ENSEM Casablanca

Département Génie Electrique

Commande Avancée et Projet

Commande des Systèmes Dynamiques Non Linéaire

Pr. A. ABOULOIFA

1
1. Définitions

• Systèmes linéaires et systèmes non linéaires

Un système est dit linéaire s’il est à la fois additif et homogène. Il obéit au principe de superposition.
Un système qui n’est pas linéaire est dit non linéaire (non additif ou non homogène).
Lors de l’étude des systèmes non linéaires on se heurte à plusieurs difficultés :
o L’analyse par des fonctions de transfert est impossible;

o La notion des pôles disparaît ;

o Un système non linéaire possède en général plusieurs points d’équilibre ;

o L’étude de la stabilité des points d’équilibre est plus complexe que dans le cas linéaire pour
le quel le concept de stabilité est global.

2
1. Définitions
• Représentation des systèmes linéaires

Un système linéaire peut être représenté par le modèle d’état suivant:

𝑥ሶ = 𝐴𝑥 + 𝐵𝑢
ቊ
𝑦 = 𝐶𝑥 + 𝐷𝑢

où 𝑥, 𝑢 et 𝑦 représentants respectivement les vecteurs d’état, de commande et de sortie du

système, tel que: 𝑛 ∈ ℝ𝑛 , 𝑢 ∈ ℝ𝑚 , 𝑦 ∈ ℝ𝑝 ; 𝐴, 𝐵, 𝐶 et 𝐷 sont des matrices de dimensions 𝑛 × 𝑛, 𝑛 × 𝑚,
𝑝 × 𝑛 et 𝑝 × 𝑚 respectivement.

3
1. Définitions
• Représentation des systèmes non linéaires

La représentation générale d’un système non linéaire est de la forme:

𝑥(𝑡)
ሶ = 𝑓(𝑥 𝑡 , 𝑢 𝑡 , 𝑡)
ቊ
𝑦(𝑡) = ℎ(𝑥 𝑡 , 𝑢 𝑡 , 𝑡)

où 𝑥, 𝑢 et 𝑦 représentants respectivement les vecteurs d’état, de commande et de sortie du

système, tel que: 𝑥 ∈ ℝ𝑛 , 𝑢 ∈ ℝ𝑚 , 𝑦 ∈ ℝ𝑝 . 𝑓(. ) et ℎ(. ) sont des fonctions non linéaires.
. Système autonome

un système non linéaire est dit autonome si la fonction 𝑓(. ) ne dépend pas explicitement du temps,
c’est-à-dire le système peut être écrit sous la forme :

𝑥(𝑡)
ሶ = 𝑓(𝑥 𝑡 , 𝑢 𝑡 )
ቊ
𝑦(𝑡) = ℎ(𝑥 𝑡 , 𝑢 𝑡 )
4
1. Définitions

• Transformation d’un système non autonome en système autonome

Soit le système non autonome
𝑥ሶ = 𝑓 𝑥(𝑡), 𝑡
Il est toujours possible de se transformer un système non autonome en un système autonome.
Pour ceci introduisons la variable supplémentaire suivante :
𝑥𝑛+1 = t
Le système devient alors:
𝑥ሶ 𝑓 𝑥, 𝑡
=
𝑥ሶ 𝑛+1 1
de type
𝑥ሶ 𝑚 = 𝑓𝑚 𝑥(𝑡), 𝑡
𝑥 𝑓 𝑥, 𝑡
où 𝑥𝑚 = 𝑥 et 𝑓𝑚 𝑥(𝑡), 𝑡 =
𝑛+1 1

5
1. Définitions
• Points d’équilibre
Le point 𝑥𝑒 (𝑡) ∈ ℝ𝑛 est dit point d’équilibre du système non linéaire non forcé :

0 = 𝑓 𝑥𝑒 𝑡 , 𝑡 ∀𝑡 ≥0

• Exemple des systèmes non linéaires

le principe fondamental de la dynamique donne:

𝑢 𝑡 − 𝑚𝑔. 𝑠𝑖𝑛𝜃 𝑡 = 𝑚𝐿2 𝜃ሷ 𝑡

𝑥ሶ 1 𝑥2
𝑑
= − 𝑔 𝑠𝑖𝑛 𝑥 + 1 𝑢(𝑡)
𝑑𝑡 𝑥ሶ 2 𝐿 1 𝑚𝐿2

𝑦 = 𝑥1
6
2. Linéarisation d’un système
• Linéarisation autour du point d'équilibre

Exemple
𝑔
La linéarisation de : 𝜃ሷ 𝑡 = 𝐿 sin 𝜃 𝑡
autour de l'équilibre 𝜃 ∗ = 𝑛𝜋 est donnée par:
𝑔
𝜃ሷ 𝑡 = 𝐿 sin 𝑛𝜋 + 𝜃෨ 𝑡 ≈ −1 𝑛 𝜃෨ 𝑡

7
2. Linéarisation d’un système

• Linéarisation autour d'une trajectoire

Idée :
• Effectuer un développement en série de Taylor autour d'une solution connue 𝑥 ∗ 𝑡 , 𝑢 ∗ 𝑡
• Conservez les termes linéaires, car ils domineront localement les termes d'ordre supérieur.

𝑑𝑥 ∗ (𝑡)
Soit 𝑥∗ 𝑡 , 𝑢∗ 𝑡 une solution connue, alors 𝑑𝑡
= 𝑓(𝑥 ∗ (𝑡), 𝑢∗ (𝑡))
Comment se comportera un petit écart {𝑥, ෤ par rapport à cette solution ?
෤ 𝑢}

𝑑 𝑥 ∗ 𝑡 +𝑥(𝑡)
෤
= 𝑓(𝑥 ∗ 𝑡 + 𝑥(𝑡),
෤ 𝑢∗ 𝑡 + 𝑢)
෤
𝑑𝑡

8
2. Linéarisation d’un système

• Exercice de 2 minutes
Linéariser 𝑥ሷ + 𝑥ሶ 3 − 𝑥ሶ 2 − 𝑥 = 𝑢
autour de la solution donnée par 𝑥 ∗ 𝑡 = 𝑒 𝑡 , 𝑢∗ 𝑡 = 𝑒 3𝑡 − 𝑒 2𝑡
______________________________
• Vérifier que (𝑥 ∗ 𝑡 , 𝑢∗ 𝑡 ) est une solution.
𝑥ሷ ∗ + 𝑥ሶ ∗ 3 − 𝑥ሶ ∗ 2 − 𝑥 ∗ = 𝑢∗
𝑒 𝑡 + (𝑒 𝑡 )3 − (𝑒 𝑡 )2 − 𝑒 𝑡 = 𝑢 ∗
• Posons
𝑥 𝑡 = 𝑒 𝑡 + 𝑥෤ 𝑡 ; 𝑥ሶ 𝑡 = 𝑒 𝑡 + 𝑥෤ሶ 𝑡 ; 𝑥ሷ 𝑡 = 𝑒 𝑡 + 𝑥෤ሷ 𝑡
𝑢 𝑡 = 𝑒 3𝑡 − 𝑒 2𝑡 + 𝑢෤ 𝑡 ;

et insérer dans l'équation 𝑥ሷ + 𝑥ሶ 3 − 𝑥ሶ 2 − 𝑥 = 𝑢

9
2. Linéarisation d’un système
• On obtient
3 2
𝑒 𝑡 + 𝑥෤ሷ + 𝑒 𝑡 + 𝑥෤ሶ − 𝑒 𝑡 + 𝑥෤ሶ − 𝑒 𝑡 + 𝑥෤ = 𝑒 3𝑡 − 𝑒 2𝑡 + 𝑢෤ 𝑡

• Qui se met sous la forme:

𝑒 𝑡 + 𝑥෤ሷ + 𝑒 3𝑡 + 3𝑒 2𝑡 𝑥෤ሶ + 3𝑒 𝑡 𝑥෤ሶ 2 + 𝑥෤ሶ 3 − 𝑒 2𝑡 − 2𝑒 𝑡 𝑥෤ሶ − 𝑥෤ሶ 2 − 𝑒 𝑡 − 𝑥=

෤ 𝑒 3𝑡 − 𝑒 2𝑡 + 𝑢෤ 𝑡

• Les termes en bleu correspondent à la solution nominale et les termes en rouge peuvent être
négligés. On obtient alors :

𝑥෤ሷ + 3𝑒 2𝑡 − 2𝑒 𝑡 𝑥෤ሶ − 𝑥=
෤ 𝑢෤ 𝑡

10
2. Linéarisation d’un système

• Linéarisation, forme explicite

Considérons 𝑥(𝑡)
ሶ = 𝑓(𝑥(𝑡), 𝑢(𝑡))
et supposons 𝑥 ∗ሶ 𝑡 = 𝑓 𝑥 ∗ 𝑡 , 𝑢∗ 𝑡 =0
La linéarisation autour de (𝑥 ∗ (𝑡), 𝑢∗ (𝑡)) est:
𝑑
𝑥 𝑡 − 𝑥 ∗ (𝑡) = 𝐴 𝑡 𝑥 𝑡 − 𝑥 ∗ (𝑡) + 𝐵(𝑡) 𝑢 𝑡 − 𝑢 ∗ (𝑡)
𝑑𝑡
où
𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
⋯ ⋯
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 𝜕𝑢1 𝜕𝑢2 𝜕𝑢𝑚
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝜕𝑓 ⋯ 𝜕𝑓 ⋯
𝐴 𝑡 = 𝜕𝑥ቚ = 𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 ; B 𝑡 = 𝜕𝑢ቚ = 𝜕𝑢1 𝜕𝑢2 𝜕𝑢𝑚
(𝑥 ∗ ,𝑢∗ ) (𝑥 ∗ ,𝑢∗ )
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛
⋯ ⋯
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 (𝑥 ∗ ,𝑢∗ ) 𝜕𝑢1 𝜕𝑢2 𝜕𝑢𝑚 (𝑥 ∗ ,𝑢∗ )

11
2. Linéarisation d’un système

La linéarisation de l’équation de sortie 𝑦(𝑡) = ℎ(𝑥(𝑡), 𝑢(𝑡))

autour de la sortie nominale 𝑦 ∗ = ℎ(𝑥 ∗ (𝑡), 𝑢∗ (𝑡))
est donnée par l’équation linéaire suivante :

𝑦 𝑡 − 𝑦 ∗ (𝑡) = 𝐶 𝑡 𝑥 𝑡 − 𝑥 ∗ (𝑡) + 𝐷(𝑡) 𝑢 𝑡 − 𝑢∗ (𝑡)

où
𝜕ℎ1 𝜕ℎ1 𝜕ℎ1 𝜕ℎ1 𝜕ℎ1 𝜕ℎ1
⋯ ⋯
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 𝜕𝑢1 𝜕𝑢2 𝜕𝑢𝑚
𝜕ℎ2 𝜕ℎ2 𝜕ℎ2 𝜕ℎ2 𝜕ℎ2 𝜕ℎ2
𝜕𝑓 ⋯ 𝜕𝑓 ⋯
C 𝑡 = 𝜕𝑥ቚ = 𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 ; D 𝑡 = 𝜕𝑢ቚ = 𝜕𝑢1 𝜕𝑢2 𝜕𝑢𝑚
(𝑥 ∗ ,𝑢∗ ) (𝑥 ∗ ,𝑢∗ )
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝜕ℎ𝑝 𝜕ℎ𝑝 𝜕ℎ𝑝 𝜕ℎ𝑝 𝜕ℎ𝑝 𝜕ℎ𝑝
⋯ 𝜕𝑥𝑛
⋯ 𝜕𝑢𝑚
𝜕𝑥1 𝜕𝑥2 (𝑥 ∗ ,𝑢∗ ) 𝜕𝑢1 𝜕𝑢2 (𝑥 ∗ ,𝑢∗ )

12
3. Transformation en système de premier ordre

Idée:
transformer un système d’ordre 𝑘 en un système d’ordre 1. plus précisement, il s’agit de transformer
un système d’ordre 𝑘 en 𝑘 systèmes d’ordre 1.
𝑑𝑘 𝑦(𝑡)
Supposons que est la dérivée la plus élevée de 𝑦.
𝑑𝑡
Introduisons
𝑇
𝑑𝑘−1 𝑦
x= 𝑦 𝑦ሶ … 𝑑𝑡
Exemple : pendule avec frottement
𝑀𝐿2 𝜃ሷ + 𝑘𝜃ሶ + 𝑀𝑔L 𝑠𝑖𝑛 𝜃 = 0
Si l ’on pose x = (𝜃 𝜃ሶ )𝑇
Alors 𝑥ሶ 1 = 𝑥2
𝑘 𝑔
𝑥ሶ 2 = − 𝑥 − 𝑠𝑖𝑛 𝑥1
𝑀𝐿2 2 𝐿

13
 Travaux dirigés
Exercice 1:
Pour une entrée de commande nulle (𝑢 = 0), déterminer
le point d’équilibre du système ci-contre et déterminer
son linéarisé autour cet équilibre.

Exercice 2: Système dynamique différentiel de Lorenz

L’attracteur de Lorenz est donnée par le système d’équations ci-contre
où 𝜎, 𝜌, 𝛽 sont des constantes. Ces équations sont souvent utilisées
comme exemple de système chaotique.
a. Déterminez tous les points d'équilibre.
b. Linéarisez les équations autour de 𝑥 = 0 et déterminez
pour quels 𝜎, 𝜌, 𝛽 cet équilibre est localement asymptotiquement stable.

14
 Travaux dirigés

Exercice 3
Considérons le système décrit par:

a. Vérifier que la trajectoire 𝑥1 , 𝑥2 = sin 𝑡 , cos 𝑡 est une solution du système.

b. Linéariser le système autour de cette trajectoire (cycle limite).

15
 Stabilité au sens
de Lyapunov
Alexandr Mihailovich Lyapunov (1857–1918)

16
 1.Généralités
• Lyapounov a formalisé l’idée :

Si l'énergie totale est dissipée, le système doit être stable.

• Introduction

o La méthode de Lyapunov permet d’analyser la stabilité d’un système linéaire ou non linéaire
sans connaître explicitement les solutions des équations différentielles qui le décrivent.

o En examinant l'évolution dans le temps d'une fonction de type énergétique V (appelée

fonction de Lyapunov), nous pouvons conclure qu'un système est stable ou asymptotiquement
stable sans avoir à résoudre l'équation différentielle non linéaire.

17
 1.Généralités

• Voisinage de l’origine

Un voisinage de l’origine est tout domaine fermé incluant l’origine. Ω

• Boule

On définit une boule fermée dans ℝ𝑛 comme l’ensemble : 𝐵𝑟 = 𝑥 ∈ ℝ𝑛 ȁ 𝑥 ≤ 𝑟

où 𝑥 = 𝑥12 + 𝑥22 + ⋯ + 𝑥𝑛2 avec 𝑟>0

18
 1.Généralités

• Notions de fonctions définies positives et définies négatives

Considérons une fonction scalaire 𝑉 ∶ Ω ⊂ ℝ𝑛 → ℝ, on a alors la terminologie suivante :

fonctions définies positives et définies négatives

𝑉 0 = 0, 𝑉(𝑥) ≥ 0, ∀ 𝑥 ∈ Ω − 0 𝑉(𝑥) est semi-définie positive
𝑉 0 = 0, 𝑉(𝑥) > 0, ∀ 𝑥 ∈ Ω − 0 𝑉(𝑥) est définie positive
𝑉 0 = 0, 𝑉(𝑥) ≤ 0, ∀ 𝑥 ∈ Ω − 0 𝑉(𝑥) est semi-définie négative
𝑉 0 = 0, 𝑉(𝑥) < 0, ∀ 𝑥 ∈ Ω − 0 𝑉(𝑥) est définie négative
𝑥 → = ∞, 𝑉(𝑥) → ∞ 𝑉(𝑥) est radialement non bornée

19
1.Généralités
• Exemple : Dans l’espace à deux dimensions

Exemples de fonctions
𝑉 𝑥 = 𝑥12 + 𝑥22 Fonction définie positive et radialement non bornée
𝑉 𝑥 = 𝑥12 Fonction semi-définie positive
𝑉 𝑥 = 𝑥12 + 𝑥2 𝑠𝑖𝑛(𝑥2 ) Fonction définie positive pour 𝑥2 < 𝜋Τ2
( 𝑉 𝑥 = 0, 𝑉 𝑥 > 0 pour 𝑥2 < 𝜋Τ2 et 𝑥2 ≠ 0)
𝑉 𝑥 = (𝑥1 −𝑥2 )2 Fonction semi-définie positive.
𝑉 𝑥 = −(𝑥12 + 𝑥22 ) Fonction définie négative
𝑉 𝑥 = −𝑥12 Fonction semi-définie négative.

20
 1.Généralités
La forme quadratique 𝑉 𝑥 = 𝑥 𝑇 𝑃𝑥, 𝑥 ∈ ℝ𝑛 avec 𝑃 = 𝑃𝑇 est (semi-)définie positive (négative) si 𝑃
est une matrice (semi-)définie positive (négative).

Exemple: 𝑉 𝑥 = 1.5𝑥12 − 𝑥1 𝑥2 + 𝑥22 = 𝑥 𝑇 𝑃𝑥

1.5 −0.5
avec 𝑃=
−0.5 5

Comme 𝑃 est définie positive, alors 𝑉 𝑥 est définie positive

_________________________________

On a 𝑉 𝑥 = 1.5𝑥12 − 𝑥1 𝑥2 + 𝑥22 = 1.25𝑥12 + (0.5𝑥1 − 𝑥2 )2

Alors 𝑉 𝑥 est définie positive

21
 1.Généralités
La fonction 𝑉 𝑥 = −𝑥12 + 𝑥1 𝑥22 − 𝑥22 + 2𝑥12 𝑥2 = − 1 − 2𝑥2 𝑥12 − 1 − 𝑥1 𝑥22

est définie négative pour 𝑥1 < 1 et 𝑥2 < 0.5

𝑥2

Exemple:
0.5

1 𝑥1

22
 1.Généralités
Rappel:

Soit 𝑀 une matrice symétrique réelle d'ordre 𝑛.

• La matrice 𝑀 est dite définie positive si elle est positive et inversible, autrement dit si elle vérifie
la propriétés suivante :
- Pour toute matrice colonne non nulle 𝑥 à 𝑛 élément réels, on a : 𝑉 𝑥 = 𝑥 𝑇 𝑀𝑥 > 0.
- Autrement dit, la forme quadratique définie par 𝑀 est strictement positive pour 𝑥 ≠ 0.
_______________________

• Une matrice symétrique réelle est dite définie négative si son opposée est définie positive.

23
2. Stabilité d’un point d’équilibre

• Point d’équilibre: 𝑥𝑒 est un point d’équilibre du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥 .

• Remarque

Il est toujours possible de center un système autour de son point d’équilibre 𝑥𝑒 .

Si l’on pose 𝑥෤ = 𝑥 − 𝑥𝑒

Alors le système devient 𝑥෤ሶ 𝑡 = 𝑓𝑐 (𝑥)

෤

avec 𝑓𝑐 (𝑥)
෤ ≜ 𝑓 𝑥෤ + 𝑥𝑒

l’étude de la stabilité du point d’équilibre 𝑥𝑒 du système 𝑥ሶ 𝑡 = 𝑓 𝑥 revient à étudier la stabilité du

point d’équilibre 𝑥෤𝑒 = 0 du système centré 𝑥෤ሶ 𝑡 = 𝑓𝑐 (𝑥).
෤

24
 2. Stabilité d’un point d’équilibre

Définition:

Le point d’équilibre 𝑥𝑒 du système 𝑥ሶ 𝑡 = 𝑓 𝑥 est :

- Localement stable si pour tout 𝜀 > 0, il existe 𝛿 = 𝛿(𝜀) > 0 tel que:
𝑥 0 − 𝑥𝑒 < 𝛿 ⟹ 𝑥 𝑡 − 𝑥𝑒 < 𝜀
- Instable s’il n’est pas stable.

- Localement asymptotiquement stable s’il est stable et 𝛿 peut être choisi tel que :

𝑥 0 − 𝑥𝑒 < 𝛿 ⟹ lim 𝑥 𝑡 = 𝑥𝑒
𝑡→∞

- Globalement asymptotiquement stable si 𝛿 = ∞

25
 2. Stabilité d’un point d’équilibre

Définition:
Le point d’équilibre 𝑥𝑒 du système 𝑥ሶ 𝑡 = 𝑓 𝑥 est :
- Exponentiellement stable s’il existe 𝛿 > 0, α > 0 et 𝜆 > 0 tel que:

𝑥 0 − 𝑥𝑒 < 𝛿 ⟹ 𝑥 𝑡 − 𝑥𝑒 < 𝛼 𝑥 0 − 𝑥𝑒 𝑒 −𝜆𝑡 ∀ 𝑡 > 0

- Globalement exponentiellement stable si 𝛿 = ∞ (c’est-à-dire ∀ 𝑥(0) ∈ ℝ𝑛 )

Remarque:
- Il est évident que la stabilité exponentielle implique la stabilité asymptotique mais l’inverse n’est pas
nécessairement vrai.
- La notion de stabilité s’applique au point d’équilibre et non pas au système. Un système peut avoir
plusieurs points d’équilibre.

26
3. Première méthode de Lyapunov

• Première méthode de Lyapunov (Méthode indirecte, Méthode de linéarisation)

La première méthode de Lyapunov est basée sur l’examen de la linéarisation du

système 𝑥ሶ = 𝑓(𝑥) autour du point d’équilibre 𝑥𝑒 . Plus précisément, on examine les
valeurs propres 𝜆(𝐴) de la matrice Jacobienne évaluée au point d’équilibre 𝑥𝑒 .
Selon cette méthode, les propriétés de stabilité du point d’équilibre s’expriment
comme suit :

27
 3. Première méthode de Lyapunov

Théorème : première méthode de Lyapunov

Soit 𝑥𝑒 le point d’équilibre du système 𝑥ሶ = 𝑓(𝑥) avec 𝑓 ∈ 𝐶 1 .

𝜕𝑓
Posons 𝐴 = 𝜕𝑥 (𝑥𝑒 ) et α(𝐴) = 𝑚𝑎𝑥ℜ (𝜆 𝐴 ). Alors:

- Si α(𝐴) < 0, le point d’équilibre 𝑥𝑒 est localement asymptotiquement stable (LAS.

- Si α(𝐴) > 0, le point d’équilibre 𝑥𝑒 est instable.

- Si α 𝐴 = 0, on ne peut pas conclure sur la stabilité du point d’équilibre 𝑥𝑒 .

28
3. Première méthode de Lyapunov

Remarque :

La méthode indirecte de Lyapunov a deux inconvénients principaux :

- Elle ne permet pas de dire si le point d’équilibre est stable ou instable quand la
matrice Jacobienne comporte au moins une valeur propre à partie réelle nulle et
aucune valeur propre à partie réelle strictement positive.
- La stabilité n’est valable que dans un voisinage du point d’équilibre (stabilité
locale).

29
 3. Première méthode de Lyapunov

Application :

soit le système décrit par :

𝑥ሶ 1 −𝑥12 + 𝑥1 + 𝑠𝑖𝑛 𝑥2
=
𝑥ሶ 2 𝑐𝑜𝑠 𝑥2 −𝑥13 − 𝑥2
a. Chercher les points d’équilibre de ce système.
b. Etudier la stabilité des points d’équilibre moyennant la méthode indirecte de
Lyapunov.
c. Simuler le système dans l’environnement Matlab/Simulink

30
 4. Seconde méthode de Lyapunov (méthode directe)

La stabilité au sens de Lyapunov est une traduction mathématique d’une constatation

élémentaire : si l’énergie totale d’un système décroît avec le temps, alors ce système
qu’il soit (linéaire ou non, stationnaire ou non) tend à se ramener à un état d’équilibre (il
est stable). La méthode directe de Lyapunov cherche donc à générer une fonction
scalaire de type énergétique qui admet une dérivée temporelle négative.

31
 4. Seconde méthode de Lyapunov (méthode directe)

• Théorème : Stabilité locale

Le point d’équilibre 𝑥𝑒 du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est localement stable s’il

existe une fonction scalaire 𝑉: Ω ⊂ ℝ𝑛 → ℝ continûment dérivable ayant les propriétés
suivantes :

• 𝑉 𝑥𝑒 = 0,

• 𝑉 𝑥 > 0 , ∀ 𝑥 ∈ Ω − 𝑥𝑒 ,

• 𝑉ሶ 𝑥 ≤ 0 , ∀ 𝑥 ∈ Ω.

32
 4. Seconde méthode de Lyapunov (méthode directe)

• Théorème : Stabilité asymptotique locale

Le point d’équilibre 𝑥𝑒 du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est localement

asymptotiquement stable s’il existe une fonction scalaire 𝑉: Ω ⊂ ℝ𝑛 → ℝ continûment
dérivable ayant les propriétés suivantes :

• 𝑉 𝑥𝑒 = 0,

• 𝑉 𝑥 > 0 , ∀ 𝑥 ∈ Ω − 𝑥𝑒 ,

• 𝑉ሶ 𝑥 < 0 ,∀ 𝑥 ∈ Ω − 𝑥𝑒 .

33
4. Seconde méthode de Lyapunov (méthode directe)

• Théorème : Stabilité asymptotique globale

Le point d’équilibre 𝑥𝑒 du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡)

est globalement asymptotiquement stable (GAS) s’il est

asymptotiquement stable et si en outre:

Ω = ℝ𝑛 et . 𝑥 → ∞ ⇒ 𝑉 𝑥 → ∞

34
 4. Seconde méthode de Lyapunov (méthode directe)

• Théorème : Stabilité exponentielle locale

Le point d’équilibre 𝑥𝑒 du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est localement

exponentiellement stable s’il existe une fonction scalaire 𝑉: Ω ⊂ ℝ𝑛 → ℝ continûment
dérivable ayant les propriétés suivantes :

o 𝑘1 𝑥 𝑎
≤ 𝑉 𝑥 ≤ 𝑘2 𝑥 𝑎
, pour tout 𝑥 ∈ Ω;

o 𝑉ሶ 𝑥 ≤ 𝑘3 𝑥 𝑎 , pour tout 𝑥 ∈ Ω;

où 𝑘1 , 𝑘2 , 𝑘3 et 𝑎 sont des constantes positives.

35
 4. Seconde méthode de Lyapunov (méthode directe)

• Théorème : Stabilité exponentielle globale

Le point d’équilibre 𝑥𝑒 du système autonome 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est globalement

exponentiellement stable s’il est exponentiellement stable avec Ω = ℝ𝑛

36
 4. Seconde méthode de Lyapunov (méthode directe)

• Remarque :

o Une fonction candidate de Lyapunov est une fonction définie positive dont on teste la
décroissance autour d’un point d’équilibre.
𝑑𝑉 𝑥 𝜕𝑉 𝜕𝑉
o La dérivée 𝑉ሶ 𝑥 = = 𝑥ሶ 𝑡 = 𝑓 𝑥 .
𝑑𝑡 𝜕𝑥 𝜕𝑥

o La deuxième méthode de Lyapunov donne uniquement des conditions suffisantes de

stabilité. Elle ne permet pas aussi de guider l’utilisateur dans le choix de la fonction de
Lyapunov et ne permet pas de conclure si on ne trouve pas une telle fonction.
o Les fonctions quadratiques sont souvent utilisées dans l’analyse des systèmes
dynamiques (fonction de Lyapunov). Notamment : l’énergie cinétique, l’énergie
potentielle élastique ou de gravité et l’énergie totale sont des fonctions quadratiques
de l’état pour les systèmes mécaniques 37
 4. Seconde méthode de Lyapunov (méthode directe)

• Remarque :

o Une fonction candidate de Lyapunov est une fonction définie positive dont on teste la
décroissance autour d’un point d’équilibre.
𝑑𝑉 𝑥 𝜕𝑉 𝜕𝑉
o La dérivée 𝑉ሶ 𝑥 = = 𝑥ሶ 𝑡 = 𝑓 𝑥 .
𝑑𝑡 𝜕𝑥 𝜕𝑥

o La deuxième méthode de Lyapunov donne uniquement des conditions suffisantes de

stabilité. Elle ne permet pas aussi de guider l’utilisateur dans le choix de la fonction de
Lyapunov et ne permet pas de conclure si on ne trouve pas une telle fonction.
o Les fonctions quadratiques sont souvent utilisées dans l’analyse des systèmes
dynamiques (fonction de Lyapunov). Notamment : l’énergie cinétique, l’énergie
potentielle élastique ou de gravité et l’énergie totale sont des fonctions quadratiques
de l’état pour les systèmes mécaniques 38
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 1

Soit le système non linéaire suivant

o L’origine est un point d’équilibre pour ce système.

o Considérons la fonction de Lyapunov

o 𝑉 𝑥 est une fonction définie positive pour

o. est SDN, alors l’origine est localement stable (LS).

39
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 2

Soit le système non linéaire suivant

o L’origine est un équilibre pour ce système.

o Considérons la fonction de Lyapunov

o. est DN pour tout 𝑥 dans

o alors l’origine est localement asymptotiquement stable (LAS).

40
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 3

Soit le système non linéaire suivant

o L’origine est un équilibre pour ce système.

o Considérons la fonction de Lyapunov

o est DN pour tout 𝑥 dans

o alors l’origine est localement asymptotiquement stable (LAS).

41
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 4

Soit le système non linéaire suivant

o L’origine est un équilibre pour ce système.

o Considérons la fonction de Lyapunov

o est DN pour tout 𝑥 dans

o alors l’origine est localement asymptotiquement stable (LAS).

42
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 5

Soit le système non linéaire suivant :

o L’origine est un équilibre pour ce système.

o Considérons la fonction de Lyapunov

o est définie négative ∀ 𝑥 ∈ ℝ2 .

o puisque 𝑉 𝑥 est radialement non bornée, alors l’origine est globalement

asymptotiquement stable (GAS).

43
 4. Seconde méthode de Lyapunov (méthode directe)
• Exemple 5

Soit le système non linéaire suivant :

o L’origine est un équilibre pour ce système.

o Considérons la fonction de Lyapunov

o est définie négative ∀ 𝑥 ∈ ℝ2 .

o puisque 𝑉 𝑥 est radialement non bornée, alors l’origine est globalement

asymptotiquement stable (GAS).

44
 5.Principe d’invariance de LaSalle

Position du problème

Il arrive souvent que l’on trouve une fonction de Lyapunov dont la dérivée est seulement
semi-définie négative, ce qui ne permet pas de conclure sur la stabilité asymptotique en
appliquant la méthode directe de Lyapunov. La difficulté provient notamment de ce que,
en analysant la fonction 𝑉ሶ 𝑥 , on n’exploite pas le fait que les différentes variables d’état
ne sont pas indépendantes mais sont reliées par les équations de la dynamique du
système. LaSalle a étudié cette question et a formulé un principe d’invariance qui permet
d’analyser la stabilité asymptotique dans le cas d’une fonction 𝑉ሶ 𝑥 semi-définie négative.

45
5. Principe d’invariance de LaSalle

Théorème : Principe d’invariance de LaSalle

Le point d’équilibre 𝑥𝑒 du système 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est asymptotiquement stable s’il existe

une fonction scalaire 𝑉 𝑥 : Ω ⊂ ℝ𝑛 → ℝ continûment différentiable ayant les propriétés
suivantes :
• 𝑉 𝑥𝑒 = 0,
• 𝑉 𝑥 > 0 , ∀ 𝑥 ∈ Ω − 𝑥𝑒 ,
• 𝑉ሶ 𝑥 ≤ 0 , ∀ 𝑥 ∈ Ω.
• L’ensemble E ⊂ Ω tel que 𝑉ሶ 𝑥 = 0 ne contient pas de trajectoire du
système autre que 𝑥 𝑡 = 𝑥𝑒 (c’est-à-dire 𝑥 𝑡 = 𝑥𝑒 , est la seule solution
qui vérifie 𝑉ሶ 𝑥 = 0 et 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) ).

46
 5. Principe d’invariance de LaSalle

Théorème : Principe d’invariance de LaSalle

Le point d’équilibre 𝑥𝑒 du système 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) est asymptotiquement stable s’il existe une
fonction scalaire 𝑉 𝑥 : Ω ⊂ ℝ𝑛 → ℝ continûment différentiable ayant les propriétés suivantes :
• 𝑉 𝑥𝑒 = 0,
• 𝑉 𝑥 > 0 , ∀ 𝑥 ∈ Ω − 𝑥𝑒 ,
• 𝑉ሶ 𝑥 ≤ 0 , ∀ 𝑥 ∈ Ω.
• L’ensemble E ⊂ Ω tel que 𝑉ሶ 𝑥 = 0 ne contient pas de trajectoire du système
autre que 𝑥 𝑡 = 𝑥𝑒 (c’est-à-dire 𝑥 𝑡 = 𝑥𝑒 , est la seule solution qui vérifie
𝑉ሶ 𝑥 = 0 et 𝑥ሶ 𝑡 = 𝑓 𝑥(𝑡) ).
Si Ω = ℝ𝑛 et 𝑥 → ∞ ⇒ 𝑉 𝑥 → ∞ , alors le point d’équilibre est GAS.

47
 5. Principe d’invariance de LaSalle

Exemple :

Soit le système non linéaire

o L’origine est un point d’équilibre pour ce système.

o est une fonction définie positive pour .
o est semi-définie négative, alors l’origine est localement stable selon Lyapunov.
• La condition 𝑉ሶ 𝑥 = 0 ⇒ 𝑥2 = 0 ⇒ 𝑥ሶ 1 = 0 et 𝑥1 = 0.
• Alors, la seule solution qui vérifie 𝑉ሶ 𝑥 = 0 et 𝑥ሶ 𝑡 = 𝑓 𝑥 est bien 𝑥 = 0.
• Selon LaSalle, l’origine est localement asymptotiquement stable.

48
6. Stabilité de Lyapunov des systèmes linéaires

• Théorème : Le système linéaire 𝑥ሶ 𝑡 = 𝐴𝑥 𝑡 est asymptotiquement stable (ou les

valeurs propres de A sont à partie réelles négatives) si et seulement si, pour toute
matrice symétrique définie positive 𝑄, il existe une matrice 𝑃 symétrique et définie
positive satisfaisant l’équation de. Lyapunov : 𝐴𝑇 𝑃 + 𝑃𝐴 = −𝑄.
• Preuve:
o On définit comme fonction de Lyapunov 𝑉 𝑥 = 𝑥 𝑇 𝑃𝑥.
o Comme 𝑉ሶ 𝑥 = 𝑥 𝑇 𝑃𝑥ሶ + 𝑥ሶ 𝑇 𝑃𝑥 = 𝑥 𝑇 𝑃𝐴𝑥 + 𝐴𝑥 𝑇 𝑃𝑥 = 𝑥 𝑇 𝑃𝐴 + 𝐴𝑇 𝑃 𝑥 = 𝑥 𝑇 −𝑄 𝑥
o 𝑉 𝑥 est définie positive et radialement non bornée avec 𝑉ሶ 𝑥 définie négative, alors, le
système linéaire est GAS.

49
6. Stabilité de Lyapunov des systèmes linéaires

• Application :

0 4
Soit le système 𝑥ሶ 𝑡 = 𝑥 𝑡
−8 −12
1 0
a. Donner la solution de l’équation de Lyapunov pour Q = .
0 1
b. le système linéaire ci-dessus est il asymptotiquement stable ?
_______________________________
NB: Une matrice est définie positive si toutes ses valeurs propres (qui sont
nécessairement réelles) sont strictement positives.

50
Commande
avancées

51
1. Linéarisation par feedback

• Idée

Trouver le retour d'état 𝑢 = 𝑢(𝑥, 𝑣) pour que le système non linéaire (linéaire par rapport
à l’entrée de commande):
𝑥ሶ = 𝑓 (𝑥) + 𝑔(𝑥)𝑢

se transforme en système linéaire

𝑥ሶ = 𝐴𝑥 + 𝐵𝑣

puis appliquer des méthodes de synthèse basée sur l’automatique linéaire.

52
1. Linéarisation par feedback

• Exemple
𝑚ℓ2 𝜃ሷ + 𝑘𝜃ሶ + 𝑚ℓ𝑔 cos𝜃 = 𝑢

où 𝑘 est l'amortissement visqueux.

La commande 𝑢 = 𝜏 est le couple appliqué.

soit à synthèse un régulateur à retour d'état

𝑢 = 𝑢(𝑥)

avec 𝑥 = (𝜃, ˙𝜃)𝑇

53
1. Linéarisation par feedback

• Introduire une nouvelle variable de contrôle 𝑣 et posons:

𝑢 = 𝑚ℓ2 𝑣 + 𝑘𝜃ሶ + 𝑚ℓ𝑔 cos 𝜃

• Dans ce cas 𝜃ሷ = 𝑣
Choisissons par exemple un régulateur PD:
𝑣 = 𝑣 𝜃, 𝜃ሶ = 𝑘𝑝 𝜃𝑟𝑒𝑓 − 𝜃 − 𝑘𝑑 𝜃ሶ

On obtient ainsi le système en boucle fermée :

𝜃ሷ + 𝑘𝑑 𝜃ሶ + 𝑘𝑝 𝜃 = 𝑘𝑝 𝜃𝑟𝑒𝑓
Par conséquent 𝑢 = 𝑚ℓ2 [𝑘𝑝 (𝜃 − 𝜃𝑟𝑒𝑓) − 𝑘𝑑 𝜃]ሶ + 𝑘𝜃ሶ + 𝑚ℓ𝑔 cos 𝜃

54
2. Méthodes de commande basées sur Lyapunov

Soit le système décrit par:

𝑥ሶ = 𝑓 𝑥, 𝑢

Il faut:

• Sélectionner la fonction de Lyapunov 𝑉(𝑥) pour la vérification de la stabilité.

• Trouver un retour d'état 𝑢 = 𝑢(𝑥) qui rend 𝑉(𝑥) décroissante.

• La méthode dépend de la structure de 𝑓.

55
2. Méthodes de commande basées sur Lyapunov

• Exemple de conception basée sur la méthode de Lyapunov

Considérons le système non linéaire

𝑥ሶ 1 = −3𝑥1 + 2𝑥1 𝑥22 + 𝑢

𝑥ሶ 2 = −𝑥23 − 𝑥2
Trouver une loi de commande non linéaire qui rend l'origine GAS.
Nous essayons la fonction candidate de Lyapounov
1 2
𝑉 𝑥1 , 𝑥2 = 𝑥2 + 𝑥22
2
qui est radialement non borné, 𝑉 0, 0 = 0 et 𝑉 𝑥1 , 𝑥2 > 0 ∀ 𝑥1 , 𝑥2 ≠ (0, 0).

56
2. Méthodes de commande basées sur Lyapunov

𝑉ሶ = 𝑥1 𝑥ሶ 1 + 𝑥2 𝑥ሶ 2
= −3𝑥1 𝑥1 + 2𝑥1 𝑥22 𝑥1 + 𝑢𝑥1 + −𝑥23 𝑥2 − 𝑥2 𝑥2
= −3𝑥12 − 𝑥22 − 𝑥24 + 2𝑥12 𝑥22 + 𝑢𝑥1

On cherche à avoir

𝑉ሶ 𝑥1 , 𝑥2 < 0 ∀ 𝑥1 , 𝑥2 ≠ (0, 0)

En sélectionnant la loi de commande 𝑢 = −2𝑥1 𝑥22 , on obtient:

𝑉ሶ 𝑥1 , 𝑥2 = −3𝑥12 − 𝑥22 − 𝑥24 < 0 ∀ 𝑥1 , 𝑥2 ≠ (0, 0)

57
2. Méthodes de commande basées sur Lyapunov

Exemple 2
𝑥ሶ 1 = 𝑥23
𝑥ሶ 2 = 𝑢
Trouver une loi de contrôle globalement asymptotiquement stabilisante 𝑢 = 𝑢(𝑥).
1
Tentative 1 : Essayer la candidate de Lyapounov 𝑉 𝑥1 , 𝑥2 = 𝑥12 + 𝑥22
2
qui est radialement non bornée, 𝑉(0,0) = 0, et 𝑉 𝑥1 , 𝑥2 > 0 ∀(𝑥1 , 𝑥2 ) ≠ (0, 0).
𝑉ሶ = 𝑥1 𝑥ሶ 1 + 𝑥2 𝑥ሶ 2
= 𝑥1 𝑥23 + 𝑥2 𝑢
= 𝑥2 𝑥1 𝑥22 + 𝑢
= −𝑥22
𝑢 = −𝑥2 − 𝑥1 𝑥22

58
2. Méthodes de commande basées sur Lyapunov

Cependant 𝑉ሶ = 0 dès que 𝑥2 = 0 (Noter que : 𝑥1 peut être n'importe quoi).

Selon le théorème de LaSalle, l'ensemble 𝐸 = {𝑥ȁ𝑉ሶ = 0} = {(𝑥1, 0)} ∀𝑥1

Quel est le plus grand sous-ensemble invariant 𝑀 ⊆ 𝐸 ?

En introduisant la loi de commande 𝑢 = −𝑥2 − 𝑥1 𝑥22 , on obtient

𝑥ሶ 1 = 𝑥23
𝑥ሶ 2 = −𝑥2 − 𝑥1 𝑥22
Observez que si nous commençons n'importe où sur la droite {(x1, 0)}, nous resterons au
même point que 𝑥ሶ 1 = 0 et 𝑥ሶ 2 = 0 , donc 𝑀 = 𝐸 et nous ne convergerons pas vers
l'origine, mais resterons coincés sur la droite x2 = 0.

59
2. Méthodes de commande basées sur Lyapunov

Tentative 2 :

𝑥ሶ 1 = 𝑥23
𝑥ሶ 2 = 𝑢

• Essayons maintenant la fonction Candidate de Lyapunov

1 2 1 4
𝑉 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2
2 4
qui satisfait 𝑉(0, 0) = 0, 𝑉(𝑥1, 𝑥2) > 0, ∀(𝑥1, 𝑥2) ≠ (0, 0) et radialement non borné.

• La dérivée de la fonction de Lyapunov est 𝑉ሶ = 𝑥1 𝑥ሶ 1 + 𝑥23 𝑥ሶ 2 = 𝑥1 𝑥23 + 𝑥23 𝑢 = 𝑥23 𝑥1 + 𝑢

• Le choix 𝑢 = − 𝑥1 −𝑥2 conduit à 𝑉ሶ = −𝑥24 ≤ 0

60
2. Méthodes de commande basées sur Lyapunov

• Avec 𝑢 = − 𝑥1 −𝑥2 , nous obtenons la dynamique du système en boucle fermée:

𝑥ሶ 1 = 𝑥23
ሶ 𝑥2 = −𝑥1 −𝑥2

𝑉ሶ = 0 si 𝑥2 = 0, donc 𝐸 = {𝑥ȁ𝑉ሶ = 0} = {(𝑥1 , 0) ∀𝑥1 }

Cependant, la seule possibilité de rester sur 𝑥2 = 0 est 𝑥1 = 0 , (sinon 𝑥ሶ 2 ≠ 0 et nous

quitterons la ligne 𝑥2 = 0 ). Ainsi, le plus grand ensemble invariant est 𝑀 = (0, 0).

Selon le principe d’invariance de LaSalle, toutes les solutions se retrouvent en M et donc

l'origine du système bouclé est GAS.

61
2. Méthodes de commande basées sur Lyapunov

𝒙ሶ 𝟏 = 𝒙𝟑𝟐
𝒙ሶ 𝟐 = 𝒖

Lois de commande 1 Loi de commande 2

1 1 1
𝑉 𝑥1 , 𝑥2 = 2 𝑥12 + 𝑥22 𝑉 𝑥1 , 𝑥2 = 2 𝑥12 + 4 𝑥24
𝑢 = −𝑥2 − 𝑥1 𝑥22 𝑢 = − 𝑥1 −𝑥2
62
3. Commande par Mode glissant

• Exemple
• On considère le système mécanique suivant (masse-ressort-amortisseur) :
• La dynamique de ce système s’écrit :
𝑚𝑦ሷ + 𝑐𝑣 𝑦ሶ + 𝑘𝑦 = 𝐹
• On souhaite faire converger 𝑦 vers avec la commande 𝑦𝑑
avec la commande 𝐹 tel que:
𝐹 = 𝑚𝑦ሷ 𝑟𝑒𝑓 + 𝑐𝑣 𝑦ሶ 𝑟𝑒𝑓 + 𝑘𝑦𝑟𝑒𝑓
La dynamique du système en boucle fermée est
𝑚 𝑦ሷ − 𝑦ሷ 𝑟𝑒𝑓 + 𝑐𝑣 𝑦ሶ − 𝑦ሶ 𝑟𝑒𝑓 + 𝑘 𝑦 − 𝑦𝑟𝑒𝑓 = 0
𝑚𝑒ሷ + 𝑐𝑣 𝑒ሶ + 𝑘𝑒 = 0

63
3. Commande par Mode glissant
𝑥ሶ 1 = 𝑥2
𝑚𝑒ሷ + 𝑐𝑣 𝑒ሶ + 𝑘𝑒 = 0
𝑘 𝑐𝑣
𝑚 = 2; 𝑐𝑣 = 0.5; 𝑘 = 1 𝑥ሶ 2 = − 𝑥1 − 𝑥2
𝑚 𝑚

La commande proposée amène le système au point souhaité mais la convergence se fait en temps infini

64
3. Commande par Mode glissant

• Idée de base de la commande par mode glissant

La commande par mode glissant opère comme suit:
o Mode de convergence: durant ce la variable à régler se
déplace à partir de n’importe quel point initial dans le plan
de phase et tend vers la surface de commutation 𝑆(𝑥) = 0.
o Mode de glissement: durant ce mode la variable d’état a
atteint la surface de glissement et tend vers l’origine du
plan de phase. La dynamique de ce mode est caractérisée
par 𝑆(𝑥) = 0 ;
o Mode du régime permanent: ce mode caractérise le
comportement du système autour de son point d’équilibre.

65
3. Commande par Mode glissant

• Principe de la commande par MG

La commande par mode glissant se fait en deux étapes:
❑ Choix de la surface de glissement
Soit la classe de système décrit par le modèle suivant:

𝑥ሶ = 𝑓 𝑥, 𝑡 + 𝑔 𝑥, 𝑡 𝑢
- 𝑓 et 𝑔 sont des fonctions non linéaires;
- 𝑔 est supposée inversible;
- 𝑥 est l’état du système;
- 𝑢 est l’entrée de commande du système.

66
3. Commande par Mode glissant

• La formule générale de la surface de glissement est définie en fonction de l’ordre du

système comme suit:

𝑟−1
𝜕
𝑆 𝑥 = +𝜆 𝑒(𝑥)
𝜕𝑡

𝑒 𝑥 : est l’erreur de poursuite entre la consigne et la grandeur à régler;

𝜆 : est une constante positive définie la vitesse de convergence du système;
𝑟 : est le degré relatif du système (égal au nombre de fois qu’il faut dériver la
sortie pour faire apparaitre le signal de commande)

67
3. Commande par Mode glissant
❑ Détermination de loi de commande
La loi de commande contient deux composantes: une commande équivalente 𝑢𝑒𝑞 (𝑡) qui
permet de maintenir le système sur la surface de glissement et une commande discrète 𝑢𝑁 (𝑡)
qui ramène le système sur la surface de glissement (convergence).

𝑢 𝑡 = 𝑢𝑒𝑞 𝑡 + 𝑢𝑁 (𝑡)
o Détermination de loi de commande équivalente 𝑢𝑒𝑞 𝑡
On exploite le faite que, sur la surface de glissement, on a 𝑆 𝑥 = 0 et 𝑆ሶ 𝑥 = 0.

𝑑𝑆 𝜕𝑆 𝜕𝑥 𝜕𝑆
𝑆ሶ 𝑥 = = = 𝑓 𝑥, 𝑡 + 𝑔 𝑥, 𝑡 𝑢𝑒𝑞 = 0
𝑑𝑡 𝜕𝑥 𝜕𝑡 𝜕𝑥
−1
𝜕𝑆 𝜕𝑆
𝑢𝑒𝑞 =− 𝑔 𝑥, 𝑡 𝑓 𝑥, 𝑡
𝜕𝑥 𝜕𝑥

68
3. Commande par Mode glissant

En portant l’expression de la commande équivalente:

−1
𝜕𝑆 𝜕𝑆
𝑢𝑒𝑞 =− 𝑔 𝑥, 𝑡 𝑓 𝑥, 𝑡
𝜕𝑥 𝜕𝑥
dans l'équation représentant le modèle du système:

𝑥ሶ = 𝑓 𝑥, 𝑡 + 𝑔 𝑥, 𝑡 𝑢
On obtient l'équation du régime glissant idéal :

−1
𝜕𝑆 𝜕𝑆
𝑥ሶ = 𝑓 𝑥, 𝑡 − 𝑔 𝑥, 𝑡 𝑔 𝑥, 𝑡 𝑓 𝑥, 𝑡
𝜕𝑥 𝜕𝑥

69
3. Commande par Mode glissant

• Détermination de loi de commande discontinue 𝑢𝑁 𝑡

L’addition du terme 𝑢𝑁 𝑡 à la loi de commande permet d’assurer l’attractivité de la

surface de glissement 𝑆(𝑥). Pour ceci considérons la fonction candidate de Lyapunon:

1
𝑉 𝑥 = 𝑆 𝑇 (𝑥)𝑆(x).
2

avec 𝑢 𝑡 = 𝑢𝑒𝑞 𝑡 + 𝑢𝑁 (𝑡)

70
3. Commande par Mode glissant

• Détermination de loi de commande discontinue 𝑢𝑁 𝑡

La dynamique de la fonction de Lyapunov est donnée par:

1 𝑑𝑆(x) 𝑑𝑆 𝑇 𝑥 1 𝑑𝑆(x) 𝑑𝑆 𝑥 𝑇
𝑉ሶ 𝑥 = 𝑇
𝑆 𝑥 + 𝑆(x) = 𝑇
𝑆 𝑥 𝑇
+ 𝑆 𝑥
2 𝑑𝑡 𝑑𝑡 2 𝑑𝑡 𝑑𝑡

𝑑𝑆(x) 𝜕𝑆
𝑉ሶ 𝑥 = 𝑆 𝑇 𝑥 = 𝑆𝑇 𝑥 𝑓 𝑥, 𝑡 + 𝑔 𝑥, 𝑡 𝑢𝑒𝑞 + 𝑔 𝑥, 𝑡 𝑢𝑁
𝑑𝑡 𝜕𝑥

𝜕𝑆
𝑉ሶ 𝑥 = 𝑆 𝑇 𝑥 𝑔 𝑥, 𝑡 𝑢𝑁
𝜕𝑥

71
3. Commande par Mode glissant

• Le problème revient à trouver 𝑢𝑁 𝑡 tel que :

𝜕𝑆
𝑉ሶ 𝑥 = 𝑆 𝑇 𝑥 𝑔 𝑥, 𝑡 𝑢𝑁 < 0
𝜕𝑥
• La solution la plus simple est de choisir 𝑢𝑁 𝑡 tel que :

𝜕𝑆
𝑔 𝑥, 𝑡 𝑢𝑁 = −𝛿𝑠𝑔𝑛 𝑆 𝑥
𝜕𝑥
1 𝑠𝑖 𝑆 𝑥 > 0
avec 𝑠𝑔𝑛 𝑆 𝑥 = ቐ 0 𝑠𝑖 𝑆 𝑥 = 0
−1 𝑠𝑖 𝑆 𝑥 < 0
• Ce choix conduit à :
𝑉ሶ 𝑥 = −𝛿𝑆 𝑇 𝑥 𝑠𝑔𝑛 𝑆 𝑥 = −𝛿 𝑆(𝑥) 1 <0

72
3. Commande par Mode glissant

• Le problème revient à trouver 𝑢𝑁 𝑡 tel que :

𝜕𝑆
𝑉ሶ 𝑥 = 𝑆 𝑇 𝑥 𝑔 𝑥, 𝑡 𝑢𝑁 < 0
𝜕𝑥
• La solution la plus simple est de choisir 𝑢𝑁 𝑡 tel que :

𝜕𝑆
𝑔 𝑥, 𝑡 𝑢𝑁 = −𝛿𝑠𝑔𝑛 𝑆 𝑥
𝜕𝑥
−1
𝜕𝑆
Soit 𝑢𝑁 = −𝛿 𝑔 𝑥, 𝑡 𝑠𝑔𝑛 𝑆 𝑥
𝜕𝑥

• La loi de commande finale est donnée par:

−1
𝜕𝑆 𝜕𝑆
𝑢 = 𝑢𝑒𝑞 + 𝑢𝑁 = − 𝑔 𝑥, 𝑡 𝑓 𝑥, 𝑡 + 𝛿𝑠𝑔𝑛 𝑆 𝑥
𝜕𝑥 𝜕𝑥

73
3. Commande par Mode glissant

• Application: Retour au pendule

𝑚𝑦ሷ + 𝑐𝑣 𝑦ሶ + 𝑘𝑦 = 𝐹

1. Mettre le modèle du système sous forme de modèle d’état.

2. Elaborer la loi de commande par la méthode du mode glissant pour stabiliser
l’origine.
3. Donner le schéma de simulation et la réponse en boucle fermé sachant que les
conditions initiales sont (position 10 et vitesse 10)
on donne: 𝑚 = 2; 𝑐𝑣 = 0.5; 𝑘 = 1

74
3. Commande par Mode glissant

𝑥2
𝑥1

𝑥2

𝑥1

75
3. Commande par Mode glissant
Loi de commande F Surface de glissement S(x)

76
4. Commande par l’approche du Backstepping

• L'approche backstepping fournit une méthode récursive pour stabiliser un système

sous forme de rétroaction stricte. En d'autres termes, considérons un système :

𝑥ሶ 1 = 𝜑1𝑇 𝑥1 𝜗 + 𝜓1 𝑥1 𝑥2 (1)
𝑥ሶ 2 = 𝜑2𝑇 𝑥1 , 𝑥2 𝜗 + 𝜓2 𝑥1 , 𝑥2 𝑥3 (2)
𝑥ሶ 3 = 𝜑3𝑇 𝑥1 , 𝑥2 , 𝑥3 𝜗 + 𝜓3 𝑥1 , 𝑥2 , 𝑥3 𝑢 (3)

• Le vecteur des paramètres 𝜗 est supposé connu. On désire asservir la sortie 𝑦 = 𝑥1 au

signal de référence 𝑦𝑟 où 𝑦𝑟ሶ , 𝑦ሷ𝑟 et 𝑦ഺ𝑟 sont supposées connues et uniformément
bornées. Le système étant du troisième ordre, le design s'effectue en trois étapes.

77
4. Commande par l’approche du Backstepping

• Etape 1 : stabilisation du sous système: 𝑥ሶ 1 = 𝜑1𝑇 𝑥1 𝜗 + 𝜓1 𝑥1 𝑥2

o On commence par définir l’erreur de poursuite et sa dynamique:

𝑒1 = 𝑥1 − 𝑥1∗

𝑒1ሶ = 𝜑1𝑇 𝑥1 𝜗 + 𝜓1 𝑥1 𝑥2 − 𝑥ሶ 1∗

o On considère la fonction candidate de Lyapunov 𝑉1 𝑥 et sa dérivée 𝑉1ሶ 𝑥 comme suit:

1
𝑉1 𝑥 = 𝑒1 2 ;
2

𝑉1ሶ 𝑥 = 𝑒1 𝑒1ሶ

78
4. Commande par l’approche du Backstepping

• Etape 1 : stabilisation du sous système: 𝑥ሶ 1 = 𝜑1𝑇 𝑥1 𝜗 + 𝜓1 𝑥1 𝑥2

Pour rendre 𝑉1ሶ 𝑥 < 0 et donc garantir la stabilité asymptotique du sous système (1), on
impose 𝑉1ሶ 𝑥 = −𝑐1 𝑒1 2 (𝑒1ሶ = −𝑐1 𝑒1 ). Faisant ainsi, la commande virtuelle 𝑥2 doit prendre
fonction stabilisante 𝑥2∗ donnée par:

−𝝋𝑻𝟏 𝒙𝟏 𝝑 + 𝒙ሶ ∗𝟏 − 𝒄𝟏 𝒆𝟏
𝒙𝟐 = 𝒙∗𝟐 =
𝝍𝟏 𝒙𝟏

79
4. Commande par l’approche du Backstepping

• Comme 𝑥2 n’est pas une entrée de commande réelle mais simplement une variable
d’état, 𝑥2 ne peut pas être égale à 𝑥2∗ . On définit alors une nouvelle erreur 𝑒2 = 𝑥2 − 𝑥2∗ .

• Dans ce cas, la dynamique de l’erreur 𝑒1 devient :

𝑒1ሶ = 𝜑1𝑇 𝑥1 𝜗 + 𝜓1 𝑥1 𝑥2∗ +𝑒2 − 𝑥ሶ 1∗

𝑒1ሶ = −𝑐1 𝑒1 + 𝜓1 𝑥1 𝑒2

• La dérivée de la fonction candidate de Lyapunov, devient:

𝑉1ሶ 𝑥 = −𝑐1 𝑒1 2 +𝜓1 𝑥1 𝑒1 𝑒2

Fin de l’étape 1

80
4. Commande par l’approche du Backstepping

• Etape 2 : stabilisation du sous système: 𝑥ሶ 2 = 𝜑2𝑇 𝑥1 , 𝑥2 𝜗 + 𝜓2 𝑥1 , 𝑥2 𝑥3

o L’erreur de poursuite et sa dynamique sont données par:

𝑒2 = 𝑥2 − 𝑥2∗

𝑒ሶ2 = 𝜑2𝑇 𝑥1 , 𝑥2 𝜗 + 𝜓2 𝑥1 , 𝑥2 𝑥3 − 𝑥ሶ 2∗
o On considère la fonction candidate de Lyapunov augmentée 𝑉2 𝑥 et sa dérivée 𝑉ሶ2 𝑥
comme suit:
1
𝑉2 𝑥 = 𝑉1 𝑥 + 𝑒2 2
2

𝑉ሶ2 𝑥 = 𝑉1ሶ 𝑥 + 𝑒2 𝑒ሶ2 = −𝑐1 𝑒1 2 +𝜓1 𝑥1 𝑒1 𝑒2 +𝑒2 𝑒ሶ2

𝑉ሶ2 𝑥 = −𝑐1 𝑒1 2 + 𝜓1 𝑥1 𝑒1 + 𝑒ሶ2 𝑒2

81
4. Commande par l’approche du Backstepping

• Etape 2 : stabilisation du sous système: 𝑥ሶ 2 = 𝜑2𝑇 𝑥1 , 𝑥2 𝜗 + 𝜓2 𝑥1 , 𝑥2 𝑥3

Pour rendre 𝑉ሶ2 𝑥 < 0 et donc garantir la stabilité asymptotique du sous système (1-2), on
impose 𝑉ሶ2 𝑥 = −𝑐1 𝑒1 2 − 𝑐2 𝑒2 2 (𝑒ሶ2 = −𝑐2 𝑒2 − 𝜓1 𝑒1 ). Faisant ainsi, la commande virtuelle
𝑥3 doit prendre la fonction stabilisante 𝑥3∗ donnée par:

−𝝋𝑻𝟐 𝒙𝟏 , 𝒙𝟐 𝝑 + 𝒙ሶ ∗𝟐 − 𝒄𝟐 𝒆𝟐 − 𝝍𝟏 𝒆𝟏
𝒙𝟑 = 𝒙∗𝟑 =
𝝍𝟐 𝒙𝟏 , 𝒙𝟐

82
4. Commande par l’approche du Backstepping

• Comme 𝑥3 n’est pas une entrée de commande réelle mais simplement une variable
d’état, 𝑥3 ne peut pas être égale à 𝑥3∗ . On définit alors l’erreur 𝑒3 = 𝑥3 − 𝑥3∗ .

• Dans ce cas, la dynamique de l’erreur 𝑒2 devient :

𝑒ሶ2 = 𝜑2𝑇 𝑥1 , 𝑥2 𝜗 + 𝜓2 𝑥1 , 𝑥2 𝑥3∗ + 𝑒3 − 𝑥ሶ 2∗

𝑒ሶ2 = −𝜓1 𝑒1 − 𝑐2 𝑒2 +𝜓2 𝑒3

• La dérivée de la fonction candidate de Lyapunov, devient:

𝑉ሶ2 𝑥 = −𝑐1 𝑒1 2 − 𝑐2 𝑒2 2 +𝜓2 𝑒2 𝑒3

Fin de l’étape 2

83
4. Commande par l’approche du Backstepping

• Etape 3 : stabilisation du sous système: 𝑥ሶ 3 = 𝜑3𝑇 𝑥1 , 𝑥2 , 𝑥3 𝜗 + 𝜓3 𝑥1 , 𝑥2 , 𝑥3 𝑢

o L’erreur de poursuite et sa dynamique sont données par:

𝑒3 = 𝑥3 − 𝑥3∗

𝑒ሶ3 = 𝜑3𝑇 𝑥1 , 𝑥2 , 𝑥3 𝜗 + 𝜓3 𝑥1 , 𝑥2 , 𝑥3 𝑢 − 𝑥ሶ 3∗
o On considère la fonction candidate de Lyapunov augmentée 𝑉3 𝑥 et sa dérivée 𝑉ሶ3 𝑥
comme suit:
1
𝑉3 𝑥 = 𝑉2 𝑥 + 𝑒3 2
2

𝑉ሶ3 𝑥 = 𝑉ሶ2 𝑥 + 𝑒3 𝑒ሶ3 = −𝑐1 𝑒1 2 − 𝑐2 𝑒2 2 +𝜓2 𝑒2 𝑒3 +𝑒3 𝑒ሶ3

𝑉ሶ3 𝑥 = −𝑐1 𝑒1 2 − 𝑐2 𝑒2 2 + 𝜓2 𝑒2 + 𝑒ሶ3 𝑒3

84
4. Commande par l’approche du Backstepping

• Etape 3 : stabilisation du sous système: 𝑥ሶ 3 = 𝜑3𝑇 𝑥1 , 𝑥2 , 𝑥3 𝜗 + 𝜓3 𝑥1 , 𝑥2 , 𝑥3 𝑢

Pour rendre 𝑉ሶ3 𝑥 < 0 et donc garantir la stabilité asymptotique du sous système (1-3), on
impose 𝑉ሶ3 𝑥 = −𝑐1 𝑒1 2 − 𝑐2 𝑒2 2 − 𝑐3 𝑒3 2 (𝑒ሶ3 = −𝑐3 𝑒3 − 𝜓2 𝑒2 ). Faisant ainsi, la commande
réelle 𝑢 devient :

−𝝋𝑻𝟑 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 𝝑 + 𝒙ሶ ∗𝟑 − 𝒄𝟑 𝒆𝟑 − 𝝍𝟐 𝒆𝟐
𝒖=
𝝍𝟑 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑

Fin de l’étape 3

85
4. Commande par l’approche du Backstepping

• Remarque

Le comportement en boucle fermée, exprimé dans les coordonnées d’erreur

𝑒1 𝑒2 𝑒3 𝑇 , est donné par :

𝑒1ሶ −𝑐1 𝜓1 0 𝑒1
𝑒ሶ2 = −𝜓1 −𝑐2 𝜓2 𝑒2
𝑒ሶ3 0 −𝜓2 −𝑐3 𝑒3

• Remarque

Les paramètres de design 𝑐𝑘 (𝑘 = 1, 2, 3) sont directement liés à la position de pôles de la

boucle fermée. Leur choix permet de faire un placement des pôles, fixant ainsi la
dynamique en régulation de cette boucle.

86
4. Commande par l’approche du Backstepping
• Exemple

• On souhaite asservir la sortie x1 à un signal de référence x1* donné. Faire la synthèse du

régulateur en utilisant la technique backstepping.

𝑥ሶ 1 = 𝑥1 2 − 𝑥1 3 + 𝑥2
𝑥ሶ 2 = 𝑥3

𝑥ሶ 3 = 𝑢

87
Travaux Dirigés

88
Application1: modélisation d’un hacheur Boost

89
Application2: Pendule inversé

90
Exercice1
Considérons le système scalaire décrit par :
𝑥ሶ = 𝑎𝑥 3 (1.1)
a. Montrez que la première méthode de Lyapunov ne permet pas de déterminer la stabilité de l'origine.
b. Utiliser la fonction de Lyapunov 𝑉(𝑥) = 𝑥 4 pour montrer que le système est globalement asymptotiquement
stable pour a < 0.
c. Que pouvez-vous dire du système pour a = 0 ?

91
Exercice 2
Considérons l'équation du pendule de masse M et de longueur L.

𝑥ሶ 1 𝑥2
= − 𝑔 𝑠𝑖𝑛 𝑥 − 𝑘 𝑥 (2.1)
𝑥ሶ 2 𝐿 1 𝑀 2

a. Supposons que le frottement est nul (c'est-à-dire que 𝑘 = 0) et que la masse du pendule est concentrée à l’extrémité.
Montrez que l'origine est stable en montrant que l'énergie du pendule est constante le long de toutes les trajectoires du
système.
b. Montrer que l'énergie seule du pendule ne peut pas être utilisée pour juger la stabilité asymptotique de l'origine pour le
pendule avec des frottements non nuls, 𝑘 > 0. Utilisez alors le principe d'invariance de LaSalle pour prouver que
l'origine est asymptotiquement stable.

92