2019-04-03 14:59:33 +02:00
\documentclass [../../td] { subfiles}
2019-01-15 15:57:03 +01:00
\begin { document}
2019-04-03 14:59:33 +02:00
\subsection * { Exercice I}
2019-01-15 15:57:03 +01:00
On considère le système
\[ \accc { \dot { x _ 1 } & = x _ 1 + x _ 2 } { \dot { x _ 2 } & = x _ 2 ^ 2 + u } { y & = x _ 1 } \donc f ( x ) = \vect { x _ 1 + x _ 2 \\ x _ 2 ^ 2 } , g ( x ) = \vect { 0 \\ 1 } \et h ( x ) = x _ 1 \]
\begin { enumerate}
\item On peut balancer $ u = - x _ 2 ^ 2 + v $ comme des bâtards mais on va suivre le cours :
\begin { enumerate}
\item Trouver le degré relatif
\begin { align*}
z_ 1 & = y = x_ 1 \\
z_ 2 & = \dot { y} = \dot { x_ 1} = x_ 1 + x_ 2, \quad r>1\\
z_ 3 & = \dot { z_ 2} = \dot { x_ 1} + \dot { x_ 2} = x_ 1 + x_ 2 + x_ 2^ 2 + u, \quad r=2
\end { align*}
\item
\[ \acc { \dot { z _ 1 } = z _ 2 } { \dot { z _ 2 } = v } \quad \text { modèle linéaire avec } \vect { z _ 1 \\ z _ 2 } = \vect { x _ 1 \\ x _ 1 + x _ 2 } \]
\begin { align*}
u & = v - x_ 1 - x_ 2 - x_ 2^ 2 \\
& = v - z_ 2 - ( z_ 2 - z_ 1 )^ 2
\end { align*}
\end { enumerate}
\img { 0.5} { 1}
\newpage
\item \[ \acc { \dot { z _ 1 } & = z _ 2 } { \dot { z _ 2 } & = \ddot { y } = v = \ddot { y _ r } + a _ 1 ( \dot { y _ r } - \dot { y } ) + a _ 2 ( y _ r - y ) } \]
Équation caractéristique de la dynamique
\[ x ^ 2 + a _ 1 x + a _ 2 = 0 \]
\img { 0.5} { 2}
\item On considère maintenant le système suivant:
\[ \left \{ \begin { matrix }
\dot { x_ 1} = x_ 2\\
\dot { x_ 2} = x_ 1x_ 2+u\\
y = x_ 1
\end { matrix} \right . \]
Cherchons dans un premier temps uen commande linéarisante.
\begin { align*}
z_ 1 = y & = x_ 1 = h(x)\\
z_ 2 = \dot { y} & = \frac { \partial h} { \partial x} \dot { x} \\
& = \begin { pmatrix} 1 & 0\end { pmatrix} \begin { pmatrix} x_ 2 \\ x_ 1x_ 2 + u\end { pmatrix} \\
& = x_ 2\\
\ddot { y} & = \frac { \partial \dot { y} } { \partial x} \dot { x} \\
& = \begin { pmatrix} 0 & 1\end { pmatrix} \begin { pmatrix} x_ 2 \\ x_ 1x_ 2+u\end { pmatrix} \\
& = x_ 1x_ 2 + u = v
\end { align*}
Ainsi, $ r = 2 $ et le modèle linéaire correspond à:
\[ \begin { pmatrix } z _ 1 \\ z _ 2 \end { pmatrix } = \begin { pmatrix }
x_ 1 \\ x_ 2\end { pmatrix} \text { et, } u = -x_ 1x_ 2 + v\]
Pour imposer une consigne on a alors:
\begin { align*}
\ddot { \epsilon } + a_ 1 \dot { \epsilon } + a_ 0 \epsilon = 0\\
\epsilon & = y_ c - y\\
& = y_ c - z_ 1\\
\dot { \epsilon } & = \dot { y_ c} - z_ 2\\
\ddot { \epsilon } & = \ddot { y_ c} - \dot { z_ 2}
\intertext { Comme $ \dot { z _ 2 } = v $ alors,}
& \ddot { y_ c} - \dot { z_ 2} + a_ 1 (\dot { y_ c} - z_ 2) + a_ 0 ( y_ c - z_ 1) = 0\\
\Rightarrow & v = \ddot { y_ c} + a_ 1(\dot { y_ c} - z_ 2) + a_ 0 ( y_ c - z_ 1)
\end { align*}
\end { enumerate}
2019-04-03 14:59:33 +02:00
\subsection * { Exercice 2:}
2019-01-15 15:57:03 +01:00
On considère le système suivant:
\[ \left \{ \begin { matrix }
\dot { x_ 1} = x_ 1x_ 3\\
\dot { x_ 2} = x_ 1+x_ 2u\\
\dot { x_ 3} = 1 + x_ 3 u
\end { matrix} \right . \]
Examinons la commandabilité de ce système. Pour cela, on rappelle qu'il faut l'écrire sous la forme :
\[ \dot { x } = f ( x ) + g ( x ) u \]
On a donc m=2 et,
\begin { align*}
& f(x) = \begin { pmatrix} x_ 1x_ 2 \\ x_ 1 \\ 1\end { pmatrix} & J_ f = \begin { pmatrix} x_ 3 & 0 & x_ 1 \\ 1& 0 & 0 \\ 0 & 0 & 0\end { pmatrix} \\
& g(x) = \begin { pmatrix} 0\\ x_ 2 \\ x_ 3 \end { pmatrix} & J_ g = \begin { pmatrix}
0 & 0& 0 \\ 0& 1& 0 \\ 0& 0& 1\end { pmatrix}
\intertext { On calcul ensuite :}
ad_ fg & = [f,g] = \begin { pmatrix} -x_ 1x_ 3 \\ x_ 1 \\ 1\end { pmatrix} \\
\text { donc, } J_ { ad_ fg} & = \begin { pmatrix} -x_ 3 & 0 & -x_ 1 \\ 1 & 0& 0 \\ 0 & 0& 0\end { pmatrix} \\
\text { reste à calculer, } ad_ f^ 2g & = [f, ad_ fg] = J_ { ad_ f g} - J_ f ad_ fg = \begin { pmatrix}
-2 x_ 1 \\ 2x_ 1 x_ 3\\ 0
\end { pmatrix}
\end { align*}
Ainsi, on a $ E = \{ g, ad _ fg, ad _ f ^ 2 g \} $ . Or pour $ x = 0 $ le dernier vecteur est nul donc la dimension de E est inférieur à 3. Cela implique que le système n'est pas commandable.
2019-04-03 14:59:33 +02:00
\subsection * { Exercice 3:}
2019-01-15 15:57:03 +01:00
On considère ici le système suivant:
\[ \left \{ \begin { matrix }
\dot { x_ 1} = x_ 2 + u\\
\dot { x_ 2} = x_ 1^ 2 + x_ 2\\
\dot { x_ 3} = x_ 3 + u \\
y = x_ 1
\end { matrix} \right . \]
Déterminons la dynamique est zéros, c'est à dire que l'on va choisir $ u $ de sorte à maintenir la sortie à zéro ainsi que ses dérivées successives.
Ainsi, on impose $ y = 0 $ :
\begin { align*}
y = 0 & \Rightarrow x_ 1 = 0\\
& \Rightarrow \dot { x_ 1} = 0\\
& \Rightarrow x_ 2 + u = 0\\
& \Rightarrow u = -x_ 2\\
\text { on a aussi avec $ x _ 1 = 0 $ , } & \dot { x_ 2} = x_ 2\\
\text { et aussi, } \dot { x_ 3} = x_ 3 - x_ 2
\end { align*}
On a donc la dynamique du système donnée par les valeurs propres de $ A = \begin { pmatrix } 1 & 0 \\ 1 & 1 \end { pmatrix } $ . Les valeurs propres étant $ \pm 1 $ , la dynamique des zéros est instable (CF début du cours de 424).
2019-04-03 14:59:33 +02:00
\end { document}