⚡ electrical engineering

State-Space Modelling and Analysis

Cet article introduit l'aspect Modélisation et Analyse par Espaces d'États de la Théorie de la Commande Avancée pour les Applications Pratiques, en mettant l'accent sur le rôle essentiel de la méthodologie mathématique pour jeter un pont entre les connaissances théoriques et les défis de l'ingénierie du monde réel.

Auteurs originaux : Hao Li

Publié 2026-06-02

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Hao Li

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Ce document est essentiellement un guide « mode d'emploi » pour construire les cerveaux mathématiques des machines qui doivent se déplacer et maintenir leur équilibre. L'auteur, Hao Li, soutient que si les systèmes de contrôle impliquent du matériel, des logiciels et de l'économie, la partie la plus cruciale est la méthode mathématique utilisée pour comprendre comment les choses bougent.

Voici le cœur du document, expliqué à travers des analogies de la vie quotidienne.

1. La carte de l'espace d'état : Savoir où l'on se trouve

Imaginez que vous conduisez une voiture. Pour conduire en toute sécurité, vous n'avez pas seulement besoin de savoir où vous êtes (votre position). Vous devez aussi savoir à quelle vitesse vous allez, dans quelle direction vous faites face et à quel point vous tournez brusquement.

Dans le document, cet ensemble d'informations est appelé l'« État ».

L'analogie : Considérez l'« État » comme un instantané complet de la vie d'un système à un moment précis. Pour un robot qui équilibre un poteau sur un chariot, l'état n'est pas seulement « le poteau est debout ». C'est « le poteau est debout, penché de 5 degrés vers la gauche, tombe à 2 degrés par seconde et le chariot avance à 3 mètres par seconde ».
Les mathématiques : Le document utilise une « Équation différentielle d'état » pour décrire comment ce cliché change au fil du temps. C'est comme une recette qui dit : « Si vous êtes dans cet état et que vous poussez le chariot avec cette force, voici exactement quel sera votre état suivant. »

Le document montre comment écrire ces recettes pour :

Les pendules inversés : Équilibrer un balai sur sa main (ou sur un chariot).
Les doubles pendules inversés : Équilibrer un balai sur un autre balai (beaucoup plus difficile !).
Les véhicules autonomes : Des voitures et des motos qui conduisent d'elles-mêmes.

2. Le système « auto-évolutif » : Le système en pilotage automatique

Une fois que vous avez décidé d'une règle pour contrôler la machine (une « loi de rétroaction »), le système devient un Système Auto-Évolutif.

L'analogie : Imaginez une bille roulant dans un bol. Une fois que vous l'avez lâchée, la bille n'a plus besoin qu'un humain la pousse ; elle suit la forme du bol par elle-même. Son futur chemin est entièrement déterminé par l'endroit où elle se trouve actuellement.
La thèse du document : Lorsque vous appliquez une règle de contrôle, la machine complexe agit comme cette bille. Son futur est entièrement déterminé par son état actuel. Le document appelle cela un « système de rétroaction en boucle fermée ».

3. La Stabilité : Va-t-il tomber ?

La question la plus importante pour tout robot ou voiture est : Restera-t-il debout, ou va-t-il s'écraser ? C'est ce qu'on appelle la Stabilité.

L'analogie : Pensez à un crayon en équilibre sur sa pointe. Si vous le poussez, il tombe (instable). Maintenant, pensez à une balle située au fond d'un bol. Si vous la poussez, elle oscille mais finit par se stabiliser au fond (stable).
Les outils du document :
- Valeurs propres (La « vitesse de chute ») : Pour les systèmes simples et linéaires, le document utilise un outil mathématique appelé « valeurs propres ». Si ces nombres sont « négatifs » (dans un sens mathématique précis), cela signifie que le système est comme la balle dans le bol — il se stabilisera naturellement. S'ils sont positifs, c'est comme le crayon — il tombera.
- Routh-Hurwitz (La « liste de contrôle ») : Parfois, les mathématiques sont trop complexes pour trouver ces nombres directement. Le document utilise une méthode de « liste de contrôle » (Routh-Hurwitz) pour examiner les coefficients des équations. Si les signes dans la liste basculent d'avant en arrière, le système est instable.
- Lyapunov (Le test de l'« énergie ») : Pour les systèmes non linéaires complexes (comme une moto qui penche dans un virage), le document utilise une méthode appelée Stabilité de Lyapunov.
  - La métaphore : Imaginez une colline. Si vous pouvez prouver qu'une balle roulant sur cette colline perd toujours de la hauteur (énergie) et n'en gagne jamais, vous savez qu'elle finira par atteindre le bas et s'arrêter. Le document recherche une « fonction d'énergie » mathématique qui décroît toujours. Si c'est le cas, le système est sûr.

4. La Contrôlabilité : Pouvons-nous réellement le conduire ?

Avant d'essayer de construire un contrôleur, vous devez vous demander : Est-il même possible de contrôler cet objet ?

L'analogie : Imaginez une voiture sans volant et sans freins. Peu importe la force avec laquelle vous appuyez sur l'accélérateur, vous ne pouvez pas la faire tourner ou l'arrêter. Elle est « incontrôlable ».
La thèse du document : Le document introduit une « Matrice de contrôlabilité ». C'est un test mathématique pour voir si les entrées (comme le volant ou le moteur du chariot) ont assez de puissance pour déplacer le système vers n'importe quel état souhaité.
Le résultat : Le document prouve que même un Double Pendule Inversé (l'exercice d'équilibre super difficile) est contrôlable. C'est difficile, mais mathématiquement possible. Cela donne aux ingénieurs la confiance nécessaire pour tenter de le construire.

5. L'Équation de Riccati : Le plan de contrôle « parfait »

Enfin, le document aborde l'Équation de Riccati.

L'analogie : Imaginez que vous conduisez une voiture et que vous voulez atteindre une destination. Vous pourriez écraser les freins et zigzaguer sauvagement (rapide mais dangereux). Vous pourriez conduire très lentement (sûr mais inefficace). L'équation de Riccati vous aide à trouver l'équilibre parfait — le chemin qui vous permet d'arriver rapidement tout en utilisant le moins de carburant et en causant le moins d'usure possible.
La thèse du document : Cette équation aide à calculer la stratégie de contrôle « optimale ». Le document montre comment résoudre cette équation de manière itérative (étape par étape) pour trouver cet équilibre parfait.

Résumé

Ce document est un guide fondamental pour la Théorie du Contrôle Avancé. Il nous enseigne comment :

Cartographier l'état actuel d'un système (Espace d'état).
Prédire comment il se comportera de lui-même (Auto-évolution).
Tester s'il restera stable ou s'il va s'écraser (Analyse de stabilité).
Vérifier si nous pouvons réellement le diriger (Contrôlabilité).
Calculer la manière la plus efficace de le contrôler (Équation de Riccati).

Il utilise des exemples du monde réel comme l'équilibre de poteaux et la conduite de voitures pour montrer que, bien que les mathématiques soient complexes, la logique consiste à maintenir les choses en équilibre et à les diriger dans la bonne direction.

Résumé Technique : Modélisation et Analyse par l'Espace d'États

Énoncé du Problème
La science de l'automatique est identifiée comme une pierre angulaire de la civilisation moderne, pourtant son application pratique nécessite un fondement méthodologique rigoureux allant au-delà des considérations matérielles, logicielles ou économiques. Le document traite de la nécessité d'une approche systématique de la Modélisation et de l'Analyse par l'Espace d'États, un aspect central de la Théorie du Contrôle Avancé. Alors que l'automatique classique (dominante au milieu du XXe siècle) repose sur l'analyse dans le domaine $s$ et est généralement limitée aux problèmes à entrée unique et sortie unique (SISO), l'automatique moderne utilise l'analyse d'espace d'états pour gérer les systèmes complexes à variables multiples (MIMO). Le document cherche à combler le fossé entre les cadres mathématiques théoriques et les applications d'ingénierie pratiques en fournissant un traitement unifié de la modélisation, de l'analyse de stabilité et de la contrôlabilité pour divers systèmes dynamiques.

Méthodologie
Le document emploie une approche mathématique structurée, progressant des équations différentielles d'état non linéaires vers les approximations linéarisées, pour finir par l'analyse de la stabilité et de la contrôlabilité.

Modélisation par l'Espace d'États :
- Formulation Non Linéaire : La dynamique de divers systèmes est initialement modélisée à l'aide d'équations différentielles d'état non linéaires génériques de la forme $\dot{x} = f(x, u)$ $\overset{x}{˙} = f (x, u)$ . Les applications spécifiques incluent :
  - Pendules Inversés : Pendules inversés simples et doubles sur chariots, dérivant des équations non linéaires complexes impliquant des fonctions trigonométriques des angles et des accélérations.
  - Véhicules Autonomes : Navigation de véhicules à basse vitesse (modèle de bicycle cinématique) et à haute vitesse (modèle de bicycle dynamique incorporant la rigidité de dérive des pneus et les angles de dérapage latéraux).
  - Motocyclettes/Bicyclettes : Modélisation de la dynamique latérale et verticale (roulis), soulignant le couplage entre direction et équilibre.
- Linéarisation : Pour les systèmes opérant à proximité d'un point d'équilibre (par exemple, petits angles), les équations non linéaires sont linéarisées pour former la représentation standard de l'espace d'états linéaire : $\dot{x} = Ax + Bu$ .
Systèmes Auto-Évolutifs et Asservissement :
- Le document définit les systèmes en boucle fermée comme des systèmes auto-évolutifs (autonomes) où l'entrée de commande $u$ est une fonction de l'état $x$ (c'est-à-dire $u = g(x)$ ), résultant en $\dot{x} = f_c(x)$ .
- Il établit que la stabilité d'un système auto-évolutif linéaire est déterminée par les valeurs propres de la matrice de transition d'état $A_c$ .
Analyse de Stabilité :
- Systèmes Linéaires : La stabilité est évaluée via le critère des valeurs propres (toutes les valeurs propres doivent avoir des parties réelles négatives). Le document relie cela au critère de Routh-Hurwitz pour déterminer la localisation des racines sans calcul explicite des valeurs propres.
- Systèmes Non Linéaires : La stratégie de Lyapunov est introduite. La stabilité est prouvée en trouvant une fonction scalaire $V(x)$ qui est définie positive avec une dérivée temporelle définie négative (ou semi-définie).
- Équations Matricielles : Le document détaille l'équation de Lyapunov ( $PX + X^TP = Y$ ) et l'équation de Riccati (en trois formalismes : $P A + A^T P - P B R^{-1} B^T P + Q = 0$ , etc.). Il fournit des algorithmes itératifs et des méthodes de matrice Hamiltonienne pour résoudre ces équations, les liant au contrôle optimal et à la vérification de la stabilité.
Analyse de la Contrôlabilité :
- Le document définit la contrôlabilité comme la capacité à diriger un système de n'importe quel état initial vers n'importe quel état désiré.
- Il introduit la Matrice de Contrôlabilité ( $C_{A,B} = [B, AB, \dots, A^{n-1}B]$ ) et établit qu'un système linéaire est contrôlable si et seulement si cette matrice possède un rang plein.

Contributions Clés et Résultats

Cadre de Modélisation Unifié : Le document fournit des dérivations explicites pour les équations différentielles d'état de systèmes complexes, incluant le pendule inversé double (variantes à entrée unique et multi-entrées), les véhicules autonomes (prenant en compte le dérapage des pneus à haute vitesse) et les motocyclettes (incorporant la dynamique de roulis).
Vérification de la Stabilité :
- Démontre que le contrôle latéral P pour les véhicules autonomes à basse vitesse est intrinsèquement instable en utilisant le critère de Routh-Hurwitz, quel que soit le gain proportionnel $P$ .
- Vérifie la stabilité d'un pendule amorti et d'un disque en rotation à l'aide de fonctions de Lyapunov et de l'analyse des valeurs propres.
- Prouve la stabilité d'un disque en rotation sous un contrôle P en utilisant l'inégalité de Lyapunov ( $PA_c + A_c^T P < 0$ ).
Validation de la Contrôlabilité :
- Confirme que le pendule inversé double est contrôlable (sous hypothèses linéaires), contrecarrant le scepticisme intuitif concernant sa faisabilité.
- Confirme la contrôlabilité du contrôle latéral des véhicules autonomes à basse vitesse.
Solutions Algorithmiques : Le document présente des algorithmes spécifiques et des extraits de code MATLAB pour :
- Résoudre les équations de Lyapunov via la vectorisation.
- Résoudre de manière itérative les équations de Riccati pour trouver les matrices de gain stabilisantes.
- Calculer les matrices de contrôlabilité de manière symbolique.
Unification Théorique : Il démontre explicitement l'équivalence entre la modélisation par espace d'états linéaire et la modélisation de système par transformées de Laplace, montrant que le polynôme caractéristique de la matrice d'état $A$ est identique au dénominateur de la fonction de transfert du système.

Signification
Le document se positionne comme un chapitre fondateur (Chapitre 1) d'un ouvrage plus large sur l'« Automatique Avancée pour les Applications Pratiques ». Sa signification réside dans :

Applicabilité Pratique : Il souligne que la théorie du contrôle n'est pas seulement des mathématiques abstraites, mais est profondément ancrée dans des applications pratiques, offrant une fusion du « savoir pourquoi » et du « savoir comment ».
Rigueur Méthodologique : Il fournit une méthodologie systématique, étape par étape, pour passer des descriptions de systèmes physiques à la modélisation par espace d'états, la linéarisation, et les vérifications rigoureuses de stabilité et de contrôlabilité.
Valeur Éducative : En travaillant sur des exemples complexes tels que le pendule inversé double et la dynamique des véhicules à haute vitesse, il illustre comment les outils théoriques (Lyapunov, Routh-Hurwitz, matrices de contrôlabilité) peuvent lever les doutes sur la faisabilité du contrôle de systèmes intrinsèquement instables ou complexes.
Fondement pour le Contrôle Avancé : Le document sert de prérequis à la compréhension de sujets plus avancés (tels que le contrôle optimal et le contrôle robuste) en établissant les formalismes mathématiques nécessaires (équations de Riccati, contrôlabilité) requis pour ces domaines.

L'auteur maintient un ton modeste, notant que bien que l'analyse théorique soit indispensable, elle complète plutôt qu'elle ne remplace l'expérience pratique, et que les modèles fournis sont des approximations adaptées à des régimes de fonctionnement spécifiques (par exemple, basse vitesse vs haute vitesse, équilibre vs grandes déviations).