These Pascal Acco

N
o
dordre : 717
TH
`
ESE
presentee à
lInstitut National des Sciences Appliqu ees de Toulouse
pour lobtention du titre de
DOCTEUR
de lInstitut National des Sciences Appliquees de Toulouse
Specialite : Automatique
par
Pascal ACCO
Laboratoire d
Etude des Syst` emes Informatiques et Automatiques
Ecole Doctorale Systèmes

Titre de la thèse :
Etude de la boucle à verrouillage de phase

par impulsions de charge
Prise en compte des aspects hybrides
Soutenue le 17 Decembre 2003, devant le jury :
President : M. Germain Garcia Professeur, INSA Toulouse
Rapporteurs : M. Claude Iung Professeur, ENSEM Nancy
M. JeanPaul Louis Professeur, ENS Cachan
Examinateurs : M. Jamal Daafouz Matre de conference, ENSEM Nancy
M
me
Danièle FournierPrunaret Professeur, INSA Toulouse
M. JeanLouis Noullet Industriel, ChipYards Toulouse
Membre invite : M. AbdelKaddous Taha Docteur de lINSA de Toulouse
M. Luca Bertolini Industriel, MOTOROLA Toulouse
Table des matières
Introduction 2
Chapitre 1 Introduction 5
1.1 Reexion sur la notion de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Phase et frequence dans le cas des signaux periodiques . . . . . . . . . . . . . . . . 6
1.1.2 Phase et frequence dans le cas des signaux quasiperiodiques . . . . . . . . . . . . 7
1.1.3 Observation de la phase dun oscillateur à relaxation . . . . . . . . . . . . . . . . . 8
1.2 Le verrouillage de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.2 Les boucles à verrouillage de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.3 Classication des BVP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4

Etat de lart de lanalyse des BVP . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.5 La BVPIC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.6

Etat de lart de lanalyse des BVPIC . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.7 Apport personnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Chapitre 2 Modelisation 19
2.1 Modelisation des dierentes parties de la BVP . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.1 Modèle du DPF et du generateur de courant . . . . . . . . . . . . . . . . . . . . . 20
2.1.2 Modèle du ltre passebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Modèle de lOCT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.4 Diviseur de frequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Choix des variables reduites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 BVPIC similaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Normalisation autour du point de fonctionnement unitaire . . . . . . . . . . . . . . 24
2.2.3 Normalisation de la BVPIC du troisième ordre . . . . . . . . . . . . . . . . . . . 27
2.3 Modèle lineaire continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 La boucle dasservissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2 Fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.3 Validite du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Modèle lineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 Approximation de limpulsion de courant de charge . . . . . . . . . . . . . . . . . . 31
2.4.2 Modèle à base dimpulsions de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . 32
i
ii Table des matières
2.4.3 Modèle à base dune impulsion approchee . . . . . . . . . . . . . . . . . . . . . . . 34
2.4.4 Modelisation avec un echantillonneurbloqueur . . . . . . . . . . . . . . . . . . . . 35
2.4.5 Validite des modèles discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.5 Modèle nonlineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6 Modèle linearise discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.7 Modèle nonlineaire inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.8 Modèles hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.8.1 Les dierents types de modèles hybrides . . . . . . . . . . . . . . . . . . . . . . . . 42
2.8.2 Denition du modèle hybride de Pettersson . . . . . . . . . . . . . . . . . . . . 43
2.8.3 Modèle hybride continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.8.4 Discretisation du modèle hybride . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.8.5 Discretisation du modèle hybride continu le long dune sequence . . . . . . . . . . 47
2.8.6 Discretisation periodique du modèle HybCNC . . . . . . . . . . . . . . . . . . . . 48
2.8.7 Discretisation quasiperiodique du modèle HybCNC . . . . . . . . . . . . . . . . 48
2.8.8 Simulation des modèles hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.9 Modèles evenementiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.9.1 Modèle evenementiel du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.9.2 Modèle evenementiel du troisième ordre . . . . . . . . . . . . . . . . . . . . . . . . 52
2.10 Recapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.11 Quelques simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.11.1 Simulations locales en trajectoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.11.2 Simulations globales en trajectoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Chapitre 3 Analyse 59
3.1

Etude du modèle lineaire continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.1 Stabilite absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.2 Contrainte de stabilite robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.1.3 Contrainte de rapidite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.1.4 Rejet des bruits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.1.5 Rejet du bruit en entree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.1.6 Rejet du bruit à la sortie de lOCT . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.1.7 Saturation de la commande à lentree de lOCT . . . . . . . . . . . . . . . . . . . . 66
3.1.8 Calcul du ltre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2

Etude du modèle lineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.1 Condition de stabilite absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.2 Condition de stabilite robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2.3 Conclusion sur letude lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3 Stabilite dune sequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3.1 Calcul du multiplicateur dun cycle limite . . . . . . . . . . . . . . . . . . . . . . . 69
3.3.2 Calcul du multiplicateur à partir du modèle linearise discret . . . . . . . . . . . . 72
3.3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
iii
3.4 Stabilite quelles que soient les sequences . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4.1 Un contreexemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4.2 Methode directe de Lyapunov et extension aux systèmes hybrides . . . . . . . . . 75
3.4.3 Stabilite des systèmes nonlineaires commutes . . . . . . . . . . . . . . . . . . . . 78
3.5 Stabilite quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5.1 Representation du système sous forme polytopique . . . . . . . . . . . . . . . . . . 80
3.5.2 Recherche dune fonction de Lyapunov quadratique commune . . . . . . . . . . . 81
3.6 Stabilite Polyquadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6.1 Stabilite polyquadratique dans un ensemble de sequences reduit . . . . . . . . . . 82
3.6.2 Validite du resultat pour le système nonlineaire . . . . . . . . . . . . . . . . . . . 82
3.7 Stabilite polyquadratique relachee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.7.1 Linearisation de Lyapunov des modèles nonlineaires discrets commutes . . . . . 83
3.7.2 La oprocedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.3 Partitionnement du plan de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.8 Approximation de la region de stabilite par une grille de calcul . . . . . . . . . . . . . . . 89
3.9 Verication experimentale des resultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.10 Optimisation par force brute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Conclusion et perspectives 97
Annexe A Signaux Analytiques 99
A.1 Le concept de phaseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A.2 Extension aux signaux quelconques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Annexe B Relation de similarite entre BVPIC 101
B.1 Denition de la relation de similarite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
B.2 Condition de similarite entre deux commutations du courant de charge . . . . . . . . . . . 101
B.2.1 Similarite des etats E et E
t
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
B.2.2 Similarite entre v
oct
et v
t
oct
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
B.2.3 Similarite des phases
b
et
b
t
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
B.3 Preuve pour tout t par raisonnement recurrent . . . . . . . . . . . . . . . . . . . . . . . . 102
B.4 Extension aux BVPIC du troisième ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
B.4.1 Similarite des tensions v
c
et v
oct
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
B.4.2 Relation de similarite des BVPIC du troisième ordre . . . . . . . . . . . . . . . . 103
Annexe C Calcul du modèle NLDL 105
C.1 Calcul de
k+1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
C.1.1 Cas de deux charges consecutives : cas + + . . . . . . . . . . . . . . . . . . . . 105
C.1.2 Cas dune charge suivie dune decharge : cas + - . . . . . . . . . . . . . . . . . 106
C.1.3 Cas dune decharge suivie dune charge : cas - + . . . . . . . . . . . . . . . . . 106
C.1.4 Cas de deux decharges consecutives : cas - - . . . . . . . . . . . . . . . . . . . . 107
C.2 Domaines de denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
1
Annexe D Calcul du modèle NLD
-1
109
D.1 Unicite du modèle inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
D.1.1 Exclusion dune solution eligible . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
D.1.2 Inversion du cas - - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
D.1.3 Inversion du cas - + . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
D.2 Domaine de denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Annexe E Realisation experimentale de la BVPIC 113
E.1 Le detecteur de phasefrequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
E.2 Le generateur dimpulsions de charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
E.3 Le detecteur de sequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Annexe F Optimisation de la BVPIC dordre deux 117
Liste des symboles 123
Liste des acronymes 129
Index 131
Index des auteurs 133
Bibliographie 135
Introduction
Historiquement, le principe de la boucle à verrouillage de phase, appelee plus communement PLL
(en anglais Phase-Locked loop), remonte aux annees 1930. Il a ete imagine par le physicien francais
Henri de Bellescize qui, cherchant à ameliorer les conditions de reception de signaux radioelectriques
fortement noyes dans le bruit, a invente le principe de la regulation automatique de phase.
Bien que cette invention fut dune grande importance, en particulier dans le domaine des telecom-
munications et de la teledetection, les contraintes technologiques de lepoque (utilisation de composants
à tubes) ont limite son developpement, et il a fallu attendre lavènement des circuits electroniques à
semi-conducteurs dans les annees 1950 pour que le principe des asservissements de phase jouisse dune
expansion rapide dans beaucoup de domaines.
De nos jours le verrouillage de phase trouve des applications aussi nombreuses que variees qui vont
de la traditionnelle modulation/demodulation (application native) à la telemetrie par eet Doppler en
passant par la reconstitution ou la synthèse des horloges de synchronisation des dispositifs electroniques
analogiques et numeriques.
Il existe diverses architectures de boucles à verrouillage de phase et le choix de la structure à adopter
depend aussi bien de lapplication dans laquelle elle est impliquee que de la nature analogique et/ou
numerique des signaux quelle met en oeuvre.
Larchitecture communement rencontree dans des applications de synthèse dhorloge et presentant des
caracteristiques très attrayantes en termes daccrochage et de comportement dynamique, est la Boucle à
Verrouillage de Phase par Impulsion de Charges (nous preferons utiliser le sigle BVPIC à son equivalent
anglais CPPLL signiant Charge PumpPLL). Ce travail de thèse sarticule autour de cette architecture
particulière.
Problematique
La BVPIC est un circuit très apprecie pour sa bonne capacite dacquisition et la qualite de son regime
transitoire. Ce circuit tire ses performances dun detecteur très particulier constitue dune machine à
deux, trois ou cinq etats qui lui confère la capacite de detecter les erreurs de phase et de frequence.
Ce detecteur de phase à logique sequentielle commande et coexiste avec des systèmes purement analo-
giques comme le ltre ou loscillateur controle en tension. Bien quil soit facile de modeliser le detecteur
de phase dune part et les fonctions analogiques dautre part, il est dicile de modeliser les interactions
entre le système sequentiel à temps discret et les systèmes analogiques à temps continu.
Jusquà present cette diculte a ete franchie en assimilant le comportement du detecteur de phase
sequentiel à celui dun detecteur de type analogique très utilise et très matrise. Ces travaux ont ete
inities dans les annees 1970 essentiellement par Floyd M. Gardner et font reference dans les milieux de
la recherche et de lindustrie.
Dans les annees 1990, deux types de modèles prenant en compte de manière exacte le detecteur de
phase ont ete etablis de manière independante par Mark van Paemel et par Christian D. Hedayat. En
revanche, aucune methode danalyse na ete proposee à partir de ces modèles dont les simulations laissent
entrevoir une plage de stabilite beaucoup plus grande que celle estimee auparavant.
Ces simulations montrent que lanalyse de la stabilite de la BVPIC à partir des modèles exacts ne
represente pas seulement une diculte theorique interessante pour un chercheur mais aussi une extension
des possibilites de conception pour lingenieur.
2
3
Lavènement de la theorie des systèmes hybrides lors de ces trente dernières annees devrait rendre
possible une telle analyse. Cette theorie vise à modeliser et analyser les systèmes hybrides o` u coexistent
des dynamiques continues dans le temps avec des systèmes evenementiels à temps discret. Cette theorie a
ete surtout developpee pour letude de systèmes automatiques supervises par des systèmes decisionnels.
Le cloisonnement entre la discipline des telecommunications traitant notamment du verrouillage de
phase et la discipline de lautomatique traitant des asservissements de niveau decisionnel a empeche le
rapprochement entre la BVPIC et les systèmes hybrides dont elle fait pourtant partie.
Nous proposons dans ce memoire deectuer ce rapprochement qui devrait permettre deectuer la
première analyse exacte de la stabilite de la BVPIC.
Organisation de ce memoire
Les travaux de thèse sont presentes en trois chapitres :
Le Chapitre 1 Introduction tente damener une large gamme de lecteurs le plus loin possible
dans la comprehension du principe et de lutilite de lasservissement de phase. Le choix dexemples
simples qui ne sont pas issus dapplications electroniques permet daborder le fonctionnement dun
oscillateur controle, ainsi que la denition de sa phase instantanee. Toujours à laide dun exemple
simple le principe du verrouillage de phase et ses enjeux techniques sont abordes. Sous des termes
plus techniques, les boucles à verrouillage de phase, lhistorique et letat de lart de leur analyse sont
presentes. Nous introduisons la BVPIC et son principe de fonctionnement après un bref expose des
dierentes architectures.
Le chapitre 2 Modelisation aborde les nombreux modèles de la BVPIC dordre deux et trois.
Chaque bloc fonctionnel est dabord decrit et mis en equation. Pour faire face au grand nombre de
paramètres entrant en jeu dans lecriture de ces equations nous demontrons que la dynamique de la
BVPIC depend uniquement de deux ou trois paramètres. Ces paramètres reduits sont ensuite utilises
pour lecriture des modèles lineaires et des modèles exacts. Les deux modèles exacts proposes dans la
litterature sont mis sous la forme de systèmes hybrides. Des simulations signicatives sont presentees
pour caracteriser le domaine de validite de quelques modèles et en proposer une classication sur
cette base.
Le chapitre 3 Analyse met en oeuvre la theorie des systèmes lineaires puis celle des systèmes
hybrides pour degager une condition de stabilite la plus large possible pour la BVPIC dordre
deux. Les analyses lineaires continue et discrète sont presentees de manière à demontrer la souplesse
et la facilite avec laquelle elles peuvent etre utilisees. Nous abordons ensuite lanalyse à partir des
modèles exacts à laide dune part de la section de Poincar e et dautre part de la methode directe
de Lyapunov. Les resultats theoriques sont nalement confrontes à des mesures experimentales
realisees sur une platine à composants discrets concue à cet eet.
4 Introduction
Chapitre 1
Introduction
Sommaire
1.1 Reexion sur la notion de phase . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Phase et frequence dans le cas des signaux periodiques . . . . . . . . . . . . . . 6
1.1.2 Phase et frequence dans le cas des signaux quasiperiodiques . . . . . . . . . . 7
1.1.3 Observation de la phase dun oscillateur à relaxation . . . . . . . . . . . . . . . 8
1.2 Le verrouillage de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.2 Les boucles à verrouillage de phase . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.3 Classication des BVP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4

Etat de lart de lanalyse des BVP . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.5 La BVPIC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.6

Etat de lart de lanalyse des BVPIC . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.7 Apport personnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5
6 Chapitre 1. Introduction
1.1 Reexion sur la notion de
phase
La phase et la frequence instantanee sont des
notions communement admises qui sont, la plupart
du temps, utilisees sans etre precisement denies.
Dans letude dun asservissement de phase, il est
important de denir cette notion avec precision car
elle intervient dans la modelisation des signaux.
Ce problème de la representation mathematique
des signaux et de leur analyse sont lobjet de la
theorie du signal [Rou79][dC84][Spa70].
La denition de frequence et de spectre instanta-
nes sont un problème ardu de cette theorie faisant
appel à la relation dincertitude entre la precision
temporelle et la precision frequentielle de lobser-
vation dun signal.
Letude de la stabilite dun asservissement de
phase ne necessite pas, en general, une analyse des
signaux très poussee comme par exemple lanalyse
par ondelettes ; la transformee de Fourier est un
outil susant pour ce genre detude.
Par contre, letude fait appel à une representa-
tion mathematique temporelle des signaux qui doit
etre adaptee aux signaux rencontres, et qui permet
une modelisation aisee du système.
La modelisation des signaux dun asservissement
de phase se fait en calculant levolution de leur
phase instantanee ou de leur frequence instanta-
nee, la frequence etant denie comme la derivee
temporelle de la phase. Une modelisation rigou-
reuse doit denir ces deux notions et etablir leur
lien avec lamplitude du signal.
Nous envisageons, pour cela, une denition de
la frequence instantanee etablie par approximation
locale du signal. Une reexion sur lobservabilite
de la phase dun signal carre, qui est la forme des
signaux rencontres dans ce memoire, montre les
limites de la denition.
On denit alors la notion de phase instantanee
à partir des variables detat dun oscillateur à re-
laxation. Cette denition permet de representer le
signal par un signal analytique de meme phase et
damplitude telle que le signal reel soit de forme
carre.
On obtient ainsi une representation mathema-
tique du signal faisant apparatre sa phase et sa
frequence instantanee qui, de plus, admet une re-
presentation physique aisee de ces notions.
1.1.1 Phase et frequence dans le cas
des signaux periodiques
Prenons les denitions des termes phase et fre-
quence issues du Nouveau Petit Robert :
Denition 1 Phase : n.f. (1903) phys.
Constante angulaire caracteristique dun mouve-
ment periodique. Le dephasage, dierence de
phase entre deux mouvements de meme periode.
Mouvements de meme periode en phase (debu-
tant en meme temps, leurs fonctions ayant leurs
maximums et leurs minimums pour des valeurs
identiques de leurs variables), en opposition de
phase (avec un angle de phase de 180
), en qua-
drature retard ou avance de phase, dephases dun
quart de periode. Courant electrique constitue de
plusieurs composantes sinusodales presentant des
dierences de phase. polyphase ; biphase,
triphase.
Denition 2 Fr equence : n.f. (1890
electr. ; 1753 phys.) Nombre de cycles iden-
tiques dun phenomène par unite de temps (en
general, par seconde). Frequence dun diapa-
son. Frequence sonore. Frequence respiratoire :
nombre de cycles respiratoires par minutes. Fre-
quence temporelle, circulaire, angulaire. Inverse
de la frequence periode. Frequence dun cou-
rant alternatif ou dune onde electromagnetique
( audiofrequence, hyperfrequence, radio-
frequence). Bande de frequence ( frequen-
tiel ; passebas ; passehaut). Intervalle de fre-
quence. decade, octave.) Frequence musicale
ou acoustique, correspondant aux tons audibles.
Modulation de frequence. F.M.
La phase et la frequence sont donc des carac-
teristiques constantes du signal etablies pour des
signaux periodiques. La phase est une constante
angulaire denie par rapport à une reference tem-
porelle, generalement linstant initial, ou par rap-
port à la phase dun signal de reference.
La frequence est denie par rapport à une du-
ree dobservation pendant laquelle le nombre doc-
currences de cycles identiques est compte. Dans le
cas dun simple signal sinusodal, lamplitude A, la
phase , et la pulsation apparaissent explicite-
ment dans lecriture du signal e(t) :
e(t) = A sin( t +)
La phase etant exprimee en radians, la pulsation
est exprimee en radians par secondes. Un simple
changement dunite permet de lier la pulsation
et la frequence f par = 2 f.
1.1. Reexion sur la notion de phase 7
Cette denition de la phase nest plus valable
lorsque les caracteristiques des signaux varient
dans le temps. Cest le cas des signaux quasi
periodiques, comme les signaux modules en phase
et/ou en frequence.
La phase et la frequence ne sont plus, dans ce
caslà, des caracteristiques constantes du signal et
leur mesure depend alors de la periode dobserva-
tion.
Par extension, une observation de duree inni-
tesimale permet de denir la notion de phase ins-
tantanee, de frequence instantanee et de phase ini-
tiale.
1.1.2 Phase et frequence dans le cas
des signaux quasiperiodiques
Une extension rigoureuse de la notion de fre-
quence instantanee des signaux quasiperiodiques
est dicile car elle demande dexprimer mathema-
tiquement une notion extrapolee intuitivement du
cas periodique.
La phase instantanee est alors vue comme une
information sur letat davancement du cycle à un
instant t, ayant pour valeur 2 à la n du cycle, 0 à
son debut et de croissance monotone. La frequence
instantanee est liee à la vitesse dexecution dun
cycle prise à un instant t.
Dans le cas dun signal sinusodal quasi
periodique A sin((t)) damplitude constante, on
assimile la valeur (t) à la phase instantanee du si-
gnal puisque celleci est une valeur en radian egale
à 2 à la n dun cycle et nulle au debut. La phase
initiale (t
0
) est la valeur de la phase instantanee
à linstant initial.
Par contre la denition de la frequence instan-
tanee nest pas immediate, car elle necessite une
observation du signal pendant au moins un cycle
complet.
Denition de la frequence instantanee par
approximation locale du signal
Une première proposition de denition, illustree
par la g. 1.1, consiste à approcher le signal quasi
periodique de forme quelconque s(t) à linstant
t par une sinusode e(t) de frequence constante :
cette frequence denit la frequence instantanee du
signal à linstant t.
On dit que les fonctions s(t) et e(t) sont sem-
blables à linstant t, si leurs amplitudes sont egales
et si le premier terme de leurs developpements en
1
0.5
0
0.5
1
0.5 1.5 2 t
temps
e(t) = s(t)
et
e
(t) = s
(t)
s(t)
e(t)
Fig. 1.1 : La frequence instantanee du signal Chirp
(en trait plein), modulee par un message m(t) = t,
est deduite de celle dune sinusode e(t) (en pointilles)
semblable à s(t) à linstant t.
serie de Taylor sont egaux :
_
_
_
s(t + t) = s(t) + t s
t
(t) +. . .
e(t + t) = e(t) + t e
t
(t) +. . .
La frequence instantanee du signal s(t) est alors
celle du signal sinusodal e(t) de meme amplitude
veriant e(t) = s(t) et e
t
(t) = s
t
(t). On obtient
ainsi les relations suivantes :
_
_
_
e(t) = A sin(
i
t) = s(t)
e
t
(t) = A
i
cos (
i
t) = s
t
(t)
(1.1)
`
A partir de ces egalites, lexpression de la fre-
quence instantanee, en fonction de la mesure s(t)
du signal et de sa derivee s
t
(t), est unique :
i
(t) =
s
t
(t)
_
A
2
s(t)
2
(1.2)
Remarque 1 Ce resultat est obtenu en rem-
placant le terme cos (
i
(t)) dans lexpression
e
t
(t) = s
t
(t) par sa valeur en fonction du si-
nus :
_
1 sin(
i
(t))
2
. La frequence instanta-
nee etant par denition positive, linversion du
carre du cosinus se fait sans ambigute de signe.
Remarque 2 Dans le cas dun signal sinu-
sodal quasiperiodique à amplitude constante
A sin((t)), cette denition devient la relation
bien connue entre phase et pulsation :
i
=
((t))
t
.
Remarque 3 Cette denition de la frequence ins-
tantanee est dans une certaine mesure arbitraire.
En imposant dans la denition legalite entre
les seconds termes du developpement de Taylor
s
tt
(t) = e
tt
(t), on obtient une frequence instanta-
nee qui peut etre complexe ou multiple. Une telle
denition naurait pas de sens physique.
Illustrons cette denition avec le cas dun signal
module en frequence par un message m(t). La pul-
sation instantanee du signal
i
(t) est, par deni-
tion de la modulation, celle de la porteuse
0
aug-
mentee de lecart de frequence k m(t) proportion-
nel au message.
La g. 1.1 represente un signal de type Chirp
dont le message m(t) est proportionnel au temps
et dont la frequence porteuse est nulle.
Lexpression du signal faisant apparatre expli-
citement la pulsation instantanee
i
, et la phase
initiale
0
est :
s(t) = A sin
_
_
t
_
0
i
() d +
0
_
_
= A sin
_
_
_
_
0
t +
t
_
0
m() d
_
_
+
0
_
_
(1.3)
Si on approche à linstant t ce signal par une si-
nusode de frequence constante, determinee à laide
de lequation(1.2) en remplacant s(t) par lexpres-
sion precedente, on retrouve bien la frequence ins-
tantanee du signal
0
+k m(t).
Dans le cas de signaux sinusodaux modules,
cette denition est valable car la valeur physique
du signal s(t) est liee à la phase du signal.
Remarquons que la formule (1.2) est indetermi-
nee au niveau des extrema de la courbe, lorsque
s
t
(t) = 0 et s(t) = A : le resultat depend alors des
seconds membres du developpement de Taylor.
Cette singularite apparat car, au niveau des ex-
trema, la phase ninuence plus le signal et rend la
mesure de ses variations impossibles en ces points
isoles. Si le signal nest pas lie à la phase à chaque
instant, comme dans un signal carre, cette deni-
tion ne donne plus de resultats physiquement co-
herents.
Un signal carre est constant partout sauf en
quelque points o` u il commute entre deux valeurs
constantes. Lobservation de la frequence instanta-
nee dun tel signal conduirait à une frequence nulle
partout et innie aux points de discontinuite.
La denition nest donc pas valable lorsque la
phase du signal nest pas observable partout à
laide de la mesure du signal et de sa derivee.
Nous proposons de denir la phase dun tel
signal en observant les variables detat du sys-
tème generant ce signal. Dans cette etude, nous
nous interessons exclusivement aux signaux quasi
periodiques generes par un oscillateur à relaxation.
1.1.3 Observation de la phase dun
oscillateur à relaxation
Le principe de loscillateur à relaxation est
demmagasiner de lenergie tant quune limite su-
perieure nest pas atteinte periode de charge ;
le système change alors de comportement et libère
lenergie tant quune limite inferieure nest pas at-
teinte periode de relaxation.
Le système retrouve alors son comportement ini-
tial et commence une nouvelle periode de charge :
il oscille ainsi entre les deux limites.
La g. 1.2 represente un type simple doscilla-
teur à relaxation : le shishi odoshi
1
.
Fig. 1.2 : Le shishi odoshi.
Il sagit dun type de fontaine constitue dune
tige de bambou creuse, dont une extremite est ren-
due etanche par un contrepoids, cette tige pou-
vant pivoter autour dun axe solidaire du sol.
Son fonctionnement est le meme que celui dun
vase de Tantale : en position de repos, vignette
gauche de la g. 1.3, lextremite ouverte du bam-
bou est dirigee vers le haut permettant ainsi à un
let deau de le remplir.
Le niveau deau, augmentant progressivement,
nit par faire basculer le bambou autour de son
axe, vignette centrale de la g. 1.3, et libère sou-
dainement la masse deau emmagasinee.
La tige retourne alors dans sa position initiale
entranee par le contrepoids et vient frapper le sol
en emettant un son caracteristique, vignette droite
de la gure. La frequence de basculement du bam-
1
mot japonais signiant erayer (odoshi) les biches
(shishi) . Ce type de fontaine etait utilise autrefois aux
abords des rizières pour erayer les animaux par son cla-
quement soudain, ou comme clepsydre mesurant le temps
de meditation des moines. De nos jours on le rencontre en
decoration dans les fontaines des jardins japonais.
1.1. Reexion sur la notion de phase 9
Fig. 1.3 : Description du cycle observe par le shishi odoshi : la tige se remplit phase de charge (vignette
de gauche) ; puis bascule lorsquun certain niveau est atteint phase de relaxation (vignette centrale) ; la tige
retombe en arrière et claque sur le sol (vignette de droite). Se retrouvant dans la conguration initiale un nouveau
cycle commence . . .
bou depend, entre autre, du debit deau remplis-
sant plus ou moins rapidement la tige creuse.
Cette fontaine est lanalogie hydraulique du
montage très utilise en electronique consistant à
charger et decharger une capacite avec un courant
dont on controle la valeur. Dans les deux cas, il
sagit dun oscillateur à relaxation controle en cou-
rant.
Ce type de circuit est très utile car il permet de
generer directement un signal carre dont on peut
controler la frequence doscillation.
Un observateur, regardant la tige de bambou ne
peut en connatre la frequence doscillation à un
instant t. Il ne peut que mesurer la periode secou-
lant entre deux changements de position de la tige
et obtenir une mesure de la frequence moyennee
sur cette periode.
La phase du shishi odoshi nest pas observable à
partir de la seule information de sa position, tout
comme la phase du signal carre nest pas obser-
vable à partir de la mesure de sa valeur physique.
Par contre, un observateur pouvant mesurer la
hauteur deau à linterieur du bambou ainsi que
son evolution recupère une information sur letat
davancement du cycle periodique.
Le niveau deau h est une variable detat qui
crot à partir dune valeur inferieure h
min
vers une
valeur superieure h
max
avant de faire basculer la
tige et de revenir rapidement à la valeur h
min
.
Le niveau deau est donc une image instantanee
de la phase du signal qui nest pas exprimee en
radian mais entre les deux valeurs h
min
et h
max
.
Nous pouvons generaliser cette denition en eta-
blissant un modèle hybride simple des oscillateurs
à relaxation.
Denition hybride simple de loscillateur à
relaxation
Sans adopter le formalisme exact de la modeli-
sation hybride, discute plus en detail dans le 2.8
(page 42), nous pouvons etablir un modèle hybride
simple des oscillateurs à relaxation.
Nous avons vu que loscillateur à relaxation pos-
sède deux comportements : la charge pendant la-
quelle lenergie du système augmente vers une va-
leur e ; et la relaxation, pendant laquelle cette ener-
gie decrot vers une valeur e.
En choisissant un vecteur detat X, on peut eta-
blir un modèle dierentiel continu pour chaque
comportement :
X = f
i
(X) i 0, 1
Le champ dierentiel f
0
correspondant au com-
portement de relaxation et le champ f
1
à celui de
charge. Lenergie est alors une fonction du vecteur
detat E(X) de loscillateur.
La g. 1.4 montre un exemple devolution de
cette energie dans un plan de phase de dimension
deux. Dans letat de charge, le système commute
lorsque lenergie E(X) atteint la valeur e.
La relation E(X) = e denit une frontière de
commutation dans le plan de phase du système
f
1
. De meme, E(X) = e denit une frontière de
commutation du système f
0
.
Le système hybride est alors deni par une equa-
tion dierentielle jusquà ce que sa frontière de
commutation soit atteinte.
`
A ce moment lequation
dierentielle change et le vecteur detat conserve sa
valeur lors de cette commutation.
Remarque 4 Certains oscillateurs, comme le
shishi odoshi, observent une periode de relaxation
isoenergie
Arc de
relaxation
isoenergie
E(x, y) = e
Arc de
charge
x
y
E(x, y)
temps
e
e
E(x, y) = e
Relaxation Charge
E > 0

E < 0
Fig. 1.4 :

Evolution de lenergie dun oscillateur à relaxation dans le plan de phase.
très courte que lon peut negliger devant la pe-
riode de charge. Dans ce cas, la modelisation peut
se faire à laide dun seul système dierentiel f,
correspondant à la charge, dont on reinitialise
tout ou partie des variables detats lorsque la fron-
tière de commutation E(X) = e est atteinte par
le système. Le vecteur detat est initialise directe-
ment à sa valeur en n de decharge sur la frontière
E(X) = e.
Remarque 5 Une entree u(t) doit etre ajoutee au
modèle des oscillateurs à relaxation controles. Un
oscillateur controle en frequence comportera une
entree u(t) agissant sur la vitesse de variation de
lenergie du système, le debit du let deau remplis-
sant la tige du bambou dans lexemple precedant.
Il existe des conditions necessaires à lappari-
tion doscillations dans un tel système, telle que la
decroissance (resp. croissance) de lenergie le long
dune trajectoire de f
0
(resp. f
1
) lorsque E(X) e
(resp. E(X) e). Ces conditions, utiles à la
conception de loscillateur, ne sont pas discutees
dans ce memoire.
Denition de la phase instantanee de loscil-
lateur à relaxation
Lorsque loscillateur est bien concu, lenergie
E(X) oscille entre les deux limites en decrivant une
trajectoire cyclique dans le plan de phase (voir la
g. 1.4) denie par deux arcs : un arc correspon-
dant à la charge o` u E(X) est croissante

E(X) > 0
et un arc correspondant à la relaxation avec une
energie decroissante

E(X) < 0.
La valeur de cette energie et le signe de sa varia-
tion donne toute linformation necessaire sur letat
davancement du mouvement cyclique : la phase.
Nous pouvons donc proposer la denition sui-
vante de la phase instantanee dun signal genere
par un oscillateur à relaxation.
Denition 3 Phase instantan ee du signal
dun oscillateur ` a relaxation : toute va-
riable detat à croissance monotone liee à lener-
gie emmagasinee par loscillateur, et au signe de
sa variation, prenant une valeur nulle en un point
du mouvement cyclique point de reference, une
valeur egale à 2 à la n du premier cycle debute
en ce point de reference et k 2 à la n du k
ème
cycle.
On peut adopter, de la meme manière, une de-
nition de la phase instantanee qui soit contenue
dans lensemble [0, 2[. La phase observe alors une
discontinuite en 2 lors de la fermeture dun cycle
qui peut compliquer la denition de la frequence
instantanee.
La modelisation dun oscillateur à relaxation
peut etre faite en choisissant une variable detat
, correspondant à la denition 3, dont la repre-
sentation physique peut etre facilement construite.
En reprenant lexemple du shishi odoshi , la
phase est denie à partir du niveau deau oscillant
entre les valeurs h
min
et h
max
.
La periode de relaxation etant très courte, on
peut la negliger devant la duree de la phase de
charge. La phase est obtenue par une simple ho-
mothetie ramenant la valeur du niveau deau entre
0 et 2 : (t) = 2
h(t)h
min
h
max
h
min
Modelisation du signal carre et denition de
sa frequence instantanee
Le signal carre s(t) est deni, sans perte de ge-
neralite, en fonction de la phase instantanee (t)
1.2. Le verrouillage de phase 11
par :
s(t) =
_
_
_
1 si 0 (t) mod 2 <
0 sinon
Lutilisation du concept de signal analytique, de-
crit dans lannexe A, permet de denir le signal
carre et dobtenir une denition de la frequence
instantanee.
On peut representer le signal carre sous la forme
dun signal analytique complexe z
s
(t) = a(t) e
i (t)
ayant pour phase instantanee la phase de loscilla-
teur à relaxation (t) denie plus haut. Le module
a(t), donnant une forme carree au signal, est deni
par :
a(t) =
_
_
_
1
cos (t)
si 0 (t) mod 2 <
0 sinon
Les proprietes des signaux analytiques sont ve-
riees, cestàdire, 1[z
s
(t)] = s(t) et [z
s
(t)] =
H[s(t)]. Les termes 1[.], [.] et H[.] designent res-
pectivement la partie reelle, la partie imaginaire et
la transformee de Hilbert. On herite ainsi de la
denition 4 de la frequence instantanee dun signal
analytique.
Denition 4 Fr equence instantan ee dun
signal analytique : La derivee temporelle
de largument (t) du signal analytique z
s
(t) =
a(t) e
i (t)
, deni comme sa phase instantanee, di-
visee par 2 .
f
i
(t) =
1
2
(
s
(t))
t
(1.4)
Lors de la modelisation de loscillateur à re-
laxation, la phase instantanee du signal sera prise
comme variable detat et la frequence instantanee
sera alors deduite de la derivee de cette variable
detat, cestàdire, son equation detat.
La modelisation de loscillateur constituant le
circuit que lon etudie est realisee de cette manière
par la suite. On obtient une modelisation du cir-
cuit dont les variables detat ont un sens physique,
et une notion de phase et de frequence instanta-
nee rigoureusement denies en phase avec la
conception intuitive que lon lie à ces grandeurs.
1.2 Le verrouillage de phase
Le principe de verrouillage de phase est base sur
lutilisation dun oscillateur dont la frequence est
controlee. Il consiste à synchroniser les oscillations
de cet oscillateur sur celles dun signal dentree.
Cette synchronisation fait tendre la phase de los-
cillateur vers celle du signal de reference par le
biais dune retroaction.
Un exemple simple est celui du rythme biolo-
gique dun etre vivant, tel que letre humain, qui
vit en phase avec lalternance du jour et de la nuit.
Les recherches recentes en biologie, resumees dans
[Rei97], montrent que lHomme comporte en lui
des oscillateurs qui inuencent et cadencent ses
rythmes biologiques tels que lalternance repos
activite, les sensations de faim et de soif, les varia-
tions de temperature du corps, la generation dhor-
mones. . .
Chez letre humain une des horloges biologiques
a ete identiee : le noyau suprachiasmatique (NSC)
situes dans lhypothalamus audessus du chiasma
optique
2
. Il sagit dun reseau de neurones dont
lactivite electrique varie toute les 24 heures. Ces
cycles durant une journee sont dit circadiens. Le
NSC secrète à leveil de largininevasopressine
(AVP) qui eveille les autres parties du cerveau, et
la nuit le vasointestinal peptide à laction hypno-
gène.
Ces signaux sont transmis par le noyau supra-
chiasmatique à la glande pineale qui, par linterme-
diaire de la secretion nocturne de melatonine, in-
forme lorganisme entier de la survenue de la nuit.
Chez le rat, le NSC est lhorloge biologique prin-
cipale ; son ablation entrane la perte de cohesion
de tous ses rythmes biologiques.
Le NSC se synchronise en fonction de signaux
exterieurs tels que lalternance journuit mais
aussi, de manière preponderante chez lhomme, par
des facteurs socioecologiques : lalternance bruit
silence ; chaudfroid; activiterepos des autres in-
dividus de lespèce.
Chez lHomme, ce sont essentiellement les impe-
ratifs horaires de la vie sociale qui synchronisent le
NSC, lalternance journuit et les prises de repas
sont des synchroniseurs faibles.
Le noyau suprachiasmatique peut etre qualie
dhorloge biologique car il garde une activite ryth-
mique unitaire meme deconnecte du reste du cer-
veau.
Des experiences [Asc81][Wei81] montrent que
des sujets en isolement temporel, à linterieur
dune grotte sans information temporelle et à tem-
perature constante, maintiennent une rythmicite
circadienne en libre cours dune periode de 25
heures et ce pendant quinze jours.
2
region o` u se croisent les deux nerfs optiques
Les signaux synchroniseurs, tels que lheure du
reveil chez lHomme, permettent dasservir le NSC
de manière à ce que le maximum de melatonine
(entre 2 et 5 heures), signalant la periode nocturne
au reste du corps, soit en phase avec le rythme
impose par les facteurs socioecologiques.
Pour cela le cerveau humain capte les decalages
de phase entre son activite electrique et celle per-
cue par les signaux synchroniseurs. En fonction de
cette dierence de phase le cortex cerebral agit sur
le NSC de facon à maintenir un decalage faible
entre la phase des cycles du NSC et celle de la
societe.
Letre humain comporte donc en lui tous les
elements composant un asservissement de phase.
Tout comme la plupart des oscillateurs electro-
niques, le NSC rejoint en labsence de signaux syn-
chroniseurs, une periode doscillation qui lui est
propre (environ 25 heures). Cette periode doscilla-
tion est appelee periode doscillation en libre cours
par les chronobiologistes et periode doscillation
libre par les electroniciens.
Le mode de fonctionnement de ce verrouillage
de phase humain est similaire à celui des cir-
cuits charges de construire lhorloge dun micro
processeur. En eet, lhorloge doit se synchroniser
pour etre en phase avec les signaux exterieurs an
de travailler en coherence avec les autres elements.
Lanalogie se poursuit en constatant quen ge-
neral la frequence doscillation libre dun tel cir-
cuit est choisie legèrement inferieure à la frequence
nominale de fonctionnement du circuit (ceci dans
le but daugmenter la nesse de la plage de com-
mande), tout comme le NSC oscille en libre cours
à une frequence legèrement inferieure au rythme
circadien.
Un autre mode de fonctionnement est la pour-
suite de la phase des synchroniseurs. Ceci apparat
lors dun long trajet traversant rapidement plus de
6 fuseaux horaires. Dans le cas dun voyage Paris
Sydney, par exemple, les signaux synchroniseurs
observent soudainement une avance de phase de
12 heures (180 degres), voir la g. 1.5.
Le NSC du voyageur doit augmenter la fre-
quence de son cycle circadien pendant une phase
transitoire et revenir à une periode de 24 heures
lorsque lactivite du voyageur est redevenue en
phase avec la societe locale.
Pendant cette phase transitoire les cycles cir-
cadiens ne sont plus en phase et genèrent les
symptomes genants du syndrome du decalage ho-
raire : fatigue, troubles du sommeil, manque de
concentration et dans certains cas des troubles
de lhumeur, de lanorexie et des malaises gastro-
Synchroniseur
veille
repos
Taux de melatonine
temps
temps
Phase transitoire Vol
Fig. 1.5 : Lors dun vol ParisSydney, les signaux syn-
chroniseurs (alternance activiterepos de la societe) se
decalent dans le temps. Le taux de melatonine per-
met dobserver les perturbations de lhorloge interne
du voyageur (NSC) qui se synchronise après une phase
transitoire.
intestinaux.
Ce decalage horaire est absorbe plus ou moins
rapidement selon les metabolismes et selon les
cycles concernes : le cycle de veillesommeil est
recouvert plus rapidement que le cycle de varia-
tion de la temperature. Un etre humain reagit
plus rapidement à une avance de phase (voyage
dest en ouest), quà un retard de phase (de louest
vers lest), son comportement nest donc pas syme-
trique.
Ce type de comportement en poursuite de phase
correspond au comportement des circuits de demo-
dulations dans les telecommunications ou dans la
telemesure. La phase des signaux synchroniseurs
est dans ce type dapplications modulee ou simple-
ment perturbee par linformation à vehiculer (te-
lecommunications) ou par linformation liee à la
grandeur à mesurer (mesure par eet Doppler).
Dans ces applications la phase transitoire doit
etre la plus courte possible. Pour cela on cherche
à faire varier rapidement la frequence de loscilla-
teur, souvent par un procede nonlineaire, jusquà
ce que les frequences soient susamment proches
puis on corrige lerreur de phase avec de faibles
variations.
Cette technique est utilisee pour corriger les ef-
fets du decalage horaire sur lhomme : en injectant
pendant la nuit de la melatonine dans le corps hu-
main (ou simplement en sobligeant à ne pas dor-
mir le jour) on force la synchronisation pendant un
cycle circadien, ce qui provoque un fort eet cor-
rectif dans le cerveau humain qui va faire varier
rapidement la frequence du NSC.
Les systèmes modiant la frequence dune hor-
loge interne pour obtenir des variations qui soient
en phase avec celles dun signal de reference sont
des asservissements de phase.
Il ne faut pas confondre lasservissement de
phase, comme celui de lhomme sur lalternance
journuit, avec le couplage de phase entre oscil-
lateurs, comme le couplage des cycles de veille
sommeil dindividus vivants dans la meme pièce
sans repère temporel.
Dans le cas de lasservissement de phase, lhor-
loge interne de lhomme sadapte à la rotation de
la Terre autour du Soleil ; dans le cas du couplage,
les horloges internes de chaque individus sont in-
terdependantes et nissent par se synchroniser.
1.2.1 Historique
Outre les asservissements de phase realises par
la Nature, lHomme a cree ses propres asservisse-
ments de phase à des ns multiples. La realisation
electronique dun asservissement de phase par re-
troaction est appelee une boucle à verrouillage de
phase.
Lutilisation des boucles à verrouillage de phase,
que lon notera BVP par la suite, est tellement re-
pandue de nos jours quun foyer occidental moyen
comporte au moins une dizaine dexemplaires de ce
circuit (au moins 2 exemplaires dans un televiseur,
4 dans un ordinateur, 1 dans une radio, 1 dans un
telephone, 1 dans une telecommande, etc.).
Une des premières observations scientiques
du phenomène de synchronisation a ete celle de
Huygens en 1673 qui a observe la synchronisa-
tion de deux horloges à balancier.
Les premières etudes systematiques avec une
realisation electronique dun asservissement de
phase semblent etre celle de Appleton en 1922
[App22], et de van der Pol en 1927 [vdP27], qui
ont montre que lon pouvait asservir la phase dun
oscillateur à triodes au moyen dun signal de fre-
quence legèrement dierente.
La première description connue dune BVP
par retroaction est publiee par lingenieur fran-
cais de Bellescize en 1932 [dB32] à pro-
pos de la reception synchrone de signaux radio.
de Bellescize proposait un asservissement de
phase dans le but de reconstruire la porteuse dun
signal module en amplitude pour operer à la re-
ception de ce signal.
Ce principe de reception dit heterodyne a ete en
un premier temps delaisse, car trop complexe, au
prot de la reception synchrone pendant quelques
annees. La reception heterodyne est ensuite deve-
nue incontournable avec le besoin daccrotre les
performances et avec la reduction des co uts ap-
portee par lelectronique integree.
La première utilisation intensive de la BVP a
ete la synchronisation horizontale et verticale des
balayages des postes de television. Le depart du
balayage de chaque ligne et celui de chaque demi
trame dune image televisee est donne par une im-
pulsion dans le signal video.
Une methode directe pour construire le balayage
du tube de television consiste à faire partir une
trame de balayage dès lapparition dune impul-
sion. Mais cette methode etant très sensible à lab-
sence dimpulsion et aux bruits, lutilisation de
deux oscillateurs libres synchronises sur les impul-
sions du signal video a ete mise en oeuvre en uti-
lisant le verrouillage de phase.
Ceci permet dobtenir un balayage en labsence
dimpulsion et surtout de rejeter leet du bruit
sur le declenchement des trames provoquant des
tremblements de limage et une mauvaise resolu-
tion.
Les vols spatiaux ont apporte des contraintes
fortes sur les circuits de telecommunication : faible
puissance des signaux porteurs (10mW) et donc
fort rapport signalbruit, mais aussi un deplace-
ment de la frequence porteuse d u à la derive en
temperature des oscillateurs embarques et à leet
Doppler lie au deplacement des satellites.
Ces exigences ont inspire denormes progrès
dans la matrise des BVP et ont etendu les do-
maines dapplication :
les transpondeurs qui localisent et identient
le vehicule dans lequel ils sont embarques en
renvoyant le signal dun radar en multipliant
sa frequence par un rapport
n
/m identiant
lappareil ;
les modulateurs et demodulateurs de fre-
quence utilises principalement dans les tele-
communications ;
les onduleurs generant la commande des ma-
chines asynchrones, et la synchronisation dun
alternateur sur le reseau electrique ;
les multiplieurs et diviseurs de frequence ;
la synchronisation des transmissions digitales
utilisee notamment dans les transmissions
NRZ
3
, les reseaux ethernet, le stockage sur
support magnetique ou optique, les telecom-
mandes, etc. ;
les generateurs de frequence dans les tele-
phones à frequence vocale, les synthetiseurs
musicaux ;
les generateurs dhorloge pour les micropro-
cesseurs et leurs peripheriques ;
les convertisseurs tensionfrequence et fre-
3
codage en Non Retour à Zero
quencetension ;
etc.
De toutes ces applications se sont degagees un
nombre important de solutions, donnant naissance
à des types de BVP qui dierent selon les signaux
traites et la realisation de chacune des parties qui
les composent.
1.2.2 Les boucles à verrouillage de
phase
Bien quil y ait de nombreuses manières de rea-
liser la BVP, sa structure globale, presentee dans
la g. 1.6, nevolue pas. Une BVP est constituee
des trois blocs suivants :
un Detecteur de Phase ou dun Detecteur de
PhaseFrequence
4
fournissant une informa-
tion sur lerreur de phase entre le signal den-
tree v
ref
et le signal boucle v
b
, cette infor-
mation depend aussi de lerreur de frequence
dans le cas du DPF;
un Filtre PasseBas charge de ltrer les per-
turbations, stabiliser la boucle, et lisser la ten-
sion v
oct
transmise à loscillateur controle en
tension;
un Oscillateur Controle en Tension ou un
Oscillateur Controle Numeriquement
5
qui de-
livre un signal de frequence instantanee direc-
tement proportionnelle à la tension dentree.
Filtre Passe-Bas
v
charge
OCT
Signal reconstruit
modulation
de frequence
v
oct v
s
v
b
v
ref
DP
ou
DPF
+
+
de frequence
demodulation
Sortie de la
Sortie de la
demodulation
de phase
Entree de la
Fig. 1.6 : La boucle à verrouillage de phase
4
Phase Detector ou Phase Frequency Detector en an-
glais, denomme DP et DPF par la suite
5
Voltage Controlled Oscillator ou Numerically Control-
led Oscillator en anglais, denomme OCT et OCN par la
suite
La BVP eectue un asservissement sur la phase
du signal boucle v
b
. Lorsque le signal de sortie v
s
est en retard sur le signal dentree v
ref
, le DP, à
travers le ltre et lOCT, augmente la frequence
du signal de sortie, ce qui a pour eet de reduire
ce retard. Inversement, une diminution de la fre-
quence de lOCT reduit lecart de phase lorsque la
sortie est en avance.
La notion dentree et de sortie dune BVP est
relative au type dapplication qui lui est desti-
nee, la g. 1.6 montre les points dentreesortie
de quelques applications.
Dans le cas dune modulation de frequence, le
signal de modulation est additionne à lentree du
VCO et le signal module est recupere à sa sortie,
lentree du DPF etant cadencee par la frequence
porteuse. Dans le cas dune demodulation de fre-
quence, le signal à demoduler entre sur le DPF, et
le signal demodule est recupere à la sortie du ltre.
Le bouclage de la BVP permet de realiser une
fonction directement mais aussi indirectement par
asservissement du signal issu de la fonction inverse.
Cela est utile lorsquune operation est technique-
ment dicile à realiser directement, mais facile à
realiser à linverse.
Cest le cas de la multiplication de la frequence
dun signal par un nombre rationnel
N
/P. Il est
facile de diviser la frequence dun signal binaire en
utilisant par exemple des compteurs, par contre sa
multiplication est beaucoup plus dicile.
Pour multiplier la frequence f dun signal par
N, on peut introduire un Diviseur de Frequence,
comme dans la g. 1.7, pour boucler le signal de
sortie v
s
vers le DPF. Le signal boucle v
b
est alors
de frequence N fois inferieure à celle du signal de
sortie.
OCT
DP
ou
DPF
1
/N
v
b
v
oct v
s
v
charge
Diviseur de frequence
f
v
ref
f
Nf
Fig. 1.7 : La BVP en multiplieur de frequence
Lasservissement de phase assure alors une fre-
quence f identique entre le signal boucle v
b
et le
signal dentree v
ref
ce qui permet dobtenir un si-
gnal de sortie de frequence Nf. Il sut alors de
diviser la frequence de sortie par P pour nale-
Tab. 1.1 : Nomenclature des BVP.
Type de Detecteur de Phase Type dOscillateur Controle
Analogique (VCO) Numerique (NCO)
Echantillonneur SPLL DSPLL

Sampled PLL Digital Sampled PLL
Multiplieur APLL DPLL
Analog PLL Digital PLL
Logique XORPLL XORDPLL
Sequentiel CPPLL CUDDPLL
Charge Pump PLL Counting Up/Down Digital PLL
Logiciel SoftPLL
Software PLL
ment obtenir le rapport de frequence
N
/P.
Pour plus de details sur les dierents types de
BVP et leurs applications, on peut consulter les
references suivantes [Kol99][Ste98].
1.2.3 Classication des BVP
De la litterature concernant les BVP se degage
un grand nombre dappellations ne designant par-
fois pas le meme système. On peut remarquer par
exemple lappellation de DPLL designant tantot
une BVP comportant un detecteur de phase lo-
gique, tantot une BVP comportant un OCN.
Globalement, une classication est utilisee im-
plicitement distinguant les dierents types de BVP
selon :
le type de DP, pouvant etre un detecteur
echantillonneur, multiplieur, sequentiel ou lo-
gique ;
le type doscillateur, controle par une com-
mande numerique ou analogique.
Le type de ltre utilise pouvant etre deduit de
la nature du DP et de loscillateur, celui-ci nin-
uence pas en general lappellation de la BVP. Le
tableau 1.1 liste les dierents types de BVP les plus
courantes ainsi que lappellation issue de langlais.
Selon le detecteur de phase on distingue les
BVP analogiques dont le detecteur de phase et
loscillateur sont analogiques, des BVP semi
numerique dont le detecteur de phase est nu-
merique et loscillateur analogique.
Le choix du detecteur de phase depend principa-
lement des signaux quil recoit. Lorsque le signal en
entree et le signal boucle sont de type sinusodal
ou de manière plus generale à phase observable,
les detecteurs de phases analogiques (multiplieurs,
echantillonneurs, etc.) sont preferes aux detecteurs
numeriques car ces derniers sont très sensibles au
bruit.
Lorsque les signaux sont mixtes, dans les conver-
sions de signaux carres en signaux sinusodaux par
exemple, lutilisation de detecteurs de phase analo-
giques demeure avantageuse, notamment celle dun
detecteur par echantillonnage qui se trouve parti-
culièrement adapte à cette situation.
Lorsque les signaux sont tous deux de forme car-
ree, dont la phase nest pas observable à tout ins-
tant, les detecteurs numeriques simposent car ils
peuvent detecter les transitions successives du si-
gnal.
Lorsque la BVP est integree sur une puce, celle
ci se trouve souvent etre la seule partie analogique
du circuit, cest le cas dans les circuits purement
numeriques comme les microprocesseurs, les DSP,
les microcontroleurs et leurs peripheriques.
Cette partie analogique devient co uteuse car elle
empeche lutilisation de certaines technologies à
très basse tension utilisees en numerique et de-
mande des eorts de conception qui doivent etre
renouveles à chaque changement de technologie.
Cest pourquoi des BVP entièrement nume-
riques ont ete realisees en utilisant des detecteurs
de phase numeriques et en remplacant le ltre et
lOCT par leurs equivalents numeriques.
Elles sont alors concues et integrees avec les ou-
tils de conception numeriques, fondues avec les
memes technologies et peuvent etre directement
reutilisees lors de changement de technologies.
La conception de lOCN est faite à partir
dune horloge externe de haute frequence dont
on compte le nombre de cycles. Cependant il
existe des OCN nexploitant pas dhorloges ex-
ternes [Ols01][Acc02b].
Dans certaines applications o` u un processeur est
disponible, on peut remplacer les circuits nume-
riques par un microprogramme execute par le
processeur.
Celuici mesure le signal dentree par un de ses
peripheriques, simule le fonctionnement du detec-
teur de phase, du ltre et de lOCN en utilisant
lhorloge du processeur comme horloge de haute
frequence, calcule le signal de sortie et le trans-
met via un peripherique.
Ces types de BVP sont qualiees de BVP lo-
gicielles, ou Software PLL en anglais. Beaucoup
de microcontroleurs comportent une implemen-
tation des elements dune BVP , et permettent de
les controler par le microprogramme.
Il ne faut pas confondre ces BVP dites program-
mables avec une BVP logicielle dont au moins une
des parties de la BVP doit etre implementee par
le microprogramme.
1.2.4

Etat de lart de lanalyse des
BVP
Les BVP ont ete surtout etudiees à partir de leur
première utilisation intensive dans les postes de te-
levision. De 160 articles publies en 1966, le nombre
a franchi les 1000 articles en 1980 et a progresse
avec la diversite des applications. De nos jours, une
recherche sur internet avec la phrase phase locked
loop atteint les 270000 reponses.
La BVP analogique est la première et la
plus etudiee des boucles à verrouillage de phase.
Comme tous ses composants sont analogiques, elle
peut etre modelisee par un système dequations
dierentielles ordinaires ; cette simplicite dana-
lyse en fait une base de reference pour letude des
autres types darchitecture.
De très bons livres [Vit66][Kla72][Bla76][Gar79],
deux numeros speciaux IEEE [Gar80b][Lin82], et
un tutorial [Gup75] sont consacres à la theorie et
aux applications des APLL.
Alors que la theorie des APLL est très deve-
loppee, la theorie des BVP numeriques et semi
numeriques est en constant developpement.
Dune manière generale les nonlinearites des
BVP entièrement numeriques sont negligees et ont
fait lobjet de relativement peu de travaux.
Par exemple, leet de la quantication de
la frequence de lOCN, initialement etudie par
Gardner fait lobjet de travaux et de nouveaux
resultats. La quantication provoque lapparition
dun cycle limite dont le comportement a ete ana-
lyse de manière empirique dans [Gar96] et explicite
recemment à partir de lanalyse nonlineaire dans
[Tep99][Tep00].
Une autre type de BVP est celui dont les de-
tecteurs de phase comportent une memoire des
etats passes. Citons les detecteurs de phase sequen-
tiels et les detecteurs de phase echantillonneurs
bloqueurs qui ont fait lobjet de peu de travaux.
La diculte de lanalyse vient de laspect hy-
bride du système melangeant letat continu du
ltre et de lOCT avec les etats discrets du DP evo-
luant au cours devenements. Cest dans loptique
de mieux matriser les modèles et de fournir des
resultats danalyse concernant ces types de BVP
que sinscrivent ces travaux de thèse.
1.2.5 La BVPIC
Une etude exhaustive de toute les varietes de
BVP à detecteurs de phase sequentiels serait beau-
coup trop vaste. Nous nous limiterons par la suite
à une variete de BVP denommee Boucle à Ver-
rouillage de Phase par Impulsion de Charge
6
(no-
tee BVPIC) ou encore Boucle à Verrouillage de
Phase par Pompe de Charge.
La gure 1.8 presente la structure generale de
la BVPIC. Le circuit comprend un detecteur de
phasefrequence sequentiel à trois etats decrit dans
le 2.1.1, commandant deux sources de courant
stabilisees
7
.
Le courant est injecte dans un ltre passe bas,
decrit au 2.1.2, lissant le signal delivre dans
lOCT, decrit au 2.1.3.
La sortie de lOCT peut etre bouclee sur le DPF
à travers un diviseur par N, ce qui permet dob-
tenir un signal de sortie de frequence N fois supe-
rieure à celle en entree.
Un exemple de realisation integree de ce type de
BVP ainsi que les dierentes caracteristiques me-
surees sur un circuit reel sont publies dans [You92].
6
Charge Pump Phase Locked Loop en Anglais
7
Charge Pump en Anglais
III
v
ref
v
b
DPF
I
c
I
c
i
c
OCT
v
s
v
oct
1
N
R
C
v
haut
v
bas
Fig. 1.8 : Structure dune BVPIC
1.2.6

Etat de lart de lanalyse des
BVPIC
La BVPIC avec un detecteur de phase à trois
etats a ete introduite dans les annees 1976 par
Sharpe dans [Sha76] an dameliorer la phase
transitoire du circuit.
La première modelisation a ete proposee par
Gardner dans [Gar80a] sous forme dun système
de recurrences nonlineaires quasiexactes dont la
resolution numerique permet dobtenir une simu-
lation du transitoire.
Ces equations ont ete linearisees pour permettre
lanalyse de stabilite de la boucle. Cette linearisa-
tion est faite en remplacant la forme exacte des
signaux discrets issus du DPF par une approxima-
tion continue de leur moyenne. Le modèle se trouve
etre alors celui dune BVP analogique.
Cette methode danalyse, appelee
lapproximation quasicontinue (AQC), fait
reference et est encore très utilisee à lheure
actuelle. Dans ce meme article, il est etabli que
lAQC donne des resultats similaires à ceux
obtenus avec les recurrences nonlineaires quasi
exactes, lorsque la frequence de reference est
largement superieure à celle de la bande passante
de la boucle.
Un modèle discret nonlineaire exact a ete pro-
pose par van Paemel dans [vP94] sur la base de
ces travaux. Les equations proposees sont etablies
sans approximation sur la forme des signaux, il en
resulte une quadruple denition des equations du
système. Le système dequation à utiliser parmi les
quatre possibles est determine à laide dun algo-
rithme.
Ce modèle est valable uniquement lorsque ler-
reur de phase nexcède pas un cycle complet, près
de letat daccrochage. Une simulation exacte de
la phase transitoire est tout de meme possible en
utilisant un algorithme de calcul analytique. Dans
cet article lanalyse de stabilite nest pas develop-
pee. Ce modèle a ete etabli uniquement pour les
BVPIC du second ordre.
Les travaux dHedayat [Hed97] etablissent un
modèle evenementiel de la BVPIC. Ce modèle
est compose dune recurrence nonlineaire non
autonome permettant de simuler la phase transi-
toire de manière exacte. Ce modèle, dont le pas de
calcul dans le temps est variable, est analytique et
equivalent à celui de van Paemel pour le second
ordre.
Hedayat a etendu cette modelisation au cas de
la BVPIC du troisième ordre [Hed99]. Aucune
analyse de stabilite specique à ce modèle nest
proposee, par contre une analyse statistique inte-
ressante des caracteristiques du circuit est realisee
à partir des simulations de ce modèle exact.
Des nonlinearites on ete rajoutees dans le mo-
dèle telles que la zone morte du DPF et la satu-
ration de la tension de commande. Labsence de
facilite danalyse mathematique de ces deux der-
niers modèles font que le modèle lineaire et les re-
sultats obtenus par Gardner en 1980 sont encore
utilises.
1.2.7 Apport personnel
Les modèles de van Paemel et Hedayat
orent la possibilite de faire des simulations ra-
pides beaucoup plus precises que celles faites avec
les modèles lineaires, par contre aucune methode
danalyse de la stabilite nest proposee pour ces
modèles.
Nous avons tente de combler cette lacune pen-
dant ces travaux de thèse an de pourvoir à une
analyse plus ne de la stabilite des BVPIC, ce qui
permettrait de relacher les contraintes de concep-
tion.
Après une première recherche sur la base des
modèles exacts de van Paemel et Hedayat, la
traduction de ces modèles sous la forme de modèles
hybrides sest averee très fructueuse.
Les progrès eectues en analyse des systèmes hy-
brides, bases autour de la denition de fonctions
de Lyapunov multiples, ont permis dapporter une
première preuve de stabilite locale faite sans ap-
proximation.
Les travaux
Etant donne le nombre de paramètres impor-

tants entrant en jeu dans la conception de la BVP
IC (6 paramètres pour lordre deux), une classe
dequivalence a ete etablie entre des circuits de pa-
ramètres dierents.
Cette classe dequivalence donne les relations ne-
cessaires et susantes entre les paramètres de deux
BVPIC pour que leurs comportements soient
strictement similaires.
On isole ainsi les deux paramètres determinant
totalement la dynamique du circuit, ce qui permet
de reduire lanalyse de stabilite sur un espace des
paramètres de dimension deux au lieu de six. Cet
espace des paramètres de dimension deux est ap-
pele lespace des paramètres reduits.
Chacune des modelisations suivantes a ete ecrite
ou recrite en variables reduites puis etudiee :
Les modèles lineaires propose par Gardner
permettent dobtenir facilement les conditions
de stabilite du circuit. Des contraintes de rejet
des bruits peuvent etre aussi ajoutees.
Les limites de stabilite et de rejet des bruits
ont ete etablies par Gardner et sont ecrites
dans ce memoire en variables reduites et pre-
sentees dans le plan des paramètres reduits.
Cette representation permet de dimensionner
rapidement les composants et de minimiser la
taille du circuit en fonction des contraintes de
conception.
Le modèle nonlineaire discret propose par
van Paemel permet de traiter la linearisa-
tion exacte du système propose. Ce modèle a
ete repris en variables reduites avec le forma-
lisme de la modelisation hybride.
Pour certaines sequences simples du detec-
teur de phase, ce modèle a permis deta-
blir une condition de stabilite moins res-
trictive que celles obtenues avec les mo-
dèles lineaires. Ces resultats ont ete publies
dans [Acc01c] [Acc01b].
La nouvelle limite de stabilite a ete vali-
dee par une simulation comportementale sous
VerilogA et une realisation experimentale.
Le modèle evenementiel propose par
Hedayat permet des simulations rapides du
système et donc son optimisation. Il a ete
repris en variables reduites et legèrement
modie de manière à integrer les phenomènes
de bruit.
Un critère doptimisation facile à calculer
et parametrable permet destimer les perfor-
mances principales du circuit : stabilite, rapi-
dite, rejet des bruits.
Une methode de calcul des paramètres du sys-
tème basee sur cette technique a ete publiee
dans [Acc01a].
La modelisation sous forme hybride est pro-
posee dans cette thèse. Elle a permis detablir
la première preuve de stabilite de la BVPIC
sans eectuer dapproximation sur les commu-
tations du circuit : stabilite globale au sens de
letat discret.
Grace à lutilisation du modèle inverse pro-
pose dans [Acc02a], les contraintes de stabilite
ont pu etre relachees donnant une condition
de stabilite moins restrictive que celle donnee
par lanalyse lineaire. Ces travaux nont pas
encore ete publies.
Pour valider les resultats theoriques precedents,
une etude par force brute du plan parametrique
a ete rendue possible grace à un logiciel de calcul
parallèle developpe au sein du LESIA. La valida-
tion de cet outil et le principe de parallelisation du
problème sont presentes dans [Ala02].
Cette puissance de calcul permet de balayer len-
semble des valeurs des paramètres reduits et de
tracer une carte de la stabilite observee. Les resul-
tats ont aussi ete veries par une platine dexperi-
mentation realisee en composants discrets.
La methode danalyse de stabilite de la BVP
IC peut etre etendue aux autres BVP hybrides
(à detecteur de phase sequentiels). Cest dans ce
but que les travaux ont ete poursuivis lors dun se-
jour dans le laboratoire du Departement of Electro-
nic and Electrical Engineering à lUniversity Col-
lege of Dublin o` u se trouvent des competences en
BVP numeriques : les DPLL. Un nouveau type de
DPLL, entièrement autonome (ne necessitant pas
dhorloge externe) et pouvant etre fabriquee uni-
quement à partir de blocs logiques de base, a ete
propose dans [Acc02b]. Le circuit a ete modelise
en Verilog puis synthetise avec Synopsys.
Chapitre 2
Modelisation
Sommaire
2.1 Modelisation des dierentes parties de la BVP . . . . . . . . . . . . . . . . 20
2.1.1 Modèle du DPF et du generateur de courant . . . . . . . . . . . . . . . . . . . 20
2.1.2 Modèle du ltre passebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Modèle de lOCT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.4 Diviseur de frequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Choix des variables reduites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 BVPIC similaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Normalisation autour du point de fonctionnement unitaire . . . . . . . . . . . . 24
2.2.3 Normalisation de la BVPIC du troisième ordre . . . . . . . . . . . . . . . . . . 27
2.3 Modèle lineaire continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 La boucle dasservissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2 Fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.3 Validite du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Modèle lineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 Approximation de limpulsion de courant de charge . . . . . . . . . . . . . . . . 31
2.4.2 Modèle à base dimpulsions de Dirac . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.3 Modèle à base dune impulsion approchee . . . . . . . . . . . . . . . . . . . . . 34
2.4.4 Modelisation avec un echantillonneurbloqueur . . . . . . . . . . . . . . . . . . 35
2.4.5 Validite des modèles discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.5 Modèle nonlineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6 Modèle linearise discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.7 Modèle nonlineaire inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.8 Modèles hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.8.1 Les dierents types de modèles hybrides . . . . . . . . . . . . . . . . . . . . . . 42
2.8.2 Denition du modèle hybride de Pettersson . . . . . . . . . . . . . . . . . . . 43
2.8.3 Modèle hybride continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.8.4 Discretisation du modèle hybride . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.8.5 Discretisation du modèle hybride continu le long dune sequence . . . . . . . . 47
2.8.6 Discretisation periodique du modèle HybCNC . . . . . . . . . . . . . . . . . . 48
2.8.7 Discretisation quasiperiodique du modèle HybCNC . . . . . . . . . . . . . . . 48
2.8.8 Simulation des modèles hybrides . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.9 Modèles evenementiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.9.1 Modèle evenementiel du second ordre . . . . . . . . . . . . . . . . . . . . . . . 51
2.9.2 Modèle evenementiel du troisième ordre . . . . . . . . . . . . . . . . . . . . . . 52
2.10 Recapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.11 Quelques simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.11.1 Simulations locales en trajectoire . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.11.2 Simulations globales en trajectoire . . . . . . . . . . . . . . . . . . . . . . . . . 57
19
20 Chapitre 2. Modelisation
Introduction au chapitre 2
Ce chapitre traite de la modelisation de la BVPIC du second ordre et, autant que faire se peut, du
troisième ordre. La diculte de la modelisation dun tel circuit tient dans la coexistence de systèmes
de nature continue (loscillateur et le ltre lineaire) avec un système sequentiel (la logique du detecteur
de phase). Nous cherchons à etablir un modèle capable de representer les interactions entre ces deux
systèmes de nature dierente. Ces modèles doivent permettre ensuite une analyse qui est traitee dans le
chapitre 3.
Plusieurs solutions ont ete apportees dans la litterature et quelques unes le sont dans ce memoire. Une
dizaine de modèles du second ordre ainsi que cinq modèles du troisième ordre sont presentes ici. Pour
permettre au lecteur de situer un modèle particulier parmi les autres, un recapitulatif est presente dans
le 2.10 (page 54). La g. 2.25 presente un recapitulatif des dierents modèles.
La section 2.1 etablit les equations modelisant la fonction de chaque element de la BVPIC : le detecteur
de phase, le ltre, loscillateur et le diviseur de frequence.
Pour faire face au grand nombre de paramètres agissant sur le circuit, la section 2.2 propose disoler un
nombre restreint de paramètres agissant à eux seuls sur la dynamique du système. Un changement de
variables utilisant ces paramètres restreints permet de modeliser simplement le système continu.
Dans les sections 2.3 et 2.4 les modèles lineaires continus et discrets, initialement obtenus par Gardner,
sont presentes en variables reduites.
Les modelisations nonlineaires et leurs derivees (modèle linearise, modèle inverse) sont presentees dans
les sections 2.5 à 2.7. Ces modèles permettent des simulations precises au prix dune certaine complexite.
La modelisation hybride prenant explicitement en compte les interactions entre les parties continues et
discrètes du système est abordee dans les sections 2.8 et 2.9.
La section 2.10 presente un recapitulatif qui classie tous les modèles presentes en fonction du type
dapproximations utilisees pour les etablir.
Quelques simulations de ces modèles sont presentees dans la section 2.11 an de souligner linteret de
porter lanalyse sur des modèles plus precis bien que plus complexes à analyser.
2.1 Modelisation des die-
rentes parties de la BVP
Nous presentons ici les modelisations des com-
posantes de la BVPIC. Il sagit de modeliser le
comportement que doit observer un circuit ideal.
Les phenomènes parasites issus de circuits reels,
comme la dynamique des generateurs de courant
et lexistence dune zone morte dans la caracteris-
tique du detecteur de phase, ne sont pas consideres
dans ce memoire.
Nous nous limitons à une modelisation fonction-
nelle de chaque composante de la BVPIC, pre-
sentee dans la g. 2.2, dans le but den analyser le
comportement.
2.1.1 Modèle du DPF et du genera-
teur de courant
Lelement caracteristique de la BVPIC est son
detecteur de phase à logique sequentielle. Nous
nous interessons à un detecteur de phase/frequence
v
bas
= 0
i
c
= 0
v
bas
= 0
i
c
= +I
c
v
haut
= 1
v
ref
v
ref
v
b
v
bas
= 0
i
c
= I
c
v
ref
v
b
v
b
v
haut
= 1 v
haut
= 1
Fig. 2.1 : Diagramme detat du DPF ( signiant
front descendant de )
dit de type III car la machine à etats nis qui le
represente comporte trois etats distincts. Le dia-
gramme detat du DPF de type III est presente
dans la g. 2.1.
Les sorties du DPF commandent deux commu-
tateurs de courant de telle sorte que le courant i
c
à lentree du ltre passebas prend trois valeurs
possibles I
c
, 0 et +I
c
.
Les etats de la machine sequentielle sont donc
2.1. Modelisation des dierentes parties de la BVP 21
III
v
ref
v
b
DPF
I
c
I
c
i
c
OCT
v
s
v
oct
1
N
R
C
v
haut
v
bas
Fig. 2.2 : Les composantes de la BVPIC
nommes I
c
, 0 et +I
c
car ils correspondent aux
trois combinaisons autorisees des sorties v
bas
et
v
haut
generant ces trois valeurs du courant de
charge.
Dans le cas dune modelisation du comporte-
ment ideal, cette representation par machine à etat
est utilisee. On utilise alors une variable detat
E(t) 1, 0, 1 signiant que le DPF se trouve
dans les etats respectifs I
c
, 0 et +I
c
. La valeur
du courant de charge est alors exprimee par lequa-
tion :
i
c
(t) = E(t) I
c
(2.1)
Le DPF etant à caractère discret asynchrone,
des approximations doivent etre eectuees pour
obtenir un modèle lineaire.
Une solution consiste à estimer le courant de
charge moyen i
c
sur une periode du signal dentree
en fonction de lerreur de phase
e
entre le signal
de reference et le signal boucle.
Cette approximation neglige linuence de ler-
reur de frequence sur le comportement du DPF en
supposant que les deux signaux sont accroches à
une frequence voisine.
La caracteristique lineaire par morceaux valable
pour les petites erreurs de frequence ainsi obtenue
est presentee dans la g. 2.3.
Cette caracteristique sobtient aisement en tra-
cant la forme du signal i
c
(t) pour un dephasage
constant entre les signaux dentree.
Si lon considère de plus que lerreur de phase
est inferieure en valeur absolue à 2 on obtient la
+I
c
I
c
0 2 4 6
4
i
c
2
Fig. 2.3 : Caracteristique approchee du DPF
relation lineaire simple

i
c
=
I
c
2
e
.
2.1.2 Modèle du ltre passebas
Le ltre passebas peut etre actif ou passif, li-
neaire ou nonlineaire. Nous nous limitons aux
ltres les plus simples à concevoir et à modeliser :
les ltres lineaires passifs.
Les BVPIC comportant un ltre du premier
ordre sont appelees BVPIC du second ordre car
leur modèle lineaire est dordre deux.
De meme, on appelle BVPIC du troisième
ordre, les circuits comportant un ltre du second
ordre.
La conception rendant lutilisation de source de
courant plus aisee que celle de tension controlee,
le ltre est attaque en courant.
La sortie du ltre doit fournir une tension la plus
stable possible à lentree de lOCT. Les ltres pas-
v
oct
(t) = v
c
(t) + (v
oct
(t
0
) v
c
(t
0
)) e
tt
0
+
i
c

C
2
_
1 e
tt
0
_
avec v
c
(t) = v
c
(t
0
) +
_

RC
1
(v
oct
(t
0
) v
c
(t
0
))
i
c

C
1
+C
2
_ _
1 e
tt
0
_
+
i
c
C
1
+C
2
(t t
0
)
et = R
C
1
C
2
C
1
+C
2
(2.2)
sifs lineaires du premier et second ordre consideres
sont presentes dans la g. 2.4.
i
c
i
c
t t
R
i
c
v
c
v
oct
C
R
i
c
v
c
C
2
C
1
v
oct
v
oct
v
oct
t t
Fig. 2.4 : Filtres lineaires passif du premier ordre à
gauche et second ordre à droite
Comme le montre cette gure, la tension de sor-
tie du ltre RC du premier ordre est très irregu-
lière car elle comporte des sauts en tension d us au
passage du courant constant dans la resistance.
Le ltre du premier ordre nest donc que rare-
ment utilise. Le concepteur prefère rajouter une
seconde capacite en sortie pour lisser ces sauts de
tension. Ceci nest pas sans compliquer letude du
circuit.
Nous etudions donc, en première approximation,
la BVPIC du second ordre et essaierons de pro-
longer letude au troisième ordre dans la mesure
du possible.
En negligeant les nonlinearites des composants,
la fonction de transfert exprimant v
oct
en fonction
de i
c
correspond à limpedance du ltre. Cette im-
pedance est entièrement lineaire et peut donc etre
exprimee avec la variable de Laplace p.
Les fonctions de transfert du ltre du premier
ordre et du second ordre sont les suivantes :
v
oct
(p)
i
c
(p)
=
RCp + 1
Cp
(2.3)
v
oct
(p)
i
c
(p)
=
1
p
RC
1
p + 1
RC
1
C
2
p + (C
1
+C
2
)
(2.4)
Le courant emis par le DPF est de forme li-
neaire commutee. La representation de Laplace
peut etre utilisee sur les portions constantes du
signal en y integrant les conditions initiales.
Dans ce cas, on peut calculer levolution de la
tension aux bornes des capacites lorsque le cou-
rant est constant. Lhypothèse de continuite per-
met darmer que la tension v
c
aux bornes des ca-
pacites reste constante lors des commutations de
courants.
On peut donc integrer de commutation en com-
mutation la valeur de ces tensions : le signal v
oct
peut facilement etre deduit de la connaissance de
ces tensions et de la valeur du courant en entree
du ltre.
Levolution de v
oct
et v
c
(t) entre deux commu-
tations est donc determinee en fonction de i
c
et
de letat initial par lequation (2.5) dans le cas du
ltre du premier ordre et lequation(2.2) dans le
cas dun second ordre.
v
oct
(t) = v
c
(t) +i
c
(t)R
v
c
(t) =
i
c
(t)
C
t
(2.5)
2.1.3 Modèle de lOCT
Le role de lOCT est de generer un signal de fre-
quence instantanee proportionnelle à la tension en
entree. Sa conception est delicate car la caracte-
ristique du circuit doit etre lineaire et de plus la
frequence de sortie doit etre elevee avec une purete
spectrale maximale.
LOCT est souvent realise à la manière dun shi-
shi odoshi dont on controle le debit deau lalimen-
tant, cestàdire, en chargeant une capacite avec
un courant i (v
oct
(t)) dont la valeur est controlee
par lentree de lOCT.
Lorsque la charge accumulee aux bornes de la
capacite de lOCT atteint une certaine valeur, le
sens du courant de charge i (v
oct
(t)) est inverse et
2.1. Modelisation des dierentes parties de la BVP 23
ainsi de suite. La sortie du comparateur comman-
dant le sens du courant genère alors un signal de
forme carree dont la frequence instantanee est pro-
portionnelle à la commande en entree.
On assimile alors la phase instantanee du signal
de sortie à la charge accumulee aux bornes de la
capacite au cours du temps. On obtient une phase
croissante en la denissant comme lintegrale de la
variation de charge quel que soit le sens de cette
charge :
(t) = (t
0
) +
t
_
t
0
[i (v
oct
(t)) [
C
dt (2.6)
Une autre technique de realisation de lOCT
consiste à connecter un nombre impair dinverseurs
en boucle. Le temps de commutation de chaque in-
verseur est controle par la tension dentree.
Cette architecture, simple, genère des signaux
de très bonne purete spectrale, en revanche la ca-
racteristique de la frequence de sortie en fonction
de la tension en entree nest pas très lineaire. Dans
cette realisation, la phase instantanee est assimilee
à la charge accumulee dans les entrees de chaque
inverseur.
Dans le 1.1 (page 6), on montre que la fre-
quence instantanee est liee à la frequence par la
relation :
(t) = (t
0
) + 2
t
_
t
0
F() d (2.7)
La frequence instantanee f
oct
du signal de sor-
tie de lOCT est donc assimilee directement à la
variation de charge accumulee dans la capacite de
lOCT qui est directement proportionnelle au cou-
rant de charge i (v
oct
).
Quelle que soit la manière dont lOCT est concu,
sa caracteristique exprimant la frequence instanta-
nee de sortie en fonction de la tension en entree de-
pend directement de la qualite de lasservissement
du courant de charge. Une caracteristique typique
est presentee dans la g. 2.5.
Dans la suite, nous negligerons cette nonline-
arite ainsi que la dynamique de lasservissement du
courant de charge (ou du temps de commutation
des inverseurs) par la tension en entree.
La derivee de la phase instantanee (2.6) propor-
tionnelle à la valeur du courant chargeant la capa-
cite de lOCT est approchee par une relation ane
avec la tension v
oct
. La frequence instantanee est
alors donnee par la relation ane suivante :
f
oct
(t) = K
oct
v
oct
(t) +F
ol
(2.8)
f
oct
F
ol
v
oct
Point de
fonctionnement
lineaire
ane
reelle
0 v
s
Fig. 2.5 : Caracteristiques reelle, ane et lineaire de
lOCT
La pente K
oct
de la caracteristique est appelee
gain de lOCT et labscisse à lorigine F
ol
de la
caracteristique est appelee frequence doscillation
libre de lOCT.
On peut remplacer F(t) par lexpression (2.8) et
obtenir lexpression de la phase du signal de sortie
oct
en fonction de la tension en entree :
oct
(t) =
oct
(t
0
)+ (2.9)
2
_
(t t
0
)F
ol
+K
oct
t
_
t
0
v
oct
() d
_
Une representation lineaire est obtenue en negli-
geant la part de la frequence doscillation libre F
ol
devant la part apportee par le gain de frequence
K
oct
. On obtient ainsi la fonction de transfert de
lOCT ideal en utilisant la variable de Laplace :
oct
(p)
v
oct
(p)
=
2 K
oct
p
(2.10)
Comme le montre la g. 2.5, cette approxima-
tion peut etre forte selon le type de lOCT.
2.1.4 Diviseur de frequence
Le diviseur de frequence est un circuit logique
qui fournit à sa sortie un signal de frequence N
fois inferieure à celle du signal en entree.
Dans le cas de signaux binaires, comme dans la
grande majorite des BVPIC, le diviseur compte
les fronts du signal de sortie de lOCT et genère
un front à sa sortie lorsque la valeur du compteur
atteint N. Le compteur est alors reinitialise pour
compter les prochains fronts.
Le diviseur de frequence permet de boucler un
signal v
b
à lentree du DPF de meme frequence que
le signal dentree tout en ayant une frequence de
sortie N fois superieure.
Dans le cas ideal, la phase de sortie du diviseur,
b
(t), est alors simplement N fois inferieure à celle
du signal de sortie de lOCT :
b
(t) =

oct
(t)
N
(2.11)
Dans beaucoup danalyses, ce diviseur de fre-
quence nest pas directement pris en compte : le
comportement dune BVPIC est le meme si on
considère le circuit sans diviseur de frequence mais
avec un gain de lOCT N fois inferieur.
Ce genre de simplication très utile est le sujet
de la section suivante.
2.2 Choix des variables re-
duites
Les equations issues de la modelisation du
système traitee dans la section precedente de-
pendent de beaucoup de paramètres. Pour un cir-
cuit dordre deux, le vecteur des paramètres =
[R, C, I
c
, K
oct
, F
ol
, N, T] est de dimension 7.
Parmi ces paramètres, certains sont des degres
de liberte utiles à la conception, et dautres sont
des paramètres imposes par la fonction que doit
exercer le circuit. Il est utile de discerner les degres
de liberte, qui vont inuencer le comportement de
la BVP, des autres constantes an de reduire la
dimension de lespace des paramètres à etudier.
Dans cette section, on denit une relation
dequivalence entre des BVPIC de paramètres dif-
ferents dans le but de determiner et de regrou-
per sous la meme classe les BVPIC observant des
comportements identiques.
On considère alors le comportement dune BVP
IC à travers un jeu de paramètres et de variables
detat reduit correspondant à une BVPIC simi-
laire unique.
Ceci permet de passer dun vecteur de para-
mètres = [R, C, I
c
, K
oct
, F
ol
, N, T] à un vecteur
de paramètres reduit de dimension deux.
Remarque 6 La periode du signal dentree T, qui
nest pas un paramètre intrinsèque de la BVPIC,
a ete rajoutee dans le vecteur de paramètres an
de faciliter lecriture des equations.
2.2.1 BVPIC similaires
On etablit donc une classe dequivalence qui lie
deux BVPIC dont les comportements sont simi-
laires. On considère la dynamique des circuits en
observant levolution des variables detat de cha-
cun, cette evolution dependant des paramètres et
des conditions initiales.
Letat dune BVPIC peut etre entièrement de-
crit par les trois variables detat suivantes :
E(t) letat du DPF deni dans le 2.1.1
(page 20),
v
c
(t) la tension aux bornes de la capacite,

b
(t) la phase du signal boucle v
b
à travers
le diviseur de frequence.
On considère alors deux BVPIC comme equiva-
lentes si leurs variables detat evoluent identique-
ment à un facteur dechelle près. Considerons une
BVPIC dont le vecteur de paramètres est appele
, et une deuxième de paramètres
t
; leur com-
portement sera similaire sil existe un couple de
facteurs dechelle (, ), et des conditions initiales,
tels que la relation suivante soit veriee pour tout
t > 0 :
_
_
v
oct
(t, ) = v
oct
(t,
t
)
b
(t, ) =
b
(t,
t
)
E (t, ) = E (t,
t
)
(2.12)
On demontre dans lannexe B que deux BVP
IC sont similaires si et seulement si les relations
entre les vecteurs de paramètres et
t
suivantes
sont veriees :
_
_
F
ol
N
=
F
ol
K
oct
N
=

K
oct
I
c
C
=
I
c
I
c
R = I
c
t
R
t
(2.13)
2.2.2 Normalisation autour du
point de fonctionnement uni-
taire
Pour etudier une BVPIC de paramètres , nous
considerons une BVPIC similaire dont les para-
mètres
t
sont autant que possible simplies.
Comme il existe une innite de circuits similaires
à un autre, il faut poser des conditions de manière
à designer un circuit equivalent qui soit unique.
La première condition simplicatrice consiste à
2.2. Choix des variables reduites 25
xer les facteurs dechelle et en imposant un
point de fonctionnement le plus simple possible à
la BVPIC similaire.
Denition du point de fonctionnement
Le point de fonctionnement dun circuit est
la valeur des variables detat, o` u lon desire les
conduire, lorsque le système est stabilise.
Dans le cas de la BVPIC, le point de fonction-
nement est caracterise par la tension v
s
à lentree
de lOCT generant un signal de sortie à la periode
desiree
T
N
.
La valeur de v
s
est donc la solution de lequa-
tion :
f
oct
= K
oct
v
s
+F
ol
=
N
T
v
s
=
NF
ol
T
K
oct
T
(2.14)
La frequence du signal dentree, supposee
connue, impose le point de fonctionnement v
s
au-
tour duquel doit uctuer le signal v
oct
.
Nous appelons point de fonctionnement unitaire
un point de fonctionnement qui observe une ten-
sion v
s
egale à lunite (1V), pour une frequence
dentree unitaire (1Hz). Ce point de fonctionne-
ment unitaire sert à xer les facteurs dechelles de
la relation dequivalence.
Reduction du vecteur de paramètres
En choisissant le point de fonctionnement uni-
taire, la relation de similarite entre les BVPIC
(2.12) impose legalite v
s
= 1.
La BVPIC similaire devant fonctionner pour
une frequence dentree de 1 Hertz, le facteur
dechelle temporel est donc egal à
1
T
.
Le couple (, ) peut etre remplace par ces va-
leurs dans les relations (2.13) et denir la relation
suivante entre les paramètres de la BVPIC et
ceux de sa BVPIC similaire simpliee :
F
ol
N
=
T F
ol
N
(2.15a)
K
oct
N
=
K
oct
N
K
oct
T
2
N F
ol
T
(2.15b)
K
oct
N
I
c
R =
K
oct
N
I
c
RT (2.15c)
K
oct
N
I
c
C
=
K
oct
N
I
c
C
T
2
(2.15d)
Nous obtenons quatre relations entre les six pa-
ramètres de la BVPIC et les six paramètres de la
BVPIC normalisee. Il existe donc une innite de
circuits fonctionnant autour du point unitaire qui
soient similaires à un circuit de paramètres .
Il faut de plus xer deux autres paramètres du
circuit similaire unitaire pour designer à chaque
vecteur de paramètres un unique circuit equi-
valent. On peut donc xer arbitrairement deux pa-
ramètres du circuit normalise sans compromettre
la relation de similarite.
Si lon choisit de xer arbitrairement la valeur
de N à lunite, la valeur de F
ol
est imposee par la
relation (2.15a) et la valeur de K
oct
par la relation
(2.15b).
Il reste à xer une variable parmi les trois res-
tante : I
c
; R et C. Nous choisissons de xer la
valeur du courant de charge à 1 Ampère, laissant
ainsi les paramètres du ltre etre les seuls degres
de liberte de lanalyse.
On etudie donc un circuit de paramètres en
considerant le circuit equivalent fonctionnant au-
tour du point unitaire, stimule par une frequence
dentree de 1 Hertz, ne comportant pas de diviseur
de frequence (N = 1), et dont le courant de charge
est de 1 Ampère. Ce circuit similaire unique est
appele par la suite circuit normalise ou BVPIC
normalisee.
Nous avons ainsi deni une unique BVPIC si-
milaire à une innite de BVPIC. Cette normali-
sation permet de ne considerer quun vecteur de
paramètres normalise comprenant deux degres de
liberte, dans ce caslà R et C.
Lespace de paramètres caracterisant les die-
rents comportements de la BVPIC est ainsi re-
duit à la dimension deux. Nous caracterisons par
la suite le comportement dune BVPIC par les
deux paramètres a et b, issus des relations (2.15c)
et (2.15d), denis par :
a =
K
oct
N
I
c
RT
b =
K
oct
N
I
c
C
T
2
(2.16)
Les paramètres c et d, correspondant aux deux
premières expressions de la relation (2.15), sont
arbitrairement xes sans perte de generalite :
c =
T F
ol
N
d =
1
N
(K
oct
T)
2
NF
ol
T
(2.17)
Les degres de liberte du concepteur se trouvent
souvent reduits au calcul des valeurs du ltre R et
C. Les valeurs des autres paramètres sont impo-
sees soit par la fonctionnalite du circuit (la valeur
de N), soit par les contraintes de performance (I
c
est lie à la consommation du circuit, K
oct
et F
ol
sont liees à la plage de fonctionnement), soit à la
technologie mise en oeuvre.
Nous avons choisi de ne pas xer a et b, car ils
font intervenir, contrairement à c et d, les valeurs
des degres de liberte du concepteur : R et C. On
facilite ainsi linterpretation dune etude dans le
plan parametrique reduit (a, b).
Le paramètre a etant lie à lelement dissipatif du
circuit R et le paramètre b etant lie à lelement
reactif
1
/C du circuit.
Variables normalisees
Au lieu detudier le circuit avec les variables
detat E(t), v
c
(t) et
b
(t) nous utilisons des va-
riables detat normalisees. Ceci permet decrire les
equations du système de manière simpliee en fai-
sant apparatre uniquement les paramètres reduits
a et b determinant le comportement du circuit.
Les expressions que nous etablissons ici sont va-
lables lorsque letat discret E(t) reste constant.
Les interactions entre les etats v
c
(t) et
b
(t) avec
letat du DPF E(t) seront abordees dans le 2.8
(page 42) traitant des systèmes hybrides.
Nous reprenons les expressions (2.1) (2.5) et
(2.11) des variables detat v
c
(t)
b
(t) et E(t) en
les remplacant par les variables detat x(t) et y(t)
denies par :
_
_
t = t/T
x(t) =

b
(
t
T
)
2
y(t) =
K
oct
N
T v
c
(
t
T
)
e(t) = E(
t
T
)
(2.18)
On obtient ainsi, à partir des relations (2.5),
(2.9) et (2.11), le système dequations normalisees
suivant :
_
_
x(t) = x(t
0
)+
t
_
t
0
(y() +a e() +c)d
y(t) = y(t
0
) +b e(t) (t t
0
)
(2.19)
Le système peut etre represente sous sa forme
dierentielle :
_
_
_
dx
dt
(t) = y(t) +a e(t) +c
dy
dt
(t) = b e(t)
(2.20)
On constate que ces equations font apparatre le
paramètre xe c et que de plus le point de fonc-
tionnement de ce circuit nest pas lorigine.
Variables normalisees centrees
Il peut etre interessant decrire des equations
telles que les variables detats soient nulles lorsque
le système est stabilise autour de son point de fonc-
tionnement.
Pour obtenir
x
/t[
(x=0,y=0)
= 0, le changement
de variable y = y +c 1 est immediat. Pour rem-
placer x, il faut choisir une variable detat qui per-
met dexprimer la phase de lOCT sans diverger,
de sorte que la condition
y
/t[
(x=0,y=0)
= 0 soit
veriee.
Lorsque le système converge vers son point xe,
lerreur de phase entre le signal de reference et le
signal boucle tend vers 0. On peut donc denir
la variable x comme lerreur de phase normalisee
entre le signal boucle v
b
et le signal de reference
v
ref
.
En temps normalise, la phase du signal de refe-
rence est :
ref
(t) =
ref
(t
0
) +
t
_
t
0
1 d (2.21)
Si nous reprenons lexpression de la phase nor-
malisee du signal boucle (2.19) en y integrant la
nouvelle denition de y, nous obtenons legalite :
x(t) = x(t
0
) +
t
_
t
0
(y() + 1 +a e())d (2.22)
En posant x(t) =

b
ref
2
, on obtient, par sous-
traction de la phase du signal de reference à la
denition (2.22), lexpression suivante :
x(t) = x(t
0
) +
t
_
t
0
(y() +a e())d (2.23)
Finalement nous reprenons les expressions (2.5)
et (2.11) des variables detat v
c
(t) et
b
(t) en les
remplacant par les variables detat x(t) et y(t) de-
nies par :
_
_
t = t/T
x(t) =

b
(t)
ref
(t)
2
y(t) =
K
oct
T
N
v
c
(t) +
F
ol
T
N
1
e(t) = E(t)
(2.24)
2.2. Choix des variables reduites 27
On obtient ainsi le système normalise et centre sur
lorigine suivant :
_
_
x(t) = x(t
0
) +
t
_
t
0
(y() +a e())d
y(t) = y(t
0
) +b e(t) (t t
0
)
(2.25)
Ce système peut etre represente sous sa forme
dierentielle :
_
_
_
dx
dt
(t) = y(t) +a e(t)
dy
dt
(t) = b e(t)
(2.26)
Les paramètres inuencant la dynamique du sys-
tème peuvent bien se reduire aux paramètres a et
b, exprimant à eux seul la dynamique du système
continu.
2.2.3 Normalisation de la BVPIC
du troisième ordre
On peut reduire, avec la meme technique que
precedemment, lespace des paramètres =
[R, C
1
, C
2
, I
c
, K
oct
, F
ol
, N, T] de la BVPIC du
troisième ordre à un espace parametrique reduit
de dimension trois.
Letude dun circuit de vecteur de paramètres
peut etre faite en considerant une BVPIC equi-
valente fonctionnant autour du point de fonction-
nement unitaire deni dans la section precedente.
Le vecteur de paramètres du circuit equi-
valent unitaire est deduit de la relation de simi-
larite (B.16) etablie dans lannexe B.
Le point de fonctionnement unitaire determine
la valeur des facteurs dechelle : =
1
/T et =
1
vs
=
K
oct
T
NF
ol
T
. La relation entre les paramètres
dun circuit quelconque et les paramètres dun
circuit equivalent unitaire devient :
F
ol
N
=
T F
ol
N
(2.27a)
K
oct
N
=
K
oct
N
K
oct
T
2
N F
ol
T
(2.27b)
=

T
(2.27c)
RC
1
=
RC
1
T
(2.27d)
K
oct
I
c
N
_
C
1
+C
2
_ =
K
oct
I
c
N (C
1
+C
2
)
T
2
(2.27e)
Ces cinq relations entre les sept paramètres des
vecteurs et montrent quil faut xer deux para-
mètres supplementaires pour designer un vecteur
de paramètres unique à chaque vecteur de para-
mètres .
En prenant N = 1 on xe ainsi les valeurs de
F
ol
et Koct, puisque les deux premières relations
(2.27a) et (2.27b) sont les memes que dans le cas
du second ordre. Les paramètres c et d denis dans
la section precedente sont là aussi consideres xes.
Parmi les paramètres restants, seul I
c
nappar-
tient pas aux paramètres du ltre. Pour les memes
raisons, on xe I
c
à 1 Ampère, ce qui permet de
conserver les paramètres du ltre comme degres de
liberte.
On etudie donc une BVPIC du troisième ordre
de paramètres en considerant le circuit similaire
stimule par une periode dentree de 1 Hertz, ne
comportant pas de diviseur de frequence, ayant un
courant de charge de 1 Ampère et se stabilisant
autour du point de fonctionnement unitaire. Ce
circuit similaire normalise est unique.
On denit alors les trois paramètres reduits du
circuit normalise, inuencant à eux seuls sa dyna-
mique continue, par les trois dernières relations de
(2.27) :
n
=

T
1
=
RC
1
T
p =
K
oct
I
c
N (C
1
+C
2
)
T
2
(2.28)
Les paramètres
n
et
1
sont lies aux constantes
de temps de charge de v
oct
et v
c
, tandis que le
paramètre p, à ne pas confondre avec la variable
de Laplace, correspond à la pente de charge des
deux capacites lors dune impulsion de courant.
Un changement de variable detat permet
decrire les equations du système à laide de ces
paramètre reduits et en simplie lexpression.
Variables normalisees du troisième ordre
Lecriture des equations du système du troisième
ordre se trouve grandement simpliee en operant
le changement de variable suivant :
_
_
t = t/T
x(t) =

b
(
t
T
)
2
y(t) =
K
oct
N
T v
c
(
t
T
)
z(t) =
K
oct
N
T v
oct
(
t
T
)
e(t) = E(
t
T
)
(2.29)
En reprenant les expressions (2.1), (2.2) et (2.11)
des variables detat v
c
(t), v
oct
(t)
b
(t) et E(t) avec
les nouvelles variables detat, on obtient le système
suivant :
_
_
x(t) = x(t
0
) +
t
_
t
0
(z() +c) d
y(t) = y(t
0
) +e(t) p (t t
0
) +
1
__
z(t
0
) y(t
0
)
_
e(t) p
1
_
1 e
tt
0
n
_
z(t) = z(t
0
) +e(t) p (t t
0
), +
1
__
z(t
0
) y(t
0
)
_
e(t)p
1
_
1 e
tt
0
n
_
(2.30)
Le système peut etre represente sous sa forme
dierentielle :
_
_
dx
dt
(t) = z +c
dy
dt
(t) = e(t) p +
1
1
__
z(t
0
) y(t
0
)
_
e(t) p
tt
0
n
dz
dt
(t) = e(t) p +
n
+
1
1
__
z(t
0
) y(t
0
)
_
1
e(t) p
tt
0
n
(2.31)
On constate que ces equations font apparatre le
paramètre xe c et que la variable x est divergente
puisquelle represente la phase de lOCT.
Un second changement de variable permet dob-
tenir un système dont le point de fonctionnement
se trouve à lorigine.
Variables normalisees centrees du troisième
ordre
On eectue le meme type de changement de va-
riable :
_
_
t =
t
T
x(t) =

b
(
t
T
)
ref
(
t
T
)
2
y(t) =
K
oct
T
N
v
c
(
t
T
) +
F
ol
T
N
1
z(t) =
K
oct
T
N
v
oct
(
t
T
) +
F
ol
T
N
1
e(t) = E(
t
T
)
(2.32)
Les equations dune trajectoire deviennent :
_
_
x(t) = x(t
0
) +
t
_
t
0
(z()) d
y(t) = y(t
0
) +e(t) p (t t
0
) +
1
__
z(t
0
) y(t
0
)
_
e(t) p
1
_
1 e
tt
0
n
_
z(t) = z(t
0
) +e(t) p (t t
0
), +
1
__
z(t
0
) y(t
0
)
_
e(t)p
1
_
1 e
tt
0
n
_
(2.33)
En derivant ces equations, on obtient le système
dierentiel suivant :
_
_
dx
dt
(t) = z
dy
dt
(t) = e(t) p +
1
1
__
z(t
0
) y(t
0
)
_
e(t) p
tt
0
n
dz
dt
(t) = e(t) p +
n
+
1
1
__
z(t
0
) y(t
0
)
_
1
e(t) p
tt
0
n
(2.34)
Le comportement du système dordre trois de-
pend uniquement des trois paramètres reduits
n
,
1
et p.
Les equations etablies dans cette section de-
pendent de letat e(t) du DPF et sont valables
lorsque cet etat reste constant. Les interactions
entre letat du DPF et les etats continus rendent
la modelisation du circuit dicile.
La methode de modelisation la plus simple
consiste à approcher le courant de charge I
c
E(t)
par une variable continue.
2.3 Modèle lineaire continu
Le modèle lineaire, nomme par la suite modèle
LC, a ete etabli par Gardner dans [Gar80a] et
beaucoup etudie dans la litterature. Il est cepen-
dant base sur une modelisation du DPF approchee
imposant des limites de validite.
Le modèle lineaire du DPF est etabli en estimant
le courant moyen attaquant le ltre ; cette approxi-
mation, nommee Approximation Quasi Continue,
nest valable que si la frequence des impulsions de
charge corrigeant le système est très superieure à
la frequence naturelle du circuit. Le problème de
lAQC est aborde par la suite.
2.3. Modèle lineaire continu 29
2.3.1 La boucle dasservissement
Le modèle lineaire continu est obtenu en assem-
blant les fonctions de transfert de chaque element
de la BVPIC. On obtient donc le schema das-
servissement de la g. 2.6 à partir des modèles li-
neaires obtenus dans le 2.1 (page 20).
ref
K
dpf
Z
f
(p)
1
N
b
DPF Filtre
i
c
v
oct
2Koct
p
OCT
s
Fig. 2.6 : Modèle lineaire continu de la BVPIC
Langle de phase du signal de reference
ref
est
obtenu, pour un signal de frequence constante et
egale à F
ref
=
1
T
, en appliquant (2.7) :
ref
(t) =
ref
(t
0
) + 2
(t t
0
)
T
(2.35)
Lerreur de phase
e
est denie par la dierence
entre langle de phase
ref
du signal dentree et
celui du signal boucle
b
:
e
(t) =
ref
(t)
b
(t) (2.36)
Le courant de charge moyen i
c
, determine dans
le 2.1.1 (page 20), est approche par la valeur
K
dpf

e
o` u le gain K
dpf
a pour valeur
I
c
2
.
Limpedance du ltre Z
f
(p), determinee dans le
2.1.2 (page 21), peut etre du premier ordre (Z
f1
)
ou du second ordre (Z
f2
) :
Z
f1
(p) =
RC p + 1
C p
Z
f2
(p) =
1
p
RC
1
p + 1
RC
1
C
2
p + (C
1
+C
2
)
(2.37)
On appelle v
oct
la tension moyenne à la sortie
du ltre. Cette tension moyenne peut etre obtenue
directement à partir du courant moyen car le ltre
est lineaire :
v
oct
(p) = Z
f
(p) i
c
(p) (2.38)
Langle de phase du signal à la sortie de
lOCT est appele
s
. Il est determine par la re-
lation (2.10), etablie dans le 2.1.3 (page 22),
appliquee à la tension moyenne dentree v
oct
:
s
(p)
v
oct
(p)
=
2 K
oct
p
(2.39)
Langle de phase du signal boucle
b
est donne
par la relation (2.11), determinee dans le 2.1.4
(page 23), appliquee au signal de sortie
s
:
b
(p)
s
(p)
=
1
N
(2.40)
2.3.2 Fonctions de transfert
La fonction de transfert de ce système en boucle
ouverte est donc :
G(p) =

s
(p)
e
(p)
= K
oct
I
c
Z
f
(p)
p
(2.41)
En prenant en compte le bouclage à travers le di-
viseur de frequence on obtient la fonction de trans-
fert en boucle fermee suivante :
H(p) =
G(p)
1 +
1
/N G(p)
= K
oct
I
c
N
Z
f
(p)
K
oct
I
c
Z
f
(p) +p
(2.42)
Selon le type de ltre utilise on obtient une BVP
dordre deux ou trois.
BVP dordre deux
Dans le cas dun ltre du premier ordre, on rem-
place Z
f
par Z
f1
, dès lors on obtient la fonction
de transfert en boucle ouverte suivante :
G
2
(p) = K
oct
I
c
RC p + 1
C p
2
(2.43)
La fonction de transfert du système en boucle
fermee est celle dun système du second ordre avec
un zero :
H
2
(p) = N
RC p + 1
N
K
oct
I
c
C p
2
+RC p + 1
(2.44)
Ces equations sexpriment simplement avec les
paramètres normalises a et b etablis dans le 2.2.2
(page 24). Un tel changement de variable naecte
H
3
(p) = N
RC
1
p + 1
N
K
oct
I
c
RC
1
C
2
p
3
+
N
K
oct
I
c
(C
1
+C
2
)p
2
+RC
1
p + 1
(2.45)
pas les fonctions de transfert car cellesci sont le
rapport entre des grandeurs de meme nature : des
angles de phase.
On obtient donc les fonctions de transfert en
fonction des paramètres normalises suivantes :
G
2
(p) = b N
a
/b T p + 1
p
2
(2.46)
H
2
(p) = N
a
/b T p + 1
T
2
/b p
2
+
a
/b T p + 1
(2.47)
Remarque 7 Le paramètre N apparat dans les
equations car les fonctions de transfert calculees
sont le rapport entre la grandeur de sortie
s
et celle dentree. Si nous prenons comme sortie
langle de phase du signal boucle
b
le facteur N
disparat.
Les fonctions de transfert de la BVPIC equiva-
lente unitaire sobtiennent en remplacant T et N
par 1 dans les expressions precedentes :
G
u
2
(p) = b
a
/b p + 1
p
2
(2.48)
H
u
2
(p) =
a
/b p + 1
1
/b p
2
+
a
/b p + 1
(2.49)
BVP dordre trois
De la meme manière, si lon utilise un ltre
dordre deux, on obtient un système dordre trois.
En remplacant Z
f
par Z
f2
dans (2.41) on obtient :
G
3
(p) =
K
oct
I
c
C
1
+C
2
1
p
2
RC
1
p + 1
R
C
1
C
2
C
1
+C
2
p + 1
(2.50)
fermee (2.45) est aussi celle dun système du troi-
sième ordre. On peut lexprimer en variables re-
duites :
G
u
3
(s) = N p
1
s
2
1
s + 1
n
s + 1
H
u
3
(s) = N

1
s + 1
n
p
s
3
+
1
p
s
2
+
1
s + 1
(2.51)
La variable de Laplace est notee s dans cette
equation pour eviter la confusion avec le paramètre
p.
2.3.3 Validite du modèle
Les fonctions de transfert que nous venons deta-
blir sont fondees sur une approximation qui ne
prend en compte que le comportement moyen de
la boucle, ce qui permet de considerer la BVPIC
comme un système continu.
Or le courant de charge est commute par les si-
gnaux v
haut
et v
bas
du DPF. La modelisation du
DPF ne prend pas en compte les commutations pe-
riodiques du circuit liees aux fronts descendants du
signal dentree et celles liees aux fronts du signal
boucle v
b
.
LAQC est donc valide si la frequence de ces
commutations est susamment superieure à la dy-
namique du système.
Dans le cas de la BVPIC du second ordre, on
peut identier la fonction de transfert du système à
celle dun système du second ordre classique com-
portant un zero :
H(p) = K
p + 1
1
/
2
n
p
2
+
2
/
n
p + 1
(2.52)
Lidentication terme à terme permet de deter-
miner la valeur du gain K, de la pulsation naturelle
n
et du coecient damortissement du système :
n
=
_
K
oct
I
c
N C
=
b
=
R
2
_
K
oct
I
c
C
N
=
a
2
b
= RC =
a
/b
(2.53)
La dynamique du système est caracterisee par
sa pulsation naturelle
n
; on peut ainsi quantier
la validite du modèle LC en comparant cette pul-
sation avec la pulsation des signaux de sortie du
DPF.
Cette dernière pulsation etant sensiblement
egale à la pulsation du signal dentree
ref
on ob-
tient la condition de validite suivante :
n

ref
(2.54)
De manière plus generale, le modèle reste valide
si la bande passante du système est très inferieure
à la pulsation dentree. On neglige ici linuence
du zero sur la bande passante du système.
2.4. Modèle lineaire discret 31
T T
t
k+2
t
k+1
v
b
v
ref
b
= 2n
b
= 2(n + 1)
b
= 2(n + 2)
t
k
t
t
t
t
p
= |
e
|
T
2
e
< 0
e
> 0
v
oct
i
c
Cas ideal
Cas approche
Fig. 2.7 : Approximation du courant de charge par Gardner
2.4 Modèle lineaire discret
Pour pallier le problème de validite du modèle
LC, Gardner propose un modèle lineaire discret
dans [Gar80a]. Dans cette modelisation, lauteur
eectue des approximations etablies sur la forme
du courant lui permettant daboutir à une recur-
rence discrète.
Plusieurs manières de representer la forme de
limpulsion du courant de charge sont abordees
dans cette section. Trois recurrences discrètes sont
proposees.
2.4.1 Approximation de limpulsion
de courant de charge
Pour tenir compte de laspect granulaire
8
du
temps notamment lorsque la pulsation des si-
gnaux est proche de la pulsation naturelle du cir-
cuit, Gardner propose detablir un modèle li-
neaire discretise par la periode du signal dentree
T consideree comme constante.
Le courant de charge i
c
nest plus approche par
une valeur continue proportionnelle à lerreur de
phase. Il sagit dintroduire des commutations pe-
riodiques du courant de charge liees aux fronts
descendants du signal dentree dans le but de se
8
pour reprendre le terme granularity utilise par
Gardner.
rapprocher le plus possible de la forme reelle des
impulsions.
Les commutations provoquees par les fronts du
signal boucle v
b
sont asynchrones par rapport à
la periode T du signal dentree. Il est alors ne-
cessaire dapprocher leet de ces commutations
asynchrones lors de chaque periode T.
Pour cela les impulsions de courant doivent etre
estimees en eectuant les deux approximations sui-
vantes :
à chaque front du signal dentree t
k
= k T de-
bute une impulsion du courant i
c
dune duree
t
p
, le courant reste ensuite nul jusquà litera-
tion suivante ;
la duree de limpulsion t
p
est approchee par
la relation t
p
= [
ref

s
[
T
2
, lamplitude de
limpulsion depend de lerreur de phase à lins-
tant t
k
et vaut I
c
signe (
e
(t
k
))
9
.
La g. 2.7 compare la forme des signaux ideaux
de la BVPIC avec celle des signaux constituant
lapproximation eectuee.
Le courant de charge i
p
lors de limpulsion est
egal à I
c
selon le signe de lerreur de phase à
linstant t
k
. Lorsque lerreur de phase est positive
i
p
= I
c
et lorsquelle est negative i
p
= I
c
.
Les modèles discrets du second ordre sont etablis
9
signe(x) designe la fonction signe egale à 1 pour x > 0,
1 pour x < 0 et 0 pour x = 0
à partir des equations normalisees centrees (2.25),
que lon represente ici sous forme integrale :
_
_
x(t) = x(t
0
) +
t
_
t
0
(y() +a e())d
y(t) = y(t
0
) +
t
_
t
0
b e(t)d
(2.55)
Le modèle discret est obtenu en integrant les va-
riables detat x et y de linstant normalise t
k
= k à
linstant t
k+1
= k +1. Les valeurs de ces variables
detat à linstant t
k
sont notees x
k
et y
k
respective-
ment. De meme, on note x
k+1
et y
k+1
les variables
detat prises à linstant t
k+1
.
Les modèles discrets du troisième ordre de-
coulent du système dequation centre (2.33), la va-
riable detat z ajoutee est notee z
k
et z
k+1
aux
instants respectifs t
k
et t
k+1
.
La forme de limpulsion de courant inuence le
système dierentiel par le biais de la variable detat
discrète e(t) representant letat du DPF. Une im-
pulsion de courant damplitude I
c
pendant une pe-
riode reelle t
p
est alors representee par une impul-
sion de letat discret e(t) damplitude 1.
La duree t
p
de cette impulsion en temps nor-
malise, qui est notee par le meme symbole t
p
par la suite, sexprime directement en fonction de
la phase normalisee centree x(t) par t
p
= [x
k
[,
puisque x(t) correspond à loppose de lerreur de
phase en temps normalise.
Le sens de limpulsion de e(t) est lie au signe de
la phase normalisee centree x(t
k
) par la relation
e(t
k
) = signe (x(t
k
)).
`
A partir de limpulsion de largeur t
p
proposee
par Gardner, nous proposons dans ce memoire
dautres durees dimpulsions tout en conservant la
meme quantite de charge I
c
T

e
(t
k
)
2
injectee dans
le ltre.
Les trois formes dimpulsions, presentees en va-
leur reelles dans la g. 2.8, utilisees pour determi-
ner les modèles discrets sont les suivantes :
une impulsion de Dirac dont lamplitude
equivaut à la quantite de charge I
c
T

e
(t
k
)
2
à
transmettre au ltre (batonnets en gras sur la
gure), soit un Dirac damplitude x
k
pour
letat e(t) ;
une impulsion de duree t
p
dont lamplitude
vaut I
c
signe (
e
(t
k
)) (trait plein et surface
en gris clair sur la gure), soit une impulsion
damplitude signe (xk) et de duree norma-
lisee t
p
pour la variable detat e(t) ;
une impulsion de duree T dont lamplitude est
I
c
e
(t
k
)
2
(petit tirets et surface en gris fonce
sur la gure), soit une impulsion damplitude
x
k
de duree 1 pour la variable detat e(t).
t
approchees
Impulsions
I
c
Impulsion
de largeur t
p
e
< 0
Impulsion
de Dirac
t
p
= T
|
e
|
2
T T
T
de largeur
Impulsion
I
c
e
2
Fig. 2.8 : Les trois formes dimpulsion de courant
considerees
Chaque impulsion devant apporter une quantite
de charge equivalente, les aires representees à des
instant dierents par les surfaces en gris, doivent
etre egales entre elles et correspondre à lamplitude
de limpulsion de Dirac.
Limpulsion de Dirac permet de faciliter gran-
dement les calculs du modèle discret, notamment
pour le calcul du modèle du troisième ordre.
Limpulsion de duree t
p
est la forme la plus
proche du signal reel. Cest la voie adoptee par
Gardner pour obtenir son modèle discret.
Limpulsion de largeur T correspond à lechan-
tillonnage de periode T de la valeur du courant de
charge moyen i
c
= I
c
e
(t
k
)
2
utilise dans le modèle
LC.
Lechantillonnage dun système continu est un
classique de lautomatique. Des methodes simples
permettent dobtenir un modèle discret à partir de
la fonction de transfert du modèle continu.
Chacune de ces trois methodes permet dobtenir
des modèles dont le comportement peut etre très
dierent des autres. Les dierences seront mises en
evidence dans le 2.11 (page 56) confrontant les
simulations des dierents modèles.
2.4.2 Modèle à base dimpulsions de
Dirac
Dans cette modelisation, limpulsion du courant
de charge est alors representee par une impulsion
de Dirac dont lamplitude correspond à la quan-
tite de charge introduite dans le ltre au cours de
chaque periode. Ce modèle est note par la suite
modèle LD.
La variable detat discrète e(t) est donc repre-
sentee à partir de linstant t
k
par :
e(t t
k
) = x(t
k
)
o` u (t) represente limpulsion de Dirac
(2.56)
Lintegration des equations (2.55) en remplacant
e(t) par cette expression devient triviale. En eet,
les termes devant limpulsion de Dirac (t) sont
extraits directement de lintegrale en remplacant
le Dirac par un echelon de Heaviside.
Système discret du second ordre
En integrant les equations du système du second
ordre (2.55) de linstant t
k
à t
k+1
, on obtient di-
rectement le système recurent discret lineaire sui-
vant :
x
k+1
= x
k
(1 a b) +y
k
y
k+1
= y
k
b x
k
(2.57)
soit en ecriture matricielle
X
k+1
= AX
k
avec X
k
=
_
_
x
k
y
k
_
_
et A =
_
_
1 a b 1
b 1
_
_
(2.58)
Le polynome caracteristique P() de cette re-
currence est obtenu à partir de la matrice dyna-
mique A par la relation :
P() = det (AI
2
)
= ( 1)
2
+ ( 1) (a +b) +b
o` u I
2
est la matrice identite de rang deux
(2.59)
Ce système dequation est autonome puisque la
periode du signal dentree, consideree constante,
est prise comme variable de discretisation.
Dans le cas dune entree non perturbee, on peut
ecrire lequation autonome de lerreur de phase
e
.
Cette erreur de phase peut etre ajoutee comme sor-
tie du système
e
(t
k
) = 2 x
k
= [2 0] X
k
=
C X
k
. En utilisant la transformee en z, on exprime
levolution de lerreur de phase à partir du vecteur
detat initial X
0
:
e
(z) = z C (z I
2
A)
1
X
0
=
z
P(z)
[1 z 1] X
0
(2.60)
On obtient en choisissant un vecteur detat ini-
tial X
0
= [0 c 1]
T
correspondant à une erreur
de phase initiale nulle et à une tension v
c
initiale
nulle :
e
(z) =
2 z
(z 1)
2
+ (z 1) (a +b) +b
(2.61)
Remarque 8 La variable detat x
k
est de signe
oppose à lerreur de phase normalisee. On peut
donc facilement extraire la phase du signal den-
tree et la phase du signal boucle de cette equa-
tion detat. Le système comporte alors en entree
la phase du signal de reference, ce qui permettrait
danalyser linuence des bruits ou des modula-
tions de cette entree.
Cependant les paramètres reduits a et b sont de-
pendants de la periode dentree T et ne sont donc
plus valides lorsque la periode dentree varie gran-
dement. La notion dentree du système et de fonc-
tion de transfert na donc plus de sens en dehors
de lhypothèse des petites variations de la periode
T.
Ce modèle permet tout de meme detudier le
comportement du système face à une entree faible-
ment bruitee. Par contre les resultats correspon-
dant à une entree fortement bruitee ou modulee
sont dune precision relative à lamplitude de ces
phenomènes.
Lavantage majeur de cette modelisation est de
faciliter grandement les calculs, ce qui est très utile
pour le système dordre trois.
Système discret dordre trois
De meme, en integrant les equations du système
du troisième ordre (2.34) de linstant t
k
à t
k+1
,
on obtient directement le système recurent discret
lineaire (2.62).
On obtient le polynome caracteristique P()
(2.63) en appliquant la relation (2.59) à la matrice
dynamique de dimension trois.
Cette modelisation du courant de charge par
une impulsion de Dirac est très proche de la rea-
lite lorsque le circuit est proche de son point de
fonctionnement. La largeur des impulsions diminue
jusquà devenir idealement nulle lorsque le système
converge. Elles deviennent alors très similaires à
une impulsion de Dirac.
Representer limpulsion de courant avec une lar-
geur non nulle semble etre plus proche de la realite
lorsque le système est en phase transitoire. Une
telle representation devrait donner des resultats
plus precis lorsque le système est eloigne du point
de fonctionnement.
_
_
x
k+1
y
k+1
z
k+1
_
_
=
_
_
1 1 +

n
1
_
(
n
1
)
_
1 e
n
_
1
_

1
_
(
n
1
)
_
1 e
n
_
1
_
0 1

n
1
_
1 e
n
_

n
1
_
1 e
n
_
p

1
1

n
_
1 e
n
_
1

1
1

n
_
1 e
n
_
_
_
_
_
x
k
y
k
z
k
_
_
(2.62)
P() =
3
2
_
2 +e
n
_
+
_
1 +e
n
(2 + p (
n
1
)) + p (1 +
1
n
)
_
+ p (
n
1
) e
n
(1 + p (1 +
n
1
))
(2.63)
2.4.3 Modèle à base dune impul-
sion approchee
La forme de limpulsion de courant la plus
proche de la realite est celle proposee par
Gardner dans ces travaux et illustree par la
g. 2.7.
`
A partir de cette impulsion de duree va-
riable t
p
, on obtient une recurrence discrète qui
nest pas lineaire. Ce modèle est note par la suite
modèle DBrut.
On represente cette impulsion en variable re-
duite par une impulsion de letat discret e(t) dam-
plitude signe(x
k
), apparaissant à linstant t
k
et
de duree t
p
= [x
k
[.
La recurrence sobtient alors en integrant par
morceaux les equations dierentielles du système
(2.55).
Le vecteur detat continu à linstant t
k+1
, note
X
k+1
, est obtenu en integrant de t
k
à t
k
+t
p
puis
de t
k
+t
p
à t
k+1
:
X(t
k
+t
p
) = X
k
+
t
k
+t
p
_
t
k
(X (t, e = signe(x
k
)))
t
dt
X
k+1
= X(t
k
+t
p
) +
t
k+1
_
t
k
+t
p
(X (t, e = 0))
t
dt
(2.64)
Système du deuxième ordre
En appliquant cette technique au système
dordre deux (2.55), on obtient la recurrence non
lineaire suivante :
x
k+1
= x
k
(1 a b) +y
k
+
b
2
x
k
[x
k
[
y
k+1
= y
k
b x
k
(2.65)
Le terme nonlineaire x
k
[x
k
[ complique lana-
lyse dune telle equation. Il faudrait alors conside-
rer deux systèmes lineaires commutes selon le signe
de x
k
.
La modelisation et lanalyse de ce type de sys-
tème est discute plus loin dans le 2.8 (page 42).
Cette recurrence nest pas utilisee dans ce memoire
car des modèles plus precis et de complexite equi-
valente sont utilises.
Neanmoins, on peut remarquer que le terme
nonlineaire devient negligeable devant le terme
x
k
(1 a b) lorsque x
k
tend vers zero, cestà
dire, lorsque le système est près de son point de
fonctionnement.
On peut donc negliger ce terme lorsque [x
k
[
2
b
(1 a b). Gardner obtient ainsi le meme sys-
tème lineaire que celui obtenu à partir dimpulsion
de Dirac avec un eort calculatoire bien supe-
rieur.
Système du troisième ordre
La meme technique peut etre appliquee avec le
ltre du second ordre Z
f2
. Dans ce cas, les equa-
tions se compliquent car la tension à lentree de
lOCT nest plus une relation ane mais une com-
binaison dexponentielles (2.2 page 22).
Dans [Gar80a], Gardner presente le denomi-
nateur de la fonction de transfert du système du
troisième ordre sans presenter les calculs et les ap-
proximations y menant. Ce denominateur est die-
rent de celui obtenu avec une impulsion de Dirac
donne dans lexpression (2.63).
Nous navons pas tente de retrouver les approxi-
mations faites par lauteur pour arriver à ce resul-
tat, nous ne presentons donc pas cette modelisa-
tion dans ce memoire.
Les equations du système dordre trois peuvent
egalement etre issues soit de lapproximation par
impulsion de Dirac, soit de lapproximation par
echantillonneurbloqueur abordee dans la section
suivante.
DPF
1
N
ref
K
dpf
v
oct
2K
oct
p
OCT
s
B
0
(p)
i
c
T
Bloqueur Filtre
Z
f
(p)
+
b
Fig. 2.9 : Modèle lineaire echantillonne
T T
t
k+2
t
k+1
v
b
v
ref
b
= 2n
b
= 2(n + 1)
b
= 2(n + 2)
t
k
t
t
t
Cas ideal
Approximation
t
e
2
I
c
i
c
Fig. 2.10 : Approximation du courant de charge par echantillonnage (en traits discontinus)
2.4.4 Modelisation avec un echantil-
lonneurbloqueur
Lechantillonneurbloqueur est très utilise en
automatique car il permet dobtenir un modèle dis-
cret à partir dun modèle continu. Il sut pour cela
de considerer la BVPIC comme un système dont
lerreur de phase est echantillonnee à la periode du
signal dentree, et est maintenue à cette valeur par
un bloqueur dordre zero B
0
(p) ; ce qui donne le
schemabloc de la g. 2.9.
Cette modelisation est equivalente à lutilisation
dune impulsion de largeur T discutee precedem-
ment dans le 2.4.1 (page 31).
Nous presentons cependant ce modèle discret
comme lechantillonnage dun système continu en
utilisant les paramètres reels. Cest pourquoi il est
note modèle LD
Ech. par la suite. On peut retrou-

ver ce type de modelisation appliquee à la BVPIC
en variables reelles dans [Joh96].
Lintroduction dun echantillonneurbloqueur
modie le modèle du DPF : à un instant t
k
le DPF
mesure lerreur de phase entre le signal dentree et
le signal boucle ; la valeur du courant moyen pen-
dant la periode [t
k
t
k+1
[ est estimee à partir de
lerreur de phase mesuree.
Cette valeur est maintenue à lentree du ltre
pendant lintervalle [t
k
t
k+1
[, permettant ainsi de
prendre en compte laspect granulaire du temps.
La g. 2.10 montre le signal i
c
dans le cas ideal et
son approximation par echantillonnage de lerreur
de phase.
La fonction de transfert en boucle ouverte dun
système echantillonne avec un bloqueur dordre
zero sobtient en calculant la transformee en z sui-
vante :
G(z) =
z 1
z
Z
_
G(p)
p
_
=
z 1
z
Z
_
K
oct
I
c
p
2
Z
f
(p)
_
o` u Z. designe la transformee en z
(2.66)
H
2
(z) = K
oct
I
c
T
_
T
2C
+R
_
z +
_
T
2C
R
_
z
2
+
_
K
oct
I
c
T
N
_
T
2C
+R
_
2
z +
K
oct
I
c
T
N
_
T
2C
R
_
+ 1
(2.67)
Le système etant boucle via un diviseur de fre-
quence, on obtient la fonction de transfert en
boucle fermee H(z) de manière similaire au cas
continu :
H(z) =
G(z)
1 +
G(z)
N
(2.68)
Remarque 9 La fonction de transfert H(z) est le
rapport entre la phase du signal de sortie
s
(z) et
la phase du signal dentree
ref
(z). Or, la periode
dechantillonnage T correspondant aux fronts ac-
tifs du signal dentree est constante dans cette mo-
delisation.
Ce modèle est donc valide pour une periode T du
signal dentree xe ou dans lhypothèse de petite
variations autour de cette periode.
La phase du signal dentree doit donc etre aug-
mentee de la valeur 2 à chaque iteration pour que
le modèle soit valide. Lexpression en z dune telle
phase est donc
ref
(z) =
2 z
(z1)
2
. On peut rajou-
ter à ce niveau un modèle du bruit en entree pour
letudier.
Dans le cas dun signal dentree pur, on enlève
lambigute liee à la presence dune entree dans le
système, en ecrivant lequation autonome de ler-
reur de phase
e
(z) à partir de la fonction de trans-
fert de la manière suivante :
e
(z) =
ref
(z)
s
(z) =
ref
(z)
_
1
H(z)
N
_
=
2 z
(z 1)
2
_
1
H(z)
N
_
=
2 z
(z 1)
2
+ (z 1)
_
a +
b
2
_
+b
(2.69)
En rempla cant la fonction de transfert Z
f
(p)
par celle du ltre adequat, on obtient la fonc-
tion de transfert en boucle ouverte du système du
deuxième ou du troisième ordre.
Modèle discret du deuxième ordre
Dans le cas dun ltre du premier ordre, on rem-
place Z
f
par Z
f1
et on obtient la fonction de trans-
fert en boucle ouverte suivante :
G
2
(z) = K
oct
I
c
T
_
T
2C
+R
_
z +
_
T
2C
R
_
(z 1)
2
(2.70)
fermee, obtenue en appliquant (2.68), est le sys-
tème du second ordre comportant un zero exprime
par (2.67).
Ces equations sexpriment simplement avec les
paramètres normalises a et b, on obtient alors les
fonctions de transfert suivantes :
G
2
(z) = N
(
b
/2 +a) z + (
b
/2 a)
(z 1)
2
H
2
(z) = N
(
b
/2 +a) z + (
b
/2 a)
z
2
+ (
b
/2 +a 2) z + (
b
/2 a + 1)
(2.71)
Remarque 10 Le facteur N apparat dans la
fonction de transfert en boucle ouverte G
2
(z) mais
ne correspond pas au gain statique en boucle ou-
verte qui est unitaire car les paramètres a et b
comportent un facteur
1
/N dans leurs denitions.
Modèle discret du troisième ordre
Dans le cas dun ltre du deuxième ordre, lex-
pression analytique des fonctions de transfert de-
vient plus complexe. En remplacant Z
f
par Z
f2
, on
obtient la fonction de transfert en boucle ouverte
suivante :
G
3
(z) =
K
oct
I
c
C
2
(C
1
+C
2
)
n
2
z
2
+n
1
z +n
0
(z 1)
2
_
z e
T
/
_
= R
C
1
C
2
C
1
+C
2
n
2
= T
2
C
2
2
+ TC
1
+
2
C
1
_
e
T
/
1
_
n
1
=
_
T
2
C
2
2
+ 2
2
C
1
_
_
1 e
T
/
_
TC
1
_
e
T
/
+ 1
_
n
0
=
_
T
2
C
2
2
+ TC
1
+
2
C
1
_
e
T
/
2
C
1
(2.72)
2.5. Modèle nonlineaire discret 37
H
3
(z) = N
K
oct
I
c
_
n
2
z
2
+n
1
z +n
0
_
N C
2
(C
1
+C
2
) (z 1)
2
_
z e
T
/
_
+K
oct
I
c
(n
2
z
2
+n
1
z +n
0
)
(2.73)
fermee, obtenue en appliquant (2.68), correspond
à celle du système du troisième ordre, comportant
deux zeros, exprime par (2.73).
Remarque 11 Il est impossible dexprimer ces
fonctions de transfert en fonction des variables re-
duites. Cela veut dire que le fait dechantillonner
le système continu du troisième ordre ne permet
pas de conserver la relation dequivalence etablie
sur les equations exactes. Les modèles discrets de
deux BVPIC du troisième ordre dynamiquement
similaires nauront pas le meme comportement dy-
namique.
Lapproximation de limpulsion de courant par
une impulsion de longueur T nest donc pas
concluante. Cette forme dimpulsion est trop eloi-
gnee de la forme veritable du signal pour en ap-
procher correctement le comportement.
2.4.5 Validite des modèles discrets
Les modèles discrets permettent de represen-
ter laspect periodique de la mesure de lerreur de
phase. Contrairement au modèle LC, ces modèles
devraient rester valides lorsque la dynamique du
système est proche de la pulsation du signal den-
tree. Les simulations du 2.3.3 (page 30) montrent
quil nen est rien.
Ces modèles supposent que lerreur de phase
reste très inferieure à une periode du signal den-
tree : ils ne sont donc pas valides dans les phases
transitoires du système.
De plus, des approximations sont faites sur la
forme du courant de charge pour obtenir des equa-
tions lineaires. On peut obtenir une plus grande
precision en neectuant aucune approximation
mais les equations deviennent alors nonlineaires.
Ces modèles nonlineaires prennent en compte
les commutations du courant de manière exacte au
prix dune complexite danalyse accrue.
2.5 Modèle nonlineaire dis-
cret
En considerant un signal de periode T à lentree
du système, il est possible de deduire un modèle
discret. La discretisation du temps à la periode T
conduit à un modèle nonlineaire nonautonome
recursif dordre deux.
Ce modèle a ete etabli par van Paemel
dans [vP94] en emettant des hypothèses restric-
tives dans le plan de phase :
lerreur de phase entre le signal de reference
v
ref
et le signal boucle v
b
reste inferieure à
la periode T permettant dexclure des cas de
gure dont lexpression des equations est com-
plexe ;
la tension à lentree de lOCT reste positive
an de rester dans le domaine de validite du
modèle de lOCT.
Le domaine de validite de ce modèle etant local,
nous le nommerons par la suite modèle NLDL :
modèle NonLineaire Discret Local.
Nous nutilisons pas les memes variables detat
que dans [vP94], mais les variables normalisees sui-
vantes :

k
lerreur de tension normalisee aux bornes
de la capacite lorsque i
c
= 0 entre linstant t
k
et t
k+1
, soit
k
= y
_
max(t
k
, t
k
+
k
)
_
;

k
le temps normalise entre le prochain front
descendant du signal boucle v
b
et linstant t
k
qui correspond au k
ème
front descendant du
signal dentree (lorsque le signal de reference
est en avance,
k
est positif et inversement).
Ces variables sont illustrees par la g. 2.11.
En temps normalise, on considère la periode du
signal dentree v
ref
constante et egale à lunite.
Sans perte de generalite, on considère la phase ini-
tiale du signal de reference nulle et on obtient ainsi
t
k
= k.
Le modèle nonlineaire discret doit exprimer les
variables detat à linstant t
k+1
, connaissant ces
variables à linstant t
k
. En utilisant les equations
du système normalise (2.19) et celles du système
normalise centre (2.25), on exprime
k+1
de ma-
nière unique en fonction de
k+1
et
k
:
k+1
=
k
+b
k+1
(2.74)
Dans [vP94], on montre que lexpression de
k+1
en fonction de
k
et
k
depend de letat du DPF
aux instants t
k
et t
k+1
. On obtient quatre expres-
sions distinguees par les signes de
k
et
k+1
.
van Paemel determine alors lequation à utili-
ser à partir dun algorithme estimant le signe de
k+1
et utilisant le signe connu de
k
.
v
ref
t
T
t
T
t
T
t
k
= k t
k+1
= k + 1
T = 1
k
t
oct
k+1
v
b
k+1
k
a
b
1
y
Fig. 2.11 : Variables detat du modèle nonlineaire discret
An dalleger la presentation de ce modèle, les
calculs des quatre expressions de
k+1
au moyen
des variables detat normalisees gurent dans lan-
nexe C.
On determine aussi, dans cette annexe, les do-
maines de denition de chaque expression dans
le plan de phase (
k
,
k
). Ces domaines de de-
nition permettent de completer le modèle de ma-
nière analytique sans faire appel à un algorithme
numerique.
Le modèle discret nonlineaire peut etre vu
comme une transformation T qui associe le point
X
k+1
, de coordonnees (
k+1
,
k+1
), au point X
k
de
coordonnees (
k
,
k
).
Cette transformation T est denie à partir
de quatre transformations composites, T
++
, T
+
,
T
+
et T
, par :
T :
_
_
k+1
k+1
_
_
= T
ij
_
_
_
_
k
_
_
_
_
lorsque (
k
,
k
) 1
ij
avec (i, j)
(2.75)
Lensemble des indices ij reperant chacune des
transformations composites est appele . Cet en-
semble correspond donc aux quatre combinai-
sons ++, +, +, .
Une transformation composite T
ij
est appliquee
au point X
k
lorsque ce point appartient à son do-
maine de denition 1
ij
. Les transformations com-
posites, denies dans lannexe C, sont representees
par les systèmes dequations suivants :
T
++
:
_
_
_
k+1
=
k
+b
k+1
k+1
=
b
b
2
4 a
c
++
2 a
T
+
:
_
_
_
k+1
=
k
+b
k+1
k+1
=
k
1 +
1
1+
k
T
+
:
_
_
_
k+1
=
k
+b
k+1
k+1
=
b
b
2
4 a
c
+
2 a
:
_
_
_
k+1
=
k
+b
k+1
k+1
=
k
1 +
1a
k
b
2

k
2
1+
k
avec a
=
b
2
, b
= 1 +a +
k
,
c
++
= (1
k
) (
k
+ 1) 1
c
+
= c
++
+a
k
+
b
2

k
2
(2.76)
Les domaines de denition 1
ij
, representes avec
leurs frontières dans la g. 2.12, sont denis par les
inegalites suivantes :
1
++
: (, ) [ ( 0) &(
+
())
1
+
: (, ) [ ( 0) &(
+
())
1
+
: (, ) [ ( 0) &(
())
1
: (, ) [ ( 0) &(
())
avec
+
() =

1 +
et
() =

1 +
_
1 a
b
2

_
(2.77)
2.6. Modèle linearise discret 39
k
1
++
1
+
1
1
+
T
T
+
T
+
(
k
)
+
(
k
)
Fig. 2.12 : Plan de phase (
k
,
k
)
En remplacant judicieusement quatre inegali-
tes de la denition (2.77) par des inegalites au
sens strict, on obtient une partition de lespace
de phase. Cette partition permet de ne denir
quune seule transformation composite à appliquer
en chaque point de lespace de phase.
Les ensembles fermes, obtenus avec des inegali-
tes au sens large, se recouvrent sur les quatre fron-
tières T
ij
denies en annexe C.
Sur une frontière, on applique indieremment
lune des deux transformations composites car
celles-ci sont toutes identiques au niveau de leurs
frontières. Les intersections des domaines de de-
nition sont :
_
(i,j)
1
ij
couvre le plan de phase
et 1
ij
(i,j)
(k,l)
(i,j),=(k,l)
1
kl
=
_
_
T
i
si i = k
T
j
si j = l
X
q
sinon
Le point X
q
se trouve etre le point xe commun
aux quatre transformations. On appelle point xe
dune transformation T tout point solution de :
X
q
= T (X
q
) (2.78)
La resolution de (2.78) dans les quatre regions
1
ij
montre que X
q
est unique ; ses coordonnees
sont lorigine. La singularite est commune aux
quatre regions 1
ij
: on ne peut donc pas deter-
miner sa stabilite avec des methodes classiques.
2.6 Modèle linearise discret
Le modèle NLDL presente dans la section pre-
cedente est dicile à analyser du fait de sa non
linearite et de sa denition par morceaux.
Letude est simpliee si on linearise ces equa-
tions autour du point de fonctionnement (0, 0). On
obtient alors un modèle lineaire que lon note mo-
dèle NLDLe signiant modèle nonlineaire discret
linearise.
Pour cela, on calcule les jacobiens de chaque
transformation composite T
ij
au point (0, 0). On
obtient les quatre systèmes lineaires suivants :
X
k+1
= A
ij
X
k
lorsque X
k
1
ij
avec A
++
=
1
1 +a
_
_
1 b +a b
1 1
_
_
A
+
=
_
_
1 b b
1 1
_
_
A
+
=
1
1 +a
_
_
1 b +a b (1 a)
1 1 a
_
_
A
=
_
_
1 b b (1 a)
1 1 a
_
_
(2.79)
Les equations caracteristiques de ces systèmes
ainsi que les conditions de stabilite qui en de-
coulent sont :
Cas + + : stable pour 0 < b < 4 + 2 a
D() = (1 +a)
2
+ (b 2 a) + 1
Cas + - : stable pour 0 < b < 4
D() =
2
+ (b 2) + 1
Cas - + : stable pour 0 < b < 4
D() = (1 +a)
2
+ (b 2) + (1 a)
Cas - - : stable pour 0 < b < 4 2 a
D() =
2
+ (b 2 +a) + (1 a)
(2.80)
Les domaines de stabilite de chaque transforma-
tion composite issus de chaque equation caracte-
ristique sont illustrees dans le plan parametrique
(a, b) par la g. 2.13.
b = 4 + 2
,
a
b = 4
a
0
b
0
T
ij
instables
T
ij
stables
sauf T
b = 4 2a
T
ij
stables
sauf T
++
T
ij
instables
Fig. 2.13 : Conditions de stabilite dans le plan para-
metrique
Dans un voisinage susamment proche de lori-
gine, les frontières des regions peuvent etre consi-
derees comme lineaires.
On obtient ainsi, en linearisant les inegali-
tes (2.77), les nouvelles denitions des regions li-
nearisees, que lon note 1
0
ij
, suivantes :
1
0
++
:
_
(, ) [ ( 0) &(
0
+
())
_
1
0
+
:
_
(, ) [ ( 0) &(
0
+
())
_
1
0
+
:
_
(, ) [ ( 0) &(
0
())
_
1
0
:
_
(, ) [ ( 0) &(
0
())
_
avec
0
+
() =
et
0
() = (1 a)
(2.81)
Ces domaines de denition sont representes dans
la g. 2.14.
Ce modèle va permettre dans le chapitre suivant
detablir une preuve de la stabilite de la BVPIC.
2.7 Modèle nonlineaire in-
verse
Dans ce paragraphe nous allons nous attacher à
lobtention du modèle inverse nonlineaire. Il y a
deux interets majeurs à lobtention dun tel mo-
dèle :
lexistence dun modèle inverse genère une
relation dequivalence entre la topologie du
plan de phase et celle de son image par la
transformee nonlineaire discrète ; ceci induit
1
0
++
1
0
+
1
0
k
1
0
+
1
a
T
0
+
T
0
+
0
+
(
k
)
T
0
T
0
(
k
)
Fig. 2.14 : Les quatre domaines de denition lineari-
ses dans le plan de phase
de bonnes proprietes comme, par exemple, la
connexite des bassins dattractions des singu-
larites ;
le modèle inverse est un outil de base pour
tracer lantecedent dune region, determiner
les courbes invariantes du système, mais aussi
exclure lexistence de certaines sequences dans
le plan de phase, ce qui est utile à lanalyse de
stabilite.
Ce modèle est obtenu à partir du modèle NL
DL, on le nommera par la suite modèle NLD
-1
pour modèle NonLineaire Discret Inverse.
Soit T la transformation nonlineaire, denie
dans le 2.5 (page 37), transformant le point du
plan de phase X
k
en son image X
k+1
.
On denit la transformation inverse T
1
de T
par T
1
(T (X
k
)) = X
k
. La transformation T
1
existe si et seulement si il existe un point unique
X
k
tel que T (X
k
) = X
k+1
.
Le modèle est dit noninversible sil existe plus
dune solution ou sil nen existe pas. Dans le cas
o` u plusieurs solutions existent le modèle est dit
multiplement inversible.
Pour inverser le modèle NLDL, il faut inver-
ser chaque transformation composite T
ij
. Il ne doit
exister quun seul antecedent à chaque transforma-
tion composite T
ij
dans son domaine de denition
1
ij
.
2.7. Modèle nonlineaire inverse 41
R
R
++
R
I
+
R
I
+
F
+
F
I
F
I
+
F

T (.) F
I
+
X
q
X
q
T (.)
T (.)
R
+
T (.)
F
R
+
R
I
F
I
F
+
R
I
++
Domaines de denition de la transformee T Domaines de denition de la transformee inverse T
1
Fig. 2.15 : Domaines et frontières des domaines denition des transformees inverses
Les calculs de chaque inverse, gurant dans lan-
nexe D, donnent le resultat suivant :
T
1
++
:
_
_
_
k
=
k+1
b
k+1
k
= 1 +
k+1
+
b
2
k+1
/2+a
k+1
1
1b
k+1
+
k+1
T
1
:
_
_
_
k
=
k+1
b
k+1
k
=
b
b
2
4a
2a
T
1
+
:
_
_
_
k
=
k+1
b
k+1
k
= 1 +
k+1
1
1b
k+1
+
k+1
T
1
+
:
_
_
_
k
=
k+1
b
k+1
k
=
b
b
2
4a
2a
avec
a
=
a
2
, b
= b
k+1
k+1
+a 1
c
= b
k+1
2
+
k+1
(b
k+1
1)
k+1
c
+
=c
+
b
k+1
2
2
+a
k+1
(2.82)
On montre dans cette annexe que deux trans-
formations composites sont inversibles alors que
les deux autres transformations comportent deux
inverses possibles.
Ces deux solutions possibles sont alors dites eli-
gibles car lune dentre elles doit etre rejetee et
lautre doit etre retenue.
En eet, si on ajoute les conditions dapparte-
nance aux domaines de denition de chaque trans-
formation composite on inverse T
ij
uniquement
pour X
k
1
ij
et les conditions de validite du
modèle NLDL, on peut alors rejeter une des deux
solution. On obtient ainsi lunique representation
des equations du modèle inverse (2.82).
Chacune des transformees inverses T
1
ij
doit etre
applique à X
k+1
si ce point appartient à lensemble
image de 1
ij
par T
ij
. Les images des domaines de
denition 1
ij
, notees 1
I
ij
, sont determinees dans
lannexe D en utilisant les proprietes topologiques
de lespace de phase.
Les transformations composites etant des ho-
meomorphismes (voir la denition en annexe D),
limage dune region denie par ces frontières est
alors la region denie par limage de ces memes
frontières [Vir].
On applique donc au point (, ) la transfor-
mee inverse T
1
ij
lorsque ce point appartient au
domaine de denition 1
I
ij
gurant parmi les de-
nitions suivantes :
1
I
++
: (, ) [
I
+
() et 0
1
I
: (, ) [
I
() et 0
1
I
+
: (, ) [
I
() et 0
1
I
+
: (, ) [
I
+
() et 0
avec
I
+
(
k+1
) =

k+1
1 +
k+1
_
b +
b
k+1
2
1 a
_
(
k+1
) =
1
1 +
k+1
+b
k+1
1
(2.83)
Les domaines de denition des transformees
composites T
ij
et les domaines de leurs inverses
T
1
ij
sont representees dans la g. 2.15.
2.8 Modèles hybrides
Les systèmes hybrides ne sont pas des nouveaux
types de systèmes. Ils existent au moins depuis le
premier shishi odoshi ou plus recemment depuis
les premières commandes à relais. Malgre cela, la
première reference à ces systèmes connue est celle
publiee par Witsenhausen dans [Wit66].
Ces travaux presentent un modèle dun système
forme detats continus et discret interagissant. Le
comportement dynamique du système a ete deni
et un problème doptimisation a pu etre formule.
La formulation et les techniques de simulation ont
ete structurees dans la thèse de Celier [Cel79].
Depuis ces dix dernières annees, un gros interet
est porte par les ingenieurs sur les systèmes à eve-
nements discrets. Ceci est probablement la conse-
quence des travaux portant sur la supervision dun
système par une commande à evenements discrets.
Les articles [Ram87] et [Won87] sont precur-
seurs, ils proposent une synthèse automatique de
lois de commandes basees sur des langages formels
supervisant un système hybride lui meme modelise
par un langage formel.
Les langages formels ont ete developpes par les
informaticiens au cours de leur recherche fonda-
mentale sur les ordinateurs universels. La ma-
chine de Turin a permis de formaliser les notions
dalgorithmes et dintroduire les langages formels
[Hop79].
Beaucoup de versions degradees de la machine
de Turin sont utilisees : les machines à etats nis,
les reseaux de P etri [Dav92]. Ces modèles sont
composes detats discrets dont les valeurs changent
lors devenements asynchrones, ce qui leur vaut
lappellation devenements discrets
Dans les applications, ces evenements sont sou-
vent liees aux informations generees par des cap-
teurs mesurant levolution de phenomènes conti-
nus. Le controleur agit alors generalement par un
actionneur de type discret sur ce système continu.
Linteret grandissant porte à ces applications a
pousse les informaticiens et les automaticiens à
considerer dune manière globale les interactions
entre les etats continus du système et les etats dis-
crets dune commande modelisee par un langage
formel.
Le comportement dynamique dun système hy-
bride peut etre modelise par des equations die-
rentielles dont le second membre est discontinu.
Ce genre detude a ete originellement eectuee par
les chercheurs Russes, dont Filippov qui a laisse
son nom à des espaces dierentiels denis par mor-
ceaux [Fil88].
Beaucoup de travaux ont ete eectues sur la
modelisation et lanalyse des systèmes hybrides à
laide de langages formels. Ils dièrent soit par le
type dapplication, soit par le type de langage for-
mel utilise.
Un survol des techniques danalyse de tels sys-
tème est propose dans [Bra98] [Ant00] [Dav01]
[DeC00] et permet de sinitier rapidement à la
theorie des systèmes hybrides. Les dierents mo-
dèles sont discutes dans la section suivante. Un
type particulier de modèle hybride est ensuite
adopte et utilise pour modeliser la BVPIC.
2.8.1 Les dierents types de mo-
dèles hybrides
Il existe une multitude de denitions de modèles
hybrides dans la litterature. Ces modèles sont plus
ou moins generalistes et plus ou moins adaptes à
la simulation ou à lanalyse. Le modèle doit repre-
senter mathematiquement le comportement et les
interactions entre les parties continues et discrètes
du système.
Certains modèles sont bases sur une representa-
tion dun système continu supervise par un reseau
de P etri dont les transitions sont inuencees par
letat continu [Pel88][Pel89][Pel93].
Dautres modèles utilisent des transformations
interfaces pour etablir une relation entre le vec-
teur detat reel et des evenements. Ces evenements
animent un automate dont letat discret agit à son
tour sur le système continu [Sti92][Lem93][Ner93].
Beaucoup de modèles denissent des ensembles
de commutation dans lespace de phase. Un eve-
nement est genere lorsque letat continu penètre
dans une de ces regions de commutation. Le
système discret stimule par ces evenements agit
sur le système continu en le faisant commuter
[Tav87][Wit66][Dog94][Pet95][Len96].
Avec ce genre de modèle, letat discret peut
aussi dependre devenements exterieurs en entree
du système. Le modèle le plus generaliste est ob-
tenu par Branicky dans [Bra95a][Bra94][Bra95b]
en ajoutant des sauts de valeurs dans les variables
detat continues lors des commutations du système
discret.
Ces sauts detat discontinus napparaissant pas
dans la BVPIC, nous utilisons une representa-
tion hybride simple, à base de systèmes conti-
nus commutes dans certaines regions. Ce type de
modelisation est proposee par Pettersson dans
[Pet99][Pet95].
2.8. Modèles hybrides 43
2.8.2 Denition du modèle hybride
de Pettersson
La denition de modèle hybride, presentee ici,
est assez generale et convient à une analyse de sta-
bilite. La caracteristique essentielle dun système
hybride est de contenir à la fois un vecteur detat
continu X(t) à valeurs reelles, et un vecteur detat
discret E(t) dont les valeurs appartiennent à un
ensemble discret denombrable /.
Le terme de système hybride vient de la coexis-
tence de ces deux types de variables. Le système
continu est modelise par une equation dierentielle
ordinaire, ayant la particularite de dependre du
vecteur detat discret E(t).
Le système discret est un système evenementiel
dont les evenements provoquant un changement
detat discret sont issus soit dune entree discrète,
soit dun evenement lie à letat du système continu.
Dans cette etude ces derniers evenements sont
lies à la traversee par le vecteur detat de surfaces
du plan de phase dites surfaces de commutation.
Bien quun système hybride puisse etre aussi bien à
temps continu quà temps discret, nous limitons la
denition suivante aux systèmes à temps continu.
Denition 5 Un système hybride H = (R
n
/, R
p
, f , )est deni par :
un ensemble nonvide H = R
n
/ appele
lespace detat hybride de H;
un ensemble R
p
appele lespace des entrees
externes de H;
des fonctions de transition f : D
f
R
n
et
: D
/ o` u
X(t) = f (X(t), E(t), u(t))

E
+
(t) = (X(t), E(t), u(t), (t))
(2.84)
et
D
f
R
n
/R
p
D
R
n
/R
p
E
+
(t) designant letat de E(t) immediatement
après linstant t.
Chaque element du vecteur detat X à valeurs
reelles du système hybride H est appele variable
detat continue. De meme, chaque element du vec-
teur detat E à valeurs discrètes est appele variable
detat discrète. De manière identique pour les en-
trees du systèmes, on appelle chaque element de u
une entree continue du système, et chaque element
de une entree discrète.
2.8.3 Modèle hybride continu
Le système dierentiel normalise (2.20) et le sys-
tème normalise centre (2.26) peuvent etre remanies
sous la forme de deux modèles hybrides.
Lequation detat du système continu du premier
modèle hybride est de forme ane avec une va-
riable detat divergente, tandis que celle du second
modèle est de forme lineaire sans variable detat
divergente.
Modèle hybride de la BVPIC normalise
En mettant les equations du système normalise
de la BVPIC sous la forme hybride exposee pre-
cedemment, on obtient un modèle hybride que lon
note par la suite modèle HybCN, signiant mo-
dèle Hybride Continu Normalise.
Dans le système dierentiel normalise (2.20), on
distingue deux variables detat continues reelles x
et y, formant le vecteur detat X et une variable
detat discrète e prenant ces valeurs parmi len-
semble /= 1, 0, 1.
La fonction de transition de letat continu f est
donnee directement par le système (2.20) que lon
peut exprimer sous forme matricielle ane :
f
_
X(t), E(t)
_
=

X = AX +C +Be(t)
avec A =
_
_
0 1
0 0
_
_
, C =
_
_
c
0
_
_
et B =
_
_
a
b
_
_
(2.85)
La variable discrète e(t) correspond aux valeurs
du courant injecte par le DPF. Cette variable e(t)
prend les valeurs 1, 0, +1 lorsque le courant de
charge i
c
est egal à I
c
, 0, +I
c
.
Les commutations sont regies par le diagramme
detat cidessous :
v
ref
v
ref
v
b
v
ref
v
b
v
b
E(t) = 0 E(t) = 1 E(t) = 1
Fig. 2.16 : Diagramme detat du DPF ( signiant
front descendant de )
Les deux evenements v
ref
et v
b
doivent etre
denis à partir des variables detat continues et des
entrees du système :
v
ref
, le front descendant du signal de refe-
rence de frequence constante, apparat lorsque
le temps normalise traverse une valeur entière
t mod 1 = 0 ;
v
b
, le front descendant du signal boucle,
apparat lorsque la phase normalisee traverse
une valeur entière x mod 1 = 0.
`
A partir de ces denitions des evenements et du
diagramme detat, on deduit la fonction de transi-
tion de letat discret dont la representation ana-
lytique est la suivante :
_
X(t), E(t)
_
= e
+
(t)
=
_
_
min(1, e(t) + 1)
si t mod 1 = 0
max(1, e(t) 1)
si x mod 1 = 0
e(t) sinon
(2.86)
Le modèle HybCN etabli pour une frequence
dentree constante, ne comporte pas dentree conti-
nue u(t), ni dentree discrète (t) : cest un sys-
tème hybride autonome. Il peut etre vu comme un
système dierentiel continu ane, commande par
lentree discrète e(t) emanant dun controleur se-
quentiel.
On peut adopter une denition equivalente avec
une transformation denie par morceaux :
f
_
X(t), E(t)
_
=

X =
_
_
AX +C
0
si e(t) = 0
AX +C
1
si e(t) = 1
AX +C
1
si e(t) = 1
avec C
1
=
_
_
c a
b
_
_
, C
0
=
_
_
c
0
_
_
et C
+1
=
_
_
c +a
b
_
_
(2.87)
On obtient une representation hybride basee sur
la commutation entre trois champs de vecteurs de-
nis par les trois systèmes dierentiels.
Le seul et unique point xe dun tel système est
le point tel que y = 1 c. La variable x represen-
tant la phase normalisee de lOCT est par nature
divergente.
Modèle hybride de la BVPIC normalise
centre
On peut eviter davoir une variable detat diver-
gente et mettre les equations du système continu
sous la forme

X = f(X(t), e(t)) avec f(0, e) =
0, e / en utilisant le système dierentiel nor-
malise centre (2.26). Le modèle ainsi obtenu est
note par la suite modèle HybCNC, signiant mo-
dèle Hybride Continu Normalise Centre.
On obtient ainsi le système hybride de forme
lineaire commande par une commande commutee
tel que :
X = AX +Be(t)
avec A =
_
_
0 1
0 0
_
_
et B =
_
_
a
b
_
_
(2.88)
Les commutations de la commande e(t) /
sont toujours regies par le diagramme detat de
la g. 2.16. Les deux evenements v
ref
et v
b
doivent etre redenis avec les nouvelles variables :
v
ref
, le front descendant du signal de refe-
rence de frequence constante, apparat lorsque
le temps normalise traverse une valeur entière
lorsque t mod 1 = 0 ;
v
b
, le front descendant du signal bou-
cle, apparat lorsque la phase normalisee tra-
verse une valeur entière. Ayant par denition
b
(t)
2
= x(t) +

ref
(t)
2
et en injectant la va-
leur de
ref
(t) dans cette equation, on ob-
tient lexpression de la phase du signal boucle
suivante

b
(t)
2
= x(t) +

ref
(t
0
)
2
+ t. On peut,
sans perte de generalite, considerer la phase
initiale du signal de reference nulle et obtenir
ainsi une expression de la date de levenement
(x +t) mod 1 = 0.
La denition de la fonction de transfert de
letat discret devient :
_
X(t), E(t)
_
= e
+
_
t
_
=
_
_
min(1, e(t) + 1)
si t mod 1 = 0
max(1, e(t) 1)
si (x +t) mod 1 = 0
e sinon
(2.89)
Comme dans le modèle HybCN precedant, on
peut exprimer ce système hybride sous une forme
ane par morceaux :
f
_
X(t), E(t)
_
=

X =
_
_
AX +C
0
si e(t) = 0
AX +C
1
si e(t) = 1
AX +C
1
si e(t) = 1
avec A =
_
_
0 1
0 0
_
_
, C
1
=
_
_
a
b
_
_
et C
0
=
_
_
0
0
_
_
, C
+1
=
_
_
a
b
_
_
(2.90)
Le système est alors vu comme trois champs dif-
ferentiels anes parmi lesquels le système hybride
commute en fonction de letat discret. Cette re-
presentation est illustree dans la g. 2.17 du para-
graphe suivant.
La variable detat x nest plus divergente car elle
represente lerreur de phase. Par contre il existe
une innite denombrable de points xes de coor-
donnees (k, 0) pour k N. Ce nombre k corres-
pond au nombre de cycles de retard (k < 0) ou
davance (k > 0) pris par loscillateur pendant la
phase transitoire avant daccrocher la phase du si-
gnal de reference.
Letude de stabilite se fera autour du point (0, 0)
faisant preuve pour tout point (k, 0) dans un voi-
sinage tel que la trajectoire ne perde plus de cycle
(lorsque x ne traverse pas de valeur entière autre
que k), cestàdire, lorsque la boucle est accro-
chee.
Trajectoires dans le plan de phase
Un exemple qualitatif de trajectoire du mo-
dèle hybride de la BVPIC est represente dans
la g. 2.17. La trajectoire suit, selon la valeur de
letat discret, un des trois champs de vecteurs jus-
quà ce quune commutation ait lieu. Après cette
commutation, la trajectoire emprunte une autre
ligne de lun des deux autres champs de vecteurs
et ainsi de suite.
Pour chacun des trois champs de vecteurs on
determine analytiquement les trajectoires dans le
plan de phase :
x x
0
=
y
2
y
0
2
2 b
+
a
b
(y y
0
) lorsque e = +1
x x
0
=
y
2
y
0
2
2 b
+
a
b
(y y
0
) lorsque e = 1
y = y
0
lorsque e = 0
(2.91)
X = f(X, 1)
X = f(X, 0)
X = f(X, 1)
e(t) = 1
e(t) = 0
e(t) = 1
Fig. 2.17 : Le système hybride evolue dans trois
champs de vecteurs selon la valeur de letat discret e(t)
Dans letat +1 et 1 le système est instable,
tandis que dans letat 0 le système est en stabilite
simple sur laxe des abscisses et instable en dehors.
Ces trois champs de vecteurs sont representes dans
la g. 2.18.
1.2 0.8 0.4 0 0.4 0.8 1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1.0
1.2 0.8 0.4 0 0.4 0.8 1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1.0
1.2 0.8 0.4 0 0.4 0.8 1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1.0
1.2 0.8 0.4 0 0.4 0.8 1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1.0
1.2 0.8 0.4 0 0.4 0.8 1.2
1.0
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1.0
x
x x
x
y
y
y
y
e = 0
e = 1
e = 1
Convergeance vers (1, 0)
vers (0, 0)
Convergeance
Champ de vecteur

X = f(X, e = 0)
Champ de vecteur

X = f(X, e = 1)
Champ de vecteur

X = f(X, e = 1)
Exemples de trajectoires
Fig. 2.18 : Les dierents champs de vecteurs du sys-
tème hybride (graphes du haut et graphe en bas à
gauche) et deux exemples de trajectoire dans le plan
de phase convergeant vers des points xes dierents
(graphe en bas à droite)
Pour construire une telle trajectoire il faut faire
appel à un algorithme de simulation des systèmes
hybrides, ce qui a ete realise pour la BVPIC en
premier par Hedayat sans utiliser explicitement
la notion de système hybride.
2.8.4 Discretisation du modèle hy-
bride
Lanalyse dun modèle hybride continu peut se
reveler dicile car ce système est à la fois continu
et discret. La theorie des systèmes hybrides etant
encore relativement jeune, elle nore pas de me-
thode danalyse susamment generale pour appor-
ter une solution à tous les problèmes formules sous
forme hybride continue.
Il est parfois possible deectuer une discretisa-
tion dun tel modèle an den oter laspect continu.
Une telle discretisation consiste à calculer levolu-
tion des variables detats continues et discrètes à
des instants discrets, ceuxci correspondent en ge-
neral aux instants de commutations.
Lorsque les trajectoires de letat continu et les
instants de commutations peuvent etre determines
analytiquement, on obtient un système de recur-
rences purement discret dont lanalyse peut etre
plus aisee.
Ce système de recurrences est appele modèle hy-
bride discret par la suite dans le sens o` u ces equa-
tions detats ne sont pas invariantes et dependent
des etats discrets pouvant evoluer à chaque itera-
tion.
Discretisation periodique
Le procede de discretisation le plus courant, pre-
sente dans la g. 2.19, est lechantillonnage ou la
discretisation periodique. Les variables detats sont
estimees à des instants periodiques t = k T o` u T
est la periode dechantillonnage ou de discretisa-
tion.
X
2
X
3
x
y
t
X
1
t = T
t = 3 T
t = 2 T
Fig. 2.19 : Discretisation de periode T dun système
continu
Cette discretisation parat naturelle lorsque le
système est nonautonome et plus particulière-
ment lorsque ceci est d u à une excitation exterieure
periodique.
Par contre linteret est limite lorsquil existe des
excitations externes ou internes qui sont aperio-
diques, comme dans les systèmes autonomes et les
systèmes hybrides.
Section de Poincare
La section de Poincar e est un procede de dis-
cretisation plus evolue decrit initialement dans
[Poi99] pour analyser les trajectoires des corps ce-
lestes.
On denit pour cela une hypersurface
p
dans
lespace de phase qui doit etre de dimension en-
tière immediatement inferieure à celle de lespace
de phase (voir g. 2.20). Lorsque la surface
p
est
bien choisie, elle est transverse aux trajectoires du
système.
z
y
x
u
v
X
k
X
k+1
X
k+2
Surface
de
section
p
Fig. 2.20 : Section de Poincar e dans un espace de
dimension trois
La succession de points X
i
coupant lhypersur-
face
p
dans un sens donne (le sens est indique par
le signe du produit scalaire entre la tangente à la
trajectoire et la tangente à lhypersurface) consti-
tue une suite numerique discrète appelee recur-
rence de Poincar e.
Cette methode de discretisation presente le gros
avantage de reduire la dimension de lespace de
phase, puisque la suite de points est exprimee par
les coordonnees des points appartenant à lhyper-
surface
p
.
Dans lexemple de la g. 2.20 lespace de phase
(x, y, z) est reduit à la surface
p
. Les points de
la recurrence sont exprimes dans le plan de phase
(u, v) de dimension deux.
Remarque 12 Le temps t peut etre rajoute arti-
ciellement dans le système dequations : sa dyna-
mique est denie par
d(t)
dt
= 1. Ceci permet din-
tegrer le temps dans lespace de phase du système.
On peut donc faire une discretisation de periode
T en denissant une surface de Poincar e par t
mod T = 0.
Section hybride
Dans les systèmes hybrides, les evenements du
système discret sont aussi denis par une hypersur-
face de commutation dans le plan de phase continu
et peuvent servir de section lors de la discretisa-
tion.
Ce type de discretisation que lon nomme discre-
tisation hybride peut etre vu comme lextension de
la notion de section de Poincar e.
La surface de section servant à discretiser un
système hybride peut, contrairement à la section
de Poincar e, etre denie dans lespace hybride H
entier et dependre des etats discrets de /.
Cette extension ore la possibilite de traverser
la surface de section du plan de phase continu dans
le bon sens sans forcement iterer le modèle, comme
le montre la g. 2.21.
y
x
e
X
1
X
2
X
3
e = 0
e = 1
h
Fig. 2.21 : Section hybride dans un espace continu de
dimension deux avec une variable discrète alternant
entre deux valeurs.
Dans cet exemple la frontière de section
h
(en
traits discontinus) appartient au plan de letat dis-
cret e(t) = 1. Si une trajectoire traverse cette fron-
tière dans le plan discret e = 1, le point appartient
à la suite numerique (points marques en noir).
Si la trajectoire traverse cette frontière dans le
plan discret e = 0, le point nappartient pas à la
suite discrète (points encercles), on traverse alors
la frontière sans iterer le modèle discret.
La discretisation hybride ne reduit pas syste-
matiquement la dimension de lespace de phase
continu, par contre elle permet deliminer une ou
plusieurs variables detat discrètes.
Nous discutons dans la suite des dierentes ma-
nières de sectionner lespace hybride.
2.8.5 Discretisation du modèle hy-
bride continu le long dune se-
quence
Lorsquune surface de section hybride est de-
nie, il est dicile detablir la trajectoire partant
dun point de la suite discrète au point suivant de
cette suite car des evenements peuvent intervenir
et changer plusieurs fois lallure de la trajectoire.
Pour eviter de considerer toutes les eventualites
possibles entre deux points de la recurrence, on
suppose lexistence dune sequence.
Une sequence est denie lorsquun système re-
pète une meme sequence des etats discrets le long
dune trajectoire. La g. 2.22 illustre de manière
assez abstraite une sequence de la BVPIC o` u le
courant de charge suit la sequence +I
c
, 0, Ic, 0.
X
X
k
X
k+1
f
0
f
0
0+
+0
0
f
+1
f
1
Fig. 2.22 : Un exemple de sequence de la BVPIC
La surface de section est alors denie par leve-
nement menant à lelement initial de la sequence
et dont letat discret au moment de cette commu-
tation est celui du dernier element de la sequence.
On discretise alors le système en considerant
levolution dun etat continu X
k
de cette section
vers letat continu X
k+1
de cette meme section lui
succedant à la n de la sequence.
Dans lexemple de la g. 2.22, on itère le mo-
dèle lorsque le système retourne dans letat +. La
surface de section
0+
est denie dans lespace
de phase continu par la relation t mod 1 = 0 et
e(t) = +1. La surface de commutation
0
est
denie par t mod 1 = 0 et e(t) = 0.
Une section de Poincar e simplement denie
par la surface t mod 1 = 0 donnerait lieu à une
discretisation dierente de celle proposee par la
section hybride. En eet, on eectuerait une itera-
tion sur la section
0
(point X
de la gure) car
sa denition est identique à celle de
0+
à letat
discret près.
Ce genre de discretisation a ete appliquee par
Ueta dans [Kou99][Uet01][Kou02] sur un circuit
dont les equations sont très proches de la BVP
IC. Ces travaux proposent une methode danalyse
de la stabilite dune sequence.
Dans le circuit etudie par Ueta la discretisation
nore pas de solution analytique et toute lanalyse
est basee sur lestimation numerique du jacobien
de la transformation discrète.
Cette methode peut donc etre appliquee analy-
tiquement sur la BVPIC du second ordre et nu-
meriquement sur celle du troisième ordre. Ce type
de modèle est note modèle Hyb.Seq. par la suite.
La supposition de lexistence dune sequence est
une hypothèse forte qui peut etre dicile à veri-
er. On peut envisager de calculer toutes les tra-
jectoires possibles entre deux sections hybrides du
modèle, mais les dierents cas possibles se multi-
plient et rendent très complexe lexpression de ces
trajectoires.
Une solution intermediaire consiste à envisager
les sequences possibles dans un certain voisinage
du point de fonctionnement. On reduit ainsi la
quantite devenements pouvant apparatre et la
complexite des equations au prix dune validite du
modèle moins etendue.
2.8.6 Discretisation periodique du
modèle HybCNC
On eectue une discretisation periodique du sys-
tème en calculant la valeur des variables detats
aux instants tels que t mod 1 = 0. Ces instants
correspondent aux fronts actifs du signal dentre
dont la frequence est consideree constante et egale
à lunite.
En ajoutant la phase du signal dentree
ref
dans le vecteur detat continu du modèle Hyb
CNC, on peut denir une surface de section par la
relation

ref
(t)
2
mod 1 = 0 quel que soit letat dis-
cret. Cette section de Poincar e permet ainsi def-
fectuer une discretisation periodique du système.
Lavantage dune telle section est de permettre
de discretiser le système avec des signaux en entree
dont la frequence nest pas constante. Ce type de
section est utilise dans le 3.10 (page 94) pour
optimiser le rejet des bruits en entree.
Lorsque la periode T du signal dentree est
constante, on obtient un modèle discret purement
periodique. Lecriture des equations de ce mo-
dèle oblige à envisager toutes les sequences pos-
sibles apparaissant entre deux evenements du si-
gnal dentree.
Ce problème se simplie si lon reste dans un
voisinage proche du point xe. Le nombre de se-
quences possibles se reduit alors à quatre cas de
gures.
On obtient ainsi un modèle analytique nonline-
aire deni par morceaux strictement equivalent au
modèle NLDL decrit dans le 2.5 (page 37).
En exprimant ce modèle avec le vecteur detat
continu X du modèle HybCNC, les equations
existent mais sont complexes. Le modèle NLDL
opère à cette discretisation mais utilise dautres va-
riables detat qui simplient grandement les equa-
tions tout en conservant le jeu de paramètres re-
duits a et b.
Le modèle NLDL est donc une expression ana-
lytique simple de la discretisation periodique du
modèle HybCNC que lon note modèle Hyb.DL
pour modèle hybride discret local.
La linearisation du modèle NLDL autour du
point de fonctionnement, notee modèle NLDLe,
peut etre eectuee sur le modèle Hyb.DL. Ce mo-
dèle hybride discret linearise, note modèle Hyb.
DLe, est utilise dans le chapitre suivant pour eta-
blir une preuve de stabilite sans faire dapproxi-
mation sur les sequences.
Le modèle NLDL et le modèle Hyb.DL ex-
cluent les cas o` u un evenement apparat sans mo-
dier letat discret du système. Ceci apparat dans
deux cas de gure :
un front du signal dentree se presente alors
que le système est dejà en train de donner
une impulsion de courant positive ;
un front du signal boucle se presente alors que
le système est dejà en train de donner une
impulsion de courant negative.
On observe ce phenomène lorsque lerreur de
phase est susamment grande, notamment pen-
dant les transitoires. Le domaine de validite limite
aux faibles erreurs de phase peut etre etendu en
redenissant la section du modèle HybCNC de
manière à ignorer les evenements inactifs.
2.8.7 Discretisation quasiperio-
dique du modèle HybCNC
On peut prendre en compte les evenements in-
actifs et modier les expressions analytiques de la
recurrence. La discretisation ignore alors certains
evenements du signal dentree qui ne provoquent
pas de changement detat.
La section hybride est donc denie par la sur-
face t mod 1 = 0 du plan de phase continu et par
e(t) = 0 ou e(t) = 1 dans le plan de phase discret.
Les evenements du signal dentree ne provoquent
pas de changement detat lorsque le système est
dejà en train de donner une impulsion positive de
courant (e(t) = +1).
Les equations du modèle NLDL doivent etre
modiees de manière à prendre en compte les eve-
nements inactifs. Les evenements inactifs du si-
gnal dentree ne modient que lexpression (C.8)
de
k+1
du cas + - . Cette expression devient
alors :
k+1
=
k
k
|+t
oct
=
k
k
|+
1
1 +
k
(2.92)
Les evenements lies au signal boucle, denis par
x mod 1 = 0, sont plus diciles à prendre en
compte. Letat discret ne change pas quand cet
evenement apparat lorsque le système donne dejà
une impulsion de courant negative. Il faut integrer
les fronts inactifs de v
b
dans le calcul de la periode
de lOCT t
oct
.
Pour cela, il sut de remarquer que les periodes
inactives devant etre prises en compte apparaissent
uniquement pendant les impulsions negatives de
duree
k
(la valeur
k
est bien une duree po-
sitive car
k
est negatif lors dune impulsion de
courant negative).
Pendant cette impulsion, la phase normalisee de
lOCT atteint une valeur x
t
qui est connue :
x
t
=
k
_
0
(1 +
k
a b ) d
=
b
2

2
k
+ (1 +
k
a)
k
(2.93)
On determine alors t
oct
de telle sorte quà lins-
tant t
k
+
k
+ t
oct
la phase normalisee soit len-
tier immediatement superieur : x
t
|. Lexpression
(C.14) de
k+1
change pour le cas - - et devient :
k+1
=
x
t
| x
t
1 +
k
1 (2.94)
Pour le cas - + il sut de remplacer la valeur
de c
+
dans lexpression (C.11) par :
c
+
= x
t
| x
t
(2.95)
Le domaine de validite de ce modèle est ainsi
etendu à toutes les sequences possibles. Cest pour-
quoi il est qualie de modèle nonlineaire discret
global (modèle NLDG).
Par contre ce modèle perd son aspect periodique
pendant les phases transitoires puisque des evene-
ments du signal dentree sont ignores. Lanalyse de
stabilite dun tel modèle pose problème à cause de
ses nombreuses nonlinearites.
Il faut pour pouvoir analyser ce modèle le linea-
riser dans un voisinage du point xe, ce qui enlève
alors à ce modèle sa globalite. Bien que ce modèle
ne soit pas utilise dans ce memoire, il est presente
ici dans lespoir dorir à un lecteur avise un point
de depart pour une analyse de stabilite globale.
2.8.8 Simulation des modèles hy-
brides
La simulation des modèles discrets precedents
ne pose pas de problème specique. Il sut pour
cela diterer la recurrence, quelle soit analytique
ou non, et de memoriser les variables detats ainsi
que la date pour laquelle elles ont ete calculees.
Les simulations des modèles hybrides continus
posent des problèmes speciques lies à linterac-
tion entre les etats discrets et les etats continus.
Seuls quelques systèmes hybrides admettent des
solutions analytiques.
Les systèmes hybrides lineaires ou anes
peuvent etre resolus analytiquement, mais les ef-
forts pour trouver les solutions augmentent avec
lordre de lespace continu, le nombre de variables
discrètes et la complexite des frontières de commu-
tations.
En general, une solution approchee doit etre
trouvee. Comme pour les systèmes nonlineaires,
les equations dierentielles peuvent etre resolues
par des methodes numeriques standard, que lon
peut trouver dans [Lam91], combinees avec des al-
gorithmes detectant et changeant les etats discrets,
modiant ainsi le ot dierentiel. Ces methodes
numeriques sont implantees sur un calculateur et
sont appelees des simulations.
Une multitude dalgorithmes utilisant ces me-
thodes numeriques sont disponibles. Ils per-
mettent de representer rapidement nimporte
quel système hybride et de le simuler. Les
plus connus sont Simulink combine avec State-
ow [Mat97a][Mat92] ; Scicos (lequivalent en logi-
ciel libre) [INRa][INRb] ; Omola [And94] ; Dymola
[Elm93] ; Modelica [Mat97b] et HyBrSym [Mos97].
Une etude comparative de ces logiciels est pre-
sentee dans [Mos99]. Il existe dautres logiciels ca-
pables deectuer de telles simulations, notamment
les logiciels plus adaptes aux applications de lelec-
tronique comme HSpice et VerilogA.
Le modèle HybCNC etant un modèle ane en
letat, sa simulation analytique est donc possible.
De plus il nexiste quune seule variable discrète et
les frontières de commutations sont simples, ce qui
rend les expressions analytiques très abordables.
Il est donc possible deectuer des simulations
analytiques du modèle discret de la BVPIC. Ces
simulations analytiques ont de gros avantages face
aux logiciel enonces precedemment : precision et
rapidite.
Simulation analytique dun modèle hybride
La simulation analytique dun modèle hybride
itère les variables detats continues et discrètes
devenement en evenement, comme le montre les
points pleins sur la g. 2.23.
t
k
f
i
X(t)
t
t
k+2
t
k+1
X
(
X
k
+
1
,
E
k
+
1
,
t
k
+
1
)
X
k+1
X
k
X
(
X
k
,
E
k
,
tk
)
Fig. 2.23 : Dierence entre simulations hybrides ana-
lytiques (trait plein et points pleins) et numeriques
(pointilles et points encercles)
Pour cela on utilise un algorithme qui, à partir
dun instant t
k
o` u les variables detat sont connues,
determine letat du système à linstant t
k+1
o` u un
evenement intervient. Cette simulation necessite
une methode appropriee que lon peut decomposer
en quatre etapes :
calcul des dates t
i
des evenements pouvant se
produire ;
selection de levenement arrivant en premier,
on note sa date t
k+1
;
calcul des variables detats continues à lins-
tant t
k+1
, on les notes X
k+1
;
calcul des variables discrète immediatement
après la commutation ayant lieu à linstant
t
k+1
, notees E
k+1
.
Il peut arriver, au cours dune iteration, quun
ou plusieurs evenements ne puissent pas se pro-
duire. Leurs dates sont alors xees à lhorizon
de simulation. Ceci permet de ne pas prendre en
compte ces evenements car ils arrivent en n de
simulation.
Lorsque les frontières de commutation sont
simples, les dates t
i
des prochains evenements pos-
sibles peuvent etre exprimees analytiquement en
fonction de letat X
k
et de t
k
. On peut ramener
la simulation du modèle hybride continu à celle du
modèle hybride discret suivant :
t
k+1
= min
iL
(t
i
(X
k
, E
k
))
X
k+1
= f (X
k
, E
k
, t
k+1
)
E
k+1
= (X
k
, E
k
, t
k+1
)
(2.96)
On obtient une recurrence autonome permet-
tant de simuler mais aussi danalyser le système.
Ce genre de modelisation et danalyse a ete etudie
et applique aux redresseurs à thyristors par Mira
dans [Mir90].
Les recurrences autonomes de la BVPIC du
deuxième et troisième ordre ont ete etablies sous
forme dalgorithme par Hedayat. Cette modelisa-
tion, ou simulation analytique, est presentee dans
la section suivante.
Lorsque les frontières de commutations sont
compliquees, les dates t
i
des evenements doivent
etre calculees par un algorithme numerique. Lal-
gorithme de Newton, ou un algorithme plus per-
fectionne, est utilise pour trouver la solution impli-
cite de la relation
X
(X
k
, E
k
, t
i
) = f
i
denissant la
date t
i
. On parle dans ce cas de simulation hybride
semianalytique.
Comme le montre la g. 2.23 la modelisation
analytique ou semianalytique permet de reperer
les instants de commutations avec une precision
matrisee (points pleins de la gure) contrairement
aux simulations numeriques (points encercles). En
eet le pas de simulation
p
de la simulation nu-
merique permet de passer audelà de la frontière
de commutation f
i
, engendrant une erreur qui peut
etre genante.
Remarque 13 Les simulateurs numeriques ac-
tuels proposent cependant des methodes pour a-
ner le pas de simulation autour des commutations
(par exemple le bloc hit zero crossing permet
dans Simulink de forcer une precision autour dun
evenement).
Linconvenient majeur des methodes nume-
riques est le nombre important de pas eectues
qui sont inutiles lorsque la trajectoire du système
ne subit pas de variations importantes.
2.9. Modèles evenementiels 51
Bien que les methodes à pas variables tendent
à diminuer ce defaut, le temps de calculs des dif-
ferents pas reste bien superieur à celui dun calcul
analytique direct susamment simple.
La rapidite des simulations hybrides, analy-
tiques pour la BVPIC du deuxième ordre et semi
analytiques pour le troisième ordre, permettent de
calculer les valeurs optimales des paramètres du
ltre par force brute.
Le critère et la technique doptimisation sont
presentes dans le 3.10 (page 94). Les simulations
analytiques de la BVPIC sont presentees dans la
section suivante sous la forme de recurrences au-
tonomes que lon appelle par la suite modèles eve-
nementiels.
2.9 Modèles evenementiels
Les travaux presentes par Hedayat etablissent
les equations de la BVPIC du second ordre. La
methode de simulation exposee dans la section pre-
cedente a ete utilisee sans employer le formalisme
de la modelisation hybride.
Nous reprenons ces travaux en utilisant les va-
riables reduites du modèle HybCNC pour la
BVPIC du deuxième ordre. On nomme par la
suite le système dequations autonomes obtenu
modèle evenementiel, note modèle

Eve.
Les equations normalisees de la BVPIC du troi-
sième ordre sont ensuite utilisees pour deduire le
modèle evenementiel du troisième ordre. On ob-
tient un système dequation dont la date dun eve-
nement est la solution implicite dune relation.
Lalgorithme de Newton est utilise pour trou-
ver numeriquement cette solution. Ce modèle est
nomme par la suite modèle evenementiel du troi-
sième ordre, note modèle

Eve.3.
2.9.1 Modèle evenementiel du se-
cond ordre
Les trajectoires
X
(X
k
, E
k
, t
k
) des variables
continues x et y sobtiennent en integrant les
equation dierentielles du modèle HybCNC et en
ajoutant la phase normalisee du signal dentree w :
x(t) = x
k
+ (y
k
+e
k
a)
_
t t
k
_
+e
k
b
_
t t
k
_
2
2
y(t) = y
k
+e
k
b
_
t t
k
_
w(t) = w
k
+
_
t t
k
_
(2.97)
Lorsque le signal dentree est de frequence
constante, la phase normalisee w est identique, à la
phase initiale près, au temps normalise. On consi-
dère sans perte de generalite que cette phase ini-
tiale est nulle.
La phase w est ajoutee dans le système dequa-
tion car elle permet de modeliser les modulations
de frequence, le bruit en entree, etc.
Un evenement du signal dentree se produit
lorsque la phase normalisee traverse une valeur en-
tière : w mod 1 = 0.
`
A partir de linstant t
k
, la
date normalisee t
r
du prochain front actif du si-
gnal de reference v
ref
est la date pour laquelle la
phase w atteint la valeur entière qui lui est imme-
diatement superieure. Linstant t
r
est donc deni
par la relation suivante :
t
r
: w(t
r
) = w
k
|
t
r
= t
k
+w
k
| w
k
(2.98)
De meme, un evenement du signal boucle v
b
ap-
parat lorsque sa phase normalisee x + t (puisque
2 x =
b
ref
en variables reelles) traverse la va-
leur entière qui lui est immediatement superieure.
`
A partir de linstant t
k
, la date t
b
du prochain
evenement du signal boucle est alors denie par la
relation x(t
b
) +t
b
= x
k
+t
k
|. Sa resolution donne
les deux solutions suivantes :
t
b
= t
k
+
_
_
|x
k
+t
k
|x
k
y
k
+1
si e
k
= 0
(y
k
+1+e
k
a)
(y
k
+1+e
k
a)
2
+2 e
k
b (|x
k
+t
k
|x
k
)
e
k
b
sinon
(2.99)
Lorsque e
k
,= 0, il existe deux solutions. Une de
ces solutions est rejetee car elle correspondrait à
une date anterieure à t
k
, ce qui violerait le principe
de causalite.
En remarquant que le signe de b (x
k
| x
k
) est
toujours positif, on exclut la solution comportant
le signe moins devant la racine.
Le pas de simulation suivant t
k+1
est donc la
date du premier des deux evenements determinee
par min(t
r
, t
b
).
En ajoutant lequation (2.89) de letat discret du
modèle HybCNC on obtient le modèle

Eve. sous
la forme dune recurrence autonome :
_
_
t
k+1
= min(t
r
, t
b
)
x
k+1
= x
k
+ (y
k
+e
k
a) (t
k+1
t
k
) +
e
k
b (t
k+1
t
k
)
2
2
y
k+1
= y
k
+e
k
b (t
k+1
t
k
)
w
k+1
= w
k
+ (t
k+1
t
k
)
e
k+1
=
_
_
min(1, e
k
+ 1)
lorsque t
k+1
= t
r
max(1, e
k
1)
lorsque t
k+1
= t
b
(2.100)
avec t
r
= t
k
+w
k
| w
k
, et
t
b
= t
k
+
_
_
|x
k
+t
k
|x
k
y
k
+1
si e
k
= 0
(y
k
+1+e
k
a)+
(y
k
+1+e
k
a)
2
+2 e
k
b (|x
k
+t
k
|x
k
)
e
k
b
sinon
(2.101)
Remarque 14 Dans lexpression de t
b
pour e
k
=
1, le terme sous la racine peut etre negatif. Cela
correspond physiquement au cas o` u lors dune im-
pulsion negative la tension à lentree de loscilla-
teur diminue tellement que la frequence de lOCT
serait negative.
Il sagit du phenomène de collage ou de satu-
ration de loscillateur dont la sortie reste constam-
ment bloquee. Lorsque le terme sous la racine est
negatif, on donne à t
b
la date de la n de simula-
tion. Ceci permet de continuer la simulation dans
le cas o` u un front du signal dentree apparat suf-
samment tot pour empecher le collage de lOCT.
Si la frequence de lOCT devient negative, le
principe de causalite ne sera pas respecte, on arrete
alors la simulation lorsque y(t) + 1 +e
k
a < 0.
2.9.2 Modèle evenementiel du troi-
sième ordre
Le modèle evenementiel du troisième ordre, que
lon nomme modèle

Eve.3, est determine en rem-
placant les equations du système continu du mo-
dèle HybCNC par les equations du troisième
ordre (2.33). Le système secrit alors sous la forme
de la recurrence autonome (2.102).
Les evenements et lequation de transition de
letat discret restent inchanges, par contre lexpres-
sion de t
b
ne peut plus etre analytique, on note son
expression transcendantale

t
b
. La date de levene-
ment du signal boucle

t
b
est denie par la relation
implicite x
k
_
t
b
_

t
b
= x
k
t
k
|.
Iteration numerique du modèle
Literation du modèle se fait en determi-
nant la valeur de la fonction transcendantale
t
b
_
x, y, z, w, t
_
, induite par la relation precedente,
à linstant t
k
.
Pour cela on isole lexpression x(t) du système
et on cherche la racine selon t de la fonction
f
imp
(x, y, z, w, t) = x(t) t x
k
t
k
| avec un
algorithme numerique.
Plusieurs methodes numeriques peuvent etre
utilisees pour calculer la valeur de la fonction
transcendantale

t
b
. On trouve un bref expose de
ces dierentes methodes adaptees à ce problème
dans [Mir94], et de manière complète et plus gene-
rale dans [Dem91][Hen64].
Les problèmes lies à ces methodes sont principa-
lement les critères et la rapidite de convergence. Le
choix de la methode de NewtonRaphson per-
met de proter de la connaissance analytique de la
derivee de la fonction implicite f
imp
.
Cet algorithme est ainsi plus rapide et plus ro-
buste ; cependant la convergence de lalgorithme
nest pas garantie et depend fortement du point
dinitialisation, comme le montre la g. 2.24.
Lalgorithme de NewtonRaphson.
Cet algorithme bien connu consiste à approcher
la fonction par sa tangente.
`
A partir dune abscisse
initiale t
0
que lon nomme pari initial , on re-
cherche lintersection de la tangente en ce point
avec laxe des abscisses (voir la vignette en bas de
la g. 2.24). Cette intersection donne labscisse du
point suivant t
1
à partir duquel une nouvelle ap-
proximation est faite.
Comme le montre la g. 2.24, si le pari initial est
trop eloigne de la solution, lalgorithme peut di-
verger (cas de linitialisation avec t
d
) ou converger
vers un cycle limite (cas de linitialisation par t
0
ou
t
1
) ou meme observer un comportement chaotique
[Mir94] (non represente).
Des critères de convergence existent et peuvent
etre trouves dans les ouvrages cites precedemment.
Ces critères imposent lexistence dune solution
unique dans lintervalle o` u la recurrence opère,
2.9. Modèles evenementiels 53
_
_
t
k+1
= min(t
r
,

t
b
)
x
k+1
= x
k
+ (
k+1
k
) x
k
+e
k
p
(
k+1
k
)
2
2
+

n
1
[(z
k
y
k
) e
k
p
1
]
_
k+1
t
k
+
n
e
t
k+1
t
k
n
_
y
k+1
= y
k
+e
k
p (t
k+1
t
k
) +

n
1
[(z
k
y
k
) e
k
p
1
]
_
1 e
t
k+1
t
k
n
_
z
k+1
= z
k
+e
k
p (t
k+1
t
k
) +

n
1
[(z
k
y
k
) e
k
p
1
]
_
1 e
t
k+1
t
k
n
_
w
k+1
= w
k
+t
k+1
t
k
e
k+1
=
_
_
min(1, e
k
+ 1)
lorsque t
k+1
= t
r
max(1, e
k
1)
lorsque t
k+1
=

t
b
avec t
r
= t
k
+w
k
| w
k
et

t
b
tel que x
k
(
t
b
)

t
b
= x
k
t
k
|
(2.102)
ils excluent aussi la presence de points dinexion
dans cet intervalle et garantissent une derivee suf-
samment grande en valeur absolue pour eviter la
divergence.
La verication de ces critères par la fonction f
imp
nest pas traitee dans ce memoire, mais pourrait
etre developpee. Hedayat dans ces travaux pro-
pose de faire un pari initial susamment proche
de la solution en approchant la fonction implicite
f
imp
par la fonction explicite issue du second ordre.
La valeur t
0
du pari initial est calculee à partir
de la date t
b
etablie dans la relation (2.99) pour
une BVPIC du deuxième ordre ayant les memes
paramètres à lexception de la valeur de la capa-
cite du ltre C. Cette valeur est egale à la somme
C
1
+C
2
des capacites du ltre du second ordre de
manière à obtenir une constante de temps equiva-
lente.
Il sut donc diterer, à partir de cette valeur t
b
,
la recurrence suivante tant que la condition darret
f
imp
(
t
b
k
) < nest pas atteinte :
t
b
k+1
=

t
b
k

f
imp
_
t
b
k
_
f
imp
t
_
t
b
k
_
avec

t
b
0
= t
b
pour C = C
1
+C
2
(2.103)
La valeur de xe lerreur absolue toleree sur le
calcul de la date de levenement.
f
imp
(t)
t
d
t
t
0
t
1
f
imp
(t)
t
t
0
t
1
t
2
t
3
t
b
Fig. 2.24 : Convergence de lalgorithme de Newton
Raphson. En haut, une initialisation divergente t
d
et
un cycle limite t
i
; en bas un agrandissement de la zone
entouree par les petits tirets montrant une initialisa-
tion convergente t
0
.
2.10 Recapitulatif
Beaucoup de modelisations de la BVPIC du
deuxième et du troisième ordre ont ete proposees
dans le passe ainsi que dans ce memoire. Dans la
majorite des cas des approximations ont ete faites
pour obtenir les equations imposant un domaine
de validite plus ou moins restreint.
Lapproximation la plus classique consiste à
considerer que le système est proche de son point
de fonctionnement permettant generalement de li-
neariser les equations autour de ce point. On parle
dans ce cas de modèle local en opposition au mo-
dèle global o` u le domaine de validite englobe les-
pace de phase. Ce domaine de validite est deni
dans lespace de phase du système.
Mais la BVPIC est un circuit hybride dont la
modelisation complète necessite un espace hybride
constitue dun espace de phase continu et dun es-
pace de phase discret.
Une approximation parfois utilisee pour ce type
de système consiste à imposer certaines sequences
de commutation de letat du DPF (comme dans
les modèles lineaires discrets) et/ou à considerer
que cet etat du DPF suit un ensemble de certaines
sequences (comme la discretisation le long dune
sequence). Il est alors dicile detablir un domaine
de validite dans lespace de phase garantissant ces
suppositions.
Pour obtenir ce domaine de validite on denit
lespace o
tout
de toutes les sequences generees par
lespace des etats discrets et par o lensemble o
tout
prive des sequences ne pouvant etre produites par
le circuit lorsquil en existe.
Le domaine de validite peut etre alors exprime
dans un espace hybride compose de lespace des se-
quences possible o et de lespace de phase continu.
Ceci nous permet de denir deux types de voisi-
nages lies aux deux types dapproximations prece-
dentes : lun dans lespace continu o` u se deroulent
les trajectoires ; lautre dans lespace des sequences
o` u une sequence de letat discret du système cor-
respond à un point de cet espace.
Les approximations dans lespace de phase
continu conduisent aux denitions suivantes.
Denition 6 On qualie de :
global en trajectoire un modèle dont le domaine
de validite inclut lespace de phase continu ;
semiglobal en trajectoire un modèle dont le
domaine de validite inclut un voisinage relati-
vement large de la projection du point de fonc-
tionnement dans lespace de phase continu ;
local en trajectoire un modèle dont la projec-
tion du domaine de validite sur lespace de
phase continu est incluse dans un ensemble
de points adherents à la projection du point
de fonctionnement dans ce meme espace de
phase.
Les approximations dans lespace des sequences
caracterisent les denitions suivantes.
Denition 7 On qualie de :
global en sequence un modèle dont le domaine
de validite inclus lespace des sequences pos-
sibles o ;
local en trajectoire un modèle dont la projec-
tion du domaine de validite sur o
tout
est stric-
tement incluse dans o ;
neglige en sequence un modèle dont le domaine
de validite ne peut pas etre projete sur lespace
des sequences o
tout
.
Ces notions de globalite en sequence ou en tra-
jectoire permettent, en ajoutant la notion de sys-
tème à temps discret et à temps continu, de classi-
er lensemble des modèles presentes dans ce me-
moire.
Cette classication est presentee dans la
g. 2.25. On obtient en bas de cette gure les acro-
nymes des modèles classes en fonction des types
dapproximations eectuees.
Lensemble des modèles presentes dans ce me-
moire est resume ici :
le modèle LC modèle lineaire continu obtenu
en calculant le courant de charge moyen et en
negligeant les sequences des etats discrets ;
le modèle LD modèle lineaire discret ob-
tenu en approchant les impulsions de courant
de charge par une impulsion de Dirac appa-
raissant à chaque periode du signal dentree ;
le modèle DBrut modèle discret non
lineaire obtenu en approchant les impulsions
de courant de charge par une impulsion de lar-
geur variable debutant à chaque periode du
signal de reference ;
le modèle LD
Ech. modèle lineaire discret

obtenu en echantillonnant à la periode du si-
gnal dentree le modèle LC;
le modèle HybCN et le modèle HybCNC
modèles hybrides continus obtenus à partir
des equations du système continu et en de-
nissant les frontières de commutations dans
le plan de phase ;
le modèle Hyb.Seq. modèle hybride discret
obtenu en sectionnant le long dune sequence
particulière le modèle HybCNC;
2.10. Recapitulatif 55
` A
t
e
m
p
s
c
o
n
t
i
n
u
` A
t
e
m
p
s
d
i
s
c
r
e
t
` A
s
e
q
u
e
n
c
e
n
e
g
l
i
g
e
e
N
L
D
L
e
H
y
b
D
L
e
` A
t
e
m
p
s
d
i
s
c
r
e
t
N
L
D
L
H
y
b
D
L
|
e
|
<
T
S
e
m
i
G
l
o
b
a
l
e
n
t
r
a
j
e
c
t
o
i
r
e ` A
t
e
m
p
s
d
i
s
c
r
e
t
L
o
c
a
l
e
n
S
e
q
u
e
n
c
e
G
l
o
b
a
l
e
n
t
r
a
j
e
c
t
o
i
r
e
E
v
e
T
r
a
j
e
c
t
o
i
r
e
n
u
m
e
r
i
q
u
e
T
r
a
j
e
c
t
o
i
r
e
A
n
a
l
y
t
i
q
u
e
` A
t
e
m
p
s
d
i
s
c
r
e
t
` A
t
e
m
p
s
c
o
n
t
i
n
u
G
l
o
b
a
l
e
n
S
e
q
u
e
n
c
e
L
o
c
a
l
e
n
t
r
a
j
e
c
t
o
i
r
e
M
o
d
è
l
e
s
d
e
l
a
B
V
P
I
C
` A
t
e
m
p
s
d
i
s
c
r
e
t
I
m
p
u
l
s
i
o
n
a
p
p
r
o
c
h
e
e
I
m
p
u
l
s
i
o
n
d
e
E
c
h
a
n
t
i
l
l
o
n
n
e
L
D
E
c
h
L
D
L
C
D
i
r
a
c
G
a
r
d
n
e
r
p
a
r
D
B
r
u
t
H
y
b
S
e
q
H
y
b
N
u
m
E
v
e
3
S
i
m
u
l
a
t
i
o
n
s
d
u
m
o
d
è
l
e
H
y
b
C
N
L
D
G
H
y
b
C
G
l
o
b
a
l
e
n
S
e
q
u
e
n
c
e
i
m
p
l
i
q
u
e
implique
Q
u
a
s
i
P
e
r
i
o
d
i
q
u
e
M
o
d
è
l
e
r
e
c
r
i
t
e
n
v
a
r
i
a
b
l
e
r
e
d
u
i
t
e
à
p
a
r
t
i
r
d
u
n
m
o
d
è
l
e
d
e
j
à
e
x
i
s
t
a
n
t
M
o
d
è
l
e
e
t
a
b
l
i
p
o
u
r
l
e
d
e
u
x
i
è
m
e
e
t
t
r
o
i
s
i
è
m
e
o
r
d
r
e
M
o
d
è
l
e
e
t
a
b
l
i
p
o
u
r
l
e
d
e
u
x
i
è
m
e
o
r
d
r
e
u
n
i
q
u
e
m
e
n
t
M
o
d
è
l
e
e
t
a
b
l
i
d
i
e
r
e
m
m
e
n
t
p
o
u
r
l
e
s
e
c
o
n
d
e
t
p
o
u
r
l
e
t
r
o
i
s
i
è
m
e
o
r
d
r
e
G
l
o
b
a
l
e
n
s
e
q
u
e
n
c
e
Fig. 2.25 : Classication des modèles presentes dans ce memoire. Les modèles sont classes de gauche à droite en
fonction du type dapproximation conduisant à ces modèles
le modèle NLDL et le modèle Hyb.DL mo-
dèles hybrides discrets obtenus en discretisant
par la periode du signal dentree le modèle
HybCNC; chaque modèle est local en tra-
jectoire ce qui rend des sequences impossibles
(le modèle est ainsi global en sequence) ;
le modèle NLDLe et le modèle Hyb.DLe
modèles hybrides discrets obtenus en lineari-
sant le modèle NLDL ou le modèle Hyb.DL,
ces modèles dièrent seulement par leurs va-
riables detat continues ;
le modèle NLDG modèle hybride discre-
tise par les fronts actifs de la periode du
signal dentree (section hybride des trajec-
toires), toutes les sequences sont alors prises
en compte ;
le modèle Hyb.Num. modèle hybride dis-
cret numerique, obtenu par une simulation nu-
merique des trajectoires continues et des eve-
nements discrets (technique de simulation de
SciCos, Simulink, etc.) :
le modèle

Eve. modèle hybride discret ana-
lytique issu de la simulation du modèle Hyb
CNC. Ces simulations calculent analytique-
ment les valeurs des etats continus à chaque
evenement ; les dates des evenements sont de-
duites analytiquement des trajectoires pour
le modèle du second ordre et numerique-
ment pour le modèle dordre trois modèle
Eve.3 (simulation seminumerique du mo-

dèle continu).
Les simulations de ces dierents modèles sont
confrontees dans la section suivante.
2.11 Quelques simulations
Les nombreux modèles sont presentes dans la
classication precedente basee sur le type des ap-
proximations eectuees pour obtenir ces modèles.
Il serait long et fastidieux de comparer chaque
modèle dans une multitude de congurations dif-
ferentes et de verier le domaine de validite de
chacun. Ceci reviendrait à eectuer une analyse
empirique de la dynamique des dierents modèles.
Lanalyse de ces modèles est traitee dans le cha-
pitre suivant.
Nous presentons dans cette section quelques si-
mulations signicatives tendant à valider ou inva-
lider le comportement des modèles.
2.11.1 Simulations locales en trajec-
toire
On peut verier et comparer un modèle local
en trajectoire en initialisant la simulation dans un
etat très proche du point de fonctionnement. Dans
les simulations suivantes lerreur de phase initiale
est choisie nulle et la tension normalisee est legè-
rement augmentee de 10
3
par rapport à sa valeur
en regime stabilise 1. Ceci permet de comparer no-
tamment le modèle LC avec les modèles discrets.
Les simulations (non presentees) des modèles
faites pour
_
(b) 1, ce qui correspond à la
condition de validite du modèle LC
n

ref
,
montrent que ce modèle donne des resultats très
comparables aux modèles discrets LD, DBrut et
LD
Ech.
On remarque que le modèle LD
Ech. ne donne
pas les memes resultats que les autres modèles
discrets. De nombreuses simulations de ce modèle
montrent des ecarts importants par rapport au mo-
dèle exact (le modèle

Eve.). Cette dierence peut
aller jusquà linstabilite du modèle LD
Ech. La re-
presentation de la BVPIC par un système continu
echantillonne est trop eloignee de la forme reelle du
courant de charge.
Cette modelisation ne sera pas analysee par la
suite en raison de sa très faible precision. Aucun
ecart entre le modèle LD et le modèle DBrut na
pu etre mis en evidence au cours des simulations,
cest pourquoi nous ne presentons que les trajec-
toires du modèle LD.
Lorsque la dynamique du système devient com-
parable à celle du signal dentree, pour une valeur
de b commensurable à lunite, le modèle continu et
les modèles discrets seloignent du comportement
reel.
0.98
0.99
1.00
1.01
1.02
0.98
0.99
1.00
1.01
1.02
0.98
0.99
1.00
1.01
1.02
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
modèle

Eve.
modèle LD
modèle LC a = 0, 19
b = 3, 7
Fig. 2.26 : Le modèle LC donne des resultats precis
en comparaison du modèle LD qui est instable
Les modèles discrets pourtant censes etre plus
precis que le modèle LC dans cette situation ne le
sont pas dans tous les cas. La g. 2.26 montre un
2.11. Quelques simulations 57
cas o` u le modèle LC est plus proche du comporte-
ment reel car le modèle LD devient instable.
Pour une dissipation faible (a = 0, 001) la
g. 2.27 montre que le modèle LD est cette foisci
plus precis car il prend mieux en compte les eve-
nements discrets.
1 3 7 11 15 19 23 27 31 1 3 7 11 15 19 23 27 31 1 3 7 11 15 19 23 27 31
997e3
999e3
1001e3
1003e3
1005e3
997e3
999e3
1001e3
1003e3
1005e3
997e3
999e3
1001e3
1003e3
1005e3
modèle LC
modèle

Eve.
a = 0, 001
b = 3, 7
modèle LD
Fig. 2.27 : Le modèle LD est beaucoup plus precis
que le modèle LC
La g. 2.28 illustre les cas o` u lon se trouve près
du point de fonctionnement alors que les modèles
lineaires ne sont pas exacts.
0.4
0.6
0.8
1.0
1.2
1.4
0.4
0.6
0.8
1.0
1.2
1.4
0.4
0.6
0.8
1.0
1.2
1.4
1 3 7 11 15 19 23 27 31 1 3 7 11 15 19 23 27 31 1 3 7 11 15 19 23 27 31
modèle

Eve.
modèle LC convergent
modèle LD divergent
b = 4, 5
a = 0, 5
Fig. 2.28 : Les modèles lineaires ne sont pas valides
lorsque la dynamique du système est rapide
Le domaine de validite des modèles discrets nest
donc pas plus etendu que celui du modèle LD.
Lapproximation faite sur les sequences lors des
modelisations discrètes ne permet pas de determi-
ner un domaine de validite avec precision.
On ne peut que donner un domaine de validite
très restreint pour ces modèles correspondant à ce-
lui impose pour le modèle lineaire :
n

ref
.
Lanalyse des modèles LC et LD est presentee
dans le chapitre suivant.
2.11.2 Simulations globales en tra-
jectoire
En initialisant les simulations dans un etat eloi-
gne du point de fonctionnement, on peut mettre
en evidence les qualites des modèles globaux en
trajectoire.
Dans les simulations suivantes la phase initiale
et la tension normalisee aux bornes de la capacite
sont choisies nulles.
Les modèles HybDL, NLDG et NLDL ne
sont pas presentes car ils donnent des resultats très
similaires au modèle Hyb.Num. et au modèle

Eve.
La g. 2.29 confronte le modèle LD avec les mo-
dèles exacts, elle montre la phase transitoire de la
trajectoire suivie de la phase de stabilisation.
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
0 20 40 60 80 100 120
0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
Transitoire Comportement lineaire
t
y
modèle LD
modèle

Eve.
accrochage
Fig. 2.29 : Les modèles lineaires ne peuvent pas repre-
senter correctement la phase transitoire
Les modèles exacts permettent de representer la
phase transitoire avec precision contrairement au
modèle lineaire discret. Une fois que le système
est accroche (lorsque le système passe en phase de
stabilisation), il se comporte alors de manière très
similaire à un système lineaire. Les modèles issus
de la discretisation du modèle hybride continu sont
donc les plus performants.
Les equations du modèle

Eve. sont veriees en
confrontant ses trajectoires avec celles obtenues en
simulant le modèle HybCNC. Dans la simulation
cidessous, le modèle HybCNC est simule à laide
du logiciel SciCos.
Les trajectoires correspondent parfaitement,
mais lorsque le système est très proche de letat
nal on remarque de legères dierences. En eet
le modèle Hyb.Num. simule par SciCos approche
la trajectoire continue avec un algorithme nume-
rique.
0 4 8 12 16 20 24 28 32
0.3
0.1
0.5
0.9
1.3
1.7
2.1
2.5
2.9
0 4 8 12 16 20 24 28 32
0.3
0.1
0.5
0.9
1.3
1.7
2.1
2.5
2.9
modèle

Eve.
Simulateur numerique SciCos
t
y
Fig. 2.30 : Les erreurs des simulations numeriques des
systèmes hybrides peuvent inverser lordre des evene-
ments du systèmes.
Comme cela est explique dans le 2.8.8
(page 49), les erreurs dintegration se repercutent
sur les dates des evenements qui sont alors le-
gèrement modiees. Ce phenomène devient appa-
rent lorsque la largeur des impulsions devient très
faible : lerreur du modèle Hyb.Num. place alors
un evenement juste avant un autre et change ainsi
le sens de limpulsion (en pointilles sur la g. 2.30).
Conclusion sur la modelisation
Les simulations montrent que le modèle lineaire
continu et les modèles lineaires discrets sont va-
lides lorsque les trajectoires sont proches du point
de fonctionnement et lorsque la dynamique du sys-
tème est plus lente que la frequence du signal den-
tree.
Cette dernière condition est representee grossiè-
rement par la condition b 1 en negligeant leet
du zero de la fonction de transfert du modèle li-
neaire.
Il apparat que la modelisation discrète name-
liore pas outre mesure le domaine de validite de ces
modèles. La representation de la BVPIC par un
système continu echantillonne, pourtant propose
dans des ouvrages destines aux ingenieurs, donne
des resultats complètement errones meme lorsque
la dynamique du système est relativement lente.
Ce dernier modèle ne sera donc pas analyse dans
le chapitre suivant.
Par contre on obtient des simulations quasi
exactes avec les modèles nonlineaires discrets et
avec les modèles hybrides. Parmi ces modèles, les
modèles analytiques, ou semianalytiques pour la
BVPIC dordre trois, presentent une precision et
une rapidite dexecution largement superieure aux
modèles numeriques.
Lintroduction de ces modèles hybrides nous a
pousse à discerner les modèles qui prennent en
compte avec exactitude ou non les commutations
du système modèles globaux en sequence. Un mo-
dèle global (ou local) au sens classique du terme
est alors qualiee de modèle global (ou local) en
trajectoires pour specier que le domaine de va-
lidite se situe uniquement dans lespace de phase
continu.
Le modèle linearise discret (modèle NLDLe) est
local en trajectoire mais, contrairement aux autres
modèles lineaires, global en sequence. Ce modèle
lineaire par morceaux permet detablir la première
preuve de stabilite qui soit globale en sequence, au
prix dun certain eort danalyse presente dans le
chapitre suivant.
Chapitre 3
Analyse
Sommaire
3.1

Etude du modèle lineaire continu . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.1 Stabilite absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.2 Contrainte de stabilite robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.1.3 Contrainte de rapidite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.1.4 Rejet des bruits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.1.5 Rejet du bruit en entree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.1.6 Rejet du bruit à la sortie de lOCT . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.1.7 Saturation de la commande à lentree de lOCT . . . . . . . . . . . . . . . . . . 66
3.1.8 Calcul du ltre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2

Etude du modèle lineaire discret . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.1 Condition de stabilite absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.2 Condition de stabilite robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2.3 Conclusion sur letude lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3 Stabilite dune sequence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3.1 Calcul du multiplicateur dun cycle limite . . . . . . . . . . . . . . . . . . . . . 69
3.3.2 Calcul du multiplicateur à partir du modèle linearise discret . . . . . . . . . . 72
3.3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.4 Stabilite quelles que soient les sequences . . . . . . . . . . . . . . . . . . . . 74
3.4.1 Un contreexemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4.2 Methode directe de Lyapunov et extension aux systèmes hybrides . . . . . . . 75
3.4.3 Stabilite des systèmes nonlineaires commutes . . . . . . . . . . . . . . . . . . 78
3.5 Stabilite quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5.1 Representation du système sous forme polytopique . . . . . . . . . . . . . . . . 80
3.5.2 Recherche dune fonction de Lyapunov quadratique commune . . . . . . . . . 81
3.6 Stabilite Polyquadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6.1 Stabilite polyquadratique dans un ensemble de sequences reduit . . . . . . . . 82
3.6.2 Validite du resultat pour le système nonlineaire . . . . . . . . . . . . . . . . . 82
3.7 Stabilite polyquadratique relachee . . . . . . . . . . . . . . . . . . . . . . . 83
3.7.1 Linearisation de Lyapunov des modèles nonlineaires discrets commutes . . . . 83
3.7.2 La Sprocedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.3 Partitionnement du plan de phase . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.8 Approximation de la region de stabilite par une grille de calcul . . . . . . 89
3.9 Verication experimentale des resultats . . . . . . . . . . . . . . . . . . . . . 92
3.10 Optimisation par force brute . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
59
60 Chapitre 3. Analyse
Introduction au chapitre 3
Nous abordons dans ce chapitre lanalyse de stabilite de la BVPIC dordre deux uniquement. Quatre
types de modèles sont utilises pour etablir des preuves de stabilite du circuit.
Dans les sections 3.1 et 3.2, nous etudions la stabilite des modèles lineaires continus et discrets. Ces
resultats sont les seuls publies à ce jour portant sur ce type de BVP et en constituent letat de lart.
Letude lineaire continue est faite de manière à demontrer lextreme souplesse danalyse de ce type
de modèle. Elle permet notamment dajouter des contraintes de stabilite robuste, dinduire leet de
dierents bruits et dassurer leur rejet.
Letude lineaire discrète porte uniquement sur les analyses de stabilite absolue et robuste.
Linconvenient majeur des techniques lineaires est de negliger les dynamiques propres à laspect hybride
du système. Au lieu dapprofondir letude lineaire, notamment en considerant un système dordre trois,
nous tentons de prendre en compte avec exactitude limpact des interactions entre les etats continus et
les etats discrets du système.
Dans le section 3.3, une première approche simplicatrice analyse le système sans eectuer dapproxi-
mation en supposant que le système suit une sequence particulière. Nous nous interessons alors au com-
portement dune trajectoire fermee particulière que lon appelle cycle limite.
Lanalyse de la stabilite dune telle trajectoire se fait en denissant une section de Poincar e qui a la
particularite detre hybride. Une methode danalyse de la recurrence issue dune telle section est ensuite
presentee.
Ce genre de methode permet danalyser tous les cycles limites du système dans leur voisinage. Une telle
analyse permet de mettre en evidence des phenomènes particuliers tels que les bifurcations du système
et lapparition dun comportement chaotique. Il nest pas toujours possible de garantir la stabilite du
système pour toutes les sequences possibles avec une telle etude.
Les sections 3.4 et 3.7 traitent de la stabilite du système pour toutes les trajectoires possibles localisees
autour du point origine. Ces analyses sont basees sur lutilisation de la methode directe de Lyapunov.
Cette methode permet dapporter des conditions susantes mais non necessaires de stabilite. Il en resulte
un problème lie au conservatisme des conditions susantes proposees.
La section 3.4 propose une methode danalyse par linearisation autour du point xe. Le conservatisme
de cette methode est considerablement reduit dans la section 3.7.
Ces tests de stabilite sappliquent à un système de paramètres reduits donnes. La section 3.8 adapte ces
tests de manière à pouvoir etablir une region du plan de paramètres dans laquelle la stabilite pour toutes
les sequences est prouvee. Le concepteur peut ainsi choisir dans cette region le couple de paramètres qui
linteresse.
Ces resultats theoriques sont nalement confrontes, dans la section 3.9, à des mesures experimentales
eectuees sur un circuit realise en composants discrets.
3.1.

Etude du modèle lineaire continu 61
3.1

Etude du modèle lineaire
continu
Le modèle lineaire continu est très utilise car
la souplesse de son analyse permet de caracteri-
ser plusieurs types de critères sans grande di-
culte. De plus, beaucoup de travaux ont ete ef-
fectues de cette manière sur les BVP analogiques
[Ega00][Kol99][Bla76], ce qui permet dutiliser les
resultats trouves dans la litterature pour des BVP
dont les fonctions de transfert sont equivalentes.
La fonction de transfert de la BVPIC avec un
simple ltre RC est celle dun système du second
ordre. Ce système presente dans le 2.3 (page 28)
est repete cidessous :
G
2
(p) = b N
a
/b T p + 1
p
2
H
2
(p) = N
a
/b T p + 1
T
2
/b p
2
+
a
/b T p + 1
(3.1)
Cette fonction de transfert est similaire à celle
dune BVPIC analogique munie dun ltre actif
du premier ordre de pulsation propre
n
et damor-
tissement :
H(p) = K
2
/
n
p + 1
1
/
2
n
p
2
+
2
/
n
p + 1
avec
n
=
_
K
oct
I
c
N C
=
b
=
R
2
_
K
oct
I
c
C
N
=
a
2
b
K = N
(3.2)
On peut donc reutiliser les resultats portant sur
la BVP analogique à ltre actif pour etudier la
BVPIC.
Dans cette section nous cherchons à matriser les
trois caracteristiques suivantes du circuit :
la stabilite du système malgre la presence de
variations des paramètres et de dynamiques
negligees lors de la modelisation;
la rapidite du système et sa capacite à suivre
certaines modulations de phase ou de fre-
quence ;
le rejet des bruits generes dans le circuit ou à
son entree.
Chacune de ces caracteristiques donne lieu à
une contrainte de conception reduisant les degres
de liberte du concepteur. Certaines contraintes
peuvent etre plus ou moins critiques selon le type
dapplication.
Dans le cas de la reconstruction de lhorloge
dun microprocesseur à partir dun signal externe,
le rejet des bruits en entree est une contrainte
forte alors que la rapidite dacquisition du système
est une contrainte faible. Ceci est inverse dans le
cas dun synthetiseur de signaux modules par de-
placement de frequence
10
o` u le circuit doit pou-
voir sauter rapidement dune frequence à une
autre.
Chacune des trois contraintes doit dabord etre
speciee mathematiquement (par exemple en im-
posant une marge de stabilite de 45 degres pour
exprimer la contrainte de stabilite robuste).
On determine ensuite dans lespace parame-
trique (a, b) la region dans laquelle les paramètres
verient la contrainte imposee. Cette region est
nommee region de validite de la contrainte par la
suite.
Le concepteur choisit alors les paramètres du
ltre a et b parmi lintersection des regions de va-
lidite des contraintes. Lintegration du condensa-
teur sur une puce electronique etant co uteuse, le
concepteur choisit en general le couple (a, b) appar-
tenant à cette intersection et dont lordonnee b est
la plus grande possible. Ceci correspond au ltre
respectant les contraintes dont le condensateur est
de la taille la plus petite possible.
3.1.1 Stabilite absolue
La première qualite exigee dun circuit est sa sta-
bilite. Un système est dit stable si, excite par une
impulsion de Dirac, il revient à sa position initiale
dequilibre. Il est instable dans le cas contraire.
Pour un système lineaire dordre n de fonction
de transfert F(p) en boucle fermee, sa reponse im-
pulsionnelle est F(p) puisque la transformee dune
impulsion de Dirac est 1. F(p) peut etre represen-
tee sous forme de fractions rationnelles du premier
et du second ordre :
F(p) =
i
A
i
p p
i
+
j
B
j
p +C
j
1 +
2
j
nj
p +
p
2
nj
2
avec i + 2 j = n
(3.3)
En retournant au regime temporel par la transfor-
mee inverse, on peut ecrire :
f(t) =
i
A
i
e
p
i
t
+
j
A
j
e
nj
t
cos (
j
t +
j
)
(3.4)
La reponse impulsionnelle tend asymptotique-
ment vers zero si les termes p
i
et
j
nj
sont ne-
10
Phase Shift Keying (FSK) en anglais
gatifs. En remarquant que ce dernier terme repre-
sente la partie reelle commune aux poles conju-
gues, on en deduit le theorème 1 sur la stabilite
des systèmes lineaires continus [Ahr51][dA81].
Theorème 1 Un système lineaire continu est
asymptotiquement stable en boucle fermee si et
seulement si tous les poles de sa fonction de trans-
fert sont à partie reelle negative.
Dans le cas dun système du second ordre, cette
condition de stabilite devient simplement
n
> 0.
La BVPIC est donc stable si son facteur damor-
tissement et sa frequence propre sont positifs.
Cette condition est toujours veriee car les para-
mètres a et b sont positifs.
Le modèle lineaire continu de la BVPIC dordre
deux est donc toujours stable. Cependant il peut
etre utile de garantir une certaine marge de stabi-
lite censee absorber les erreurs de modelisation.
3.1.2 Contrainte de stabilite ro-
buste
La problematique nat des dynamiques et des
nonlinearites negligees dans la modelisation : un
des poles du système peut devenir instable sous
linuence de ces dynamiques parasites. Nous cher-
chons alors à garantir la stabilite malgre les varia-
tions des paramètres et linuence des dynamiques
negligees. Cette problematique qui est celle de la
stabilite robuste a ete très developpee depuis les
annees 80.
Parmi les methodes garantissant la stabilite ro-
buste du circuit, nous utilisons la plus ancienne et
la plus simple : on garantit une marge de stabilite
minimale
M
.
Soit
0
langle de phase du système lorsque son
gain en boucle ouverte est unitaire, la marge de
phase est obtenue en evaluant la dierence entre
0
et langle de phase du point dinstabilite qui
vaut .
Le système est instable selon le theorème de
Nyquist [Jur82] lorsque cette marge de phase
0
+ est negative. En imposant une marge de
phase susamment importante, les dynamiques
negligees ne devraient pas destabiliser le système.
La condition de stabilite robuste est donc :
0
+ >
M
> 0 (3.5)
Cette condition exclut certaines combinaisons
des paramètres a et b. Pour determiner la region
de validite de cette contrainte, il sut dexprimer
0
en fonction des paramètres du système. Pour
cela nous calculons la frequence
0
pour laquelle
le gain en boucle ouverte est unitaire :
0
tel que [G
2
(j
0
)[ = 1 (3.6)
o` u j est la variable complexe telle que j
2
= 1.
La phase
0
est largument de la fonction de
transfert exprimee pour la frequence
0
:
0
= arg (G
2
(j
0
)) (3.7)
En remplacant
0
par cette valeur dans la condi-
tion (3.5) nous obtenons la relation entre les para-
mètres a et b suivante :
b <
a
2
[tan(
M
) sin(
M
)[
(3.8)
Cette relation a necessite lutilisation dun logiciel
de calcul formel pour pouvoir etre ecrite sous une
forme aussi simple.
Cette inegalite denit une frontière T
MP
repre-
sentee dans la g. 3.6 (page 67). La marge de phase
minimale
M
sera respectee si le couple de para-
mètre (a, b) se situe en dessous de la parabole T
MP
de la relation precedente.
3.1.3 Contrainte de rapidite
Dans certaines applications la frequence du si-
gnal en entree nest pas constante. Cest le cas de la
demodulation de frequence o` u la frequence instan-
tanee oscille autour dun valeur centrale. Lecart
de frequence est proportionnel au message m(t) à
transmettre par modulation de frequence.
Si lon veut demoduler ce signal, il faut que la
BVP puisse suivre dèlement levolution de la fre-
quence dentree. La tension à lentree de lOCT est
alors proportionnelle à lamplitude de modulation
de frequence et est donc proportionnelle à m(t).
Le message m(t) occupe une bande de frequence
plus ou moins etendue selon les applications :
8KHz pour une voie, 21KHz pour un son de Haute
Fidelite, etc. Pour demoduler correctement le mes-
sage m(t) la bande passante en frequence de la
BVP doit etre plus large que la bande utile du si-
gnal m(t).
La fonction de transfert en frequence de la BVP
IC du second ordre est la meme que la fonction de
transfert en phase :
H
2
(p) =

s
(p)
ref
(p)
=
p f
s
(p)
p f
ref
(p)
=
f
s
(p)
f
ref
(p)
(3.9)
Une manière de garantir cette bande passante,
illustree dans la g. 3.1, consiste à imposer une at-
tenuation maximale de N
dyn
decibels du gain de la
3.1.

fonction de transfert en boucle fermee H
2
(p) pour
la plus haute pulsation de la bande utile
dyn
:
[H
2
(j
dyn
)[
dB
20 log(N) N
dyn
(3.10)
.
40
20
0
20
40
60
80
b
min
< b < b
max
b = b
max N
dyn
b = b
min
b > b
max
b < b
min
10
1
dyn
2
= 10
0
10
1
|H
2
(j )| (dB)
f (Hz)
Fig. 3.1 : Exemple de contrainte avec une attenua-
tion de N
dyn
= 10dB sur la fonction de transfert H
2
pour une frequence de 1Hz. Les dierentes valeurs de
b montrent que la fonction de transfert observe une at-
tenuation plus forte lorsque b
min
< b < b
max
Il sut de remplacer le gain de H
2
(j
dyn
) par
son expression en fonction de a et de b pour trou-
ver la region de validite de cette contrainte. Cette
region est delimitee par la frontière T
dyn
denie
par :
T
dyn
(b) =

2
dyn
2
dyn
2
dyn
1

dyn
_
2
dyn
2
dyn
a
2
_
2
dyn
1
_
2
2
dyn
1
avec
dyn
= 10
Ndyn
20
(3.11)
Le domaine de validite de la contrainte, presente
sur la g. 3.2, correspond à la region concave (lais-
see en blanc sur la gure) delimitee par la frontière
T
dyn
de forme parabolique. Ce domaine garantit
un gain susamment grand pour la plus grande
des pulsations de la bande utile.
Remarque 15 Dans certaines applications,
comme la reconstruction de lhorloge dun signal
code en NRZ
11
, les variations de la frequence en
entree ne doivent pas etre suivies par la BVP.
On impose alors une attenuation minimum de
N
dyn
decibels pour une frequence
dyn
qui corres-
pond cette foisci à la plus petite pulsation de la
bande de frequence parasite.
11
Codage en Non Retour à Zero
b
b
m
a
x
dyn

dyn
dyn

dyn
bm
in
dyn

dyn
2
dyn
1
F
dyn
H
2
(
dyn
)
H
2
(0)
dB
< N
dyn
H
2
(
dyn
)
H
2
(0)
dB
> N
dyn
2
dyn

2
dyn
2
dyn
1
a
Fig. 3.2 : Exemple de region de validite de la
contrainte dynamique. La frontière F
dyn
impose une
limite haute b
max
et basse b
min
à la valeur de b. La
region grisee correspond à la zone o` u lattenuation de
la fonction de transfert est superieure à N
dyn
Cette contrainte est lopposee de la precedente,
son domaine de validite est donc la region convexe
(en gris sur la gure) delimitee par la frontière
T
dyn
.
3.1.4 Rejet des bruits
Aussi bien en telecommunication que dans les
reconstructions dhorloge ou la synthèse de fre-
quence, le rejet des bruits est une contrainte im-
portante portee sur le circuit.
Les bruits sont issus de multiples sources : les
agressions electromagnetiques exterieures ou issues
du circuit lui-meme, le bruit du signal dentree, le
bruit thermique des composants du circuit, le bruit
genere par lOCT.
La reduction des bruits inuence majoritaire-
ment la conception electronique des elements du
circuit visant à reduire lemission des agressions
vers dautres circuits et la susceptibilite visàvis
des agressions des autres circuits.
La dynamique globale du circuit entre aussi en
jeu an deviter la contamination des bruits locaux
dans tout le circuit, mais aussi les amplications
des bruits dues au phenomène de resonance.
Nous allons considerer limpact de bruits appa-
raissant à dierents endroits de la boucle indiques
sur la g. 3.3.
Leet dun bruit sera represente par une mo-
dulation de frequence f ajoutee à lendroit de
la boucle concerne. Cette modulation aleatoire est
consideree comme stationnaire, permettant ainsi
de representer le bruit par sa densite spectrale de
puissance.
Lentree du système nest donc plus la frequence
ref
1
p
1
N
N
a p+b
p
+
+
ref
vm

oct
Fig. 3.3 : Point dimpact des dierents bruits sur la
boucle dasservissement
ou la phase des signaux reels mais une modulation
de frequence ajoutee à la frequence centrale.
On considère ici les signaux comme des signaux
à bande etroite centres sur une frequence de fonc-
tionnement nominale, en general la frequence du
signal dentree sans bruit.
Un bruit est represente par sa densite de puis-
sance S(
m
) en fonction de la pulsation de mo-
dulation
m
autour de la pulsation centrale. En
general cette densite est representee par un bruit
blanc gaussien centre sur zero.
Chaque bruit ajoute à un endroit de la boucle
est transmis vers la sortie par le système boucle. La
densite spectrale du bruit transmis à la sortie est
donc celle de la source du bruit S(
m
) multipliee
par le carre du module de la fonction de transfert
en boucle fermee [H(p = j
m
)[
2
menant du point
dimpact du bruit vers la sortie.
Le spectre du signal de sortie est la somme des
spectres des bruits transmis vers la sortie si lon
considère que les sources de bruits ne sont pas cor-
relees.
Remarque 16 Lhypothèse de bruits noncor-
reles peut etre une hypothèse forte. En eet les
parties numeriques du circuit, telles que le diviseur
de frequence, sont très bruyantes du fait des com-
mutations binaires. On recupère alors un bruit sur
la tension à lentree de lOCT qui est correle avec
la frequence des signaux du diviseur, cestàdire
principalement avec la frequence de sortie.
Une analyse des bruits correles nest pas le pro-
pos de ce memoire, le lecteur interesse pourra trou-
ver des elements de reponse dans [Ega00][Wol91].
Nous supposons dans ce memoire, que les fonctions
continues et discrètes du circuit electronique sont
bien decouplees electriquement lors de la concep-
tion.
3.1.5 Rejet du bruit en entree
Pour evaluer laptitude dune BVP à minimiser
le bruit en entree
ref
, on peut determiner la bande
passante relative à ce bruit. Supposons que la fre-
quence dentree soit modulee par un bruit
ref
de
densite spectrale S
ref
(
m
).
La fonction de transfert menant ce bruit vers la
sortie est la fonction de transfert du système. La
densite spectrale S
s
(
m
) du bruit de modulation
à la sortie est donc :
S
s
(
m
) = [H
2
(j
m
)[
2
S
ref
(
m
) (3.12)
En supposant un bruit blanc en entree, sa den-
site de puissance S
ref
(
m
) est donc constante et
egale à S
ref
, la variance du bruit de modulation à
la sortie est alors exprimee par :
2
s
=
S
ref
2
+
_
[H
2
(j
m
)[
2
d
m
(3.13)
On denit alors la bande passante B
P
de la
BVP comme la bande passante dun ltre passe
bas ideal dont la variance de sa sortie est
2
s
pour
un bruit blanc en entree de puissance S
ref
:
B
P
=
1
2
+
_
0
[H
2
(j
m
)[
2
d
m
(3.14)
La bande passante relative au bruit de la BVP
IC dordre deux, calculee à partir de H
2
, est la
meme que pour la BVP analogique dordre deux à
ltre actif puisquelle possède la meme fonction de
transfert :
B
P
=

n
2
_
+
1
4
_
=
a
4
+
b
4 a
(3.15)
Le bruit en entree est dautant mieux rejete que
la bande passante est etroite puisque la variance
du bruit de sortie est proportionnelle à la bande
passante B
P
.
On peut donc poser une contrainte de rejet
des bruits en entree en imposant une bande pas-
sante maximale. On deduit de lexpression de la
bande passante (3.15) le domaine de validite de la
contrainte suivant :
b 4 a B
P
a
2
(3.16)
Cette region est delimitee par la frontière T
BP
presentee dans la g. 3.6.
On peut en remplacement ou en complement de
cette limite imposer une attenuation minimale de
la fonction de transfert pour une frequence de mo-
dulation donnee.
3.1.

Ceci permet dassurer un rejet raisonnable dun
bruit colore comme, par exemple, le bruit vehicule
par un signal dentree demodule.
Un signal demodule contient une composante re-
siduelle dont la frequence est precisement celle de
la frequence porteuse du signal. Il est souvent ne-
cessaire de rejeter ecacement ce residu au spectre
très colore.
Comme la fonction de transfert des bruits en en-
tree vers la sortie est la fonction de transfert H
2
du
système, ce type de contrainte est une contrainte
opposee à celle posee sur la dynamique dans la
section precedente.
Le domaine de validite dune contrainte datte-
nuation de N
e
decibels des bruits de modulation
à la pulsation
e
est deni par la region convexe
(en gris sur la g. 3.2) delimitee par la frontière
T
e
. Cette frontière est denie par la meme expres-
sion (3.11) en remplacant N
dyn
et
dyn
par leurs
valeurs respectives N
e
et
e
.
3.1.6 Rejet du bruit à la sortie de
lOCT
Loscillateur controle en tension genère un signal
dont le spectre nest pas idealement pur. Au bruit
thermique des composants qui le compose sajoute
le bruit amplie par le phenomène de resonance
observe auprès de la frequence doscillation dun
oscillateur à relaxation. Ce phenomène est specia-
lement decrit dans le chapitre 3.6 de [Ega00].
Il en resulte un bruit de modulation
oct
dont le
spectre S
oct
(
m
) est decroissant en 1/
m
12
avant
de devenir negligeable devant le bruit de fond ther-
mique à partir dune certaine pulsation
a
.
Ce bruit est transmis directement vers la sortie
(voir la g. 3.3) mais le bouclage peut contribuer
à en attenuer leet.
Le spectre du bruit de modulation residuel en
boucle fermee est S
oct
(
m
) [H
s
(j
m
)[
2
, o` u H
s
est
la fonction de transfert en boucle fermee de la sor-
tie de lOCT vers la sortie du système :
H
s
(p) =
p
2
p
2
+a p +b
(3.17)
Cest une fonction de transfert de type passe
haut, ce qui veut dire que le bruit thermique de
haute frequence ne peut pas etre attenue par le
bouclage. Par contre le bruit en
1
/
m
peut etre
attenue pour les pulsations inferieures à
a
o` u
ce bruit se fait ressentir. La fonction de transfert
12
icker noise en Anglais
etant de type passehaut, la notion de bande pas-
sante relative au bruit na pas de sens.
On obtient un bon rejet du bruit de lOCT en
imposant une attenuation minimale de N
oct
deci-
bels à la fonction de transfert H
s
(p), illustree dans
la g. 3.4, pour une pulsation
oct
donnee :
[H
s
(j
oct
)[
dB
N
oct
(3.18)
.
0
20
40
80
60
40
20
10
1
10
1
oct
2
= 1
|Hs(j m)|
dB
b < b
min
Noct
b
min
< b < bmax
b = bmax
b > bmax
b = b
min
Fig. 3.4 : Exemple de contrainte dattenuation N
oct
=
10dB sur la fonction de transfert H
s
pour une fre-
quence de 1Hz. Les dierentes valeurs de b montrent
que la fonction de transfert observe une attenuation
insusante (region grisee) lorsque b
min
< b < b
max
Le domaine de validite de la contrainte est la
region concave (en gris sur la g. 3.4) delimitee
par la frontière parabolique T
oct
suivante :
T
oct
(b) =
2
oct
4
oct
2
oct
a
2
2
oct
avec
oct
= 10
Noct
20
(3.19)
Remarque 17 Le bruit
vm
recupere sur la ten-
sion à lentree de lOCT peut etre pris en compte
en considerant un bruit de modulation
oct
du si-
gnal à la sortie de lOCT equivalent.
LOCT delivrant un signal de frequence instan-
tanee proportionnelle à la tension en entree, le
bruit en entree se traduit par une modulation de
la frequence de sortie qui lui est proportionnelle.
Le bruit
vm
de densite de puissance S
vm
() est
donc represente par un bruit de modulation equi-
valent
oct
de densite :
S
oct
(
m
) = K
2
oct
S
vm
(
m
) (3.20)
On peut ainsi utiliser la relation (3.19) pour denir
une frontière T
vm
pour assurer le rejet de ce bruit.
b
b
m
a
x
bm
i
n
a
f
oct
oct
oct
2
oct
oct
2
oct
2
oct
oct
H
s
(
oct
)
H
s
()
dB
> N
oct
H
s
(
oct
)
H
s
()
dB
< N
oct
Fig. 3.5 : Exemple de region de validite de la
contrainte de rejet du bruit de lOCT. La frontière f
oct
impose une limite haute b
max
et basse b
min
à la valeur
de b. La region grisee correspond à la zone o` u latte-
nuation de la fonction de transfert est trop faible
Lorsque la BVP fonctionne en modulateur de
frequence, on introduit le message modulant m(t)
à lentree de lOCT. Ce message qui occupe une
certaine bande passante ne doit pas etre rejete par
la boucle.
On utilise alors loppose dune contrainte (3.19)
garantissant un gain susant pour la frequence la
plus haute de la bande utile de m(t).
3.1.7 Saturation de la commande à
lentree de lOCT
Lorsque la valeur de la resistance du ltre est
importante, la tension à lentree de lOCT peut
devenir negative ou nulle. En eet, lors dune im-
pulsion de courant negative, la chute de tension
I
c
R aux bornes de la resistance peut etre supe-
rieure à la tension accumulee sur la capacite du
ltre.
Dans cette situation, loscillateur peut sarreter
et avec certaines technologies ne plus fournir dos-
cillation jusquà la prochaine mise hors tension. Il
est donc important dimposer une limite maximale
à la valeur de la resistance pour eviter une satura-
tion systematique.
La chute de tension aux bornes de la resistance
I
c
R doit etre inferieure à la valeur de la tension
stabilisee v
s
si lon veut esperer labsence de sa-
turation du système autour du point nominal de
fonctionnement.
Nous obtenons ainsi une condition de non
saturation que lon exprime sur la variable reduite
a par :
I
c
R <
N F
ol
T
K
oct
T
a < T (1 c) (3.21)
Letude se faisant pour la BVPIC unitaire equi-
valente, nous posons sans perte de generalite c = 0
et T = 1. Tout les resultats presentes dans la suite
de ce memoire sont donc valide uniquement pour
a < 1.
Une valeur de a superieure à lunite implique-
rait une tension v
oct
systematiquement negative
lors des impulsions de courant negatives. Or, le
modèle de lOCT nest plus valable pour une ten-
sion negative à son entree car cela correspondrait
à une frequence de sortie negative, ce qui nas pas
de sens physique.
3.1.8 Calcul du ltre
Le calcul des paramètres du ltre doit respecter
les contraintes de conception decrites precedem-
ment. Pour cela, il sut de representer simultane-
ment dans le plan parametrique les frontières des
contraintes :
T
MP
(3.8) stabilite robuste xee par la
marge de phase minimale
M
;
T
dyn
(3.11) rapidite xee par la pulsation
maximale de fonctionnement
dyn
et son at-
tenuation N
dyn
toleree ;
T
BP
(3.16) rejet des bruits en entree xe
par la bande passante maximale B
P
relative
au bruit ;
T
e
(3.11) rejet des bruits colores en entree
xe de manière opposee à la contrainte de ra-
pidite en imposant une attenuation N
e
su-
sante à partir de la pulsation
e
;
T
oct
(3.19) rejet du bruit à la sortie de
lOCT xe par la pulsation minimale
oct
en
dessous de laquelle les bruits doivent etre at-
tenues de N
oct
decibels au minimum.
T
vm
(3.19) rejet du bruit à lentree de lOCT
xe de manière identique à un bruit sur la
sortie de lOCT avec une attenuation mini-
male N
oct
majoree de deux fois le gain K
oct
de lOCT en decibels (voir la remarque 17).
Ces contraintes denissent une zone (en gris sur
la g. 3.6) dans laquelle toutes les contraintes sont
respectees ; on appelle cette zone la region de fai-
sabilite.
La region de faisabilite existe lorsque les
contraintes sont realistes. Si deux contraintes op-
posees (comme la contrainte de stabilite robuste
T
MP
est opposee à la contrainte de rapidite T
dyn
)
sont trop fortes, la region de faisabilite peut ne pas
3.2.

Etude du modèle lineaire discret 67
0.500 0.000
0.666
0.444
0.222
0.000
a
C
1
F
B
P
F
M
P
Fe
F
oct
F
dyn
b
C
2
Fig. 3.6 : Representations des contraintes de concep-
tion dans le plan parametrique
exister ou peut exister dans un domaine du plan
parametrique correspondant à des valeurs de com-
posants irrealisables. Il faut alors relacher une des
deux contraintes.
Le concepteur choisit ensuite les valeurs du ltre
parmi les points de la region de faisabilite. Il peut
alors chercher à reduire le co ut de realisation en
prenant une taille de la capacite du ltre la plus pe-
tite possible (b maximum correspondant au point
C
1
sur la gure), ou à reduire les bruits thermiques
en prenant une resistance de valeur la plus petite
possible (a minimum correspondant au point C
2
).
Une autre methode consiste à choisir le point
le plus eloigne dune des frontières de contraintes
(le point C
2
est le plus eloigne de la contrainte de
rapidite par exemple), on optimise ainsi les perfor-
mances du circuit au regard dune contrainte en
respectant le cahier des charges.
3.1.9 Conclusion
Basee sur de fortes approximations, letude li-
neaire continue permet neanmoins de specier fa-
cilement les contraintes diverses de rejet du bruit
et de stabilite. La representation de ces contraintes
dans le plan parametrique permet de calculer les
valeurs du ltre.
Les contraintes de rejet du bruit en entree, de
bruit interne et de stabilite sont representees dans
le plan parametrique. Cette representation gra-
phique permet doptimiser une des performances
tout en respectant le cahier des charges.
Sans exploiter les derniers progrès eectues en
stabilite robuste, ni aller jusquau bout de lanalyse
des bruits, cette section montre la souplesse dune
analyse lineaire continue.
Le modèle lineaire etant le resultat de nom-
breuses approximations, la section suivante etablit
une etude prenant en compte laspect discret du
système et de son signal dentree en partant du
modèle discret de la BVPIC.
3.2

Etude du modèle lineaire
discret
La BVPIC est, de par la machine à etat quelle
contient, un système intrinsèquement discret. Le
detecteur de phase delivre une information sur ler-
reur de phase lors de chaque impulsion de courant
delivree à intervalles de temps quasiperiodique.
Lanalyse dun tel modèle permet de mesurer lef-
fet de laspect discret du système sur sa stabilite.
Une première prise en compte de cet aspect dis-
cret est faite en considerant que limpulsion de cou-
rant apparat à des instants periodiques. On ob-
tient ainsi le modèle LD propose initialement par
Gardner et presente en variables reduites dans le
2.4.2 (page 32).
Contrairement aux systèmes continus dordre
deux, la recurrence discrète lineaire du modèle LD
(3.22) nest pas toujours theoriquement stable.
Une analyse de stabilite est necessaire.
X
k+1
= AX
k
avec X
k
=
_
_
x
k
y
k
_
_
et A =
_
_
1 a b 1
b 1
_
_
(3.22)
3.2.1 Condition de stabilite absolue
De la meme manière que pour les systèmes conti-
nus, on considère un système discret stable sil re-
tourne à son etat dequilibre après avoir ete excite
par une impulsion de Dirac.
Si lon considère la fonction de transfert F(z)
du système en boucle fermee, sa reponse impul-
sionnelle est F(z). Elle peut etre representee sous
forme de fractions rationnelles :
F(z) =
n
i=1
A
i
z
z z
i
(3.23)
Tous les termes sont de la forme
z
zz
i
et admettent
pour originaux des termes de la forme e
k t
avec
< 0 si [z
i
[ < 1 et 0 sinon. On en deduit le
theorème 2 sur la stabilite des systèmes lineaires
discrets.
Theorème 2 Un système lineaire discret est
asymptotiquement stable en boucle fermee si et
seulement si tous les poles de sa fonction de trans-
fert sont de module inferieur à lunite.
Le critère de Jury permet de determiner lexis-
tence de racines de modules strictement inferieurs
à 1 dun polynome de degre n à coecients reels,
et ceci sans expliciter ses racines.
Theorème 3 Soit P(z) = a
n
z
n
+. . .+a
1
z+a
0
un
polynome de degre n à coecients reels, on pose
a
0
i
= a
i
i = 0, . . . n tels que :
a
j+1
i
=
a
j
0
a
j
nji
a
j
nj
a
j
i
avec 0 j n 3
et 0 i n j 1
(3.24)
Une condition necessaire et susante pour que
le polynome P(z) ait toutes ses racines de module
inferieur à lunite est que les inegalites suivantes
soient veriees :
a
0
0
<
a
0
j
a
j
0
>
a
j
nj
j = 1, . . . , n 2
a
n
P(1) > 0
(1)
n
a
n
P(1) > 0
(3.25)
Les poles dun système discret sont les solutions
du polynome caracteristique de la recurrence.
`
A
partir de la connaissance des coecients du po-
lynome caracteristique, le critère de Jury donne
ainsi les conditions necessaires et susantes de sta-
bilite du système discret.
Le polynome caracteristique de la BVPIC
dordre deux est :
P(z) =det (Az I
2
) = a
2
z
2
+a
1
z +a
0
avec a
2
= 1
a
1
= a +b 2
a
0
= 1 a
(3.26)
Les inegalites du critère de Jury dans le cas
dun système dordre deux se reduisent à :
[a
0
[ < [a
2
[
a
2
P(1) > 0
a
2
P(1) > 0
(3.27)
Le critère de Jury applique à lequation caracte-
ristique du système dordre deux (3.26) donne les
trois contraintes de stabilite suivantes :
_
_
b > 0
b < 4 2a
[1 a[ < 1
(3.28)
Ces contraintes denissent un triangle de stabi-
lite dans le plan parametrique (a, b) represente en
gris clair dans la g. 3.7.
2
4
0 1 2
0
1 R
2
1 R
2
1 + R
2
b
a
Im(z
i
)
Re(z
i
)
1
R
(1 + R)
2
(1 R)
2
Fig. 3.7 : Region de stabilite absolue (gris clair) et
de stabilite robuste (gris fonce) dans le plan des para-
mètres
3.2.2 Condition de stabilite robuste
Pour pallier les dynamiques non modelisees ainsi
que les variations des paramètres, on peut imposer
une certaine marge de stabilite. Celleci est censee
permettre aux poles du système de rester dans le
cercle unite malgre les variations.
Une technique simple consiste à conserver ces
poles à linterieur dun cercle de rayon R inferieur
à lunite. La marge de stabilite est dautant plus
grande que le rayon R est petit.
La contrainte [z
i
[ < R imposee aux poles z
i
du
polynome P(z) sobtient en imposant [z
t
i
[ < 1 aux
poles z
t
i
du polynome P(z
t
) avec z
t
= Rz.
On applique alors le critère de Jury au poly-
nome P(Rz) pour garantir la stabilite robuste. Le
critère de Jury garantissant la presence des poles
dans un cercle de rayon R devient pour le second
ordre :
[a
0
[ < R
2
[a
2
[
a
2
P(R) > 0
a
2
P(R) > 0
(3.29)
3.3. Stabilite dune sequence 69
Ce critère applique à la BVPIC dordre deux
donne les trois contraintes de stabilite robuste sui-
vantes :
_
_
b > 2 R +
1 R
R
a
b < 2 +R
1 +R
R
a
[1 a[ < R
2
(3.30)
Ces contraintes denissent un triangle de sta-
bilite robuste, inscrit dans le triangle de stabilite
absolue, represente en gris fonce sur la meme -
gure.
3.2.3 Conclusion sur letude lineaire
Le modèle discret permet de prendre en compte
leet de laspect periodique de la mesure de ler-
reur de phase.
La contrainte de stabilite proposee initialement
par Gardner est presentee en variables reduites.
Une contrainte de stabilite robuste est denie de
manière à garantir une distance minimale entre les
poles et la zone dinstabilite.
Il ny a pas à notre connaissance detude de lim-
pact des bruits faite dans la litterature à partir du
modèle discret. De plus les simulations du 2.11
(page 56) montrent que la precision du modèle dis-
cret nest pas meilleure que celle du modèle lineaire
dans toutes les situations.
Nous preferons donc concentrer les eorts dana-
lyse sur les modèles prenant en compte avec exac-
titude les sequences de la machine à etats. Une
methode danalyse de la stabilite du système le
long dune sequence particulière est proposee dans
3.3 Stabilite dune sequence
Une première approche simplicatrice permet-
tant danalyser le système sans eectuer dapproxi-
mation consiste à supposer que le système suit une
sequence particulière.
Pour chaque sequence nous denissons le modèle
Hyb.Seq., propose dans le 2.8.5 (page 47), qui
discretise le modèle hybride continu le long de la
sequence etudiee.
Pour cela une surface de section est denie dans
lespace de phase hybride. Le modèle discret est
alors la recurrence de Poincar e exprimant levo-
lution des coordonnees du point dintersection de
la trajectoire avec cette surface.
La g. 3.8 reprend lexemple de la discretisation
de la sequence +I
c
, 0, I
c
, 0 presentee dans le
2.8.5 (page 47).
Lorsque le système suit une sequence par-
ticulière, sa trajectoire traverse la surface de
Poincar e à des instants periodiques. Elle peut
tendre asymptotiquement vers une trajectoire fer-
mee qui est appelee cycle limite.
Lanalyse de stabilite de ce cycle limite se fait
en analysant la stabilite de la suite de points tra-
versant la section hybride de Poincar e.
Ce type danalyse nest pas une discipline nou-
velle. Elle a ete abordee par Poincar e pour
etudier la stabilite des orbites des corps celestes
[Poi99]. Letude des trajectoires de trois corps ce-
lestes isoles a certainement ete la première ap-
proche des systèmes chaotiques
13
.
Lanalyse des cycles limites dun système die-
rentiel lineaire par morceaux a ete introduite dans
[Pon62] et poursuivie par Filippov dans [Fil88].
Lavènement de la theorie du Chaos a ap-
porte beaucoup de travaux sur lanalyse des
cycles limites de systèmes chaotiques basee
sur les equations de sensibilite des trajectoires
[Par89][Dia98][Kou99][Uet01].
Ces travaux ont ete recemment generalises pour
etablir une methode danalyse des cycles limites
des systèmes hybrides [His00][His01]. Cette me-
thode generale permet notamment de prendre en
compte les sauts des variables detat continues du
système lors des commutations.
Ce genre de discontinuite de letat continu
nexiste pas dans les modèles des BVPIC du
deuxième et troisième ordre. Lanalyse dun cycle
limite est faite dans la section suivante en ex-
ploitant la methode moins generale, et donc plus
simple, proposee par Ueta dans ces travaux
[Uet01][Kou99].
Cette methode propose de calculer numerique-
ment le multiplicateur du cycle limite en prenant
en compte les dierentes commutations du ot dif-
ferentiel. La methode a ete appliquee pour tracer le
diagramme de bifurcation dun oscillateur dont les
equations sont proches de la BVPIC (loscillateur
dAlpazur).
3.3.1 Calcul du multiplicateur dun
cycle limite
Nous presentons la methode danalyse dun
cycle limite en abordant lexemple de la sequence
13
Poincar e na pas utilise le terme chaos dans son
ouvrage, mais a qualie la propriete essentielle dun système
chaotique : la sensibilite aux conditions initiales.
f
0
T
1
T
3
T
0
T
2
f
1
p
p
1
R
2
U
k
U
k+1
R
3
q
t
(X) = 0
q
x
(X) = 0
X
2
X
3
X
0
X
4
X
1
f
0
f
+1
T
l
+
0
0
0
0
+
p
Fig. 3.8 : Cycle limite lie à la sequence {+Ic, 0, Ic, 0} de la BVPIC, et sa section de Poincar e hybride
+I
c
, 0, I
c
, 0 presente dans le 2.8.5 (page 47)
et illustre par la g. 3.8.
Cette methode est proposee dans [Kou99] pour
un circuit à deux etats discrets dont les commuta-
tions sont liees uniquement à letat du système. La
methode est etendue pour integrer des evenements
periodiques exterieurs dans [Kou02].
`
A la lumière de la remarque 12 (page 46), les
evenements exterieurs de periode T peuvent etre
inclus en ajoutant le temps normalise t dans le
vecteur detat. Le modèle HybCNC devient :
X = f
i
(X) pour i = e(t) /
avec f
i
= AX +C
i
X =
_
_
x
y
t
_
_
, A =
_
_
0 1 0
0 0 0
0 0 1
_
_
C
1
=
_
_
a
b
0
_
_
, C
0
=
_
_
0
0
0
_
_
et C
+1
=
_
_
a
b
0
_
_
(3.31)
Un evenement periodique intervient lorsque la
trajectoire du système atteint la surface
t
denie
par :
t
=
_
X R
3
[ q
t
(X) = 0
_
avec q
t
(X) = t 1
= [0 0 1] X 1.
(3.32)
Dans lespace hybride, la surface de lespace
continu
t
est lunion des deux surfaces hybrides
0+

0
lune denie pour e(t) = 0 et lautre
denie pour e(t) = 1 (voir la g. 3.8).
De meme, on denit les evenements lies à lOCT
par la surface
x
=
_
X R
3
[ q
x
(X) = 0
_
avec
q
x
(X) = x+t 1. Dans lespace hybride la surface
de lespace continu
x
est lunion des deux surfaces
hybrides
+0

0
lune denie pour e(t) = +1
et lautre denie pour e(t) = 0.
Pour etablir la recurrence de Poincar e, nous
denissons les quatre transformations locales sui-
vantes :
T
0
:
0+

+0
X
0
X
1
= f
+1
(X
0
,
0
)
T
1
:
+0

0
X
1
X
2
= f
0
(X
1
,
1
)
T
2
:
0

0
X
2
X
3
= f
1
(X
2
,
2
)
T
3
:
0

0+
X
3
X
4
= f
0
(X
3
,
3
)
(3.33)
o` u
i
(X
k
, t) est la trajectoire de letat continu,
lorsque letat discret est i, partant du point X
k
à
linstant t = 0. Cette trajectoire atteint la surface
de commutation suivante lorsque t =
k
.
La transformation de Poincar e liee à la surface
hybride
0+
est donc la composition des transfor-
mations locales T
p
= T
0
T
1
T
2
T
3
. La periode
du cycle limite est alors la somme des durees de
chaque transformation locale
p
=

3
k=0
k
.
La derivee de la transformation de Poincar e
par rapport à la condition initiale X
0
est alors le
produit des derivees des transformations locales :
p
X
0
t=T
p
=
3
k=0
T
k
X
k
t=
k
(3.34)
Multiplicateur dune transformation locale
La duree
k
dune transformation locale depend
de la condition initiale X
k
. Chaque matrice jaco-
bienne doit alors etre ecrite de la manière suivante :
T
k
X
k
=

k
X
k
+
k
t
k
X
k
=

k
X
k
+f
k
k
X
k
(3.35)
Le terme

k
X
k
doit etre explicite en fonction de
la surface de commutation. La duree
k
etant lins-
tant o` u la surface de commutation q
k
est atteinte
(dans cet exemple qk est soit q
t
soit q
x
), la relation
suivante est veriee :
q
k
(X
k
) = q
k
(
k
(X
k
,
k
)) = 0 (3.36)
Comme les surfaces q
k
sont dierentiables il vient :
q
k
X
k
_
k
X
k
+ f
k
k
X
k
_
= 0 (3.37)
Puisque les trajectoires sont transverses aux sur-
faces de commutation, le terme
q
k
t
f
k
est non nul.
On peut donc multiplier legalite precedente par
linverse de ce terme scalaire et obtenir lexpres-
sion de

k
X
k
suivante :
k
X
k
=
1
q
k
X
f
k
q
k
X
k
X
k
(3.38)
En substituant ce terme dans (3.35) on obtient
lexpression du multiplicateur dune transforma-
tion locale :
T
k
X
k
=

k
X
k
1
q
k
X
f
k
q
k
X
k
X
k
=
_
I
n
1
q
k
X
f
k
q
k
X
_

k
X
k
(3.39)
Pour une BVP dordre deux, tous les termes
de cette relation peuvent etre trouves analytique-
ment.
Par contre, dans le cas dun système dordre
trois on ne peut quobtenir une expression nume-
rique du terme

k
X
k
. Il faut à cet eet resoudre
numeriquement lequation dierentielle suivante :
d
dt
_
k
X
k
_
=
f
k
X
_
k
X
k
_
avec

k
X
k
t=0
(3.40)
Multiplicateur de la transformation de
Poincare
La transformee de Poincar e, equivalente au
cycle limite, transforme le point X
0
de la surface
0+
en X
4
de cette meme surface. Comme tous
les elements X
4k
R
n
de la suite de Poincar e
appartiennent à cette surface nous pouvons les ex-
primer en coordonnees U
k
R
n1
locales au plan
0+
que l on nomme alors
p
.
On reduit ainsi la dimension du vecteur detat de
R
n
à R
n1
o` u n vaut trois pour une BVP dordre
deux et quatre pour le système dordre trois (le
temps etant rajoute dans le vecteur detat pour
rendre les equations autonomes).
On denit une projection biunivoque p menant
des points X
4k
du plan
0+
aux points U
k
du plan
p
. La projection inverse p
1
mène dun point U
k
au point X
4k
qui lui correspond (voir la g. 3.8).
La transformee de Poincar e T
l
exprimee en co-
ordonnees locales est donc :
T
l
:
p

p
U
k
p T
p
p
1
(U
k
)
(3.41)
Remarque 18 Dans notre exemple, la section
de Poincar e est denie par t mod 1 = 0. On
peut considerer, sans perte de generalite, que t
est egal à une valeur entière quelconque lorsque
lon se trouve sur la surface
p
. La projection p
consiste simplement à enlever la variable t du vec-
teur detat. On construit la projection inverse p
1
en ajoutant cette variable avec une valeur entière
quelconque.
Un cycle limite de la sequence +I
c
, 0, I
c
, 0
(il peut en exister plusieurs) est alors represente
par le point xe U
solution de :
U
: T
l
(U
) = U
(3.42)
Lorigine de lespace de phase est lunique cycle
limite de la sequence +Ic, 0, I
c
, 0 de la BVP
IC dordre deux.
Il est rare que la solution U
puisse etre trou-

vee analytiquement. On utilise en general lalgo-
rithme de Newton pour resoudre lequation du
point xe. La jacobienne de la transformee J
T
l
ne-
cessaire à lalgorithme est alors donnee en injectant
(3.34) et (3.39) dans :
J
T
l
(U
k
) =
T
l
U
k
=
p
X
T
p
X
k
p
1
U
(3.43)
Par denition, les multiplicateurs
i
du cycle li-
mite sont les solutions du polynome caracteristique
l
() = [J
T
l
I
n1
[ = 0.
Lanalyse des bifurcations des cycles limites cor-
respondants à une sequence se fait alors en re-
solvant lequation suivante avec lalgorithme de
Newton et pour un vecteur de paramètres
donne :
F (U, ) =
_
_
T
l
(U) U
l
()
_
_
= 0 (3.44)
On obtient ainsi la localisation du cycle limite
U
et la valeur des multiplicateurs

i
caracterisant
le comportement de ce cycle. La resolution de cette
equation pour plusieurs paramètres permet de
mettre en evidence les bifurcations du système. Les
methodes numeriques liees à lanalyse des bifurca-
tions sont presentees dans [Mir87][Par89][Kuz96].
Il est possible dobtenir la valeur analytique des
multiplicateurs de lunique cycle limite de la BVP
IC dordre deux en fonction des paramètres a et b.
Le cycle limite est stable si et seulement si tous les
multiplicateurs du cycle sont de module inferieur
à lunite. On en deduit la condition de stabilite du
cycle limite : b < 4.
Conclusion
Avec cette methode, on peut localiser les cycles
limites dune sequence particulière et determiner
les multiplicateurs de ces cycles. On caracterise
alors leur comportement dans un voisinage su-
samment proche.
Cette methode est appliquee numeriquement,
dans la plupart des cas, comme celui de la BVP
IC dordre trois. Pour le système dordre deux, on
peut appliquer cette methode analytiquement et
obtenir les conditions de stabilite dans lespace des
paramètres.
En sinteressant au cycle limite localise à lori-
gine de lespace de phase, on peut ainsi deduire les
conditions de stabilite de quelques sequences :
la condition b < 4 pour la sequence
+I
c
, 0, I
c
, 0 ;
la condition b < 4 + 2a pour la sequence
+I
c
, 0 ;
la condition b < 4 2a pour la sequence
0, I
c
.
Ces calculs analytiques sont cependant fasti-
dieux surtout lorsque la sequence est longue. Les
resultats de lanalyse de stabilite sont etablis dans
un voisinage proche de lorigine.
On peut dans ce cas proter du choix judicieux
des variables detat du modèle NLDL pour etu-
dier facilement la stabilite du cycle limite localise
à lorigine.
3.3.2 Calcul du multiplicateur à
partir du modèle linearise dis-
cret
Le modèle NLDL permet de simplier grande-
ment les equations du système et de plus il permet
dexclure certaines sequences en se placant dans
un voisinage proche de lorigine.
On considère un certain type de sequence en de-
terminant lordre dechange des dierentes trans-
formations composites T
ij
du modèle NLDL
lorsque lon parcourt le cycle limite.
Le graphe des sequences de la g. 3.9 permet de
determiner tous les types de sequences possibles
dans un voisinage proche de lorigine.
X
k
R
++
X
k
R
+
X
k
R
+
X
k
R
T
++
T
++
T
+
T
+
Fig. 3.9 : Graphe des sequences possibles dans un voi-
sinage susamment proche de lorigine
La sequence +I
c
, 0, I
c
, 0 est alors consideree
comme la composition T
+
T
+
des transforma-
tions composites du modèle NLDL. La jacobienne
du cycle est alors le produit des jacobiennes des
transformations composites T
ij
. Ces jacobiennes
sont les matrices detat A
ij
du modèle NLDLe
presente dans le 2.6 (page 39).
Nous presentons dans la suite les conditions
de stabilite des trois types de sequences les plus
simples : T
++
, T
, T
+
T
+
et T
+
T
+
.
Convergences suramorties
La sequence T
++
(respectivement T
) corres-
pond à un système qui charge (respectivement de-
charge) le ltre à chaque iteration en se rappro-
chant asymptotiquement du point xe. Cela cor-
respond au comportement typique dun système
suramorti. Les jacobiennes de T
++
et T
calcu-
lees autour de lorigine sont les matrices A
++
et
A
du modèle NLDLe.
Les conditions de stabilite des sequences sont
donc directement celles des matrices A
++
et A
.
Soit la condition b < 4 + 2a pour la sequence
+I
c
, 0 et b < 4 2a pour la sequence 0, I
c
.
On retrouve de manière beaucoup plus aisee les
memes conditions de stabilite quavec la methode
precedente.
De multiples simulations du modèle NLDL ont
ete eectuees pour des valeurs de (a, b) comprises
dans [0 , 1] [0 , 8], et pour un etat initial choisi
aleatoirement dans le voisinage du point statique :
aucune occurrence des sequences T
++
et T
na ete observee dans un voisinage arbitrairement

proche de lorigine. Lhypothèse dune convergence
ou dune divergence de type suramortie doit etre
une hypothèse forte.
Convergences oscillatoires
Les sequences T
+
T
+
et T
+
T
+
sont liees à
un type de trajectoire dit oscillatoire car elles cor-
respondent à lalternance dune charge puis dune
decharge de courant sur le ltre.
Après un certain nombre diterations k, la
g. 3.10 montre que la trajectoire sechange entre
les regions 1
+
et 1
+
à chaque iteration res-
pectant ainsi les deux sequences T
+
T
+
et
T
+
T
+
.
Selon la region 1
+
ou 1
+
du point initial de
la trajectoire, ces deux transformations genèrent
les sousseries X
k+2n
et X
k+2n+1
de la meme
trajectoire. La condition de stabilite doit etre la
meme pour ces deux sequences puisquelles de-
crivent la meme trajectoire prise à des instants
initiaux dierents.
Les jacobiennes des transformations T
+
T
+
et T
+
T
+
sont respectivement J
++
=
J (T
+
T
+
) [
O
et J
+
= J (T
+
T
+
) [
O
.
Bien que ces deux jacobiennes soient dierentes,
k
F
+
0
X
q
R
+
F
1 1
X
k
X
k+1
F
F
+
R
+
R
++
0
0
Fig. 3.10 : Exemple de trajectoire commune aux deux
cycles T
+
T
+
et T
+
T
+
elles possèdent les memes valeurs propres. On ob-
tient ainsi la condition de stabilite b < 4 qui est
commune aux deux sequences.
La condition de stabilite b < 4 est moins restric-
tive que la condition b < 42a trouvee dans lana-
lyse lineaire discrète du 3.2 (page 67). Plusieurs
simulations du modèle nonlineaire ont permis
dobserver les sequences T
+
T
+
et T
+
T
+
[Acc01b]. Le système peut etre stable pour un
couple (a, b) tel que (4 2a) < b < 4.
La condition de stabilite etablie dans [Gar80a]
nest donc pas veriee pour ce type de sequence. Le
point xe opère une bifurcation de type fourche
[Kuz96] pour b = 4 o` u le point origine devient
instable et donne naissance à un cycle de periode
2 T stable.
3.3.3 Conclusion
Deux methodes sont proposees pour analyser la
stabilite dun cycle limite, lune etant plus generale
que lautre.
La première methode propose un algorithme nu-
merique permettant de localiser les cycles limites
dune sequence arbitraire et dobtenir la valeur nu-
merique des multiplicateurs de ce cycle.
On peut ainsi analyser le schema de bifurcation
de la BVPIC dordre trois de manière numerique
et celle dordre deux de manière analytique. Les
resultats de stabilite dun cycle limite sont donnes
dans un voisinage proche du cycle limite.
La seconde methode permet danalyser avec une
grande facilite nimporte quelle sequence de la
BVPIC dordre deux pouvant se produire dans
un voisinage proche de lorigine. Cette methode
ne convient pas aux cycles limites eloignes de lori-
gine.
En sinteressant au cycle limite localise à lori-
gine de lespace de phase pour un système dordre
deux, les deux methodes donnent les memes condi-
tions de stabilite :
la condition b < 4 pour les sequences
+I
c
, 0, I
c
, 0 et 0, I
c
, 0, +I
c
;
la condition b < 4 + 2a pour la sequence
+I
c
, 0 ;
la condition b < 4 2a pour la sequence
0, I
c
.
On constate des dierences importantes de com-
portement du système autour dun seul et meme
point selon que lon considère telle ou telle se-
quence. Il est donc important, mais malheureuse-
ment dicile, de determiner les conditions dexis-
tence de chacune des sequences. Il faudrait pour
cela determiner analytiquement les bassins dat-
tractions de chaque cycle limite.
Le choix dun couple de paramètres dans linter-
section des trois domaines de stabilite precedents
ne permet pas de garantir la stabilite du système :
il peut exister une autre sequence dont les trajec-
toires sont instables.
Cette technique ne permet pas de conclure sur
la stabilite du système quelles que soient les se-
quences suivies par la trajectoire. Une demonstra-
tion globale en sequence de la stabilite de la BVP
IC du second ordre est proposee dans la section
suivante.
3.4 Stabilite quelles que
soient les sequences
Dans cette section nous cherchons à prouver la
stabilite du point xe situe à lorigine du plan de
phase quelles que soient les sequences qui peuvent
se produire dans son voisinage. En utilisant les
termes des denitions 6 et 7 (page 54), on cherche
à demontrer la stabilite locale en trajectoire et glo-
bale en sequence.
Les modèles se pretant à une etude locale en
trajectoire et globale en sequence sont le modèle
NLDL et le modèle NLDLe. Le modèle NLDL
est semilocal en trajectoire (il est valide en dehors
des phases transitoires caracterisees par [
k
[ < T)
mais ses equations sont nonlineaires et diciles à
etudier.
En linearisant le modèle NLDL autour de lori-
gine, on simplie les equations au prix dun do-
maine de validite restreint au voisinage proche de
lorigine. Le modèle NLDLe est utilise par la suite
pour demontrer la stabilite locale en trajectoire et
globale en sequence de la BVPIC dordre deux.
3.4.1 Un contreexemple
Le but de cette section est de montrer quen ge-
neral la stabilite dun système hybride ne depend
pas uniquement de la stabilite des systèmes conti-
nus qui le composent mais aussi des commutations
de letat discret.
Il est commun de penser quun système qui
commute entre plusieurs systèmes stables soit lui-
meme stable. Letude approfondie des systèmes hy-
brides a permis de prouver que cette assertion est
fausse. Nous en presentons ici un contreexemple
souvent rencontre dans les publications permet-
tant de sinitier à lanalyse des systèmes hybrides
[Ant00][Dav01][Lib99].
Ce contreexemple, illustre sur la g. 3.11, est
base sur la commutation entre deux systèmes li-
neaires stables S1 (en trait plein, vignette en haut
à gauche) et S2 (en trait discontinu, en haut à
droite).
Système lineaire S1 Système lineaire S2
Système hybride instable Système hybride stable
Frontière S1
Frontière S2
Frontière S2
Frontière S1
Fig. 3.11 : Creation dun système hybride instable à
partir de la commutation entre deux systèmes stables
S1 et S2
La commutation du système hybride S entre les
deux systèmes S1 et S2 stables peut aussi bien
donner un système S stable (vignette en bas à
droite) quun système S instable (vignette en bas à
gauche). Inversement, la commutation entre deux
3.4. Stabilite quelles que soient les sequences 75
systèmes S1 et S2 instables peut donner naissance
à un système S aussi bien instable que stable.
Ceci sexplique par le fait que les surfaces de
commutations dun système hybride S localisent
les trajectoires de chaque système S1 et S2 dans
une region particulière de lespace de phase. Lana-
lyse de stabilite du système S ne doit donc plus
considerer les trajectoires de chaque système S1 et
S2 dans lespace de phase entier.
Pour chaque système S1 ou S2 stable, il peut
exister une region de lespace de phase (representee
en gris sur la gure) o` u les trajectoires seloignent
de lorigine.
Le système S1 ou S2 est localement instable dans
cette region, mais il reste cependant globalement
stable car ses trajectoires nissent toujours par
quitter cette region pour entrer dans une region
de stabilite (les region laissees en blanc sur la -
gure).
Le jeu des commutations dun système hybride S
peut amener ses trajectoires majoritairement dans
les regions localement instables des systèmes S1 et
S2 entre lesquels il commute.
Dans notre exemple, pour creer un système S in-
stable il sut de commuter dun système S1 ou S2
à lautre, lorsque ce système quitte sa region din-
stabilite. Il entre alors dans la region dinstabilite
du second système.
Comme le montre la vignette en bas à gauche,
la trajectoire dun tel système S est instable. Les
frontières de commutation sont representees en
trait gras plein pour le système S1 et en trait gras
discontinu pour le système S2.
La vignette en bas à droite de la gure montre
un système S stable cree en commutant dès que la
trajectoire penètre la region dinstabilite de chaque
système S1 ou S2.
On ne peut donc pas prouver la stabilite de la
BVPIC dordre deux en determinant la region o` u
les quatre transformations T
ij
composant le mo-
dèle NLDL sont stables. La condition de stabilite
b < 4 2a, qui correspond à cette region o` u tout
les soussystèmes sont stables, nest donc pas jus-
tiee.
Lanalyse de stabilite dun système hybride doit
se faire avec une methode plus generale que celle
de lanalyse lineaire basee sur la notion de va-
leur propre. Des bilans sur letat davancement des
recherches sur ce thème sont proposes dans les
articles [Ant00][Dav01][DeC00][Lib99]. La grande
majorite des methodes danalyse des systèmes hy-
brides est basee sur lutilisation de la methode di-
recte de Lyapunov.
3.4.2 Methode directe de Lyapunov
et extension aux systèmes hy-
brides
Lanalyse dun système lineaire est chose aisee
puisque lon peut en determiner la stabilite à partir
des valeurs propres. Cette methode nest pas ap-
plicable aux systèmes nonlineaires, lineaires com-
mutes ou lineaires dordre très eleve. Dautres me-
thodes ont ete proposees.
Letude de la stabilite dun point singulier à
partir des equations linearisees a ete develop-
pee de manière independante par Poincar e et
Lyapunov à la n du XIX
ème
siècle. Lyapunov a
appele ce type detude locale la première methode.
Lorsque le système est dierentiable, il est alors
etabli que le système nonlineaire se comporte de
manière similaire à son système linearise dans un
voisinage du point singulier. Cette methode trouve
ses limites pour des systèmes nondierentiables et
ne permet pas detablir de stabilite globale.
Lyapunov propose alors une seconde methode
appelee aussi methode directe permettant deta-
blir une condition susante mais non necessaire
de stabilite. Cette condition nest plus limitee à
un voisinage arbitrairement proche du point sin-
gulier mais dans un voisinage plus large pouvant
setendre sur tout lespace de phase.
Methode directe de Lyapunov
Cette methode directe est basee sur lexis-
tence dune fonction scalaire, appelee fonction
de Lyapunov, respectant les conditions du theo-
rème 4.
Ce theorème impose à la fonction de Lyapunov,
qui joue le role dune mesure abstraite de lenergie
du système, detre decroissante le long de nim-
porte quelle trajectoire du plan de phase.
Theorème 4 Un système est asymptotiquement
stable dans un voisinage du point origine si et
seulement si il existe une fonction scalaire V (x)
telle que :
(i) V (x) est contin ument dierentiable dans une
region S autour de lorigine ;
(ii) V (x) > 0 x ,= 0 ;
(iii) V (0) = 0 ;
(iv)

V (x) =
dV (x)
dt
< 0 pour x ,= 0.
Un exemple de fonction de Lyapunov est donne
dans la g. 3.12. Les conditions (i) à (iii) assurent
que V (x) est denie positive. Ainsi la relation
x
1
x
2
V (x)
V (x) = c
Trajectoire
V (x) = c
Fig. 3.12 : Une fonction de Lyapunov et sa projection
dans le plan de phase
V (x) = c denit une surface fermee contenue dans
la region S.
La condition (iv) implique que

V (x) =
dV (x)
dt
pour x decrivant la trajectoire soit denie negative.
En decomposant cette derivee on obtient
dV (x)
dt
=
dV (x)
dx

dx
dt
= V f o` u x = f(x).
La g. 3.13 montre que la condition (iv) impo-
sant V f < 0 oblige ainsi toute trajectoire de S
à traverser la surface V (x) = c de lexterieur vers
linterieur. Comme cette condition doit etre veri-
ee quel que soit c, les trajectoires ne peuvent que
converger vers le point origine o` u V (0) = 0.
Remarque 19 Cette preuve de stabilite est va-
lide uniquement dans la region S. On peut etendre
ce theorème pour assurer une stabilite globale du
point origine en modiant la condition (i) pour
couvrir lespace de phase entier et en ajoutant la
condition (v) suivante pour garantir lunicite du
point xe à lorigine. Les conditions du theorème
deviennent donc :
(i) V (x) est contin ument dierentiable dans tout
lespace de phase ;
(ii) V (x) > 0 x ,= 0 ;
(iii) V (0) = 0 ;
(iv)

V (x) < 0 pour x ,= 0.
(v) lim
|x|
V (x) = pour x ,= 0.
La diculte dapplication de cette methode
vient du fait quune fonction de Lyapunov nest
V (x) = c
Trajectoire stable
f(x)
V
f(x)
V
V f < 0
Trajectoire
instable
V f > 0
x
1
x
2
Fig. 3.13 : Une fonction de Lyapunov et sa projection
dans le plan de phase
pas unique. Lechec du test de stabilite eectue
avec une fonction que lon appelle fonction candi-
date nimplique pas linstabilite du système.
Fonctions de Lyapunov quadratiques pour
le cas discret
La methode directe sapplique de la meme ma-
nière au système discret x
k+1
= T(x
k
) en inter-
pretant la condition (iv) par :
V (x) V (x
k+1
) < V (x
k
) (3.45)
On obtient ainsi le theorème 5 permettant de de-
terminer lexistence dune fonction de Lyapunov
pour un système discret.
Theorème 5 Le système discret x
k+1
= T(x
k
)
est asymptotiquement stable dans un voisinage du
point origine si et seulement si il existe une fonc-
tion denie positive V (x
k
) telle que :
(i) V (x
k
) est contin ument dierentiable pour tout
x
k
element dune region S autour de lori-
gine ;
(ii) V (x
k
) > 0 x
k
,= 0 ;
(iii) V (0) = 0 ;
(iv) V (T(x
k
)) V (x
k
) < 0 pour x ,= 0.
Il est frequent de rechercher une fonction
de Lyapunov candidate de forme quadratique
V (x) = x
T
T x. Les conditions (i) à (iii) sont alors
3.4. Stabilite quelles que soient les sequences 77
veriees si et seulement si la matrice T est denie
positive. La condition (iv) devient :
T(x
k
)
T
T T(x
k
) x
k
T
T x
k
< 0 (3.46)
Un système admettant une fonction de
Lyapunov de ce type est dit quadratiquement
stable. Ce type de fonctions a ete propose initia-
lement pour lanalyse des systèmes robustes avec
une matrice T = P constante [Bar84].
Il y a deux principaux interets à la recherche de
fonctions de Lyapunov quadratiques :
la condition (iv) se presente alors sous la forme
dune optimisation convexe dont la solution
peut etre trouvee à laide dalgorithmes nu-
meriques ;
ce problème est decidable, cestàdire que
lon peut determiner sil existe une fonction
de Lyapunov de forme quadratique au pro-
blème.
Remarque 20 Ce theorème applique à un sys-
tème discret lineaire x
k+1
= Ax
k
donne la condi-
tion de stabilite suivante :
x
k
T
(A
T
P AP) x
k
< 0 (3.47)
Il sagit dune inegalite matricielle lineaire
14
(IML) que lon resout en general par des algo-
rithmes numeriques.
Cette IML peut etre cependant resolue de ma-
nière analytique en appliquant le theorème de
Sylvester à la matrice P
solution de
A
T
P
AP
= N
avec N une matrice denie positive arbitraire. On
montre dans [Kal60] que cette condition revient à
appliquer le critère de Jury à la matrice A.
Application de la methode directe de
Lyapunov aux systèmes hybrides
Il y a beaucoup de resultats dans la litterature
qui utilisent la methode directe de Lyapunov pour
demontrer la stabilite dun système hybride.
La manière la plus simple est de chercher une
fonction de Lyapunov quadratique commune à
tous les systèmes continus du modèle hybride.
Cette solution proposee dans [Dog94] est dans
la plupart des cas très restrictive. Les auteurs
montrent quil sut que tous les systèmes soient
instables pour quil nexiste pas de fonction de
Lyapunov commune.
14
linear Matrix Inequalities en Anglais, que nous notons
IML dans la suite
On retire beaucoup de conservatisme à la
methode en denissant plusieurs fonctions de
Lyapunov V
i
chacune attachee à une region
i
de lespace hybride. La fonction denergie globale
V commute entre ces dierentes fonctions V
i
selon
letat du système hybride.
On parle alors de fonctions de Lyapunov mul-
tiples
15
que lon note FLM. Lors des commutations
de la fonction de Lyapunov globale, on peut im-
poser de dierentes manières la decroissance de V
le long des trajectoires. Quelques unes de ces me-
thodes se trouvent dans [Pel91][Bra98][Ye98].
Lensemble de ces resultats porte sur lanalyse
de systèmes hybrides continus qui ne sont plus
consideres comme des systèmes autonomes inva-
riants dans le temps. Lapplication de la methode
directe de Lyapunov se fait par le biais dun theo-
rème plus general adapte aux systèmes variants
dans le temps [Slo91][Hah67].
Le theorème 6 presente les conditions necessaires
et susantes de stabilite asymptotique uniforme
dans le cas des systèmes discrets variants dans le
temps.
Theorème 6 Le système discret x
k+1
= T (x
k
, k)
est uniformement asymptotiquement stable dans
une domaine si et seulement si il existe une fonc-
tion de Lyapunov V (x
k
, k) et des fonctions ,
et
0
de classe / telles que V (O, k) = 0 et
(|x
k
|) V (x
k
, k) (|x
k
|)
x
k
/0
(3.48)
et sa dierence le long de la solution de toutes tra-
jectoires du système est decroissante :
V (x
k+1
, k + 1) V (x
k
, k)
0
(|x
k
|)
x
k
/0
(3.49)
Si, de plus, la fonction est de classe /
16
et
le domaine est etendu à tout lespace de phase,
alors la stabilite est globale uniforme et asympto-
tique.
Remarque 21 Contrairement aux systèmes à
temps continu, il nest pas necessaire dimposer à
la fonction de Lyapunov V (X
k
, k) detre contin u-
ment dierentiable pour les systèmes discrets.
Ce theorème très general est dicile à exploiter
car il ny a pas de methode systematique pour tes-
ter lexistence dune telle fonction V . Par contre,
15
multiple Lyapunov functions en Anglais designees par
lacronyme MLF.
16
On appelle fonction de classe K
toute fonction de
classe K non bornee :
lim
s
(s) =
il est possible de tester lexistence de certaines
formes de fonctions de Lyapunov candidates. Le
principal problème reside alors dans le conserva-
tisme impose par le choix dune forme particulière
de fonction de Lyapunov.
Lapplication de lun de ces theorèmes au mo-
dèle HybCNC permettrait detablir une preuve
globale en trajectoire et globale en sequence de la
BVPIC. Malheureusement, la presence devene-
ments periodiques exterieurs dans le modèle Hyb
CNC exclut lutilisation des quelques methodes de
recherche proposees jusquici.
La modication des theorèmes precedents dans
le but de prendre en compte lapparition deve-
nements exterieurs periodiques reste un problème
ouvert dun grand interet en ce qui concerne la
preuve de stabilite globale de la BVPIC.
Nous nous debarrassons des evenements perio-
diques exterieurs en les utilisant pour discretiser
le modèle HybCNC. Nous obtenons ainsi, par le
biais dun changement de variable, le modèle NL
DL qui est entièrement autonome. En revanche,
ces equations sont nonlineaires discrètes denies
par morceaux.
Nous proposons dutiliser le theorème 6 pour
prouver la stabilite du modèle modèle NLDLe issu
de la linearisation du modèle NLDL.
La linearisation de Lyapunov permettrait en-
suite de deduire la stabilite du modèle NLDL à
partir de celle de son modèle linearise, le modèle
NLDLe. Mais la première methode de Lyapunov
ne peut etre appliquee aux systèmes variants dans
le temps sans precautions particulières.
Nous proposons dans la section suivante de
demontrer la validite de la linearisation de
Lyapunov dans le cas des systèmes discrets va-
riants dans le temps à partir de lutilisation dun
fonction de Lyapunov contin ument dierentiable.
3.4.3 Stabilite des systèmes nonli-
neaires commutes
Nous appelons système nonlineaire discret
commute tout système de la forme :
X
k+1
= T
(X
k
)
(X
k
)
avec (X
k
) = i lorsque X
k
1
i
(3.50)
o` u i appartient à lensemble ni
Lindice (X
k
) est une fonction de R
n
dans qui
depend entièrement de X
k
. Cette fonction (X
k
)
est une fonction qui designe la transformation T
i
utilisee pour iterer le terme X
k
. Pour alleger lecri-
ture, nous notons T
i
(X
k
) le terme T
(X
k
)
(X
k
).
Les transformations T
i
sont des fonctions de R
n
dans R
n
contin ument dierentiables dans un voi-
sinage de lorigine. La fonction (X
k
) est entière-
ment denie si les regions 1
i
forment une partition
de lespace de phase.
Nous supposons, sans perte de generalite, que
lorigine est un point xe de la recurrence. Les
fonctions T
i
sannulent donc toutes à lorigine :
T
i
(O) = O o` u O designe le vecteur nul de R
n
.
Il est possible de deduire la stabilite locale dun
système nonlineaire à temps continu en prouvant
la stabilite asymptotique uniforme du système ob-
tenu par linearisation.
Bien que lextension dun tel resultat aux sys-
tèmes discrets soit facile à obtenir, elle na pas ete
trouvee dans la litterature. Nous presentons donc
ici la demonstration du theorème 7 portant sur
lanalyse locale de stabilite uniforme et asympto-
tique dun système nonlineaire discret commute.
Theorème 7 Soit un modèle nonlineaire discret
commute de la forme (3.50).
On denit à partir de (3.50) le système discret
lineaire commute par :
X
k+1
= A
(X
k
)
X
k
avec (X
k
) (3.51)
o` u A
i
sont les jacobiennes des transformations T
i
du système nonlineaire denies à lorigine O du
plan de phase : A
i
= J(T
i
)[
O
.
Le système (3.50) est uniformement stable
asymptotiquement dans un voisinage du point ori-
gine si le système (3.51) admet une fonction de
Lyapunov denie par le theorème 6 qui soit conti-
n ument dierentiable.
Preuve :
La demonstration se fait en montrant quil existe
un voisinage S
t
du point origine tel que la fonction de
Lyapunov contin ument dierentiable V du système
lineaire (3.51) soit aussi une fonction de Lyapunov
du système (3.50).
La fonction V remplit les conditions du theorème 6
dans un voisinage S de lorigine. La condition (3.49)
est donc veriee pour tout i :
V (A
i
X
k
) V (X
k
) <
0
(|x
k
|)
pour tout X
k
1
i
S
(3.52)
Cherchons les conditions telles que V soit une
fonction de Lyapunov du système nonlineaire (3.50)
au sens du theorème 6. Les conditions (3.48) ne de-
pendent pas du système : elles sont donc veriees par
V .
3.5. Stabilite quadratique 79
La condition (3.49) dependant du système restant
à verier est :
L = V (T
i
(X
k
)) V (X
k
) <
0
(|x
k
|)
pour tout X
k
1
i
S
(3.53)
Eectuons un developpement de Taylor du premier
ordre des fonctions T
i
autour de lorigine :
T
i
(X
k
) = T
i
(O) +A
i
X
k
+O
i
(X
k
)
avec O
i
(X
k
) telle que
i
, r
i
tel que
|O
i
| <
i
|X
k
|
2
pour tout X
k
B(r
i
)
(3.54)
On note B(r) la boule de rayon r centree sur lorigine.
La majoration
i
|X
k
|
2
du reste de Lagrange est
valide dans la boule B(r
i
) et donc, à fortiori, dans
B(r
i
) 1
i
.
Les fonctions T
i
etant nulles à lorigine, la condi-
tion (3.53) devient alors, pour tout i :
L = V (A
i
X
k
+O
i
(X
k
)) V (X
k
) <
0
(|x
k
|)
pour tout X
k
1
i
S (3.55)
La fonction V est contin ument dierentiable, on
peut donc eectuer un developpement de Taylor de
V autour du point X
k
A
i
pour O
i
(X
k
) susamment
petit, (3.55) devient pour tout i :
L = V (A
i
X
k
+O
i
(X
k
)) V (X
k
)
= V (A
i
X
k
) V (X
k
) +
V , O
i
(X
k
)) +O
v
(O
i
(X
k
))
o` u u, v) est le produit scalaire de u et v,
avec O
v
(O
i
(X
k
)) tel que
v
, r
i
v
tel que
[O
v
(O
i
(X
k
))[ <
v
|O
i
(X
k
)|, O
i
(X
k
) B(r
i
v
)
(3.56)
On utilise ici le reste de Cauchy pour majorer le
terme [O
v
(O
i
(X
k
))[ par
v
|O
i
(X
k
)|.
Les inegalites (3.52) etant denies au sens strict et
appliquees à un système lineaire, pour chaque i
il existe un
i
positif non nul tel que V (A
i
X
k
)
V (X
k
) <
i
|X
k
|
2
< 0. Soit = min
i
i
, la condi-
tion (3.56) est veriee à fortiori si lon remplace
V (A
i
X
k
) V (X
k
) par |X
k
|
2
ce qui donne pour
tout i et X
k
1
i
S :
L < V , O
i
(X
k
))+O
v
(O
i
(X
k
)) |X
k
|
2
< 0
(3.57)
On majore lexpression L en utilisant les normes
des termes du produit scalaire V , O
i
(X
k
)) et la
valeur absolue de O
v
(O
i
(X
k
)), (3.57) devient pour
tout i :
L < |V | |O
i
(X
k
)| +[O
v
(O
i
(X
k
))[ |X
k
|
2
pour tout X
k
1
i
S (3.58)
En choisissant
v
= 1 dans le developpement
(3.56), on majore [O
v
(O
i
(X
k
))[ par |O
i
(X
k
)| si
X
k
B(r
i
v
). Soit r
v
= min
i
r
i
v
, la condition (3.58)
est veriee a fortiori pour tout i et pour tout
X
k
1
i
B(r
v
) S si :
|V | |O
i
(X
k
)| +|O
i
(X
k
)| < |X
k
|
2
soit |O
i
(X
k
)| <
|X
k
|
2
|V | + 1
= |X
k
|
2
(3.59)
La fonction V etant contin ument dierentiable sur
S, la norme du gradient V est bornee dans le voisi-
nage de lorigine S. Le terme est donc strictement
positif.
On choisit alors les
i
du developpement (3.54)
egaux à

2
pour majorer le terme |O
i
(X
k
)| par
2
|X
k
|
2
pour X
k
B(r
i
).
Denissons le voisinage S
t
par :
S
t
= S B(r
v
) B()
_
i
B(r
i
)
_
(3.60)
Dans le voisinage S
t
, la condition (3.59) devient alors
pour tout X
k
S
t
:
L = V (T
i
(X
k
)) V (X
k
) <
2
|X
k
|
2
(3.61)
La fonction V est donc une fonction de Lyapunov
du système (3.50) au sens du theorème 6.
Ce theorème suppose que la fonction de
Lyapunov est contin ument dierentiable, il ne
peut donc pas etre applique au cas des FLM. Par
contre il permet de rechercher une fonction de
Lyapunov quadratique commune pour le modèle
NLDL à partir du modèle NLDLe.
3.5 Stabilite quadratique
Le modèle NLDL de la BVPIC dordre deux
a la forme dun système nonlineaire discret com-
mute. Contrairement aux modèles lineaires, ce mo-
dèle a la propriete detre global en sequence.
`
A laide du theorème 7, nous pouvons etablir la
stabilite locale en trajectoire et globale en sequence
de la BVPIC dordre deux à partir de la lineari-
sation du modèle NLDL : le modèle NLDLe.
Le modèle NLDLe permet de poser le problème
de la stabilite du système sous la forme de la re-
solution dune IML. Des algorithmes performants
existent et permettent doptimiser un critère li-
neaire quadratique sous des contraintes exprimees
par des IML avec une grande souplesse.
Les premiers resultats portant sur lanalyse des
systèmes lineaires commutes sont issus de la re-
cherche sur les systèmes robustes. Il sagit alors
de prouver la stabilite de systèmes dont les pa-
ramètres sont incertains et/ou variants dans le
temps.
Bien quil y ait relativement peu de travaux
concernant les systèmes discrets variants dans le
temps, dinteressants resultats sont apportes dans
[Had94][dO99][Ama98][Tro99].
La matrice dynamique est alors representee
comme une ponderation de plusieurs matrices
connues et invariantes dans le temps. Dans la sec-
tion suivante nous recrivons le modèle NLDLe
sous cette forme ponderee. Le système est alors
qualie de système polytopique.
3.5.1 Representation du système
sous forme polytopique
Reprenons les equations du modèle NLDLe
presentees dans le 2.6 (page 39) :
X
k+1
= A
ij
X
k
lorsque X
k
1
ij
avec ij
(3.62)
Ce modèle est de forme lineaire autonome com-
mutee. Lensemble des valeurs possibles des indices
ij des matrices dynamiques A
ij
est lensemble
= ++; +; +; . Nous cherchons à re-
presenter les commutations des coecients de la
matrice dynamique par les variations dune ma-
trice dynamique incertaine.
On appelle matrice incertaine une matrice dont
les coecients peuvent varier en fonction dun pa-
ramètre dont on ne connat pas la valeur avec
precision.
Dans le cas dun système commute, on peut
considerer que lon ne connat pas la matrice A
ij
utilisee pour iterer X
k
, ce qui revient à dire que
lon ne connat pas la sequence suivie par la tra-
jectoire.
Prouver la stabilite dun tel système incertain
revient alors à prouver la stabilite pour toutes les
sequences possibles du système.
Les resultats de lanalyse robuste garantissant
la stabilite de ce genre de matrices incertaines
peuvent etre utilises pour des systèmes commutes.
Une matrice incertaine est representee comme
la ponderation entre plusieurs matrices xes bien
denies.
Dans lespace des matrices dynamiques dordre
deux, represente de manière abstraite dans la
g. 3.14, ces matrices xees delimitent un polygone
que lon nomme polytope. En poursuivant cette re-
presentation geometrique, on appelle ces matrices
les sommets du polytope.
A
3
A
1
A
11
A
4
A
5
A
6
A(t
1
)
A(t
i
)
A(t
0
)
A
10
A
9
A
8
A
7
A
2
convexe
polytope
fermeture
du polytope
Fig. 3.14 : Un polytope de 11 sommets, A
1
à A
11
,
incluant le domaine de variation (en gris) de la matrice
dynamique A(t
i
). Sa fermeture convexe est representee
en trait gras.
La matrice incertaine evolue à linterieur dun
domaine de variation represente en gris sur la -
gure. Les sommets du polytope sont denis de ma-
nière à ce que le polytope inclut le domaine de
variation de la matrice incertaine.
Lensemble des matrices atteintes par la ponde-
ration de ces sommets, que lon appelle la ferme-
ture convexe du polytope, contient à fortiori cette
region. Nous appelons par la suite système polyto-
pique tout système pouvant etre ecrit en fonction
des sommets dun polytope selon la relation (3.63).
X
k+1
=
ij
ij
(k)A
ij
X
k
(3.63)
Les coecients
ij
(k) sont les ponderations à
linstant k de chaque matrice dynamique A
ij
. On
regroupe ces coecients dans la fonction indica-
trice (k) :
(k) =
_
++
(k)
+
(k)
+
(k)
(k)
_
_
(3.64)
La matrice incertaine se trouve à linterieur de la
fermeture convexe du polytope si les composantes
3.6. Stabilite Polyquadratique 81
ij
de la fonction indicatrice respectent les condi-
tions suivantes :
ij
[0 , 1] ij
ij
ij
= 1
(3.65)
On peut donc recrire le système commute (3.62)
sous la forme dun système polytopique. Ce sys-
tème est alors vu comme un cas particulier des
matrices incertaines dans lequel la matrice dyna-
mique evolue uniquement sur les sommets du po-
lytope.
Les composantes
ij
de la fonction indicatrice
prennent alors leurs valeurs dans lensemble dis-
cret 0 ; 1. La somme des composantes devant
etre egale à 1, il ne peut y avoir quune seule com-
posante
ij
egale à 1 indiquant la matrice dyna-
mique utilisee à linstant k.
Les resultats obtenus sur la stabilite des sys-
tèmes polytopiques peuvent donc etre utilises pour
les systèmes commutes.
3.5.2 Recherche dune fonction de
Lyapunov quadratique com-
mune
La fonction candidate la plus simple est une
fonction de Lyapunov constante T(
k
) = P
qui soit commune à tous les systèmes, la ma-
trice P etant semidenie positive. On trouve dans
[Bar84][Joh98][Bra98] une extension du theorème
de stabilite du cas lineaire discret invariant au cas
des systèmes polytopiques.
Theorème 8 La fonction V (x
k
,
k
)) = x
T
k
Px
k
est une fonction de Lyapunov du système (3.63)
si et seulement si
A
T
ij
PA
ij
P < 0, ij (3.66)
Cette condition devient, en appliquant le Lemme
de Schur :
_
_
P A
T
ij
P
PA
ij
P
_
_
< 0, ij (3.67)
Le système est dit quadratiquement stable
lorsque les conditions de ce theorème sont respec-
tees.
Lavantage est que la demonstration de lexis-
tence dune telle fonction de Lyapunov se
pose sous la forme dune IML
17
. Lexistence
17
Inegalite matricielle lineaire
dune solution dune IML peut etre decidee à
laide de la programmation semidenie positive
[Boy94][Gha95][Gah94][Nik].
Linconvenient dune telle methode est que la
condition de stabilite obtenue est souvent très res-
trictive. Dans le cas de la BVPIC, les resolutions
des IML montrent quil nexiste pas de matrice P
remplissant ces conditions dans une portion rai-
sonnable du plan parametrique (a, b).
La resolution de ces IML a ete realisee par les
deux logiciels suivants : le solveur SeDuMi utilise
avec la bote à outils Lmi de Matlab [Gah94] et le
paquet LmiTool fourni pour Scilab [Nik].
Lapplication graphique de LmiTool permettant
de saisir les inegalites matricielles a ete modiee
pour generer les chiers destines aux deux logi-
ciels à partir dun seul et meme chier initial : ceci
permet deviter les erreurs de saisie.
3.6 Stabilite Polyquadra-
tique
Les travaux publies dans [Daa01][Daa02][Joh98]
proposent de reduire le conservatisme de la me-
thode en choisissant une fonction de Lyapunov
propre à chaque matrice dynamique A
ij
. La fonc-
tion T secrit alors T(
k
) =

ij
ij
(k)P
ij
.
Lexistence dune fonction de Lyapunov de ce
type est alors prouvee par le theorème 9.
k
,
k
)) =
x
T
k
T((k)) x
k
avec T((k)) =

ij
ij
(k)P
ij
est une fonction de Lyapunov de (3.63) si :
A
T
ij
P
kl
A
ij
P
ij
< 0 , (ij, kl) o
tout
(3.68)
o` u o
tout
est lensemble des transitions du système
.
En appliquant le Lemme de Schur la condition
devient :
_
_
P
ij
A
T
ij
P
kl
P
kl
A
ij
P
kl
_
_
< 0 , (ij, kl) o
tout
(3.69)
Un système remplissant les conditions de ce
theorème est dit polyquadratiquement stable.
Linegalite matricielle (3.69) imposant la de-
croissance de la fonction de Lyapunov doit etre
veriee pour toutes les sequences contenues dans
. Nous appelons lensemble de toutes les se-
quences o
tout
. Cette methode reduit considerable-
ment le conservatisme des resultats.
Neanmoins, dans le cas de la BVPIC lutili-
sation des algorithmes numeriques montre quau-
cune fonction de Lyapunov quadratique multiple
nexiste pour les couples de paramètres (a, b) tes-
tes.
Pour reduire encore le conservatisme des resul-
tats, nous allons ajouter de linformation sur les
commutations de la BVPIC permettant ainsi de
relacher des contraintes.
3.6.1 Stabilite polyquadratique
dans un ensemble de se-
quences reduit
Dans le cas de la BVPIC, il existe des sequences
qui ne sont pas realisables par le système. Par
exemple, la matrice A
++
active à linstant t
k
ne
peut pas commuter vers la matrice A
à lins-
tant t
k+1
.
Il sut pour cela de consulter le diagramme des
transitions de la g. 3.9 (page 72). Le second sym-
bole j de lidenticateur de la matrice A
ij
, active à
linstant t
k
, indique letat du DPF à linstant t
k+1
.
Le premier symbole k de la matrice A
kl
, active à
linstant t
k+1
, indique letat discret au debut de la
periode, soit à linstant t
k+1
.
Le second symbole j de la matrice dynamique
A
ij
doit donc etre egal au premier symbole k de la
matrice dynamique A
kl
. Ainsi, ne peuvent succe-
der à la matrice A
+
que les matrices dont le pre-
mier symbole est , cestàdire les matrices
A
+
et A
.
On peut ainsi eliminer la moitie des commu-
tations possibles et donc reduire de moitie le
nombre de contraintes. Pour cela, on denit un
ensemble des sequences realisables o o
tout
par
o : (ij, kl) tels que (ij, kl) o
tout
et j = k
Le theorème 9 est alors applique en remplacant
lensemble des transitions o
tout
par lensemble des
transitions realisables o.
Les algorithmes numeriques ont permis de trou-
ver, pour plusieurs couples (a, b) du plan parame-
trique, des matrices P
ij
denissant bien une fonc-
tion de Lyapunov. On peut donc etablir pour
certains couples parametriques (a, b) une preuve
locale en trajectoire et globale en sequence de la
BVPIC dordre deux.
La domaine de stabilite dans le plan (a, b) est
determine en balayant lensemble des paramètres
(a, b) dans un domaine susamment etendu. On
eectue alors le test de stabilite pour une grille de
points (a, b) repartie le plus nement possible sur
lespace parametrique.
Lensemble des points de la grille pour lesquels
le test de stabilite a reussi forme une region o` u le
système est très vraisemblablement stable.
Cependant, il est possible quun couple (a, b) à
linterieur de la region de stabilite presumee, et
situe entre des points de la grille de calcul, echoue
au test de stabilite.
On suppose que les variations des paramètres
dun point de la grille à un point adjacent sont
susamment faibles pour que le resultat de sta-
bilite soit conserve. Un element de reponse à ce
problème est apporte dans le 3.8 (page 89).
La g. 3.15 montre que cette region de stabilite
presumee (en gris) se situe à linterieur du triangle
deni par b < 4 2a, a > 0 et b > 0 ; ce triangle
correspondant à la region o` u les quatre matrices
dynamiques A
ij
sont stables.
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
3.6
4.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
3.6
4.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
3.6
4.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
3.6
4.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
3.6
4.0
b
a
poly-quadratiquement stable
b < 4 2a
Fig. 3.15 : Region de stabilite poly-quadratique
3.6.2 Validite du resultat pour le
système nonlineaire
Grace au theorème 9, on a pu etablir une preuve
de stabilite dite polyquadratique pour le mo-
dèle NLDLe. Dans ce theorème, la fonction de
Lyapunov utilisee est continue par morceaux.
Les discontinuites de la fonction lors des com-
mutations du système empechent lutilisation du
theorème 7 pour deduire la stabilite locale du mo-
dèle NLDL.
Bien que la demonstration du theorème 7 puisse
etre etendue facilement au cas de la stabilite poly
quadratique, nous nen presentons pas la demons-
tration directe ici.
Cette demonstration peut etre inclue, selon la
remarque 23 (page 85), dans celle du theorème
plus general presente dans le 3.7.1. La me-
thode utilisant ce theorème tend à reduire encore le
3.7. Stabilite polyquadratique relachee 83
conservatisme du resultat precedant, en relachant
la contrainte liee à une transition dans la region
du plan de phase o` u cette transition ne peut pas
se produire. Nous presentons cette technique dans
3.7 Stabilite polyquadra-
tique relachee
Comme le montre le contreexemple du 3.4.1
(page 74) illustre dans la g. 3.11, il est important
de considerer la stabilite dun système hybride en
prenant en compte les phenomènes dans les regions
du plan de phase o` u ils se produisent et non pas
dans lespace de phase global.
Dans le contreexemple de la g. 3.11, le système
hybride est compose des deux soussystèmes S1 et
S2. On appelle soussystème, un système continu
composant le modèle hybride. Dans le cas discret
du modèle NLDLe, le système hybride est com-
pose des quatre soussystèmes A
ij
.
Les resultats de la section precedente proposent
des fonctions de Lyapunov liees à chaque sous
système. Ces fonctions de Lyapunov sont de
forme quadratique denies par les matrices P
ij
.
La stabilite est alors prouvee en imposant aux
matrices P
ij
detre, dune part denies positives
(P
ij
> 0), et dautre part detre decroissantes le
long de toutes les transitions ij kl possibles
(A
T
ij
P
kl
A
ij
P
ij
).
On appelle transition de ij vers kl le
passage du vecteur detat continu X
k
de la region
1
ij
vers la region 1
kl
par la transformation non
lineaire Tij ou par la transformation lineaire A
ij
.
On notera par la suite ij kl une telle transition.
Lensemble des transitions possibles est lensemble
o deni precedemment.
Ces conditions de stabilite portent sans dis-
cernement sur lensemble de lespace de phase.
On reduit considerablement le conservatisme des
contraintes en :
imposant P
ij
> 0 uniquement lorsque X
k

1
ij
;
relachant la contrainte de decroissance
A
T
ij
P
kl
A
ij
P
ij
liee à une transition ij kl
dans la region de lespace de phase o` u cette
transition ne peut pas apparatre.
Par le biais de la oprocedure (presentee dans
le 3.7.2 (page 85)), il est alors possible de rela-
cher une contrainte de type F(X) > 0 lorsque X
se trouve dans des regions
i
dune certaine forme.
On peut donc appliquer cette technique pour rela-
cher les deux contraintes ci-dessus dans des regions
i
denies de manière adequate.
Cette methode a ete appliquee aux systèmes
hybrides continus dans [Joh98][Pel93][Ye98], puis
adaptee au cas discret ane par morceaux dans
[FT02].
Nous presentons dans la section suivante un
theorème permettant dappliquer la linearisation
de Lyapunov à un système nonlineaire discret
deni par morceaux et den demontrer la stabilite
en appliquant les techniques developpees pour les
systèmes lineaires anes par morceaux.
La oprocedure permettant de relacher les
contraintes dans des regions speciques du plan de
phase est presentee dans le 3.7.2 (page 85). Le
3.7.3 (page 85) propose un decoupage du plan de
phase par des regions
i
permettant de relacher
judicieusement les contraintes de stabilite.
Le 18 (page 88) formule nalement le test de
stabilite de la BVPIC dordre deux à laide de
cette procedure et presente les resultats apportes
par cette methode.
3.7.1 Linearisation de Lyapunov des
modèles nonlineaires discrets
commutes
Lutilisation de fonctions de Lyapunov mul-
tiples necessite des precautions particulières lors-
quil sagit de prouver la stabilite dun système
nonlineaire à partir de sa linearisation.
Nous proposons ici une manière de prouver la
stabilite dun système nonlineaire discret com-
mute de la forme (3.70) à laide de fonctions de
Lyapunov multiples calculees pour le système li-
nearise.
X
k+1
= T (X
k
)
= T
i
(X
k
) lorsque X
k
1
i
(3.70)
o` u i appartient à lensemble ni , les regions 1
i
forment une partition de plan de phase et les trans-
formations T
i
(X) sont contin ument dierentiables
sur leur domaine 1
i
.
Considerons sans perte de generalite que le point
xe dinteret de la recurrence T (X) se trouve à
lorigine. Nous attachons une fonction quadratique
V
i
(X) = X
T
P
i
X à une region
i
du plan de
phase. Les regions
i
sont en nombre ni (i
= 1 . . . n) et doivent former une partition du

plan de phase pour denir correctement la FLM
candidate par
V (X) = V
i
(X) lorsque X
i
avec i
Pour tout triplet ijk
, nous
denissons de plus les ensembles Z
i
jk
des points
X tels que les trois conditions suivantes soient ve-
riees simultanement :
X 1
i
X
j
T (X) = T
i
(X)
k
En dautres termes, Z
i
jk
est lensemble des points
menant de la region
j
à la region
k
par la trans-
formation T
i
. La preuve de stabilite se fait alors
en imposant une condition de decroissance du type
V
k
(T
i
(X))V
j
(X) < 0 uniquement pour les points
de Z
i
jk
.
Il sut de trouver, pour une partition
i
de les-
pace de phase donnee, les regions Z
i
jk
incluant les
ensembles de points Z
i
jk
pour pouvoir appliquer
le theorème 10.
Ce theorème fournit une condition susante de
stabilite locale, asymptotique et uniforme du sys-
tème nonlineaire discret commute à partir de sa
linearisation autour du point origine.
Theorème 10 Soit un modèle nonlineaire dis-
cret commute de la forme (3.70).
On denit, à partir de la linearisation de (3.70),
les jacobiennes A
i
des transformations T
i
du sys-
tème nonlineaire calculees à lorigine O du plan
de phase : A
i
= J(T
i
)[
O
.
Le système (3.70) est uniformement et asymp-
totiquement stable dans un voisinage de lorigine
sil existe des matrices symetriques P
i
avec i
telles que pour tout triplet ijk
on
ait :
A
T
i
P
k
A
i
P
j
< 0 X Z
i
jk
(3.71)
et pour tout i
P
i
> 0 X
i
(3.72)
Preuve : La preuve se fait en demontrant
que la fonction V (X) = V
i
(X) lorsque X
i
est une fonction de Lyapunov multiple au sens du
theorème 6.
Demontrons tout dabord que la fonction V (X)
est encadree par deux fonctions de classe /. Pour
chaque matrice P
i
il existe une valeur propre
maximale
max
(P
i
). La fonction
max
|X|
2
, avec
max
= max
i
max
(P
i
), est de classe / et majore
V (X).
De meme, les inegalites (3.72) imposent que dans
chaque region
i
la fonction V (X) est minoree par
un terme
i
|X|
2
strictement positif qui nest pas
forcement la valeur propre minimale de P
i
. Si lon
prend la fonction de classe / denie par
min
|X|
2
,
o` u
min
= min
i
i
, elle minore la fonction de
Lyapunov candidate.
La fonction de Lyapunov multiple V (X) est donc
encadree par les deux fonctions de classe / sui-
vantes :
min
|X|
2
< V (X) <
max
|X|
2
(3.73)
Demontrons que la fonction de Lyapunov candi-
date est decroissante le long de toute trajectoire
contenue dans un voisinage S du point origine.
Les inegalites (3.71) etant lineaires et denies au
sens strict, elles peuvent etre majorees par un terme
ijk
|X|
2
avec
ijk
strictement positif. Le nombre
de regions Z
i
jk
etant ni, nous pouvons designer
par la valeur minimale des
ijk
pour tous les tri-
plets ijk.
La decroissance X
T
L
ijk
X = V
k
(A
i
X) V
j
(X)
de la fonction de Lyapunov le long dune trajectoire
du système linearise est garantie par (3.71). Les in-
egalites suivantes sont donc veriees pour tous les
triplets ijk :
L
ijk
= A
T
i
P
k
A
i
P
j
< |X|
2
< 0
X Z
i
jk
(3.74)
Pour chaque point X
k
de S, la trajectoire du sys-
tème nonlineaire part dun region
j
vers une region
k
par une transformation T
i
. Chaque point X
k
du
voisinage de lorigine appartient donc, par denition,
à une region Z
i
jk
qui correspond à la trajectoire is-
sue de ce point.
`
A chaque point X
k
de la trajectoire
du système nonlineaire correspond alors une inega-
lite lineaire (3.74) adequate puisque Z
i
jk
Z
i
jk
.
La transformation T
i
ainsi que la fonction de
Lyapunov V
k
(X
k+1
) etant dierentiables, on peut ef-
fectuer un developpement de Taylor de manière simi-
laire à celui eectue dans la demonstration du theo-
rème 7 (3.56 page 79).
On denit alors le voisinage S tel que le reste
de Lagrange soit majore par

2
par exemple. Le
terme V (T (X
k
)) est alors majore par V
k
(A
i
X
k
) +
2
|X
k
|
2
. La decroissance L = V (T(X
k
))
V (Xk) = V
k
(T
i
(X
k
)) V
j
(X
k
) de la fonction de
Lyapunov est alors majoree en utilisant (3.74) par :
L < L
ijk
+

2
|X
k
|
2
<
2
|X|
2
< 0 (3.75)
La fonction de Lyapunov candidate, bien que dis-
continue, remplit toutes les conditions du theorème 7
pour tout point contenu dans le voisinage S du point
origine non vide ainsi deni.
Remarque 22 La methode est interessante si le
point origine O appartient à une des regions
i
et est adherent à toutes les autres. Dans le cas
contraire cela revient à rechercher une fonction de
Lyapunov unique pour ce point xe appartenant
à la region
i
entourant lorigine.
Remarque 23 La recherche des regions Z
i
jk
contenant la region Z
i
jk
peut etre dicile. Si lon
prend pour chaque region Z
i
jk
lespace de phase
entier, la condition de decroissance de chaque
transition est imposee dans tout lespace de phase.
En choisissant, de plus, une partition du plan de
phase
i
= 1
i
, cette methode revient à etablir la
stabilite polyquadratique du système nonlineaire
selon le theorème 9 utilise precedemment.
La preuve du theorème 10 permet de garantir
la stabilite du système nonlineaire à partir de la
stabilite polyquadratique du modèle linearise.
Remarquons, de plus, que dans le cas o` u une
transition de l vers m est impossible, on peut
prendre des regions Z
i
jk
vides si j = l et k = m.
Cela permet de reduire lensemble des sequences
realisables comme dans le 3.6.1 (page 82). La
preuve precedente permet detendre la validite du
resultat etabli pour le modèle NLDLe au modèle
NLDL.
3.7.2 La oprocedure
La oprocedure est une technique generale per-
mettant de remplacer une inegalite sur une fonc-
tion soumise à des contraintes par une inegalite sur
une fonction sans contrainte. Nous detaillons cette
procedure dans le cas de fonctions quadratiques
pour des inegalites au sens large.
Soient F
0
, . . . , F
des formes quadratiques de la

variable x R
n
denies par :
F
k
(x) = x
T
Q
k
x + 2 (q
k
)
T
x +
k
pour k = 0, . . .
(3.76)
Considerons la condition sur F
0
suivante :
F
0
(x) 0 pour tout x tels que
F
k
(x) 0, k = 1, . . .
(3.77)
Cette condition (3.77) soumise à des contrain-
tes, peut etre remplacee par une condition sans
contrainte de la manière suivante :
Theorème 11 Sil existe des
k
0, k = 1, . . .
tels que :
x 1
n
, F
0
(x)
k=1
k
F
k
(x) (3.78)
alors la condition (3.77) est veriee.
Ainsi, en introduisant des variables supplemen-
taires
k
0, la condition (3.77) est exprimee sous
forme dIML par :
x
T
_
_
Q
0
q
0
(q
0
)
T
0
_
_
x
k=1
k
x
T
_
_
Q
k
q
k
(q
k
)
T
k
_
_
x
avec x =
_
_
x
1
_
_
(3.79)
On peut ainsi remplacer une condition F
0
valide
sur une region denie par les contraintes F
i
, par
une condition nonbornee mise sous forme de IML.
Remarque 24 Ce theorème est ecrit pour des
contraintes quadratiques ne contenant pas force-
ment le point origine du plan de phase. Dans le
cas o` u les fonctions F
0
(X), . . . , F
(X) sont nulles

pour X = 0, les termes q
k
et
k
sont nuls.
La condition (3.79) sous forme dIML du theo-
rème 11 se simplie alors en :
x
T
Q
0
x
k=1
k
x
T
Q
k
x (3.80)
De manière intuitive, la oprocedure relache une
contrainte F(X) > 0 dans une region en impo-
sant la contrainte
F(X) +
K
Q
k
(X) > 0
o` u le terme
K
Q
k
(X) est deni positif si X
et deni negatif sinon.
En imposant des formes quadratiques à F(X)
et Q
k
(X), la condition relachee devient une
contrainte sous forme dIML que lon peut re-
soudre numeriquement.
Pour imposer la contrainte P
ij
> 0 uniquement
dans la region 1
ij
il sut dimposer une IML du
type (3.81) avec Q
0
= P
ij
et un ensemble de ma-
trices Q
k
telles que :
X
T
Q
k
X 0 k = 1 . . . =X 1
ij
(3.81)
La section suivante montre comment representer
les regions 1
ij
sous cette forme quadratique.
3.7.3 Partitionnement du plan de
phase
Dans cette section nous proposons une partition
du plan de phase de type
i
= 1
i
. Nous cher-
chons ensuite à determiner les regions Z
i
jk
dans
lesquelles des conditions doivent etre relachees.
Nous proposons nalement une manière de re-
presenter ces regions Z
i
jk
sous une forme qua-
dratique propre à lutilisation de la oprocedure.
Il y a deux types de regions dans lesquelles des
contraintes doivent etre maintenues ou relachees :
R
ij
la fonction de Lyapunov X
T
P
ij
X doit
etre denie positive uniquement dans les re-
gions o` u la matrice dynamique A
ij
est active,
cestàdire, la region 1
ij
;
1
ijk
la condition de decroissance
A
T
ij
P
jk
A
ij
P
ij
liee à une transition
ij jk doit etre maintenue uniquement
dans la region o` u cette transition peut
apparatre, nous la notons 1
ijk
par la suite.
Nous rappelons que, pour la BVPIC, il ne peut
pas exister de transition ij kl avec j ,= k. Cest
pourquoi nous notons une transition du système
ij jk et la region o` u elle apparat 1
ijk
.
La partition de lespace de phase avec
i
= 1
i
pour tout i est un cas particulier du theo-
rème 10. Les regions Z
i
jk
correspondant au pas-
sage de
j
à
k
par la transformation T
i
avec i ,= j
sont vides puisque lon applique T
i
uniquement si
X 1
i
=
i
.
Les seules regions non vides à determiner sont
les regions Z
ij
ijjk
pour tout ij et jk pris dans .
On note ces regions de manière plus allegee 1
ijk
.
Les regions de denition 1
ij
du modèle NLDL
sont denies dans le 2.5 (page 37) par les fron-
tières T
ij
decrites dans (2.77).
Il faut determiner les regions 1
ijk
o` u la transi-
tion ij jk se produit. Pour cela nous utilisons
le modèle NLD
-1
.
Regions de denition des transitions
Chaque transformation T
ij
est denie dans son
domaine 1
ij
o` u i et j sont des symboles elements
de lensemble ni +; . Tout point X
k
de la
region 1
ij
est transforme par T
ij
en un point
note X
k+1
. Le graphe des transitions de la g. 3.9
montre que le point X
k+1
appartient soit à la re-
gion 1
j+
soit à la region 1
j
.
Pour tout point X
k
de la region 1
ij
, il ne peut
donc exister que les deux sequences ij j+ et
ij j selon que le point itere X
k+1
se trouve
respectivement dans les regions 1
j+
et 1
j
. La
region 1
ij
est donc lunion des deux regions dis-
jointes 1
ij+
et 1
ij
.
Remarque 25 On peut tester la stabilite du sys-
tème en ne denissant que les quatre regions 1
ij
sous forme quadratique. On maintient alors dans
la region 1
ij
uniquement les trois contraintes sui-
vantes :
P
ij
> 0
A
T
ij
P
j+
A
ij
P
ij
> 0
A
T
ij
P
j
A
ij
P
ij
> 0
(3.82)
La region de stabilite ainsi obtenue est etendue en
dehors du triangle de stabilite du système lineaire
discret. Le decoupage plus n par des regions 1
ijk
permet de ne retenir quune seule condition de de-
croissance dans chaque region et donne des resul-
tats signicativement moins restrictifs. Nous pour-
suivons donc la determination des regions 1
ijk
jusquau bout.
Pour denir les region 1
ijk
, il est necessaire
de determiner lensemble des points X
k
tels que
X
k+1
= T
ij
(X
k
) appartient à 1
jk
. Cet ensemble
est celui des antecedents par T
ij
de 1
jk
. Il peut
etre deni grace à la transformation inverse par
T
1
ij
(1
jk
).
Nous avons vu dans lannexe D.2 que lexis-
tence dune transformation inverse continue per-
met detablir une relation dequivalence entre la
topologie du plan de phase et celle de son conse-
quent par la transformation.
Les transformations T
ij
etant des dieomor-
phismes, on peut utiliser le theorème 14 de cette
annexe pour determiner la region T
1
ij
(1
jk
) à par-
tir de limage des frontières de 1
jk
par la trans-
formation inverse T
1
ij
.
La denition de lensemble 1
ijk
est alors len-
semble des points de 1
ij
tels que leur image par
T
ij
appartient à 1
jk
. Les regions 1
ijk
sont donc
denies par lintersection suivante :
1
ijk
= 1
ij
T
1
ij
(1
jk
) (3.83)
Le theorème 14 permet de denir analytique-
ment les regions 1
ijk
à partir de lune des deux
frontières de 1
ij
et de limage par T
1
ij
de lune
des deux frontières de 1
jk
.
Remarque 26 Pour les regions 1
+++
et 1
,
lintersection de la denition (3.83) est vide
lorsque respectivement b < 2 et b > 2.
Les sequences ++ ++ et sont
donc irrealisables par le système pour certaines va-
leurs du paramètre b. Dans ce cas, on enlève sim-
plement les contraintes de decroissance liees à ces
transitions.
Le plan de phase est ainsi decoupe par les re-
gions 1
ijk
et 1
ij
dans lesquelles sont imposees
des contraintes de stabilite locales à ces regions.
Pour pouvoir formuler ce type de problème sous
forme dIML à laide de la oprocedure, il est im-
peratif de representer ces regions sous une forme
quadratique.
Inclusion des regions dans une forme qua-
dratique
Pour chacune des regions du type 1
ij
et 1
ijk
,
nous cherchons à representer lappartenance du
point X à une de ces regions par une inegalite de
type X
T
Q
i
X > 0. On peut ainsi relacher, ou im-
poser, une contrainte en y ajoutant, ou en retirant,
cette egalite.
Nous appelons indieremment
i
une region de
type 1
ij
ou 1
ijk
. Chacune des regions
i
est de-
nie à laide de deux frontières F
i
(X) = 0 et
F
i
(X) = 0 par :
i
= X R
2
tels que F
i
(X) > 0 et F
i
(X) > 0
(3.84)
Les regions
i
issues du decoupage du plan de
phase de la BVPIC ont lavantage doccuper cha-
cune un voisinage de lorigine du plan de phase : la
remarque 24 (page 85) nous permet darmer que
les termes q
k
et
k
de lexpression quadratique du
type (3.79) sont nuls. Les frontières F
i
(X) = 0 et
F
i
(X) = 0 passent donc par lorigine.
Les frontières des regions
i
ne sont pas des co-
niques du plan de phase. Il est donc impossible de
representer la totalite de ces regions par une forme
quadratique.
La demonstration de stabilite se faisant dans un
voisinage proche de lorigine, il est alors possible de
denir une region de forme quadratique incluant la
region
i
dans ce voisinage. Le conservatisme de
la methode est dautant plus reduit que la region
quadratique est proche de la region
i
.
On approche la region
i
en linearisant ses fron-
tières autour du point origine, comme propose
dans lexpression (2.81) du 2.6 (page 39) pour
les regions 1
ij
.
On denit la region approchee
0
i
de
i
par :
0
i
= (x, y) R
2
[
F
i
(X)
x
x +
F
i
(X)
y
y > 0
et
F
i
(X)
x
x +
F
i
(X)
y
y > 0
(3.85)
Comme le montre la g. 3.16, la region
i
(en
gris fonce) nest pas forcement incluse dans sa re-
gion approchee
0
i
(en gris median).
O(x, y) < 0
F
i
O(x, y) > 0
y
x
0
i
0
i
i
F
i
x
x +
F
i
y
y > 0
F
i
x
x +
F
i
y
y > 0
F
i
x
x +
F
i
y
y >
F
i
x
x +
F
i
y
y >
F
i
Fig. 3.16 : Denition dune region quadratique
i
re-
couvrant
i
dans un voisinage de lorigine. La valeur
de est choisie exagerement grande pour faciliter la
representation
En remplacant les frontières f(x, y) par leur li-
nearisation du premier ordre
f(x,y)
x
x +
f(x,y)
y
y,
on neglige le reste de Cauchy O(x, y). Ce terme
O(x, y) tend en valeur absolue vers zero lorsque la
norme du vecteur (x, y) tend vers zero.
Lorsque le reste O(x, y) est negatif, le respect
de linegalite nonlineaire f(x, y) > 0 implique le
respect de linegalite lineaire
f(x, y)
x
x +
f(x, y)
y
y > O(x, y) > 0
Par contre, lorsque le reste O(x, y) est positif, le
respect de linegalite nonlineaire nimplique pas
le respect de linegalite lineaire. Il existe alors des
points de
i
qui nappartiennent pas à
0
i
.
Denissons maintenant la region englobante

i
de
i
(representee par lunion des regions en gris
clair et gris median sur la gure) par les inegalites
suivantes :
i
= (x, y) R
2
[
F
i
(X)
x
x +
F
i
(X)
y
y >
et
F
i
(X)
x
x +
F
i
(X)
y
y >
(3.86)
o` u est un scalaire positif très petit
18
.
Le respect dune inegalite nonlineaire implique
que
f(x,y)
x
x +
f(x,y)
y
y > O(x, y). Il existe un
voisinage susamment proche de lorigine tel que
[O(x, y)[ < et donc O(x, y) > 0. Tout point
de
i
est donc un point de

i
dans ce voisinage.
Lutilisation du terme très petit permet delargir
le cone
0
i
de manière à englober
i
.
On construit ainsi une region

i
incluant
i
dans un voisinage de lorigine. La region

i
est de-
nie par lintersection de deux demiplans denis
par les inegalites lineaires (3.86). Ce type de region
est facilement mis sous la forme quadratique.
On associe à chaque region

i
une matrice E
i
de la manière suivante :
E
i
=
_
_
F
i
(X)
x
F
i
(X)
y
F
i
(X)
x
F
i
(X)
y
_
_
E
i
X
2
X

i
X
i
avec
2
=
_
_
_
_
(3.87)
Dans ce cas, linegalite signie que chaque com-
posante du vecteur E
i
X doit etre superieure à
; cette condition est strictement equivalente à la
condition X

i
.
La condition E
i
X
2
0 nest pas une IML.
On obtient une IML semblable en lelevant au
carre , cestàdire en la multipliant à gauche
par sa transposee. On obtient ainsi linegalite sui-
vante :
_
_
X
T
E
i
T
E
i
X+
X
T
E
i
T
2
+
2
T
E
i
X +
2
T
2
_
_
0 (3.88)
Le premier terme X
T
E
i
T
E
i
X que lon note
X
T
Q
i
X est sous forme quadratique. Les autres
termes peuvent etre rendu aussi petits que pos-
sible en diminuant . Il sut alors dimposer une
18
Le symbole est la neuvième lettre de lalphabet grec,
la plus petite de toutes, qui se prononce iota
condition quadratique stricte X
T
Q
i
X > 0 pour
quil existe un susamment petit de manière à
ce que X
T
Q
i
X > 0 implique X

i
.
Remarque 27 La condition quadratique
X
T
Q
i
X > 0 nest pas equivalente à la condition
E
i
X > 0. La condition E
i
X > 0 denit linter-
section de deux demiplans de lespace de phase.
Cette intersection nest pas une region symetrique
par rapport à lorigine.
Or, le passage en ecriture quadratique implique
que si X remplit la condition X
T
Q
i
X > 0 alors
X la verie aussi. La region de forme quadra-
tique englobe donc la region

i
et la region syme-
trique à

i
par rapport au point origine.
Pour tout point X
i
on a X
T
Q
i
X > 0, par
contre la reciproque X
T
Q
i
X > 0 X
i
nest
pas vraie.
Nous appelons par la suite E
ij
les matrices liees
aux regions 1
ij
par la relation (3.87) et E
ijk
celles
liees aux regions 1
ijk
.
Nous imposons donc une contrainte F(X) > 0
dans une region 1
ij
en cherchant un reel positif
tel que la condition F(X) +Q
i
> 0 soit veriee.
Pour simplier limplantation des IML dans le
logiciel de resolution numerique, nous remplacons
la recherche dun lambda positif par la recherche
dune matrice U
ij
à elements positifs telle que
F(X) +E
ij
T
U
ij
E
ij
> 0.
De meme, on applique la oprocedure dans une
region 1
ijk
en cherchant une matrice U
ijk
telle que
F(X) +E
ijk
T
U
ijk
E
ijk
> 0.
Formulation de la condition de stabi-
lite PolyQuadratique relachee par la o
procedure
Les conditions de stabilite polyquadratique du
theorème 10 peuvent donc etre appliquees unique-
ment dans les regions 1
ijk
o` u cellesci sont neces-
saires en utilisant la oprocedure.
On utilise alors les matrices Eij et E
ijk
, de-
nies dans la section precedente, pour imposer une
contrainte dans la region 1
ij
et respectivement
1
ijk
.
On impose ainsi les contraintes P
ij
> 0 dans
les regions 1
ij
et les contraintes de decroissance
A
ij
T
P
jk
A
ij
P
ij
dans les regions 1
ijk
.
Le theorème 12 appliquant cette methode est
une variante des resultats exposes dans [FT02] qui
permet de deduire la stabilite du système nonli-
neaire à partir de sa linearisation.
3.8. Approximation de la region de stabilite par une grille de calcul 89
Theorème 12 La fonction V (X
k
) = V
ij
(X
k
)
lorsque X
k
1
ij
est une fonction de Lyapunov
de (3.70), au sens du theorème 10, sil existe des
matrices P
ij
, et des matrices à entrees positives
U
ij
et U
ijk
telles que :
P
ij
E
ij
T
U
ij
E
ij
0, ij
A
ij
T
P
jk
A
ij
P
ij
+E
ijk
T
U
ijk
E
ijk
0, (ij, jk) o
(3.89)
Un système veriant les conditions du theorème 12
est dit Spolyquadratiquement stable.
En appliquant ce test de stabilite sur une grille
susamment ne du plan de paramètre (a, b), on
obtient la region de stabilite presumee representee
en gris sur la g. 3.17.
Cette region de stabilite peut etre approchee par
la condition b 5 a beaucoup moins restrictive
que la condition de stabilite b < 4 2a du modèle
lineaire discret (en gris fonce sur la gure).
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
1
2
3
4
5
6
7
8
stabilite du modèle
lineaire discret
b
5
a
b
<
4
2
a
sta
b
ilite
S
p
o
ly
q
u
a
d
ra
tiq
u
e
Fig. 3.17 : Region de stabilite Spolyquadratique b
5 a moins restrictive que la condition de stabilite du
modèle lineaire discret b < 4 2a
3.8 Approximation de la re-
gion de stabilite par une
grille de calcul
Les methodes presentees precedemment per-
mettent de conclure sur la stabilite du circuit pour
un couple de paramètres (a, b) precis. Ce ne sont
pas des methodes de conception, puisquelles ne
fournissent pas les valeurs des paramètres, mais
des methodes de test de stabilite.
Une technique de synthèse consiste à introduire
les paramètres de conception comme les variables
dun problème doptimisation sous contrainte de
stabilite du système. Les algorithmes utilises pour
resoudre les IML testant la stabilite permettent ce
genre doptimisation. On peut notamment optimi-
ser un critère de forme quadratique tout en respec-
tant des contraintes emises sous forme dIML.
Une technique plus immediate est de tester par
force brute un ensemble de couples de paramètres
realisables techniquement. Cet ensemble doit cou-
vrir la region des paramètres realisables et etre le
plus dense possible (la densite des points etant li-
mitee par la puissance de calcul).
On ache le resultat des tests de chaque point
sur le plan parametrique. Le plus souvent ces
points stables sont adjacents, cest le cas de la
BVPIC. Lensemble forme par ces points adja-
cents denit une region que lon appellera par la
suite la region de stabilite presumee.
Le concepteur peut alors choisir un couple de
paramètres à linterieur de cette region. Cette me-
thode devient de plus en plus interessante car
la puissance de calcul des processeurs sameliore
dannee en annee.
Remarque 28 La methode de calcul par grille se
prete facilement au calcul distribue. Il est possible
de distribuer le calcul des points du plan de phase
sur dierents processeurs communiquant par un
reseau local [Ala02][pag].
On divise ainsi le temps de calcul par le nombre
de processeurs utilises avec un certain rendement
qui depend du co ut engendre par les communica-
tions interprocesseurs.
Il est cependant possible quun point à linte-
rieur de la region de stabilite presumee echoue au
test de stabilite sil est situe entre des points de la
grille de calcul. Ce calcul par grille suppose que les
variations des paramètres dun point de la grille à
un point adjacent sont susamment faibles pour
que le resultat de stabilite soit conserve.
Meme si les presomptions de stabilite sont dau-
tant plus forte que la grille est dense, il est impos-
sible dobtenir de cette manière une preuve for-
melle de stabilite dans cette region.
Il faut alors adapter les tests de stabilite pre-
cedents au calcul par grille. Ceci peut se faire en
eectuant un test qui soit valide pour un couple
de paramètres contenu dans un carre du plan de
phase dont les sommets sont des points adjacents
de la grille.
La preuve de stabilite dun système, malgre des
variations de paramètres, est la problematique de
la stabilite robuste. Nous utilisons à nouveau les re-
sultats issus de lanalyse de stabilite robuste pour
adapter le test de stabilite au calcul par grille.
Stabilite des systèmes dependants des para-
mètres
Supposons que les paramètres (a, b) se situent
dans un carre T
ab
dont les coordonnees de deux
sommets opposes sont (a, b) et (a, b).
Les matrices dynamiques A
ij
dependent de ces
paramètres. Chacune de ces matrices incertaines
A
ij
se situent alors dans un domaine T
ij
de les-
pace des matrices dynamiques.
Il sut de trouver N sommets A
n
ij
, n
1 . . . N = ^
ij
tels que la fermeture convexe du
polytope de sommets A
n
ij
contient le domaine T
ij
de la matrice A
ij
. La recherche dun tel polytope
est traitee dans la section suivante.
La matrice incertaine est alors representee par
la combinaison convexe des sommets du polytope
A
ij
=

nA
ij
n
A
n
ij
avec
n
= 1. On prouve donc
la stabilite du système incertain en imposant la
stabilite pour toute les combinaison des sommets
du polytope.
Le test de stabilite du theorème 12 est modie
pour obtenir le test de stabilite du theorème 13
garantissant la stabilite sur tout le carre T
ab
.
k
,
k
)) =
x
T
k
T((k)) x
k
avec T((k)) =

ij
ij
(k)P
ij
est une fonction de Lyapunov de (3.63) si il
existe des matrices P
ij
, et des matrices à entrees
positives U
ij
et U
ijk
telles que :
P
ij
E
ij
T
U
ij
E
ij
0, ij
A
n
ij
T
P
jk
A
n
ij
P
ij
+E
ijk
T
U
ijk
E
ijk
0, (ij, jk) o, et n ^
ij
(3.90)
Remarque 29 Les regions de denitions 1
ij
et
1
ijk
sont elles aussi dependantes des paramètres a
et b. Il est donc necessaire de partitionner lespace
de phase avec des regions

i
incluant la region
1
ij
ou 1
ijk
pour tout couple (a, b) T
ab
. Ceci
se fait sans diculte en raisonnant sur les inega-
lites lineaires (3.86) utilisees pour determiner les
matrices E
ij
et E
ijk
.
Recherche dun polytope englobant le do-
maine dune matrice incertaine
La recherche des sommets dun polytope dont
la fermeture convexe englobe le domaine T
ij
dune
matrice incertaine A
ij
est un point crucial de lana-
lyse robuste. Ce polytope doit detourer au plus
près le domaine T
ij
car lutilisation dun polytope
trop eloigne de T
ij
engendre un resultat trop res-
trictif.
Cette recherche revient à ecrire toute matrice
A
ij
element de T
ij
sous la forme dune pondera-
tion convexe de matrices xes : A
ij
=

nA
ij
n
A
n
ij
.
Lorsque la matrice depend lineairement dun
paramètre p, cette mise en forme est immediate
puisque lon peut ecrire A
ij
= A
0
+ p A
p
. Pour
p variant entre p et p (avec p < p), on obtient
A
ij
= (A
0
+p A
p
) + (1 )
_
A
0
+p A
p
_
o` u la
ponderation qui vaut
pp
pp
varie entre zero et un.
Les matrices A
ij
de la BVPIC sont recrites par
commodite cidessous :
A
++
=
1
1 +a
_
_
1 b +a b
1 1
_
_
A
+
=
_
_
1 b b
1 1
_
_
A
+
=
1
1 +a
_
_
1 b +a b (1 a)
1 1 a
_
_
A
=
_
_
1 b b (1 a)
1 1 a
_
_
(3.91)
Chacune de ces quatre matrices peut etre mise
sous la forme dun polytope à deux sommets dans
le cas o` u lon xe un des deux paramètres. En ef-
fet, si lon xe a, les matrices A
ij
sont lineaires
en b et permettent ainsi detre decomposee par la
ponderation de deux sommets xes. Si lon xe b,
la matrice A
+
est constante et la matrice A
lineaire en a. Les matrices A

++
et A
+
peuvent
etre mise sous la forme ponderee suivante :
A
++
=
_
_
1 b b
1 1
_
_
+ (1 )
_
_
1 0
0 0
_
_
A
+
=
_
_
1 b b
1 1
_
_
+ (1 )
_
_
1 b
0 1
_
_
avec =
1
1 +a

_
1
1 +a
,
1
1 +a
_
(3.92)
En utilisant ces sommets, on peut demontrer la
stabilite pour tout b variant entre b et b et pour a
xe. De meme on peut demontrer la stabilite pour
tout a entre a et a pour b xe.
La g. 3.18 montre une situation ideale o` u la
matrice dynamique A depend lineairement des pa-
ramètres et peut etre ecrire sous la forme A =
3.8. Approximation de la region de stabilite par une grille de calcul 91
da
db
da
db
(a, b)
(a, b)
dc
dc
A(a, b, c)
A(a, b, c)
A(a, b, c)
A(a, b)
A(a, b, c)
A(a, b, c)
A(a, b)
A(a, b)
A(a, b)
nonlineaire
terme croise c = ab
Dependance
lineaire
Dependance
D
ij
D
ij
D
ab
A(a, b, c)
Fig. 3.18 : Domaine de variation des matrices dynamiques en fonction des paramètres.
`
A gauche, le couple de
paramètres varie dans un carre D
ab
.
`
A droite, la matrice dynamique varie dans une region de lespace des matrices
dynamiques
A
0
+a A
a
+b A
b
. Le domaine de variation de la ma-
trice dynamique A est alors le polytope de quatre
sommets construit en calculant A(a, b) pour tout
(a, b) a; a b; b.
Il existe dans les matrices A
ij
des termes croi-
ses, tels que a b et
b
1+a
, qui empechent dutiliser ces
seuls sommets pour encadrer le domaine de varia-
tion. Dans ce cas, on ne peut pas decomposer les
matrices A
ij
sous forme de termes constants pon-
deres.
Par contre, on peut majorer et minorer les
termes croises. Il sut de considerer ces termes
nonlineaires comme des paramètres variant entre
leurs bornes inferieure et superieure de manière in-
dependante des paramètres a et b. On obtient ainsi
un polytope incluant la region T
ij
.
Prenons par exemple le cas de la matrice A
represente dans la g. 3.18 : son domaine de va-

riation (en gris sur la vignette du bas) peut etre
inclus dans un polytope à huit sommets. Les para-
mètres a et b varient entre leurs bornes respectives,
tandis que le terme croise a b est represente par un
paramètre supplementaire c = a b.
On majore les variations de la matrice A
en
considerant que le paramètre c varie independam-
ment de a et b entre les bornes c et c denies par
c = a b et c = a b. La matrice A
peut ainsi etre

representee par la ponderation des huit sommets
suivants :
A
(a, b, c) =
_
_
1 b b c
1 1 a
_
_
pour tout (a, b, c) a; a b; b c; c
(3.93)
La fermeture convexe du polytope de sommets
A
(a, b, c) inclut le domaine de variation de cette

matrice en imposant un certain conservatisme.
Conclusion sur la methode de calcul par
grille
En appliquant cette methode pour denir les po-
lytopes englobant les variations des matrices A
ij
,
on peut utiliser le theorème 13 pour demontrer la
stabilite du système pour des paramètres a et b
variant à linterieur dun carre T
ab
.
On applique alors la methode de calcul par grille
pour des carres T
ab
repartis sur lespace des para-
mètres recouvrant la region des paramètres reali-
sables physiquement.
Les polytopes calcules pour les matrices A
ij
, de-
crivent des regions plus larges que les domaines
T
ij
induisant ainsi du conservatisme dans le test
de stabilite.
Ce conservatisme est dautant plus reduit que
lon impose une taille restreinte aux carres T
ab
.
Prenons le cas limite dun carre de taille nulle, ce
carre est confondu au point (a, b) de lespace des
paramètres ; lapplication du theorème 13 revient
à appliquer le theorème 12 pour le couple (a, b).
Les nonlinearites des coecients des matrices
A
ij
tels que a b et
b
1+a
sont des nonlinearites
faibles (dierentiables), il doit exister un voisinage
T
ab
du couple (a, b) tel que le theorème 13 est ve-
rie.
Linconvenient dune telle technique est le grand
nombre de sommets de polytopes à determiner.
De plus, ce nombre augmente considerablement
le temps de calcul dune grille susamment ne.
Cest pourquoi cette technique na pas encore ete
appliquee à la BVPIC.
3.9 Verication experimen-
tale des resultats
Dans cette section les resultats obtenus sur la
stabilite de la BVPIC sont confrontes à des me-
sures experimentales.
Les etudes theoriques ont ete eectuees jusquà
present sur des modèles fonctionnels de la BVP
IC. Le but de ces modèles nest pas de representer
le plus nement possible le comportement dune
realisation specique de la BVPIC, mais de re-
presenter le comportement general dune BVPIC
dont les blocs qui la constituent sont ideaux.
La validation de ces resultats consiste donc à
realiser un circuit physique dont le comportement
est le plus proche possible de son modèle theorique.
Grace à ce circuit, on verie dune part lexacti-
tude des calculs et on mesure dautre part limpact
de faibles bruits et de dynamiques negligees sur ce
resultat.
En première approche, une etude de faisabilite
de cette verication a ete faite par des simulations
realisees avec verilogA. Ce logiciel est un veritable
simulateur de systèmes hybrides adapte aux reali-
sations electroniques et microelectroniques analo-
giques. Les trois phenomènes indesirables suivants
ont ete ajoutes dans la modelisation :
La dynamique des generateurs de courant
tout dabord modelisee par une simple pente
representant le temps de montee du courant,
une modelisation du second ordre a ete
adoptee en ltrant le courant ideal par un
ltre du second ordre sousamorti (z = 0.5)
et de frequence propre telle que le temps de
montee t
m
soit celui specie
n
=

t
m
1z
2
.
Le bruit represente par des retards ou avances
t
apparaissant sur chaque front des signaux
dentree et de sortie. On assure ainsi une
gigue
19
de forme gaussienne centree sur 0 et
decart type relativement petit = T/1000.
Les
t
apparaissant à chaque demiperiode
sont tires dune serie aleatoire gaussienne cen-
tree sur zero et decart type
1/2
=
2 .
La caracteristique de lOCT Cette caracteris-
tique netant pas lineaire, une fonction arc
tangente permet de mieux representer lOCT.
La frequence doscillation est donc ainsi bor-
nee par v
min
et v
max
avec une pente autour
du point de fonctionnement de K
oct
. Ceci per-
met deectuer des simulations avec des ten-
sions momentanement negatives sans col-
ler lOCT.
Letude a montre que le phenomène de bifurca-
tion observe lorsque b = 4 reste observable si :
lecart type du bruit en entree et en sortie de
la BVPIC est inferieur à T/1000 ;
le temps de montee des generateurs de courant
est inferieur à T/100.
Ces performances peuvent etre rencontrees pour
des frequences très basses de lordre de 10KHz.
Il sut dutiliser la relation de similarite pour en
deduire le comportement de BVPIC fonctionnant
à de hautes frequences.
Nous avons donc realise une BVPIC fonction-
nant autour dune frequence centrale de 5KHz,
presentee dans lannexe E, à laide de composants
discrets du commerce.
Methode de mesure de la stabilite du circuit
Plusieurs couples des paramètres du ltre (a, b)
ont ete testes de manière à eectuer une grille de
mesure de la stabilite du circuit reel.
Il est dicile de conclure sur la stabilite du cir-
cuit à partir de lobservation de v
oct
à loscilloscope
du fait de la presence dun fort bruit sur le signal.
De plus, une observation eectuee par un mani-
pulateur humain comporte un caractère subjectif
genant.
19
jitter en Anglais
3.9. Verication experimentale des resultats 93
Pour pallier ce problème, un signal electrique
variant en fonction de la qualite de la stabilite du
circuit est genere et mesure. Pour cela, il sut de
disposer un discriminateur de tension à lentree de
lOCT.
Ce discriminateur de tension delivre une tension
positive V cc lorsque lamplitude de v
oct
se situe
dans une fourchette [V
min
, V
max
], et une tension
nulle lorsque v
oct
se situe en dehors de cette four-
chette.
Il sut ensuite de mesurer la tension moyenne V
de la sortie du discriminateur, à laide dun volt-
mètre. En placant la fourchette [V
min
, V
max
] au-
tour de la tension de fonctionnement ideale, on
mesure par
V
V cc
le pourcentage du temps passe par
le circuit à linterieur de la fourchette de stabilite
du circuit.
On declare alors le système instable lorsque le
ratio
V
V cc
descend en dessous dune certaine valeur
xe V
(V
=
1
2
dans les mesures suivantes).
La g. 3.19 montre la region de stabilite ainsi
mesuree. Cette region correspond vaguement à
celle obtenue theoriquement.
0
1
2
3
4
5
5.5
0 0.5 1 1.5 2
mesure
theorie
b
a
Fig. 3.19 : Confrontation du resultat theorique avec la
mesure experimentale de la region de stabilite
Remarque 30 Le choix arbitraire du ratio limite
V
et de la largeur de la fourchette [V
min
, V
max
]
inuence directement la position de la frontière de
la region de stabilite. Ainsi, le choix dun ratio V
plus faible permet dagrandir considerablement la

region de stabilite mesuree. Un ratio minimal plus
grand rendrait le resultat plus restrictif.
Nous avons choisi un ratio de 0.5 de manière
subjective. Cette valeur simple correspond à une
observation faite à loscilloscope pour laquelle le
système semble commencer à osciller entre deux
valeurs proches du point de fonctionnement.
Il faut de plus souligner que pour les faibles va-
leurs de a, ce qui correspond à une faible resistance
du ltre, les mesures deviennent diciles à etablir.
Le système est dans cette region très peu amorti et
converge très lentement vers le point xe. De plus,
le bruit maintient la tension v
oct
dans un voisinage
du point xe qui devient de plus en plus etendu
lorsque la valeur de a diminue.
Lecart entre la courbe theorique et la courbe
mesuree pour des valeurs de a faibles peut etre
justie par le fait que les mesures ont ete eectuees
dans un temps ni et par une sensibilite au bruit
accrue dans cette region.
Au vu des dicultes de mesure, les resultats
experimentaux semblent corroborer relativement
bien les resultats theoriques.
Une tentative dinrmation des resultats theo-
riques moins subjective est obtenue en tracant ex-
perimentalement une region o` u lobservation dun
comportement instable est sans appel. Lobserva-
tion de linstabilite du système pour un couple
de paramètres à linterieur de la region de stabi-
lite theorique mettrait à defaut les resultats theo-
riques.
Methode de mesure de l instabilite du cir-
cuit
Les nombreuses observations du circuit
montrent que le circuit semble toujours se
destabiliser en commencant par osciller entre
deux valeurs proches du point xe. Lorsque lon
fait evoluer un paramètre vers linstabilite, ces
deux valeurs seloignent de plus en plus du point
xe. On peut ainsi observer dans certains cas
une cascade de bifurcations correspondant à des
dedoublements de periode [Mir87][Mir90].
Lorsque le circuit se met à osciller entre deux
valeurs assez eloignees, letat du DPF suit la se-
quence particulière correspondant à lalternance
entre une charge et une decharge de courant.
Une machine à etats nis a ete realisee physique-
ment dans le but de detecter ce type de sequence.
Ce circuit sequentiel delivre un signal logique à 1
tant que cette sequence est suivie et à 0 dès quelle
est interrompue.
Il se trouve que lorsque le point xe est stable, le
bruit perturbe les sequences du DPF et empeche
lobservation de cette sequence particulière.
Par contre, lorsque le point xe se destabilise (la
largeur des impulsions augmente), linuence du
bruit sur les sequences devient negligeable : la sor-
tie du detecteur de la sequence particulière passe
à 1.
On applique alors la meme technique de me-
sure que precedemment en mesurant la tension
moyenne du detecteur de sequence. Lorsque celle-ci
devient superieure à une valeur arbitraire on peut
conclure à une instabilite.
Remarquons que cette mesure est une mesure
susante de linstabilite mais non necessaire : le
système peut se destabiliser par le biais dune se-
quence dierente.
Malgre tout les eorts pour augmenter la sensi-
bilite de ce detecteur de sequence, aucune mesure
na permis dobserver dinstabilite pour des valeurs
de b inferieures à 14. Cette technique de mesure
nest pas susamment performante pour apporter
de linformation sur la zone dinstabilite du cir-
cuit. Aucune mesure na donc permis dinrmer le
resultat theorique.
3.10 Optimisation par force
brute
Nous presentons ici un bref resume dune tech-
nique doptimisation numerique de la BVPIC de-
veloppee pendant ces travaux de thèse. Ces resul-
tats ont ete publies dans [Acc01a] dont une copie
gure dans lannexe F pour complement dinfor-
mation.
Ces travaux sont dun interet theorique faible,
cest pourquoi ils ne sont pas complètement deve-
loppes dans ce memoire. Par contre, la methode
numerique proposee peut etre dun grand interet
pour le concepteur, car elle permet de prendre en
compte linuence des bruits à partir dun modèle
de la BVPIC exact. De plus, cette methode peut
etre facilement etendue au circuit dordre trois.
Le modèle hybride continu, utilise pour cette
optimisation, ore une precision et une rapi-
dite dexecution remarquable. Il est alors possible
dexecuter un très grand nombre de simulations
dierentes de manière à rechercher le meilleur com-
portement possible du circuit.
La technique doptimisation proposee dans l an-
nexe F balaye tout un ensemble de valeurs des pa-
ramètres (a, b) et calcule la valeur dun critère à
partir de chaque trajectoire simulee. Les resultats
sont alors reportes sur un graphique et le couple
de paramètres optimal au sens de ce critère est
identie.
Le critère devaluation choisi est lerreur qua-
dratique de tension à lentree de lOCT facilement
calculable pendant une simulation. Ce critère me-
sure ainsi les erreurs de frequences cumulees tout
au long dune simulation. Ainsi, lors de la reponse
à un echelon de frequence, un système lent ou très
oscillatoire va donner une valeur du critère impor-
tante ; un système rapide et bien amorti tend à
minimiser le critère.
Il a ete possible dajouter leet du bruit dans
les simulations du modèle HybCNC. Le calcul du
critère eectue pour une simulation avec de forts
bruits permet ainsi de mesurer lerreur quadra-
tique de frequence provoquee par ce bruit. La mini-
misation du critère permet de trouver un système
qui rejette le bruit de manière optimale.
Cette technique permet donc doptimiser un cri-
tère evaluant lerreur quadratique de frequence
provoquee par une reponse à un echelon et par
la presence de bruits. Cette optimisation peut etre
facilement etendue au système du troisième ordre
au prix dun temps de calcul plus eleve mais reali-
sable.
Conclusion sur le chapitre 3
Dans ce chapitre, nous avons mene une analyse
de stabilite sur plusieurs types de modèles. Nous
avons cherche à etendre le plus possible le domaine
de validite de lanalyse de stabilite en utilisant des
modèles de plus en plus globaux.
Letude lineaire continue a ete reprise sous forme
de variables reduites. Des contraintes fort utiles,
comme la stabilite robuste et le rejet des bruits,
ont ete proposees sous forme de limites de vali-
dite decrites dans le plan des paramètres reduits.
Ainsi, nous proposons une methode de calcul des
paramètres simple consistant à xer les contraintes
de conception et à choisir les paramètres reduits
parmi une region de faisabilite.
Letude du modèle discret apporte des resultats
dierents sur la stabilite du système. Ce modèle a
ete introduit par Gardner dans le but de mieux
prendre en compte laspect discret de la mesure de
lerreur de phase eectuee.
Les simulations realisees à la n du chapitre 2
sont une reelle mise en garde contre les modèles
lineaires. Les modèles exacts prenant en compte
laspect hybride du système, mettent à defaut les
modèles lineaires aussi bien pendant les phases
transitoires que dans un voisinage du point xe.
Une première approche du système hybride est
faite en considerant que letat discret du système
suit une sequence particulière. On sinteresse alors
à la stabilite dun cycle limite particulier en pro-
posant une extension de la methode de Poincar e
aux systèmes hybrides.
Les conditions necessaires et susantes de stabi-
lite de trois sequences elementaires ont pu etre eta-
3.10. Optimisation par force brute 95
blies. On montre quil existe un cycle limite stable
pour des paramètres se trouvant en dehors de la
limite de stabilite du système lineaire discret.
Une première preuve de stabilite basee sur un
modèle exact a ete apportee en appliquant la me-
thode directe de Lyapunov au modèle hybride.
Cette preuve de stabilite, tout comme celles ap-
portees par les systèmes lineaires, porte sur toutes
les trajectoires pouvant se produire dans un voisi-
nage de lorigine du plan de phase. Cependant, ces
resultats sont signicativement dierents de lana-
lyse lineaire et beaucoup moins restrictifs.
Les mesures eectuees sur une platine experi-
mentale tendent à conrmer ces resultats theo-
riques. Le domaine de stabilite locale de la BVP
IC dordre deux serait donc beaucoup plus etendu
que celui propose par les etudes lineaires.
Conclusion et perspectives
`
A la lumière de la theorie des systèmes hybrides, letude de la BVPIC sest revelee fructueuse. Ces
nouveaux modèles et leurs methodes danalyses emergentes ont permis de rendre compte avec exactitude
de linteraction entre le detecteur de phase sequentiel et les parties analogiques de ce type de BVP.
Les principaux resultats apportes par cette etude sont les suivants
20
:
Lidentication des paramètres reduits (2+3) Ces paramètres caracterisent à eux seuls la dyna-
mique du circuit. Lecriture des equations sen trouve facilitee et les degres de liberte de lanalyse sont
clairement denis. Les resultats peuvent donc etre representes dans un espace de dimension deux ou
trois. La totalite des modèles existants et les modèles developpes dans ce memoire sont ecrits à laide
des equations reduites.
La modelisation hybride de la BVPIC (2+3) Le formalisme de la theorie des systèmes hybrides
a ete adopte pour la BVPIC. Les modèles exacts preexistants dans la litterature ont ete repris et
inclus dans ce formalisme. Une classication de la totalite de ces modèles, basee sur le type de
domaine de validite, est proposee.
Une première preuve exacte de la stabilite locale de la BVPIC (2) La stabilite du circuit a
ete prouvee sans approximation pour tous types de trajectoires se produisant dans un voisinage de
lorigine. La condition de stabilite communement admise b < 4 2 a, qui a ete determinee à partir
du modèle lineaire discret, peut etre remplacee par la condition beaucoup moins restrictive b 5a
developpee dans ce memoire.
Une methode doptimisation par force brute de la BVPIC (2+3) La precision et la rapidite
dexecution du modèle hybride continu permettent de tester une ne grille de valeurs de paramètres
de manière à optimiser un critère. Le critère propose est une ponderation entre des contraintes de
rapidite et de rejet des bruits.
Perspectives
Bien evidemment beaucoup de problèmes restent ouverts et beaucoup de voies de recherche ont ete
momentanement ecartees pour eviter la dispersion. Nous formulons ici les principaux axes de recherche
envisages pour la poursuite de ces travaux sous forme de questions :
Que se passetil lors du demarrage dune BVP? La preuve de stabilite proposee dans ce me-
moire est une preuve locale. Comment garantir la stabilite de la BVPIC lors de la mise en tension
du système ou lors dun saut en frequence ? Dans ces situations, le système se trouve soudainement
loin de lorigine et pose le problème de la stabilite globale du système. Les solutions envisagees à ce
jour sont lutilisation du modèle hybride continu : des theorèmes permettent de prouver la stabilite
dun système hybride continu mais les evenements exterieurs periodiques ne sont pas pris en compte
dans ces demonstrations. . .
Le resultat obtenu est il encore trop restrictif ? Nous avons tente de proposer une preuve de sta-
bilite la moins conservative possible. Peut-etre en decoupant lespace de phase plus nement nous
20
On indique par (2) les resultats valables uniquement pour la BVPIC dordre deux, et par (2+3) les resultats etendus
jusquà lordre trois
97
98 Conclusion et perspectives
obtiendrions des resultats plus etendus ? Les eorts developpes risquent de mener à une faible ame-
lioration du resultat. Il serait interessant dutiliser le theorème sur linstabilite des systèmes propose
par Lyapunov pour etablir une condition susante dinstabilite du système : ceci permettrait de
donner une limite superieure à la zone de stabilite qui indiquerait la marge de resultat susceptible
detre gagnee au prix deorts supplementaires.
Peuton enn proposer un algorithme de synthèse du ltre ? La methode de calcul par grille
permet de dessiner une region de stabilite dans le plan des paramètres. Mais quelle valeur choi-
sir ? Les algorithmes de resolution dIML orent la possibilite doptimiser un critère quadratique.
Lecriture dun critère quadratique pertinent permettrait de proposer une certaine valeur du ltre au
concepteur. Il obtiendrait ainsi un système stable et optimal au sens dun critère tel que ceux utilises
dans les synthèses robustes de type H ou H
2
.
Comment matriser le bruit ? Jusquà present, seuls les modèles lineaires proposent des resultats sur
le rejet des bruits. La prise en compte de ces bruits dans un système hybride pose le problème plus
large de lexistence dune entree de nature stochastique au système. Un autre element de reponse
serait lutilisation des equations de sensibilite dun cycle limite qui constituerait un premier pas vers
une analyse du bruit qui soit globale en sequence.
Un autre problème lie au bruit tient dans sa modelisation. Les circuits logiques du detecteur de phase
et du diviseur de frequence sont très bruyants ; ces bruits parasitent les signaux analogiques du ltre
et de loscillateur. Il est important danalyser dans quelle mesure ces bruits sont correles à letat du
système et de proposer une modelisation du bouclage par autoinduction de ce bruit. Lhypothèse
de bruits noncorreles peut etre forte et mener dans certains cas à une instabilite du système.
Quel est limpact dune zone morte ? Un autre problème lie à la modelisation est la presence de
la zone morte du detecteur de phase frequence. En eet, lorsque la largeur dune impulsion de
courant devient faible, la retroaction du système logique peut ignorer cette impulsion. Au contraire, le
concepteur peut introduire articiellement une duree dimpulsion minimale pour pallier ce problème.
Dans les deux cas, il serait interessant de modeliser ce changement de comportement, qui se situe
dans un voisinage de lorigine, par une commutation du système hybride lorsque son etat continu
penètre cette zone morte.
Et le troisième ordre ? La BVPIC dordre deux est très peu utilisee dans lindustrie à cause de la
gigue observee en sortie du système causee par les sauts de tensions provoques par la resistance du
ltre. On utilise alors une seconde capacite pour ltrer ces sauts.
Lextension de cette analyse à lordre trois peut se faire en ecrivant le modèle hybride discret dordre
trois qui nexiste pas sous forme analytique. Il devrait alors etre possible de lineariser numeriquement
le système près de lorigine et detudier la stabilite du modèle lineaire commute ainsi deni.
Une autre technique consisterait à etudier numeriquement les principaux cycles limites du système
avec la methode exposee dans ce memoire dejà eprouvee numeriquement sur dautres circuits notam-
ment par Ueta.
Et si on adaptait le système à la methode ? La solution technique proposee par la BVPIC est le
fruit de lintuition de son createur et nest pas issue dune demarche de synthèse de commande : son
analyse sen trouve etre dicile. Il peut etre interessant de proposer un nouveau type de BVP à partir
dune synthèse de commande hybride. Ceci donnerait de nouveaux resultats issus du rapprochement
entre le verrouillage de phase et la theorie des système hybrides.
Annexe A
Signaux Analytiques
Par analogie avec le formalisme de la mecanique
quantique, Gabor puis Ville [Gab46][Vil48] de-
cident de manipuler, comme signal ou fonction
danalyse, uniquement des grandeurs complexes
(lintroduction de lexponentielle complexe per-
mettant de simplier le problème et les opera-
tions). Le signal analytique peut etre vu comme
une extension aux signaux nonsinusodaux de la
representation complexe instantanee dun signal si-
nusodal utilisee en electrotechnique.
A.1 Le concept de phaseur
Une grandeur sinusodale, de frequence
0
et de
phase initiale , de la forme u(t) = U sin(
0
t +)
peut etre representee par la grandeur complexe sui-
vante :
u(t) = U e
i (
0
t+)
= U e
i
e
i
0
t
o` u U = [u[ denote le module, (
0
t +) = arg(u)
est la phase instantanee de u et sa phase ini-
tiale.La grandeur reelle u(t) correspond ainsi à la
partie reelle de la grandeur complexe : u(t) = 1[u]
La transformee de Fourier u de la valeur com-
plexe devient U e
i
(f f
0
), o` u est limpul-
sion de Dirac et f
0
=

0
/2. La transformee de
Fourier de la grandeur complexe u(t) est donc
nulle aux frequences negatives. La valeur U e
i
,
appelee phaseur, contient linformation dampli-
tude et de phase initiale. Le phaseur est utilise
pour representer le signal et eectuer des calculs
simples tels que les additions et multiplications de
signaux sinusodaux frequents en electrotechnique.
A.2 Extension aux signaux
quelconques
Pour etendre la notion de valeur instantanee
complexe aux fonctions nonsinusodales, il sut
de construire une grandeur complexe ayant pour
partie reelle le signal s(t) et dont la transformee
de Fourier soit la forme unilaterale de celle de la
partie reelle.
Le spectre U(f) du signal analytique u(t) est
obtenu par suppression des frequences negatives
de s(t) et multiplication par deux des amplitudes
de la partie positive du spectre
21
. Cette operation
seectue par la multiplication du spectre de s(t)
par un echelon de Heaviside de gain deux : 2(f).
Soit s(t) et s(t) la partie reelle et la partie ima-
ginaire du signal analytique ; S(f) et

S(f) leurs
transformees de Fourier, on a la relation :
U(f) = S(f) +i

S(f)
= 2(f) S(f)
= (1 +sign(f)) S(f)
On en deduit que le spectre de la partie imagi-
naire est egal à i sign(f) S(f) ce qui donne, en
appliquant la transformation inverse, la transfor-
mee de Hilbert de s(t) :
s(t) =
1
t
s(t) =
1
s()
t
d = H[s(t)]
Le signal analytique complexe u(t), ainsi mis en
avant, se deduit de s(t) par :
u(t) = s(t) +i H[s(t)] = a
s
(t) e
i
s
(t)
o` u H[s(t)] designe la transformee de Hilbert de
s(t) denie plus haut.
On calcule ensuite lamplitude locale par a
s
(t) =
[u(t)[ et la phase instantanee par
s
(t) = arg u(t).
La pulsation instantanee est denie par la derivee
temporelle de largument du signal :
i
(t) =
(arg u(t))
t
=
(
s
(t))
t
21
la troncature des frequences negatives naltère pas le
contenu dun signal reel, dont le spectre est symetrique.
99
100 Annexe A. Signaux Analytiques
Annexe B
Relation de similarite entre BVPIC
Dans cette annexe nous denissons une relation
dequivalence entre des BVPIC de paramètres dif-
ferents dans le but de determiner et de regrou-
per sous la meme classe les BVPIC observant
des comportements identiques. Ceci permet de ne
considerer le comportement dune BVPIC quà
travers un jeu de paramètres et de variables detat
reduits.
Tout dabord nous denissons la relation de
similarite entre les BVPIC du deuxième ordre.
Nous en deduisons ensuite la relation liant les pa-
ramètres de deux BVPIC garantissant cette si-
militude. Finalement ces travaux sont etendus aux
BVPIC du troisième ordre.
B.1 Denition de la relation
de similarite
On considère deux BVPIC dynamiquement
equivalentes si leurs variables detat E(t), v
c
(t)
et
b
(t), evoluent identiquement à un facteur
dechelle près. Nous allons considerer une BVPIC
dont le vecteur de paramètres est appele et une
deuxième de paramètres
t
. Leurs comportements
sont dit similaire sil existe un couple de facteur
dechelle (, ) et des conditions initiales tels que
les equations suivantes soient veriees pour tout
t > 0 :
_
_
v
oct
(t, ) = v
oct
(t,
t
)
b
(t, ) =
b
(t,
t
)
E (t, ) = E (t,
t
)
(B.1)
Nous voulons trouver quelles relations entre et
t
garantissent la similarite entre les deux BVP
IC. Pour cela nous allons considerer les relations de
similarite veriees à un instant initial, puis degager
les contraintes induites par chacune de ces trois
relations.
B.2 Condition de similarite
entre deux commutations
du courant de charge
Supposons dabord quà linstant t
n
, la relation
de similitude soit veriee :
_
_
v
oct
(t
n
, ) = v
oct
(t
n
,
t
)
b
(t
n
, ) =
b
(t
n
,
t
)
E (t
n
, ) = E (t
n
,
t
)
(B.2)
La variable t
n+1
represente linstant o` u letat du
DPF change. Entre linstant t
n
et linstant t
n+1
,
letat E(t) est constant et egal à une valeur e
1, 0, 1. La similarite de letat du DPF sera donc
veriee si les instants o` u le DPF change detat sont
similaires.
B.2.1 Similarite des etats E et E
Letat du DPF change soit lors dun front du

signal de reference aux instants t = k T, soit
lors dun front du signal boucle aux instants o` u
b
(t) = l 2 avec l N. Si lon veut garantir la
relation de similarite avec E
t
, il faut que la date
de ces instants soit divisee par . On obtient donc
la relation entre T et T
t
suivante :
t = k T =
t
t
= k
T
t

T
t
= T (B.3)
Les dates des fronts des signaux boucles des
deux circuits respectent la relation de similarite si
les phases de ces signaux
b
et
b
t
sont similaires.
La similarite des etats E et E
t
sera donc veriee
si lequation (B.3) et la similarite entre les etats
b
et
b
t
sont veriees simultanement. La simila-
rite de
b
et
b
t
setablit facilement à partir de la
similarite de v
oct
et v
t
oct
.
101
102 Annexe B. Relation de similarite entre BVPIC
B.2.2 Similarite entre v
oct
et v
oct
Si nous rempla cons v
oct
(t, ou
t
) par son ex-
pression (2.5) dans la relation (B.1) nous obtenons
pour tout t t
n
:
v
oct
(t
n
) +
I
c
C
e(t t
n
) +I
c
eR
=
_
v
oct
t
(t
n
) +
I
c
e (t t
n
) +I
c
t
eR
t
_
(B.4)
La similarite à linstant t
n
permet de garantir
legalite v
oct
(t
n
) = v
oct
t
(t
n
). La relation doit
etre valide pour tout t
n
t t
n+1
; on peut donc
identier les termes constants et les termes en t.
On obtient ainsi les relations (B.5) garantissant la
similitude des tensions v
oct
et v
oct
t
:
_
_
_
I
c
=
I
c
C
I
c
t
R
t
= I
c
R
(B.5)
On peut maintenant etablir la dernière relation
de similarite : la similarite de
b
et
b
t
.
B.2.3 Similarite des phases
b
et
b
De meme, remplacons
b
(t, ou
t
) par son ex-
pression (2.11) dans la relation (B.1) ; il vient pour
tout t t
n
:
b
(t
n
) +
2
N
t
_
t
n
(K
oct
v
oct
() +F
ol
) d =
b
t
(t
n
) +
2
N
t
_
t
n
(K
oct
t
v
oct
t
(
t
) +F
ol
t
) d
t
(B.6)
Si nous operons au changement de variable
t
= dans la deuxième integrale, nous pouvons
remplacer le terme v
oct
t
() apparaissant, par le
terme
v
oct
()
. Legalite devient donc :
b
(t
n
) +
2
N
t
_
t
n
(K
oct
v
oct
() +F
ol
) d =
b
t
(t
n
) +
2
N

t
_
t
n
_
K
oct
v
oct
() +F
ol
t
_
d
(B.7)
n
garantit legalite
b
(t
n
) =
b
t
(t
n
). La relation doit etre valide
pour tout t
n
t t
n+1
, on peut donc identier les
termes constants et les termes en t sous lintegrale.
On obtient ainsi les relations (B.8) garantissant la
similitude des phases
b
et
b
t
:
_
_
_
K
oct
=
K
oct
N
F
ol
=
F
ol
N
(B.8)
B.3 Preuve pour tout t par
raisonnement recurrent
Nous venons de montrer cidessus que, si les
conditions sur les paramètres (B.3), (B.5) et (B.8)
sont veriees et que la similarite est veriee à
linstant t
n
, alors la similarite sera veriee jusquà
la prochaine commutation de courant à linstant
t
n+1
.
Par recurrence et par continuite lors des commu-
tations, nous pouvons armer la similarite pour
tout t t
0
à condition que la similarite soit ve-
riee à linstant initial t
0
. La verication de la si-
milarite à linstant initial permet de determiner la
relation entre les conditions initiales.
Deux BVPIC ont des comportements similaires
si leurs etats initiaux respectent les relations sui-
vantes :
_
_
E(t
0
) = E(t
0
)
v
oct
(t
0
) = v
oct
t
(t
0
)
b
(t
0
) =
b
t
(t
0
)
(B.9)
et si leurs paramètres respectent les contraintes de
similitude :
_
K
oct
=
K
oct
N
F
ol
=
F
ol
N
I
c
=
I
c
C
I
c
t
R
t
= I
c
R
(B.10)
B.4 Extension aux BVPIC
du troisième ordre
Pour etendre la relation de similarite au troi-
sième ordre, il sut de rajouter une variable detat
et de reprendre le raisonnement precedant avec les
nouvelles equations detat.
Lexpression de la tension v
oct
change et devient
la relation (2.2) faisant appel à la nouvelle variable
detat v
c
. Cette nouvelle variable detat rajoute
une contrainte dans la denition de la relation de
similarite qui devient :
v
oct
(t, ) = v
oct
(t,
t
) (B.11a)
v
c
(t, ) = v
c
(t,
t
) (B.11b)
b
(t, ) =
b
(t,
t
) (B.11c)
E (t, ) = E (t,
t
) (B.11d)
Les conditions de similarite de
b
et E ne
changent pas puisque leurs equations ne sont pas
B.4. Extension aux BVPIC du troisième ordre 103
v
c
(t
n
) +
_

RC
1
(v
oct
(t
n
) v
c
(t
n
))
i
c

C
1
+C
2
_ _
1 e
tt
n
_
+
i
c
C
1
+C
2
(t t
n
)
=
_
v
t
c
(t
n
) +
_

1
(v
t
oct
(t
n
) v
t
c
(t
n
))
i
1
+C
2
_ _
1 e
tt
n
_
+
i
c
C
1
+C
2
(t t
n
)
_
(B.12)
v
c
(t) + (v
oct
(t
n
) v
c
(t
n
)) e
tt
n
+
i
c

C
2
_
1 e
tt
n
_
=
_
v
t
c
(t) + (v
t
oct
(t
n
) v
t
c
(t
n
)) e
tt
n
+
i
2
_
1 e
tt
n
__
(B.13)
modiees. Par contre la similarite de v
oct
doit etre
redenie et celle de v
c
rajoutee.
B.4.1 Similarite des tensions v
c
et
v
oct
En remplacant le terme v
c
par lexpression (2.2)
dans la relation (B.11b) on obtient la relation
(B.12).
n
permet dobtenir les
egalites v
oct
(t
n
) = v
t
oct
(t
n
) et v
c
(t
n
) = v
t
c
(t
n
).
La relation de singularite devant etre veriee pour
tout t t
n
et quels que soient v
oct
(t
n
) et v
c
(t
n
),
on peut identier les termes en t, les termes de-
vant lexponentielle et les termes devant les condi-
tions initiales. On obtient les contraintes supple-
mentaires suivantes :
_
=
R
t
C
t
1
= RC
1
I
t
c
C
t
1
+C
t
2
=
I
c
C
1
+C
2
(B.14)
La similarite de v
oct
est facilement deduite en
rempla cant le terme v
oct
par lexpression (2.2) dans
la relation (B.11a). On obtient la relation (B.13).
En identiant les termes on obtient des contraintes
redondantes avec celles dejà etablies.
B.4.2 Relation de similarite des
BVPIC du troisième ordre
Les contraintes (B.3) et (B.8) garantissant la si-
milarite des variables detat E et
b
dans le cas
du deuxième ordre sont inchangees. Par contre les
deux contraintes (B.5) garantissant la similarite de
v
oct
des BVPIC du deuxième ordre doivent etre
remplacees par les trois contraintes deduites pre-
cedemment.
Deux BVPIC du troisième ordre ont donc des
comportement similaires si leurs conditions ini-
tiales sont similaires :
_
_
E(t
0
) = E(t
0
)
v
oct
(t
0
) = v
oct
t
(t
0
)
v
c
(t
0
) = v
c
t
(t
0
)
b
(t
0
) =
b
t
(t
0
)
(B.15)
et si les contraintes suivantes sont veriees :
_
K
oct
=
K
oct
N
F
ol
=
F
ol
N
=
R
= RC
1
c
C
1
+C
2
=
I
c
C
1
+C
2
(B.16)
Remarque 31 La relation de similarite des
BVPIC du troisième ordre comporte une
contrainte de plus que celle etablie pour le
deuxième ordre. Le vecteur des paramètres reduits
de la BVPIC du troisième ordre comporte donc
bien un paramètre de plus que celui du deuxième
ordre.
104 Annexe B. Relation de similarite entre BVPIC
Annexe C
Calcul du modèle NLDL
Dans cette annexe sont reportes les calculs
concernant le modèle NLDL etabli par van
Paemel dans [vP94]. Les variables detat utilisees
sont presentees dans le 2.5 (page 37). Les calculs
portent sur lexpression de
k+1
en fonction de
k
et
k
qui depend de letat du DPF aux instants t
k
et t
k+1
.
Dans cet article, van Paemel obtient quatre
expressions de
k+1
determinees selon le signe de
k
et
k+1
. van Paemel determine alors lequation
à utiliser à partir dun algorithme estimant le signe
de
k+1
et utilisant le signe connu de
k
.
Nous allons dune part determiner les quatre ex-
pressions de
k+1
en variables reduites, et dautre
part determiner les domaines de denition de
chaque expression dans le plan de phase (
k
,
k
).
C.1 Calcul de
k+1
Lillustration de la g. C.1 montre que la valeur
de
k+1
sexprime de manière unique en fonction
de
k
et t
oct
par :
k+1
=
k
+t
oct
1 (C.1)
O` u t
oct
est le temps qui secoule entre les deux
fronts descendant du signal boucle. Le temps t
oct
est deni comme la periode telle que la phase nor-
malisee du signal boucle x atteigne sa prochaine
valeur entière. On denit donc t
oct
grace à la rela-
tion (2.22) par lexpression :
t
oct
: x(k +
k
+t
oct
) = x(k +
k
)|
= x(k +
k
) +
k+
k
+t
oct
_
k+
k
(y() + 1 +a e()) d
x| = lentier immediatement superieur à x
(C.2)
La valeur de t
oct
est donc telle que laire entre la
courbe y(t)+b e(t) et la courbe y 1 (en gris sur
les gures C.1 à C.5), de linstant t
k
+
k
à linstant
t
k
+
k
+t
oct
, soit egale à lunite. Comme le montre
ces gures, il existe quatre congurations menant
à quatre expressions de t
oct
et
k+1
.
C.1.1 Cas de deux charges consecu-
tives : cas + +
k
t
oct
k+1
k+1
k
t
k
= k t
k+1
= k + 1
t
T
T = 1
y
1
Fig. C.1 : Cas + + de deux charges consecutives
Dans le cas de la g. C.1, la relation (C.2) de-
vient en integrant par parties sur les deux mor-
ceaux lineaires de y(t) la relation suivante :
x(k +
k
)| x(k +
k
) = 1 =
t
k
+1
_
t
k
+
k
(1 +
k
) d
+
t
k
+1+
k+1
_
t
k
+1
(1 +
k
+a +b ( (t
k
+ 1))) d
(C.3)
Les primitives de ces deux integrales etant ele-
mentaires, on obtient la relation reliant
k+1
à
k
et
k
suivante :
a
+
2
k+1
+b
+
k+1
+c
++
= 0
avec a
+
=
b
2
b
+
= 1 +a +
k
c
++
= (1
k
) (
k
+ 1) 1
(C.4)
105
106 Annexe C. Calcul du modèle NLDL
Il existe deux expressions de
k+1
nommees
+
et
; elles correspondent aux intersections de la

parabole presentee dans la g. C.2 avec laxe des
abscisses. Par denition du cas + + , la valeur
de
k+1
doit etre une solution positive de lequa-
tion (C.4). En raisonnant sur les signes des coe-
cients de la parabole, on determine lunique solu-
tion positive et sa condition dexistence.
Nous savons que la parabole est positive à lin-
ni puisque 2 a
+
= b > 0. En considerant que la
tension aux bornes de la capacite doit rester po-
sitive, v
c
(t) > 0, on obtient en valeur normalisee
y(t) > 1 et donc
k
+ 1 > 0. La pente à lorigine
de la parabole, b
+
= 1 +
k
+a, est donc positive
puisque a > 0.
La gure cidessous montre quil existe une so-
lution positive unique si et seulement si c
++
< 0.
a
+
2
+b
+
+c
j+
b
+
> 0
a
+
> 0
c
j+
< 0
c
j+
> 0
+
Fig. C.2 : Illustration des deux solutions
Lexpression de
k+1
dans le cas + + est
donc :
k+1
=
b
+
+
_
b
2
+
4 a
+
c
++
2 a
+
lorsque c
++
< 0
(C.5)
La relation (C.6) permet de distinguer le
cas + + du cas + - . Lorsque c
++
devient
positif, la valeur de
k+1
devient negative ; il sagira
alors du cas + - . Dans ce nouveau cas, lequa-
tion (C.3) nest plus valide et doit etre modiee.
c
++
= (1
k
) (
k
+ 1) 1 < 0 (C.6)
C.1.2 Cas dune charge suivie dune
decharge : cas + -
Dans le cas de la g. C.3, la relation (C.2)
devient une simple integrale du signal constant
y(t) =
k
+ 1 :
x(k +
k
)| x(k +
k
) = 1
=
t
k
+
k
+t
oct
_
t
k
+
k
(1 +
k
) d = t
oct
(1 +
k
)
(C.7)
k
t
oct
T = 1
t
k+1
= k + 1 t
k
= k
t
T
k+1
k+1
y
1
Fig. C.3 : Cas + - dune charge suivie dune de-
charge
On obtient immediatement avec la relation (C.1)
lexpression unique de
k+1
:
k+1
=
k
1 +t
oct
=
k
1 +
1
1 +
k
(C.8)
Cette denition nest valable que pour
k+1
< 0.
La condition
k+1
=
k
1 +
1
1+
k
< 0 est
bien la condition opposee à c
++
< 0 qui separe
le cas + + du cas + - .
C.1.3 Cas dune decharge suivie
dune charge : cas - +
vient en integrant par parties sur les trois mor-
ceaux lineaires de y(t) :
x(k +
k
)| x(k +
k
) = 1
=
t
k
_
t
k
+
k
(1 +
k
a b ( t
k
)) d
+
t
k
+1
_
t
k
(1 +
k
) d
+
t
k
+1+
k+1
_
t
k
+1
(1 +
k
+a +b ( (t
k
+ 1))) d
(C.9)
C.2. Domaines de denition 107
t
k
= k t
k+1
= k + 1
k+1
k
T = 1
k+1
t
oct
t
T
1
y
Fig. C.4 : Cas - + dune decharge suivie dune
charge
Les primitives de ces trois integrales etant ele-
mentaires, on obtient la relation reliant
k+1
à
k
et
k
suivante :
a
+
2
k+1
+b
+
k+1
+c
+
= 0
avec
a
+
=
b
2
b
+
= 1 +a +
k
c
+
= c
++
+a
k
+
b
2

2
k
= (1
k
) (
k
+ 1) +a
k
+
b
2

2
k
1
(C.10)
Comme dans le cas + + , il existe deux ex-
pressions de
k+1
qui correspondent aux intersec-
tions dune parabole avec laxe des abscisses. Par
denition du cas - + , la valeur de
k+1
doit
etre une solution positive de lequation (C.10).
Il existe une solution positive unique si et seule-
ment si c
+
< 0. Lexpression de
k+1
dans le
cas - + est donc :
k+1
=
b
+
+
_
b
2
+
4 a
+
c
+
2 a
+
lorsque c
+
< 0
(C.11)
On distingue, grace à la relation (C.12) ciaprès,
le cas - + du cas - - . Lorsque c
+
devient
positif, la valeur de
k+1
devient negative ; il sagira
alors du cas - - . Dans ce nouveau cas, lequa-
tion (C.9) nest plus valide et doit etre modiee.
c
+
= (1
k
) (
k
+ 1)+a
k
+
b
2

2
k
1 < 0 (C.12)
C.1.4 Cas de deux decharges conse-
cutives : cas - -
vient en integrant par parties sur les deux mor-
t
k
= k
k+1
t
oct
t
T t
k+1
= k + 1
T = 1
k+1
1
y
Fig. C.5 : Cas - - de deux decharges consecutives
ceaux lineaires de y(t) :
x(k +
k
)| x(k +
k
) = 1
=
t
k
_
t
k
+
k
(1 +
k
a b ( t
k
)) d
+
t
k
+
k
+t
oct
_
t
k
(1 +
k
) d
(C.13)
On obtient immediatement avec la relation (C.1)
lexpression unique de
k+1
:
k+1
=
k
1 +
1 a
k

b
2

2
k
1 +
k
(C.14)
Cette denition nest valable que pour
k+1
< 0.
On remarque que la condition
k+1
< 0 est bien
la condition opposee à la condition c
+
< 0 qui
separe le cas - + du cas - - .
C.2 Domaines de denition
Dans le plan de phase (
k
,
k
) ces equations de-
nissent une transformation du point T qui asso-
cie le point X
k+1
, de coordonnees (
k+1
,
k+1
), au
point X
k
de coordonnees (
k
,
k
). Les quatre ex-
pressions, dierentes selon le signe de
k
et
k+1
,
divisent le plan de phase en quatre regions 1
++
,
1
+
, 1
+
et 1
, montrees dans la g. C.6.

Dans cette notation, le premier indice indique le
signe de
k
et le second indice celui de
k+1
. Ces
regions, correspondant aux domaines de denition
des quatre cas, sont donc denies par :
1
++
: (
k
,
k
) [ (
k
0) &(
k+1
0)
1
+
: (
k
,
k
) [ (
k
0) &(
k+1
0)
1
+
: (
k
,
k
) [ (
k
0) &(
k+1
0)
1
: (
k
,
k
) [ (
k
0) &(
k+1
0)
(C.15)
108 Annexe C. Calcul du modèle NLDL
k
1
++
1
+
1
1
+
T
T
+
T
+
(
k
)
+
(
k
)
Fig. C.6 : Plan de phase (
k
,
k
)
Les conditions sur les signes de
k
et
k+1
, sepa-
rant les dierentes regions, denissent les quatre
frontières T
+
, T
, T
+
et T
o` u indique le
signe changeant en passant dun cote à lautre de
la frontière.
Les frontières T
+
et T
correspondent au
changement de signe de
k+1
. Cette condition de
changement de signe
k+1
= 0 doit etre exprimee
par une condition sur
k
et
k
an deviter de de-
terminer les regions par le biais dun algorithme
comme dans [vP94].
La frontière T
+
separe le cas + + du
cas + - . La condition de changement de signe
de
k+1
separant ces deux cas est donc directement
issue de lequation (C.6).
De meme, la frontière T
separe le cas - +
du cas - - . La condition de changement de signe
de
k+1
separant ces deux cas est alors directement
issue de lequation (C.12).
Ces frontières T
+
et T
sont donc denies par

les equations suivantes, lune denie lorsque
k
0
separant les cas + , et lautre denie lorsque
k
0 separant les cas - :
T
+
: (1
k
) (
k
+ 1) 1 = 0
k
=
+
(
k
) =

k
1 +
k
lorsque
k
0
(C.16a)
T
: (1
k
) (
k
+ 1) +a
k
+
b
2

k
2
1 = 0
k
=
(
k
) =

k
1 +
k
_
1 a
b
2

k
_
lorsque
k
0
(C.16b)
Les frontières T
+
et T
correspondent au
k
et sont donc denie
par
k
= 0. Lorsque
k
= 0, les conditions sur le
k+1
(C.16) deviennent la
condition
k
= 0. Les frontières T
+
et T
sont
donc denies par les equations suivantes ; lune de-
nie lorsque
k
0 separant les cas + , et
lautre denie lorsque
k
0 separant les deux
autres cas :
T
+
:
k
= 0 lorsque
k
0 (C.17a)
T
:
k
= 0 lorsque
k
0 (C.17b)
Les domaines de denition des transformations
composites sont obtenus à partir de leurs fron-
tières :
1
++
: (
k
,
k
) [ (
k
0) &(
k

+
(
k
))
1
+
: (
k
,
k
) [ (
k
0) &(
k

+
(
k
))
1
+
: (
k
,
k
) [ (
k
0) &(
k

(
k
))
1
: (
k
,
k
) [ (
k
0) &(
k

(
k
))
(C.18)
Annexe D
Calcul du modèle NLD
-1
Dans cette annexe nous determinons le modèle
inverse du modèle NLDL. Cet inverse est un outil
important qui permet danalyser le modèle dans le
plan de phase.
Soit T la transformation nonlineaire, denie
dans le 2.5 (page 37), transformant le point du
plan de phase X
k
en son image X
k+1
; on denit la
transformation inverse T
1
de T par la transfor-
mation telle que T
1
(X
k+1
) = X
k
. T
1
existe si
et seulement si il existe un point unique X
k
tel que
T (X
k
) = X
k+1
. Le modèle est dit noninversible
sil existe plus dune solution ou sil nen existe
pas. Dans le cas o` u plusieurs solutions existent le
modèle est dit multiplement inversible.
Pour inverser le modèle NLDL, il faut inver-
ser chaque transformation composite T
ij
denies
dans le 2.5 (page 38). Il ne doit exister quun
seul antecedent à chaque transformation compo-
site T
ij
dans son domaine de denition 1
ij
. Les
proprietes de chaque transformee inverse compo-
site permettent de determiner que limage des re-
gions connexes 1
ij
par les transformee T
ij
sont des
regions connexes que lon nomme 1
I
ij
. Ces regions
images 1
I
ij
seront de fait les domaines de denition
des transformees composites inverses T
1
ij
.
D.1 Unicite du modèle in-
verse
Pour chacune des quatre transformations com-
posites T
ij
, denies par (2.76), on peut trouver les
solutions
k
ij
(
k+1
,
k+1
) et
k
ij
(
k+1
,
k+1
) des
quatre systèmes dequations denis par
T
ij
(
k
ij
,
k
ij
) = (
k+1
,
k+1
)
connaissant (
k+1
,
k+1
).
Lexpression de
k
est obtenue directement de
(2.74) ; elle est identique pour les quatre transfor-
mations composites :
k
ij
(
k+1
,
k+1
) =
k+1
b
k+1
avec i, j +, (D.1)
Les expressions de
k+1
dependent de la trans-
formee composite à inverser. Dans le cas des re-
gions 1
++
et 1
+
, il existe une unique expres-
sion inverse de
k
qui sont les expressions (D.2a)
et (D.2b) respectivement :
k
=1 +
k+1
+
b
2
k+1/2 +a
k+1
1
1 b
k+1
+
k+1
pour le cas + +
(D.2a)
k
=1 +
k+1
1
1 b
k+1
+
k+1
pour le cas + -
(D.2b)
Par contre dans le cas des regions 1
et 1
+
il existe deux solutions eligibles. Cela impliquerait
que le modèle soit noninversible et que les fron-
tières T
et T
+
sont des lignes critiques, mais il
nen est rien.
D.1.1 Exclusion dune solution eli-
gible
Les deux cas 1
et 1
+
se traitent de la meme
manière : pour cela nous remplacons lidentica-
teur par j ; la lettre j signiant + pour le
cas - + et pour le cas - - .
Les deux expressions eligibles de
k
j
(
k+1
,
k+1
)
j+,]
sont les intersections
avec laxe des abscisses dune parabole dequa-
109
110 Annexe D. Calcul du modèle NLD
-1
tion :
a
2
+b
+c
j
= 0
pour j +,
avec
a
=
a
2
, b
= b
k+1
k+1
+a 1
c
= b
k+1
2
+
k+1
(b
k+1
1)
k+1
,
c
+
= c
+
b
k+1
2
2
+a
k+1
(D.3)
Dans ce cas les deux solutions eligibles sont ex-
primees par :
j
k
(
k+1
,
k+1
) =
b
b
2
4a
c
j
2a
(D.4)
pour j +,
En rajoutant des contraintes sur les valeurs pos-
sibles de
k
,
k
et
k+1
on peut alors rejeter une des
solutions eligibles. Les contraintes suivantes sont
issues des conditions dappartenance aux domaines
de denition des transformations composites et du
domaine de validite du modèle NLDL :
(
1
par denition on applique les transformations
T
+
et T
si X
k
1
1
+
, ce qui est
exprime par la condition
k
0 lunion
de ces deux regions correspond au demiplan
gauche ;
(
2
par denition T
(respectivement T
+
) est
la transformation qui associe à un point de
1
(respectivement 1
+
) un point dont la
coordonnee
k+1
est de signe negatif (respec-
tivement positif), ce qui donne les conditions
k+1
0 pour T
et
k+1
0 pour T
+
;
(
3
le domaine de validite du modèle NLDL im-
plique que lerreur de phase soit susamment
petite (T <
k+1
< T) et que la tension à
lentree de lOCT soit positive à tout instants
soit y > 1 en variables reduites.
Si lon observe les representations de levolution
de la tension normalisee y dans la gure g. C.5
et g. C.4, on en deduit que la condition (
3
est
exprimee à linstant t
k
par
k
a > 1. En
remplacant
k
par son expression (D.1) on ob-
tient lexpression commune de la condition (
3
:
a 1 +b
k+1
k+1
> 0.
Les conditions (
2
et (
3
permettent de prouver
que les deux solutions eligibles sont de signes op-
poses. La condition (
1
permet alors de rejeter la
solution de signe positif prouvant ainsi lexistence
dune solution admissible unique.
Le signe des solutions eligibles est determine par
le signe des coecients des paraboles a
, b
, c
et c
+
. Les deux paraboles possèdent des asymp-
totes en + car le coecient a
est positif. La
condition (
3
implique que le signe de b
est ne-
gatif soit une derivee negative de la parabole au
point dabscisse nulle. La forme des deux paraboles
est donnee dans la g. D.1.
a
> 0
b
< 0
2
+b
+c
j
c
j
> 0
c
j
< 0
Fig. D.1 : Forme des paraboles donnant les solutions
eligibles de
k+1
Dans le cas o` u la constante c
j
est positive :
soit il existe deux solutions reelles positives ; soit il
nexiste pas de solution reelle. Il ny a donc pas de
solution admissible à linversion du modèle car les
solutions, lorsquelles existent, ne respectent pas la
condition (
1
.
Dans le cas o` u cette constante est negative il
existe alors une solution reelle positive et une so-
lution reelle negative. La seule solution admissible
est, dans ce cas, la solution de signe negatif selon
(
1
.
D.1.2 Inversion du cas - -
Soit
I
(
k+1
) la relation implicite induite par
legalite c
(
k+1
,
k+1
) = 0 :
(
k+1
) =
1
1 +
k+1
+b
k+1
1 (D.5)
On trouve que linegalite c
(
k+1
,
k+1
) 0 a
pour equivalent dans le plan de phase linegalite
k+1

I
(
k+1
). Lunique inverse de T
ayant
un
k
negatif existe si et seulement si la condition
k+1

I
(
k+1
) et la condition
k+1
< 0 sont
veriees. Dans le cas o` u lune de ces deux condi-
tions nest pas veriee, il nexiste pas de solution
negative et T
1
nest pas denie.

D.2. Domaine de denition 111
Lequation donnant lunique solution negative,
lorsquelle existe, à linversion de T
est donc :
k
=
b
_
b
2
4a
2a
avec
a
=
a
2
, b
= b
k+1
k+1
+a 1
c
=b
k+1
2
+
k+1
(b
k+1
1)
k+1
(D.6)
D.1.3 Inversion du cas - +
De la meme manière, soit
I
+
(
k+1
) la relation
implicite induite par legalite c
+
(
k+1
,
k+1
) = 0 :
I
+
(
k+1
) =

k+1
1 +
k+1
_
b +
b
k+1
2
1 a
_
(D.7)
on trouve que linegalite c
+
(
k+1
,
k+1
) 0 a
pour equivalent dans le plan de phase linegalite
k+1

I
+
(
k+1
). Lunique inverse de T
+
ayant
un
k
negatif existe si et seulement si la condition
k+1

I
+
(
k+1
) et la condition
k+1
< 0 sont
veriees. Dans le cas o` u lune de ces deux condi-
tions nest pas veriee, il nexiste pas de solution
negative et T
1
+
nest pas denie.
Lequation donnant lunique solution negative,
lorsquelle existe, à linversion de T
+
est donc :
k
=
b
_
b
2
4a
2a
avec
a
=
a
2
, b
= b
k+1
k+1
+a 1
c
+
=c
+
b
k+1
2
2
+a
k+1
(D.8)
D.2 Domaine de denition
Le domaine de denition de T
1
ij
, note 1
I
ij
, est
par denition limage par la transformee composite
T
ij
de son domaine de denition :
1
I
ij
= T
ij
(1
ij
) pour tout i, j +, (D.9)
Ces regions doivent etre exprimees analytique-
ment, an de denir complètement le modèle in-
verse. Remarquons que chacune des transforma-
tions composite est un homeomorphisme, cestà
dire que la transformation et son inverse sont tous
deux continus. Cela permet detablir une relation
dequivalence entre les topologies du plan de phase
et de son image [Vir]. Pour determiner limage
dune region nous allons utiliser la propriete to-
pologique suivante :
Theorème 14 Soit T une transformation de R
2
dans R
2
; soit R un ensemble ferme de R
2
; si T
est un homeomorphisme alors la propriete suivante
est veriee :
T
r
(T (R)) = T (T
r
(R))
o` u T
r
(X) est la frontière de X
(D.10)
On denit alors limage dune region 1
ij
par la
region ayant pour frontière limage de la frontière
de 1
ij
. Nous notons donc T
I
ij
limage par T
ij
de
la frontière T
ij
.
Rappelons que les frontières T
+
et T
(voir
la gure g. D.2) sont denies dans (C.16) par la
relation
k+1
(
k
,
k
) = 0. Les images de ces deux
frontières sont alors exprimees par
k+1
= 0 et
k+1
=
k
(la valeur de
k+1
etant deduite de
lequation (2.74)).
Les frontières images T
I
+
et T
I
sont donc de-

nies par :
T
I
+
:
k+1
= 0 lorsque
k+1
> 0 (D.11a)
T
I
:
k+1
= 0 lorsque
k+1
< 0 (D.11b)
Ces frontières constituent laxe des ordonnees
et concident avec les frontières T
et T
+
:
T (T
+
) = T
I
+
= T
et T (T
) = T
I
= T
+
.
Les frontières T
et T
+
sont denies
dans (C.17) par la relation
k
= 0. Les images res-
pectives T
I
et T
I
+
sont obtenues en eliminant la
variable
k
des relations respectives T
(
k
, 0) =
(
k+1
,
k+1
) et T
++
(
k
, 0) = (
k+1
,
k+1
). Ces
deux ensembles dequations induisent une rela-
tion entre
k+1
et
k+1
denissant les deux fron-
tières images. Ces deux relations correspondent
aux deux conditions dexistence dun unique in-
verse du cas - + et du cas - - .
Les frontières sont donc denies par les deux re-
112 Annexe D. Calcul du modèle NLD
-1
R
R
++
R
I
+
R
I
+
F
+
F
I
F
I
+
F

T (.) F
I
+
X
q
X
q
T (.)
T (.)
R
+
T (.)
F
R
+
R
I
F
I
F
+
R
I
++
Domaines de denition de la transformee T Domaines de denition de la transformee inverse T
1
Fig. D.2 : Domaines et frontières des domaines de denition des transformees inverses
lations suivantes :
T
I
:
k+1
=
I
(
k+1
) lorsque
k+1
0
avec
(
k+1
) =
1
1 +
k+1
+b
k+1
1
(D.12a)
T
I
+
:
k+1
=
I
+
(
k+1
) lorsque
k+1
0
avec
I
+
(
k+1
) =

k+1
1 +
k+1
_
b +
b
k+1
2
1 a
_
(D.12b)
Les domaines de denition des transformees in-
verses composites sont denis à partir de leurs
frontières :
1
I
++
: (, ) [
I
+
() et 0
1
I
: (, ) [
I
() et 0
1
I
+
: (, ) [
I
() et 0
1
I
+
: (, ) [
I
+
() et 0
(D.13)
Annexe E
Realisation experimentale de la
BVPIC
Cette annexe presente la realisation dune BVP
IC à partir de composants du commerce. Pour tes-
ter la stabilite du circuit deux circuits de mesure
ont ete crees. Leur utilisation est expliquee dans
le 3.9 (page 92). Un de ces circuits detecte la
presence de la tension dentree de lOCT dans une
certaine fenetre detecteur de stabilite et lautre
detecte lapparition dune sequence particulière du
DPF detection de linstabilite.
Il existe plusieurs circuits integres contenant les
blocs dune BVP prets à cabler. Par contre, les
constructeurs ne proposent pas de BVP par im-
pulsion de charge : larchitecture la plus proche
est celle du HC4046 proposant un detecteur de
phase logique de type III. Mais celuici commande
le ltre par des impulsions de tension et non de
courant.
Nous avons donc ete contraint de realiser le de-
tecteur de phase/frequence et le generateur dim-
pulsions de courants à partir de composants dis-
crets. Nous avons choisi le XR2206 comme oscilla-
teur controle en tension pour sa bonne linearite et
la qualite de son rapport cyclique.
La g. E.3 montre le schema de cablage de la
platine experimentale comportant les references
et valeurs des composants. On discerne dans ce
schema, entoure en pointille, les principales parties
de la BVPIC : le detecteur de phase/frequence ;
le generateur dimpulsions (appele pompe de
charge sur le schema) ; loscillateur controle en
tension (VCO) ; le discriminateur de tension (de-
tecteur de proximite) et le detecteur de sequences.
La realisation de loscillateur controle en tension
est entièrement assuree par le XR2206 : nous nen
presentons donc pas le fonctionnement. Le discri-
minateur de tension est realise par un simple mon-
tage en comparateur de tension, la lecture sur le
schema de la g. E.3 sut à sa comprehension.
Nous expliquons dans la suite le principe de fonc-
tionnement des autres parties de la BVPIC ne-
cessitant quelques explications.
E.1 Le detecteur de phase
frequence
Le detecteur de la g. E.1 est realise à partir
de deux bascules D et dune commande de mise à
zero.
Q
Q
D
R
D
R
Q
Q
1
1
v
ref
v
b
v
haut
v
bas
raz
Fig. E.1 : Le detecteur de phase/frequence de type III
Larrivee dun front sur une des bascules pro-
voque le mise à 1 de la sortie qui lui correspond.
Si lautre sortie est dejà active, les bascules sont
remises à zero par le signal raz de la porte ET.
Les trois etats +, et 0 du DPF sont donc repre-
sentes par les combinaisons 10, 01 et 00 des sorties
v
haut
et v
bas
. Cette realisation simple du DPF a le
desavantage deectuer un alea de course passant
par letat 11 lors dune remise à zero. Cette brève
impulsion na pas deet signicatif sur le reste du
circuit.
113
114 Annexe E. Realisation experimentale de la BVPIC
E.2 Le generateur dimpul-
sions de charge
Le schema de principe du generateur dimpul-
sions est presente dans la g. E.2. Il est compose
de deux sources de courant stabilisees et de quatre
commutateurs de type CMOS.
+
I
c
I
c
v
haut
v
bas
i
c
(t)
v
oct
(t)
Commutateurs CMOS
R
C
R
z
V
z
R
z
V
z
V
m
12V
-12V
Fig. E.2 : Le generateur dimpulsions
Les deux sources de courants stabilisees sont as-
surees par deux transistors et deux diodes Zener.
On xe ainsi une tension V
z
V
BE
aux borne de la
resistance R
z
, V
BE
etant la tension baseemetteur
des transistors. La valeur du courant stabilise est
donc I
c
=
V
z
V
BE
R
z
.
Le courant de chacune de ces deux sources est
dirige, par les commutateurs de type CMOS, vers
le noeud du ltre ou detourne vers le noeud de po-
tentiel V
m
. On xe, via lamplicateur operation-
nel, le noeud V
m
au meme potentiel v
oct
que celui
du ltre ; de cette manière on favorise la rapidite
des commutations de courant.
On obtient ainsi une impulsion de courant posi-
tive lorsque v
haut
est actif et v
bas
inactif, et une im-
pulsion negative dans le cas inverse. Lorsque v
haut
et v
bas
sont tout deux inactifs, aucun courant nest
transmis vers le noeud du ltre.
Cette realisation permet dobtenir des com-
mutations susamment rapides au depend dune
consommation en courant accrue. Nous avons
choisi dans cette application une tension dalimen-
tation symetrique de 12V compatible avec les
commutateurs CMOS, et un courant de charge
I
c
= 1mA.
E.3 Le detecteur de sequence
Le fonction du detecteur de sequence est de de-
tecter lalternance repetee entre une impulsion de
courant positive et une impulsion negative. Si lon
note v
haut
et v
bas
les fronts actifs de v
haut
et v
bas
, cette alternance correspond à la sequence
devenements v
haut
; v
haut
; v
bas
; v
bas
.
Pour detecter cette sequence particulière, on
construit la machine à etat dont le graphe est
donne dans la g. E.3. Sa realisation est simpliee
en utilisant un compteur binaire dont les deux sor-
ties S
0
et S
1
codent letat du graphe de la g. E.3.
Ce compteur est realise par deux bascules D mises
en cascade possedant une entree de remise à zero
commune.
On remarque que le compteur doit etre incre-
mente par v
haut
lorsque S
1
= 0 ou par v
bas
lorsque S
1
= 1. Le compteur doit etre remis à
zero par v
haut
lorsque S
1
= 1 ou par v
bas
lorsque S
1
= 0. Il est alors facile de diriger les
fronts v
haut
et v
bas
, soit vers lentree dhor-
loge, soit vers la remise à zero du compteur, selon
letat de S
1
.
v
bas
v
bas
v
haut
v
bas
v
haut
v
bas
v
haut
S
1
S
0
0 0
0 1
1 0
1 1
Fig. E.3 : Le graphe detat du detecteur de sequence
On genère la sortie du detecteur de sequence
avec une bascule mise à 1 lorsque S
1
= 1 et S
0
= 1
E.3. Le detecteur de sequence 115
(cest à dire lorsquune sequence entière a ete ob-
servee sans erreur) et remise à zero par le meme
signal de remise à zero que le compteur (cest à
dire lorsque il y a eu une erreur dans la sequence).
On obtient ainsi une sortie qui est 1 lorsque lal-
ternance de charge positive et negative est obser-
vee, et ` a zero dès que cette alternance est rompue.
La mesure de cette sortie permet de tester linsta-
bilite du système.
116 Annexe E. Realisation experimentale de la BVPIC
Fig. E.4 : schema
Annexe F
Optimisation de la BVPIC dordre
deux
117
118 Annexe F. Optimisation de la BVPIC dordre deux
USING AN EVENT-DRIVEN MODEL TO
OPTIMISE CHARGE PUMP PHASE LOCKED
LOOPS.
Pascal ACCO
LESIA Laboratoire d
Etude des Systmes Informatiques et Automatiques,

INSA Institut National des Sciences Appliques, DGEI,
135 avenue de Rangueil, 31000 Toulouse, France.
e-mail: pascal.acco@insa-tlse.fr
WWW: http://www.lesia.insa-tlse.fr/
Abstract
The design of CP-PLL is a dicult exercise be-
cause of the wide range of applications and the com-
plexity of modelling. As shown in [1] a good be-
havioural model of the second order CP-PLL is the
event driven model proposed in [3]. The event-
driven model can run very fast simulations with a
good accuracy. In this paper we will dene a crite-
rion to measure the quality of a design. This crite-
rion will be suitable for most applications. An opti-
misation of this criterion is possible and will help to
design the lter parameters.
1 Introduction
In [1] the event-driven model for a CP-PLL is com-
pared to the Spice transistor-level model. It appear
that the event-driven model gives almost the same
results than the Spice model. The dierences are
due to non-linearities that are not modelled in the
system such as the VCO characteristic and the cur-
rent source dynamics.
The cost of the high accuracy of the Spice-model
is the time taken to run one simulation. This time
can reach one day to simulate a 20 s long response
(Sparc 5 - 200 MHz). Event-driven simulation on
the same computer is 140 millions times faster.
Moreover, the model equations are very easy to
determine compared to those found in the discrete
time non-linear model in [4]. This relative sim-
plicity allows one to add some complex phenomena
such as overload and noise generation in the circuit.
To help the designer, a simulation can be done
for each set of parameter values. A criterion can
be applied to these simulations to determine the
quality of each design. The parameters that give
the best criterion value will be taken as a starting
point by the designer.
2 Introduction of noise in the model
In this paper we will consider the same CP-PLL and
use the same notation as in [3]. We will introduce
Ip
Ip
C1
R
1
N
U
D
v
b
N
v
t
r
vr
PFD
III
vc
VCO
vv
ip
v
t
v
Figure 1: CP-PLL model with input and output
noise
white Gaussian noise at the input and at the output
of the model as shown in 1. This noise will allow us
to develop a criterion to measure the noise rejection
of the CP-PLL.
The noise eects are represented in the model
by small variable delays on the expected input and
output falling edges. The input delay t
r
and the
output delay t
v
have a Gaussian distribution cen-
tred on zero with respective standard deviations
r
and
v
.
The noise in the VCO input voltage v
t
v can not
be directly represented in the model because it is
not constant between two events. So, we consider
that the time of the next falling edge of the VCO
output is delayed of t
v
. The relation between v
t
v
and t
v
is not explicit as it is the solution of a vari-
able bound integration of the noise v
t
v .
Usually those standard deviations are smaller
than the input signal period T and their values are
around 200 ps. The probability of a noise value
greater than the period T is small but not zero.
So, to respect the principle of causality, noise sam-
ples whose absolute values are greater than T will
119
be erased from the sequence.
The dates of the events are disturbed by the in-
troduction of these noise. When the noise sample is
large and negative the date of the next event can be
smaller than the date of the initial event. In these
cases the date of the next event will be chosen at
t
min
seconds after the initial event.
To introduce noise in the event-driven model, the
equation which determines next event date (1) is
changed in (2):
t
k+1
= min(t
v
k+1
, t
r
k+1
) (1)
t
k+1
= max(min(t
v
k+1
+t
v
, t
r
k+1
+t
r
), t
min
) (2)
With equation (2) the PFD pulse width can not
be smaller than t
min
. This time correspond to the
delay introduced by the gates and the buers in the
reset feedback signal of the state machine described
in [5].
When the event is a VCO feedback signal falling
edge the VCO phase must be a multiple of 2 which
means the VCO falling edge. This is obtained by
replacing the term t
k+1
by t
v
k+1
in the VCO phase
equation (3). When the input noise is introduced
the phase of the input signal can no longer be de-
duced from the time variable. A falling edge will
not appear when the time is a multiple of the period
T because this period is not constant but noisy. A
new variable
r
k
is added to represent the phase of
the input signal. Its equation (4) has to be added
to the event-driven model.
r
k+1
=
r
k
+
(t
k+1
t
k
)
T
2 (4)
As for equation (4) when the event is an input signal
falling edge the term t
k+1
is replaced by t
r
k+1
in (4).
With these equations the output or input signal
falling edge event are recognised by testing respec-
tively whether
v
k
or
r
k
is a multiple of 2.
3 Optimisation criterion
The PLL design constraints chosen in this study
are the input noise rejection constraint, the VCO
noise rejection constraint and the fast locking time
constraint (which include the stability constraint).
A criterion which estimates all these constraints
and displays the relative strength of each constraint
will be dened. This criterion will be used to de-
sign a PLL for dierent kinds of applications. The
design of a frequency synthesiser makes the fast dy-
namics more important than the noise rejection,
whereas in the design of a clock recovery system
noise rejection is the most important constraint.
In [2] a linear combination of the locking time
and the residual noise at the N-divider output is
proposed to solve this problem. This criterion is
not used here because it can not measure directly
the noise at the VCO output.
An image of the VCO output frequency is the in-
stantaneous VCO input voltage. The event-driven
model permits us to calculate very easily this volt-
age at any moment of the simulation. The criterion
proposed in this paper is described by (5).
A
k+1
= A
k
+
tk+1
tk
|v
goal
v
c
(t)| dt (5)
with A
0
= 0
and v
goal
=
F
r
N
K
v
This equation is the recurrence equation that cal-
culates at each step the integration of the dierence
between the steady-state voltage value v
goal
and the
instantaneous voltage value of the VCO input v
c
(t).
The steady-state voltage value is the VCO input
voltage for which VCO frequency is equal to NF
r
.
The expression for v
c
(t) is linear between events,
so a simple analytical expression of the primitive of
the integration exists and is very rapidly calculated.
The criterion function F chosen is the VCO input
voltage error mean value. After one simulation the
criterion value is obtained by dividing the last value
of the integration A
n
by the length of the simulation
t
n
where n is the number of the last iteration.
A bad input and/or output noise rejection will
increase the criterion. The strength of input and
output noise constraints increases with the values
of the white Gaussian standard deviation
r
and
v
.
A low dynamic or an unstable system will in-
crease the criterion because of its long acquisition
time. The strength of this criterion is increased by
choosing an initial capacitor voltage value far from
its steady-state value.
The jump voltage across the resistor which ap-
pears directly on the VCO input also increases the
cost function F. This permits us to take into ac-
count the modulated noise generated at the VCO
output by these jump voltages. This is the main ad-
vantage compared to the criterion proposed in [2]
which can not see these modulations from the
N-divider output.
This criterion can assess the strength of each de-
sign constraint (noise rejection and dynamics) and
also measures the noise generated by the jump volt-
age across the resistor. This recursive criterion can
be calculated in the same time of the simulation
and does not signicantly increase the simulation
time.
v
k+1
=
v
k
+ 2
K
v
2
t
2
k+1
t
2
k
+ [f
v0
K
v
(t
k
v
k
I
p
R)]
(t
k+1
t
k
) (3)
The relative choice of
r
and
v
is easy because
those two variables are dened as the standard de-
viation of the noise that can be measured and is in
the range of 200 ps.
But the choice of the initial error voltage at the
VCO input is not immediate and need to be ad-
justed on some well known good design to get an
idea of its value.
4 Optimisation by parametric sweep
As the simulation and evaluation time cost are very
low, a sweep of all physically reachable values of
(R,C) could be done. For each point in the (R,C)
parametric plane a simulation and an evaluation
is done. The results are stored in a matrix which
could be plotted to see the evolution of the criterion
as a function of R and C. The optimal value is im-
mediately found without complex algorithm. This
sweep also allows one to see the criterion degra-
dation when the parameters are dierent from the
optimal values.
For example, in the case of clock recovery systems
the noise rejection is the most important constraint.
In this case the criterion is calculated with a strong
noise at the input and in the VCO. As the fast
dynamic is not important in these designs the initial
voltage error is zero.
A parametric sweep of all the resistor values from
0 to 100 K and all the capacitor value from 50 pF
to 1000 pF is done for a simulation horizon of 20
s. This kind of sweep represents 65025 simulations
computed in 40 seconds with a Sparc 5 processor
running at 200 MHz. The equivalent time with the
Spice model is around a few centuries.
To help the design it is interesting to evaluate
what can be the best design for a given capacitor
value. For each capacitor value, all the resistors
values are swept and the value that gives the best
criterion is stored.
g. 3 displays the optimal resistor for each capac-
itor value. g. 2 represents the criterion value for
each capacitor value and their corresponding opti-
mal resistor. When the capacitor is smaller than a
few pF, the criterion value increases suddenly, this
is connected to the overload phenomenon. This
phenomenon occurs when the VCO input voltage
becomes greater than the power supply V
cc
. The
modelling of overload phenomenon is not described
in this paper. For larger capacitors, the quality in-
crease up to the optimal value. With g. 2, the
designer can directly choose the value of the capac-
itor and manage the compromise between a large
and expensive capacitor and a good design. In this
case a good compromise is a 300pF capacitor and
a 17.5K resistor.
5 Conclusion
An optimisation method using the event-driven
model for the CP-PLL has been proposed. This
method gives the optimal design considering an
evaluation criterion of the noise rejection and the
fast dynamic of the circuit. The very low run time
execution of this model permits a designer to try
all possible values. With this method help is given
to improve the compromise between a small capac-
itor and a good design. This kind of model could
be applied to the third-order CP-PLL model. The
corresponding event-driven model needs to solve an
implicit equation at each step. An optimisation al-
gorithm should be used instead of brute force in
this case.
References
[1] P. Acco, M. P. Kennedy, C. Mira, B. Morley,
and B. Frigyik. Behavioral modeling of charge
pump phase locked loops. In ISCASS99, pages
375378, Orlando, Florida, may 1999. IEEE
Publishers.
[2] R. S. Co and J. H. Mulligan. Optimization of
phase-locked loop performances in data recov-
ery systems. IEEE Journal of Solid-State Cir-
cuits, 29:10221034, September 1994.
[3] C. D. Hedayat, A. Hachem, Y. Leduc, and
G. Benbassat. High-level modeling apllied to
the second-order charge-pump pll circuit. Tech-
nical report, Texas Instrument Technical Jour-
nal, volume 14, number 2, March - April 1997.
[4] M. van Paemel. Analysis of a charge pump pll:
a new model. IEEE Transactions on Commu-
nications, 42(7):24902498, July 1994.
[5] I. A. Young, J. K. Greason, and K. L. Wong.
A pll clock generator with 5 to 110 mhz of
lock range for microprocessor. IEEE Journal
os Solid-State Circuits, 27(11), November 1992.
121
12.0 11.6 11.2 10.8 10.4 10.0 9.6 9.2 8.8
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
Criteria in Volts
System overloaded by Vcc
Log(C)
Figure 2: Criterion vs capacitor
12.0 11.6 11.2 10.8 10.4 10.0 9.6 9.2 8.8
3.1
3.5
3.9
4.3
4.7
5.1
5.9
5.5
6.3
System overloaded by Vcc
Log(R)
Log(C)
Figure 3: Optimal resistor vs capacitor
Parameters for this optimisation:
Input signal frequency F
r
= 4 MHz Current pump value I
p
= 10 A
Divider value N = 50 PFD minimal pulse width t
min
= 1 ps
VCO gain K
v
= 100 MHz/V Power supply voltage V
cc
= 3.3 V
Liste des symboles
Symboles Grecs
dyn
Attenuation maximale desiree pour la pulsation
dyn
, page 63
e
Attenuation minimale desiree pour la pulsation
e
, page 65
oct
oct
, page 65
oct
Bruit à la sortie de lOCT, page 65
ref
Bruit du signal de reference, page 64
vm
Bruit sur la tension de lentree de lOCT, page 65
Ensemble des indices reperant les quatre transformations composites, page 38
Coecient damortissement dun système du deuxième ordre, page 30
ij
Fonction indicatrice, page 80
Erreur de tension normalisee du modèle discret nonlineaire, page 37
+
Tension normalisee separant le cas + + du cas + - du système discret nonlineaire,
page 108
I
+
Tension normalisee separant le cas + + du cas + - du système discret nonlineaire inverse,
page 111
0
+
Tension normalisee separant le cas + + du cas + - du système discret linearise, page 40
Tension normalisee separant le cas + - du cas - - du système discret nonlineaire inverse,

page 110
Tension normalisee separant le cas - + du cas - - du système discret linearise, page 40
Tension normalisee separant le cas - + du cas - - du système discret nonlineaire, page 108
0
Pulsation pour laquelle le gain du système en boucle ouverte est 1, page 62
dyn
La plus grande pulsation de la bande de frequence utile, page 63
e
Pulsation du bruit de modulation colore à rejeter , page 65
m
Pulsation de modulation dun signal, page 64
n
Pulsation naturelle dun système du deuxième ordre, page 30
oct
Pulsation du bruit de modulation colore à rejeter , page 65
ref
Pulsation du signal dentree, page 30
s
Pulsation du signal de sortie, page 63
Fonction de transition discrète dun système hybride, page 43
0
Phase du système lineaire lorsque le gain en boucle ouverte est unitaire, page 62
123
124 Liste des symboles
b
Phase du signal reboucle sur le DPF, page 24
i
Trajectoire de letat continu du système hybride lorsque letat discret est i, page 70
M
Marge de phase minimale, page 62
oct
Phase du signal de sortie de lOCT, page 23
ref
Phase du signal de reference à lentree de la BVPIC, page 26
X
Trajectoire de letat continu, page 50
ij
Plans de section du modèle hybride continu, page 70
s

Ecart type du bruit de modulation à la sortie, page 64
Retard, en temps normalise, du signal boucle sur le signal de reference dans le modèle discret
nonlineaire, page 37
1
Paramètre reduit de la BVPICdu troisième ordre, page 27
n
Paramètre reduit de la BVPICdu troisième ordre, page 27
b
Angle du signal boucle, page 29
e
Angle de lerreur de phase, page 29
ref
Angle de phase du signal de reference, page 29
s
Angle du signal de sortie, page 29
Symboles Romans
A
ij
Matrices dynamiques du modèle discret commute, page 83
A
n
ij
Sommet du polytope dont la fermeture convexe inclue T
ij
, page 90
B
P
Bande passante relative au bruit, page 64
C Capacite du condensateur du ltre lineaire du 1
er
ordre, page 22
C
1
Capacite du condensateur du ltre lineaire du 2
nd
ordre, page 22
C
2
Capacite du condensateur de lissage du ltre lineaire du 2
nd
ordre, page 22
T
ab
Carre de lespace des paramètres dans lequel varie les paramètres incertains, page 90
D
f
Domaine de denition de la fonction de transition continue dun système hybride, page 43
T
ij
Domaine de lespace des matrices dynamiques dans lequel se situe la matrice incertaine A
ij
,
page 90
D
Domaine de denition de la fonction de transition discrète dun système hybride, page 43

E

Etat du DPF, page 21
e

Etat du DPF en temps normalise du système normalise centre sur (0, 0), page 27
E
k

Etat discret du modèle hybride autonome, page 50
e

Etat du DPF en temps normalise, page 26
f Frontière de commutation dans lespace de phase, page 50
T
+
, T
, T
+
, T
Frontière separant les regions du système discret nonlineaire, page 108

T
I
+
, T
I
, T
I
+
, T
I
Frontière separant les regions du système discret nonlineaire inverse, page 111
T
0
+
, T
0
, T
0
, T
0
Frontière separant les regions linearisees du système discret linearise, page 40

T
BP
Frontière dans le plans des paramètres assurant une bande passante relative au bruit B
P
maximale,
page 64
125
T
dyn
Frontière dans le plans des paramètres assurant un gain susant à la pulsation
dyn
, page 63
T
e
Frontière dans le plans des paramètres assurant une attenuation susante à la pulsation
e
,
page 65
f
i
vecteur dierentiel de la variable detat du système hybride continu, page 70
f
imp
Fonction implicite permettant de determiner la date du prochain front actif du signal boucle dans
le modèle

Eve.3., page 52
T
MP
Frontière dans le plans des paramètres assurant une marge de phase minimale
M
, page 62
f
oct
Frequence instantannee de lOCT, page 23
F
ol
Frequence doscillation libre de lOCT, page 23
f
ref
Frequence du signal de reference, page 62
T
oct
Frontière dans le plans des paramètres assurant une attenuation susante à la pulsation
oct
,
page 65
T
vm
Frontière dans le plans des paramètres assurant une attenuation susante du bruit de tension à
lentree de lOCT, page 65
f Fonction de transition continue dun système hybride, page 43
G Fonction de transfert en boucle ouverte du modèle lineaire, page 35
G
2
Fonction de transfert en boucle ouverte du modèle lineaire du second ordre, page 36
G
3
Fonction de transfert en boucle ouverte du modèle lineaire du troisième ordre, page 36
H
2
Fonction de transfert en boucle fermee du modèle lineaire du second ordre, page 36
H
3
Fonction de transfert en boucle fermee du modèle lineaire du troisième ordre, page 36
H Fonction de transfert en boucle fermee du modèle lineaire, page 36
H
s
Fonction de transfert en boucle fermee de la sortie de lOCTvers la sortie, page 65
H Espace detat hybride dun système hybride, page 43
H Ensemble denissant un système hybride, page 43
I
c
Intensite des generateurs de courants du DPF, page 21
i
c
Courant à la sortie du DPF, page 20
i
c
Courant moyen à la sortie du DPF, page 21
i
p
Courant de charge constant pendant une impulsion utilise dans le modèle lineaire discret, page 31
j Le nombre imaginaire tel que j
2
= 1, page 62
K
oct
Gain de lOCT, page 23
/ Espace detat des variables discrètes dun système hybride, page 43
N Valeur entière du diviseur de frequence, page 23
N
dyn
Attenuation maximale desiree pour la pulsation
dyn
en decibels, page 62
N
e
e
N
oct
oct
p Paramètre reduit de la BVPICdu troisième ordre, page 27
R Ensemble des nombres reels, page 43
R Impedance de la resistance du ltre lineaire, page 22
R Rayon du cercle dans lequel les poles du système discret doivent se situer an de garantir une
stabilite robuste, page 68
1
ij
Domaine de denition du cas i j du système discret nonlineaire, page 107
1
I
ij
Domaine de denition du cas i j du système discret nonlineaire inverse, page 41
1
ijk
Domaine dexistence dune sequence ij jk du système discret nonlineaire, page 86
1
0
ij
Domaine de denition, linearise autour de (0, 0), du cas i j du système discret linearise, page 40
S
oct
Densite spectrale du bruit de modulation genere par lOCT(en rad
2
s), page 65
S
ref
Densite spectrale du bruit de modulation en entree (en rad
2
s), page 64
S
s
Densite spectrale du bruit de modulation à la sortie (en rad
2
s), page 64
S
vm
Densite spectrale du bruit à lentree de lOCT(en
V
2
/s), page 65
Espace de denition des entres discrètes dun système hybride, page 43
t
b
Date normalisee du prochain evenement du signal boucle, page 51
t
b
Date normalisee du prochain evenement du signal boucle du système dordre trois, page 52
t Temps normalise à la periode du signal de reference du système normalise centre sur (0, 0), page 27
t
i
Date de levenement i, page 50
T
1
Transformation inverse du système discret, page 40
T
1
Transformation inverse du système discret, page 109
T
ij
Transformations composites du système discret, page 38
T
k
Transformations locales composant un cycle limite du système hybride continu, page 70
t Temps normalise à la periode du signal de reference, page 26
t
oct
Periode en temps normalise du signal boucle, page 105
t
p
Duree approchee dune impulsion de charge dans le modèle lineaire discret, page 31
t
r
Date normalisee du prochain evenement du signal dentre, page 51
v
b
Tension du signal reboucle sur leDPF, page 24
v
bas
Tension de sortie du DPF commandant une decharge de courant, page 21
v
c
Tension aux bornes de la capacite du ltre, page 22
v
charge
Tension du signal de sortie du DPF, page 14
v
haut
Tension de sortie du DPF commandant une charge de courant, page 21
v
oct
Tension en entree de loscillateur controle en tension, page 22
v
oct
Tension moyenne à lentree de loscillateur controle en tension, page 29
v
ref
Signal dentree ou de reference, page 14
v
s
Tension à lentree de lOCT en regime stabilise, page 14
w Phase normalisee du signal dentre, page 51
w
k
Phase normalisee du signal dentre à linstant t
k
, page 51
X Vecteur detat du système normalise centre sur (0, 0), page 44
x Erreur de phase normalisee à lunite, page 26
x
t
Valeur de la phase normalisee à la n dune impulsion negative, page 49
127
X Vecteur detat du système normalise, page 43
x Phase normalisee du signal boucle, page 26
X
q
Point xe du modèle NLDL, page 39
y Erreur de tension normalisee aux bornes de la capacite C ou C
1
, page 26
y Tension normalisee aux bornes de la capacite C ou C
1
, page 26
Z Transformee en z, page 35
z Erreur de tension normalisee aux bornes de la capacite C
2
, page 28
Z
f
Impedance lineaire du ltre, page 29
Z
f1
Impedance lineaire du ltre du premier ordre RC , page 36
Z
f2
Impedance lineaire du ltre du deuxième ordre RC
1
C
2
, page 36
z Tension normalisee aux bornes de la capacite C
2
, page 28
Liste des acronymes
APLL Boucle à Verrouillage de Phase Analogique. Le sigle est issu de lappellation anglaise Analog
Phase Locked Loop
AQC Approximation QuasiContinue
BVP Boucle à Verrouillage de Phase
BVPIC Boucle à Verrouillage de Phase par Impulsion de Charge
DP Detecteur de Phase
DPF Detecteur de Phase Frequence
DPLL Boucle à Verrouillage de Phase entièrement Numerique. Le sigle est issu de lappellation anglaise
Digital Phase Locked Loop
Eve. (modèle) Modèle

Evenementiel
Eve.3 (modèle) Modèle

Evenementiel dordre trois
FLM Fonctions de Lyapunov multiples abregees par MLF en Anglais
IML Inegalites Matricielles Lineaires abrege par LMI en Anglais
HybCN (modèle) Modèle Hybride Continu Normalise
HybCNC (modèle) Modèle Hybride Continu Normalise Centre
HybDL (modèle) Modèle hybride discret local en trajectoire
HybDLe (modèle) Modèle hybride discret linearise
HybNum. (modèle) Modèle hybride discret linearise
HybSeq. (modèle) Modèle discretise le long dune sequence
LC (modèle) Modèle Lineaire Continu
LD (modèle) Modèle Lineaire Discret
LD (modèle) Modèle Lineaire Discret à impulsion de Dirac
LDBrut (modèle) Modèle Discret par impulsion approchee
LD
Ech. (modèle) Modèle Lineaire Discret par echantillonnage du courant moyen

NLD
-1
(modèle) Modèle NonLineaire Discret Local Inverse
NLDG (modèle) Modèle NonLineaire Discret Global
NLDL (modèle) Modèle NonLineaire Discret Local
NLDLe (modèle) Modèle Discret Linearise
NSC Noyau Suprachiasmatique
OCN Oscillateur Controle Numeriquement
OCT Oscillateur Controle en Tension
129
130 Liste des acronymes
Index
Evenements discrets, 42
Lyapunov
fonction multiples, 77
methode directe, 75
première methode, 75
ACQ, 17
approximation quasi continue, 28
Boucle à verrouillage de phase, 13, 14
BVP
à Impulsion de Charge, 16
Cycle limite, 69
Detecteur de phase, 14
Detecteur de phasefrequence, 14, 20
Diviseur de Frequence, 14
Diviseur de frequence
modelisation, 23
Filtre passebas, 14, 21
Frequence, 6
Frequence instantanee, 7
Matrice incertaine, 80
Modelisation hybride, 42
Modèle
hybride discret, 46
Modèle evenementiel
du second ordre, 51
du troisième ordre, 52
Modèle hybride
normalise, 43
normalise centre, 44
trajectoires, 45
Modèle inverse
calculs, 109
denition, 40
Modèle lineaire
continu, 28
Modèle lineaire discret, 31
Modèle linearise discret, 39
Modèle local, 54
en trajectoire, 54
en sequence, 54
Modèle non-lineaire discret, 37
Normalisation
des paramètres, 24
des variables, 24
troisième ordre, 27
Oscillateur
shishi odoshi , 8
Oscillateur à relaxations, 8
modèle hybride, 9
phase instantanee, 10
Oscillateur controle, 14
Oscillateur controle en tension, 22
frequence doscillation libre, 23
gain de lOCT, 23
Paramètres reduits, 24
Phase, 6
Phase instantanee
dun oscillateur à relaxations, 10
Phaseur, 99
Point de fonctionnement
denition, 25
unitaire, 25
Point xe, 39
Polytope
fermeture convexe, 80
sommet, 80
polytope, 80
Recurrence de Poincar e, 46
Rythme biologique, 11
Sequence, 47
Saturation, 17
Signal
chirp, 8
analytique, 11
carre, 10
Simulation hybrides, 49
Sommet dun polytope, 80
Stabilite
polyquadratique, 81
quadratique, 81
Spolyquadratique, 89
131
132 Index
stabilite
quadratique, 77
Système hybride
oscillateur à relaxations, 9
Transformations composites, 38
Variables reduites, 24
Verrouillage de phase
historique, 13
la boucle, 14
principe, 11
Zone morte, 17, 20
Index des auteurs
Acco , P. 14, 16, 71, 87, 92, 133
Ahrendt 60, 133
Alary , F. 16, 87, 133
Amato , F. 78, 133
Andersson , M. 47, 133
Antsaklis , P. J. 40, 72, 73, 133, 136, 137
Appleton , E. V. 11, 133
Aschoff , J. 9, 133
Balakrishnan , V. 79, 133
Barmish , B.R. 75, 79, 133
Benbassat , G. 15, 135
Bernstein , D. S. 78, 135
Bernussou , J. 78, 79, 134
Bertram , J. E. 75, 135
Biham , O. 67, 134
Biswas , G. 47, 136
Blanchard , A. 14, 59, 133
Borkar , V. S. 40, 133
Boyd , S. 79, 133
Branicky , M. S. 40, 133
Branicky , M.S. 40, 73, 75, 79, 134
Celier , F. E. 40, 134
Cellier , F. E. 47, 134
Chen , G. 46, 67, 137
Chie , C. M. 14, 136
Chilali , M. 79, 134
Chua , L. O. 67, 70, 136
Crusius , C. 78, 137
Cuzzola , F.A. 81, 86, 134
Daafouz , J. 79, 134
David , R. 40, 134
Davrazos , G. 40, 72, 73, 134
DeCarlo , R. 40, 73, 75, 81, 134, 136, 137
Delebecque , F. 79, 135, 136
Demailly , J.-P. 50, 134
Diakonos , F. K. 67, 134
Do gruel , M. 40, 75, 134
Egan , W. F. 59, 62, 63, 134
Egardt , B. 40, 136
Elmqvist , H. 47, 134, 136
Feely , O. 14, 16, 133, 137
Feron , E. 79, 133
Ferrari-Trecate , G. 81, 86, 134
Filippov , A. F. 40, 67, 134
Fournier-Prunaret , D. 14, 16, 87, 133
Frankle , J. T. 14, 135
Gabor , D. 97, 134
Gahinet , P. 79, 134
Gardner , F. M. 14, 15, 26, 29, 32, 71, 134, 135
Geromel , J. C. 78, 134
Ghaoui , L. 79, 135
Ghaoui , L. El 79, 136
Ghaoui , L.E. 79, 133
Greason , J. K. 14, 138
Gupta , S. C. 14, 135
Hachem , A. 15, 135
Haddad , W. M. 78, 135
Hahn , W. 75, 135
Halla , H. 40, 134
Hedayat , C. D. 15, 135
Henrici , P. 50, 135
Hiskens , I. A. 67, 135
Hopcropt , J. E. 40, 135
Hou , L. 75, 81, 138
Houpis , C. H. 60, 134
Iung , C. 79, 134
Johansson , M. 79, 81, 135
Johns , D. 33, 135
Jury , E. I. 60, 135
Kalman , R. E. 75, 135
Kawabe , T. 46, 67, 137
Kawakami , H. 46, 67, 68, 135
Kharlamov , V. M. 39, 109, 137
Klapper , J. 14, 135
Kohn , W. 40, 136
Kolumb` an , G. 13, 59, 135
Kousaka , T. 46, 67, 68, 135
Koussoulas , N. T. 40, 72, 73, 134
Kuznetsov , Y. A. 70, 71, 136
Lambert , J. D. 47, 136
Laub , A. J. 79, 134
Leduc , Y. 15, 135
Lemmon , M. D. 40, 136
Lennartson , B. 40, 73, 134, 136, 137
Li , W. 75, 137
Liberzon , D. 72, 73, 136
Lindsey , W. C. 14, 135, 136
Martin , K. 33, 135
Mattei , M. 78, 133
Mattsson , S. 47, 136
133
134 Index des auteurs
Michel , N. 75, 81, 138
Mignone , D. 81, 86, 134
Mira , C. 48, 50, 70, 91, 136
Mitter , S. K. 40, 133
Morari , M. 81, 86, 134
Morse , A. S. 72, 73, 136
Mosterman , P. J. 47, 136
Mosterman , P.J. 47, 136
Nemirowski , A. 79, 134
Nerode , A. 40, 136
Netsvetaev , N. Y. 39, 109, 137
Nikoukhah , R. 79, 135, 136
Nilsson , P. 14, 136
Olsson , T. 14, 136
Otter , M. 47, 134
Pai , M. A. 67, 135
Parker , T. S. 67, 70, 136
Peleties , P. 40, 75, 81, 136, 137
Pettersson , S. 40, 73, 134, 136, 137
Pironti , A. 78, 133
Poincar e , H. 44, 67, 137
Pontryagin , L. S. 67, 137
Ramadge , P. J. 40, 137, 138
Rantzer , A. 79, 81, 135
Reinberg , A. 9, 137
Riedinger , P. 79, 134
Rogers , A. 14, 137
Roubine , E. 4, 137
Schmelcher , P. 67, 134
Sharpe , C. A. 15, 137
Slotine , J.-J. E. 75, 137
Sp aratu , A. 4, 137
Stephens , D. R. 13, 137
Stiver , J. A. 40, 136, 137
Taplin 60, 133
Tavernini , L. 40, 137
Teplinsky , A. 14, 137
Tittus , M. 40, 136
Trofino , A. N. 78, 137
Ueta , T. 46, 67, 68, 135, 137
Ullman , J. D. 40, 135
Ville , J. 97, 137
Viro , O. Y. 39, 109, 137
Viterbi , A. J. 14, 137
Weitzman , E. D. 9, 138
Witsenhausen , H. S. 40, 138
Wolaver , D. H. 62, 138
Wong , K. L. 14, 138
Wonham , W. M. 40, 137, 138
Ye , H. 75, 81, 138
Young , I. A. 14, 138
Yvanov , O. A. 39, 109, 137
Ozguner ,

U. 40, 75, 134
d Azzo , J. J. 60, 134
de Bellescize , H. 11, 134
de Coulon , F. 4, 134
de Oliveira , M. C. 78, 134
van Paemel , M. 15, 35, 103, 106, 138
van der Pol , B. 11, 137
Bibliographie
[Acc01a] P. Acco. Using an event-driven model to optimise charge pump phase locked loops. Dans
ISCASS01, pp. 389392. Espoo, Finland, august 2001.
[Acc01b] P. Acco. Vers une linearisation exacte de la boucle à verrouillage de phase. Dans JDA01,
pp. 249254. Toulouse, France, september 2001.
[Acc01c] P. Acco. Why do we linearise charge pump pll equations so early. Dans NDES01, pp.
173176. Delft, The Netherlands, june 2001.
[Acc02a] P. Acco. Inverse nonlinear model of the cp-pll. Dans Tenth International Workshop on
Nonlinear Dynamics of Electronic Systems (NDES 2001), pp. 173176. IEEE publishers, Izmir,
Turquie, June 2002.
[Acc02b] P. Acco, O. Feely & D. Fournier-Prunaret. The digital charge pump pll. Dans Inter-
national Symposium on Nonlinear Theory and its Applications (NOLTA02). IEEE publishers,
Xian, Chine, october 2002.
[Ahr51] Ahrendt & Taplin. Automatic feedback control. Mc GrawHill, 1951.
[Ala02] F. Alary, P. Acco & D. Fournier-Prunaret. Towards an automatic extraction of bifur-
cation diagrams. Dans International Symposium on Nonlinear Theory and its Applications
(NOLTA02). IEEE publishers, Xian, Chine, october 2002.
[Ama98] F. Amato, M. Mattei & A. Pironti. A robust stability problem for discrete-time systems
subject to an uncertain parameter. Automatica, tome 34, no. 4, 1998.
[And94] M. Andersson. Objectoriented modeling and simulation of hybrid systems. Thèse de doctorat,
Lund Institute of Technology, Lund, Suède, 1994.
[Ant00] P. J. Antsaklis. A brief introduction to the theory and applications of hybrid systems.
Proceedings of the IEEE, Special Issue on Hybrid Systems : Theory and Applications, tome 88,
no. 7, pp. 879887, July 200.
[App22] E. V. Appleton. Automatic synchronization of triode oscillators, part iii. Dans Proc.
Cambridge Phil. Soc., tome 21, pp. 231248. 1922.
[Asc81] J. Aschoff. Handbook of behavioral neurobiology, tome 4. Plenum Publication Corporated,
London, 1981.
[Bar84] B.R. Barmish. New Tools for Robustness of Linear Systems. Macmillan Publishing Comp.,
New York, 1984.
[Bla76] A. Blanchard. Phaselocked loops. Wiley, 1976.
[Boy94] S. Boyd, L.E. Ghaoui, E. Feron & V. Balakrishnan. Linear matrix inequalities in system
and control theory. SIAM, studies in applied mathematics, , no. 15, 1994.
[Bra94] M. S. Branicky, V. S. Borkar & S. K. Mitter. A unied framework for hybrid control.
Dans Proc. of the 33
rd
IEEE conference on decision and control, pp. 42284234. 1994.
[Bra95a] M. S. Branicky. Studies in hybrid systems : Modeling, Analysis, and control. Thèse de
doctorat, Massachusetts Institute of technologies, 1995.
[Bra95b] M. S. Branicky, V. S. Borkar & S. K. Mitter. A unied framework for hybrid control :
model and optimal control theory. tome 43, no. 1, pp. 3145, 1995.
135
136 Bibliographie
[Bra98] M.S. Branicky. Multiple lyapunov functions and other analysis tools for switched and hybrid
systems. IEEE Trans. Automatic Control, tome 43, no. 4, pp. 475482, April 1998.
[Cel79] F. E. Celier. Combined continuous/discrete system simulation by use of digital computers :
techniques and tools. Thèse de doctorat, Swiss Federal Institute of Technology, Z urich, Suisse,
1979.
[dA81] J. J. d Azzo & C. H. Houpis. Linear control system analysis and Design. Mac GrawHill
International Student Edition, 1981.
[Daa01] J. Daafouz & J. Bernussou. Parameter dependent lyapunov functions for discrete time
systems with time varying parametric uncertainties. Syst. Contr. Lett., , no. 43, pp. 355359,
2001.
[Daa02] J. Daafouz, P. Riedinger & C. Iung. Stability analysis and control synthesis for switched
systems : a switched lyapunov function approach. IEEE trans. on Automatic Control, tome 47,
no. 11, pp. 18831887, november 2002.
[Dav92] R. David & H. Halla. Petri nets and grafcet. Prentice Hall Int., 1992.
[Dav01] G. Davrazos & N. T. Koussoulas. A review of stability results for switched and hybrid
systems. Dans Mediterrenean conferences on control and automation. Dubrovnik, Croatia,
June 2001.
[dB32] H. de Bellescize. La reception synchrone. Onde Electr., tome 11, pp. 230240, June 1932.
[dC84] F. de Coulon. Theorie et traitement des signaux. Dunod, 1984. ISBN 2040157786.
[DeC00] R. DeCarlo, M.S. Branicky, S. Pettersson & B. Lennartson. Perspectives and results
on the stability and stabilizability of hybrid systems. Dans Proceedings of the IEEE, tome 88,
pp. 10691082. July 2000.
[Dem91] J.-P. Demailly. Analyse numerique et equations dierentielles. Presse Universitaires de Gre-
noble, 1991.
[Dia98] F. K. Diakonos, P. Schmelcher & O. Biham. Systematic computation of the least unstable
periodic orbits in chaotic attractors. Phys. Rev. Lett., tome 81, no. 20, pp. 43494352, 1998.
[dO99] M. C. de Oliveira, J. Bernussou & J. C. Geromel. A new discrete-time robust stability
condition. Systems & Control Letters, tome 37, no. 4, pp. 261265, 1999.
[Dog94] M. Do gruel &

U.

Ozguner. Stability of hybrid systems. Dans IEEE International
symposium on intelligent control, pp. 129134. 1994.
[Ega00] W. F. Egan. Frequency synthesis by phase lock. Wiley & Sons, 2000.
[Elm93] H. Elmqvist, F. E. Cellier & M. Otter. Objectoriented modeling of hybrid systems.
Dans Proc. of Europ. Simul. Symp. Delft, PaysBas, 1993.
[Fil88] A. F. Filippov. Dierential equations with discontinuous righthand sides. Kluwer Academic
Publishers, 1988.
[FT02] G. Ferrari-Trecate, F.A. Cuzzola, D. Mignone & M. Morari. Analysis of discrete-time
piecewise ane and hybrid systems. Automatica, tome 38, pp. 21392146, 2002.
[Gab46] D. Gabor. Theory of communication. IEE journal of the Institution of Electrical Engineers,
tome 93, no. 26, pp. 429457, November 1946.
[Gah94] P. Gahinet, A. Nemirowski, A. J. Laub & M. Chilali. LMI control toolbox for use with
Matlab. The MathWorks Inc., 1994.
[Gar79] F. M. Gardner. Phaselock Techniques. Wiley-Interscience, second edition, 1979.
[Gar80a] F. M. Gardner. Charge-pump phase-lock loops. IEEE trans. on Communications, tome
COM28, no. 11, pp. 18491858, nov 1980.
[Gar80b] F. M. Gardner & W. C. Lindsey. Special issue on synchronisation, part i. IEEE trans.
on Comm., tome COM28, pp. 11051388, 1980.
[Gar96] F. M. Gardner. Frequency granularity in digital phaselock loops. Dans IEEE Transactions
on Communications, tome 44 de 6, pp. 749758. jun 1996.
137
[Gha95] L. Ghaoui, R. Nikoukhah & F. Delebecque. Lmitool : an package for lmi optimization. ,
1995.
URL citeseer.nj.nec.com/elghaoui95lmitool.html
[Gup75] S. C. Gupta. Phase-locked loops. Dans Proceedings of the IEEE, tome 63, pp. 291306.
feb 1975.
[Had94] W. M. Haddad & D. S. Bernstein. Parameter-dependent lyapunov functions and the discrete-
time popov criterion for robust analysis. Automatica, tome 30, pp. 10151021, 1994.
[Hah67] W. Hahn. Stability of motion. Springer Verlag, 1967.
[Hed97] C. D. Hedayat, A. Hachem, Y. Leduc & G. Benbassat. High-level modeling apllied to the
second-order charge-pump pll circuit. Rapport technique, Texas Instrument Technical Journal,
volume 14, number 2, marapr 1997.
[Hed99] C. D. Hedayat, A. Hachem, Y. Leduc & G. Benbassat. Modeling and characterization of
the 3rd order charge-pump pll : a fully event-driven approach. Analog Integrated Circuits and
Signal Processing, tome 19, no. 1, pp. 2545, apr 1999.
[Hen64] P. Henrici. Elements of numerical analysis. John Wiley & Sons, 1964.
[His00] I. A. Hiskens & M. A. Pai. Trajectory sensitivity analysis of hybrid systems. IEEE Trans.
on Circuits and SystemsI, tome 47, no. 2, pp. 204220, Feb 2000.
[His01] I. A. Hiskens. Stability of limit cycles in hybrid systems. Dans Proceeding of the 34th Hawa
International Conference on System Sciences, pp. 16. Maui, HI, Jan 2001.
[Hop79] J. E. Hopcropt & J. D. Ullman. Introduction to automata theory, languages and computation.
AddisonWesley Publishing Company, 1979.
[INRa] INRIA. SCICOS manual, http ://www.scicos.org/ edition.
[INRb] INRIA. SCILAB manual, http ://www-rocq.inria.fr/scilab/ edition.
[Joh96] D. Johns & K. Martin. Analog Integrated Circuit Design, chapitre 16.4. Wiley and Sons,
1996.
[Joh98] M. Johansson & A. Rantzer. Computation of piecewise quadratic lyapunov functions for
hybrid systems. IEEE Trans. Automatic Control, tome 43, no. 4, pp. 555559, 1998.
[Jur82] E. I. Jury. Inners and stability of dynamic systems. Krieger publishing company, 1982.
[Kal60] R. E. Kalman & J. E. Bertram. Control system analysis and design via the second method
of lyapunov. Journal of Basic Engineering, tome 80, pp. 371400, 1960.
[Kla72] J. Klapper & J. T. Frankle. Phaselocked and frequencyfeedback systems. New York
Academic Press, 1972.
[Kol99] G. Kolumb` an. The Encyclopedia of Electrical and Electronics Engineering, tome 16, chapitre
PhaseLocked Loops, pp. 158188. Wiley & Sons, 1999.
[Kou99] T. Kousaka, T. Ueta & H. Kawakami. Bifurcation of switched nonlinear dynamical sys-
tems. IEEE Trans. on Circuits and SystemsII, tome 46, no. 7, pp. 878885, July 1999.
[Kou02] T. Kousaka, T. Ueta & H. Kawakami. Bifurcation behavior in a nonlinear circuit with a
stateperiod dependent switch. Dans NDES02, 3, pp. 14. Izmir, Turquie, June 2002.
[Kuz96] Y. A. Kuznetsov. Elements of applied bifurcation theory. SpringerVerlag, 1996.
[Lam91] J. D. Lambert. Numerical methods for ordinary dierential equations. John Wiley & sons,
1991.
[Lem93] M. D. Lemmon, J. A. Stiver & P. J. Antsaklis. Hybrid systems, chapitre Event identication
and intelligent hybrid control, pp. 317356. Springer Verlag, 1993.
[Len96] B. Lennartson, M. Tittus, B. Egardt & S. Pettersson. Hybrid systems in process
control. Control systems magazine, tome 16, no. 5, pp. 4555, 1996.
[Lib99] D. Liberzon & A. S. Morse. Basic problems in stability and design of switched systems.
IEEE Control Systems Magazine, tome 19, no. 5, pp. 5970, October 99.
138 Bibliographie
[Lin82] W. C. Lindsey & C. M. Chie. Special issue on pll, part i. IEEE trans. on Comm., tome
COM28, pp. 22212411, 1982.
[Mat92] The MathWorks. MATLAB reference guide, 1992.
[Mat97a] The MathWorks. SIMULINK dynamic system simulation for Matlab, Jan 1997.
[Mat97b] S. Mattsson & H. Elmqvist. Modelica an international eort to design the next generation
modeling language. Dans IFAC Symp. on computer aided control systems design, CACSD97.
Gent, Belgique, 1997.
[Mir87] C. Mira. Chaotic dynamics. World scientic Publishing, 1987.
[Mir90] C. Mira. Systèmes asservis nonlineaires. Aspects continus et discrets.
`
Editions Hermes, 1990.
[Mir94] C. Mira. Systèmes asservis nonlineaires. Traite des Nouvelles Technologies,

Editions Hermes,
1994.
[Mos97] P. J. Mosterman & G. Biswas. Principle for modeling, verication, simulation of hybrid
dynamic systems. Dans Fifht International conference on hybrid systems, pp. 2127. Notre
Dame, Indiana, 1997.
[Mos99] P.J. Mosterman. An overview of hybrid simulation phenomena and their support by simulation
packages. Dans Hybrid Systems : Computation and Control (HSCC99), pp. 165177. 1999.
[Ner93] A. Nerode & W. Kohn. Theory of hybrid systems, pp. 317356. Springer Verlag, 1993.
[Nik] R. Nikoukhah, F. Delebecque & L. El Ghaoui. Lmitool : a package for lmi optimization
in scilab - users guide.
URL citeseer.nj.nec.com/169693.html
[Ols01] T. Olsson & P. Nilsson. A digital pll made from standard cells. Dans ECCTD01, tome I,
pp. 277280. Espoo, Finland, August 2001.
[pag] Page hote du logiciel ubicus.
URL http://www.lesia.insa-tlse.fr/~acco/ubicus/ubicus_dyn.html
[Par89] T. S. Parker & L. O. Chua. Practical numerical algorithms for chaotic systems. Springer
Verlag, 1989.
[Pel88] P. Peleties & R. DeCarlo. Modeling of interacting continuous time and discrete event
systems : An example. Dans TwentySixth Annual Allerton Conference on Communication,
Control and Computing, pp. 11509. 1988.
[Pel89] P. Peleties & R. DeCarlo. A modeling strategy with event structures for hybrid systems.
Dans Proc. of the 28th IEEE Conference on Decision and Control, pp. 13081313. Tampa,
Floride, 1989.
[Pel91] P. Peleties & R. DeCarlo. Asymptotic stability of mswitched systems using lyapunovlike
functions. Dans Proceedings of the American Control Conference, pp. 16791684. Boston,
1991.
[Pel93] P. Peleties & R. DeCarlo. Discrete event dynamic systems : theory and applications, pp.
3969. 1993.
[Pet95] S. Pettersson & B. Lennartson. Hybrid modelling focused on hybrid petri nets. Dans
2
nd
European workshop on realtime and hybrid systems, pp. 3039. Grenoble, 1995.
[Pet99] S. Pettersson. Analysis and design of hybrid systems. Thèse de doctorat, Chalmers university
of technology, Goteborg, Suède, 1999.
[Poi99] H. Poincar e. Les nouvelles methodes de la mecanique celeste, tome 123. Gauthier Villars,
18929399.
[Pon62] L. S. Pontryagin. Ordinary dierential equations. AddisonWesley, 1962.
[Ram87] P. J. Ramadge & W. M. Wonham. Supervisory control of a class of discrete event processes.
SIAM Journal on Control and Optimisation, tome 25, no. 1, pp. 206230, 1987.
[Rei97] A. Reinberg. Les rythmes biologiques. Numero 734 dans Que saisje ? PUF, septième edition,
1997.
139
[Rou79] E. Roubine. Introduction à la theorie de la communication : signaux non aleatoires, tome I.
Masson, 1979. ISBN 222563470X.
[Sha76] C. A. Sharpe. A 3state phase detector can improve your nest pll design. Dans EDN, pp.
5559. September 1976.
[Slo91] J.-J. E. Slotine & W. Li. Applied nonlinear control. PrenticeHall, 1991.
[Spa70] A. Sp aratu. Theorie de la transmission de linformation : signaux et bruits, tome I. Masson,
1970.
[Ste98] D. R. Stephens. Phase-Locked Loops for wireless communications : Digital and Analog Im-
plementation. Kluwer Academic Publishers, 1998.
[Sti92] J. A. Stiver & P. J. Antsaklis. Modeling and analysis of hybrid control systems. Dans
Proc. of the 31st IEEE Conference on Decision and Control, pp. 37483751. Tucson, Arizona,
1992.
[Tav87] L. Tavernini. Dierential automata and their discrete simulators. tome 11, no. 6, pp.
665683, 1987.
[Tep99] A. Teplinsky, O. Feely & A. Rogers. Phase-jitter dynamics of digital phase-locked loops.
Dans IEEE Transactions on circuits and systems I, numero 46 dans 5, pp. 545548. may 1999.
[Tep00] A. Teplinsky & O. Feely. Phase-jitter dynamics of digital phase-locked loops : Part ii.
Dans IEEE Transactions on circuits and systems I, numero 47 dans 4, pp. 458473. apr 2000.
[Tro99] A. N. Trofino & C. Crusius. Sucient lmi conditions for output feedback control problems.
IEEE Transactions on Automatic Control, tome 44, no. 5, 1999.
[Uet01] T. Ueta, G. Chen & T. Kawabe. A simple approach to calculation and control of unstable
periodic orbits in chaotic piecewiselinear systems. International Journal of Bifurcation and
chaos, tome 11, no. 1, pp. 215224, 2001.
[vdP27] B. van der Pol. Forced oscillators in a circuit with non-linear resistance. (reception with
reactive triode). Phil. Mag., tome 3, pp. 6480, 1927.
[Vil48] J. Ville. Theorie et applications de la notion de signal analytique. Cables et Transmissions,
tome A, no. 2, pp. 6174, 1948.
[Vir] O. Y. Viro, O. A. Yvanov, N. Y. Netsvetaev & V. M. Kharlamov. Elementary Topology :
A rst course, chapitre 8. http ://at.yorku.ca/i/a/a/i/07.htm.
[Vit66] A. J. Viterbi. Principles of coherent communications. Mc GrawHill, 1966.
[vP94] M. van Paemel. Analysis of a charge pump pll : a new model. IEEE Transactions on
Communications, tome 42, no. 7, pp. 24902498, jul 1994.
[Wei81] E. D. Weitzman. Sleep and its disorders. Annual Review of Neuroscience, , no. 4, pp.
381417, 1981.
[Wit66] H. S. Witsenhausen. A class of hybridstate continuoustime dynamic systems. IEEE
Transaction on automatic control, tome 11, no. 2, pp. 1617, 1966.
[Wol91] D. H. Wolaver. Phaselocked loop circuit design, pp. 97105. PrenticeHall, 1991.
[Won87] W. M. Wonham & P. J. Ramadge. On the supremal controllable language of a given
language. SIAM Journal on Control and Optimisation, tome 25, no. 3, pp. 637659, 1987.
[Ye98] H. Ye, N. Michel & L. Hou. Stability theory for hybrid dynamical systems. IEEE trans.
on Automatic Control, tome 43, no. 4, pp. 461474, 1998.
[You92] I. A. Young, J. K. Greason & K. L. Wong. A pll clock generator with 5 to 110 mhz of lock
range for microprocessor. IEEE Journal os Solid-State Circuits, tome 27, no. 11, nov 1992.

These Pascal Acco

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

These Pascal Acco

Uploaded by

Copyright:

Available Formats

N

Etude des Syst` emes Informatiques et Automatiques

Ecole Doctorale Syst`emes

Etude de la boucle `a verrouillage de phase

Echantillonneur SPLL DSPLL

Etant donne le nombre de param`etres impor-

Ech. par la suite. On peut retrou-

X(t) = f (X(t), E(t), u(t))

Ech. mod`ele lineaire discret

Eve.3 (simulation seminumerique du mo-

puisse etre trou-

et la valeur des multiplicateurs

na ete observee dans un voisinage arbitrairement

= 1 . . . n) et doivent former une partition du

telles que pour tout triplet ijk

des formes quadratiques de la

(X) sont nulles

lineaire en a. Les matrices A

represente dans la g. 3.18 : son domaine de va-

peut ainsi etre

(a, b, c) inclut le domaine de variation de cette

plus faible permet dagrandir considerablement la

Letat du DPF change soit lors dun front du

. Legalite devient donc :

; elles correspondent aux intersections de la

, montrees dans la g. C.6.

sont donc denies par

nest pas denie.

sont donc de-

Etude des Systmes Informatiques et Automatiques,

Tension normalisee separant le cas + - du cas - - du syst`eme discret nonlineaire inverse,

Tension normalisee separant le cas - + du cas - - du syst`eme discret linearise, page 40

Domaine de denition de la fonction de transition discr`ete dun syst`eme hybride, page 43

Fronti`ere separant les regions du syst`eme discret nonlineaire, page 108

Fronti`ere separant les regions linearisees du syst`eme discret linearise, page 40

Eve. (mod`ele) Mod`ele

Eve.3 (mod`ele) Mod`ele

Ech. (mod`ele) Mod`ele Lineaire Discret par echantillonnage du courant moyen

You might also like