 f o r i =1:N %Boucle p r i n c i p a l e
6 % C a l c u l de l a j a c o b i e n n e
7 J = [(1 − exp(− t / tau ) ) ’ , −((K∗ tau / tau ^2) . ∗ exp(− t / tau ) )
’];
8 % Vecteur de param è t r e s mis a j o u r
9 x = x + ( ( J ’ ∗ J ) ^−1)∗J ’ ∗ ( y_mesure−f ( tau ,K) ) ’ ;
10 % G e s t i o n des v a l e u r s
11 K = x(1) ;
12 tau = x ( 2 ) ;
13 end
14 % Reponse t e m p o r e l l e en f o n c t i o n des param è t r e s e s t i m é s
15 f u n c t i o n y = f (K, tau )
16 global t
17 y=K∗(1− exp(− t / tau ) ) ;
18 end
On calcule les valeurs de la jacobienne où chaque ligne correspond à un temps de

mesure ti :
h i
−t /τ̂ K̂ti −ti /τ̂
Ji = 1 − e i
− τ̂ 2 e
et les lignes du vecteur de résidus
ri = ỹ(i) − f (ti ; K̂ i , τ̂ i ),
après convergence, l’algorithme donne x̂N = [10.0401, 2.8217]> ce qui est proche des
«vraies valeurs», voir figure 5.7.
Les méthodes de moindres-carrés sont très utilisées en identification puisqu’elles
permettent de travailler matriciellement avec des séries de données conséquentes et

14
12
10
-2
0 5 10 15
Figure 5.7 – Moindres-carrés appliqués pour identifier les paramètres.
permettent d’être robustes aux erreurs de mesures si tant est qu’elles sont non-
biaisées. En effet, si la moyenne des erreurs est nulle, un grand nombre de mesures
fera chuter l’incertitude de l’estimation. Nous avons illustré le principe sur une courbe
assez bruitée mais présentant 150 points de mesure.
Remarque : Nous aurions pu utiliser la fonction lsqnonlin de Matlab qui

utilise la même approche, toutefois le tout était un bon exercice...
Mesure de la fiabilité de l’identification : on utilise usuellement la métrique

Erreur Quadratique Moyenne Normalisée, Normalized Mean Square Error (NMSE)
qui est définie comme suit :
PN 2
i=1 ỹ(i) − f (ti ; K̂, τ̂ )
N M SE = PN 2
,
i=1 (ỹ(i))

afin de déterminer si le modèle est cohérent. Si cette dernière tend vers zéro, cela
signifie que le résidu non expliqué (carré de la différence modèle-observation) tend
vers zéro et donc que le modèle est fiable.

Partie III
Conception des systèmes

asservis
1
B s C
r u ẋ x y
A
Σ
95
6
Conception directe dans le plan
de Laplace
La conception directe s’effectue à partir d’un paradigme géométrique. On désire

modifier la dynamique d’un système en plaçant les pôles de ce dernier en créant un
compensateur de telle manière à ce qu’ils respectent un cahier des charges imposé.
Pour ceci, il faut traduire les critères transitoires précédemment vus : stabi-
lité, rapidité, oscillations dans le plan de Laplace. Quant à la précision en régime
permanent elle ne dépend, pour des signaux monômes, que de la classe du sys-
tème étudié ou du choix du gain statique utilisé. En d’autres termes elle n’est visible
qu’une fois la convergence obtenue, sous réserve de stabilité.
Ensuite, une fois les critères transitoires établis de manière géométrique dans le
plan de Laplace S, nous allons choisir les compensateurs C(s) avec les pôles qui les
satisfont dans S en tenant compte dans la conception de la précision.
I Notions géométriques dans le plan de Laplace

Nous allons construire la géométrie admissible pour les pôles par étapes suc-
cessives. On supposera que nous sommes en présence d’un système d’ordre deux
dans un premier temps.
96
I.A Région de stabilité

Nous voulons pour tous les cahiers des charges un système stable. C’est une
condition sine qua non : sans stabilité, il est impossible de poursuivre un signal. On
sait qu’un système stable est un système tel que ses pôles respectent le critère :
Re(pi ) < 0,
ce qui nous donne la zone illustrée à la figure 6.1.
L’axe des imaginaires est exclu, la stabilité BIBO des oscillateurs (pôles du type
p1,2 = ±αj, α ∈ R) n’est pas intéressante pour poursuivre un signal. Nous voulons
une stabilité asymptotique c’est-à-dire un système dont la sortie converge vers une
valeur donnée à l’horizon infini.
Im
Zone stable Zone instable
Zone
Re
viable
Figure 6.1 – Région de stabilité du plan S.
Propriété 6.1 : Symétrie Le plan de Laplace est symétrique selon l’axe

des réels. En effet les pôles sont toujours conjugués complexes ou pu-
rement réels.
Démonstration. Ceci vient du fait que tout polynôme à coefficients dans R n’admet
que des racines doubles conjuguées complexes et des racines simples réelles
(conjuguées avec elles-mêmes). En effet, si tel n’était pas le cas les coefficients seraient
nécessairement complexes. En effet, pour tout x ∈ C on a xx∗ = Re {x}2 +Im {x }2 ∈
R, avec x∗ conjugué de x.

I.B Rapidité
a) Paramétrage polaire du plan de Laplace
Propriété 6.2 : Lien entre ξ, ω0 et le plan de Laplace Soit deux pôles

dans le plan de Laplace conjugués complexes p1 = p∗2 = −a + jb.
Or, nous avons vu dans le chapitre 2 que :
p
p1,2 = ω0 −ξ ± j 1 − ξ 2 .
On peut réécrire de façon polaire l’équation précédente en définissant un

angle θ ∈ [0, π/2] tel que :
ξ = cos(θ) ⇒ p1,2 = ω0 (cos(θ) ± j sin(θ)) ,
ce qui se visualise sur la figure 6.2.
Im
p p
jω0 1 − ξ2
jω0
θ
Re
−jω0 ξ O
p
∗ −jω0 1 − ξ2
p
Figure 6.2 – Visualisation polaire du plan de Laplace.

b) Marge de rapidité
Ainsi, on a Re {pi } = ξω. Par conséquent et par simple application du critère

de rapidité à cinq pour cent de l’équation (4.4) on trouve une zone géométrique
délimitée par une droite verticale.
Remarque : Les pôles admissibles en règle générale doivent être plus

rapides qu’une certaine limite imposée par le cahier des charges donc par
conséquent, afin de respecter l’inégalité 4.4 ces derniers doivent être à gauche
de la droite D du plan définie par :
3
∀Z ∈ C, Z ∈ D ⇔ Re {Z} = − .
Tr,5%
Visuellement, on peut observer la droite D en bleu sur la figure 6.3 :
Im
Zone −3/T5
Re
viable
Zone stable
mais trop lente
Figure 6.3 – Visualisation du critère de rapidité.
On notera le point choisi à −3

Tr,5%
qui délimite la rapidité de notre système.
c) Notion de dominance, approximation aux ordres inférieurs
Si un pôle est suffisamment «à gauche», on peut négliger ses effets. En effet,

les pôles associés à un temps caractéristique (partie réelle) plus élevé gouvernent la
cinétique globale du système.

Exemple 6.1 : Réaction chimique Deux réactions chimiques supposées

totales entre composés chimiques ont lieu :

A + B → C,
C + D → E.
On suppose que la synthèse du procédé C prend une heure, alors qu’en

présence de D la synthèse de E prend une milliseconde. Il est évident
que nous ferons une hypothèse sur la rapidité en considérant le premier
processus comme ayant le temps déterminant sur la réaction totale
A+B+D → E , stipulant que la deuxième réaction a un temps négligeable
devant la première...
On peut définir un critère de dominance :
Propriété 6.3 : Dominance Pour N ∈ N, N > 5 et deux pôles p1 et p2 :
p1 domine p2 ⇔ N |<[p1 ]| < |<[p2 ]|.
Généralement, on prendra N = 10 ou N = 5.
Exemple 6.2 : Illustration numérique En pratique, on peut voir les

effets comme suit : soient deux premiers ordres cascadés, avec pour temps
caractéristiques τ2 = 10 s et τ1 = 100 s comme suit :
1 K
F (s) = = , K ∈ R.
(1 + τ1 s)(1 + τ2 s) (s − p1 )(s − p2 )
La réponse du système à un échelon est présentée sur la figure 6.4 .

On remarque que la réponse indicielle ressemble à celle du premier ordre ap-
proché :
1
F 0 (s) = .
1 + τ1 s
Ce qui est prévisible au vu des pôles dans le Plan de Laplace (fig 6.5). Le pôle p2
est éloigné de l’axe des imaginaires à une distance dix fois plus élevée que p1 ce qui

Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700
Time (seconds)
Figure 6.4 – Réponse indicielle de F (s).
montre avec application du critère pour N = 10 que son effet est négligeable. En
d’autre termes p1 domine p2 .
Pole-Zero Map
1
)
-1
0.5
Imaginary Axis (seconds
-0.5
-1
-1.5
-0.1 -0.05 0
-1
Real Axis (seconds )
Figure 6.5 – Plan de Laplace avec les pôles de F (s) marqués par des croix.
I.C Marge oscillatoire

Nous avons vu que ξ = cos(θ) comme illustré sur la figure 6.2. En sachant que
le plan de Laplace est symétrique selon l’axe des réels (sous-section I.A), on peut

aisément extrapoler une marge paramétrée par deux droites polaires passant par
l’origine et d’angles ±θ. Reste à savoir si la région est entre ces droites où à l’extérieur.
Généralement, le cahier des charges stipule un pourcentage de premier dépasse-
ment %OS à ne pas excéder. Ainsi, l’amortissement ξ doit être plus élevé que cette
borne déterminée par l’application de la formule 4.5.
Or, dans le premier cadran [0, π/2] la fonction cos est décroissante, donc l’angle
trouvé par l’application de la formule :
θcahier des charges = cos−1 (ξmin ),
est un angle maximal et les pôles admissibles doivent vérifier θ ∈ [0, cos−1 (ξmin )] (res-
pectivement −θ pour les pôles conjugués). Ainsi, on peut visualiser cette contrainte
en vert sur la figure 6.6 :
Im
Zone trop
oscillante
Zone −3/T5
θ Re
viable
Zone stable
Zone trop mais trop lente
oscillante
Figure 6.6 – Plan de Laplace avec marges de rapidité et d’oscillation.

I.D Cercle d’effort

Il est intéressant pour les concepteurs de rester en-dessous d’une certaine pulsa-
tion naturelle ω0 afin de limiter l’effort de commande u(t) du système.
En effet, plus les pôles d’un système ont une pulsation naturelle forte, plus ce
système sera énergivore. Le problème peut être encore plus grave que le simple fait
de consommer trop d’énergie : on peut également fausser le modèle en faisant saturer
la commande u(t). Par exemple, demander une trop grande vitesse à un moteur
va faire saturer le montage qui l’alimente et ainsi provoquer des non-linéarités ce
qui peut rendre le contrôleur complètement inopérant (perte de stabilité, précision
altérée, rapidité dégradée...).
On va donc contraindre le module de pi de la façon suivante :
|pi | < ω0max ⇔ pi ∈ D(0, ω0max ),
les pôles donc doivent appartenir à un disque de rayon ω0 et centré sur l’origine du
plan de Laplace. On visualise cette contrainte en violet sur la figure 6.7.
Im
Zone trop
oscillante
Zone à trop
forte valeur
de commande Zone −3/T5
θ Re
viable
Zone stable
Zone trop mais trop lente
oscillante
Figure 6.7 – Plan de Laplace avec marges de rapidité et d’oscillation et cercle

d’effort.

Remarque : Parfois, les régions admissibles peuvent être disjointes, cela

signifie que le cahier des charges est impossible à assurer. Il faut alors
revoir les spécifications afin de les rendre atteignables.
I.E Marges de premier pic

Également, nous pouvons définir dans le plan de Laplace une région supplémen-
taire en fonction du temps de pic d’un système du deuxième ordre.
Supposons un système du deuxième ordre en régime pseudo-périodique comme
suit :
Kω02 Kω02
H(s) = 2 = ,
s + 2ξω0 s + ω02 (s − p1 )(s − p∗1 )
avec p∗1 = ω(cos θ + j sin θ) conjugué de p1 = ω0 (cos θ − j sin θ). On rappelle que
cos θ = ξ > 0 et sin2 θ + cos2 θ = 1 ⇒ sin θ = 1 − ξ 2 > 0.
p
En effet, rappelons nous que dans la démonstration de (4.5), nous avons vu que
les pseudo-périodes valaient T = ω0 √2π1−ξ ainsi que le temps de pic se produisait à
demi-période t = Tp := T /2.
Or, on peut remarquer la propriété suivante :
π π π
Tp = √ = = .
ω0 1 − ξ ω0 sin θ Im(p1 )
le temps de premier pic est donc inversement proportionnel à la partie imaginaire du

pôle complexe p1 .
Im
Tp < Tpl
π
• Tpl
Tp > Tpl
Re
−π
• Tpl
Tp < Tpl
Figure 6.8 – Marges de premier pic dans le plan de Laplace.

Ainsi, les marges de premier pic sont des demi-droites parallèles à l’axe des
réels, paramétrées par une valeur limite, qui est une borne inférieure de Tpl ou su-
périeure dépendamment du cahier des charges. Comme on peut le voir à la figure
6.8, si les pôles doivent avoir un temps de pic inférieur à Tpl alors on choisira la zone
extérieure aux marges et respectivement intérieure si on souhaite un temps supérieur
à Tpl .
II Contrôleurs à action simple

Concevoir un compensateur dans le plan de Laplace, c’est comme créer une équa-
tion différentielle pour le système avec des coefficients désirés.
Afin de créer une équation différentielle polynomiale à coefficients constants (une
fonction de transfert en Laplace) on peut :
— Multiplier des variables par les scalaires ;
— Intégrer des variables ;
— Dériver des variables.
Nous retrouvons donc ces structures élémentaires dans les blocs qui suivent.
II.A Action Proportionnelle

Un contrôleur proportionnel est défini comme suit.
C(s) = Kp , K p ∈ R∗ ,
il s’agit de la structure la plus naïve : on multiplie par un gain non-nul l’erreur (s)
sur le signal désiré R(s).
Fonction de transfert en boucle fermée :

F (s)C(s)
H(s) =
1 + C(s)F (s)
En supposant que le gain statique du système physique F (s) soit K0 on obtient,
pour un échelon unitaire en consigne (référence) R(s) = θ(s) et une perturbation

P (s)
+ (s) U (s) +
R(s) Kp F (s) Y (s)
– +
Figure 6.9 – Schéma-blocs du contrôleur proportionnel.
nulle P (s) = 0 :
1
s = lim (t) =
t→∞ 1 + K 0 Kp
De même pour le rejet de perturbation échelon unitaire P (s) = θ(s) avec une réfé-
rence nulle R(s) = 0 on peut vérifier :
K0
r = lim y(t) =
t→∞ 1 + K0 Kp
On remarque que le système devient plus précis lorsqu’on augmente le gain K.
Quelques caractéristiques :
— Lorsqu’on augmente K on augmente la rapidité et la précision, mais la com-
mande u(t) aussi (risque de non-linéarité), de plus on risque d’augmenter l’am-
plitude des oscillations d’un système et à terme le rendre instable.
— Facile à implémenter.
— Peu robuste aux perturbations et aux références (le contrôleur demeure de
classe 0, ce qui peut être un problème si le signal de référence ou de perturbation
est d’une classe supérieure à celle du système).
II.B Action Intégrale

Un contrôleur intégral est défini comme suit.
Ki
C(s) = , K i ∈ R∗ .
s
P (s)
+ (s) U (s) +
Ki
R(s) F (s) Y (s)
–
s
+
Figure 6.10 – Schéma-blocs du contrôleur intégral.
Remarque : Ce contrôleur est utilisé en combinaison avec d’autres contrô-

leurs, en pratique il n’est pas utilisé seul pour des raisons de stabilité.
(s)
En effet, la fonction de transfert H(s) = YE(s) = 1s est celle d’un système instable.
Supposons que son entrée E(s) soit un échelon et calculons sa sortie dans le domaine
temporel :

−1 −1 1 1 −1 1
y(t) = L (H(s)Y (s)) = L × =L = t2 θ(t),
s s s2
pour t ∈ R+ , ce qui diverge lorsque t → ∞.
— Augmente la classe du système et donc la précision. Rappel : un intégrateur est
en soi un système de classe 1. Un intégrateur «apprend» des erreurs passées en
Rt
faisant leur somme continue : ui (t) = τ =0 (y(τ ) − u(τ ))dτ .
— Détériore la stabilité (on somme une erreur donc on risque l’explosion des
termes sommés, voir cours d’intégration).
— Rend le système plus lent (l’intégrale met du temps à converger, «apprentissage
des erreurs»).

II.C Action Dérivée

Une fonction de transfert à action dérivée est définie formellement comme suit :
C(s) = sKd Kd ∈ R∗ .
Propriété 6.4 : Non-causalité La dérivation n’est pas causale (fonction

de transfert à numérateur d’ordre plus élevé que le dénominateur), on
utilisera en pratique un estimateur ne prenant en compte que les points
passés, ce qui n’est qu’une approximation.
Remarque : Ce contrôleur n’est jamais employé ainsi, dériver un signal

bruité peut amener à de trop fortes variations. On préférera l’employer dans
des actions combinées (PD, PID). En pratique, on peut l’approximer par un
passe-haut afin de contourner le problème de causalité et ne pas être trop
tributaire des fluctuations occasionnées par le bruit :
s
C(s) = , ∈]0, 1[.
1 + s
Quelques caractéristiques de l’action dérivée :

— Augmente la stabilité et la rapidité (inclusion des tendances de variation dans
la boucle de rétroaction).
— Tributaire du bruit. Dériver augmente le bruit (l’action de dériver est assimi-
lable à un passe-haut à très petite constante de temps).
— Diminue la précision, moins robuste aux perturbations.
Exemple 6.3 : Effets du bruit sur un dérivateur : Supposons que nous

ayons un signal constant bruité par un signal sinusoïdal à 1000rad/s d’une
faible amplitude :
s(t) = 10 + 0.01 cos(1000t).
En dérivant le signal précédent on obtient :
ṡ(t) = 0.01 × 1000 × − sin(1000t) = −10 sin(1000t).

Nous remarquons que l’action de la dérivée amplifie le bruit haute fréquence. En

effet, dans notre exemple, nous obtenons la même amplitude en sortie, malgré la
faible amplitude du bruit : le filtre dérivateur est donc un filtre passe-haut qui a
donc tendance à amplifier le bruit.
III Actions Combinées
III.A Compensateur Proportionnel-Intégral

On combine les actions proportionnelle et intégrale de la section précédente :
Ki
C(s) = Kp + .
s
P (s)
+ (s) Ki U (s) +
R(s) + Kp F (s) Y (s)
–
s
+
Figure 6.11 – Schéma-blocs du contrôleur proportionnel-intégral.
Remarque : Ce correcteur est souvent utilisé pour contrôler des systèmes

très stables mais soumis à des perturbations ou des variations de consigne
dégradant la précision en boucle ouverte.
— Augmente la classe du système et donc la précision.
— Détériore un peu moins la stabilité que l’action intégrale selon le réglage, l’ac-
tion proportionnelle peut servir à éviter des explosions de sommes selon le ré-
glage. Toutefois, ce contrôleur n’est pas indiqué quand le système est instable
en boucle ouverte, on préférera le PID.

III.B Compensateur Proportionnel-Dérivé

On combine les actions proportionnelle et dérivée de la section précédente :
C(s) = Kp + Kd s.
P (s)
+ (s) Kd s U (s) +
R(s) Kp + Kd s ≈ Kp + F (s) Y (s)
–
1+s
+
Figure 6.12 – Schéma-blocs du contrôleur proportionnel-dérivé.
Remarque : Ce contrôleur est souvent utilisé pour contrôler des systèmes

peu sujets à des perturbations (dont le modèle est très fiable) et instables.
— Détériore la robustesse aux perturbations. En effet, l’usage de la dérivée dans la
conception est anticipatif, si le modèle varie, alors cet usage devient erratique.
— Améliore la stabilité et la rapidité, grâce à l’action anticipatrice de la dérivée.
— Est implémentable, contrairement à l’action dérivée seule, toutefois la dérivée
n’est obtenue en pratique qu’à l’aide d’un filtre passe-haut.
III.C Compensateur Proportionnel-Intégral-Dérivé

Sans aucun doute la structure la plus couramment utilisée dans l’industrie, le
PID combine les trois actions différentielles, sa structure est la suivante :
Ki
C(s) = Kp + + Kd s.
s

P (s)
+ (s) Ki U (s) +
R(s) Kp + + sKd F (s) Y (s)
–
s
+
Figure 6.13 – Schéma-blocs du contrôleur proportionnel-intégral-dérivé.
Remarque : Ce contrôleur est sans doute le plus connu et utilisé en automa-

tique car facile à mettre en œuvre (faisable avec des composants analogiques
comme discrétisable pour une application utilisant un microprocesseur). De
plus, il combine toute les actions, ce qui peut être plus difficile à régler. Non-
obstant, cela peut conférer des meilleures performances pour le système en
boucle fermée.
— Reprendre les deux contrôleurs précédents et combiner les actions peut aider
le lecteur : l’influence des paramètres est la même mais ce dernier doit garder
en esprit que le compromis est plus difficile à trouver puisque trois paramètres
sont présents maintenant.
— Le système voit sa classe augmenter de 1 (intégrateur).
— L’avantage de ce contrôleur est celui de pouvoir placer deux pôles dominants à
la manière d’un second ordre dans bien des cas (méthode directe ou méthode
par le lieu des racines d’Evans).
Nous montrerons un exemple de conception pour un système ultérieurement.
III.D Compensateur Proportionnel-Intégral-Dérivé Feedforward

Sachant la séquence de consigne r(t) que l’on veut imposer à un système donné,
on peut utiliser cette dernière afin de nous donner un degré de liberté supplémentaire

dans le placement des pôles : on rajoute un gain de feedforward au montage précédent.

Cette structure est appelée également commande anticipative.
P (s)
Kf
+ (s) Ki U (s) + +
R(s) Kp + + sKd F (s) Y (s)
–
s
+
Figure 6.14 – Schéma-blocs du contrôleur proportionnel-intégral-dérivé et feedfor-

ward.
On a donc l’équation globale du système qui suit :

Ki
Y (s) = R(s)Kf + P (s) + (s) Kp + + sKd F (s).
s
Les fonctions de transfert en régulation et poursuite sont calculables à partir de

cette expression et leurs performances dynamiques (pôles) comme statiques (erreurs
en régime permanent) sont réglables à partir de ces dernières.
IV Placement des pôles avec les contrôleurs

On a vu précédemment où placer les pôles pour respecter un cahier des charges.
Le but d’effectuer un placement de pôles dans les régions définies par le cahier des
charges en utilisant un contrôleur donné.
IV.A Placement par calcul direct

On peut souvent identifier le dénominateur d’une fonction de transfert en boucle
fermée (avec les gains des compensateurs) avec les pôles désirés. On va prendre un
exemple :

Exemple 6.4 : Correction PI pour l’asservissement d’un moteur, modèle

du premier ordre
Nous alors pour cela concevoir un contrôleur proportionnel-intégral afin
de réguler au mieux toutes les perturbations modélisées par l’entrée du
signal P (s), la référence que l’on cherche à poursuivre étant R(s) et la
sortie étant Y (s).
Figure 6.15 – Asservissement PI proposé.
Fonction de transfert du système global en boucle fermée :

F (s)C(s)
K
(Kp + Ksi )
H(s) = = τ s+1K
1 + F (s)C(s) 1 + τ s+1 (Kp + Ksi )
On suppose connaître les constantes du système F (s) (le moteur) K et τ . On
prendra les valeurs numériques K = 40 et τ = 0.3.
Quels pôles choisir ? On cherchera donc à placer des pôles en boucle fermée en
appliquant la méthode résumée à la figure 6.7. On va tenter de concevoir en boucle
fermée un deuxième ordre approché qui aurait deux pôles dominants tels que (cahier
des charges) :
POS ≤ 5 ⇔ ξ ≥ 0.69.
√
On choisit ξ = 0.707 = 22 = cos(θ) qui a le bon goût de respecter l’inéquation
précédente et qui correspond à un angle de θ = 45° et qui de plus impose que les
parties réelles et imaginaires des pôles sont égales. Voyons la contrainte de
rapidité maintenant :
3
T5% ≤ 0.5s ⇔ ≤ 0.5
ω0 ξ

Or, −Re(Pi ) = ξω par définition, voir la figure 6.2. On va se placer à la limite de cette
frontière, définie par l’équation (4.5), car rappelons-nous le, créer des pôles rapides
peut faire saturer la commande ce que l’on doit à tout prix éviter. On a donc :
Re(pi ) = −3/0.5 = −6,
on va donc chercher à placer les deux pôles en boucle fermée tels que :
p1 = −6 + 6j p2 = −6 − 6j.
Calcul des gains du contrôleur : On connait K et τ on peut donc écrire les

relations suivantes :
Ki
KKp (s + K )
H(s) = p
, (6.1)
s2 + 1+KK
τ
p
s + KKi
τ
mais, grâce aux développements précédents on connaît les pôles que l’on veut, le
dénominateur de la fonction de transfert en boucle fermée doit être égal à :
D(s) = (s − p1 )(s − p2 ) = (s + 6 + 6j)(s + 6 − 6j) = s2 + 12s + 72.
Nous avons donc deux équations et deux inconnues en identifiant les coefficients au
dénominateur... ceci est donc résoluble.
1 + KKp KKi
D(s) = s2 + s+ ,
τ τ
on fait l’identification en prenant les valeurs suivantes :
1 + KKp 12τ − 1
12 = ⇔ Kp = ≈ 0.065,
τ K
KKi 72τ
72 = ⇔ Ki = ≈ 0.54,
τ K
par ailleurs, un zéro est introduit en z1 = −Ki /Kp ≈ −8.3, ce qui perturbe le
régime transitoire du système. Il faut faire attention à ce que des zéros n’interfèrent
pas dans la dynamique des systèmes asservis. Nous voyons en outre à la figure 6.16
que bien que la spécification du temps de réponse soit respecté T5% ≈ 0.5s ce n’est
pas le cas pour le dépassement %0S ≈ 11% !
Nous pouvons remédier à ce dernier problème en modifiant la structure du com-
pensateur afin de placer un pôle qui annule le zéro introduit. Autre alternative qui
fonctionne dans ce cas : utiliser simplement un intégrateur.

Figure 6.16 – Réponse à l’échelon du système asservi.
IV.B Lieu des racines d’Evans

Le Lieu des racines, appelé aussi lieu d’Evans, consiste à tracer l’évolution des
racines du dénominateur (comprendre les pôles) d’une fonction complexe dans le
plan de Laplace en fonction d’un gain variable K.
a) Méthode de tracé manuelle
Propriété 6.5 : Symétrie Le tracé du lieu est symétrique selon l’axe des
réels (ce sont des pôles complexes).
Soit une fonction de transfert sous la forme :

A(s)
H(s) = on posera G(s) = A(s)B(s).
1 + KA(s)B(s)
On veut tracer la courbe que décrivent les pôles de H(s) lorsque K varie dans R+ .
Ceci revient à trouver la courbe paramétrée par :
KG(s) + 1 = 0 ⇔ KG(S) = −1,

on peut donc extraire les zéros et les pôles de G(s) ainsi que leurs nombres Nz et
Np :
QN z
i=1 (s − zi )
G(s) = QN p
.
j=1 (s − p i )
Nous pouvons donc déterminer le nombre d’asymptotes possibles comme étant :
Nombre d’asymptotes = Λ = Np − Nz ,
le centroïde du lieu (endroit où se croisent les asymptotes) est donné par :

P P
pi − zi
σ= ,
Λ
les angles des asymptotes partant de la centroïde sont :
π + (l − 1)2π
φl = avec l ∈ [1, Λ],
Λ
les points de séparation (endroit où les tracés se séparent) sont parmi les solutions
de :
dG(s)
= 0.
ds
Propriété 6.6 : Zéros à l’infini Les asymptotes sont en fait considérées

comme représentant les directions asymptotiques des zéros à l’infini. Le
nombre de zéros fini et infini doit toujours égaler le nombre de pôles.
Propriété 6.7 : Existence du lieu sur l’axe des réels Sur l’axe des réels,
le lieu existe (entre un zéro et un pôle sur l’axe des réels) si on laisse un
nombre impair de pôles sur la droite.
Propriété 6.8 : Sens du lieu Les racines vont des pôles en boucle ouverte
pi aux zéros en boucle ouverte zi . La boucle ouverte étant représentée par
la fonction de transfert G(s) ici.
Angles de départ et d’arrivée du lieu : nous pouvons de plus calculer ces

angles en appliquant les formules qui suivent.

Le lieu quitte un pôle non-réel pk de multiplicité 1, avec un angle donnée par :

m
X n
X
θd,k = arg(pk − zi ) − arg(pk − pi ) + π [2π].
i=1 i=1,i6=k
Le lieu arrive sur un zéro non-réel zk de multiplicité 1, avec un angle donnée par :
n
X m
X
θa,k = arg(zk − pi ) − arg(zk − zi ) + π [2π],
i=1 i=1,i6=k
cependant, les tracés demandés dans les exemples et les exercices ne requièrent que
rarement ces deux formules.
b) Exemple de tracé
Exemple 6.5 : Ordre deux Pour la fonction de transfert suivante :

1+s
H(s) = ,
K + (1 + s)(2 + s)
tracer le lieu des racines d’Evans en fonction de K.
Tout d’abord identifions G(s), clairement G(s) = (1+s)(2+s)

1
, trouvons le lieu des
solutions de KG(s) = −1.
G(s) admet deux pôles, −1 et −2 mais aucun zéro, il y a donc Λ = 2 asymptotes.
Le centroïde est donné par :
−1 − 2 3
σ= =− ,
2 2
les angles des asymptotes sont φ1 = π/2 et φ2 = −π/2, symétrie oblige.
Existe-il un point de séparation ?
dG(s) 2s + 3 3
=− 4 = 0 ⇔ s = − .
ds s + 6s3 + 13s2 + 12s + 4 2
oui c’est σ. Les deux branches asymptotiques du lieu partent de σ et les tracés
coïncident en ce point (deux asymptotes qui se croisent n’implique pas nécessairement
que les tracés se croisent !).

Quid de l’existence du lieu sur l’axe des réels ? Lorsque Re {s} < −2 et Re {s} >
−1, le nombre de pôle à droite est 2 et respectivement 0, ce qui est pair : il n’existe
pas. Pour −2 < Re {s} < −1 le lieu existe sur l’axe des réels.
On a donc un lieu à deux branches, une part de chaque pôle en boucle ouverte,
elles se rencontrent en σ = −3/2 et empruntent chacune une asymptote avant de
s’éloigner de l’axe des réels symétriquement sur ces dernières.
Im{s}
σ
× × Re {s}
−2 −1
Figure 6.17 – Lieu des racines étudié.
Remarque : On peut utiliser la fonction rlocus() de Matlab afin d’arriver

au résultat. On entre la fonction G(s) et on obtient le tracé des pôles de
G(s)
1+KG(s)
avec K balayant R+ (boucle refermée avec un retour proportionnel
K).
c) Superposition avec les régions admissibles
Le but du tracé du lieu d’Evans est évidemment de savoir comment les pôles
évoluent en fonction d’un gain. Si on le superpose au lieu des pôles admissibles de
la figure 6.7, alors on est en mesure de choisir le gain adéquat pour la conception de
notre contrôleur. Il faut choisir un gain où tous les pôles appartiennent aux régions
admissibles répondant aux spécifications transitoires du cahier des charges.

Exemple 6.6 : Réglage d’un gain proportionnel Soit le système suivant :

1
F (s) = ,
s(s + 5)
est-il possible de l’asservir à l’aide d’un bouclage proportionnel (supposé

unitaire) tel que son dépassement soit inférieur à dix pour cent tout en
poursuivant parfaitement un échelon ?
Le correcteur dans ce cas vaut C(s) = K avec K supposé une constante à déter-
miner.
Étude de stabilité : Le système est instable en boucle ouverte. Qu’en est-il en

boucle fermée ? Calculons la fonction en boucle fermée :
C(s)F (s) K
H(s) = = 2 , (6.2)
1 + C(s)F (s) s + 5s + K
le dénominateur est un polynôme d’ordre deux, le critère de Routh spécifique s’ap-
plique. Le système n’est stable que si les coefficients du polynôme d’ordre deux sont
du même signe :
Système stable ⇔ K > 0.
Précision : On remarque que le correcteur est de type zéro et que le correcteur est
de type un : le système en boucle ouverte est de type un. La poursuite est parfaite
car le déficit de classe est nul. En effet, pour un échelon de référence d’amplitude
unitaire, la valeur finale du signal de sortie vaut :
1 K
lim y(t) = lim+ sR(s)H(s) = lim+ s 2
= 1,
t→∞ s→0 s→0 s s + 5s + K
c’est-à-dire exactement la valeur que l’on recherche (échelon unitaire).
Lieu des racines : La fonction de transfert G(s) vaut :

1 1
G(s) = = ,
s2 + 5s s(1 + 5)
son étude montre que :

— Les pôles sont −5 et 0 : le lieu n’existe qu’entre eux sur l’axe réel. Le centroïde
est situé en σ = −5/2.
— Aucun zéro n’est à déplorer, il existe deux branches infinies. Et φ1 = π/2
comme φ2 = −π/2.
— Le point de séparation est sur le centroïde :
dG(s) 2s + 5
=− 2 2 = 0 ⇔ s = −5/2.
ds s (s + 10s + 25)
Le lieu des racines est donc celui de la figure 6.18.
Im{s}
× σ × Re {s}
−5 0
Figure 6.18 – Lieu des racines étudié.
Région admissible : on demande un pourcentage de dépassement inférieur à dix.

Calculons ξ grâce à l’équation (4.5), cela nous donne ξ = 0.59 ce qui permet de
calculer θ = arccos ξ = 0.94 rad = 54°.
Pour construire géométriquement la région admissible, calculons l’abscisse de la
droite supérieure de la marge oscillatoire en Re {σ}. La trigonométrie nous donne
le point : A = (Re {σ} , tan(θ)Re {σ}) = (−2.5, −3.4) pour construire notre région
admissible.
Le réglage est donc possible d’après la figure 6.19 qui montre la superposition
de la marge oscillatoire et du lieu des racines. Pour rester dans les dix pour cent de
premier dépassement il ne faut pas augmenter le gain de manière trop conséquente :
on se doit de rester dans la zone délimitée par les deux demi-droites.
Le lieu des racines nous apprend qu’un faible gain aura tendance à créer un
système lent avec un comportement proche d’un ordre un. En effet, les pôles sont

Im{s}
θ
× σ × Re {s}
−5 0
A∗
Figure 6.19 – Superposition du lieu des racines et de la région admissible.
tout d’abord réels et le pôle rouge partant de zéro domine le pôle bleu lorsque le gain
est faible. Pour des gains plus élevés, le système deviendra un ordre deux pseudo-
périodique avec deux pôles complexes conjugués.
Le lieu des racines est donc un outil puissant qualitatif qui permet la conception
de systèmes asservis lorsqu’on fait varier les gains de manière monovariable. Il permet
de prévoir les performances transitoires lorsqu’on connaît le lien entre la géométrie
du plan de Laplace et l’équation caractéristique des EDLC.

Matlab implémente en plus de la fonction rlocus qui permet de visualiser

un lieu des racines l’outil rltool (aussi appelée SISOtool) qui permet
de concevoir les compensateurs en éditant graphiquement les lieux des
racines.
Toutefois, dans le cadre du cours ELE3201, l’approche directe par calcul
littéral est préférée pour le placement. Cependant, l’interprétation et le
tracé des cas simple des lieux des racines sont primordiales à maîtriser car
il s’agit d’un outil de conception puissant et très répandu.

7
Commande fréquentielle
Les méthodes de conception de systèmes asservis utilisant les outils fréquentiels

sont très courantes dans le monde de l’industrie. Parfois, les systèmes sont assez
complexes et il est plus aisé de déterminer une réponse fréquentielle de ces derniers
que de chercher à identifier une fonction de transfert précise. Ces méthodes, se basant
sur des critères expérimentaux ne nécessitant que peu de calculs analytiques virent
leur essor dans les années où l’ordinateur n’était pas encore un outil répandu comme
aujourd’hui... Cependant, cette façon de concevoir repose sur des approximations et
peut se révéler sous-optimale dans maints cas.
I Notions fondamentales
Cette section présente quelques notions fondamentales utiles pour l’analyse har-
monique des systèmes. On peut parler également d’analyse spectrale ou encore
d’analyse fréquentielle, qui sont des synonymes courants dans la littérature. Cette
section est plus une justification des outils que nous introduirons par la suite plutôt
qu’une preuve formelle de leur utilité dans la conception fréquentielle. Nous vou-
lons donner au lecteur une idée de l’état d’esprit mathématique dans lequel ont été
conçus les outils propres aux automaticiens plutôt que d’exposer des justifications
rigoureuses.
123
I.A Gain et phase relative

Soient deux signaux sinusoïdaux de même fréquence xe et xs dépendant du temps
et tels que :
xe = Ae sin(ωt + φe ), xs = As sin(ωt + φs ).
Par définition :
— Ae,s sont les amplitudes (non-nulles et supposées positives 1 ) de ces signaux.
— φe,s sont les phases (réelles et quelconques) desdits signaux.
Ce formalisme est intéressant puisque l’on peut définir aisément une transformation
du signal xe au signal xs qui consiste à :
— Appliquer un facteur d’échelle (le gain K) afin d’obtenir As = KAe
As
K := ;
Ae
— Appliquer une translation temporelle (différence de phase afin d’obtenir le si-

gnal xs en partant de Kxe .) Ainsi :
As
∀t ∈ R+ , Kxe (t) = xs (t) ⇔ Ae sin(ωt + φe ) − As sin(ωt + φs ) = 0;
Ae
En raisonnant sur arguments 2π-périodiques on peut réécrire l’égalité comme :
ωt + φe = ωt + φs [2π] ⇔ φs − φe = 2kπ avec k ∈ Z.
La transformée revient à ajouter la phase Φ := φs − φe au signal Kxs afin

d’obtenir le signal xs .
On vient juste de montrer que pour chaque sinusoïde, il existait deux quantités
permettant de passer de cette dernière à une sinusoïde de même fréquence.
1. Il suffit de faire en sorte que la phase vaille 180 °de plus afin de voir apparaître un moins. Voir
les formules de trigonométrie. Le cas à amplitude nulle ne nous intéresse évidemment pas ici...

I.B Filtre linéaire

Un filtre linéaire F est une entité munie d’une fonction de transfert F (jω) dé-
pendant d’une pulsation fréquentielle en particulier. On peut le définir comme une
fraction polynomiale dépendant de la quantité jω :
PN i
N (jω) i=0 ai [jω]
F (jω) = = PM ,
D(jω) k=1 b k [jω]k
Avec :
— j ∈ C nombre imaginaire tel que j 2 = −1.
— ai , bk ∈ R coefficients constants réels des polynômes.
— N, M ∈ N ordre entier des polynômes. On devra respecter N < M pour des
raisons de causalité. Comme pour les fonctions de transfert classiques.
La théorie des transformées de Fourier nous apprend que nous pouvons décom-
poser sous de faibles hypothèses (qui sont respectées en automatique linéaire) toute
fonction temporelle en une somme de fonctions sinusoïdales. Le cas sinusoïdal est
donc généralisable pour l’analyse des signaux. Si l’on décompose une fonction tem-
porelle et causale en transformée de Fourier :
Z ∞
+
F(f (t)|t ∈ R )(ω) = F (ω) = e−2πjω f (t)dt ∈ C.
t=0
La transformée de Fourier est donc une quantité complexe et elle présente des proprié-
tés analogues avec la transformée de Laplace 2 telle que sa linéarité. Nous n’entrerons
pas dans les détails mathématiques de cette dernière.
Nous avons l’identité suivante pour toute exponentielle complexe :
exp(−j2πωt) = cos(2πωt) − j sin(2πωt).
Cette dernière signifie qu’utiliser la transformée de Fourier revient à sommer des

fonctions sinusoïdales et que nous pouvons utiliser nos considérations prises à la
section I.A. De plus, on remarque aisément que la transformée de Laplace est une
généralisation de la transformée de Fourier, et que si on fait le changement de variable
suivant :
2. En fait il s’agit d’un cas particulier de cette transformée.

Z ∞
+
F(f (t)|t ∈ R )(ω) = F (ω) = e−2πjω f (t)dt
Zt=0
∞
= e−st f (t)dt|s=j2πω = L(f (t)|t ∈ R+ )|s=j2πω
t=0
On obtient donc un lien entre les deux. On procédera en utilisant ce changement

de variable durant tout le chapitre traitant de la commande fréquentielle.
Remarque : Maintenant que nous avons vu sommairement que l’on peut

transformer tout signal temporel en une somme continue ( ) de signaux
R
sinusoïdaux. De plus, nous avons mis en évidence le fait que la transformation

d’un signal par un filtre linéaire pouvait se résumer en deux quantités réelles
(phase et gain). Nous sommes donc en droit d’introduire les outils utilisant
ces deux notions en automatique.
II Outils d’analyse
Dans le reste du chapitre, le changement F (s)|s=jω = F (ω) pour toute fonction de

transfert F est appliqué.
II.A Diagrammes de Bode

Les diagrammes de Bode sont au nombre de deux. Il s’agit des deux tracés de
module et de phase de la fonction de transfert en fonction de la pulsation ω et en
échelle logarithmique. Ils permettent de résumer une bonne partie du comportement
d’une fonction de transfert en s’appuyant sur sa réponse fréquentielle à un signal
sinusoïdal. Cet outil est la brique élémentaire de l’analyse des réponses fréquentielles
des systèmes linéaires : nos autres considérations vont toujours s’appuyer sur les
diagrammes de Bode dans la suite de ce chapitre.

a) Diagramme de Bode en amplitude
Le diagramme de Bode en amplitude d’une fonction de transfert F (jω) peut ainsi

se définir :
q
Ba (F ) : {x = ω (log) | y = 20 log(|F (ω)|) = 20 log( (Im{F (ω)}2 + Re {F (ω)}2 )}
Remarque : La fonction logarithme log est dans tout ce chapitre le loga-

rithme décimal vérifiant log(10) = 1.
Décomposition du tracé : En pratique, on sait que les fonctions de transfert

sont en fait des fractions polynomiales. Or, chaque polynôme comporte des racines
symétriques dans le plan de Laplace S. Trouvons donc une approche décomposant
en sous-tracés afin de simplifier le calcul. On peut donc écrire la fonction de transfert
F (ω) comme suit :
QN
i=1 (jω − zi )α
F (ω) = K QM
k=1 (jω − p k )β
Avec N < M et α, β ∈ R, multiplicité des racines (pôles ou zéros). Et K ∈ R est
le gain statique du système. Par propriété du logarithme et du module des nombres
complexes 3 on aura donc en ordonnée du diagramme de Bode en gain :
QN !
α
i=1 (jω − z )
i i
y(ω) = 20 log(|F (ω)|) = 20 log K QM β
k=1 (jω − pk )i
N
X M
X
= 20 log(K) + 20αi log(|jω − zi |) − 20βi log(|jω − pk |). (7.1)
i=1 k=1
En clair, pour toute fonction de transfert, on peut superposer les diagrammes de

Bode élémentaires composés par chacun des zéros et pôles en les sommant (respecti-
vement en les soustrayant). Il ne faut pas omettre la composante constante provenant
du gain statique dans l’opération. Ces considérations seront très utiles pour le tracé
en pratique.
3. Le logarithme d’un produit est égal à la somme des logarithmes si a, b ∈ R alors log(ab) =
log(a) + log(b). Le module du produit est égal au produit des modules : si a, b ∈ C alors |ab| = |a||b|.

b) Diagramme de Bode en phase
Le diagramme de Bode en phase de F (jω) est défini de la façon suivante :
Ba (F ) : {x = ω (log) | y = arg(F (jω)) = ϕF (jω)}
En clair, il s’agit du tracé de l’évolution de la phase d’une fonction de transfert

(argument de la fraction rationnelle qui la compose) suivant les fréquences données en
logarithme. Rappelons-nous des propriétés des arguments de produits et de quotients,
qui donnent la formule de décomposition suivante :
QN !
α
(jω − z )
i i
y(ω) = ϕF (jω) = arg K QM i=1
β
(7.2)
k=1 (jω − p k ) i
N
X M
X
= arg(K) + αi arg(jω − zi ) − βi arg(jω − pk ). (7.3)
| {z }
=0 i=1 k=1
Nous rappelons que l’argument d’un réel positif, comme K est nul. Les monômes
restants sont séparables en partie réelle et imaginaire de manière aisée. Pour calculer
les arguments il suffit d’appliquer les règles classiques présentées dans la section II.B.
c) Comportement asymptotique et tracé approché
Comme chaque diagramme de Bode est décomposable en une superposition de

diagrammes élémentaires d’ordre un. On va donc, étudier une fonction de transfert
d’ordre un, à un pôle (pour un diagramme d’une fonction de transfert à un zéro, il
suffira de multiplier les valeurs en ordonnée par −1) sans perte de généralité :
K Ks
F (s) = =s=jω .
1 + τs 1 + jτ ω
On peut y identifier un unique pôle p = − τ1 et on introduira la pulsation propre

comme étant la quantité ω0 = τ −1 . On peut donc introduire une fonction de transfert
à gain unitaire comme suit :
1
F (ω) = KF1 (ω) = K .
j ωω0 +1

Influence du gain statique : Le gain statique K ∈ R+ n’a d’influence que sur le

gain et non sur la phase (voir sous-section précédente), on ajoutera donc la valeur :
Gstatique = 20 log K,
sur l’ensemble de diagramme de gain de F1 pour obtenir celui de F puisque ce gain

est indépendant de la fréquence.
Gain de F1 : La fonction donnant le gain en décibels de la fonction de transfert

est donnée (calcul de module de nombres complexes) ci-dessous :
s !
ω2
GF1 ,dB (ω) = −20 log 1+ 2 ,
ω0
on pourra donc étudier les cas limites :

i Cas ω → 0 : si on annule ω la valeur sous la racine sera 1, ce qui implique que
le gain est nul car log(1) = 0.
ii ω → ω0 :
√
GF1 ,dB (ω0 ) = −20 log( 2) ≈ −3.0103 dB ≈ −3 dB
Remarque : Dans la littérature on parlera de pulsation de coupure à -3dB

ce qui est une autre appellation pour ω0 .
iii Cas ω → ∞, tout d’abord, si la pulsation devient grande, on peut supposer que
le un devient négligeable devant le rapport ω/ω0 devant 1 et par conséquent
on peut dériver une branche infinie oblique comme suit :
s !
ω2
GF1 ,dB (ω → ∞) ≈ 20 log = 20 log (ω) −20 log(ω0 ) .
ω02 | {z }
négligeable
La précédente valeur peut être vue comme une droite décroissante de pente -20
décibels par décade en échelle logarithmique.
Nous pouvons résumer nos approximations et nos vraies valeurs pour un système
normalisé de pulsation de coupure unitaire générique à la figure 7.1.

Diagramme de Bode en amplitude

10
Vraies valeurs
5 Tracé asymptotique
-5
Amplitudes (dB)
-10
-15
-20
-25
-30
-35
-40
10 -2 10 -1 10 0 10 1 10 2
Pulsations (rad/s)
Figure 7.1 – Diagrammes de Bode approchés et analytiques en amplitude pour un

système du premier ordre générique.
Remarque : Si le système n’est pas normalisé, il suffit de décaler la courbe

précédente de telle manière à ce qu’elle soit centrée sur la pulsation de cou-
pure ω0 6= 1.
Phase de F1 : La fonction donnant le gain en décibels de la fonction de transfert

est donnée (calcul de module de nombres complexes) ci-dessous :
ϕF1 (ω) = atan2(ω/ω0 , 1).
On pourra donc étudier les cas limites :

i Cas ω → 0 : si on annule ω, alors on aura atan2(0, 1) = atan(0) = 0°. Le
diagramme commence donc à une ordonnée nulle.
ii ω → ω0 :
ϕF1 (ω0 ) = atan2(1, 1) = atan(1) = 45°.
iii Cas ω → ∞ :
ϕF1 (ω → ∞) → lim atan2(x, 1) = lim atan(x) = 90°.

x→∞ x→∞

On a donc le diagramme qui se termine avec la valeur de 90 degrés. On peut

approcher le diagramme de Bode en phase en traçant les deux branches infinies
en zéro et en l’infini. Autour de la pulsation propre, nous pouvons utiliser
une approximation qui vise à tracer une droite reliant les deux précédentes
asymptotes dans l’intervalle [0.1ω0 , 10ω0 ].
Nous pouvons résumer nos approximations et nos vraies valeurs pour un système
normalisé de pulsation de coupure unitaire générique à la figure 7.2, on pourra re-
marquer en particulier le tracé de l’asymptote oblique.
Diagramme de Bode en Phase
Vraies valeurs
0
Tracé asymptotique
Phase (deg)
-45
-90
10 -2 10 -1 10 0 10 1 10 2
Pulsations (rad/s)
Figure 7.2 – Diagrammes de Bode approchés et analytiques en phase pour un

système du premier ordre générique.
Cas des pôles conjugués complexes : Des pôles conjugués complexes ont la
même constante de temps. En particulier, on peut considérer que deux pôles conju-
gués complexes se comportent asymptotiquement comme un pôle réel double βi = 2.
Pour un système d’ordre deux à gain unitaire et à pôles complexes conjugués géné-
rique :
1
F (s) = s2 2ξs
,
ω 2 + ω 2 + 1
0 0
on pourra négliger dans le tracé l’influence du terme en s en égalant ξ = 1 ce qui

revient à tracer le diagramme de Bode de F (s) = (1+s/ω0 )(1+s/ω
1
0)
. Ce terme n’est pas

asymptotiquement déterminant au sens des limites lorsque ω → 0 ou ω → ∞ tant

en phase qu’en gain.
20
Magnitude (dB) 0
-20
-40
-60
-80
0
=0.1
-45 =0.4
Phase (deg)
=0.7
=1.0
-90
-135
-180
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
Figure 7.3 – Diagrammes de Bode exacts pour un système ω0 = 1 rad/s et à

amortissement ξ variable.
Cependant, lorsque ξ < 0.5 on pourra noter l’apparence d’un phénomène de

résonance sur le diagramme de Bode en amplitude, caractérisé par une augmentation
du gain aux abords de la pulsation naturelle ω0 comme on peut le voir à la figure
7.3.
On doit donc appliquer la méthode précédemment évoquée pour les systèmes du
premier ordre en considérant un pôle double p = ω10 . Ceci résulte en un diagramme
asymptotique en gain de pente de −40 décibels par décade ainsi qu’une phase allant
de 0 à −90 degrés.

Propriété 7.1 : Inverse de fonction de transfert et diagrammes de Bode

Grâce à des bons cours de mathématiques de base, on sait que ∀a ∈
R, a > 0 la fonction logarithme vérifie log( a1 ) = − log(a). De plus, on
sait également (Cf. 2) que ∀z ∈ C donc l’argument d’un nombre d’affixe
inverse vaudra : arg( z1 ) = −arg(z).
Par conséquent pour toute fonction de transfert F , on aura les deux rela-
tions suivantes utiles pour les tracés en gain et en phase :

1 20 log(|G(jω)| = −20 log(|F (jω)|)
G(s) := ⇒
F (s) φG (jω) = −φF (jω)
d) Un exemple de tracé
Exemple 7.1 : Fonction de transfert composée Soit la fonction de trans-

fert :
s + 1000
F (s) = 100 2 ,
(s + 20s + 10000)(s + 1)
Tracer ses diagrammes de Bode.
Tout d’abord on normalise les polynômes en remarquant que :

s
1000
+1
F (s) = 10 s2 s
( 10000 + 50 + 1)(s + 1)
En faisant ceci, on remarque que la fonction de transfert est séparable en produit de

trois fonctions de transfert unitaire et un gain : F (s) = KF1 (s)F2 (s)F3 (s). On notera
K = 10, F1 (s) = 1000s
+ 1, F2 (s) = s2 1 s et F3 (s) = s+1
1
. Nous allons effectuer
10000
+ 50 +1
le tracé approché asymptotique «à la main» pour les gains des trois fonctions. Puis
sur la même figure, on fera la somme des tracés afin d’obtenir le tracé résultant
asymptotique du diagramme de Bode.
1. F1 est une fonction de transfert d’ordre un à un zero. Il s’agit de l’inverse

d’une fonction de transfert à un pôle d’ordre un et de pulsation de coupure

1000 rad/s. Il suffira de tenir compte de la propriété vue précédemment à la

page 133.
2. F2 est une fonction d’ordre 2 dont la pulsation de coupure vaut 10 rad/s,
sachant cela on peut donc tracer ses diagrammes de Bode aisément.
3. F3 est une fonction de transfert d’ordre 1 avec pour pulsation de coupure 1
rad/s.
4. On effectue également le tracé des diagrammes de Bode du gain statique K =
10 mais seulement sur le diagramme de Bode en gain ; celui en phase n’est pas
affecté (on rappelle que l’argument d’un réel positif est zéro).
5. Il suffit d’ajouter tous les tracés élémentaires pour obtenir les tracés des dia-
grammes de Bode de F ; on rappelle que cette sommation vient des équations
(7.1) et (7.3).
Le tracé asymptotique est illustré à la figure 7.4, les numéros correspondent aux
points de la liste précédente.
Le tracé numérique exact du même diagramme de Bode est visible à la figure 7.5.
Ce dernier est effectué sur Matlab avec la fonction bode(). Le tracé asymptotique en
rouge donne une allure du tracé des diagrammes numériques, on remarque que nous
retrouvons tous les coefficients directeurs et les asymptotes du tracé exact. Cepen-
dant, quelques phénomènes furent négligés, notamment une résonance (augmentation
du gain à 102 rad/s), due à la présence d’un deuxième ordre avec ξ ≤ 0.5.
On notera également que le tracé en phase n’est exact qu’aux limites et aux
points correspondant aux pulsations propres des sous-systèmes Fi : ceci est dû au
fait que ce tracé asymptotique n’est qu’une linéarisation d’une fonction non-linéaire
(en l’occurrence ici, la fonction arc-tangente). En gain, on retrouve l’allure du tracé
plus aisément puisque le gain découle de fonctions logarithmiques et que notre tracé
est effectué dans une échelle logarithmique en abscisse.

Figure 7.4 – Tracé asymptotique des diagrammes de Bode la fonction de transfert

F.

50
0
Magnitude (dB)
-50
-100
-150
0
-90
Phase (deg)
-180
-270
10 -2 10 -1 10 0 10 1 10 2 10 3 10 4 10 5
Frequency (rad/s)
Figure 7.5 – Tracé numérique des diagrammes de Bode la fonction de transfert F
sur Matlab.

II.B Critère de Nyquist

Nous introduisons ici un autre outil d’analyse puissant, qui est connexe aux mé-
thodes fréquentielles tout en venant de l’analyse complexe en mathématiques. Comme
dans tout ce chapitre, le but est maintenant de développer une méthode permettant
de savoir ce qu’il se passe lors d’une fermeture de boucle de rétroaction sans avoir à
calculer les pôles de la fonction de transfert en boucle fermée. Dans cette section, nous
étudierons essentiellement la stabilité des systèmes asservis à l’aide d’une méthode
en boucle ouverte.
a) Théorème de Cauchy ?
En analyse complexe, le théorème de Cauchy est défini comme suit :
Théorème 3. (De Cauchy) Soit une fonction f : C → C, fonction de la variable

s ∈ C. Supposons que cette fonction ait NP pôles et NZ zéros à l’intérieur de Γ un
contour orienté et fermé. Si on parcourt dans le sens anti-trigonométrique les points
p ∈ Γ dudit contour, alors la courbe Γf définie par f (p ∈ Γ) décrira autour du point
(0, 0) exactement NT = NP − NZ tours positifs. NT est incrémenté de 1 à chaque
tour dans le sens trigonométrique ; et respectivement décrémenté de 1 dans le sens
inverse.
Nous notons que le sens trigonométrique est l’inverse de celui des aiguilles d’une
montre.
Ce résultat est intéressant. Supposons que nous choisissions un simple contour Γ
qui envelopperait le demi-plan à partie réelle positive du plan C. Alors la différence
P − Z serait une donnée intéressante pour savoir combien de pôles appartiennent à
ce demi-plan. On rappelle que l’appartenance à ce demi-plan est synonyme d’insta-
bilité...
b) Application du théorème de Cauchy à un système en boucle fermée
Soit un système physique F (s) bouclé avec un gain K ∈ R, comme montré

sur la figure 7.6, on définit la fonction de transfert en boucle fermée du système
Y (s)
R(s)
:= H(s).

R(s) + Y(s)
K F (s)
Figure 7.6 – Système utilisé générique pour le critère de stabilité de Nyquist.
On peut exprimer H(s) comme suit :

KF (s) F (s)
H(s) = = .
1 + KF (s) F (s) + K1
Étudier la stabilité de H(s) revient à montrer s’il existe des pôles à partie réelle
positive de H(s). C’est-à-dire trouver le nombre de racines à partie réelle positive de
F (s) + 1/K = 0.
Remarque : Le point (−1/K, 0) du plan complexe est appelé point cri-

tique.
Application du théorème de Cauchy : On applique le théorème de Cauchy à

f (s) = 1 + KF (s).
Cela revient à étudier g(s) = KF (s) avec pour origine le point critique P =
(−1/K, 0) en effectuant une translation du problème dans le plan. En effet dire que
Γf effectue NT tours autour de (0, 0) est équivalent à dire que Γg effectue NT tours
autour de P .
Zéros de f (s) : Étudier les zéros de cette fonction dans Γ revient à étudier les pôles
en boucle fermée du système. Étudier les pôles de cette fonction revient à étudier
les pôles en boucle ouverte. Appliquer le théorème de cette façon avec un contour
englobant le demi-plan droit complexe mène au critère de Cauchy défini ci-après.
c) Choix du contour Γ
Maintenant, il s’agit de trouver un contour qui englobe toute la région intéressante

pour nous, c’est-à-dire le demi-plan C+ = {s ∈ C, Re(s) ≥ 0}, c’est-à-dire où les
pôles instables se trouvent.

Plaçons nous dans le cas où aucun pôle en boucle ouverte se trouve sur l’axe des
imaginaires. C’est-à-dire que si on note les N pôles en boucle ouverte du système
comme suit :
pi = σi + jωi , ∀i ∈ [1, N ], σi ∈ R, ωi ∈ R, pi ∈ C,
alors on exclut le cas où il existe un pôle pi tel que σi = 0.

Sous cette hypothèse, le contour de Nyquist Γ à choisir est très simple, un demi-
cercle de rayon R centré sur l’origine du plan complexe. On peut découper en trois
régions ce cercle : (1) la région circulaire, (2) le demi-segment [0, +R] et (3) son
penchant négatif [−R, 0]. La construction géométrique est expliquée sur la figure 7.7.
Im
jω (2)
Rejθ (1)
Re
−jω (3)
Figure 7.7 – Contour Γ «classique» de Bromwich.
Notre but est de transformer ce contour en un contour qui englobe tout le demi
plan droite, la région d’instabilité C+ en d’autres termes. Si R tend vers l’infini,
c’est chose faite. Pour appliquer par la suite le théorème de Cauchy pour savoir si
nos pôles demeurent instables en boucle fermée on doit tracer le contour ΓF si
F (s) est la fonction de transfert en boucle ouverte du système que l’on étudie. On
rappelle que ΓF = F (Γ), c’est l’image du contour par la fonction en boucle ouverte.

d) Contours en présence de pôles sur l’axe des imaginaires
Dans le cas où il existerait un pôle de F (s) sur l’axe des imaginaires, il faut en
tenir compte dans le tracé du lieu. En effet, le tracé du lieu de Nyquist requiert
l’absence de pôles en boucle ouverte sur le contour antécédent Γ.
Ainsi, dans ces cas particuliers, nous ajoutons une portion de contour qui est
un petit demi-cercle autour des pôles incriminés. L’astuce consiste à paramétrer le
contour autour des pôles pi sur l’axe des imaginaires comme suit :
Γ(z) = rejθ , r → 0, θ ∈ [−π/2, π/2], z ∈ v(pi ),
avec v(pi ) voisinage du pôle pi .

En pratique, les contours utilisés ainsi que leur paramétrisation sont donnés dans
les pages qui suivent. La figure 7.8 traite du cas où un intégrateur serait présent
dans le système. La figure 7.9 (?) traite du cas où deux pôles conjugués imaginaires
seraient présents.
e) Calcul de ΓF
On doit paramétriser suivant les trois régions le contour Γ et étudier le tracé du

contour ΓF :
(1) Le contour sur cette région est défini par tous les points d’affixe z de C+
respectant l’équation suivante :
z = R exp(jθ), avec θ ∈ [−π, π], R → ∞.
Il suffit donc de calculer F (z) dans ce cas. Et regarder les termes dominants
en RN lors de l’étude de la limite lorsque R tend vers l’infini, on peut négliger
les autres.
(2) Le contour sur cette région est défini par z ∈ C+ , z = jR avec R ∈ [0, ∞].
Si on change un peu les notations, en écrivant ω := R on se rend compte que
cela revient à tracer la réponse harmonique de F . En effet dans cette région
F (z) = F (jω) pour ω qui balaye tous les réels positifs. Or, on a vu précé-
demment comment tracer des diagrammes de Bode qui donnent l’évolution, en

Im
jω (2)
Rejθ (1)
× re jθ
(4)
Re
−jω (3)
Figure 7.8 – Contour évitant un intégrateur sur l’axe des imaginaires.
Im
jω (2c)
p× p + re jθ
(2b)
jω (2a)
Rejθ (1)
Re
−jω (3a)
p∗× p + re∗ jθ
(3b)
−jω (3c)
Figure 7.9 – Contour évitant des pôles conjugués sur l’axe des imaginaires. (?)

coordonnées polaires, de F (jω) la phase étant un argument et le gain étant le

logarithme du module...
(3) Ici z = −jω, nous pouvons utiliser des propriétés de symétrie par rapport à (2)
pour calculer ceci : tracer l’image de la partie de contour (3) revient à tracer la
portion de contour symétrique par rapport à l’axe des réels de l’image
de (2).
Remarque : Le contour ΓF est toujours fermé.
f) Critère de stabilité de Nyquist
Le théorème 3 appliqué au contour précédemment défini nous donne le critère de

stabilité suivant :
Le système en boucle fermée H(s) n’est stable que si ses pôles ont une partie réelle
strictement négative.
⇔
Le tracé de ΓF , décrivant NT tours a autour du point critique de coordonnées
(−1/K, 0) respecte l’égalité suivante :
NT = NBO .
Où NBO est le nombre de pôles instables en boucle ouverte du système appartenant

au contour Γ. C’est-à-dire les pôles instables de F (s).
a. Comptés comme indiqué dans le théorème 3 dans le sens trigonométrique.

g) Quelques exemples de tracés et leur interprétation
Exemple 7.2 : Tracé 1 Tracer le lieu de Nyquist pour la fonction de

transfert F et interpréter les zones de stabilité pour un bouclage propor-
tionnel K variant dans l’espace des réels avec :
1
F (s) = .
s2 + 21 s + 1
Tracé : procédons par étapes.

1. Présence de pôles instables : clairement, non puisque les coefficients du
dénominateur sont strictement positifs, le dénominateur étant un polynôme
d’ordre deux, on peut conclure sur la stabilité stricte des pôles de F (s). Co-
rollaire : aucun pôle n’est sur l’axe des réels : on va utiliser un lieu de Bromwich
classique.
2. Diagrammes de Bode approchés : clairement, on a un ordre deux tel que :
K 1
F (ω) = (jω)2 2ξ , avec {K = 1, ω0 = 1 rad/s, ξ = .}
+ ω0 (jω) + 1 4
ω2 0
Ainsi, on a les diagrammes de Bode approchés à la figure 7.10.

On apprend de ceux-ci que le diagramme de Black 4 commence (ω → 0) à
la coordonnée (0 dB, 0°) ce qui signifie que dans le plan S de Laplace, cela
sert (1, 0°) en polaire soit (0, 1) en coordonnées cartésiennes. Ensuite, la phase
diminue jusqu’à atteindre −π et le gain décroît continuellement. Ceci signifie
que le diagramme passe par des coordonnées à parties imaginaires négatifs et
tend asymptotiquement vers l’origine en arrivant par −π c’est-à-dire dans la
direction opposée de l’axe des réels. L’allure du lieu pour la portion (2) du
contour de Bromwich ressemblera à la figure 7.11.
3. Point singulier : La portion (1) du contour donne un point qui est l’origine.
En effet ∀θ ∈ [−π/2, π/2] :
1
lim F (Rejθ ) = lim 2 2jθ 1 jθ = 0.
R→∞ R→∞ R e + 2 Re + 1
4. Sera présenté ultérieurement dans le chapitre.

0
0
−45
Amplitude [dB]
Phase [degres]
−20
−90
−40
−135
−60
−180
−80 −2
10 10−1 100 101 102 10−2 10−1 100 101 102
ω[rad/s] ω [rad/s]
(a) Gain. (b) Phase.
Figure 7.10 – Diagrammes de Bode approchés.
Im
1
• • Re
Figure 7.11 – Construction approchée du contour, région (2).
ceci est démontrable grâce au module en se rappelant que ejθ = cos θ + j sin θ,
en montrant que ce dernier tend vers zéro.
Le point origine est bien dans le lieu.
4. Symétrie : appliquons la symétrie suivant l’axe des réels pour tracer le lieu
correspondant à la région (3) (en violet). Nous pouvons tracer le lieu appro-
ché au complet en incluant la région (1) du contour (point vert). Le résultat
approché est visible sur la figure 7.12.
5. Comparaison avec le tracé exact : nous remarquons ici que ξ = 1/4 > 1/2
ce qui est propice à une résonance. En effet, c’est le cas. Notre tracé asympto-
tique des diagrammes de Bode était approché et nous avons donc négligé une

Im
1
• • • Re
− K1
Figure 7.12 – Contour de Nyquist approché.
«bosse» de gain à la pulsation de coupure ω0 ce qui explique l’allure différente

de notre tracé approché (fig 7.12) et le tracé numérique «exact» ( fig 7.13)
toutefois, les interprétations sur la stabilité seront les mêmes dans notre cas.
Interprétation : Quel que soit le graphe utilisé (approché ou numérique), on peut

interpréter les résultats de stabilité de manière identique.
On remarque que pour −1/K ∈ [0, 1] on a NT = −1 et que sinon NT = 0. La
question est de savoir s’il existe des pôles instables en boucle ouverte : la réponse
est non. En appliquant le critère de Routh sur F (s), on se rend compte que c’est
un ordre deux : la condition nécessaire pour la stabilité d’avoir des coefficients au
dénominateur de même signe (ce qui est le cas ici) s’applique et est suffisante. Donc
NBO = 0.
Donc, en appliquant le critère de Nyquist, on a la stabilité assurée si et seulement
si NT = 0. Ce qui mène au domaine de validité suivant pour la stabilité −1 K
∈ ]−
∞, 0[ ∪ ]1, +∞[. Ces deux domaines disjoints mènent à la contrainte unique K > −1
excluant le cas trivial d’un gain nul (voir le tracé de la fonction h(t) = −1/t, figure
7.14, pour s’en convaincre). Le système est stable en boucle fermée pour tout gain
K inférieur à 1.

Figure 7.13 – Tracé du diagramme de Nyquist exact de l’exemple 7.2.
25
20
15
10
-5
-10
-15
-20
-25
-20 -15 -10 -5 0 5 10 15 20
Figure 7.14 – Tracé de l’opposé de la fonction inverse.

Exemple 7.3 : Tracé 2 Interpréter le lieu de Nyquist de la fonction de

transfert F et interpréter les zones de stabilité pour un bouclage propor-
tionnel K. On donne le lieu en 7.15 et la fonction de transfert en fonction
de la variable de Laplace comme suit :
1
F (s) = .
s4 + 4s3 + 8s2 + 4s + 1
Ici, on comprend mieux pourquoi on utilise un critère ne forçant pas à trouver les
pôles en boucle fermée... surtout si cela dépend d’un gain K, les calculs peuvent être
assez difficiles.
A) Pôles instables en boucle ouverte :

— La condition nécessaire du critère de Routh est vérifiée (les signes sont tous
positifs strictement au dénominateur) mais est insuffisante toute seule :
on doit calculer le tableau de Routh.
— Calcul du tableau de Routh, on prévoit la forme du tableau et on le pré-
remplit :
4×8−1×4
s4 1 8 1 a= = 7,
4
s3 4 4 0 1×0−1×4
s2 a b 0 b= = −1,
4
s1 c 0 0 7 × 4 − 4 × −1 32
c= = ,
s0 d 0 0 7 7
c
d = = 1.
c
— Le calcul ne révèle aucune alternance des signes sur la première ligne du
tableau, le système n’a pas de pôles instables en boucle ouverte. NBO = 0
— Le système en boucle fermée est stable pour tout gain K respec-
tant NT = 0.
B) Interprétation du lieu de Nyquist : voir figure 7.15.
Deux points d’intersection existent sur l’axe des réels, les points d’affixes − 16
et 0. Quatre régions de variation de K sont donc à considérer :

Lieu de Nyquist
1
0.8
0.6
0.4
Axe des imaginaires

0.2
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
Axe des réels
Figure 7.15 – Tracé 2.
i) Pour − K1 < −1
6
, le tracé ne fait aucun tour autour de ce point NT = 0 le
système est stable.
ii) Pour −16

< − K1 < 0, c’est plus délicat, deux contours entourent les points
de ce segment. Le plus grand est dans le sens trigonométrique opposé, il
décrémente le nombre de tours. Le plus petit est orienté dans le même sens,
il décrémente le nombre de tours. NT = −2. le système est instable.
iii) Pour 0 < − K1 < 1, NT = −1. le système est instable.
iv) Pour 1 < − K1 , NT = 0. le système est stable.
La condition de stabilité i) revient à choisir le segment K ∈]0, 6[ et la condition

iv) à choisir K ∈] − 1, 0[. Donc pour garantir la stabilité, on doit choisir un
gain K non-nul respectant −1 < K < 6.

Exemple 7.4 : Tracé 3 Tracez le lieu de Nyquist pour la fonction de

transfert F et interprétez la stabilité suivant les valeurs d’un bouclage
proportionnel de gain K réel :
s + 10
F (s) = .
s(s + 1)
Tracé :
1. Pôles et zéros en boucle ouverte : z = −10 est un zéro, p1 = 0 et p2 = −1
sont les pôles de F . On remarque qu’il y a un intégrateur (pôle sur l’axe des
imaginaires) on choisit donc le contour Γ de la figure 7.8.
2. Diagrammes de Bode on effectue le tracé asymptotique de ces derniers par
sommation (la ligne rouge continue est le résultat de la sommation des tracés
de 1s en orange, s+1
1
en vert et 10(s/10 + 1) en bleu) :
60 90
40 45
Amplitude [dB]
20
Phase [degres]
0
0 −45
−20
−90
−40
−135
−60
−180
−80 −2 −1 0 1 2 3
10 10 10 10 10 10 10−2 10−1 100 101 102 103
ω[rad/s] ω [rad/s]
(a) Gain. (b) Phase.
Figure 7.16 – Diagrammes de Bode approchés.
Retenons que le tracé arrive par le bas de l’axe des imaginaires (fort gain et
phase à −90° lorsque ω → 0), approche la phase de −135° asymptotiquement
et finit sa course en (0, 0) en rentrant par le même axe des imaginaires (gain
très faible et phase à −90°.

3. Partie du contour (1) :
Rejθ + 10
f (R, θ) = F (Rejθ ) = .
Rejθ (1 + Rejθ )
en passant au module, on a (le produit des modules est égal au module du
produit) :
|Rejθ + 10|
|f (R, θ)| =
|Rejθ ||Rejθ + 1|
On remarquera que
|R|
lim |f (R, θ)| = lim =0
R→∞ R→∞ |R||R|
quel que soit l’argument θ (|ejθ | = 1). Donc l’origine fait partie du tracé.
4. Partie du contour (4) : Ici on peut reprendre la fonction f (R, θ) en lui
donnant l’argument r que l’on va faire tendre vers zéro :
lim |f (r, θ)| = +∞

r→0
on a donc un tracé asymptotique.

son argument vaut (l’argument du produit est égal à la somme des arguments) :
arg f (r, θ) = arg(rejθ + 10) − arg(rejθ ) − arg(rejθ + 1),
et donc limR→0 arg f (r, θ) = − arg(rejθ ) = −θ. Comme θ ∈ [−π/2, π/2], le

contour est fermé du côté droit du plan de Laplace. En effet, nous savons
déjà de l’étude fréquentielle que lorsque ω → 0+ , le tracé démarre de l’axe
des imaginaires vers le bas. Toutefois, par convention, l’image d’un contour de
Bromwich par une fonction de transfert demeure un contour fermé, restait à
savoir de quel côté de cet axe.
5. Tracé approché : on trace le lieu venant de l’étude des diagrammes de Bode
(2), le point asymptotique (l’origine) (1), le symétrique du tracé de Bode (3)
et on identifie la branche asymptotique (4).
Pour les diagrammes de Bode (2), nous avons une asymptote verticale avec
un argument polaire de −90° le gain décroissant, le tracé remonte l’axe des

imaginaires en partant de −∞. Puis on tend vers le point à l’origine avec une
phase décroissante jusqu’en −3π/4 avant de croître à nouveau en −π/2. La
seule solution à ceci est un arc qui demeure dans le demi-plan gauche pour
aller vers l’origine tout en ne franchissant pas l’axe des réels (ce qui importe
pour nos conclusions). Le tracé symétrique (3) est effectué la suite.
Grâce au tracé (4), le contour de Nyquist est fermé : dans le cas d’une asymptote
verticale, il est fermé à l’infini, ce qui est le cas ici. Le tracé à la figure 7.17 est
un tracé exagéré qui met en évidence cette fermeture, si r → 0 alors les deux
tracés mauve (3) et bleu (2) s’écraseraient sur l’axe des imaginaires à l’infini
mais nous ne visualiserions pas le tracé orange, qui représente l’image point (4)
et la fermeture du lieu.
Figure 7.17 – Visualisation de la fermeture du lieu de Nyquist.

Interprétation : nous avons un pôle instable (s = 0) en boucle ouverte. Toutefois,

le choix du lieu contour de Bromwich excluait ce pôle instable (voir figure 7.8), il
n’est donc pas comptabilisé dans le compte des pôles en boucle ouverte appartenant
à Γ. Si le point critique −1
K
respecte NT = 0 dans le lieu de Nyquist alors le système
en boucle fermée est stable.
L’asymptote est du côté du demi-plan gauche : le contour englobe l’intégralité du
demi-axe des réels négatifs car le contour est fermé à l’infini. Le sens de l’enlacement
est le sens trigonométrique, ainsi ∀ − K1 < 0, NT = 0 et ∀ − K1 > 0, NT = −1. Ce qui
nous amène à la conclusion suivante : le système en boucle fermée n’est stable que si
son bouclage proportionnel possède un gain K strictement positif et instable sinon.
h) Critère du revers (Critère de Nyquist simplifié)
Soit un système F (s) sans aucun pôle instable, alors il existe une version
simplifiée du critère de Nyquist spécifique à ce cas. La stabilité pour le système
bouclé unitaire (K = 1 pour celui de la figure 7.6) est assurée si le point critique
(−1, 0) est laissé à gauche du tracé du lieu pour F (jω) pour ω variant de 0 à +∞.
II.C Marges de stabilité

Pour un système linéaire à coefficients constants, la stabilité est un critère logique,
soit un système est stable soit il ne l’est pas. Cependant, on peut définir un critère
de stabilité quantitatif qui nous dit à quel point le système est proche d’être instable.
a) Marge de phase
La marge de phase d’un système H est définie comme suit :
— Soit la pulsation ωϕ définie telle que |H(ωϕ )| = 1 ou de manière équivalente

GH,dB (ωϕ ) = 0 dB.
— La marge de phase Mϕ de H est définie comme étant égale à :
Mϕ = φ(ωφ ) + 180°.

b) Marge de gain
La marge de gain d’un système H est définie comme suit :

— Soit la pulsation ωG définie telle que ϕH (ωG ) = −180°.
— La marge de gain Mϕ de H est définie comme étant égale à :
MG = GH,dB (Mϕ ).
La marge de gain peut ne pas exister, pour un système ne présentant jamais de

phase inférieure à 180 degrés.
c) Critère du revers adapté aux marges
Rappel : ce critère ne s’applique qu’aux systèmes stables en boucle ouverte.

Le point critique P pour K = 1 est paramétré par P = (−1, 0) dans le plan
complexe. Cependant, on peut le paramétrer en coordonnées polaires comme étant
(GdB = 0 dB, ϕ = 180 °). Si on applique le critère du revers aux notions de marges,
le point P est laissé sur la gauche si et seulement si :
Mϕ > 0 ET MG > 0.
Ce qui équivaut à dire que tout système stable en boucle ouverte vérifiant les pro-
priétés précédentes sera stable en boucle fermée.
Remarque : Si la marge de gain est infinie, on notera que +∞ > 0, à bon
entendeur.
Exemple 7.5 : Cas d’un système instable en BO Étudions les marges et

la stabilité du système suivant :
10(s + 1)(s + 10)

F (s) = ,
s3
lorsqu’il est bouclé sur un compensateur proportionnel de gain unitaire.
L’étude fréquentielle mène au tracé des diagrammes de Bode de la figure 7.18.

Figure 7.18 – Diagramme de Bode de F (s).
Ainsi on trouve MG = −20.8 dB et Mϕ = 47.4°, ce qui pourrait être synonyme

d’instabilité selon le critère du revers, cependant, le système est instable en boucle
ouverte. On ne peut pas appliquer le critère du revers : étudions la stabilité en boucle
fermée.
La fonction en boucle fermée s’écrit :
F (s) 10s2 + 110s + 100
H(s) = = 3 ,
1 + F (s) s + 10s2 + 110s + 100
nous dressons le tableau de Routh, la condition nécessaire étant vérifiée :
s3 1 110
s2 10 100
s1 100 .
s0 100 .
On remarque que la première ligne ne possède aucun changement de signes. Le sys-
tème est stable en boucle fermée alors que la marge de gain est négative !

Attention donc à ne pas appliquer sur un système quelconque le critère du revers.
Exemple 7.6 : Système d’ordre un retardé Soit le système suivant :
Ke−Ls
F (s) = ,
1 + τs
avec K = 10, τ = 3 s et le retard L > 0. Déterminer le retard maximal
Llim tel que le système bouclé sur un compensateur proportionnel de gain
Kp = 1 devient instable. Utiliser une approche par marge de phase.
Appliquons le critère du revers puisque aucun pôle en BO n’est instable.

Recherche de ωg : Se souvenant que le produit des modules est le module des
produits et que ∀α ∈ R, |ejα | = 1, on peut montrer que :
Ke−jLω K

GF (ω) = = = √ 10 ,
1 + jωτ 1 + jωτ 1 + 9ω 2
ce qui est l’expression du gain standard pour un système du premier ordre.
On rappelle que GdB,F (ωg ) := 0 dB ⇔ GF (ωg ) = 1 ainsi :
99 √
q r
10 = 1 + 9ωg2 ⇔ 100 = 1 + 9ωg2 ⇔ ωg = + = 11
9
Calcul de la phase pour exprimer la marge : on se souviendra que l’argu-
ment du produit est égal à la somme des arguments et que arg ejα = α.
ϕF (ω) = arg K − arg e−jLω + arg(1 + jωτ ) = −Lω − arctan (ωτ 0)

| {z }
=0
On se souvient maintenant que Mϕ = π − ϕF (ωg ), ainsi :
Mϕ = π − −Lωg − arctan (ωg τ ) ,
le système est instable en appliquant le critère du revers si Mϕ < 0 et Llim est obtenu
pour Mϕ = 0. Ainsi :
√
π − arctan (ωg τ ) π − arctan 3 11
Llim = = √ ≈ 0.504
ωg 11

Figure 7.19 – Diagrammes de Nyquist en fonction du retard L.
nous pouvons visualiser le phénomène d’instabilité introduite par le retard à la figure

7.19.
En effet, si ce dernier est trop important, on obtient le point critique (point de
fonctionnement pour Kp = 1, croix rouge sur la figure) à l’intérieur du tracé en
spirale induit par l’argument du retard. Ceci provoque un nombre de tour non-nul
(alors qu’il n’y a pas de pôles instables en boucle ouverte) et le critère de Nyquist
conclut sur l’instabilité. Si le système est peu retardé, L → 0 alors on s’approche
d’un tracé d’un lieu de Nyquist pour un premier ordre non-retardé. Les retards au
sein d’un système en boucle ouverte peut dont être une source d’instabilité en boucle
fermée.
II.D Lieu de Black-Nichols ?

Outil indissociable des Diagrammes de Bode, le lieu de Black-Nichols permet de
prédire les performances en boucle fermée d’un système dont on ne connaît que la
réponse fréquentielle en boucle ouverte.

a) Définition
Le lieu de Black-Nichols d’une fonction de transfert en boucle ouvert F (s) est un

tracé cartésien Γ paramétré par la pulsation ω définie comme suit :
Γ = {∀(x, y) ∈ Γ; x(ω) = GF,dB (ω), y(ω) = ϕF (ω)}
où GF,dB (ω) est le gain en décibels de F et ϕF (ω) sa phase en degrés.
Exemple 7.7 : Un petit exemple sur ordinateur pour mieux comprendre :

Tracer les diagrammes de Bode, puis celui de Black-Nichols de :
1
F (s) = .
(s2 + 6s + 12)(1 + s)
L’étude du diagramme de Bode et de Black peut se faire également sur ordinateur,

dans le programme Matlab on peut successivement entrer les commandes suivantes :
1 s = tf ( ’s ’) % s e s t l e ’ s ’ de L a p l a c e
2 F = 1 / ( ( s +6∗ s +12)∗(1+ s ) ) % on e n t r e F( s )
3 bode (F) % c a l c u l du diagramme de Bode
4 g r i d on % on r a j o u t e l e s a x e s en l o g
5 n i c h o l s (F) % c a l c u l du diagramme de Black
6 g r i d on % on r a j o u t e a u s s i l e s a x e s
Le résultat de l’étude fréquentielle par diagrammes de Bode est visible à la figure
7.20. Si on trace le résultat obtenu dans le diagramme en amplitude en ordonnée et le
résultat obtenu en diagramme de phase en abscisse, on obtient le lieu (ou diagramme)
de Black-Nichols visible à la figure 7.21.
Sur le lieu de Black, on peut observer directement la marge de gain et la marge
de phase du système en boucle ouverte ce qui est un de ses avantages.
b) Application du critère du revers au lieu de Black
Le critère du revers s’exprime toujours de la même façon. Si le système est

stable en boucle ouverte ALORS le système l’est également en boucle fermée

Bode Diagram
-20
-40
Magnitude (dB)
-60
-80
-100
-120
0
Phase (deg)
-90
-180
-270
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
Figure 7.20 – Diagrammes de Bode de F (s).
pour un gain unitaire si la courbe paramétrée fréquentielle laisse le point critique du

plan complexe d’affixe zc = (−1, 0) sur sa gauche. En d’autres termes si les marges
de stabilité sont positives OU infinies, on a la stabilité du système en boucle fermée.
Application au lieu de Black-Nichols : Le point d’affixe zc = −1 + 0j peut

être vu comme ayant une phase de −180° et un gain de 1 soit 0dB. Le point critique
est donc zc,Black-Nichols = (−180, 0) par convention (la phase n’est pas unique). Si le
tracé du Lieu entre −360 et 0 degrés (par convention) laisse le point critique sur
sa gauche alors le système est stable en boucle fermée pour un gain unitaire.
À la figure 7.21 on voit le point critique au centre du diagramme entourée de
courbes appelées iso-gains. Ces courbes représentent le gain en ω de la fonction de
transfert en boucle fermée (retour unitaire) lorsque l’arc que forme le lieu de Black
les intersectent au point (x(ω), y(ω)) ∈ Γ.

Figure 7.21 – Diagramme de Black-Nichols de F (s).
c) Abaque de Black
Je tire une partie des explications et des graphismes de cette partie du site
de Robert Papanicola [Papanicola, 2019], nous encourageons le lecteur à
le visiter, doté d’un module LATEX(utilisant Tikz) qui m’a grandement
aidé pour le tracé d’un lieu vectorisé.
On peut complètement prédire la réponse fréquentielle d’un système en boucle fermée

de fonction H(s) à l’aide des diagrammes de Black, si :
— Le système en boucle ouverte F (s) a été étudié dans l’espace fréquentiel ;
— Le système en boucle fermée résulte d’un bouclage de F (s) sur un compensateur
proportionnel à gain unitaire K = 1.
Idée : on remarque que :
F (s) ξ
H(s) = = = f (ξ).
1 + F (s) 1+ξ
La fonction complexe f (ξ) donne le comportement en boucle fermée du système en
fonction du comportement en boucle ouverte de ce dernier. On trace les iso-gains

de cette fonction |f (ξ)|dB = k et les iso-phases ϕ(f (ξ)) = λ dans le lieu de Black-
Nichols, en prenant différentes valeurs de k et λ suffisamment proches. On obtient
un réseau d’arcs paramétrés constants indépendant de la variable ξ, c’est-à-dire de
la fonction de transfert en boucle ouverte F .
Par conséquent, le maillage du lieu est un tracé constant, calculable a priori et
utilisable pour prédire le comportement du système en boucle fermée (et donc l’allure
de la fonction de transfert H(s)). La réponse fréquentielle en boucle fermée
est approchable par les intersections des arcs |f (ξ)|dB et φ(f (ξ)), représentées sur
l’abaque en figure 7.22 les plus proches du tracé du lieu de Black-Nichols en boucle
ouverte.

dB
0dB
0.2dB −0.2dB
0.5dB
−0.5dB
1dB
−1dB
2dB
2.3dB
−2dB
3dB
+10
4dB
−3dB
5dB
6dB
8dB −4dB
10dB
−5dB
◦
• −6dB
-360 -315 -270 -225 -180 -135 -90 -45 0
−8dB
−10dB
−12dB
-10
−15dB
−20dB
−359◦ −1◦
−357◦ −3◦
−354◦ −6◦
−25dB
−350◦ −10◦
−345◦ −15◦
◦
−340 −20◦
−330◦ −30◦
−315◦ −45◦
−300◦ −60◦ −30dB
−285◦ −75◦
−270◦ −90◦
−255◦ −105◦
◦ ◦
−240 −120
−225◦ −135◦
◦ ◦ ◦ ◦
−210 −190 −170 −150
−195◦ −165◦

Figure 7.22 – Abaque de Black.
III Compensateurs fréquentiels

Maintenant que nous sommes munis d’outils d’analyse nous pouvons dès lors
concevoir des compensateurs utilisant ces méthodes.
III.A Cahier des charges fréquentiel

Ici, on travaille à conception en deux étapes essentiellement : des spécifications en
régime permanent parmi lesquelles l’écart statique ess et également les spécifications
transitoires parmi lesquelles les oscillations et la rapidité.
Nous supposons un système F (s) dont on connaît la réponse fréquentielle (lieux
de Bode et/ou de Black) et un compensateur C(s) muni d’un gain statique K qui
reste à concevoir. Nous présentons le système bouclé générique unitaire à la figure
7.23.
P (s)
+ (s) U (s) +
R(s) C(s) F (s) Y (s)
– +
Figure 7.23 – Système générique à retour unitaire.
On suppose C(s) de la forme générique suivante :

N (s)
C(s) = K , avec deg(N ) < deg(D)
D(s)
On supposera également que F dispose d’un gain statique K0 connu.
a) Performances en régime permanent
En régime permanent, nous pouvons ici calculer grâce au gain statique K et

K0 on peut exprimer l’erreur en fonction du signal d’entrée grâce au théorème de

la valeur finale. Ainsi, si on spécifie l’écart statique désiré edss on peut trouver
K facilement. Toutefois, cette approche proportionnelle du problème n’annule pas
l’erreur et peut rendre instable le système, nécessitant pour le dernier point d’ajouter
un étage fréquentiel au compensateur.
Rôle de la marge de gain : La marge de gain est en fait la marge qu’il nous
reste pour régler K en décibels avant de rendre le système instable. Par exemple une
marge de gain de 3 décibels signifie que si on boucle le système avec KdB = 3 dB ⇔
K ≈ 1.41 alors il deviendra instable en boucle fermée. C’est la marge de réglage de
gain autorisée avant l’instabilité que nous voulons éviter en tout cas.
b) Performances en régime transitoire
La marge de phase nous donne un critère qualitatif de la forme de réponse atten-

due pour le bouclage d’un système asservi. Une faible marge de phase est synonyme
d’un système faiblement amorti avec pour conséquence un temps d’amortissement
élevé.
Pour donner l’illustration de nos propos, nous avons paramétré un système géné-
rique Fa (s) = s2 +2as+1
1
bouclé avec un gain unitaire C(s) = 1, trois fonctions Fa sont
testées à la figure 7.24. On remarque que plus le système est oscillant plus la marge
de phase, visible sur le diagramme de Bode en Phase, s’amoindrit (ses valeurs sont
180, 43 puis 10 degrés) et plus la réponse temporelle à 5% est longue à obtenir pour
les valeurs que nous avons choisies ici.
Il faut donc veiller à obtenir une marge de phase suffisamment grande pour éviter
ce type de phénomènes.

20
Magnitude (dB)
-20
-40
-60
-45
Phase (deg)
-90
-135
-180
10 -2 10 -1 10 0 10 1 10 2
Pulsations (rad/s)
(a) Diagrammes de Bode avec marges de phase.
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60 70 80
Temps (seconds)
(b) Réponses temporelles associées.
Figure 7.24 – Illustration du lien entre amortissement et marge de phase.

III.B Compensateur à avance de phase

a) Présentation
Un compensateur à avance de phase (Compensateur à Avance de Phase

(CAAP)) est un système paramétré par un temps caractéristique τ , un gain K, et
un paramètre adimensionnel α > 1 et ayant pour fonction de transfert :
1 + ατ s
C(s) = K .
1 + τs
Cette fonction de transfert est facilement réalisable à l’aide de composants électro-
niques usuels (condensateurs et amplificateurs par exemple) c’est pour cela qu’elle
était largement employée au siècle précédent et perdure encore aujourd’hui.
Remarque : Il s’agit d’une forme approchée du contrôleur Proportionel-
Dérivé, qui n’est pas réalisable physiquement. s = jω si ω est petit, alors,
on peut négliger τ s devant 1 mais si α est suffisamment grand on peut
considérer le produit ατ s comme non-négligeable devant 1 et ainsi obtenir :
C(s) ≈ K(1 + ατ s).
Il s’agit d’une approximation d’un PD en basse fréquence.
b) Conception
Supposons qu’on ait une marge de phase Mϕ et qu’on désire l’augmenter pour
une marge de phase Mϕd .
Idée : On veut placer la «bosse» de phase du CAAP sur la pulsation définissant la

marge de phase pour améliorer cette dernière, jugée trop petite par le concepteur.
Propriété 7.2 : Paramétrage de la bosse de phase Le maximum de

phase φM du CAAP sera réalisé en ωmax = √1ατ et φm = φCAAP (ωmax ) =
arcsin( α−1
α+1
).
Le correcteur présente un gain GC,dB (ωmax ) = 10 log(α) à la pulsation du
maximum.

Amplitude (dB)
0
Phase (deg)
Frequence (rad/s)
Figure 7.25 – Diagrammes de Bode d’un CAAP
Méthode de réglage itérative :

i) Tracer le diagramme de Bode du système en boucle ouverte F (s), en déduire
la marge de phase initiale Mϕ et noter ωφ .
ii) En déduire la taille de la bosse de phase à produire pour le CAAP. Il s’agit en
d’autres termes du déficit de marge de phase à compenser :
∆ϕ = Mϕd − Mϕ .
iii) En déduire α :
sin(∆ϕ ) + 1
α= .
1 − sin(∆ϕ )

iv) Faire en sorte que ωmax = ωφ en choisissant :
1
τ=√ .
αωmax
v) Compenser le gain introduit à la pulsation précédente, afin de ne pas altérer

ωϕ du système physique, en choisissant :
KdB = −10 log(α) ⇒ K = 10KdB /20 .
vi) (idéalement) Tracer le diagramme de Bode du système F (s)C(s) pour se véri-

fier. Et vérifier les performances en régime permanent, si elles sont dégradées
recommencer à l’étape i).
Méthode de réglage approchée [Malhamé, 2016] :
i) On suppose que K = α1 . Cette méthode diffère par le fait que K n’est plus à
régler de manière itérative pour respecter les spécifications en régime perma-
nent.
ii) Tracer le diagramme de Bode du système en boucle ouverte KF (s), en déduire
la marge de phase initiale Mϕ et noter ωφ . On calcule ici encore ∆ϕ = Mϕd −Mϕ .
ωφ
iii) On définit la fréquence ωφ0 = 10
. Et on calcule α en conséquence :
tan(∆ϕ ) + 1
α= .
1 − tan(∆ϕ )
iv) On choisit τ tel que :

1
τ= .
αωφ
v) L’atténuation en gain est ici de l’ordre de −3dB, ce qui est négligeable et qui
pousse à ne pas ajuster le gain K de nouveau.
vi) (idéalement) Tracer le diagramme de Bode de F (s)C(s) pour vérifier les spé-
cifications fréquentielles.

Exemple 7.8 : Conception d’un CAAP par méthode itérative Soit le

système (trop oscillant, ξ = 0.05 !) qui suit :
1
F (s) = ,
s2 + 0.1s + 1
on souhaite concevoir un CAAP qui fait en sorte que ess = 10% et que
Mφ = 45°.
Tout d’abord, trouvons le gain K permettant de satisfaire ess = 10%, en utilisant

le théorème de la valeur finale on obtient que :

KF (s) 1
ess = lim −1 = ,
s→0 K(s)F (s) + 1 1+K
ess = 0.1 ⇒ K = 9.
Traçons à présent les diagrammes de Bode de KF (s), ils sont visibles en figure
7.26.
40
Amplitude (dB)
20
-20
0
-45
Phase (deg)
-90
-135
-180
10-1 100 101
Pulsation (rad/s)
Figure 7.26 – Diagrammes de Bode de KF (s).

L’étude du diagramme nous donne Mϕ = 2° donc le manque à gagner est de

∆ϕ = 43°. Ainsi :
tan(∆ϕ ) + 1
α= = 28.6,
1 − tan(∆ϕ )
également τ = αω1cp = 0.011.
Ceci nous donne les diagrammes de Bode du système corrigé (figure 7.27) ainsi
que les réponses temporelles avant et après compensation.
50
Amplitude (dB)
-50
-100
45
0
Phase (deg)
-45
-90
-135
-180
10-1 100 101 102 103 104
Pulstation (rad/s)
Figure 7.27 – Diagrammes de Bode de C(s)F (s).
Sur la figure 7.27 on peut lire que Mϕ ≈ 50° après compensation, ce qui est normal
au vu des approximations entreprises. Le résultat est cependant acceptable, comme
nous pouvons le voir à la figure 7.28 en comparaison au bouclage proportionnel seul.
III.C Compensateur à retard de phase

a) Présentation
Un compensateur à retard de phase (Compensateur à Retard de Phase

(CARP)) est un contrôleur de fonction de transfert identique au compensateur à

Figure 7.28 – Réponses temporelles du système en boucle fermée.
avance de phase sauf que le coefficient qui vient paramétrer l’excroissance de phase
β > 1 se trouve au dénominateur.
1 + τs
C(s) = K
1 + βτ s
Il est également réalisable avec des composants usuels.

Remarque : Logiquement, il s’agit ici d’une valeur approchée du contrôleur
Proportionnel-Intégral pour des fréquences faibles.
Ce dernier permet d’augmenter la précision d’un système mais détériore sa sta-
bilité puisqu’il introduit un déficit de marge de phase. Généralement, il est employé
avec un CAAP en série.
b) Conception
Supposons que nous voulons une marge de phase Mϕd et une erreur statique edss .
Idée : On va essayer d’ajuster le gain

Amplitude (dB)
0
Phase (deg)
Frequence (rad/s)
Figure 7.29 – Diagrammes de Bode d’un CARP.
i) Ajuster le gain K à l’aide du théorème de la valeur finale afin d’obtenir edss

comme erreur finale.
ii) Après application dudit gain, déterminer la nouvelle marge de phase Mϕ du
système en boucle ouverte en traçant les diagrammes de Bode.
iii) Déterminer graphiquement la pulsation ωC définie telle que :
ϕ(ωC ) = −180° + Mpd + 5°.
L’ajout de 5 degrés est en fait une «ruse» pour compenser les cinq degrés que
nous perdrons par l’adjonction du CARP.
iv) Relever sur le graphique GC = GKF (s),dB (ωC ) et paramétrer β grâce à GC :
Gc
20 log(β) = GC ⇒ β = 10 20 .
v) On doit placer τ1 à gauche de ωC afin de ne pas perturber la compensation, si

on choisit la décade inférieure on perd environ cinq degrés en phase, d’où notre

«ruse». :
10
τ= .
ωC
vi) (idéal) vérification par nouveaux diagrammes de Bode de C(s)F (s).
Exemple 7.9 : Conception d’un CAAP Concevoir un compensateur

CAAP pour le système en boucle ouverte suivant :
10
F (s) = ,
(s + 1)(s + 2)(s + 3)
avec les performances suivantes Mϕ = 45° et ess = 2%.
Les spécification en régime permanent nous donnent :

1
ess = = 0.02 ⇔ K = 49.
1+K
On trace les diagrammes de Bode de KF (s) à la figure 7.30. En résulte Mϕ = −46°
à la pulsation ωcp = 7.6 rad/s, ce qui justifie notre asservissement (le système est
instable en boucle fermée). On note aussi ωc qui est telle que φ(ωC ) = −180+Mφd +5 =
−130° et ωC = 1.7 rad/s, le gain à cette pulsation vaut GdB (ωC ) = 29.7 dB.
Ainsi β = 10GdB (ωC )/20 = 27.2 et τ = ω10c = 5.84 s. On applique le correcteur et on
voit les résultats fréquentiels sur la figure 7.27.
On remarque que Mφ = 44.3° après compensation, ce qui est convenable. De plus
on remarquera que Mg > 0, le système est stable. Nous voyons la réponse temporelle
du système en boucle fermée à la figure 7.32.

40
20
Amplitude (dB) 0
-20
-40
-60
0
Phase (deg)
-90
-130
-180
-270
10-2 10-1 100 101 102
Pulsation (rad/s)
Figure 7.30 – Diagrammes de Bode de KF (s).

Amplitude (dB)
-50
-100
0
-45
Phase (deg)
-90
-135
-180
-225
-270
10-4 10-2 100 102
Frequence (rad/s)
Figure 7.31 – Diagrammes de Bode de C(s)F (s).

Figure 7.32 – Réponse temporelle du système compensé en boucle fermée.

IV Réglages de Ziegler-Nichols pour un PID ?

À présent, faisons un peu d’histoire pour finir ce chapitre sur la commande fré-
quentielle. Nous abordons ici une méthode empirique utilisant des mesures fréquen-
tielles pour régler une famille de compensateurs bien connus.
Histoire et utilité : Pendant la Seconde Guerre Mondiale, les américains Zie-

gler et Nichols ont établi une méthode expérimentale de réglage des compensa-
teurs classiques au niveau du temps de réponse et de la stabilité de ces derniers
[Ziegler and Nichols, 1942]. Afin de procéder à cette méthode, nous étudierons le
système présenté en figure 7.6.
Supposons que nous ne connaissons pas a priori notre système F .
On peut cependant lui envoyer des signaux r(t) en boucle fermée, avec un gain
K et analyser ce qu’il se passe en sortie y(t).
Analyse du système : Tout d’abord, on choisit un gain K proche de zéro qu’on

augmente graduellement. Le gain K à partir duquel le système devient instable en
boucle fermée est noté Ku . La période d’oscillation du signal proche de Ku s’il y a
lieu sera notée Tu .
Réglage du système : Pour C(s) compensateur Proportionnel, Proportionnel-

Intégral, Proportionnel-Dérivé ou Proportionnel-Intégral-Dérivé, on applique les gains
présents dans la table 7.1 afin d’obtenir un réglage convenable.
Table 7.1 – Table des gains de la méthode de Ziegler-Nichols
Contrôleur Kp Ki Kd
P 0.5Ku • •
PI 0.45Ku Tu /1.2 •
PD 0.8Ku • Tu /8
PID 0.6Ku Tu /2 Tu /8

Ces gains ont été obtenus de manière empirique afin de fournir des valeurs conve-
nables de performances (temps de réponse, valeur de la commande et oscillations
raisonnables) pour un système assimilable à un système d’ordre deux.
Cette méthode a été utilisée massivement dans l’industrie et perdure de nos jours
car elle ne nécessite que peu d’information sur le système afin de fonctionner. Cepen-
dant, les systèmes traités par cette méthode sont des systèmes supposés stabilisables
par simple bouclage proportionnel, ce qui est une hypothèse forte.
L’étudiant(e) moderne est capable, à l’aide de logiciels comme Matlab ou Python
d’identifier de manière fiable la fonction de transfert d’un système à l’aide d’une
réponse indicielle comme nous l’avons vu précédemment. Et ainsi, elle ou il peut
concevoir un asservissement plus adéquat, disposant d’informations fiables.
Exemple 7.10 : Système mystère Soit le système physique suivant de

fonction de transfert inconnue avec un gain ajustable K.
+ (s) U (s)
R(s) K F (s) Y (s)
–
On applique un échelon à l’entrée et on augmente le gain K jusqu’à obtenir des

oscillations. On note le gain obtenu empiriquement Ku . Pour illustrer cet exemple,
nous avons repris le système étudié de fonction F (s) donné pour l’exemple du CARP,
mais nous ne sommes pas supposés connaître la fonction de transfert.
Le seul élément dont nous disposons est qu’en augmentant le gain graduellement,
on a trouvé Ku = 6.3 et qu’on a alors pu observer les oscillations de la figure 7.33.
On trouve que Tu = 0.05s. Si on souhaite appliquer une correction Proportionnelle-
Dérivée, utilisant les règles de la table 7.1 on obtient :
Kp = 5.04, Kd = 0.0063,
et on obtient la réponse temporelle à la figure 7.34.

Figure 7.33 – Essai de pompage : détermination de Ku et Tu .
Figure 7.34 – Système bouclé avec un contrôleur PD.

On remarque que le système, bien que stable, est réglé de manière agressive en
terme de dépassement. Ce réglage est plus une heuristique qu’un réglage rigoureux :
les méthodes de type fréquentiel, bien qu’ignorant un certain nombre de paramètres
demeurent à cet égard plus exactes qu’un simple essai de pompage. Encore faut-il
caractériser le système de manière harmonique : une méthode élaborée de conception
requiert une meilleure paramétrisation du problème.
Remarque : Pour appliquer la méthode, le système doit de surcroît avoir
une topologie de lieu des racines qui lui permette d’osciller lorsqu’on aug-
mente le gain. Cette technique est appelée essai de pompage.

8
Introduction à la commande
moderne
Dans les années cinquante, avec le développement des programmes spatiaux,

la conception par fonction de transfert (et a fortiori fréquentielle) devint insuffi-
sante pour régler des problèmes multivariables et avec des paramètres variant dans
le temps.
Pour citer un exemple de problématique, une fusée voit sa masse diminuer au fur
et à mesure de la combustion de son carburant. Or, les lois de la mécanique sont
fonctions de la masse du système, ce qui pose un problème conceptuel si on souhaite
contrôler son orientation ou sa position. Le système devient donc multivariable et
voit ses paramètres évoluer en fonction du temps.
En revenant à une formulation du problème sous forme d’équations différentielles
temporelles et à l’aide d’algorithmes de résolution implémentables sur ordinateur
nous pouvons résoudre le problème d’asservissement en temps réel. Nous donnons
un aperçu de ces méthodes le long de ce chapitre.
179
I Espace d’état
La commande moderne est dépendante de ce que l’on appelle un espace d’état.
Prenons un exemple pour mieux comprendre le concept.
Exemple 8.1 : Système masse-ressort à amortisseur Soit le système

masse-ressort à amortissement suivant :
ty (t)
P (t)
k m
b
~y
~z
On souhaite asservir la position de la masse P (t) = py (t)~y grâce à la

force de tension d’un fil t = ty ~y , la masse est supposée être ponctuelle
et de valeur m. La force du rappel du ressort se note fr = −kpy ~y si on
suppose que le point d’équilibre du ressort est situé en y = 0. La force de
l’amortisseur est proportionnelle à la vitesse et opposée à la tension de la
corde fa = −bṗy ~y . On suppose que le poids mg du système possède une
composante sur ~z seulement.
D’un point de vue sémantique, un état est en fait un ensemble d’informations

décrivant un système. En automatique, les états sont définis en fonction du problème
que nous voulons résoudre.
Ici c’est un contrôle de position P (t) grâce à une force ty (t). La physique du
problème fait intervenir l’équation de Newton :
m(t)P̈(t) = mg + fa + fr + t.
La masse est supposée translater que sur l’axe ~y , on projette donc l’équation précé-

dente sur cet axe. On obtient l’équation dynamique suivante :
b k
p̈y = − ṗy − py + ty . (8.1)
m m
Une représentation d’état possible est :

" #
py
x= ,
ṗy
le vecteur d’état x comporte toutes les informations utiles et dynamiques pour notre
problème d’asservissement.
On dit «une» et non pas «la» représentation car il peut en exister plusieurs
suivant les états que l’on choisit et l’ordre des variables...
Remarque : Avant de vous aventurer dans ce chapitre, familiarisez-vous

avec les notations de l’annexe 3.
I.A Représentation d’état de Kalman

Soit un vecteur d’état x ∈ RN à N composantes décrivant un système et régi
par une équation différentielle vectorielle d’ordre un et soumis à une commande
u(t) ∈ RP à P composantes. Soit un vecteur y ∈ RM à M composantes représentant
des variables mesurables à la sortie dudit système. La représentation de Kalman
du système s’écrit comme suit :

ẋ(t) = Ax(t) + Bu(t)
(8.2)
y(t) = Cx(t) + Du(t)
Les matrices A ∈ MN (R), B ∈ MN,P (R), C ∈ MN,M (R), D ∈ MM,P (R) sont ici à
coefficients constants et décrivent les équations vectorielles représentant le problème.

Exemple 8.2 : Système masse-ressort... le retour On suppose que le

système est maintenant équipé d’un télémètre laser donnant en tout temps
la position exacte p̃y (t) = py (t).
Curieux, le technicien du laboratoire s’amuse à brancher une génératrice
tachymétrique donnant une tension v(t) = αp˙y sur la bobine du fil. Mal-
heureusement, cette dernière a tendance à se décaler d’un biais propor-
tionnel à l’effort, et la vraie tension vaut ṽ(t) = αp˙y (t) + βty (t).
Donner la représentation de Kalman du système décrit dans les deux
premiers exemples de ce chapitre.
Premièrement, on va établir l’équation du système physique à l’aide de (8.1). Si

h iT
x = py ṗy on peut écrire et identifier :
" # " #" # " #
d py 0 1 py 0
= −k b
+ ty (t)
dt ṗy m
− m ṗy 1 |{z}
| {z } |{z} u(t)
A B
La dernière ligne de cette équation matricielle est tout simplement une

traduction vectorielle de (8.1). u(t) est l’entrée du système.
Pour les mesures y il suffit d’écrire sous forme matricielle les équations qui les lient
d’après l’énoncé de l’exemple précédent :
" # " #" # " #
p̃y (t) 1 0 py 0
y(t) := = + ty (t)
ṽ(t) 0 α ṗy β
| {z } |{z}
C D
I.B Lien avec les fonctions de transfert dans le domaine de

Laplace
On se donne une représentation de Kalman générique composée des vecteurs
x, u, y et des matrices A, B, C, D. L’équation d’état vaut :
ẋ(t) = Ax(t) + Bu(t)

On se place dans des conditions d’Heaviside, c’est-à-dire que nous supposons que
x(0) = 0. Dans ce cas-là on peut écrire la transformée de Laplace de l’équation
d’état comme suit :
sx(s) = Ax(s) + Bu(s).
Nous pouvons réorganiser cette équation et obtenir :
x(s) = [sI − A]−1 Bu(s), (8.3)
où la matrice I ∈ Mn (R) est la matrice identité de même dimension que A.

L’équation de sortie vaut :
y(t) = Cx(t) + Du(t)
sa transformée de Laplace dans des conditions d’Heaviside peut s’exprimer ainsi :
y(s) = Cx(s) + Du(s)
On peut substituer (8.3) dans l’équation précédente et ainsi obtenir :
y(s) = C [sI − A]−1 B + D u(s)

Par analogie avec le cas monovariable, la fonction de transfert («F = Y /U ») d’un

système linéaire s’écrira ainsi :
F(s) = C [sI − A]−1 B + D. (8.4)
Propriété 8.1 : Pôles d’un système décrit par sa représentation d’état

Les valeurs propres de la matrice A sont les pôles du système étudié.
Par conséquent si on définit χA le polynôme caractéristique de la matrice A

comme :
χA (s) = det(A − Is),
les pôles pi d’un système seront définis comme étant les racines de χA .

I.C Systèmes commandables

a) Notion de commandabilité
Un système est commandable si et seulement s’il existe une commande

d’énergie finie qui le mène d’un état à un autre.
Mathématiquement, supposons qu’un système (Σ) prend la commande u(t) en

entrée et délivre un état x(t) en sortie. Soit l’état initial x(0) = x0 ∈ E avec E
l’espace d’état, on veut amener le système grâce à une commande u(t) dans un état
final quelconque xf ∈ E durant une durée donnée quelconque T :
(Σ) commandable ⇔ ∀{x0 , xf , T } ∈ E × E × R+ , ∃u(t) < ∞, x(T ) = xf .
xf = x(t0 + T ) • • x0 = x(t0 )
u (t)
b) Critère de commandabilité
On définit la matrice de commandabilité Mc , supposons un système (Σ) =

{A, B, C, D} avec un vecteur d’état x de dimension N . La matrice de commandabi-
lité d’un tel système vaudra :
h i
Mc := B AB . . . AN −1 B .
Théorème 4 (Critère de commandabilité de Kalman). Le système (Σ) est comman-

dable si et seulement si sa matrice de commandabilité Mc est de rang plein.
rang(Mc ) = N,
en particulier, si Mc est une matrice carrée, cette dernière est de plein rang si et
seulement si :
det(Mc ) 6= 0.

Exemple 8.3 : Le reretour du système masse-ressort... Est-ce que ce

dernier est commandable ?
Tout d’abord calculons Mc :
" # " # " #
0 1 0 1
B= , AB = −b , Mc = .
1 m
1 −b
m
On remarque que det(Mc ) = −1 et donc que le système est commandable puisque

Mc est de plein rang.
c) Équivalence des représentations d’état
Propriété 8.2 : Équivalence entre deux représentations Soient deux re-

présentations (Σ) = {A, B, C, D} et (Σ0 ) = {A0 , B0 , C0 , D0 }. S’il existe
une matrice de passage P carrée et inversible (i.e. det P 6= 0) qui satis-
fait :
A0 = PAP−1 , B0 = PB, C0 = CP−1 ,
on dit que les deux représentations d’état des systèmes sont équivalentes.
Preuve des formules ci-dessus. Supposons que règne le vecteur d’état x0 dans la re-
présentation (Σ0 ) et x dans la représentation (Σ). On a x0 = Px, avec P inversible.
On a donc par définition : 
ẋ0 = A0 x0 + B0 u
(8.5)
y = Cx0 ,
on reprend l’équation de base de (Σ) :


ẋ = Ax + Bu
y = Cx,
nous tentons d’obtenir (8.5) pour identifier les matrices. Nous remarquons que x =
P−1 x0 et puisque P est supposée constante alors ẋ = P−1 ẋ0 :

P−1 ẋ0 = AP−1 x0 + Bu

−1 0
y = CP
 | {z } x ,
C0

la première ligne, après multiplication à gauche de P devient :
ẋ0 = PAP −1 0
| {z } x + |{z}
PB u
A0 B0
Remarque : Les valeurs propres de A sont les mêmes que celles de A0 c’est-
à-dire que les deux systèmes ont les mêmes pôles. Les deux représentations
ont les mêmes propriétés de commandabilité (la matrice de passage ne
change rien de ceci).
d) Forme compagne commandable
Si le système (Σ) = {A, B, C, D} possède une représentation d’état comman-

dable, alors s’il est monovariable, sa forme compagne commandable existe et a
du sens (la représentation sous forme compagne est équivalente à la représentation
originale (Σ) = {A, B, C, D}).
La représentation d’état commandable, pour un système monovariable (une
entrée et une sortie), est formée de (ΣCC ) = {ACC , BCC , CCC , DCC } et ses matrices
sont de la forme suivante :
   
0 1 0 0 ... 0 0
0 0 1 0 ... 0 0
   
 
   
ACC = 0 0 0 1 ... 0 , BCC 0
= 
.. .. .. .. .. ..  .. 
 
. . . . . . .
 
 
−a0 −a1 −a2 −a3 . . . −aN −1 1
h i
CCC = b0 b1 b2 b3 . . . bN −1 , d = bN ,
où ∀i ∈ [0, N − 1], {ai , bi , bN } ∈ R3
La famille des coefficients ai et le coefficient bn sont ceux de la fonction de transfert

du système F (s) :
bN sN + bN −1 sN −1 + · · · + b1 s + b0
F (s) = .
sN + aN −1 sN −1 + . . . a1 s + a0

Il s’agit d’une représentation équivalente au système de départ (Σ). La ma-

trice de passage P existe, est inversible et satisfait :
xCC = Px, ACC = PAP−1 , BCC = PB, CCC = CP−1 ,
de plus on peut calculer cette dernière à partir d’un algorithme facilement implé-
mentable.
Calcul de la matrice de passage P : on suppose que cette matrice se décompose

en n colonnes h i
P = p1 . . . pk . . . pn . (8.6)
Pour calculer cette matrice on applique l’algorithme ci-après :
k = N : pN = B ;
k = N − 1 : pN −1 = (A + aN −1 IN )B ;
k = N − 2 : pN −1 = (A2 + aN −1 A + aN −2 IN )B = ApN −1 + aN −2 B ;
k = N − 3 : pN −1 = ApN −2 + aN −3 B ;
— Réitérer le procédé jusqu’à la première colonne :
k = 1 : p1 = Ap2 + a1 B.
L’utilité d’une telle transformation facilite le placement de pôles par re-

tour d’état que nous verrons plus tard dans ce chapitre. C’est une astuce
algébriste très pratique, ne coûtant qu’une transformation de base repré-
sentée par la matrice de passage sous une hypothèse de commandabilité
facile à tester pour le concepteur.
I.D Systèmes observables

a) Notion d’observabilité
Un système est observable si et seulement si l’information fournie par

ses sorties, sa dynamique et ses entrées permettent de reconstituer
en tout temps son état (toutes ses variables d’état).

Mathématiquement, si on définit un système (Σ), durant un temps T < ∞,

disposant d’un état initial x(0) = x0 et d’un état final x(T ) = xf on a l’équivalence
suivante :
(Σ) observable ⇔∀{x0 , xf , T } ∈ E × E × R+ ,

x(t) est calculable, avec 0 ≤ t ≤ T sachant {u(t), y(t)}.
En d’autres termes, si le système est parfaitement caractérisé et n’est pas soumis

à des perturbations alors on peut en tout temps déduire son état sachant les entrées
et les sorties.
b) Critère d’observabilité
Comme pour la commandabilité, on définit une matrice spécifique. La matrice

d’observabilité Mo pour un système (Σ) = {A, B, C, D} avec un vecteur d’état x
de dimension N vaudra :  
C
 CA 
 
Mo :=  .  .
 .. 

CAN −1
Théorème 5 (Critère d’observabilité de Kalman). Le système (Σ) est observable si

et seulement si sa matrice d’observabilité Mo est de rang plein.
rang(Mo ) = N,
en particulier, si Mo est une matrice carrée, cette dernière est de plein rang si et
seulement si :
det(Mo ) 6= 0.
Exemple 8.4 : Le (re)3 tour du système masse ressort Est-il observable ?

Et sans le télémètre est-ce toujours le cas ?

On va calculer dans le premier cas (tous capteurs allumés) la matrice d’observa-

bilité :
" # " # " #
1 0 0 1 C
C= , CA = −kα −bα , M0 = .
0 α m m
CA
La matrice d’observabilité n’est pas carrée. Pas de panique ! On peut aisément prou-
ver qu’elle est de rang plein : l’indépendance entre les deux vecteurs colonne compo-
sant cette dernière est assurée par le fait que det(C) 6= 0. En effet si le bloc supérieur
de M0 que forme C est réputé avoir des composantes indépendantes (ie un déter-
minant non-nul), cette matrice a un rang de la dimension dudit bloc, ici c’est 2. Or
N = 2 la matrice M0 est de rang 2 ceci prouve l’observabilité si tous les capteurs
sont allumés.
Si on éteint le télémètre, on a :
" #
h i h
−αk −bα
i C
C= 0 α , CA = m m
, M0 = .
CA
bα2
La matrice Mo est carrée et son déterminant det(Mo ) = m
6= 0. Le système est
observable puisque Mo demeure de plein rang.
c) Forme compagne observable
Dualité observabilité/commandabilité oblige, on va concevoir une représentation

compagne ici également, pour les systèmes monovariables.
Si le système (Σ) = {A, B, C, D} possède une représentation d’état observable,
alors sa forme compagne observable existe et a du sens (les représentations com-
pagne et originale (Σ) = {A, B, C, D} sont équivalentes).
La représentation d’état commandable, pour un système monovariable (une
entrée et une sortie), est formée de (ΣCO ) = {ACO , BCO , CCO , DCO } et ses matrices
sont de la forme suivante :

   
0 0 0 0 ... −a0 b1
1 0 0 0 ... −a1  b2 
   

   
ACO 0
= 1 0 0 ... −a2 , BCO  b3 
= 
 .. .. .. .. .. ..  .. 

. . . . . .  . 


0 0 0 0 . . . −aN −1 bN
h i
CCO = 0 0 . . . 1 , d = BN ,
où ∀i ∈ [0, N − 1], {ai , bi , bN } ∈ R3
La famille des coefficients ai et le coefficient bn sont ceux de la fonction de transfert

du système F (s) :
bN sN + bN −1 sN −1 + · · · + b1 s + b0
F (s) = .
sN + aN −1 sN −1 + . . . a1 s + a0
Il s’agit d’une représentation équivalente au système de départ (Σ). La ma-

trice de passage P existe, est inversible et satisfait :
xCO = Px, ACO = PAP−1 , BCO = PB, CCO = CP−1 ,
de plus on peut calculer cette dernière ligne par ligne comme pour la forme compagne
commandable.
On pourra noter que :
ACO = A> > >

CC , BCO = CCC , CCO = BCC .

II Compensation dans l’espace d’état
II.A Placement de pôles par retour d’état

La première méthode consiste à modifier la dynamique du système en introduisant
une rétroaction sur l’état. Remarquons que ce n’est plus nécessairement (si C 6=
I ou D 6= 0) un bouclage sur la sortie mais sur des variables internes. La structure
est explicitée à la figure 8.1.
1
B s C
r u ẋ x y
A
Σ
Figure 8.1 – Système physique et retour d’état.
a) Placement direct
Sachant que les valeurs propres de A sont les pôles du système, on peut déterminer
la valeur en boucle fermée de ABF grâce au retour d’état.
Ainsi, à l’aide du schéma de la figure 8.1, on peut constater que le système est
bouclé que l’équation qui gouverne x vaut :
ẋ = (A − BK)x = ABF x.
ainsi, directement, on peut placer les pôles en influant sur K.

Exemple 8.5 : Conception directe Soit un système représenté par :

" # " #
1 2 0
A= ,B =
1 1 1
trouver le gain K = [k1 , k2 ] qui place les pôles en −1.
Premièrement est-il possible de trouver un tel gain ? Le système est-il commandable ?

" #
h i 0 2
B AB = .
1 1
On voit clairement que la première colonne est indépendante de la deuxième (det =

−2), oui, nous pouvons placer les pôles (valeurs propres) où bon nous semble.
Calculons : " #
1 2
ABF = A − BK =
1 − k1 1 − k2
rappelons-nous que la somme des valeurs propres est la trace. On veut pd1 = pd2 = −1
donc
trace(ABF ) = pd1 + pd2 = −2 := 1 + (1 − k2 ) = 2 − k2 .
ceci donne immédiatement k2 = 4.

Le déterminant est le produit des valeurs propres :
det(ABF ) = pd1 pd2 = 1 := −3 − 2(1 − k1 ) = −5 − 2k1 .
Donc k1 = 3, ainsi : h i
K= 3 4 .
b) Méthode de conception indirecte
Une idée est de passer par la forme canonique commandable pour ne pas être
ennuyé par le calcul des valeurs propres en fonction de K. La marche à suivre est la
suivante :
1. S’assurer de la commandabilité du système ;

2. Trouver la forme compagne commandable du système que l’on souhaite obtenir

à la fin de la compensation ;
3. Trouver la forme compagne commandable du système étudié ;
4. Calculer le gain K̃ dans la base des formes compagnes (c’est une simple équation
linéaire !) ;
5. Calculer la matrice de passage P entre forme système d’origine et forme com-
pagne commandable ;
6. Calculer P−1 , le gain final K vaut K = KP−1 .
Exemple 8.6 : Conception indirecte Reprenons l’exemple précédent pour

trouver le gain de rétroaction avec la méthode proposée.
1. La commandabilité a déjà été assurée précédemment.

2. Que vaut le polynôme qui place tout-les pôles en −1 ? Réponse :
P (s) = (s + 1)(s + 1) = s2 + 2s + 1.
Ainsi, la matrice suivante (notez la dernière ligne) aura ses valeurs propres
toutes égales à −1 : " #
0 1
AdBF,cc = ,
−1 −2
3. Les pôles associés à A sont donnés par l’équation suivante :

s − 1 −2
χ(s) = |I − A| = = (s − 1)2 − 2 = s2 − 2s − 1.

−1 s − 1
√ √ √
Pour information : on a ∆ = 8 > 0 et p1 = 2−2 8 = 1 − 2 et p2 = 1 + 2,
notons que p2 est instable, ce qui justifie la rétroaction.
Les coefficients du polynôme χ(s) donnent la dernière ligne de la matrice A en
forme compagne commandable :
" # " #
0 1 0
Acc = , Bcc = .
1 2 1

4. Trouvons K̃ qui satisfait l’équation suivante :

" #
0 1
AdBF,cc = Acc − Bcc K̃ = .
1 − k̃1 2 − k̃2
Ainsi, on arrive aux deux équations suivantes :

 
−1 = 1 − k̃ k̃ = 2
1 1
⇔ .
−2 = 2 − k̃2 k̃2 = 4
5. L’algorithme de calcul de la matrice de passage nous donne successivement

avec a1 = −2, coefficient du polynôme caractéristique de A :
" # " #
2 2 0
p2 = B et p1 = Ap2 + a1 B = ⇒P= .
−1 −1 1
6. L’inverse de P peut se calculer ainsi (par la comatrice) :

" #> " #
1 1 1 1 1 1 0
P−1 = com(A)> = = .
det P 2 0 2 2 1 2
Et donc : " #
h i1 1 0 h i
K = K̃P−1 = −2 −4 = 3 4 .
2 1 2
ce qui conclut notre exemple.
Remarque : Dans le cas monovariable les gains K sont uniques pour un

système et des pôles désirés donnés.
c) Méthode d’Ackermann ?
Soit un système (Σ) = {A, B, C, D}, commandable, monovariable, on voudrait

que sa fonction de transfert en boucle fermée ait ses N pôles avec des valeurs données
pBF . On ferme la boucle avec un bloc matriciel K (avec le bouclage u = r − Kx)
pour obtenir de tels pôles : comment faire pour calculer ce gain matriciel ?

Théorème 6 (Formule d’Ackermann). Pour tout système (Σ) = {A, B, C, D} com-

mandable, si on note pBF les pôles désirés en boucle fermée, alors le gain matriciel
de rétroaction (unique) K s’exprime comme suit :
h i
K = − 0 0 . . . 1 M−1 c DBF (A),
où :
— Mc est la matrice de commandabilité du système ;
— DBF (A) est le polynôme caractéristique dont les racines sont les pôles désirés
(∀i ∈ [1, N ], DBF (piBF ) = 0) mais appliqué à la matrice A.
Démonstration. Les notes de cours du Pr. Bachelier, annexe C, donnent une bonne
démonstration de cette formule [Bachelier, 2017].
Exemple 8.7 : Le (re)4 tour du système masse-ressort Calculer le gain

matriciel nécessaire pour obtenir des pôles en boucle fermée qui assurent
√ √
ξ = 22 et ω0 = 2 rad/s.
Tout d’abord on sait (voir exemple précédent) que la matrice de commandabilité

vaut : " #
0 1
Mc = .
1 − mb
Son inverse peut être calculé par une méthode de Jordan ou une méthode utilisant les
transposées de comatrices (voir cours d’algèbre linéaire), ainsi on trouve ce dernier
et il vaut : " #
b
1
M−1
c =
m
.
1 0
√
Maintenant, déterminons le polynôme DBF . D’après le cahier des charges ξ = 22 ce
qui veut dire que dans le plan complexe, l’argument des pôles sera égal à θ = π4 en
d’autres termes, cela signifie que leur partie imaginaire sera égale en valeur absolue
à leur partie réelle. Les pôles sont donc donnés par pi = −a ± ja, avec a > 0.
On suppose que leur partie réelle est négative le concepteur n’aurait sans doute
jamais l’idée d’un système instable ( !).

√
La pulsation propre associée au pôle est de 2 radians par seconde, cela signifie
√
que le module (rayon par rapport au point origine dans le plan) est égal à 2. Or,
√ √
on remarque que la seule solution de a2 + a2 = 2 dans R avec a > 0 est a = 1.
On recherche les pôles pi = −1 ± j racines du polynôme :
DBF (x) = (x + 1 − j)(x + 1 + j) = x2 + 2x + 2.
On applique ce dernier à A :
" # " #
k
0 1 −m − mb
DBF (A) = A2 + 2A + 2I2 , avec A = −k
, avec A = bk
2
b2
.
m
− mb m2 m2
−m k
Après un bon calcul, on obtient :

" #" #
b k b
1 − + 2 − + 2
M−1c DBF (A) =
m m
b2
m
1 0 mbk2 − 2k m m2
− 2b
m
−m k
+2
b(− m
k
+2) b(− mb
+2)
" #
2k b2
bk
+ − + − 2b − k
+2
= m 2 m m m 2 m m m
k b
−m + 2 −m + 2
" #
2(b−k) k
m
−m +2
= k
.
−m + 2 − mb + 2
Ce qui donne finalement le gain en boucle fermée suivant d’après le théorème 6 :
h i h i
K = − 0 1 M−1 c D BF (A) = k
m
− 2 b
m
− 2 .
d) Gain de précommande
La dynamique du système est gouvernée par les pôles du système corrigé par la
rétroaction d’état fournit un gain K mais quid des erreurs asymptotiques ? En effet,
faire cette rétroaction n’assure en rien l’annulation des erreurs lorsque t → ∞.
L’adjonction d’un gain H de précommande (avant le comparateur) rend ceci
possible dans certains cas (erreur asymptotique constante). Supposons que l’on ait :
y(∞) − yr (∞) = e∞ ,
dans ces conditions il faut calculer le gain H pour annuler cette erreur. On peut
procéder au calcul direct de cette dernière en faisant tendre t vers l’infini et le point
d’équilibre atteint dans l’espace d’état en régime permanent.

1
H B s C
yr r u ẋ x y
A
Σ
Figure 8.2 – Système asservi par retour d’état et gain de précommande.
Exemple 8.8 : Cas monovariable sans action directe Pour un cas mono-
variable sans action directe de la commande (D = 0) et pour une consigne
constante, calculer le gain de précommande H qui annule l’erreur en ré-
gime permanent.
Tout d’abord, on peut obtenir la fonction de transfert suivante du système en boucle
fermée :
FBF (s) = C(sI − A + BK)−1 BH
On suppose que la commande à poursuivre est une constante yr .
Le théorème de la valeur finale s’applique et donne la contrainte à respecter
suivante (erreur nulle) sous réserve de stabilité du système 1 :
yr
lim y(t) = lim sFBF (s) = yr .
t→∞ s→0 s
On peut réécrire cette contrainte sous la forme FBF (0) = 1, ce qui mène à l’égalité
suivante pour obtenir une erreur en régime permanent constante :
1
H= .
C(−A + BK)−1 B
e) Retour d’état intégral
Pour annuler l’erreur en régime permanent, rajouter un intégrateur dans le com-

pensateur et placer un pôle supplémentaire en boucle fermée peut être une solution
1. Si le concepteur a bien fait son travail les pôles sont à gauche...

convenable. Soit e(t) = yr (t)−y(t) l’erreur de régulation. On peut exprimer l’erreur

intégrale ey comme spécifiée à la figure 8.3.
Z t Z t
ey (t) = ėy dτ = [yr (τ ) − y(τ )]dτ.
τ =0 τ =0
1 1
s Ki B s C
yr ėy ey u ẋ x y
A
Σ
Figure 8.3 – Système asservi par retour d’état et action intégrale.
La commande vaut donc :
u = Ki ey − Kx,
h iT
en faisant ceci, on augmente par conséquent l’état x qui devient xa = x ey ,
et on obtient en rappelant que m est la dimension de y :
         

 d  
x A 0 x B 0
=   +   u +   yr ,

 
 dt ey

−C 0 ey −D Im

 

 h i x
y = C 0   + Du,



ey


ce qui donne le système (Σa ) augmenté suivant :


ẋ = A x + B u
a a a a a
(8.7)
y = Ca xa + Da ua

avec :
" # " # " # " #
u A 0 B 0 h i D
ua = , Aa = , Ba = , Ca = C 0 , Da = .
yr −C 0 −D Im 0
Placer les pôles du système (Σa ) et vérifier les spécifications en régime permanent se
fait de façon analogue à un système (Σ) classique vu précédemment. Nous noterons
toutefois que nous ne pouvons qu’agir sur u, par conséquent, K̃ sera déterminé par
la paire (Aa , B̃a ) avec : " #
B
B̃a =
−D
après une vérification de la commandabilité de ce système, nous pouvons trouver les
gains plaçant les pôles du système augmenté où nous le souhaitons avec un gain K̃.
Par retour d’état nous aurons :
u = −K̃x ⇒ ẋa = (Aa − B̃a K̃)xa ,
et donc en partitionnant les gains :

h i
K̃ = K −Ki ,
avec −Ki qui correspond à l’opposé du gain présent au schéma 8.3, et respectivement
pour K.
II.B Observateurs de Luenberger

a) Structure d’observateur
Dans le cadre de la commande moderne, on se donne la dynamique des états des

systèmes étudiés ainsi que leurs observations (les sorties) via des processus dont les
équations sont connues. Ainsi, si le système est observable, on peut estimer tous
ses états en temps réel à partir de ses sorties et de ses entrées. Par exemple,
dans le cadre de notre système masse-ressort, on peut estimer la vitesse ṗy du point
mobile sans directement l’observer grâce à la matrice dynamique et la mesure du
télémètre.

Cela revient à dire que l’on peut construire un système virtuel, appelé observateur,
à partir du système physique qui permet d’estimer le vecteur d’état x, donnant par
simulation numérique un estimé x̂ de ce dernier. Ceci permettant de faire un bouclage
à retour d’état par la suite avec u = r−Kx̂, l’état x n’étant, a priori pas directement
accessible pour effectuer le bouclage dans tous les systèmes linéaires.
Pour un système physique (Σ) = {A, B, C}, on notera (Ω) = {A0 , B0 , C0 , L} son
observateur d’état. Pour fonctionner (Ω) nécessite les sorties de (Σ) (le vecteur y)
ainsi que ses entrées (le vecteur u) et fournit l’ensemble des vecteurs estimés {x̂, ŷ} en
sortie. La figure 8.4 montre une structure générale d’un système asservi par retour
d’état basé sur une estimation x̂ donnée par un observateur de Luenberger (zone
orange).
1
B s C
r u ẋ x y
A
Σ
L
ê
1
u B0 ˆ s C0
ẋ x̂ ŷ
x̂
A0
Ω
Figure 8.4 – Structure d’un système asservi par un observateur de Luenberger.
b) Compensation à l’aide d’observateurs
Avant de concevoir un observateur de l’état complet, le concepteur doit s’assurer

que le système (Σ) est observable.
En prenant la structure précédemment énoncée on peut compenser un système

physique en prenant {A, B, C} = {A0 , B0 , C0 } ce qui correspond à cloner le système

physique (Σ) et le simuler grâce à l’observateur (Ω).
La dynamique que forme le système complet (Σ ∪ Ω) est définie par les équations
qui suivent, directement fournies par le schéma en figure 8.4 :



 ẋ = Ax + Bu
x̂˙ = (A − LC)x̂ + LCx + Bu


(8.8)


 y = Cy


u = r − Kx̂

Il faut trouver une matrice L qui satisfasse un cahier des charges donné pour l’erreur
d’observation x = x − x̂. La dynamique de cette dernière dans ce cas est donnée par
simple lecture du schéma-blocs et en remarquant que ê = −Cx :
˙x = ẋ − x̂˙ = Ax + Bu − [Bu + Ax̂ + Lê]

= Ax − LCx = [A − LC]x . (8.9)
Les pôles de A − LC donnent la dynamique de l’erreur, L est à choisir en vue

de les placer. Nous rappelons que les pôles sont les valeurs propres des matrices
des systèmes différentiels d’ordre un et qu’il est possible de calculer ces derniers en
utilisant des algorithmes tels que celui d’Ackermann.
Le polynôme caractéristique χ(x) de la matrice dont les racines sont les valeurs
propres (les pôles pi ) vaut :
Y
χ(x) = det(A − LC − Ix) = (x − pi ).
i
Si on se donne des pôles à placer, on peut résoudre le système.
Remarque : Il vaut mieux se placer dans une représentation d’état

équivalente B adéquate (facile à calculer) par exemple la forme compagne
commandable pour trouver LB qui résout l’équation précédente dans la re-
présentation B. Une fois ceci fait, il suffit d’utiliser la matrice de passage PB
et son inverse pour revenir au problème de commande initial.

Sur Matlab on peut utiliser les fonctions place() ou encore acker() pour
effectuer de tels placements de pôles par méthodes numériques.
Pour le gain de bouclage par retour d’état K, il suffit d’appliquer ce qui a été
énoncé en section II.A en supposant avoir accès à x par le biais de l’observateur.
On peut également utiliser les méthodes intégrale et de précommande, l’observateur
n’étant qu’une "astuce" qui fournit l’estimé x̂ de l’état x.
La dynamique totale du système peut s’écrire grâce au vecteur d’état augmenté
h i>
z = x x et peut être mise en équation ainsi :
       

 ẋ A − BK BK x B
ż =  =   +  r



˙ x 0 A − LC x 0


  (8.10)

 h i x
y = C 0  



x


La matrice étant triangulaire supérieure, l’ensemble des pôles du système complet

est l’union des pôles du système physique et de observateur. Il faut donc faire
attention dans le placement des premiers afin de respecter les contraintes physiques
du système.
II.C Un exemple de conception complet sur Matlab commenté

a) Modélisation du système
Supposons que nous voulons asservir le système présenté à la figure 8.5. Il s’agit
d’un pendule inversé opérant autour de sa position d’équilibre verticale stable θ = 0.
On veut contrôler l’angle θ que décrit ce dernier à l’aide d’un moteur fournissant un
couple u.
Soit une masse supposée ponctuelle m, attachée à une tige de masse négligeable
de longueur l décrivant un angle θ avec la verticale, colinéaire au vecteur de pesanteur
de norme g et en ajoutant un coefficient de frottement b, nous obtenons l’équation
différentielle non-linéaire suivante :
mlθ̈ = −gm sin(θ) − bθ̇ + u,

~y
~eθ
~x u
~er l
θ
m
~g −bθ̇~eθ
Figure 8.5 – Illustration du système étudié.
On linéarise cette équation (non-linéaire) autour de sa position d’équilibre stable en

faisant une approximation des petits angles sin(θ) ≈ θ et on obtient :
b g 1
θ̈ = − θ̇ − θ + u,
ml l ml
afin de simplifier, on suppose m = 1 kg, l = 1 m, g = 10 m.s−2 et b = 0.5 N.s.
Numériquement on a :
θ̈ = −0.5θ̇ − 10θ + u, (8.11)
il s’agit là de notre équation dynamique qui vient régir le système.
b) Espace d’état
On 2 choisit le formalisme suivant :

" # 
θ ẋ = Ax + Bu
x= ,
θ̇ y = Cx + du
Notons que nous voulons contrôler l’angle, nécessairement : y = θ.

2. Moi, Justin Cano, en tant que personne qui ne vaut pas mieux que son voisin : une infinité
de représentations existent et sont valides.

Munis de ces informations et de notre choix d’espace d’état. On identifie immé-

diatement les matrices de la forme de Kalman avec (8.11) :
" # " #
0 1 0 h i
A= ,B = C = 1 0 , d = 0. (8.12)
−10 −0.5 1
c) Analyse du système sur Matlab
Tout d’abord remarquons que le système représenté par A, B, C, d en (8.12) est

sous forme compagne commandable. On peut trouver une fonction de transfert en
transformant en Laplace (8.11) ou encore en utilisant la définition de la forme CC
de ce chapitre :
Y (s) 1
H(s) = = 2 ,
U (s) s + 0.5s + 10
nous pouvons introduire ceci dans Matlab :
1 %% F o nc t io n de t r a n s f e r t en L a p l a c e
2 s = tf ( ’s ’) ;
3 % Notre f o n c t i o n de t r a n s f e r t
4 H = 1 /( s ^2+0.5∗ s +10)
5 % Je veux sa r e p r é s e n t a t i o n d ’ é t a t
6 [ A, B, C,D] = t f 2 s s (H. Numerator { 1 } ,H. Denominator {1})
Maintenant voyons si nous ne nous sommes pas trompés :
>> A
A =
-0.5000 -10.0000
1.0000 0
Surprise. Notre A est différent de celui de l’équation (8.12) : pourtant cette repré-
sentation est équivalente à la notre représentation d’état... il y en a une infinité.
Regardons les pôles de A trouvé par Matlab et ACC de l’équation d’état (8.12) :

>> eig(A)
-0.2500 + 3.1524i
-0.2500 - 3.1524i
>> eig([0 1; -10 -0.5])
-0.2500 + 3.1524i
-0.2500 - 3.1524i
les pôles sont les mêmes.
Conclusion de l’analyse en boucle ouverte : Comme nous avons maintenant

trouvé les pôles, nous savons que ce ne sont pas de bonnes valeurs. En effet, l’amor-
tissement de ce système est faible car la partie imaginaire vaut environ douze fois
la partie réelle de ces pôles. On voudrait placer ces derniers à −2 ± 2j. Le système
est stable, les parties réelles sont négatives strictement mais la dynamique est trop
oscillante...
d) Conception d’un retour d’état
On se donne tout x d’abord, bien qu’on ne dispose pas encore de la sortie θ̇ dans
notre système mais seulement de y = θ :
Question : peut-on placer les pôles là ou on veut ? Réponse éclairée par

Matlab :
1 %% P r o p r i é t é s du s y s t ème é t u d i é
2 % Sa m a t r i c e de commandabilit é
3 Mcom = c t r b (A, B)
4
5 >> Mcom =
6
7 1.0000 −0.5000

8 0 1.0000
9 % Est−c e que c e t t e d e r n i è r e e s t de p l e i n rang ?
10 rang_Mcom = rank (Mcom)
11 >> 2
12 % Je remarque que o u i ( l e s y s t ème e s t compl é tement
commandable ) mais j e remarque a u s s i que l e s y s t ème e s t
SISO ( une s e u l e e n t r é e e t une s e u l e s o r t i e , en c a l c u l a n t
l e dé t e r m i n a n t j ’ a u r a i s é galement ma r é ponse ( d e t non nu l )
)
13 det_Mcom = d e t (Mcom)
14 >> 1
la réponse est oui, le système est commandable. Clairement il l’est car on a trouvé
des matrices sous formes compagne commandables pour le représenter en (8.12).
Conceptions concurrentes : On va utiliser la formule d’Ackermann et Place de

Matlab, on verra si les résultats sont les mêmes :
1 %% Conception de s y s t ème de commande :

2 % Maintenant j e v o u d r a i s c o n c e v o i r une f o n c t i o n de t r a n s f e r t
avec des pô l e s p l a c é s en −2 +−2j . Trouvons l e g a i n en
retour d ’ é tat faisant ceci :
3 % Valeurs propres voulues
4 pdes = [−2+ j ,−2− j ]
5 % Polyn ôme ( dé nominateur ) voulu :
6 p o l y = conv ( [ 1 , 2 + 2 j ] , [ 1 , 2 − 2 j ] )
7 % Placement de pô l e
8 K = p l a c e (A, B, pdes )
9 % Fermeture de b o u c l e e t v e r i f i c a t i o n du placement
10 A_cl = A−B∗K;
11 e i g _ c l = e i g ( A_cl )
12 % Formule d ’ Ackermann " maison " ( polyvalm c a l c u l e l e polyn ôme
de m a t r i c e d e s i r é ) on r a p p e l l e l a f o r m u l e K = −[0 1 ] ∗Mcom

^−1∗P_des (A) ( P_des e s t l e polyn ôme dé s i r é mais a p p l i q u é à

A)
13 K_ackermann_maison = −[0 1 ] ∗ (Mcom^−1)∗ polyvalm ( poly ,A)
14 A_cl_maison = A+B∗K_ackermann_maison ;
15 eig_cl_maison = e i g ( A_cl )
L’exécution du code précédent sur Matlab renseigne tout d’abord les pôles désirés et
le polynôme correspondant χdes (s) = (s − [−2 + j])(s − [−2 − j]) = s2 + 4s + 8 :
>> pdes =
-2.0000 + 2.0000i -2.0000 - 2.0000i
poly =
1 4 8
Ensuite on va utiliser la formule de Matlab place, prenant en arguments les

matrices A et B puis également les valeurs propres (aka les pôles) désirés. Le gain
est donné et nous vérifions que le placement est conforme :
>> K =
3.5000 -2.0000
eig_cl =
-2.0000 + 2.0000i
-2.0000 - 2.0000i
le placement a réussi. Avec notre formule d’Ackermann du théorème 6, en utilisant

la fonction polyvalm de Matlab (qui calcule un polynôme matriciel) nous arrivons
également au même résultat :
>> K_ackermann_maison =
-3.5000 2.0000

eig_cl_maison =
-2.0000 + 2.0000i
-2.0000 - 2.0000i
Notons que les gains dans un cas monovariable pour placer les pôles sont uniques ce
qui n’est pas du tout le cas pour un système multivariable.
Réponses temporelles du système : On utilise la fonction step de Matlab et on

obtient : On remarque la logique superposition des deux conceptions que nous avons
Figure 8.6 – Réponse à l’échelon unitaire du pendule par retour d’état ou non.
effectuée sur la figure 8.6, cependant, la référence ici était unitaire... on obtient une
réponse dynamiquement sympathique (on a supprimé les oscillations) mais hideuse
en régime permanent (le régime est établi à 18 alors que nous poursuivons un échelon
unitaire !).
Pour avoir une poursuite sans erreur en ne modifiant pas l’espace d’état,
il faudrait calculer un gain de précommande. Dans ce cas (faites le calcul)
il vaudrait 8.

e) Conception d’un observateur
Nous le savons, concevoir un contrôleur par retour d’état sans placer des capteurs
sur tous les états ne peut se faire. Par contre, il est possible d’estimer, sous l’hypothèse
d’observabilité les états si on est en possession de leur dynamique. Ici nous voudrions
connaître θ̇ mais le seul capteur est sur la position de l’angle... Comment faire ?
Vérification de l’observabilité du système : Il faut d’abord démontrer que

cela est faisable :
1 rank_Mobs = rank ( obsv (A,C) )
La fonction obsv nous renvoie la matrice Mo et son rang indiqué par le logiciel est
rang(Mo ) = 2 = n ce qui signifie que la matrice est de plein rang le système est
donc observable.
Conception de l’observateur : Ici nous allons placer les pôles de ce dernier

à cinq fois celui du système après bouclage avec le gain K c’est-à-dire à p1,2 =
10 ± 10j. Le placement des pôles de l’observateur, n’est pas régi par A et B mais A>
et C> (dualité observabilité-commandabilité, qui nous permet d’utiliser les mêmes
algorithmes que pour une paire {A, B} classique), on va utiliser les deux matrices
pour trouver le gain L> . Il ne faut pas oublier de le transposer Voyons la procédure
sur Matlab :
1 % On veut des pô l e s 5 f o i s p l u s r a p i d e s pour g a r a n t i r un
estim é
2 L = p l a c e (A’ , C’ , pdes ∗ 5 ) ;
3 L = L ’ % T r a n s p o s i t i o n c a r p l a c e nous donne un g a i n l i g n e
4 % M a t r i c e de dynamique en b o u c l e ferm é e de l ’ o b s e r v a t e u r
5 Acl_obs = A−L∗C;
6 % Vé r i f i c a t i o n du placement
7 e i g ( Acl_obs )
Ce qui nous donne en sortie :
>> L =

180.2500
19.5000
ans =
-10.0000 +10.0000i
-10.0000 -10.0000i
Les pôles sont bien placés malgré des gains élevés. Il va de soi que les gains de
l’observateur vont régir sa dynamique d’erreur qui n’est pas une variable physique.
Cependant, si les gains sont trop agressifs lors de la rétroaction u = −Kx̂ cela peut
engendrer des problèmes au niveau de la commande d’un système réel comme par
exemple des saturations.
Pour tester la dynamique d’erreur de l’observateur, nous prenons la décision de
rajouter une erreur d’estimation initiale x̂0 = [2 0]> le système possède des conditions
initiales nulles rappelons-le (Heaviside). Nous utilisons le banc de tests visible à la
figure 8.9.
1 0.5
0.8
0
0.6
-0.5
0.4
-1
0.2
-1.5
0
-0.2 -2
0 0.5 1 1.5 0 0.5 1 1.5
Figure 8.7 – Résultat de l’implémentation de l’observateur.
Le résultat en estimation est bon comme nous le montre la figure 8.7, l’erreur
d’estimation de l’état semble être absorbée au bout d’une demi-seconde. Cependant,
l’erreur en régime permanent n’a aucune chance d’être réduite sans gain de pré-
commande. L’astuce que nous allons déployer est simple : nous allons rajouter une
composante intégrale à note commande pour que notre asservissement soit efficace.

f) Retour d’état reconstruit par observateur et action intégrale
La solution est ici d’augmenter l’état en mettant une composante intégrale :

comme pour les systèmes à fonction de transfert du chapitre 4, l’adjonction d’une
composante intégrale supprime les erreurs en régime permanent du système pour une
poursuite de référence constante.
On pose donc ei = θd (σ) − θ(σ)dσ avec le signal de référence, ou angle désiré
R
θd := r et θ := y la sortie du système. L’implémentation d’un tel système est visible

à la figure 8.9.
Rappelons-nous des formules de la sous-section B.e) pour les matrices augmen-
tées : " # " #
A 0 B
Aa = , B̃a = ,
−C 0 −D
nous allons donc placer les pôles de notre système augmenté qui supposera x = x̂
(on néglige la dynamique de l’observateur). Nous aurons donc le script de conception
qui suit, pour un placement du triplet 3 de pôles alignés 2 + 2j, 2 − 2j, −2 désiré :
1 %% Conception d ’ une commande i n t é g r a l e

2 Aa = [A z e r o s ( 2 , 1 ) ; −C 0 ]
3 Ba_tilde = [ B ; 0 ]
4 % Maintenant j e v o u d r a i s c o n c e v o i r une f o n c t i o n de t r a n s f e r t
avec des pô l e s p l a c é s en −2 +−2j e t −2 ( approche a l i g n é e )
. Trouvons l e g a i n en r e t o u r d ’ é t a t faisant ceci :
5 % Valeurs propres voulues
6 pdes = [−2,−2−2 j ,−2+2 j ]
7 K_tilde = p l a c e (Aa , Ba_tilde , pdes )
8 e i g (Aa−Ba_tilde ∗Ka)
9 K = K_tilde ( 1 , 1 : 2 )
10 Ki = −K_tilde ( 1 , 3 ) % Ne pas o u b l i e r l e moins i c i !
Ce qui nous donne les gains et les pôles suivants :
3. L’augmentation de l’état a actualisé n ← n + 1 et donc le système dispose d’un pôle supplé-

mentaire.

K_tilde =
5.5000 6.0000 -16.0000
poles_bf =
-2.0000 + 2.0000i
-2.0000 - 2.0000i
-2.0000 + 0.0000i
les pôles sont bien ce que nous voulions. Et les gains des blocs du schéma 8.3 sont
dans notre cas :
h i
K = 5.5 6 , Ki = 16,
on implémente ces derniers et on procède au test sur Simulink. La dynamique de
1.2 0.5
1
0
0.8
-0.5
0.6
0.4
-1
0.2
-1.5
0
-0.2 -2
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
Figure 8.8 – Résultat de l’implémentation de l’observateur avec retour d’état inté-

gral.
l’observateur est peu ou prou touchée par notre modification au niveau du contrôleur.
L’erreur semble converger avec la même rapidité ce qui est normal puisque l’observa-
teur agit sur la dynamique du système physique (retour d’état estimé) mais en aucun
cas sur l’erreur (voir équation (8.10)). En revanche, ce que nous constatons mainte-
nant est l’absence d’erreur en régime permanent, ce qui est l’effet escompté de
l’adjonction de l’action intégrale.

Système
J. Cano
Chapitre 8
Suivi de référence
Système
erreur d'estimation
Controleur
Observateur
Observateur
Contrôleur
Page 213 sur 214

Automatique des systèmes linéaires
Figure 8.9 – Implémentation du contrôleur de l’observateur et du système sur Simulink.

Les plus téméraires d’entre nous voient un creux au début de la réponse indicielle
de la sortie du système. Elle est due à l’erreur d’estimation. Sa dynamique est cinq
fois plus rapide que celle du système (pôles placés) d’où la différence de facteur
d’échelle temporel. Négliger la propagation de l’erreur en supposant x̂ = x dans
notre conception doit impliquer une différence conséquence de constantes de temps.
Si un système "se trompe" dans l’état qu’il est supposé suivre, cela peut être fatal
pour ce dernier.
Notons que la convergence des estimés x̂ → x est intrinsèquement liée

à la stabilité des pôles de l’observateur, à savoir les valeurs propres de
A − LC.

Bibliographie
[Bachelier, 2017] Bachelier, O. (2017). Représentations d’état linéaires des systèmes

monovariables. Lias Lab, Poitiers.
https://www.lias-lab.fr/perso/olivierbachelier/reserve_docs/
coursMEE2.pdf.
[Dorf and Bishop, 2010] Dorf, R. and Bishop, R. (2010). Modern Control System.
Pearson.
[Kilidjian, 2015] Kilidjian, A. (2015). Automatique des systèmes linéaires, notes de
cours, École centrale de marseille.
[Laroche, 2008] Laroche, E. (2008). Méthode de Strejc.
http://eavr.u-strasbg.fr/~laroche/student/MasterIT-ComMach/
ComMach1/node36.html#Rep3.
[Malhamé, 2016] Malhamé, R. (2016). Asservissements, note de cours, ELE3201,
Polytechnique Montréal.
[Meiss, 2007] Meiss, J. D. (2007). Differential Dynamical Systems. Society for In-
dustrial and Applied Mathematics.
[Papanicola, 2019] Papanicola, R. (2019). Toolbox pour abaque de Black-Nichols.
https://sciences-indus-cpge.papanicola.info/
Abaque-de-Black-Nichols.
a
[Wikipédia, 2019] Wikipédia (2019). Distribution (mathématiques).

https://fr.wikipedia.org/w/index.php?title=Distribution_(math%C3%
A9matiques)&oldid=161840046. Page Version ID : 161840046.
[Wikipédia, 2019] Wikipédia (2019). Développement limité.
https://fr.wikipedia.org/w/index.php?title=D%C3%A9veloppement_
limit%C3%A9&oldid=160304072. Page Version ID : 160304072.
[Ziegler and Nichols, 1942] Ziegler, J. G. and Nichols, N. B. (1942). Optimum Set-
tings for Automatic Controllers. Journal of Dynamic Systems, Measurement, and
Control, 115(2B) :220.
J. Cano Bibliographie
A
À propos du document
À quoi sert ce document ? Qui est l’auteur ? Comment a t-il évolué ? Réponses
ci-dessous...
I Mot de l’auteur
Je suis donc Justin, doctorant en cotutelle entre Polytechnique Montréal et l’ISAE
Supaéro en France. Il y a fort longtemps, au siècle précédent 1 , en 2000, j’ai attrapé
le virus de l’électronique et j’ai voulu construire un robot. Bien plus tard, après deux
«reposantes» années de prépa en France, j’ai intégré l’école Centrale de Marseille
au sein de laquelle j’ai vraiment construit un robot. Voulant effectuer une mobilité,
j’ai eu la chance de partir au Québec, à Poly, où j’ai effectué un double diplôme ; le
thème du mémoire : conception d’un système de navigation, pour robot. Aujourd’hui,
respectivement ingénieur et «maître», j’ai décidé d’effectuer une thèse, le sujet : le
déploiement des essaims... de robots.
Les notes que vous lisez à l’instant sont un cours d’automatique. Soyez rassurés,
les robots ont besoin de cette science pour vivre, si je puis dire. Pour leur rédaction,
j’exprime tout d’abord ma plus profonde gratitude au professeur Roland Malhamé
et à mon ami Samuel Muhindo pour leur collaboration. Il s’agissait, à l’origine, d’un
1. Oui, les siècles c’est un peu comme Matlab, cela commence par l’année 1 et non 0.
i
Annexes – Chapitre Automatique des systèmes linéaires
projet personnel visant à produire un document long en LATEX pour m’entraîner à

écrire mon mémoire. Toutefois, j’ai été encouragé par des amis et des collègues à le
développer, le document a pris de l’ampleur et c’est une bonne chose : merci à vous !
Sinon, que dire de plus si ce n’est que l’automatique est une science indissociable
de l’électronique ? Oui, car au moindre capteur supposé réguler un phénomène, il faut
faire appel à elle. Presque tous les systèmes électroniques ont intégré ses notions et
même des systèmes qui ne semblent pas de prime abord en avoir besoin, par exemple,
les marchés financiers pour l’aide à la décision...
Dans ces notes, nous abordons la conception de correcteurs visant à asservir des
systèmes à des performances voulues en termes de rapidité, de précision et de ro-
bustesse. Nous nous intéresserons aux systèmes linéaires, invariants et monovariables
majoritairement dans ces notes.
Les méthodes de conception d’asservissements pour des systèmes monovariables
linéaires à coefficients constants sont matures et populaires dans la littérature. Tou-
tefois, ces approches ne sont plus développées significativement depuis les années 60
et la conception des programmes spatiaux dont les paramètres sont dépendants du
temps.
Nonobstant, ces méthodes demeurent la base de la matière et suffisent bien sou-
vent à répondre à des problématiques industrielles tant leur facilité de mise en œuvre
est aisée. Et ce pour des résultats convenables...
En espérant que la lecture vous a été profitable,

Justin CANO
Remarque : Toute remarque visant à faire évoluer ce document est bien
évidemment souhaitable, n’hésitez pas à me communiquer vos suggestions !
J. Cano Annexes – ii
II Versions du document, errata & améliorations

Si vous notez une erreur ou avez une question : Merci de me contacter par
mail à l’adresse suivante justin.cano[at]centraliens-marseille.fr.
Historique des versions : Un grand merci à ceux qui m’ont aidé dans la réalisa-
tion de ce mémo ( EDIT2020 : originellement, ce sont de vraies notes maintenant !).
v0.1 Préversion-2017.1 : Rédaction de l’ouvrage dans sa forme originelle (EDLC,
Laplace), donnée à des élèves en diffusion limitée.
v0.2 Préversion-2018.1 : Préversion pour l’École Centrale de Marseille, chapitres
fréquentiels et espace d’états manquants.
Corrections mineures :
♦ 18 janv 2018 Merci à Quentin Amerigo (ECM) pour avoir trouvé une
méchante faute de frappe. Quelques autres bévues ont été corrigées
♦ 22 janv 2018 Merci à Valentin Boisard (ECM) pour m’avoir corrigé des
fautes d’orthographe et une formulation ambiguë. J’ai rajouté un exemple
de calcul pour le critère de Routh afin de me faire pardonner...
v0.3 Version 2019.1 : Rédaction de la partie fréquentielle.
— Un grand merci à Arnaud Venet (ECM/Poly) pour avoir TOUT relu, il
y avait du travail. Je m’excuse encore pour mes notations physiciennes
auprès de lui mais Merci := ∞. Ses conseils furent très précieux, nos
élèves auront la chance de l’avoir comme répétiteur et sauront enfin que
π := 3 ;).
— Merci également à Morgane Garreau (ECM/DTU) pour sa relecture fu-
ture.
v1.0 Version 2019.2 La première version ! Rédaction de la partie état et fin de la
fréquentielle.
— Merci encore à Arnaud Venet (ECM/Poly), Catherine Massé (Poly/Mc-
Gill) et Tien Nguyen (Poly) pour leurs retours précieux.
Corrections mineures :
J. Cano Annexes – iii

♦ 9 septembre 2019 Fautes mineures détectées, aucun blessé, mais des

erreurs de signes, une erreur de normalisation et de la ponctuation
inconsistante sont à déplorer.
♦ 1 novembre 2019 Fautes de frappes sur la partie commande moderne
corrigées.
v1.1 Version 2019.3 Corrections mineures apportées à l’ensemble du document, qui
regorge encore de petites erreurs. Mise au point d’un exemple complet sur
Matlab au chapitre d’introduction sur la commande moderne.
♦ Décembre 2019 : corrections mineures, merci à Arnaud Venet pour le
coup de main. Adjonction de matières mathématiques dans l’annexe B,
clarification de certains exemples, corrections de fautes de frappes et de
fotes d’ortogaffes...
v2.0 Version 2020.1 : Relecture profonde et rajout d’exemples/démonstrations. Chasse
aux cartouches oranges (todolists). La mise en page a aussi un peu varié, cer-
tains détails m’irritaient... Une refonte de certains chapitres a eu lieu. La version
est effectuée dans le but d’assurer le cours Asservissements de Polytechnique
Montréal. Grande refonte des chapitres, scindage en trois parties, relooking
de toutes les en-têtes chapitres, section, sous-sections. Passage du format A4
au format Lettre 2 ajout de deux chapitres (identification et algèbre des
schémas-blocs en annexe). Vous l’aurez compris : un grand remaniement et
donc propice aux erreurs. Merci de m’en aviser.
Un grand merci à Roland Malhamé et Samuel Muhindo pour leur précieuse
collaboration.
Un merci tout particulier à Marie Thérèse Nicolas qui du haut de ses (48)>
printemps sait toujours traquer impitoyablement mes nombreuses coquilles.
C’est-à-dire que relire près de deux cents pages de signes cabalistiques avec
une formation littéraire n’est effectivement pas de tout repos ! Merci :-).
♦ Octobre 2020 : Correction mineures.
— Merci à Thanina Haddad (Poly) pour m’avoir appris que 2s + 3 =
0 6⇒ s = −2/3 mais son inverse.
2. Le premier auteur ayant le mauvais goût d’être européen.
J. Cano Annexes – iv
— Merci à Joseph Maheshe, Ghali Harti et Cyrille Tabe (Poly) pour

avoir trouvé une coquille dans un tracé de Bode asymptotique et une
immense bévue dans le tracé du Nyquist avec intégrateur.
♦ Juin 2021 : correction mineure sur le tableau de Routh. La formule donnée
était erronée (décalage d’indice).
♦ Août 2021 : corrections sur la partie CARP, quelques coquilles étaient
présentes. Merci à Kaywan Sanjari pour m’avoir fait remonter cette info !
J. Cano Annexes – v
B
Éléments d’algèbre des
schémas-blocs
I Opérations élémentaires
I.A Blocs et opérandes

Un bloc est défini par le triplet signal d’entrée U (t), signal de sortie Y (s) et
(s)
fonction de transfert F (s) = YU (s) . Comme suit :
U (s) F (s) Y (s)
Les sommateurs et soustracteurs sont définis comme suit :
U2 (s) +
U3 (s) Y2 (s) = U3 (s) − U4 (s)
+ –
U1 (s) Y1 (s) = U1 (s) + U2 (s)
+ U4 (s)
notons que nous ferons souvent abstraction des signes + pour les sommateurs (à
défaut de marquage ce sont des sommes).
vi
Remarque : Suivant la littérature, les sommateurs se notent parfois

avec le symbole qui suit : . Les soustracteurs peuvent utiliser le même
symbole précisant le signe «−» sur l’entrée ou les entrées soustractrices.
Alternativement, on peut voir le signe «−» remplacé ou adjoint d’une partie
du symbole noircie : .
I.B Blocs en parallèle

Soient deux fonctions de transfert sommées en parallèle. En introduisant en rouge
des signaux intermédiaires pour mieux illustrer, on trouve :
F1 (s)
x1 (s)
U (s)
+
F2 (s) x2 (s) Y (s) = (F1 (s) + F2 (s))U (s)
+
Y (s)
ce qui équivaut strictement à un unique bloc H(s) = U (s)
de valeur :
U (s) H(s) = F1 (s) + F2 (s) Y (s)
I.C Blocs en série

Dans le cadre de blocs en série, nous avons :
U (s) F1 (s) x(s) F2 (s) Y (s)
ce qui nous donne les équations suivantes :


x(s) = F (s)U (s)
1
⇒ Y (s) = F1 (s)F2 (s)U (s)
Y (s) = F2 (s)x(s)
Y (s)
donc les blocs équivalent à un bloc unique H(s) = U (s)
de valeur :
U (s) H(s) = F1 (s) × F2 (s) Y (s)
J. Cano Annexes – vii

II Boucles
Soit le système bouclé suivant :
+
U (s) x1 (s) A(s) Y (s)
–
x2 (s) B(s)
Nous avons en lisant le schéma les équations qui suivent :
Y (s) = A(s)x1 (s) (a)

x2 (s) = B(s)Y (s) (b)
x1 (s) = −x2 (s) + U (s) (b0 )
Nous en déduisons la fonction de transfert en boucle fermée
(b) ⊕ (b0 ) ⇒ x1 (s) = −B(s)Y (s) + U (s) (c)

(c) ⊕ (a) ⇒ Y (s) = −A(s)B(s)Y (s) + A(s)U (s) (d)
(d) ⇔ (1 + A(s)B(s))Y (s) = A(s)U (s)
Y (s) A(s)
⇔ H(s) := = .
U (s) 1 + A(s)B(s)
On a donc le schéma-bloc équivalent qui suit :
A(s)
U (s) H(s) = 1+A(s)B(s) Y (s)
De même pour le sommateur qui suit :

x2 (s) B(s)
+
U (t) x1 (s) A(s) Y (s)
+
J. Cano Annexes – viii

On a le schéma équivalent suivant :
A(s)
U (s) H(s) = 1−A(s)B(s) Y (s)
en effet, on a dans ce cas un changement de signe dans l’équation de départ (b0 ) qui
viendra introduire le signe moins :
x1 (s) = +x2 (s) + U (s) (b0 ).
III Un exemple résolu de réduction de schéma-blocs

On souhaite réduire le schéma-blocs suivant :
+ 1 1 1
U (s) 10 s s s
Y (s)
–
4
Tout d’abord on réduit la boucle de rétroaction la plus imbriquée :
+ 1
1 1
U (s) 10 s
1+4× 1s s s
Y (s)
–
Puis, en appliquant la règle de mise en série des blocs, on obtient la fonction de

transfert intermédiaire suivante :
1
s 1 1
H1 (s) := = 2 1 .
1+4× s s + 4s
s
J. Cano Annexes – ix
+ 1 1
U (s) 10 s2 +4s s
Y (s)
–
4
Ensuite, on réduit la deuxième boucle interne :
+ 1
s2 +4s 1
U (s) 10 1+4 2 1 s
Y (s)
– s +4s
Remarquons à présent que :

1
s2 +4s 1 1
H2 (s) := 1 × = 3 ,
1 + 4 s2 +4s s s + 4s2 + 4s
ainsi on a comme schéma équivalent le schéma à boucle de rétroaction unitaire sui-

vant :
+ 1
U (s) 10 s3 +4s2 +4s Y (s)
–
Et ainsi on réduit la boucle unitaire en posant :

1
H2 (s) 3 2 1
H3 := = s +4s +4s1 = 3 ,
1 + 1 × H2 (s) 1 + s3 +4s2 +4s s + 4s2 + 4s + 1
ce qui donne :
1
U (s) 10 s3 +4s2 +4s+1 Y (s)
Finalement on obtient le schéma bloc équivalent suivant après mise en série de

l’ultime bloc :
10
U (s) s3 +4s2 +4s+1 Y (s)
J. Cano Annexes – x

Automatique Jcano

Transféré par

Droits d'auteur :

Formats disponibles

Automatique Jcano

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Automatique Jcano

Transféré par

Droits d'auteur :

Formats disponibles

Notes de cours

Automatique des systèmes linéaires

Voir le texte intégral de la licence.

2 Quelques rappels d’analyse ? 10

3 Notations mathématiques utilisées en algèbre ? 28

II Analyse des systèmes asservis 39

J. Cano Table des matières – β

II.B Stabilité des systèmes linéaires . . . . . . . . . . . . . . . . . . 55

5 Quelques notes sur l’identification des systèmes ? 77

III Conception des systèmes asservis 95

6 Conception directe dans le plan de Laplace 96

J. Cano Table des matières – γ

III.A Compensateur Proportionnel-Intégral . . . . . . . . . . . . . . 109

7 Commande fréquentielle 123

8 Introduction à la commande moderne 179

J. Cano Table des matières – δ

II.C Un exemple de conception complet sur Matlab commenté . . . 202

B Éléments d’algèbre des schémas-blocs vi

J. Cano Table des matières – ε

1.1 Représentation typique du problème d’asservissements. . . . . . . . . 4

2.1 Plan complexe, partie réelle, imaginaire, argument et module. . . . . 12

4.1 Représentation de la fonction de Dirac. . . . . . . . . . . . . . . . . . 47

4.7 Schéma-blocs du rejet de perturbation. . . . . . . . . . . . . . . . . . 67

5.1 Identification graphique d’un système de premier ordre . . . . . . . . 79

6.1 Région de stabilité du plan S. . . . . . . . . . . . . . . . . . . . . . . 97

J. Cano Table des matières – η

7.1 Diagrammes de Bode approchés et analytiques en amplitude pour un

J. Cano Table des matières – θ

7.29 Diagrammes de Bode d’un CARP. . . . . . . . . . . . . . . . . . . . . 171

8.1 Système physique et retour d’état. . . . . . . . . . . . . . . . . . . . . 191

J. Cano Table des matières – ι

4.1 Table des transformées usuelles de Laplace . . . . . . . . . . . . . . . 49

5.1 Valeurs tabulées pour la méthode de Strejc. . . . . . . . . . . . . . . 84

7.1 Table des gains de la méthode de Ziegler-Nichols . . . . . . . . . . . . 175

BIBO Bounded Input Bounded Output. 24, 25, 56, 97

CAAP Compensateur à Avance de Phase. 163, 166, 168, 170

LTI Linear Time Invariant.. 6, 7

NMSE Erreur Quadratique Moyenne Normalisée, Normalized Mean Square Error .

J. Cano Page 2 sur 214

III Définir un problème de commande

? Données : Soit un système physique existant F, le système physique ayant un

III.A Pourquoi faire de la correction ?

III.B Modéliser le problème

J. Cano Page 3 sur 214

Remarque : Les termes asservissement, contrôle ou bien automatique

Figure 1.1 – Représentation typique du problème d’asservissements.

Nous pouvons considérer le formalisme des schémas-blocs pour les problèmes

— Tout d’abord le système physique (aux performances non suffisantes au regard

J. Cano Page 4 sur 214

— Un comparateur, faisant la différence suivante (t) = r(t) − ycapteur (t). Il est

Remarque : Les cas de systèmes multivariables, bien que non traités en

III.C Un système physique

Contrôler un système implique sa connaissance. Modéliser le système

Où u(t) est l’entrée du système et y(t) la sortie.

3. Une sortie et une entrée dans tout le système.

J. Cano Page 5 sur 214

Exemple 1.1 : Contrôle d’altitude Soit un repère spatial (0, x, y, z) Soit

Un système Single Input Single Output (SISO) est un système monova-

— Un comparateur, faisant la différence suivante (t) = r(t) − ycapteur (t). Il est