Commande Backstepping

Ministre de lEnseignement Suprieur et de la Recherche Scientifique
Universit Ferhat ABBAS Stif

UFAS Algrie
THESE
Prsente la facult de Technologie
Dpartement
Electronique
Pour lobtention du diplme de
Doctorat es sciences
Par
Mme Laarem GUESSAS
Thme
Backstepping Backstepping adaptatif pour le

contrle la poursuite et la synchronisation des
systmes dynamiques non linaires chaotiques
Soutenue publiquement le
devant un jury compos de :
Mr. Fateh Krim
Prof. lUniversit de Stif
Prsident du jury
Mr. Khier Benmahammed Prof. lUniversit de Stif
Rapporteur
Mr. Malek Benslama
Prof. lUniversit de Constantine Examinateur
Mr. A. Fettah Charef
Prof. lUniversit de Constantine Examinateur
Mr. Mohamed Harmas
MCA. lUniversit de Stif
Examinateur
Mr. Mohamed Boumahrez MCA. lUniversit de Biskra
Examinateur
Remerciements
Ce travail de thse sachevant vient le moment des remerciements. Mille excuses ceux
o celles que je vais oublier, mais je vais quand mme tcher de faire de mon mieux, Je tiens
exprimer ma profonde gratitude toutes celles et ceux qui mont apport leur soutien, leur
amiti o leur exprience tout au long de ce travail de thse.
Tout dabord je souhaite remercier Monsieur le Professeur Krim Fateh de lUniversit de
Stif pour lhonneur quil ma fait de bien vouloir prsider ce jury de thse.
Les Professeurs Malek Benslama, Abedelfateh Charef de lUniversit de Constantine, le
Professeur Mohammed Harmas de lUniversit de Stif et le docteur Mohamed Boumahrez de
lUniversit de Biskra ont accept dexaminer ce travail, je leur adresse mes plus sincres remerciements.
Il ne saurait tre question de ne pas parler ici de mon encadreur le professeur Khier
Benmahammed directeur du laboratoire des systmes intelligents et de traitement de signal de
lUniversit de Stif, sans qui ce travail naurait jamais vu le jour, sa culture scientifique a favoris le dveloppement de cette thse.
Un grand merci mes amis collgues, pour certains dj docteurs, et permanents de luniversit de Stif, pour leur aide durant mes travaux de thse.
Merci enfin ma petite famille, poux et enfants pour mavoir toujours soutenu, un salut du
coeur ma mre pour ses prires, ses encouragements et son soutien tout au long de ma thse.
ii
REMERCIEMENTS
Rsum
Dans ce travail nous avons trait le problme de commande de stabilisation, de commande
en poursuite de trajectoire rfrence et de la synchronisation des systmes dynamiques non
linaires chaotiques. Ce travail de recherche est motiv par des dfies aussi bien thoriques
que pratiques poss pour le chercheur. En effet, ces systmes ne peuvent pas tre stabiliss
directement par des commandes lisses invariantes dans le temps, de plus en dpit du nombre
de mthodes disponibles pour la commande locale de ces systmes, peut-on utiliser de nouvelles mthodes telles que le Backstepping et le Backstepping adaptatif dans la formulation du
problme de commande et le besoin de faire face aux singularits rencontres dans quelques
systmes chaotiques ?
Cette thse saddresse certains de ces problmes, formule et rsouds les problmes de commande, de la poursuite de trajectoire et de la synchronisation des systmes dynamiques non
linaires chaotiques.
La thorie du Backstepping est traite en premier, une procdure qui consiste trouver
une fonction stabilisante qui est une commande virtuelle pour chaque sous-systme, base sur la
stabilit de Lyapunov jusqu parvenir dterminer la commande globale au systme. Particulirement, nous montrons que ces systmes dynamiques non linaires peuvent se mettre sous le
modle de forme de boucle de retour strict une forme triangulaire, des transformations des variables dtat et des translations vers des points dquilibres sont introduites pour les reprsenter
sous cette forme, une condition ncessaire pour lapplication de la mthode du backstepping.
Cependant, nous montrons aussi quil est possible datteindre la stabilisation asymptotique globale lorigine en utilisant une telle mthode.
La mthode de Backstepping adaptatif est aussi aborde comme un outil pour la commande
des diffrents systmes dont certains ou tous ses paramtres sont inconnus, ainsi que la conception et lapplication des lois de contrle, des lois de mise jour avec un gain appropri sur des
systmes non-linaires chaotiques, qui sont des systmes de base pour la modlisation et la validation des algorithmes et des approches, tels que les systmes non autonomes du second ordre
comme les oscillateurs gnrateurs de chaos de Duffing et de Van der Pool, les systmes autonomes du troisime ordre comme le systme de Lorenz de Chua et de Rssler. Pour quelques
systmes chaotiques la stabilisation et la poursuite se font par un choix arbitraire des constantes
iv
Rsum
de conception, mais pour dautres la tche ne se fait qu travers un choix optimis de ces
constantes par les algorithmes gntiques , une amlioration du temps de convergence et une
poursuite totale du signal de rfrence ont t remarqu. Pour voir lefficacit de la mthode
une comparaison base sur le contrle actif est utilise.
La dernire partie est consacr llaboration des lois et des applications sur la synchronisation chaotique base sur la mthode de Backstepping et Backstepping adaptatif , une des applications la plus utilise dans la transmission scurise des donnes.Dans certaines applications
linformation ne peut parvenir qu travers plusieurs systmes, nous exploitons la procdure
ainsi aborde pour rsoudre le problme de coordination dun groupe de systmes dynamiques
non linaires chaotiques. Ainsi, les dynamiques indpendants des systmes sont coordonns de
faon avoir une structure densemble unique.
Un intert important est port la procdure du Backstepping est que les non linarits
peuvent tre traites avec plusieurs faons. Les non linarits utiles qui agissent pour la stabilisation peuvent tre retenus, et le secteur des autres non linarits peut tre trait avec un contrle
linaire. Retenir les non linarits au lieu de les liminer exige des modles moins prcis et aussi
un effort de contrle minimal. Plus loin, les rsultats de simulation des lois de contrle peuvent
tre quelquefois optimales en ce qui concerne lindice de performance qui garantit certaines
proprits de robustesse.
Abstract
This thesis addresses two important issues that are applicable to chaotic systems, the control
and the synchronization of the non linear dynamic chaotic systems. This work of research is motivated by as well theoretical as pratical challenges put for the researcher. Indeed, these systems
cannot be stabilized directly by smooth invariant control in the time, besides in spite of the
number of available methods for the control of these systems, one can used of new methods as
the Backstepping and the adaptive Backstepping in the formulation of the control problem and
the need to face the singular terms met in some chaotic systems. This thesis attacks some of
these problems, formulates and solves the problems of the control, the track of a trajectory and
the synchronization of the non linear dynamic chaotic systems.
This thesis is broken up into four parts. The first one contains a historic on the chaos and
the different types of problems of control of the chaotic systems, leading to a definition that
is going to allow to the scientists an understanding and an application more increased of the
chaotic systems, one finds fundamental theoretical concepts for the analysis of the behavior and
different classic methods of control of these systems.
The second part of the thesis includes the theory of the Backstepping, a procedure that is a
step by step design and consists of a recursive procedure, interlacing the choice of a Lyapunov
function with the design of a virtual control at each step, at the last step, the final control is obtained. Strong properties of global and asymptotic stability can be achieved. A major advantage
of this method is that, it has the flexibility to build the control law by avoiding cancellations of
useful nonlinearities, there are not any derivatives in the singular controller, free of all nonlinear
or the second order terms.
Especially, we show that these non linear dynamic systems can get back under the model of
strict feedback form a triangular form, transformations of the variables of state and transfers
toward of equilibrium points are introduced to represent them under this shape, a necessary
condition for the application of the method of the backstepping. However, we show that it is
possible to reach the global asymptotic stabilization to the origin while using such a method.
The third part is dedicated to the method of adaptive Backstepping, a tool for the control of
different systems of which some or all their parameters are unknown, as well as the design and
the application of the update control laws with an appropriated gain on the non-linear chaotic
vi
Abstract
systems that are benchmark systems for the modeling and the validation of the algorithms and
approaches, as the non autonomous systems of the second order as the chaotic oscillators of
the Duffing and the Van der Pool, the autonomous systems of the third order as the systems of
Lorenz , Chua and Rssler.
The last part of the thesis contains the development of the laws and applications on the
chaotic synchronization, one of the applications the more used in the transmission secured of
the data based on the method of Backstepping. Knowing that the chaotic systems are characterized by different evolutions for very near initial conditions, to Synchronize two chaotic signals
it means that they will be identical asymptotiquement in infinite time. The use of the chaos in
the systems of communication can permit to reinforce the transmission security of information
and to reduce the probability of interception. In some application information can only arrive
through several systems, we exploit the procedure thus to solve the problem of coordination of a
group of chaotic non linear dynamic systems. It is possible to drive every system as the control
of the group is registered in a desired design. Thus, the independent dynamics of the systems
are coordinated in order to have an unique general structure. In this chapter we will consider
the problem of formation of two or several systems are synchronized in order to behave like a
virtual structure formation.
To keep the non linearities instead of eliminating requires less precise models and also a
small control effort. Farther, the results of simulation of the control laws can be sometimes
optimal with regard to of performance that guarantees some properties of the hardiness.
Table des matires

Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Table des matires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vii
Table des figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xi
Introduction Gnrale
1 Les systmes dynamiques non linaires chaotiques comportement et mthodes de

contrle
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Comportement chaotique des systmes dynamiques non linaires . . . . . . . .
11
2.1
Concepts mathmatiques et dfinitions . . . . . . . . . . . . . . . . . .
12
2.2
Exposant de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3
Prsentation des attracteurs . . . . . . . . . . . . . . . . . . . . . . . .
15
2.4
La carte de Poincare . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
2.5
Diagramme de Bifurcation . . . . . . . . . . . . . . . . . . . . . . . .
24
Problmes de contrle des processus chaotiques . . . . . . . . . . . . . . . . .
28
3.1
Les problmes de stabilisation . . . . . . . . . . . . . . . . . . . . . .
29
3.2
Les problmes du contrle dexcitation ou de gnration doscillations
chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
Les problmes de synchronisation contrlable . . . . . . . . . . . . . .
30
Mthodes de contrle des processus chaotiques . . . . . . . . . . . . . . . . .
31
4.1
La contrlabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.2
Contrle en boucle ouverte. . . . . . . . . . . . . . . . . . . . . . . .
32
4.3
Contrle linaire et non linaire . . . . . . . . . . . . . . . . . . . . .
33
4.4
Le contrle adaptatif . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.5
Linarisation de la carte de Poincar o la mthode OGY . . . . . . . .
36
4.6
La contre raction en retard o mthode de Pyragas . . . . . . . . . . .
37
3.3
4
viii
TABLE DES MATIRES

4.7
Contrle Bas sur les Rseaux de neurones . . . . . . . . . . . . . . .
37
4.8
Contrle bas sur les systmes flous . . . . . . . . . . . . . . . . . . .
41
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2 Backstepping pour la stabilisation et la commande en poursuite de trajectoire rfrence des systmes dynamiques non linaires chaotiques
43
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
Notion de stabilit au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . .
44
2.1
Diffrents tats dquilibres . . . . . . . . . . . . . . . . . . . . . . .
45
2.2
Mthode direct de Lyapunov . . . . . . . . . . . . . . . . . . . . . . .
47
2.3
Contrle Bas sur la thorie de Lyapunov . . . . . . . . . . . . . . . .
55
Thorie du Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
3.1
Commande de stabilisation par la mthode du Backstepping . . . . . .
57
3.2
Commande en poursuite de trajectoire rfrence par la mthode du
Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
64
Conception des lois de commande bases sur le Backstepping pour quelques

systmes chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
4.1
Oscillateur du second ordre Duffing . . . . . . . . . . . . . . . . . . .
68
4.2
Oscillateur de Bonhoeffer de Van der pool . . . . . . . . . . . . . . . .
75
4.3
Systme chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . .
80
4.4
Circuit chaotique de Chua . . . . . . . . . . . . . . . . . . . . . . . .
86
4.5
Systme chaotique de Rssler . . . . . . . . . . . . . . . . . . . . . .
92
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
99
3 Backstepping Adaptatif pour la commande des systmes dynamiques chaotiques 101

1
Thorie du Backstepping adaptatif . . . . . . . . . . . . . . . . . . . . . . . . 101
Conception de loi de commande adaptative base sur le Backstepping pour

quelques systmes chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.1
Oscillateur de Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . 108
2.2
Oscillateur Bonhoeffer Van der pool . . . . . . . . . . . . . . . . . . . 111
2.3
Systme chaotique de Lorenz. . . . . . . . . . . . . . . . . . . . . . . 114
2.4
Circuit chaotique de Chua. . . . . . . . . . . . . . . . . . . . . . . . . 122
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4 Backstepping et Backstepping Adaptatif pour la Synchronisation Chaotique
127
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Synchronisation du systme chaotique de Lorenz via Backstepping . . . . . . . 129

2.1
Conception de la loi de synchronisation . . . . . . . . . . . . . . . . . 129
TABLE DES MATIRES

2.2
ix
Simulation des lois de synchronisation sous des condditions initiales

diffrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
2.3
Gnralisation de la loi de commande pour la synchronisation de plusieurs systmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
Synchronisation du systme chaotique de Chua via Backstepping . . . . . . . . 141
Synchronisation du systme chaotique de Rssler via Backstepping . . . . . . 147
Synchronisation du systme chaotique de loscillateur de Duffing via Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
Synchronisation du systme chaotique de loscillateur de Vander Pool via Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
Backstepping Adaptatif pour la synchronisation du Systme chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Conclusion Gnrale
159
Bibliographie
163
TABLE DES MATIRES
Table des figures

1.1
Evolution dans le temps pour deux conditions initiales trs proches. . . . . . .
14
1.2
Convection de Rayleigh Bnard des tourbillons convectifs . . . . . . . . . . .
15
1.3
Attracteur de Lorenz Pr = 10, b = 8/3 et Ra = 28. . . . . . . . . . . . . . . . .
16
1.4
Dtermination de lexposant de Lyapunov pour lattracteur de Lorenz. . . . . .
16
1.5
Attracteur de Rssler a = 0.398, b = 2 et c = 4. . . . . . . . . . . . . . . . . .
17
1.6
Dtermination de lexposant de Lyapunov pour lattracteur de Rssler. . . . . .
17
1.7
Partie de lattracteur de Moon. = 0.25, a = 0.3 et w0 = 1. . . . . . . . . . . .
18
1.8
Dtermination de lexposant de Lyapunov pour lattracteur de Moon. . . . . . .
19
1.9
Attracteur de Hnon, avec a = 1.4 et b = 0.3. . . . . . . . . . . . . . . . . . .
20
1.10 Dtermination de lexposant de Lyapunov pour lattracteur de Hnon. . . . . .
20
1.11 Section de Poincar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
1.12 Section de Poincar des attracteurs intervalle de temps rgulier . . . . . . . .
23
1.13 Diagramme de bifurcation pour lattracteur de Hnon . . . . . . . . . . . . . .
26
1.14 Portrait de phase pour le systme de Lorenz (tat dquilibre) . . . . . . . . . .
26
1.15 Portrait de phase pour le systme de Lorenz(tat chaotique) . . . . . . . . . . .
27
1.16 Diagramme illustratif de lAlgorithme Gntique . . . . . . . . . . . . . . . .
40
2.1
Le bloc diagramme dun systme de boucle de retour stricte. . . . . . . . . . .
58
2.2
Le bloc diagramme du premier sous systme
. . . . . . . . . . . . . . . . . .
58
2.3
Le bloc diagramme du premier sous systme avec une sortie virtuelle z1 . . . .
59
2.4
Le bloc diagramme du deuxime sous systme . . . . . . . . . . . . . . . . . .
60
2.5
Le bloc diagramme du deuxime sous systme avec une sortie virtuelle z2 . . .
60
2.6
Le bloc diagramme du troisime sous systme . . . . . . . . . . . . . . . . . .
61
2.7
Le bloc diagramme du troisime sous systme avec une sortie virtuelle z3 . . .

Le bloc diagramme du iime sous systme avec une sortie virtuelle zi . . . . .
Le bloc diagramme du nime sous systme avec une sortie virtuelle zn . . . . .
61
2.10 Comportement chaotique dans lespace temporel pour loscillateur de Duffing .
70
2.11 Variation de ltat x2 en fonction de ltat x1 de loscillateur de Duffing . . . . .
70
2.8
2.9
62
63
xii
TABLE DES FIGURES
2.12 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
2.13 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
2.14 Variation de la loi de commande en fonction de temps pour loscillateur de Duffing 73

2.15 Evolution des tats x1 x2 en commande en poursuite pour loscillateur de Duffing 73
2.16 Variation de la loi de commande de poursuite en fonction de temps pour loscillateur de Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
74
2.17 Comportement chaotique des tats x1 , x2 pour loscillateur de Van der pool . .
76
2.18 Convergence des tats xi zi vers le point dquilire xeq = 0 pour loscillateur de
Van der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
2.19 Variation des lois de commande en fonction de temps pour loscillateur de Van
der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
2.20 Convergence des tats x1 x2 vers le signal rfrence pour loscillateur de de Van
der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
2.21 Variation des trois tats en fonction du temps pour le systme de Lorenz . . . .
81
2.22 Comportement chaotiques dans lespace dtat pour le systme de Lorenz . . .
81
2.23 Variation des tats et des fonctions de Lyapunov pour le systme de Lorenz . .
84
2.24 Variation des lois de commande pour le systme de Lorenz . . . . . . . . . . .
84
2.25 Variation des tats x1 , x2 , x3 et yr pour le systme de Lorenz . . . . . . . . . .
85
2.26 Variation des lois de commande de poursuite pour le systme de Lorenz . . . .
85
2.27 Circuit de Chua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
86
2.28 Caractristique de Circuit de Chua . . . . . . . . . . . . . . . . . . . . . . . .
86
2.29 Comportement chaotique dans lespace temporel pour le circuit de Chua . . . .
87
2.30 Comportement chaotique pour le circuit de Chua . . . . . . . . . . . . . . . .
88
2.31 Convergence des trois tats vers le point dquilire xeq = 0 pour le circuit de Chua 90
2.32 Variation des lois de commande de stabilisation pour le circuit de Chua . . . .
90
2.33 Variation des tats pour la poursuite de rfrence pour le circuit de Chua . . . .
91
2.34 Variation des lois de commande de poursuite pour le circuit de Chua . . . . . .
92
2.35 Variation des tats avec des paramtres de conception optimiss pour la poursuite de rfrence pour le systme de Chua . . . . . . . . . . . . . . . . . . . .
92
2.36 Comportement chaotique dans lespace temporel pour le systme de Rssler . .
93
2.37 Comportement chaotique dans lespace pour le systme de Rssler . . . . . . .
94
2.38 Convergence des trois tats dans le domaine temporel pour le systme de Rssler 95
2.39 Evolution des lois de commande en fonction de temps pour le systme de Rssler 96
2.40 Evolution des tats en poursuite pour le systme de Rssler . . . . . . . . . . .
97
TABLE DES FIGURES
xiii
2.41 Evolution des lois de commande en fonction de temps de poursuite pour le

systme de Rssler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
97
2.42 Evolution des tats pour le systme de Rssler en prsence de PID . . . . . . .
98
2.43 Variation des lois de commande en prsence du PID pour le systme de Rssler
98
2.44 variation des tats et les lois de commande avec les ci optimises pour le systme de Rssler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1
99
Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur

de Duffing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.2
Variation des paramtres stimes dans le temps pour systme de loscillateur

de Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.3
Variation de loi de commande adaptative pour loscillateur de Duffing. . . . . . 110
3.4
Convergence des tats x1 x2 vers le signal de rfrence yr = sin(t) pour loscillateur de Duffing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5
Variation des paramtres stims dans le temps pour loscillateur de Duffing. . . 111
3.6
Variation de loi de poursuite adaptative pour loscillateur Duffing . . . . . . . . 111
3.7
Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur

Bonhoeffer Van der pol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.8
Variation des paramtres stimes dans le temps pour loscillateur Bonhoeffer

Van der pol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.9
Variation de loi de commande adaptative pour loscillateur Bonhoeffer Van der

pol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.10 Variation de la fonction stabilisante virtuelle pour loscillateur Bonhoeffer Van

der pol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.11 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour systme de
Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.12 Variation des paramtres stimes dans le temps pour le systme de Lorenz . . 117
3.13 Variation de loi de commande adaptative pour le systme de Lorenz . . . . . . 118
3.14 Schema du controleur PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.15 Variation des tats dans le temps avec un PID pour le systme de Lorenz
. . . 119
3.16 Variation des lois de contrle par le PID dans le temps pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
3.17 Convergence adaptative des tats (x1 x2 , x3 ) pour le systme de Lorenz . . . . . 120
3.18 Variation des paramtres stimes dans le temps pour la poursuite pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.19 Convergence des commandes virtuelles et finale pour la poursuite adaptative
pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
xiv
TABLE DES FIGURES
3.20 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour circuit
chaotique de Chua. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.21 Variation des paramtres stimes dans le temps pour circuit chaotique de Chua. 123
3.22 Variation de loi de commande adaptative pour le circuit chaotique de Chua. . . 124
4.1
Synchronisation des tats pour le Systme de Lorenz . . . . . . . . . . . . . . 133
4.2
Variation des tats erreurs pour le Systme de Lorenz . . . . . . . . . . . . . . 133
4.3
Variation des lois de commande de synchronisation pour le Systme de Lorenz
4.4
Variation des tats dans le temps pour le systme de Lorenz . . . . . . . . . . . 134
4.5
Variation des tats erreurs dans le temps pour le systme de Lorenz . . . . . . . 135
4.6
Variation des lois de commande de synchronisation dans le temps pour le sys-
134
tme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

4.7
Synchronisation des tats via le Backstepping pour le systme de Lorenz . . . . 136
4.8
Variation des tats erreurs via Backstepping pour le systme de Lorenz . . . . . 136
4.9
Variation des lois de commande de synchronisation via Backstepping pour le

systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.10 Synchronisation des tats via le contrle actif pour le systme de Lorenz . . . . 138
4.11 Variation des tats via le contrle actif pour le systme de lorenz . . . . . . . . 138
4.12 Synchronisation des tats via Backstepping en forme de navire . . . . . . . . . 139
4.13 Variation des erreurs pour le systme de Lorenz via le Backstepping en forme
de navire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.14 Synchronisation des tats des systme 2 et 1 via Backstepping en forme danneau140
4.15 Synchronisation des tats des systme 3 et 2 via Backstepping en forme danneau140
4.16 Synchronisation des tats des systmes 4 et 3 via Backstepping en forme danneau141
4.19 Synchronisation des tats des systmes via Backstepping en forme danneau . . 142
4.20 Variation des tats erreurs pour la synchronisation pour le systme de Lorenz
en forme danneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.21 Variation des lois de commande synchronisation pour le systme de Lorenz en
forme danneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.22 Synchronisation des tats pour le circuit de Chua via Backstepping . . . . . . . 146
4.23 Variation des tats pour le circuit de Chua via Backstepping . . . . . . . . . . . 146
4.24 Synchronisation des tats pour le circuit de Rsslor via Backstepping . . . . . . 148
4.25 Variation des tats pour le circuit de Rsslor via Backstepping . . . . . . . . . 148
4.26 Synchronisation des tats pour loscillateur de Duffing via Backstepping . . . . 149
4.27 Variation des tats pour loscillateur de Duffing via Backstepping . . . . . . . . 149
TABLE DES FIGURES
xv
4.28 Synchronisation des tats pour loscillateur de Vander Pool via Backstepping . 151
4.29 Variation des tats pour loscillateur de Vander Pool via Backstepping . . . . . 151
4.30 Convergence adaptative des tats rcepteur vers les tats emetteur du systme
chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.31 Variation des lois adaptatives de synchronisation pour le systme chaotique de
Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.32 Variation des paramtres stimes 1 , 2 et 3 pour la synchronisation dans le
temps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.33 Variation des tats e x , ey etez dans le temps . . . . . . . . . . . . . . . . . . . . 158
xvi
TABLE DES FIGURES
Introduction Gnrale
La thorie du chaos est bien connu comme une des trois rvolutions dans les sciences physiques du vingtime sicle selon le philosophe Daniel Parrochia, La relativit a limin lillusion
Newtonien despace absolu et du temps, la thorie quantique a limin les rves Newtonien dun
processus mesurable et vrifiable et le chaos a limin la fantaisie Laplacienne de prvisibilit
dterministe [1].
En 1963 le mtorologue Edward Lorenz exprimentait une mthode lui permettant de prvoir les phnomnes mtorologiques, cest par pur hasard quil observa quune modification
minime des donnes initiales pouvait changer de manire considrable ses rsultats. Lorenz venait de dcouvrir le phnomne de sensibilit aux conditions initiales [2]. Les systmes rpondant cette proprit seront partir de 1975 dnomms les systmes chaotiques par Tien-Yien
Li et James A Yorke qui ont prsent pour la premire fois le terme chaos, ou plus prcisment,
le chaos dterministe [4], et qui est largement utilis depuis, cest donc au cours des annes
soixante dix que la thorie du chaos a pris son essor. Cependant, les travaux de certains scientifiques [5] cits dans [6] et plus particulirement le physicien mathmaticien belge David
Ruelle, le mathmaticien hollandais Floris Takens [7], [8] menaient bien avant cette dcouverte, et vont tre trs utiles la comprhension de la dynamique chaotique. En effet, vers la
fin du dix-neuvime sicle le mathmaticien, physicien et philosophe franais Henri Poincar
avait dj mis en vidence le phnomne de sensibilit aux conditions initiales lors de ltude
astronomique du problme des trois corps, ainsi on trouve dans le calcul des Probabilits [9]
de Henri Poincar laffirmation suivante :
Une cause trs petite, qui nous chappe, dtermine un effet considrable que nous ne pouvons pas ne pas voir, et alors nous disons que cet effet est du au hasard. Si nous connaissions
exactement les lois de la nature et la situation de lunivers linstant initial, nous pourrions
prdire exactement la situation de ce mme univers un instant ultrieur. Mais, lors mme que
les lois naturelles nauraient plus de secret pour nous, nous ne pourrions connaitre la situation
initiale quapproximativement. Si cela nous permet de prvoir la situation ultrieure avec la
mme approximation, cest tout ce quil nous faut, nous disons que le phnomne a t prvu,
quil est rgi par des lois , mais il nen est pas toujours ainsi, il peut arriver que de petites
INTRODUCTION GNRALE
diffrences dans les conditions initiales en engendrent de trs grandes dans les phnomnes
finaux , une petite erreur sur les premires produirait une erreur norme sur les dernires. La
prdiction devient alors fortuite.
Cette citation dfinit parfaitement le chaos en tant que sensibilit aux conditions initiales
mais aussi le dterminisme qui rside dans le fait que si une condition initiale est parfaitement
dtermine alors lvolution du systme lest aussi. Le dterminisme traduit lunicit de la solution pour lquation diffrentielle dun systme donn, cest le thorme de Cauchy.
Toujours au dix-neuvime sicle, le mathmaticien russe Alexandre Lyapunov effectuait des
recherches sur la stabilit du mouvement. Il introduisait lide de mesurer lcart entre deux trajectoires ayant des conditions initiales voisines, lorsque cet cart volue exponentiellement on
parle de sensibilit aux conditions initiales. Les travaux de Lyapunov, dabord tombaient dans
loubli, seront plus tard trs prcieux pour tudier certains aspects de la thorie du chaos.
Les travaux des prdcesseurs de Lorenz ont donc t trs importants pour la comprhension du chaos dterministe, mais il faut souligner que ce qui va permettre aux scientifiques une
comprhension plus accrue des systmes chaotiques cest lordinateur. En effet, les quations
diffrentielles rgissant un systme chaotique sont ncessairement non linaires et, sans ordinateur, leur rsolution est en gnral impossible.
Plusieurs dfinitions mathmatiques du chaos sont connues [11]- [16], mais toutes exprimaient les caractristiques fermes des systmes dynamiques non linaires sensibles aux conditions initiales. Dans un systme linaire la solution asymptotique est indpendante des conditions initiales du systme, Par contre, pour un systme non linaire, il existe une grande varit
de rgimes permanents, tels que le point dquilibre, la solution priodique, la solution quasipriodique et le chaos. De plus, le systme dynamique est fortement dpendant des conditions
initiales de dpart. le chemin de transition vers le chaos est diffrent, cependant il existe un certain nombre de scnarios de transition vers le chaos qui semblent universels, et permettent de
dcrire lvolution dun systme, parmi ces scnarios est que si la dynamique tudie dpende
des paramtres de contrle, lorsque un paramtre varie, le systme peut passer dun tat stationnaire un tat priodique, puis au-del dun certain seuil, il peut suivre un certain scnario de
transition et devenir chaotique, cest la bifurcation.
Le comportement chaotique a t considr comme un phnomne exotique qui peut tre
seulement dintrt mathmatique et ne serait jamais rencontr dans la pratique. Cependant,
plus tard la possibilit de dynamique chaotique a t dcouverte dans de nombreux systmes
mcaniques, de communication, du laser de la chimie et de la biochimie, de biologie, conomie
et aussi en mdecine.
Le chaos a t largement appliqu beaucoup de disciplines scientifiques mathmatiques, la
INTRODUCTION GNRALE
programmation, la microbiologie, la biologie, linformatique, lconomie, lingnierie, la finance, la philosophie, la physique, la politique, la dynamique de la population, la psychologie
et la robotique [16] et comme premire application du chaos :
- Dans lengineering, le contrle et la stabilisation du comportement irrgulier dans les circuits, le contrle des oscillations dans des ractions chimiques, les turbines, les systmes
de puissance et dans la combustion, dans laccroissement de la puissance dun laser, le
contrle des petites perturbations intervenant lors de son rglage qui gnent la finesse du
faisceau, et dans beaucoup plus de domaines.
- Dans les ordinateurs, on remarque la commutation des paquets dans des rseaux informatiques, le cryptage et le contrle du chaos dans les systmes robotiques.
- Dans les communications, on trouve la compression et le stockage dimage, la conception
et le management des rseaux dordinateurs.
- Dans la mdecine et la biologie, on trouve la cardiologie, lanalyse du rythme du coeur
(EEG), la prdiction et le contrle dactivit irrgulire du coeur.
- Dans Le management et la finance, on a les prvisions conomiques, lanalyse financire,
et la prvision du march.
Une des plus importantes des applications de lingnierie est la communication scurise
grce aux proprits du comportement alatoire et sensibilit aux conditions initiales des systmes chaotiques. La sensibilit aux conditions et de limprvisibilit rend les systmes chaotiques trs convenable pour construire la cryptographie.
Encore un dveloppement supplmentaire a mis en valeur plusieurs applications o les
modes chaotiques peuvent paratre quelquefois comme nuisibles o lon doit le contrler o
le rduire et des classes entires de problmes de contrle qui sont dimportance pratique sont
apparus [16], [17], quelquefois comme utiles o on doit le maintenir ou augmenter son degr
de chaoticit et lide de la synchronisation chaotique a t utilise pour construire des systmes
de communication pour assurer la scurit de linformation transmise [?], [19].
Le terme "contrle du chaos" est utilis principalement pour dnoter la rgion dinterface
dtude entre la thorie du contrle et la thorie des systmes dynamiques tudiant les mthodes de contrle des systmes dterministes avec un comportement chaotique non rgulier.
Le problme de contrle du chaos a attir lattention des chercheurs et des ingnieurs depuis le
dbut des annes 1990, son progrs est remarqu essentiellement sur les techniques de conception de commande des classes des processus dynamiques non linaires. Le concept du contrle
du chaos sest install dans le jargon de la physique moderne pour signifier que tout processus
ou mcanisme dans un systme dynamique qui permet :
- damliorer le chaos o le stabiliser quand celui ci est bnfique.
INTRODUCTION GNRALE
- De le supprimer compltement quand il est nocif.

La comprhension et lutilisation dune telle dynamique est trs souhaitable dans la thorie et
les applications. Dans quelques applications, le chaos peut tre utile pendant que dans dautres
il peut tre nuisible. Par exemple pour la commutation dans les systmes de puissance o les
systmes mcaniques, le chaos est inacceptable. En revanche et spcialement, quand la synchronisation du chaos a t trouve en 1991, la thorie du chaos devient de plus en plus attirante,
le chaos est propos comme un outil promoteur, il est considr dans la synchronisation, et la
transmission scurise de linformation dans les systmes de communication.
Depuis leurs naissances dans respectivement le travail de Ott, Grebogi et Yorke dans [17],
Pecora et Carroll [39], [40], le contrle du chaos et la synchronisation chaotique ont reu un
intrt norme dans les tudes autant thoriques quexprimentales. Les systmes sous considration dans les deux sujets sont caractriss par la prsence des ensembles limites non standards
et essentiellement dune dynamique non linaire, comme consquence naturelle demandent
lapplication des techniques de contrle non linaire, et plusieurs mthodes efficaces ont t
proposes et t utilises durant les deux dernires dcennies pour accomplir le contrle, la
stabilisation [18]- [147], [181]- [202] et la synchronisation des systmes chaotiques [197][277], tel que le contrle linaire et non linaire comme la mthode de contrle combin qui est
appele la contre raction ouverte (OPCL) [69], [74] , la Linarisation de la carte de Poincar
appele aussi la mthode OGY [95] , le contrle adaptatif [21], [79], [100] et le contrle flou
[114].
Rcemment, tout au long de ces progrs marqus sur le contrle non linaire, des efforts
ont t centr sur le problme de retour dtat de sortie et ont rsult en une procdure systmatique appel backstepping et backstepping adaptatif applicable aux systmes non linaires
sous une forme triangulaire appele boucle de retour stricte. Cette procdure a t introduit et
perfectionn dans [40]- [82] et beaucoup applique dans [83], [184]. La conception du backstepping offre beaucoup de flexibilit chaque tape de calcul de la loi de commande, nombreuses propositions des mthodes de contrle du chaos bases sur cette technique comme une
nouvelle structure de contrle non linaire, qui est une approche de conception systmatique
pour construire la fois les lois de commandes en associant un choix adquat des fonctions de
Lyapunov permettant de garantir la stabilit asymptotique globale du systme.
Les avantages inhrents cette technique sont bien connus en particulier :
Procure une grande famille de lois de commande globalement asymptotiquement stabilisantes.
Permet de rsoudre divers problmes de robustesse et de commande adaptative.
Rpond essentiellement la question de la stabilit asymptotique du systme.
INTRODUCTION GNRALE
Avec le backstepping, les non linarits du systme ne sont pas limins dans la loi de commande. Savoir Comment traiter ces non linarits augmente lavantage du choix de la procdure. Si un non linarit agit pour la stabilisation, il est donc en un sens utile, et doit tre retenu
dans la boucle de retour du systme. Cela mne une robustesse du modle et un petit effort
suffisant pour contrler le systme.
Il a t montr que beaucoup de systmes chaotiques clbres comme paradigmes dans la recherche du chaos, incluant loscillateur de Duffing, loscillateur de van der Pool, le systme de
Rssler et plusieurs types des circuits de Chua, le systme de Lorenz peuvent tre transforms
dans une classe de systme non linaire en forme de boucle de retour stricte, et le backstepping
et le Backstepping adaptatif ont t employs et tendus au contrle de ces systmes chaotiques.
Cependant, le systme de Lorenz, comme indiqu dans [2] [25], ne peut pas tre directement
contrl en utilisant la mthode du backstepping pour son problme de singularit. Comme
outil de conception, la mthode du backstepping est moins restrictive que la linarisation par
retour dentre ou de sortie, dans quelques situations il peut vaincre ces singularits en associant le changement vers la forme de boucle de retour stricte et une mthode doptimisation des
constantes de la conception.
De faon gnrale, on peut dire que notre ligne principale de travail sarticule autour du problme de contrle vers un point dquilibre stable ou vers un cycle limite stable(stabilisation du
systme autour du point dquilibre), de poursuite de trajectoire rfrence et de la synchronisation des systmes chaotique bass sur la technique du Backstepping et Backstepping adaptatif.
Le problme de commande non linaire consiste concevoir une loi de commande u(t, x)
dans la contre raction pour les systmes dynamiques non linaires dcrits par des quations
diffrentielles ordinaires de type :
x = f (x, u)
y = h(x),
x(t0 ) = x0
(1)
Avec x <n le vecteur dtat dentr et y <m le vecteur dtat de sortie, x0 <n le vecteur
des conditions initiales, m, n R.
Qui essaye toujours de supprimer les comportements irrguliers et par consquent, dliminer le chaos afin dviter la complexit qui peut engendrer beaucoup dincidents. Ceci savre
tre quelque chose dimpraticable, peu conomique, et physiquement trs difficile si ce nest
pas impossible.
Le contrle du comportement chaotique a une autre application importante, savoir, la synchronisation des systmes chaotiques. Si on considre deux systmes chaotiques identiques avec des
INTRODUCTION GNRALE
conditions initiales diffrentes, la diffrence dans lvolution de ces deux systmes va se dvelopper exponentiellement en fonction du temps [9], et chacun deux va voluer dune faon trs
diffrente.
Linjection dune une loi de commande u(t, x) lun des deux systmes permettra til rendre
leur volution harmonique et rduire la diffrence zro et pousser les deux systmes dans une
tubulure synchronise ?
Sil est possible de raliser une telle application, il est possible de communiquer laide des
signaux chaotiques et de porter un message utile sur un signal chaotique puis le reconstituer la
rception. Ou mieux encore, utiliser le systme chaotique lui mme comme information, Reste
contrler la trajectoire chaotique pour une telle procdure.
Notre contribution travers le travail dvelopp dans cette thse concerne le dveloppement
des lois de commande u(t, x) afin de pouvoir stabiliser, contrler et conduire la trajectoire des
systmes chaotiques vers des trajectoires bien spcifiques (points dquilibres, cycles limites
stables, des trajectoires rfrences priodiques), De plus, appliquer le contrle du chaos dans la
synchronisation chaotique. Nous avons aussi dvelopp des lois de commande u(t, x) bases sur
dautres mthodes de contrle pour monter lefficacit, le temps de convergence et la robustesse
de la mthode de travail choisie. Ces mthodes correspondent aux :
- Un contrleur PID dont les paramtres sont optimiss par La mthode des algorithmes
gntiques [203], [204] . Pour parvenir contrler plusieurs systmes chaotiques cits au
dessus. Et plus encore, altrer la stabilisation du systme dune orbite priodique instable
chaotique des trajectoires bien spcifiques.
- Le dveloppement dune technique de contrle base sur le contrle actif [228] pour la
synchronisation des systmes chaotiques.
Le travail est prsent selon le plan suivant :
Au premier chapitre et dans un premier temps, nous rappelons les principales dfinitions mathmatiques relatives aux systmes chaotiques, notamment des notions prliminaires sur les dynamiques du comportement chaotique, nous prsentons quelques exemples des systmes chaotiques qui sont des systmes repres pour la modlisation et la validation des techniques et des
algorithmes proposs savoir les systmes non autonomes du second ordre comme les oscillateurs chaotiques Van der Pol, Duffing, et comme systme discret le systme de Hnon, les
systmes autonomes du troisimes ordres comme le systme de Lorenz, le systme de Chua
et le systme de Rossler. Ensuite, nous consacrons la deuxime partie aux tudes des diffrents types de problmes de contrle des processus chaotiques, les problmes de stabilisation,
les problmes du contrle dexcitation ou gnration doscillations chaotiques, les problmes
de synchronisation contrlable. Nous proposons dans la troisime partie du chapitre les plus
INTRODUCTION GNRALE
fiables et les plus connues des mthodes de contrle des processus chaotiques, ces mthodes
sont vises amliorer la suppression du chaos avec la rduction simultane du niveau deffort
externe exig et conduire les trajectoires du systme converger vers lorbite priodique dsire.
Dans le chapitre 2, nous introduisons les techniques de bases du Backstepping, o on donne
quelques concepts sur la thorie de Lyapunov, des conditions suffisantes de stabilit des diffrents tats dquilibres des systmes dynamiques non linaires, la classe de systme est celle
drivant des modles de systmes physiques qui peuvent se prsenter par un ensemble des quations diffrentielles ordinaires. Des mthodes qui permettent de construire une telle fonction de
Lyapunov candidate pour un systme donn, pour la conception dune loi de contrle associe
avec une fonction de Lyapunov constitue ce quon appelle un contrle base sur la thorie de
Lyapunov (Cfl), le Backstepping rsouds ce problme travers une mthode rcursive pour
une classe des systmes non linaire, on donne par la suite des ides de base de la conception
des lois de commande par le Backstepping Nous examinons lefficacit de cette mthode de
contrle par application sur des systmes chaotiques cits au dessus.
Nous consacrons le chapitre 3 une autre mthode de contrle base sur le Backstepping,
savoir le contrle adaptatif, la procdure de conception pour le contrle adaptatif non linaire
est prsent lorsque le systme chaotique est reprsent par un ensemble des quations diffrentielles ordinaires contenant un nombre fini de paramtres de contrle inconnues, la procdure
de conception est rcursive, durant la iime tape, le iim sous systme est stabilis sous une
fonction de Lyapunov approprie par la mise au point dune fonction stabilisante et une fonction
de rglage. La loi de mise jour pour le paramtre estim, et le contrle final nest dtermin
quen dernire tape, le nombre destimation des paramtres est minimal c..d. gal au nombre
de paramtres inconnus [184]. On montre galement comment fournir les outils appropris
pour diriger la trajectoire chaotique vers des trajectoires dsires et converger les paramtres
estimer vers leurs valeurs relles.
Le chapitre 4 regroupe quelques applications sur la synchronisation chaotique de type identique pour les systmes chaotiques cits au paravant, une des applications la plus utilise dans
la transmission scurise des donnes base sur la mthode de Backstepping. Ensuite, pour
faire un comparaison de notre mthode, le contrleur ainsi dvelopp sera compar avec un
contrleur bas sur la mthode de contrle actif. Dans certaines applications linformation ne
peut parvenir qu travers plusieurs systmes, nous exploitons la procdure ainsi aborde pour
rsoudre le problme de coordination dun groupe de systmes dynamiques non linaires chaotiques. Et enfin, nous terminons cette thse par une conclusion gnrale.
Notre objectif est double le premier est de montrer que beaucoup systmes chaotiques comme
paradigmes dans la recherche du chaos peuvent tre transforms dans une classe de systmes
INTRODUCTION GNRALE
non linaires appels forme de boucle de retour stricte, et la seconde est atteindre la mthode du
Backstepping et le Backstepping adaptatif au genre de ces systme, et montrer que la procdure
peut tre naturellement applique et gnralise pour contrler cette classe de systmes chaotiques, pour ses avantages savoir quelle est applicable une varit de systmes chaotiques
contenant o pas une excitation externe, et elle na besoin seulement que dun contrleur pour
raliser la tache demande, donne une certaine flexibilit pour construire une loi du contrle qui
peut tre tendue aux systmes hyper chaotiques de plus haut degrs et le systme de boucle
ferm est globalement asymptotiquement stable.
Chapitre 1
Les systmes dynamiques non linaires
chaotiques comportement et mthodes de
contrle
1 Introduction
La science du 20ime sicle a t marque par trois dcouvertes majeures :
La relativit.
La mcanique quantique.
Le chaos.
Selon le philosophe Daniel Parrochia [1], la thorie du chaos constitue une des trois grandes
rvolutions scientifiques du dix-neuvime sicle et correspond un changement de paradigme
comparable ceux quentranrent la thorie de la relativit et la mcanique quantique. Ce
sicle a vu scrouler lun aprs lautre les murs de certitudes qui entouraient la forteresse de
la physique newtonienne. Einstein avec sa thorie de la Relativit, a limin en 1905 lillusion
newtonienne dun espace et dun temps absolus. Dans les annes 1920 1930, la mcanique
quantique a dtruit la certitude de tout pouvoir mesurer aussi prcisment que possible. Le
chaos, lui a limin lutopie Laplacienne dune prdictibilit dterministe.
Trs succinctement, la thorie du chaos a pour objet ltude des phnomnes non linaires
rgis par des lois simples et dterministes dont le comportement sous certaines conditions,
deviennent imprdictibles. En particulier, cette thorie se constitue, depuis les annes 1970,
partir dune triple confrontation :
La thorie mathmatique des systmes dynamiques.
Ltude du phnomne non linaire, le dsordre, la turbulence dans la nature et o dans
le monde technologique.
Les systmes dynamiques non linaires chaotiques comportement et mthodes de

10
contrle
La technologie et le dveloppement de lordinateur.
A la fin du dix-neuvime sicle, Henri Poincar russit mettre en vidence la possibilit de

comportements irrguliers dans les systmes dterministes. Cest Edward Lorenz, un mtorologue amricain qui fut le premier comprendre et dterminer un modle mathmatique du
chaos, mais comme conclusion de lhistoire de naissance de la thorie du chaos, elle est le rsultat dune confrontation entre lhistoire de longue dure, qui trouve ses racines au dix-neuvime
sicle dans les travaux dHenri Poincar [9], et une priode de reconfiguration, constitue par
les travaux sminaires dEdward Lorenz [2], Stephen Smale [5], David Ruelle et Floris Takens
[7], [8].
Dans un systme dterministe, des conditions initiales identiques conduisent des volutions identiques, Pour un systme chaotique qui est un systme dynamique dterministe possdant un comportement imprvisible long terme, cette imprvisibilit est due la sensibilit
aux conditions initiales, particularit des systmes chaotiques.
Le chaos est un phnomne qui se produit largement dans les systmes dynamiques. De
point de vue pdagogique ce phnomne a t considr complexe et na jamais t donn de
limportance parce quil ny avait aucune analyse simple disponible qui pourrait aider les tudiants et les chercheurs immerger dans ce phnomne intressant et obtenir des outils et des
expriences. depuis la prsence de chaos sest rpandu dans beaucoup de champs, cest bon
davoir quelque perspicacit dans ce droit du phnomne du niveau haut.
Le terme chaos, dans lancienne philosophie signifiait ltat de dsordre dans la matire non
forme suppose existe avant lunivers ordonn [11], [13]. Comme pour beaucoup de limites
en science, il ny avait aucune dfinition standard du chaos. Nanmoins, les dispositifs typiques
du chaos incluent :
La non-linarit. Si le systme est linaire, il ne peut pas tre chaotique.
Le dterminisme. Un systme chaotique a des rgles fondamentales dterministes plutt
que probabilistes.
La sensibilit aux conditions initiales. De trs petit changement sur ltat initial peuvent
mener un comportement radicalement diffrent dans son tat final.
Limprvisibilit. En raison de la sensibilit aux conditions initiales qui peuvent tre
connues seulement un degr fini de prcision.
Lirrgularit. Ordre cach comprenant un nombre infini de modles priodiques instables.
2 Comportement chaotique des systmes dynamiques non linaires
11
La possibilit de dynamique chaotique a t dcouverte dans de nombreux diffrents systmes dynamiques et plusieurs applications du chaos dans lengineering o les modes chaotiques peuvent paratre quelque fois comme nuisibles o lon doit le contrler ou le rduire et
des classes entires de problmes de contrle qui sont dimportance pratique sont apparus, et la
combinaison de la thorie et le contrle du chaos ajoute un sens paradoxal et un intrt immense
au sujet.
Les problmes du chaos et du contrle du chaos ont fait lobjet des tudes intenses durant les
deux dernires dcennies. Le terme contrle du chaos est principalement utilis pour dsigner
le domaine dtude :
incluant la thorie du contrle et la thorie des systmes dynamiques,
tudiant les mthodes de contrle des systmes dterministes prsentant un comportement chaotique non rgulier [16].

La section suivante donne des notions prliminaires sur les dynamiques du comportement
chaotique, les systmes chaotiques reprsentent une classe des modles indterministes diffrents des modles stochastiques. Alors quil suffit de connatre ltat courant du modle dterministe, les trajectoires futures sont prdictives pour une longue priode arbitraire, le modle
stochastique ne peut pas faire une prvision prcise, dune manire gnrale, et pour une petite
priode arbitraire, lerreur de prdiction pour un modle chaotique croit exponentiellement et
par consquent la prvision ne peut se faire que sur une priode limit en temps dfinie par une
erreur de prvision admissible, le processus dans les modles chaotiques semblait des oscillations non rgulires variant en amplitude et en frquence.
Avant le 19ime sicle, les quations diffrentielles linaires taient les principales modles
mathmatiques pour les oscillations des systmes mcaniques et lectriques et dautres, la fin
de ce sicle, il est devenu clair que les modles linaires ne peuvent pas dcrire adquatement
les nouveaux processus et phnomnes physiques, de nouveaux fondements mathmatiques ont
apparus, tels que la thorie des oscillations non linaires et plus principalement ltude du cycle
limite stable. Mme que les oscillations complexes comme la relaxation, pouvait tre dcrite
par un simple modle non linaire dpendant des conditions initiales "systmes avec plusieurs
cycles limites", les modles des oscillations linaires et non linaires satisfaisaient normment
les besoins des chercheurs pour plusieurs dcennies. Il a t admis que ces modles non li-

12
contrle
naires, pouvaient dcrire tout types doscillations et cette conviction tait supporte par des
fondements mathmatiques, telle que le thorme de Poincar -Bendixson qui affirmait que les
points dquilibres et les cycles limites taient les seules type possible des tats limites stables
dans les systmes continus du second ordre, cependant au milieu du sicle dernier, quelques
mathmaticiens tablissaient que se ntait pas le cas pour les systmes du troisime ordre, qui
prsentaient des comportements plus complexes comme des oscillations non priodiques limits [16].
En 1963, le physicien E. Lorenz rvolutionnait le monde et dmontrait la nature qualitative
de latmosphre turbulent, qui obissait aux quations diffrentielles partielles complexes de
Navier-Stokes et le reprsentait par un simple modle non linaire du troisime ordre appel
plus tard les quations de Lorenz :
x = d (x y)
y = x y r x y
z = x y b z
(1.1)
Avec x, y, z < sont les variables des tats dentres et d, r, b sont les paramtres de contrle du
systme. Pour des valeur d = 10, r = 97, b = 23 . Les solutions du systme de Lorenz semblaient
des oscillations non priodiques et les trajectoires dans lespace de phase approchaient des
ensembles limites appels attracteurs caractriss par une forme trange.
Lintention des physiciens et des mathmaticiens, et plus tard des ingnieurs, a t attire
pour ce modle par les travaux de D. Ruelle et F. Takens qui appelaient pour la premire fois attracteurs "trange" et aussi par les travaux de Li et Yorke qui introduisaient le terme chaos pour
dsigner le phnomne non rgulier dans les systmes dterministes, notant que les fondements
mathmatiques apparus pour tudier le phnomne chaotique sont mis ds 1960-1970. Durant
ce temps, le comportement chaotique a t dcouvert dans plusieurs systmes mcaniques, lasers, physiques, chimiques, biologiques et mdicales, circuits lectroniques et dans beaucoup
dautres.
2.1 Concepts mathmatiques et dfinitions

Les nouvelles mthodes analytiques et numriques dveloppes pour les systmes, dmontraient que le chaos nest quun type exceptionnel de comportement des systmes non linaires,
grossirement parler du comportement chaotique survenait toute fois
que les trajectoires des systmes sont globalement bornes et localement instables, dans
les systmes chaotiques, une petite divergence initiale et arbitraire des trajectoires ne reste
pas insignifiante mais croit exponentiellement.
13
Le spectre de frquence des trajectoires chaotiques est continu.

Dans plusieurs cas tels que les oscillations non rgulires et non priodiques reprsentaient
mieux le processus dans les systmes physiques. Il faut noter quen pratique, il est impossible
de distinguer loeil le processus chaotique du processus priodique ou quasi priodique. La
terminologie dans le domaine des modles chaotiques nest pas encore rsolu, et il ya plusieurs
diffrentes dfinitions des systmes chaotiques dont on prsente la plus simple.
Considrons le systme dynamique continu dans le temps suivant :
x = F(x)
y = h(x),
x(t0 ) = x0
(1.2)
Ou : x = x(t) <n : est le vecteur dtat du systme et, 0 t .

Dfinition 2.1 Lensemble ferm <n est appel un attracteur pour le systme (1.6) :
a- Sil existe un sous ensemble ouvert, _0 tel que toutes les trajectoires x(t) du
systme (4.79), commenant dans _0 sont dfinies pour tout t 0 et tendent vers
quand t
c..d
Si x0 _0 et k x y k reprsente la distance entre le point x et lensemble limite ,
alors k x y k 0 quand t
b- Aucun autre sous ensemble de a cette proprit.
Autrement dit : On appelle attracteur un ensemble de points vers lequel converge la trajectoire
de lespace des phases.
Pratiquement, partir de quelques itrations, on considre que lensemble des points de lespace
des phases dcrit lattracteur.
Dfinition 2.2 Un systme dynamique est appel un systme chaotique sil a au moins un attracteur chaotique.
Linstabilit de Lyapunov caractrise la proprit principale des oscillations chaotiques appele
super sensitivit o dpendance sensible aux conditions initiales, c..d. toutes deux trajectoires
fermes arbitraires proches sloignent lune de lautre ncessairement une distance finie.
Dans un premier temps, les deux systmes voluent de la mme manire, mais, trs vite, leur
comportement devient diffrent pour navoir plus grand chose voir.
Dfinition 2.3 Un attracteur est appel chaotique sil est born et toute trajectoire qui commence dedans est une trajectoire instable de Lyapunov.

14
contrle
Fig. 1.1 Evolution dans le temps pour deux conditions initiales trs proches.
Il y a dautres dfinitions de lattracteur chaotique et le chaos. Par exemple, la dfinition
de lattracteur chaotique qui souvent inclut des exigences supplmentaires telles que lexistence
des trajectoires ou une famille de trajectoires priodiques. La notion dattracteur chaotique concide souvent avec celui de lattracteur trange introduite en 1971 par Ruelle et Takens comme
un ensemble accessible et nomm plus tard un ensemble fractal.
La preuve stricte de la chaoticit dun systme est difficile mme si la dfinition la plus simple
est utilise. Pour quelques-uns universellement reconnu comme des systmes chaotiques tels
que le systme de Lorenz et les systmes de Henon pour des valeurs standard des paramtres,
les preuves de chaoticit sont maladroites, mme si en, bien quil y ait des dmonstrations
numriques et exprimentales de ce fait. Par consquent, la simulation numrique et lestimation
de plusieurs caractristiques reste la mthode principale dtudier les systmes chaotiques.
2.2 Exposant de Lyapunov

Pour caractriser un systme chaotique, il faut faire appel ce quon appelle lexposant
de Lyapunov. Pour estimer lexposant de Lyapunov, on a recours une simulation numrique
simple. On laisse voluer le systme partir de deux conditions initiales diffrentes mais trs
proches. On obtient ainsi deux volutions diffrentes et mme trs diffrentes terme car le
systme est chaotique (donc, sensible aux conditions initiales). Lexposant de Lyapunov rend
compte de lvolution de la distance euclidienne entre les deux volutions induites par des
conditions initiales diffrentes.
Dfinition 2.4 Un systme chaotique est un systme dont lexposant de Lyapunov est strictement positif.
15
On considre un systme, soient X0 et Y0 deux conditions initiales pour ce systme. On note X

et Y les fonctions du temps telles que X(t) et Y(t) reprsentent respectivement ltat du systme
linstant t et telles que X(0) = X0 et Y(0) = Y0 . On note d la distance euclidinne dfinie
comme suit :
d:
<N <N <,
(X, Y)
pP n
i=1 (xi
y i )2 .
Sil existe un instant tl , deux constantes relles l et a tels que, si :

I = [0, tl ], t I
d(Xt l(t), Yt l(t) el+a
Alors, l est appel exposant de Lyapunov. Lexposant de Lyapunov caractrise la qualit

chaotique ou non dun systme car il rend compte de la sensibilit aux conditions initiales.
Nous prsentons quelques exemples des systmes chaotiques mentionns dans ce qui suit.
2.3 Prsentation des attracteurs

Attracteur de Lorenz
Lattracteur de Lorenz tient son nom du mtorologue Edward Lorenz qui la tudi le
premier. Cest une simplification lextrme dquations rgissant les mouvements atmosphriques. Lorenz les a tudis afin de mettre en vidence sur un systme simple la sensibilit aux
conditions initiales quil avait observe.
Les quations correspondent aux quations de la convection de Rayleigh-Bnard. Dans cette
exprience, il considre un fluide entre deux plaques portes deux tempratures lgrement
diffrentes. Les deux plaques sont horizontales et la plaque la plus chaude est situe en bas. il
observe des tourbillons.
Fig. 1.2 Convection de Rayleigh Bnard des tourbillons convectifs

Cette exprience a t ralise pour quelques fluides prsentant des proprits adaptes viscosit, coefficient de dilatation, densit moyenne. Elle donne des rsultats illustrant trs bien le
comportement chaotique.
= Pr ( T )
T = (Ra Z) T
(1.3)
Z = T b T
avec Pr = = (n/D), nombre de Prandtl, rapport de la viscosit cinmatique du fluide sur la

diffusivit thermique.

16
contrle
T = est la temprature rapporte celle du fluide sans la convection.
Ra = est le nombre de Rayleigh. Il dpend des proprits du fluide, de la distance entre les
plaques et de la diffrence de temprature entre les plaques.
Pour Pr = 10, b = 8/3 et Ra = 28. Ces valeurs impliquent un comportement chaotique. n est
une composante de vitesse et Z est une variable issue des grandeurs physiques voques dans
les quations.
Le trac en chelle logarithmique montre bien que la distance croit de manire exponentielle,
Fig. 1.3 Attracteur de Lorenz Pr = 10, b = 8/3 et Ra = 28.
Fig. 1.4 Dtermination de lexposant de Lyapunov pour lattracteur de Lorenz.

du fait de la sensibilit aux conditions initiales. On peut lire la valeur de la pente, on estime
lexposant de Lyapunov 0.8.
17
Attracteur de Rssler
Propos par lAllemand Otto Rossler, ce systme est li ltude de la mcanique des
fluides, il dcoule des quations de Navier Stokes. Les quations de ce systme ont t dcouvertes la suite des travaux en cintique chimique. Les quations de ce systme sont les
suivantes :
X = (Y + Z)
Y = X + a Y
(1.4)
Z = b + Z (X c)
a, b et c sont des constantes relles. Pour : a = 0.398, b = 2 et c = 4. On est alors en prsence

dun systme chaotique.
Lexposant de Lyapunov vaut ici 0.09.
Fig. 1.5 Attracteur de Rssler a = 0.398, b = 2 et c = 4.
Fig. 1.6 Dtermination de lexposant de Lyapunov pour lattracteur de Rssler.

18
contrle
Pendule de Moon
Le pendule de Moon est un systme physique. Il est constitu dun pendule (avec une boule
mtallique son extrmit) accroch une potence lgrement flexible. De plus, le pendule
est plac entre deux aimants situs gale distance de la boule lorsque celle-ci et la potence
sont au repos. La potence est ensuite excite laide dun mouvement oscillatoire harmonique
damplitude constante. Stimul, le pendule se met en mouvement et les forces magntiques dues
aux aimants. Le mouvement est alors chaotique.
Plusieurs oscillations chaotiques peuvent tre produites en introduisant dans les oscillateurs
non linaires, un signal harmonique par exemple, en substituant la fonction sinusodale
z(t) = a cos(0 t) droite
1. De lquation de Van der Pol
2. De Duffing
y + (y2 1) y + 2 y = 0.
y + p, y q y + q0 y3 = 0.
3. Et le systme auto oscillant avec un relais
y + p y + q y signe(y) = 0.
Pour quelques valeurs dexcitation de frquence et damplitude de la fonction sinusoidale

z(t), le cycle limite est induit et les oscillations dans les systmes non linaires deviennent chaotiques.
y est la position du pendule. est la masse de la boule mtallique, a est lamplitude de lexcitation et w est la pulsation de cette excitation. Classiquement, on prend = 0.25, a = 0.3 et
w0 = 1.
Fig. 1.7 Partie de lattracteur de Moon. = 0.25, a = 0.3 et w0 = 1.
Lattracteur de Moon est nettement plus complexe que les autres attracteurs prsents au
dessus. On ne reprsente quune partie de cet attracteur car on ne pourrait pas distinguer les
19
Fig. 1.8 Dtermination de lexposant de Lyapunov pour lattracteur de Moon.

trajectoires dans le cas contraire, on verrait une sorte de pelote de laine. Cet attracteur est plus
tendu que les autres attracteurs. On trouve un exposant de Lyapunov de 0.32.
Pour le temps discret, les exemples de systmes chaotiques existent pour tout dimensionnement de ltat du systme, mme pour n = 1.
Attracteur de Hnon
Le systme de Hnon est un modle propos en 1976 par le mathmaticien Michel Hnon,
il est dfini par les quations aux diffrences suivantes :
xk+1 = 1 xk + yk
yk+1 = xk
(1.5)
Le comportement chaotique de la solution de (1.5) est observ, pour la valeurs des paramtres
= 1.4, = 0.3 et on prendra pour conditions initiales (X0 , Y0 ) = (1, 0). Ces valeurs furent
proposes par Michel Hnon et permettent dobserver un comportement chaotique.
On peut lire la valeur de la pente, ici, on trouve un exposant de Lyapunov dune valeur de 0.46.
Le trac en chelle logarithmique de lexposant de Lyapunov pour les diffrents attracteurs

montre bien que la distance croit de manire exponentielle du fait de la sensibilit aux conditions
initiales. On peut facilement lire la valeur de la pente qui donne la valeur de lexposant de
Lyapunov.

20
contrle
Fig. 1.9 Attracteur de Hnon, avec a = 1.4 et b = 0.3.
Fig. 1.10 Dtermination de lexposant de Lyapunov pour lattracteur de Hnon.

Ainsi, les systmes chaotiques semblent voluer de manire alatoire. En tout cas, on ne peut
prvoir facilement quelle sera leur volution dans le temps. Notons que les systmes chaotiques
obissent tout de mme aux lois de la physique.
De plus la carte de Poincare a trouv un usage tendu dans les tudes de processus chaotiques
et les solutions des problmes de leur contrle.
2.4 La carte de Poincare

Henri Poincar a apport une contribution trs utile pour ltude des systmes chaotiques.
Parmi ces contributions on trouve les sections de Poincar. Faire une section de Poincar revient couper la trajectoire dans lespace des phases, afin dtudier les intersections de cette
trajectoire avec, par exemple en dimension trois, un plan. On passe alors dun systme dynamique temps continu un systme dynamique temps discret. Les mathmaticiens ont bien
sr dmontr que les proprits du systme sont conserves aprs la ralisation dune section
21
de Poincar judicieusement choisie, en particulier, un cycle limite simple du systme continu

est remplac par un point fixe de lapplication de Poincar
La carte de Poincare est introduite sur la supposition de lexistence dune solution priodique
x(t) pour le systme (4.79), dbutant en un point initial x0 , c..d. x(t + T ) = x(t) est satisfaite
pour tout t t0 et x0 (t) = x0 .
Si M0 est un point dune trajectoire priodique, la section de Poincar est un plan perpendiculaire la trajectoire passant par M0 . Pour chaque point P de la section assez proche de M0 , la
trajectoire issue de P aprs avoir effectu une rvolution rencontrera la section en un nouveau
point P1 . On dfinit ainsi une application
T :
Cest lapplication de premier retour (ou encore application de Poincar). Pour chaque point P
de , T (P) est le point de o la trajectoire issue P revient croiser . Lapplication T permet de
transformer le systme continu (qui volue avec le temps) en un systme discret qui correspond
aux premiers instants o la trajectoire recoupe le plan .
Autrement dit
Soit une surface transversale lisse de la trajectoire au point M0 qui obit lquation
(x0 ) 0
Ou :
<N <1 , est une fonction scalaire lisse qui croise transversalement la trajectoire au
point M0 , c..d.
(x0 ) = 0 ,
(x0 )T T (M) 0
est satisfaite.
La solution dbutant au point x = {x : (x) = 0} au voisinage de x0 peut croiser la surface
(x0 ) = 0 au moins une fois.
Soit = (x) est le temps du premier retour, o x() le point du premier retour.
Dfinition 2.5 La carte x x() est appele point ou section de Poincar.
Une application de Poincar peut tre vue comme un systme dynamique discret avec un
espace dtat de dimension gale celle du systme dynamique continu original, moins une.
Comme ce nouveau systme dynamique conserve plusieurs proprits des orbites priodiques
et quasi priodiques du systme original et comme le nouveau systme comporte un espace
dtats de dimension infrieure, il est souvent utile pour lanalyse du systme original. Par
contre, ceci nest pas toujours possible en pratique puisquil nexiste aucune mthode gnrale
de construction de lapplication de Poincar.
Citons quelques mthodes proposes pour tracer une section de poincar :

22
contrle
Une mthode propose dans [12] est de tracer une trajectoire par exemple (x; dx/dt) non
pas en continu mais intervalle de temps rgulier.
une autre mthode consiste en des coupes faites par un plan passant par le point fixe et
parallle un axe. Ce choix est arbitraire, et presque nimporte quelle surface ou plus
gnralement une varit de dimension n 1 permet de dterminer une section de Poincar. La seule contrainte respecter est que la trajectoire traverse la surface et ny soit
pas tangente.
Une autre faon de raliser une section de Poincar, toute aussi intressante, consiste a
regarder la suite des maximums de lune des grandeurs du systme (la surface dquation
x = 0).
Fig. 1.11 Section de Poincar
23
Cette carte est largement utilise pour ltude et le contrle des processus chaotiques.
En ce qui concerne ltude du comportement chaotique, La section de Poincar permet de visualiser sil y a chaos ou non et les zones de stabilit, daprs Poincar qui suggrait dtudier
des intersections de trajectoires multiples avec un plan fictif judicieusement plac, si toutes les
trajectoires restaient dans un tore, la trajectoire est rgulire et prdictible. Si toute la section de
Poincar est perce de trajectoires, celle-ci sera chaotique et trs instable dans le temps. Pratiquement, ces zones stables sont lies aux orbites bien rguliers et aux phnomnes de rsonance.
Pour le contrle des processus chaotiques, en considrant un point de la section de Poincar
pour une valeur du paramtre de contrle, et en supposant que la condition initiale pour le
systme soit trs proche de ce point, lors de son volution, le systme ne se stabilise jamais
de lui-mme autour du point. Ceci signifie qu chaque passage dans la section de Poincar, le
point courant est de plus en plus loign du point considr. Pour contrler le systme, on se
propose de lui imposer de rester autour du point, en modifiant lgrement la valeur du paramtre
de contrle. En introduisant des perturbations sur le paramtre, on modifie le comportement
du systme de faon ramener les valeurs propres, rgissant lvolution dans la section de
Poincar, dans le cercle unit.
On prsente des sections de poincar pour quelques attracteurs
(a) Section de Poincar de lattracteur de
(b) Section de Poincar de lattracteur de he-
Moon
non
Fig. 1.12 Section de Poincar des attracteurs intervalle de temps rgulier

24
contrle
Les notions (quation non linaire, reprsentation dans lespace des phases, instabilit du
systme traduisant la sensibilit aux conditions initiales, notion dattracteur et la notion de la
carte de poincar) vues prcdemment permettent de montrer si les phnomnes tudis sont
chaotiques ou non . Ces notions font donc partie du domaine thorique. (elles reposent sur
des quations). Exprimentalement, nous ne disposons le plus souvent que dune seule variable
parmi les diffrentes variables dtat qui caractrisent entirement le systme. La caractrisation
du comportement dynamique du systme se fait alors par le biais des divers outils classiques
suivants :
2.5 Diagramme de Bifurcation

La gnration dun systme chaotique nest pas immdiate. En effet, le systme nvolue
pas dun tat inexistant un tat chaotique sans passer par des transitions. Considrons que la
dynamique tudie dpende dun paramtre de contrle. En variant ce paramtre, le systme
peut passer dun tat stationnaire un tat priodique, puis au-del dun certain seuil, suivre un
scnario de transition et devenir chaotique.
Dans les quations de Lorenz et les autres attracteurs, la rsolution du systme napporte pas
toujours le chaos. Ce rgime napparat que pour certaines valeurs des paramtres. Pour caractriser le chaos, il peut tre intressant dtudier lapparition du chaos, ce quon appelle le
scnario vers le chaos).
On distingue trois scnarios thoriques dvolution vers le chaos. Toutes ces volutions ont permis de classer certains phnomnes exprimentaux comme chaotiques dterministes. On obtient
lapparition du chaos en modifiant la valeur dun paramtre, que ce soit de manire thorique
ou exprimentale.
Le doublement de priode
Ce scnario a t dcouvert en mme temps par Mitchell Feigenbaum et par les chercheurs
franais Pierre Coullet et Charles Tresser. Laugmentation dun paramtre provoque, pour un
systme priodique, lapparition dun doublement de sa priode. La priode est ensuite multiplie par 4, 8, 16. Dun doublement au suivant, laugmentation du paramtre est de plus en plus
faible, et, partir dune certaine valeur, le chaos apparat, lorsque la priode devient infinie, les
mouvements deviennent chaotiques. Laugmentation du paramtre conduit ensuite la rapparition de rgimes priodiques intercals dans des zones chaotiques.
Ce scnario peut tre observ dans un grand nombre dexpriences comme un robinet qui fuit,
ltude doscillateurs forcs, ou encore lapparition de la turbulence dans les fluides.
25
Lintermittence
Ce scnario a t dcrit par Yves Pomeau. Lintermittence se caractrise plutt par un
mouvement priodique stable entrecoup par des bouffes chaotiques. Ces perturbations apparaissent de manire irrgulire. Laugmentation dun paramtre produit laugmentation de la
frquence des perturbations, puis le chaos domine le comportement du systme.
Ce scnario a t observ dans des expriences sur la convection des fluides et dans des ractions
chimiques.
La quasi priodicit
Le troisime scnario fait intervenir, pour un systme priodique, lapparition dune deuxime
priode dont le rapport avec la premire nest pas rationnel. Ce rgime est appel quasi priodique. Il peut, de lui-mme o avec lapparition dune troisime frquence gigantesque, donner
un rgime chaotique. Ce scnario intervient quand on considre deux oscillateurs fortement
coupls. Les variations du champ magntique terrestre, le droulement des sismes pourrait
tre expliqu par un modle de ce genre. On le retrouve aussi dans le cas dun pendule qui
serait stimul verticalement.
Une manire plus rapide et plus visuelle de reprsenter ces scnarios de transition vers le chaos
est le diagramme de bifurcations. Ainsi, on peut observer les changements du comportement
dynamique du systme, ou bifurcations, en fonction du paramtre dit de bifurcation. Une bifurcation correspond une sorte de changement dtat du systme, plus exactement un changement
de stabilit du rgime dynamique lorsquun des paramtres du systme varie.
Pour le systme de Hnon le paramtre a revt une importance particulire. Pour certaines
valeurs de ce paramtre, le systme est chaotique, pour dautres, il ne lest pas. En tudiant linfluence de a sur le caractre chaotique ou non du systme, on met en vidence un phnomne
caractristique des systmes chaotiques, le doublement de priode.
Dans le cas gnral, le doublement de priode se traduit par le doublement du nombre de trajectoires observes dans lespace des phases. Les doublements de priode sont ensuite observs
de plus en plus frquemment mesure que a augmente. Pour a = 1.4, on ne distingue plus les
cycles, le systme prsente un caractre chaotique.
Examinons ce quune bifurcation semble dans le plan de phase. Pour cela, nous utiliserons le
systme de Lorenz donn au dessus, pour commencer, utilisons la condition initiale (13, 12, 52)
et fixant = 16, = 4 avec = 5 et une gamme du temps de 0 t 40. En Examinant lespace de phase en traant des valeurs x en fonction des valeurs de z, la solution obtenue est un
tat dquilibre (point dquilibre). Maintenant par augmentation = 15, on observe un autre
tat dquilibre (un cycle limite).

26
contrle
Fig. 1.13 Diagramme de bifurcation pour lattracteur de Hnon
(a) Portrait de phase pour = 5
(b) Portrait de phase pour = 15
Fig. 1.14 Portrait de phase pour le systme de Lorenz (tat dquilibre)
En augmentant encore = 25, puis = 35. Une bifurcation a caus la solution de passer
dun point fixe stable un attracteur chaotique( soit la condition initiale lintrieur de lattracteur ou non). Cest le systme clbre souvent nomm papillon de Lorenz, limage iconique de
la thorie du chaos. Dans cette section on a vu que plusieurs dfinitions mathmatiques du chaos
sont connues mais toutes exprimaient la caractristique ferme des systmes dynamique concernant la dpendance sensible aux conditions initiales, qui se rfre aux trajectoires commenant
partir de deux conditions initiales distinctes et proches deviennent non corrles [16]. la simulation numrique et lestimation de quelques caractristiques telles que lexposant de Lyapunov,
la carte de Poincar et le diagramme de bifurcation restent les mthodes principales dtudier
les systmes chaotiques. La variation de la valeur de certains paramtres de contrle dun systme dynamique peut changer le comportement dynamique dun systme non linaire et devenir
chaotique, comportement que quelque fois nuisible o il faut liminer et stabiliser le systme, et
par fois utile o il faut le crer et le garder et un nombre de problmes de contrle de processus
chaotiques est apparu.
(a) Portrait de phase pour = 25
(b) Portrait de phase pour = 35
Fig. 1.15 Portrait de phase pour le systme de Lorenz(tat chaotique)
27

28
contrle
3 Problmes de contrle des processus chaotiques

Les problmes du contrle du chaos attiraient lattention de plusieurs chercheurs et ingnieurs depuis le dbut de lanne 1990, et plusieurs centaines de publications avaient apparues
durant les deux dernires dcennies, tant surpris par la dcouverte de J.A.Yorke et ses collaborateurs [17] en 1990, concernant la possibilit de variation des caractristiques du systme
dynamique pour une petite variation des paramtres du systme, en utilisant le modle discret
de M. Hnon, ils dmontraient quil suffisait une petite variation dans les paramtres du systme pouvait transformer les trajectoires chaotiques en une priodique et inversement, ceci a
t confirm exprimentalement par dautres publications [18] dans une varit de domaine
dapplication tel que, les lasers, les systmes de communications, systmes chimiques, technologiques et mdicales.
La conclusion paradoxale que le chaos est imprdictible mais contrlable a fait lobjet dun
intrt immense des chercheurs et un avalanche de publications en utilisant toujours des modles mathmatiques, confirmant la possibilit de variation substantielle des caractristiques
pour une varit des systmes chaotiques naturels et artificiels par une petite variation relative
externe dans ses paramtres [19]- [22].
La formulation mathmatique des problmes de contrles des processus chaotiques les plus
clbres sont prcds par la prsentation des modles de base des systmes chaotiques qui sont
souvent utiliss. Les modles mathmatiques les plus connus rencontrs dans la littrature pour
le contrle de chaos sont reprsents par des systmes des quations diffrentielles ordinaires
ou les quations dtat :
x = F(x, u)
(1.6)
Ou x = x(t) Est le vecteur des variables dtat de dimension n, u = u(t) est le vecteur des entres
(les commandes) de dimension m et F(x, u) est le vecteur fonction qui est suppos continu.
Dans la prsence de perturbations externes, le modle non stationnaire est dfini par :
x = F(x, u, t)
(1.7)
Par consquent, il est clair que le comportement dynamique dun systme non linaire peut
tre chang en changeant certaines valeurs de ces paramtres, condition que ces dernires
soient accessibles pour lajustement. De ce fait, le contrle du chaos implique lextraction de
mouvements priodiques dsirs en dehors des zones chaotiques, par lapplication de petites
perturbations judicieusement choisies. La suppression de la dynamique chaotique dans un systme dynamique est le seul but pour un problme de contrle, Dans beaucoup de cas, un modle
3 Problmes de contrle des processus chaotiques

de contrle affine simple (1.8) peut tre utilis.
x = f (x) + g(x) u
y(t) = h(x(t))
29
(1.8)
La sortie mesure du systme est note par y(t). Elle peut tre dfini comme une fonction de
ltat courant du systme. Maintenant, nous procdons formuler les problmes de contrle de
processus chaotiques.
3.1 Les problmes de stabilisation

Les problmes de stabilisation de la solution priodique instable (orbite) surviennent dans la
suppression de bruit ou limination des harmoniques dans les systmes de communication, appareils lectroniques, et ainsi de suite, Ces problmes sont distingus pour le fait que le systme
contrl est fortement oscillatoire ,c..d. les valeurs propres de la matrice du systme linaris
sont proches de laxe imaginaire, ces vibrations peuvent tre rgulires ou quasi rgulires ou
mme chaotique [23], [24], [25], [26] .
Les problmes de suppression des oscillations chaotiques ou les rduire aux oscillations rgulires ou les supprimer compltement, [27], [30] peut tre formalis comme suit :
Si x? (t) est une trajectoire oscillatoire priodique du systme (1.6) sous la condition initiale
x? (0) tel que,
x? (t + T ) = x? (t)
(1.9)
Pour stabiliser ce mouvement on doit ramener la solution x(t) du systme (1.6) vers x? (t) c..d. :
lim (x(t) x? (t)) = 0
(1.10)
O conduire la sortie du systme y(t) vers une fonction donne y? (t) :

lim (y(t) y? (t)) = 0
(1.11)
Pour tout solution x(t) de systme (1.6) sous ltat initial x0 , o est un ensemble des
conditions initiales donn, le problme se rduit dterminer une fonction de contrle soit
comme :
une commande en boucle ouverte : u(t) = U(x0 , t).
O une commande contre raction : u(t) = U(x(t)).
O une commande de sortie en contre raction u(t) = U(y(t)).
qui satisfaisant lobjectif du contrle.
Cette formulation du problme de stabilisation de solution priodique est similaire au problme de poursuite de la thorique de contrle conventionnelle. Nanmoins, il existe une distinction fondamentale est que pour contrler les processus chaotiques, on a besoin datteindre

30
contrle
lobjectif avec un niveau de contrle minimale, la rsolution de ce problme nest pas vidente
cause de linstabilit des trajectoires chaotique x? (t) [17].
La stabilisation dun point dquilibre instable est un cas spcial. c..d. F(x?0 , 0) = 0 pour
u(t) = 0, alors le systme (1.6) admet un point dquilibre x?0 qui doit tre stabilis toujours
en choisissant une loi de commande approprie. Ce problme est caractris par une exigence
supplmentaire sur le plus petit niveau de contrle [31].
3.2
Les problmes du contrle dexcitation ou de gnration doscillations chaotiques
La deuxime classe inclut les problmes du contrle dexcitation ou de gnration doscillations chaotiques. Ces problmes sont aussi appels la chaotisation ou anti contrle. Ils surviennent o le mouvement chaotique est le comportement dsir du systme.
La forme de lobjectif de contrle pourrait tre reprsent comme (1.11), mais ici la trajectoire
objectif x? (t) nest plus priodique. De plus, il peut tre exig quau lieu du mouvement le long
de la trajectoire donn, le processus de contrle satisfait un certain critre de chaotisation.
Par exemple, tant donne une fonction objective scalaire G(x), et le but de contrle peut tre
formul comme :
lim G(x(t)) = G?
Ou
lim G(x(t)) G?
(1.12)
Pour les problmes du chaotisation, le plus grand exposant de Lyapunov, qui est un critre
principal mesurant la dispersion des trajectoires initialement proches caractrisant linstabilit
locale , est habituellement pris comme une fonction dobjective . Lnergie totale mcanique ou
lectrique des oscillations est prise quelquefois aussi comme G(x).
3.3 Les problmes de synchronisation contrlable

La troisime classe importante des objectifs de contrle correspond aux problmes de synchronisation ou, plus prcisment, synchronisation contrlable. La synchronisation trouve des
applications importantes dans la technologie des vibrations (synchronisation dexcitation vibrationnelle), dans la communication (la synchronisation entre le rcepteur et lmetteur des
signaux), dans la biologie et la biotechnologie, et ainsi de suite. Nombreuses publications sur la
synchronisation contrlable des processus chaotiques et son application dans les systmes de la
transmission des donnes sont apparus dans les annes 1990, [38], [39], [40].
Dans le cas gnral, on sous entend par la synchronisation la variation des coordonnes
des tats de deux ou plusieurs systmes, ou peut-tre la variation de quelques caractristiques
telle que les frquences des oscillations. Si lasymptoticit est la seule exigence qui doit tre
satisfaite, alors la synchronisation est dite asymptotique. Dans le cas ou la synchronisation ne
4 Mthodes de contrle des processus chaotiques
31
peut pas tre atteinte dans un systme sans contrle (u = 0), alors on peut poser le problme de
dterminer une loi du contrle sous laquelle le systme de boucle ferme est synchronis et par
consquent, la synchronisation peut tre utilise comme le but de contrle de concidence totale
ou partielle des vecteurs dtat telle que lgalit : x1 = x2 .
Qui peut tre une expression formelle du mouvement synchrone de deux sous-systmes avec
les vecteurs dtat : x1 <n et x2 <n .
Lexigence de synchronisation assymptotique des tats x1 et x2 des deux systmes peuvent tre
reprsents aussi comme :
lim (x1 (t) x2 (t)) = 0
(1.13)
Le fait que le comportement dsir nest pas uniquement fix et ses caractristiques sont
dfinies seulement partiellement est commun aux problmes de contrle dexcitation et de synchronisation des oscillations. Ces buts de contrle, souvent peuvent tre rarrangs en termes
plus commode dune fonction dobjective correspondante :
Q(x) =k x1 x2 k2
Q(x) = (x x? )T (x x? )
(1.14)
Ou est une matrice dfinie positive symtrique. On note ici que le choix dune fonction dobjective approprie est une tape importante dans la conception de lalgorithme du contrle.
Un type important de problmes de contrle des processus chaotiques est reprsent par la
modification des attracteurs, par exemple, transformation des oscillations chaotiques vers des
oscillations priodiques ou vice versa. Le dveloppement des approches aux problmes de ce
genre a t stimul par des nouvelles applications dans la technologies des lasers et chimiques,
dans les tlcommunications, la biologie, et la mdecine [32], [50]- [56].

Le contrle du chaos fait rfrence la manipulation du comportement dynamique du systme chaotique, dont lobjectif est la suppression du chaos quand il nuisible ou au contraire le
crer et le prserver quand il est bnfique, plusieurs mthodes et algorithmes ont t proposs
et dvelopps pour raliser le contrle du chaos dans divers systmes dynamiques non linaires.
Parmi les nombreux articles, livres, et publications disponibles sur ce thme, nous prsentons
dans ce qui suit les plus fiables et les plus connues. Il est important de prciser que la littrature
dans cette matire est trs large et que les mthodologies dcrites ici ne sont pas les seules valides. Nanmoins, nous esprons avoir fait un tour dhorizon sur tout ce qui a t fait auparavant
dans ce domaine.

32
contrle
4.1 La contrlabilit
Le problme de caractriser la contrlabilit locale et globale des systmes non linaires
est difficile et fait partie des problmes critiques du domaine de la thorie des systmes non
linaires. Un concept fondamental sur la contrlabilit dun systme non-linaire provient dun
thorme qui nonce que si la linarisation dun systme non linaire autour dun point dquilibre est contrlable alors le systme non linaire est lui mme localement contrlable [59],
[60].
Dfinition 4.1 Le systme non-linaire (1.8) est dit contrlable, si pour tous points x0 , x1 dans
M, il existe un temps fini T t0 0 et une commande admissible u : [t0, T ] U, telle que
lunique solution de (1.8) au temps t = T avec la condition initiale x0 (t0 ) = x0 et pour une
commande u(x, t) donne, x(t) satisfait x(T ) = x1
4.2 Contrle en boucle ouverte.

Le principe de contrle par perturbation ou par un signal programme, est la gnration dun
signal contrle qui quelque fois une fonction du temps qui nglige les valeurs du processus
contrl, et est bas sur le comportement variable du systme non linaire sous laction dune
entre externe prdtermin u(t), laquelle peut tre une certaine action physique sur le systme
tel que une force ou un champ ou une variation de quelques paramtres du systme contrl.
Cette approche est la demande grce sa simplicit et le contrle se fait sans toutes mesures ou dtecteurs, cest particulirement important pour le contrle des processus se produisant trs rapidement, par exemple, au niveau molculaire ou atomique o ltat du systme ne
peut pas tre mesur au moins en temps rel. La possibilit dune variation apprciable de la
dynamique du systme par excitation priodique, comme a t dmontr dans la premire moiti du dernier sicle est connue depuis longtemps [23].
Lexcitation de haute frquence peut stabiliser un pendule dans un tat instable, Dans la
thorie du contrle, les actions de haute frquence et la modulation paramtrique taient considr comme une structure de base du contrle vibrationnel [62], [63]. Cependant ces travaux
ont considr seulement la stabilisation de ltat dquilibre du systme donn, ou relatif une
fonction dobjectif donne ou une trajectoire de rfrence [64], [65], [66].
Les tudes rcentes sont vises amliorer la suppression du chaos avec la rduction simultane du niveau deffort externe exig et conduire les trajectoires du systme converger vers
une orbite priodique ou un cycle limite dsir, quelques tudes mme relient le choix de la
fonction dexcitation avec la forme du non linarit dans le systme.
Soit le modle dynamique suivant :
x = f (x) + Bu
(1.15)
33
Avec x <n et u <m .

Nous assumons que m = n et detB , 0. Si x? est la trajectoire dsire du mouvement contrl,
alors le choix dexcitation appele aussi laction dHubler [68] sera sous la forme :
u(t) = B1 ( x? (t) f (x? (t)))
(1.16)
Cette loi est intuitivement justifi parce que la la fonction x? (t) satisfait les quations de mouvement du systme xcit, dans ce cas, lquation de lerreur e = xx? (t), et si le systme linaris
A(t) =
f (x? (t))
x
est uniformment stable au sens de

(A(t) + AT (t) I)
est satisfait pour un certain et tout t 0, alors toutes les solutions de (1.15) convergent vers
x? (t) et le but de contrle est atteint [16].
4.3 Contrle linaire et non linaire

Les possibilits dutiliser les approches traditionnelles et les mthodes de contrle automatiques aux problmes de contrle du chaos sont largement discutes. Le but dsir peut tre
atteint quelquefois mme au moyen dune loi proportionnelle simple de contrle et dune boucle
de retour. Parmi ces mthodes, on trouve la mthode de contrle combine qui est appel aussi
le contrle par la boucle ouverte plus ferme (OPCL) [69], pour m = n et detB , 0 est applicable aux systmes de la forme du modle dynamique prcdent(1.15), La loi du contrle
propose a t sous la forme :
u(t) = B1 ( x? (t) f (x? (t))) K(x x? (t))
(1.17)
Ou K est une matrice carre de gain.

La thorie de contrle non linaire a dvelopp une diversit de mthodes pour rsoudre des
problmes plus compliqus sous des conditions de contrle et de mesure incomplet, parmi ces
mthodes les plus labores on peut citer :
La linarisation par boucle de retour qui a t largement appliqu aux systmes chaotiques
[70], [71], [72],
Contrle global Polynomial [73], contrle non linaire par une boucle ouverte plus une
ferme [74],
Contrle par la modulation de lamplitude et la pulsation proportionnelle [75].

34
contrle
Nombreuse mthodes sont bases sur la variation de la valeur courante dune certaine fonction
dobjective Q(x(t), t) au quelle la valeur peut correspondre (1.12), ou (1.14).
La distance entre la position courante du systme x(t) une surface dobjective donne
h(x) = 0 telle que Q(x) =k h(x) k2 peut tre prise comme une fonction dobjective. Pour les
systmes de temps continu, Q(x) nest pas dpendante directement de la loi de contrle u, Par
consquent, une nouvelle fonction dobjective paraisse immdiatement comme
Q
Q(x)
=
f (x, u)
x
, le taux de changement de cette fonction peut tre diminu au lieu des valeurs de la fonction
objective initiale. Cest lide principale de la mthode du gradient dclin [76] o la loi de
contrle u change dans la direction de lanti gradient du taux de Q(x)

de la fonction dobjective
originale.
Lalgorithme proportionnel de la mthode du gradient dclin peut tre simplifi comme :
u)
u (t) = Q(x,
(1.18)
Ou est une matrice dfinie positive.

La mthode du gradient dclin est base sur la fonction de Lyapunov V qui diminue le
long des trajectoires du systme en boucle ferme. La forme finale de lalgorithme est obtenu
si la fonction objective V(x) = Q(x) est elle mme utilise comme la fonction de Lyapunov. La
forme diffrentielle de lalgorithme correspondant est de choisir :
1
V(x, u) = Q(x) + (u u? )T 1(u u? )
2
(1.19)
Ou u? est la valeur dsire des variables de contrle.

Autres mthodes de la thorie moderne de contrle non linaire [77], telles que la thorie
de centre divers [78], des mthodes conception itrative [79]- [87], avec la procdure du
Backstepping dont le nom se reporte au nature rcursive de la procdure.
En premier, seulement un petit sous-systme est considr, pour lequel une loi de contrle virtuelle est construite. Alors, la procdure est tendue en plusieurs tapes jusqu ce que une
loi du contrle finale pour tout le systme est construite. Au long de construction de la loi de
contrle, une fonction Lyapunov pour le systme contrl est successivement construite.
Les non linarits utiles qui agissent pour la stabilisation peuvent tre retenues, et le secteur des non linarits bornes peut tre traiter avec un contrle linaire, cette mthode sera
largement dtaille et applique dans cette thse, des mthode base sur la passivit [88], la
mthode de systmes de structure variable [89]- [91], la thorie de la stabilit absolue [92],
la conception par H Optimale [93], et la combinaison de la mthode Lyapunov directe et la
35
linarisation par la contre raction [94], [95], toutes ces mthodes ont t utilis pour rsoudre
les problmes de stabilit dun tat donn ou dun type de problme objectif.
Nous concluons cette section en accentuant encore une fois que les travaux qui utilisent
les mthodes bien dveloppes de la thorie de contrle linaire et non linaire moderne souvent ne font pas suffisamment attention aux processus chaotiques qui se manifestent et nglige
lexigence de petit effort de contrle. En revanche, les publications qui tiennent compte de cette
exigence nutilisent pas la pleine puissance la thorie de contrle moderne. De plus, beaucoup
de publications considrent seulement des exemples de systmes dordre bas et font des suppositions irralistes. Par exemple, quelques publications supposent que le nombre dactions du
contrle est gal la dimension du vecteur dtat du systme [16].
4.4 Le contrle adaptatif

Dvelopp dans la seconde moiti du dernier sicle, le champ de contrle adaptatif est
encore intressant, dfiant, et excitant avec une varit dapplications dans les systmes de
contrle modernes. Beaucoup de publications [96] - [102] considrent la possibilit dappliquer les mthodes adaptatives au contrle de processus chaotiques, ntant pas surpris parce que
dans beaucoup dapplications physiques, les paramtres et linformation au sujet de la structure
du modle du systme contrl sont inconnus, par exemple la dimension des quations du systme ou la forme caractristiques des non linarits dans la plupart du temps sont incompltes,
ainsi la majorit de travaux rend usage directement ou indirectement ces mthodes de contrle
paramtrique adaptatif.
Soit le modle du systme paramtr :
x = F(x, , u)
(1.20)
O est le vecteur des paramtres inconnus. Daprs (??), la loi de contrle est aussi mise sous
une forme paramtrique : u = U(x, ), ou
= ()
(1.21)
C..d., le vecteur des paramtres du contrleur est dfini partir du vecteur des paramtres
du systme (1.20).
Le processus est obtenu en mesurant les tats du systme x(t), ou les sorties y(t) = h(x(t)) sont
des paramtres inconnus
utilises en ligne ou autonome pour tablir les valeurs estimes (t)
(t), ou ajuster directement les paramtres du contrleur (t).
Une large varit des mthodes dadaptation existe tel que les mthodes du gradient et le
gradient inclin, les moindres carrs, probabilit maximale, et ainsi de suite peuvent tre utilises pour dvelopper des algorithmes de contrle adaptatif et lidentification paramtrique.

36
contrle
Ces mthodes sont bien connues dans la littrature de la thorie de contrle [103], leur validation est bas habituellement sur la fonctions de Lyapunov laquelle est choisie sous la forme
du second degr ou est rarrange par une transformation des variables.
4.5 Linarisation de la carte de Poincar o la mthode OGY

Cette mthode fut propose par Ott, Grebogi et Yorke au dbut des annes 90 [17]. La
possibilit de transformer le mouvement chaotique en un mouvement priodique par une action
externe sur un systme a t dcouvert ds 1980 [104]. Cependant, seulement les annes 90 ont
vu une augmentation explosive dintrt au contrle de processus chaotiques qui sont en grande
partie d au tudes publies o ils ont formul les deux ides clef suivantes :
1. Concevoir un contrleur par un modle discret du systme bas sur la linarisation de la
carte de Poincare.
2. utiliser la proprit de rcurrence des trajectoires chaotiques et appliquer seulement laction de contrle aux instants quand la trajectoire revient un certain voisinage de ltat
dsir o une orbite donne.
Sa ralisation a besoin du temps rel, un temps pour le calcul des vecteurs propres et des valeurs
propres de la matrice Jacobian pour la carte de Poincar. La Publication de cette mthode qui est
maintenant appele la mthode OGY, a t suivi par de nombreuses extensions et traitements,
son concept rfrant [51], [52], [105] est comme suit :
Soit le processus contrl obissant aux quations diffrentielles suivantes :
x = F(x, u)
(1.22)
Et la trajectoire objective dsire x? (t) est une solution du systme (3.2) pour u(t) = 0. Cette
trajectoire peut tre priodique ou chaotique, mais dans les deux cas elle est rcurrente. on
construit la surface appele la carte de Poincare :
S = {x : s(x) = 0}
(1.23)
Passant par le point donn x0 = x? (0) transversalement au trajectoire x? (t) et on associe au point
x le point P(x, u).
x P(x, u).
(1.24)
ou P(x, u) est le point du premier retour la surface S de la solution du systme (3.2), commenant au point x et est obtenu pour une entre constante u.
La carte x P(x, u) est appel la carte de Poincare contrlable. grce au proprit de rcurrence de retour de x(t), cette carte est dfinie au moins pour un certain voisinage du point x0 .
En considrant une squence dune telle carte, nous obtenons un systme discret.
xk+1 = P(xk , uk )
(1.25)
37
Avec xk = x(tk ), ou tk est un linstant du ki me intersection la surface S , et uk est la valeur de

contrle u(t) sur lintervalle entre tk et tk+1 .
La prochaine tape consiste concevoir une loi du contrle en remplaant le systme original (3.2) par un systme discret linaire :
xk+1 = A xk + B uk
(1.26)
Ou : x = xk x0 , uk = C xk , C est une matrice qui doit tre choisie pour avoir une erreur e trs
minime.
Diffrents auteurs prsentent des rsultats numriques qui montrent lefficacit de cette approche. Nanmoins ils mentionnent souvent que le taux de convergence du processus est bas
vis vis du cot de stabilisation globale des trajectoires du systme non linaire pour un niveau
minimal de contrle.
4.6 La contre raction en retard o mthode de Pyragas

Les annes rcentes ont vu une augmentation dintrt vis vis de la mthode de raction
en retard propose en 1992 par un physicien Lituanien K. Pyragas [106] qui a considr le
problme de stabilisation dune orbite instable de priode dun systme non linaire de la
forme (3.2) par une loi simple dans la contre raction.
u(t) = K (x(t) x(t ))
(1.27)
O K est le coefficient de la transmission et est le temps de retard. Pour un contrleur utilisant

une loi de contrle de la forme :
u(t) = G(P) (y(t) y(t ))
(1.28)
Ou : G(P) avec (P = d/dt) est la fonction de transfert du filtre,(1.28) est appel un contrleur
de Pyragas gnralis [107] , [108].
4.7 Contrle Bas sur les Rseaux de neurones

Il y a plusieurs approches utilisant les rseaux neuronaux pour le contrle de processus chaotiques. Beaucoup dtudes comptent sur la capacit universelle des rseaux neuronaux pour le
contrle et la prdiction du comportement des systmes non linaire. Du moment que les systmes chaotiques sont fondamentalement non linaires, la potentialit de leur contrle neuronal
nest pas surprenante [109].
Dautre tudes dcrivent lidentification des systmes contrles par les rseaux neuronaux
combins avec une mthode standard de contrle de systmes chaotiques tel que la mthode

38
contrle
de OGY [110], contrleur de la boucle de retour proportionnel [111], cette identification est
souvent obtenu grce lapprentissage adaptatif [112], ou par optimisation lalgorithme gntique [113], des paramtres du contrleur.
LAlgorithme gntique
Le GA est une mthode de la recherche globale stochastique qui imite le processus de lvolution naturelle. Lalgorithme gntique commence sans connaissance a priori de la solution
correcte et dpend tout fait des rponses de son environnement et des oprateurs de lvolution (c.--d. la reproduction, le croisement et la mutation) pour arriver la meilleure solution.
En commenant par plusieurs points alatoires indpendants et une recherche en parallle, lalgorithme vite des minimums locaux et converge pour obtenir une des solutions optimales si
elles existent.
A Prsent les GAs ont reu beaucoup dattention et plusieurs recherches ont t faites pour
tudier ses applications et principalement dans le domaine de contrle qui a vu un dveloppement norme. Dans ce domaine, les AGs ont montr une capacit dune haute exploration de
localiser des rgions de grande performance dans les domaines complexes sans prouver des
difficults associs aux systmes de grande dimension, comme peut se produire avec les techniques des gradients inclins o les mthodes qui comptent sur linformation drive.
Utilisant les AGs pour rendre le contrleur plus performant, lAG est initialis typiquement
avec une population alatoire qui consiste entre 20-100 individus. Cette population est reprsente habituellement par un nombre estim ou une chaine binaire appele un chromosome. La
performance de chaque individu est mesure par une fonction de cout appele fonction dobjective. La fonction objective assigne chaque individu un nombre correspondant appel laptitude. Laptitude de chaque chromosome est rpartie et une stratgie de survie du plus haut cout
est applique. La valeur de lerreur est habituellement utilise pour rpartir le cout de chaque
chromosome.
Les tapes de lalgorithme gntique
Il y a trois tapes principales pour lalgorithme gntique, la reproduction, le croisement et
la mutation.
La reproduction
Juste comme dans lvolution naturelle, pendant la phase de la repro-
duction la valeur de cout de chaque chromosome est assigne, cette valeur est utilise dans
le processus de la slection pour fournir les individus de plus haut cout, un chromosome de
plus haut cout a une plus haute probabilit dtre slectionn pour la reproduction. Un exemple
dune technique de la mthode de la slection commune est la Roulette. Une section de la roue
39
est alloue chaque individu dans la population, la dimension de la section est proportionnelle
au nombre de lindividu. Un compteur est mis en marche et lindividu qui il est point est
slectionn. Cela continue jusqu ce que le critre de la slection est atteint. La probabilit
quun individuel soit slectionn est donc en rapport avec son aptitude, en sassurant que les
individus de plus grand cout laissent places aux membres de la nouvelle gnration. Des copies
multiples de la mme chaines peuvent tre slectionnes pour la reproduction et les chaines de
plus valeur de cout devraient commencer dominer.
Croisement
Une fois le processus de la slection est acheve, lalgorithme du croisement
est dbut. Les changes des oprations du croisement certaines parties des deux chaines slectionnes dans une offre de capturer les bonnes parties des vieux chromosomes et de crer
mieux nouveaux. Les oprateurs gntiques manipulent directement les caractres dun chromosome, en utilisant la supposition que le gne de certain individu cod produirades individus
en meilleure sant.
La probabilit du croisement indique tous les combien le croisement est excut.La technique
du croisement la plus simple est le croisement en un point seul . En utilisant la slection et le
croisement sur une population produira un grand nombre de chaines diffrentes. Cependant il y
a deux problmes principaux selon la population initiale choisie
il ne peut pas y avoir assez de diversit dans les chaines initiales pour assurer que le GA
explore dans lespace entier de recherche.
Le GA peut converger vers une optimisation locale d un mauvais choix dune population initiale.
Ces problmes peuvent tre vaincus par lintroduction dun oprateur de la mutation dans le
GA.
La mutation
La mutation est la modification alatoire occasionnelle dune valeur dune
place de la chaine. Il est considr comme un oprateur original dans lalgorithme gntique, la
probabilit de mutation est normalement basse parce quun haut taux de la mutation dtruirait
des chaines de la population et dgnrait lalgorithme gntique dans une recherche alatoire.
La probabilit de la mutation svalue autour de 0.1 ou 0.01.Une fois une chaine est slectionne
pour la mutation, un lment est choisi alatoirement de la chaine est chang ou a subi une
mutation.
Le processus de lalgorithme gntique se rsume dans le diagramme suivant :
Les tapes suivies pour la cration et pour rendre efficace un algorithme gntique sont comme
suit :
Gnration dune population initiale alatoire dindividus pour une dimension fixe.
valuation de la fonction dobjective pour chaque individu de la population.

40
contrle
Fig. 1.16 Diagramme illustratif de lAlgorithme Gntique

Slection des membres dont la valeur de la fonction dobjective leve de la population.
La reproduction en utilisant une mthode probabiliste par exemple, la roulette.
Efficacit de lopration du croisement par un choix probabiliste du point de croisement.
excution de lopration de la mutation avec une probabilit basse.
rptition des tapes jusqu ce quun critre de la convergence prdfini soit atteint.
Le critre de la convergence dun algorithme gntique est une condition spcifie par lutilisateur gnralement le nombre maximal de gnrations ou quand la valeur de la fonction
dobjective dpasse un certain seuil.
Les algorithmes gntiques sont substantiellement diffrents des mthodes de recherche traditionnelle et des techniques doptimisation en cinq principaux points qui sont :
Les algorithmes gntiques cherchent une population de points paralllement et non pas
un point seul.
les algorithmes gntiques nexigent pas dinformation drive ou dautre connaissance
auxilliaires seulement une fonction objective et un niveau dvaluation pour linfluence
de la direction de recherche.
Les algorithmes gntiques utilisent des rgles de transition probabilistes et pas deterministes.
Les algorithmes gntiques travaillent sur un codage dun ensemble de paramtres, mais
pas lensemble de paramtres lui mme (except que les valeurs relles des individus sont
utilises).
Les algorithmes gntiques peuvent fournir plusieurs solutions potentielles un problme
donn et le choix dune solution finale est laiss utilisateur.
Mais les inconvnients :
Un usage despace mmoire plus grand do un temps de plus pour atteindre la meilleure
5 Conclusion
41
solution.
La gamme de chaque paramtre doit tre connue par dautres mthodes, une grande
gamme de combinaisons possibles.
Loptimalit locale est linconvnient majeur pour les algorithmes gntiques.
Le test de simulation pour lalgorithme gntique prouve une difficult d au fait que les
simulations ne sexucutent pas en temps rel.
il a t dcouvert que lalgorithme gntique peut quelquefois crer des gains dun contrleur qui renderait les fonctionnalits totales du systme instables et dautres fonctionnalits sont alors ajouter.
4.8 Contrle bas sur les systmes flous

La description indtermine du systme en termes de modles flous fournit des versions
spcifiques des algorithmes de contrle. Le systme flou appel Takagi-Sugeno obissant
lensemble de rgles floues suivantes :
IF (Z1 (t) F1i AND ) AND (Z p (t) F1p ) THEN ( x = Ai x + Bi u, y = Ci x + Di u)
Ces rgles sont trs commodes pour la conception du contrle. ici, x(t) <n et u(t) <m
y(t) <m :
Sont, respectivement, les vecteurs dtat, entre, et sortie du systme, Zi (t) sont des variables
antcdentes qui sont fonctions des variables dtat du systme de la variables entre u(t) et,
probablement de la variable temps avec Fi j sont les ensembles flous dfinissant les fonctions
dappartenances. Les matrices Ai , Bi peuvent tre dpendantes des variables Zi (t) qui permettent
de dcrire le systme non linaire dans la forme paramtrique. La sortie du systme est dtermine au moyen de la dfuzzification par la mthode de centre de gravit qui souvent utilise.
y(t) =
r
X
hi (z) Ci x
(1.29)
i=1
Ou : hi (z) =
w (z )
Pr i i
,
i=1 wi (zi )
wi (zi ) =
Fi j (zi ), z = (z1 , z2 , , zn ).
Avec cette reprsentation, les non linarits sont caches dans la rgle de dfuzzification qui
permet de construire des modles flous pour une classe large de dynamique, y compris les
systmes chaotiques [114].
5 Conclusion
Le contrle du chaos demeure un domaine de recherche intensive. Les domaines des tudes
les plus innovatrices et les puissantes tels que le contrle en boucle ouverte ou contrle vibrationnel, la linarisation de la carte de Poincare et la raction retarde sont explors activement.

42
contrle
Nanmoins, ils font face nombreux problmes irrsolus sinquitant principalement de la justification des mthodes. Les mthodes bien dveloppes de contrle non linaire et le contrle
adaptatif devrait tre utilis avec soin cause du critre du moindre effort. Mpris de ceci, les
exigences peuvent produire une impression de simplicit du problme. Du point de vue du critre de moindre effort, les mthodes bases sur la passivit offrent un avantage parce quelles
nous autorisent atteindre le but indpendamment du gain.
Ces dernires annes, il y a eu un intrt considrable dans le contrle du chaos dans les systmes dynamiques non linaires. Pour les annes passes, beaucoup de techniques diffrentes
ont t proposes pour contrler le chaos, tel que mthode OGY, approche gomtrique diffrentielle, par retour raction de lespace de ltat linaire, contrle adaptatif, contrle flou et
la mthode du Backtepping qui fait partie du contrle non linaire sera largement dtaille et
applique dans le prochain chapitre.
Chapitre 2
Backstepping pour la stabilisation et la
commande en poursuite de trajectoire
rfrence des systmes dynamiques non
linaires chaotiques
1 Introduction
Durant ces dernires annes, une grande partie de la communaut scientifique sest intresse la recherche des procdures rcursives pour la mise au point des lois de commande pour
les systmes non linaires, comme par exemple le Backstepping, un certain nombre douvrages
traitant de cette nouvelle approche thorique sont apparus [181]- [190]. Des applications des
procds ont aussi t prsentes dans la littrature [191]- [202]. Ces techniques maintenant
relativement connues sont essentiellement bases sur lutilisation des fonctions de Lyapunov
pour ce qui est de ltude de la stabilit.
La thorie de Lyapunov est un outil important, aussi bien pour les systmes linaires que
les systmes non linaires, malheureusement son utilisation dans le contrle des systmes non
linaires est souvent gne par des difficults de trouver une fonction de Lyapunov approprie
pour un systme donn, si on peut trouver une telle fonction le systme est stable, mais la tache
de la trouver est malheureusement dlaisse pour limagination et lexprience du concepteur
[116].
Le Backstepping est une mthode systmatique pour la conception de contrle non linaire, elle peut tre applique pour une classe gnrale de systmes. Son nom se reporte
la nature rcursive de la conception de la procdure. En premier, un petit sous systme est
44
Backstepping pour la stabilisation et la commande en poursuite de trajectoire

rfrence des systmes dynamiques non linaires chaotiques
considr pour lequel une loi de commande virtuelle est conue, puis la conception est tendue sur plusieurs tapes jusqu ce que la loi de commande finale pour le systme globale est
construite. Durant la conception une fonction de Lyapunov du systme contrl est successivement construite.
Une chose important dans le Backstepping est que les non linarits peuvent tre traites en
plusieurs moyens, les non linarits utiles contribuant dans la stabilisation peuvent tre retenues,
tandis que les non linarits non utiles peuvent tre remplaces par un contrle linaire [87].
Contrairement au contrle par boucle de retour linaire, ou les non linarits sont limins en
utilisant une boucle de retour non linaire, gard les non linarits au lieu de les limins exige
un modle moins prcis et un petit effort de contrle et mieux encore, les lois de contrle rsultant peuvent tre considres comme des lois optimales garantissant une certaine proprit de
robustesse.
Lorigine du Backstepping nest pas tout a fait clair, ceci est du lapparition simultan
et souvent implicite dans les articles publis des 1980. Cependant, il est juste de dire que le
Backstepping a reue beaucoup dattention, grce au travaux de professeur V. Kokotovic et ses
collaborateurs [79]- [87]. En 1992 Kannellkapoullos et Al prsentaient un outil mathmatique
"toolkits" pour concevoir des lois de contrle pour une varit des systmes non linaires utilisant la mthode du Backstepping [102]- [104]. Durant les annes suivantes, des manuels dits
sont apparus [105], [106].
Ce chapitre introduit les techniques de bases du Backstepping, ou on donne dans la section 2.2
quelques concepts sur la thorie de Lyapunov, la section 2.3 introduit les ides de base de la
conception des lois de commande par le Backstepping, dans la section 2.4 des applications sur
quelques systmes dynamiques non linaires chaotiques finalement on termine par une conclusion sur les parties formant le chapitre.
2 Notion de stabilit au sens de Lyapunov

La commande par la mthode du Backstepping est bas sur la thorie de Lyapunov [148],
[149] , lobjectif de la procdure est de construire une loi de commande qui ramne le systme
vers un tat dsir, qui est gnralement un tat dquilibre stable en boucle ferme.
Dans cette section on donne quelques notions de stabilit au sens de Lyapunov, les conditions
de stabilit des diffrents tats dquilibres des systmes dynamiques non linaires [150], [151].
La classe des systmes est celle drivant des modles de systmes physiques qui peuvent se
prsenter par un ensemble des quations diffrentielles ordinaires.
Description (sans une entre)
x = f (x, t)
(2.1)
45
Description (avec une entre)

x = f (x, u, t)
(2.2)
O x = [x1 , x2 , , xn ]T est le vecteur des variables dtat,

u = [u1 , u2 , , um ]T est le vecteur des entres du systme.
Le systme Autonome :un systme est dit autonome si f ne dpend pas du temps, si non le
systme est dit non autonome.
Considrons le systme autonome suivant :
x = f (x)
(2.3)
Ou : x = x(t) <n .
2.1 Diffrents tats dquilibres

Point dquilibre
Cest un point pour lequel x = 0.
Un point dquilibre est une valeur de ltat xeq telle que lorsque largument x de f (x) est
remplac par xeq , alors f (x) sannule : x = f (xeq ) = 0.
Cycle limite
Un cycle limite est une trajectoire ferme solution du systme.
Un systme (2.3) possde un cycle limite C sil existe un intervalle de temps [t0 ; t0 + T [ et un
point de dpart x0 C, tel quen dsignant par (t) la solution du systme avec pour condition
initiale x(t0 ) = x0 = (t0 ) on ait :
(t) C
t [t0 ; t0 + T [,
(T ) = x0 .
Dfinition intuitive de la stabilit
Si le systme est initialement "lgrement" perturb de son point dquilibre le systme
reste "proche" de ce point dquilibre.
Notion de distance
Il faut rendre mathmatiquement prcis ce que lon entend par "proche" et "lgrement"
[151].
Dfinition 2.1 Un espace vectoriel est dit norm lorsquil existe une fonction qui associe
tout x la fonction la norme de x : x kxk
de
< telle que :
46

kxk 0,
x , 0
kcxk = ckxk,
et
c <
kx + yk kxk + kyk
kxk = 0
seulement lorsque
x=0
, x
x, y
Dans un espace
vectoriel <n , les normes suivantes sont dfinies :
qP
n
2
kxk2 =
k=1 xi
P
kxk1 = nk=1 |x|i
kxk = maxni=1 xi
Avec x = (x1 , x2 , , xn )T , xi <,
i = 1, , n. vecteur des variables dtat.
Proprits de stabilit du point dquilibre

Dans cette partie, nous rappelons quelques concepts sur la stabilit des systmes dynamiques. La notion de stabilit dun systme dynamique caractrise le comportement de ses
trajectoires autour des points dquilibre. Lanalyse de la stabilit dun systme dynamique permet donc dtudier lvolution de sa trajectoire dtat lorsque ltat initial est proche dun point
dquilibre.
La stabilit au sens de Lyapunov est une thorie gnrale valable pour toute quation diffrentielle. Cette notion signifie que la solution dune quation diffrentielle initialise au voisinage dun point dquilibre en reste suffisamment proche.
Les proprits de stabilit du point dquilibre sont caractrises par les dfinitions suivantes
[120] :
Dfinition 2.2
Un point dquilibre xeq est dit stable au sens de Lyapunov, si pour tout
rel strictement positif R 0, il existe un rel strictement positif r 0 tel que pour toute
solution du systme x(x0 , t) (2.3) on a :
kx0 xeq k r kx(x0 , t) xeq k R
.
x(x0 , t) est une solution sous une condition initiale x0
Il est instable sil nest pas stable au sens de Lyapunov.
Un point dquilibre xeq est dit attractif si pour tout rel strictement positif 0, il existe
un scalaire positif (t0 ) 0 tel que :
kx0 k (t0 )) lim x(t, t0 , x0 ) = xeq
t
t t0
on dit que le point dquilibre xeq est globalement attractive si : (t0 ) = .
47
Un point dquilibre xeq est asymptotiquement stable (AS) sil est stable et en plus il est
attractif, c.a.d. il existe un nombre un rel strictement positif 0 tel que :
kx0 xeq k lim x(t) = xeq
t
Un point dquilibre est globalement asymptotiquement stable (GAS) sil est asymptotiquement stable pour tout tat initial tel que :
lim x(t) = xeq
x0
Dfinition 2.3 Un cycle limite C est dit stable si toutes les trajectoires dans un voisinage du
cycle tendent vers C .
Il est instable si toutes les trajectoires divergent de C.
Il est semi-stable si certaines trajectoires convergent vers C.
La stabilit tait considre comme la capacit du cycle limite de se maintenir mme aprs
perturbation de celui-ci. Ce type de stabilit sera appele asymptotique. La prsente section
donne les nuances entre les types de stabilit ainsi quun traitement approfondi du concept, et
des rsultats relatifs. Elle ne soccupera que de lanalyse dun point dquilibre. Les concepts
pourront alors tre tendus la notion de cycle limite sans trop de difficult.
La stabilit au sens de Lyapunov signifie que la trajectoire dtat peut tre garde arbitrairement prs de xeq , si lon prend une condition initiale suffisamment proche de xeq .
Montrer quun point dquilibre admet une des proprits cites ci-dessus en utilisant les
dfinitions prcdentes est souvent difficile. Notons que gnralement, on ne sait pas rsoudre
explicitement le systme (2.3). Pour cela la thorie de Lyapunov est trs utile pour tudier la
stabilit et la stabilit asymptotique des systmes non linaires [156].
De ce fait, la mthode directe de Lyapunov permet de contourner cet obstacle. Cette mthode
consiste dfinir une fonction particulire dont lexistence garantit la stabilit.
2.2 Mthode direct de Lyapunov

Le mathmaticien et ingnieur A. M. Lyapunov introduisait lide de condenser le vecteur
dtat x(t) en une fonction scalaire V(x), qui mesurait de combien le systme est loin du point
dquilibre xeq et si cette fonction tend vers une valeur minimale, alors le systme tend vers son
point dquilibre. Cette approche qui caractrise la stabilit du systme est appele la mthode
direct de Lyapunov ou la seconde mthode de Lyapunov. Dfinissons dabord quelques concepts
utiles :
Dfinition 2.4 Une fonction scalaire V(x) est :
48

Dfinie positive si : V(0) = 0
et
V(x) 0
Semi dfinie positive si : V(0) = 0
et
x , 0
V(x) 0
x , 0
Semi dfinie ngative si : V(x) est Semi dfinie positive

Radialement non borne si : V(x)
kxk
Maintenant nous pouvons noncer les thormes qui prouvent la stabilit asymptotique globale.
Considrons le systme (2.3) et f (0) = 0
Thorme 2.1 V(x) est une fonction scalaire semi dfinie positive, borne, continue et diffrentiable dans le temps si :
d
V dx V
V(x)
V(x)
= V(x) =
=
x =
f (x) 0
dt
x dt
x
x
x , 0
(2.4)
Alors x = xe q est un point dquilibre globalement asymptotiquement stable (GAS).
Une fonction scalaire V(x) qui satisfait la condition V(x)

0 est alors appele la fonction de
Lyapunov du systme.
La dfinition implique que la fonction V dfinit des quipotentielles imbriques. Cest dire
que les courbes V(x) = cste, appeles quipotentielles de Lyapunov, dfinissent des domaines
connexes autour de lorigine. De plus en dfinissant les domaines :
D1 = {x V(x) c1 } f, D2 = {x V(x) c2 }, alors : c1 c2 D1 D2
Lexistence de cette fonction implique que le point x = xeq est un point dquilibre stable, la
condition V(x)
0 garantie la stabilit asymptotique, la condition de radialement borne garantie que toutes les courbes de niveau de V(x) sont fermes, toutes ces conditions garantissent
la stabilit asymptotique globale du systme.
est seulement
Dans quelques cas la stabilit asymptotique globale, peut tre montrer quand V(x)
semi dfinie ngative [152].
Considrons le systme (2.3) et f (0) = 0
Thorme 2.2 V(x) est une fonction scalaire Semi dfinie positive, borne, continue et diffrentiable dans le temps si :
V(x)
= V(x) f (x) 0,
x , 0,
S = {x :
V(x)
= 0}
Et supposant que le systme (2.3) admet une solution unique x(t) = xeq . Si x(t) reste au voisinage
de S , alors x = xeq est un point dquilibre globalement asymptotiquement stable (GAS).
Thorme 2.3 Le point dquilibre x = xeq du systme dquation (2.3) est dit uniformment
Asymptotiquement Stable si toute trajectoire solution du systme comprise dans une boule de
rayon R de grandeur quelconque et initialise en x0 dans une boule de rayon R0 dpendant de
R converge vers le point dquilibre quand t tend vers .
R 0, r 0
49
tel que
kx0 k r kxt k R
Cette dfinition signifie que, quelle que soit la boule dexigence de taille R, il est toujours possible de choisir une certaine sous-boule de taille r telle que, pour toutes les conditions initiales
comprises dans cette sous-boule, les trajectoires rsultantes seront, en tout temps, comprises
dans la boule dexigence de taille R.
Dans la thorie de Lyapunov, un des critres prsents consiste en ltude dune fonction
note V(x) lie au systme considr, que lon appelle fonction de Lyapunov. Si cette fonction remplit certaines conditions, alors le point dquilibre xeq du systme est qualifi de stable
[152].
Une des formes du thorme dcrivant ce critre passe par lutilisation des fonctions de classe
K et K . Nous en donnons une dfinition ci-aprs.
Dfinition 2.5 Une fonction continue g(r) o r appartient lintervalle [0; a] < est dite de
classe K si elle est strictement croissante et si g(0) = 0. Elle appartient la classe K si a =
et si g(r) tend vers quand r tend vers . g(r)
krk
Le thorme peut alors tre nonc comme suit.

Thorme 2.4 Supposons quune fonction V(x) ait ses drives premires continues autour du
point dquilibre x = xeq . Alors si on peut trouver des fonctions , et de classe K telles que
les conditions suivantes soient vrifies :
(kxk) V(x) (kxk)
(2.5)
V(x)
(kxk)
(2.6)
le point dquilibre x = xeq est uniformment asymptotiquement stable (UAS).

Le corollaire qui suit permet de travailler sur tout lespace dtat.
corollaire 2.1 Si de plus, est de classe K , alors le point dquilibre x = xeq est Globalement
Uniformment Asymptotiquement Stable (GUAS).
Bien que certains systmes ont la caractristique davoir une fonction de Lyapunov dcrois
sante, mais pas pour autant strictement dcroissante, (cest--dire V(x)

0) au lieu de V(x)

0, x , 0), ils sont nanmoins asymptotiquement stable. Lobjet de cette section est de prsenter les conditions supplmentaires sur la fonction V et sa drive dans le temps pour garantir la
stabilit asymptotique.
De plus, loutil qui sera prsent permet de traiter galement la convergence vers un point
dquilibre ou vers un cycle limite. Nous verrons galement que le caractre positif dfini de V
50

peut trs bien tre relax. Le thorme ne donnera pas une preuve de stabilit au sens de Lyapunov, mais un critre de convergence asymptotique, ceci valant autant pour les points dquilibre
que pour les cycles limites.
Pour prouver les proprits de stabilit dun systme, de nombreuses mthodes sont bases
sur le thorme de Lyapunov, pour les systmes autonomes, il est possible de prouver la stabi
lit asymptotique quand V(x)
0 en considrant le thorme dinvariance de LaSalle, alors que
pour les systmes non autonomes le Lemme de Barbalat est employ pour prouver la stabilit
asymptotique [152].
Thorme 2.5 (Thorme de LaSalle) Le point dquilibre x = xeq de (2.3) est asymptotiquement stable s il existe une fonction V(x) de D < continument diffrentiable ayant les
proprits suivantes :
V(x)
0
x , 0
S = {x : V(x)
= 0}
Ou :
D est un ensemble ouvert de <n et xeq D,
V(x) V(xeq )
x , 0 dans D, (V(x) est minimale en xeq ),
V(x)
0
x D,
Lensemble S D tel que V(x)

= 0 ne contient pas de trajectoires du systme x(t) = xeq .
Alors, pour toute condition initiale x0 D, la solution de (2.3) reste dans D, est dfinie pour
tout temps t > 0 et converge vers le plus grand sous-ensemble invariant inclus dans S [157],
[120], [158]. Le thorme dinvariance de LaSalle, sapplique aussi bien aux points dquilibres
quaux cycles limites.
Thorme 2.6 (Lemme de Barbalat) [20], Soit : < < une fonction uniformment continue
Rt
sur [0, [. Supposons que limt 0 () d existe et est finie, Alors :
0 quand t
En combinant la mthode directe de Lyapunov et le Lemme de Barbalat, nous obtenons le
thorme de LaSalle et Yoshizawa.
Thorme 2.7 (Thorme de LaSalle et Yoshizawa) [20]- [21], Soit x = 0 un point dquilibre
de (1.3)avec f une fonction localement drivable en x et est uniformment continue en t.
Soit : V : <n <+ <+ une fonction continument diffrentiable tels que :
1 (kxk) V(x, t) 2 (kxk)
V = V(x) f (x) W(x) 0
(2.7)
51
ou 1 et 2 sont des fonctions de classes K et W est une fonction continue. Alors, toutes les
solutions de (2.3) sont globalement uniformment bornes et satisfont limt W(x(t)) = 0
De plus, si W(x) est dfinie positive, alors le point dquilibre x = 0 est Globalement asymptotiquement uniformment stable (GAUS).
Jusqu prsent on a dfini la stabilit des systmes partir de la stabilit de ltat dquilibre autour dun point, dans un domaine. Il est galement possible de considrer la stabilit
entre/sortie.
Soit le systme :
x = f (x, u)
y = h(x, u)
x(t0 ) = x0
(2.8)
O u est lntre du systme alors que y est la sortie. La stabilit entre/sortie dun point dquilibre (ue , ye ) se dfinit par :
Thorme 2.8 Quelque soit 0, il existe 0 et il existe un domaine de conditions initiales
de ltat du systme tels que si ku ue k pour tout t et que x0 appartient au domaine de
conditions initiales alors ky ye k pour tout t.
Remarque
Ces thormes sont une condition suffisante de stabilit mais ne permet pas de guider lutilisateur dans le choix de la fonction de Lyapunov, nindiquent pas toujours comment trouver la
fonction de Lyapunov, qui satisfait les conditions de (GAUS). Ltude des mthodes qui permettent de construire une fonction de Lyapunov candidate pour un systme donn a motiv
une littrature trs abondante, les formes quadratiques sont les plus utilises notamment les
fonctions dfinies positives qui sont des intgrales premires.
Type de fonction de Lyapunov

La recherche des fonctions de Lyapunov, cest--dire des fonctions qui peuvent tre assignes tre des fonctions de Lyapunov pour une certaine commande, joue un rle trs important pour la stabilisation des systmes non linaires et la robustesse de la stabilit ainsi obtenue.
Cest la fois un outil fondamental dun point de vue thorique puisque lon peut rduire la recherche des lois de commande stabilisantes la recherche des fonctions de Lyapunov, un outil
de synthse des lois de commande, et un outil pour ltude de leurs robustesses [151].
52

Quelques exemples de fonctions de Lyapunov

Dans le cas des systmes non linaire, il nexiste pas de mthode systmatique pour choisir
une fonction de Lyapunov convenable, dou lutilisation de lexprience, de lintuition et de
considrations physiques et de quelques mthodes partielles. Nous proposons quelques fonctions de Lyapunov classiques et nous prsentons deux mthodes qui permettent de rpondre en
partie ce problme [152].
Fonction de Lyapunov quadratique
Soit nimporte quelle matrice symtrique dfinie positive P (Une condition ncessaire et
suffisante pour que la matrice symtrique P soit dfinie positive est que ses valeurs propres
soient toutes positives), alors
V(x) = xT P x
(2.9)
est une fonction candidate de Lyapunov. Les quipotentielles de Lyapunov sont des ellipsodes
avec des demis axes dfinis par les valeurs propres et vecteurs propres de P [151]. La drive
au long de la trajectoire de V scrit :
V(x)
= xT P f (x) + f (x)T P x
(2.10)
V(x) = max |xi |
(2.11)
Norme du max
Soit la fonction :
Cest dire que lon prend la valeur absolue maximale des coefficients du vecteur x. Les quipotentielles de Lyapunov sont des hyper cubes de cots parallles aux axes de lespace vectoriel.
La drive le long des trajectoire scrit :
V(x) = max |xi | = xi signe(xi )
(2.12)
V(x)
= fi (x)signe(xi )
(2.13)
Norme duale du max

Soit la fonction
V(x) =
|xi |
(2.14)
Cest dire que lon prend la somme des valeurs absolues des coefficients du vecteur x. Les
quipotentielles de Lyapunov sont des hyper cubes de sommets placs sur les axes de lespace
vectoriel. La drive le long des trajectoires scrit :
X
=
V(x)
fi (x)signe(xi )
(2.15)
53
Construction des fonctions de Lyapunov

Construction par la mthode de Krasovskii
La mthode de Krasovskii consiste proposer une fonction candidate de Lyapunov de la
forme V(x) = f T (x) f (x) et de tester si cette fonction est une fonction de Lyapunov.
Thorme 2.9 Soit le systme autonome suivant x = f (x) tel que f (0) = 0 dont le point dquilibre tudi est lorigine. Dfinissons la matrice jacobienne du systme :
A(x) =
f (x)
x
Si la matrice F(x) dfinie par F(x) = AT (x) + A(x) est dfinie ngative dans un voisinage de
lorigine :
<N , 0 :
F(x) = AT (x) + A(x) 0,
x , 0
c. . d
(xT F(x)x) 0
x , 0, x
Alors :
V(x) = f T (x) f (x)
avec
V 0
V(x) est une fonction de Lyapunov et 0 est un point localement asymptotiquement stable.
Si de plus = <N , et
lim V(x) = +
kxk+
alors le systme est globalement asymptotiquement stable.

Remarque :
Ce rsultat de Krasovskii trs simple utiliser est toutefois rarement applicable du fait des
problmes tels que :
matrice jacobienne non dfinie ngative.
difficult pour tester la dfinie ngativit de F.
Dmonstration :
f (x) T
f (x)
V = xT (
) f (x) + f (x)T
x = f (x)T (AT (x) + A(x)) f (x)
x
x
Gnralisation
Soit x = f (x) dont le point dquilibre tudi est lorigine et A(x) sa matrice jacobienne. Sil
existe deux matrices P = PT et Q = QT telles que :
54

Thorme 2.10
<N , P 0etQ 0
F(x) = AT (x)P + P A(x) + Q 0
x , 0 x ,
Alors :
V(x) = f T (x) P f (x) avec V 0.
Est une fonction de Lyapunov et lorigine 0 est localement asymptotiquement stable.

Si de plus <N , et :
lim V(x) = +
kxk+
Alors x = 0 est globalement asymptotiquement stable.

Construction par la mthode du gradient variable
Cette mthode constitue une approche formelle permettant de construire des fonctions de
Lyapunov. Une fonction scalaire est relie son gradient par la relation intgrale :
Z x
V(x) =
Vd
(2.16)
Ou :
V =
V
x1
V
x2
V
. . . x
n
T
(2.17)
Principe de la mthode :
On suppose donne une forme spcifique pour le gradient V en lieu et place dune forme
spcifique pour la fonction candidate. Gnralement, on suppose :
n
X
ai j x j
Vi =
j=1
o les ai j sont des coefficients dterminer.

Lorsque les conditions dintgrabilit sont satisfaites (la relation entre le gradient et la fonction
scalaire est biunivoque) :
Vi V j
=
, i , j, (i, j = 1, . . . n)
xi
x j
(2.18)
Procedure :
V est donne par la forme prcdente
Rsoudre les relations croises pour ai j conditions dintgrabilit satisfaites.
Imposer la condition V 0 implique le choix des ai j (x1 , x2 , , xn ); i = 1, 2, , n, pour
que V soit dfinie ngative.
Calculer V par intgration partir de V. lintgration ne dpend pas du chemin :
Z x1
Z x2
Z xn
V1 (1 , 0, , 0)d1 +
V2 (x1 , 2 , 0, , 0)d2 +, , +, , +
Vn (x1 , x2 , , n )dn
0
En vrifiant toujours la condition V(x) > 0x , 0
(2.19)
55
Remarque
La stabilit au sens de Lyapunov est une traduction mathmatique dune constatation lmentaire, si lnergie totale dun systme se dissipe continument (cest--dire dcrot avec le
temps) alors ce systme (quil soit linaire ou non, stationnaire ou non) tend se ramener un
tat dquilibre (il est stable). La mthode directe cherche donc gnrer une fonction scalaire
de type nergtique qui admet une drive temporelle ngative.
Concept de passivit et fonction de Lyapunov
Un systme est passif lorsque la puissance soutire se fait au dtriment du stock interne
dnergie. Ainsi, il ne peut pas y avoir de gnration interne de puissance.
Lide est de considrer des systmes pour lesquels la dissipation est positive ou nulle. En
dautres termes lorsque la puissance est injecte la puissance en entre positive elle est soit
stocke soit dissipe et lorsque le systme restitue de la puissance puissance en entre ngative,
elle est fournie par le stock interne. Il ny a pas de gnration interne de puissance [121]- [124],
[152]- [124].
Dfinissons la fonction de Lyapunov pour un systme sans entre :
x = f (x)
V 0
Tandis que la passivit pour systme entre-sortie est :
x = f (x, u)

V puissance f ournie
y = h(x)
(2.20)
(2.21)
La Passivit permet dobtenir des contrleurs robustes qui ont une interprtation physique claire
en termes dinterconnexions du systme avec son environnement. En particulier, lnergie totale
du systme en boucle ferme est la diffrence entre lnergie du systme et lnergie fournie par
le contrleur .
2.3 Contrle Bas sur la thorie de Lyapunov

Considrons le systme autonome avec entre suivant :
x = f (x, u)
O x est le vecteur dtat du systme et u est la loi de commande lentre, procdons
dferrement, notre objectif est de trouver une loi de commande qui ramne le systme au point
56

dquilibre x = 0, soit u = k(x) tel que x = 0 est un point dquilibre globalement asymptotiquement stable pour le systme boucle de retour ferm x = f (x, k(x)).
Pour dmontrer le critre de stabilit (GAS), on a besoin de construire une fonction de Lyapunov V(x) , qui satisfait les conditions des thormes prcdents, la conception de la loi de
contrle u = k(x) associe avec la fonction de Lyapunov est ce quon appelle un contrle base
sur la thorie de Lyapunov.
Une approche simple de trouver u = k(x) est de prendre une fonction dfinie positive, bor = V(x) f (x) 0, x , 0.
ne V(x) , et choisir k(x) telle que V(x)
Pour russir dans cette approche V(x) doit tre soigneusement choisie.
Dfinition 2.6 Une fonction dfinie positive, borne V(x) est appele un contrle bas sur la
fonction de Lyapunov (cfl) si :
inf V(x) f (x) 0
x , 0
(2.22)
Etant donn un (Cfl) pour un systme donn, on peut donc trouver facilement une loi de contrle
assurant une stabilit globale du systme, lexistence dune telle loi est quivalente lexistence
dun (cfl) [189], cest--dire pour chaque loi de contrle assurant une stabilit globale, on peut
trouver un (Cfl) et inversement ceci est connue par le thorme dArtstein [160].
Thorme 2.11 (theoreme dArtstein) Un systme dynamique a une loi de contrle base sur
la fonction de Lyapunov si et seuleument si il existe une fonction de stabilisation regulire dans
la boucle de retour u(x).
Les mthodes ci-dessus supposent que si un (Clf) est connu, le systme peut tre contrl, alors
comment peut-on construire une loi de contrle correspondant une fonction de Lyapunov pour
avoir une stabilit globale en boucle ferme, le Backstepping [115]- [120] rsout ce problme
travers une mthode rcursive pour une classe des systmes non linaire (2.3), dans la section
suivante on donne les conceptes de base de la mthode, laquelle peut tre appliqu aux diffrents
systmes chaotiques cits au dessus.
3 Thorie du Backstepping
La technique du backstepping a t dveloppe au dbut des annes 90. Larrive de la commande par le backstepping a donn un nouveau souffle la commande des systmes non linaires, qui malgr les grands progrs raliss, il manquait des approches gnrales. Cette technique est une mthode systmatique et rcurrsive de synthse de lois de commande non linaires
qui utilise le principe de stabilit de Lyapunov et qui peut sappliquer un grand nombre de systmes non linaires.
57
Lide de base de la commande par le Backstepping est de rendre les systmes boucls
quivalents des sous-systmes dordre un en cascade stable au sens de Lyapunov, ce qui leur
confre des qualits de robustesse et une stabilit globale asymptotique. En dautres termes,
cest une mthode multi-tapes. A chaque tape du processus, une commande virtuelle est ainsi
gnre pour assurer la convergence du systme vers son tat dquilibre. Cela peut tre atteint
partir des fonctions de Lyapunov qui assurent pas pas la stabilisation de chaque tape de
synthse.le Backstepping est :
applicable au systme de type triangulaire infrieur ou appele aussi boucle de retour
stricte c .. d la drive de chaque composante du vecteur dtat doit tre une fonction des
composantes prcdentes et dpendre additivement de la composante suivante.
Commenant avec la premire quation diffrentielle du systme x1 qui est plus loin de
lentre de commande u, et nachve la loi de commande de type dexpression analytique
quen dernire tape.
Elle construit une sortie passive et une fonction de stockage qui est utilise comme une
fonction Lyapunov.
La mthode de linarisation par bouclage de retour limine toutes les non linarits du systme,
la technique du backstepping donne plus de flexibilit au concepteur en exploitant les " bonnes
" non linarits, tandis que les " mauvaises " non linarits ou les non linarits dstabilisantes
sont domines en ajoutant des amortissements non linaires. Ainsi, une robustesse additionnelle
est obtenue [161].
3.1 Commande de stabilisation par la mthode du Backstepping

Cette technique met profit des relations causales successives pour construire de manire
itrative et systmatique une loi de commande et une fonction de Lyapunov stabilisante. De
plus, et contrairement au bouclage linaris, le backstepping offre la possibilit de conserver
dans le bouclage les non linarits stabilisantes. Pour quelle puisse sappliquer, le systme non
linaire doit tre sous la forme paramtrique de boucle de retour stricte.
Considrons le systme sous la forme paramtrique du type boucle de retour stricte suivant :
xi = gi (xi , t)xi+1 + fi (xi , t)
(i = 1, , n 1)
(2.23)
xn = gn (xn , t) u + fn (xn , t)
y = x1
xt0 = x0
O xi = [x1 , x2 , , xi ] <i , (i = 1, , n 1), u < , y < :
Sont respectivement vecteurs des tats dentres et de sortie.
58

gi (.) , 0, fi (.), i = 1, , n 1 sont des fonctions non linaires contiues et drivables.

gn (.) , 0, fn (.) sont des fonctions non linaires continues.
Ce systme est reprsent par le bloc diagramme dans la figure (2.1) suivante : Notre objectif
Fig. 2.1 Le bloc diagramme dun systme de boucle de retour stricte.

est de concevoir un contrleur dans la contre raction pour le systme (2.23) garantissant une
stabilit globale et force le systme vers le point dquilibre c . .d :
y(t) 0
quand
(2.24)
La conception de la procdure du backstepping contient n tapes, durant la iime tape une

loi de commande intermdiaire appele aussi fonction stabilisante ou loi de contrle virtuelle
i doit tre dtermine en utilisant une fonction de Lyapunov approprie Vi .
Considrons en premier lquation du systme (2.23) quand i = 1, dans la premire tape,
le premier sous systme avec une sortie passive z1 et une entre x2 , est rendue passive par une
loi de contrle virtuelle 1 (x1 ) , le second sous systme avec une sortie passive z2 = x2 1 et
une entre x3 , est rendue passive par une loi de commande virtuelle 2 (x1 , x2 ) ,cette procdure
est applicable jusquau ni me sous systme avec une sortie zn = xn n1 et une entre u. La
sortie zn est rendue passive et GAS par une loi de commande finale u.
A chaque tape une fonction de Lyapunov est construite qui est considre aussi comme une
fonction de stockage de type quadratique et peut tre dtermine par les deux mthodes Krasovskii ou le gradient variable.
Premire tape
Fig. 2.2 Le bloc diagramme du premier sous systme
59
Dfinissons la premire variable de la procdure soit z1 comme sortie virtuelle du premier

sous systme z1 = x1 . La drive dans le temps est :
z1 = x1 = g1 z2 + g1 1 + f1
(2.25)
Et une deuxime variable du Backstepping z2 = x2 1 , avec 1 une loi de commande virtuelle

qui doit tre dterminer plus tard. Pour trouver cette loi de commande nous construisons une
Fig. 2.3 Le bloc diagramme du premier sous systme avec une sortie virtuelle z1
fonction Lyapunov partielle de type quadratique :
V1 (z1 ) =
1 2
z
2 1
(2.26)
Sa drive par rapport au temps est :

=c z
V 1
1 1
z }|
{
= z1 z1 = g1 z1 z2 + z1 (g1 1 + f1 )
(2.27)
La non linarit est remplac par un controle linaire et 1 est choisie de telle sorte que V1 soit
ngative dfinie :
1
(c1 z1 f1 )
(2.28)
g1
O c1 0 est une constante de conception positive. Notant que 1 a t choisi de manire
liminer la non linarit f1 et davoir V 1 0. On substituant 1 dans V1 et dans on z1 trouve :
1 =
V 1 = c1 z1 + g1 z1 z2
z1 = g1 z2 c1 z1
(2.29)
Pour une stabilit globale, le dernier terme g1 z1 z2 dans V 1 sera limin dans la prochaine tape.
Deuxime tape
Dans cette tape nous utilisons une nouvelle variable z3 = x3 2 comme une sortie pour le
second sous systme avec x3 comme entre et recrivant la seconde quation du systme(2.23) :
z2 = x2 1 = g2 z3 + g2 2 + f2 1
Puisque 1 (x1 ) est la fonction stabilisante du sous systme 2 alors :
(2.30)
60

Fig. 2.4 Le bloc diagramme du deuxime sous systme
Fig. 2.5 Le bloc diagramme du deuxime sous systme avec une sortie virtuelle z2
1 =
1 1
1
=
x1 =
(g1 x2 + f1 )
t
x1
x1
(2.31)
En substituant 1 dans z2 .
z2 = g2 z3 + g2 2 + f2
1
(g1 x2 + f1 )
x1
(2.32)
Maintenant nous procdons trouver une fonction de Lyapunov V2 pour le second sous systme,
Parce que z2 est une sortie passive, un choix possible de la fonction du stockage :
V2 (z1 , z2 ) = V1 (z1 ) +
1 2
z
2 2
(2.33)
Sa drive dans le temps est :

z
V 2 = V 1 + z2 z2 =
c1 z21
=c2 z2
}|
{
1
+ g2 z2 z3 + z2 (g1 z1 + g2 2 + f2
(g1 x2 + f1 ))
x1
(2.34)
La proprit cl de cette expression est que tous les termes potentiellement indfinis paraissaient
multipli par z2 . Do, notre contrle virtuelle x3 = 2 (x1 , x2 ) peut tre choisi de faireV2 ngative
dfini. une conception possible est :
2 =
1
1
(c2 z2 g1 z1 f2 +
(g1 x2 + f1 ))
g2
x1
(2.35)
O c2 est une constante positive de conception. On substituant 2 dans V2 et dans on z2 trouve :
2
2
V2 = c1 z1 c2 z2 + g2 z2 z3
(2.36)
z2 = g2 z3 c2 z2 g1 z1
Pour une stabilit globale, le dernier terme g2 z2 z3 dans V2 sera limin dans la prochaine tape.
61
Fig. 2.6 Le bloc diagramme du troisime sous systme

Troisime tape
Commenons par la troisime variable de la procdure soit z3 = x3 2 comme une sortie
pour le troisime sous systme avec x4 comme entre, dfinissant une nouvelle variable z4 =
x4 3 , 3 est la fonction stabilisante du troisime sous systme et rcrivant la troisime
quation du systme(2.23) : La drive dans le temps est :
Fig. 2.7 Le bloc diagramme du troisime sous systme avec une sortie virtuelle z3
z3 = x3 2 = g3 z4 + g3 3 + f3
2
2
(g2 x3 + f2 )
(g1 x2 + f1 )
x2
x1
(2.37)
Parce que z3 est une sortie passive, un choix possible de la fonction du stockage(Lyapunov) :
V3 (z1 , z2 , z3 ) = V1 + V2 +
1 2
z
2 3
(2.38)

V 3 = V 1 + V 2 + z3 z3
(2.39)
z
c1 z21
c2 z22
=c3 z3
{
2
+ g3 z3 z4 + z3 (g2 z2 + g3 3 + f3
(g1 x2 + f1 )
x1
2
(g2 x3 + f2 ))
x2
}|
(2.40)
62

le contrle virtuelle x4 = 3 (x1 , x2 , x3 ) peut tre choisi en rendant V3 ngative dfini. une
conception possible est :
3 =
1
2
2
(c3 z3 g2 z2 f3 +
(g1 x2 + f1 ) +
(g2 x3 + f2 )
g3
x1
x2
(2.41)
3 est choisie de telle sorte que V3 soit dfinie ngative, c3 est une constante positive de conception. On substituant 3 dans V3 et dans on z3 trouve :
z3 = +g3 z4 c3 z3 g2 z2
V3 = c1 z2 c2 z2 c3 z2 + g3 z3 z4
1
2
3
(2.42)
Pour une stabilit globale, le dernier terme g3 z3 z4 dans V3 sera limin dans la prochaine tape.
La iime Etape
Pour (i = 4, , n 1), Aprs quelques manipulations algbriques la drive de la variable
de la procdure comme sortie virtuelle zi = xi i1 , peut tre exprime comme :
zi = xi i1 = ci zi + gi zi+1 + fith
(2.43)
avec zi+1 = xi+1 i , o i est la loi de commande virtuelle ltape i qui doit tre dtermine.
Fig. 2.8 Le bloc diagramme du iime sous systme avec une sortie virtuelle zi
La loi de commande virtuelle est maintenant conue pour rendre dfinie ngative une fonction
de Lyapunov suivant :
Vi = Vi1 +
1 2
z
2 i
(2.44)

V i = V i1 + zi zi =
i1
X
=c z
(ck z2k )
z
}|i i
{
+ zi (gi1 zi1 + fith + gi zi+1 + gi i )
(2.45)
k=1
i =
1
(ci zi gi1 zi1 fith )
gi
(2.46)
63
Avec :
fith = fi
i1
X
i1
k=1
xk
( fk + gk xk+1 )
On substituant i dans zi et Vi on trouve :
zi = gi1 zi1 ci zi + gi zi+1
Vi = Pi1 (ck z2 ) + gi zi zi+1

=1
k
(2.47)
(2.48)
Le terme gi zi zi+1 sera limin dans la dernire prochaine tape.

La nime tape
Fig. 2.9 Le bloc diagramme du nime sous systme avec une sortie virtuelle zn
Cest le dernier pas de conception, du moment que le contrle final u apparat dans la drive
de zn
zn = xn n1 = gn u + fnth
(2.49)
Avec :
fnth = fn
n1
X
n1
k=1
xk
( fk + gk xk+1 )
(2.50)
La loi de contrle u est conu pour rendre ngative dfinie la drive de la fonction Lyapunov
globale :
1 2
z
2 n
(2.51)
+ zn zn
Vn = Vn1
(2.52)
Vn = Vn1 +
64

Ce qui conduit :
Vn =
n1
X
=c z
(ck z2k )
n n
z
}|
{
+ zn (gn1 zn1 + fnth + gn u)
(2.53)
k=1
Le chois du contrle actuel est :

u=
1
(cn zn gn1 zn1 fnth )
gn
(2.54)
Nous avons maintenant conu une loi de commande dans la contre raction pour la stabilisation
du systme (2.23) dordre n.
u existe et est une fonction de stabilisation regulire dans la boucle de retour , daprs le theoreme dArtstein le systme dynamique (2.23) a une loi de contrle base sur la fonction de
Lyapunov.
On substituant u dans zn et V n on trouve :
zn = cn zn gn1 zn1
Vn = Pn ck z2
=1
k
V(z)
0
(2.55)
z , 0, alors Le point dquilibre x = xeq de (2.23) est asymptotiquement stable car
la fonction V(z) est continument diffrentiable ayant les proprits cites dans le thorme de
Lassale, do le systme globale dans les coordonnes (z1 , , zn ) :
z1 = c1 z1 g1 z2
zi = ci zi gi1 zi1 + gi zi+1 ; (i = 2, , n 1)
zn = cn zn gn1 zn1
(2.56)
est globalement assymptotiquement stable(GAS).
Il est claire que la mthode du backstepping

peut tre applique tout systme dordre n, en fournissant les quations de ltat du
systme dans la forme correcte.
Cest une approche conception flexible compare dautres mthodes.
Cest une mthode systmatique consiste en n tapes chaque pas de retour en arrire.
3.2 Commande en poursuite de trajectoire rfrence par la mthode du

Backstepping
Dans ce paragraphe, nous traitons le problme de poursuite de trajectoires.La dfinition
formelle du concept de poursuite peut tre tabli en conformit avec la dfinition donne par :
65
Dfinition 3.1 Quand lobjectif est de forcer la sortie du systme y(t) Rm pour le suivi dune
sortie dsire yr (t) Rm , il sera dfini comme un problme de suivi.
Le problme de commander la sortie dun systme suivre une rfrence donne, peut tre trait
avec diffrentes applications. Une des approches est celle du problme de la stabilisation en un
point, ou le problme de stationnement, qui consiste faire diriger un systme un point de
configuration fixe, peut importe le comportement du systme entre ltat initial et ltat finale.
Dans ce cas, le signal de rfrence yr est stationnaire. Ce problme est connu sous le nom de
problme de rgulation [150].
Dans le problme de poursuite du systme non linaire (2.23), lobjectif de commande nest
pas seulement de stabiliser globalement le procd (2.23), mais aussi de forcer la sortie y(t) = x1
suivre un signal rfrence yr sous les conditions suivantes :
1. gn (.) , 0.
2. le signal de rfrence yr et ses n drives sont connues et bornes et y(n)
r est continue au
moins par morceaux.
Les mmes tapes de conception sont rptes dans ce cas avec des modifications mineures.Les
commande virtuelles i sont alors dtermines aprs la drive de zi et de choisir une fonction
de Lyapunov approprie Vi et la rendre ngative dfinie soit :
Premire tape Pour le premier sous systme, la premire variable du backstepping est
choisie comme lerreur de poursuite :
z1 = x1 yr
1 =
1
(c1 z1 f1 + y r )
g1
(2.57)
(2.58)
Deuxime tape Puisque 1 est la fonction stabilisante du sous systme 2 est1 (x1 , yr , yr ) alors :
1
1
1
x1 +
y r +
yr
x1
yr
yr
(2.59)
1
1
1
(g1 x2 + f1 ) +
y r +
yr
x1
yr
yr
(2.60)
1 =
En remplaant on trouve :
1 =
Dou la fonction stabilisante pour le second sous systme du (2.23),

2 =
1
1
1
(c2 z2 g1 z1 f2
(g1 x2 + f1
y r yr )
g2
x1
yr
(2.61)
Troisime tape Sachant que :

2 =
2
2
2
2
2 3
x1 +
x2 +
y r +
yr +
y
x1
x2
yr
yr
yr r
(2.62)
66

Une conception possible est :

3 =
1
2
2
(c3 z3 g2 z2 f3 +
(g1 x2 + f1 ) +
(g2 x3 + f2 )
g3
x1
x2
2
2
2 3
y r +
yr +
y)
yr
yr
yr r
(2.63)
La iime tape, Pour (i = 4, , n1), Aprs quelques manipulations algbriques la drive de

la variable de la procdure comme sortie virtuelle zi = xi i1 , qui peut tre exprime comme :
zi = xi i1 = ci zi + gi zi+1 + fith
(2.64)
O i1 est la loi de contrle virtuelle ltape i qui doit tre dtermine.

i1 =
1
(ci zi gi1 zi1 fith )
gi
Avec :
fith = fi
i1
X
i1
k=1
xk
( fk + gk xk+1 )
(2.65)
(2.66)
La nime tape Cest le dernier pas de conception, du moment que le contrle actuel u
appparat dans la drive de zn
zn = xn n1 = gn u + fnth
(2.67)
Avec :
fnth = fn
n1
X
n1
k=1
xk
( fk + gk xk+1 )
(2.68)
La loi de contrle u est conu pour rendre ngative dfinie la drive de la fonction Lyapunov
globale :
1 2
z
2 n
(2.69)
+ zn zn
Vn = Vn1
(2.70)
Vn = Vn1 +
Ce qui conduit :
Vn =
n1
X
(ck z2k ) + zn (gn1 zn1 + fnth + gn u)
(2.71)
1
(cn zn gn1 zn1 fnth )
gn
(2.72)
k=1
Le chois du contrle actuel est :

u=
4 Conception des lois de commande bases sur le Backstepping pour quelques

systmes chaotiques
67
On substituant u dans zn et Vn on trouve :
zn = cn zn gn1 zn1
Vn = Pn ck z2
=1
k
(2.73)
Do le systme globale dans le systme des coordonnes (z1 , , zn ) :
z1 = c1 z1 g1 z2
zi = ci zi gi1 zi1 + gi zi+1 ; (i = 2, , n 1)
zn = cn zn gn1 zn1
(2.74)
Sachant que :
zi = xi xri i1 ;
(i = 1, , n)
Vn 0 est ngative dfinie, lorsque t , zi ,
(2.75)
(i = 1, , n 0), alors xi xri le
systme dquation des erreurs en zi , (i = 1, , n) correspondant au systme final en boucle

ferm, le systme des lois de mise jour i , (i = 1, , n) admet un point dquilibre xeq =
[x1 , x2 , , xn ]T = 0 globalement uniformment asymptotiquent stable.
Puisque le modle de rfrence xr1 est born et sachant que z1 = x1 xr1 alors ceci garantit
que ltat x(t), la loi de contrle actuelle u,sont globalement borns et limt z(t) = 0 et donc
limt |y(t) yr (t)| = 0.
Le systme en boucle ferm (2.74) avec le modle de la rfrence yr et le contrleur (2.72) a un
point quilibre globalement uniformment stable au z = [z1 ; z2 ; z3 , ; zn ]T = 0
4 Conception des lois de commande bases sur le Backstepping pour quelques systmes chaotiques
Dans ltude du comportement des systmes dynamiques non linaires chaotiques et leurs
commandes, plusieurs systmes de dimension infrieur sont frquemment utiliss pour la modlisation des procds naturels et industriele ainsi que des exemples de base pour la vrification
et la validation dune thorie propose, mthode, o algorithme. Ces exemples incluent des
systmes non autonomes du second ordre comme loscillateur de Duffing [164], loscillateur
de Van der pool [165] - [167](pendule de Moon), des systmes autonomes du troisime ordre
comme le systme de Lorenz [2], [168]- [171], le systme de Rssoler [172]- [174] ainsi que
le circuit de Chua [13], [175], [180],qui sont des exemples dattracteur trange se caracterisant
par :
Les attracteurs tranges sont uniques des autres attracteurs despace de phase dans le cas
o on ne sait pas exactement o le systme sera sur lattracteur.
68

Deux points sur lattracteur qui sont prs un moment donn lun de lautre seront arbitrairement spars lointainement temps plus tardifs.La seule restriction est que ltat de
systme reste sur lattracteur.
Les attracteurs tranges sont aussi uniques dans le cas o ils ne se rapprochent jamais
entres eux mmes, le mouvement du systme ne se rpte jamais c. . d non priodique.
Le mouvement dcrit sur ces attracteurs tranges est ce que nous signifions par un comportement chaotique.
Notons que tous ces systmes chaotiques mentionns au-dessus peuvent tre rcrits sous la
forme de boucle de retour stricte.
Pour examiner lefficacit de la conception de la procdure propose, des simulations en Matlab
sur ordinateur ont t ttendues pour tous ces systmes [138], [139].
4.1 Oscillateur du second ordre Duffing

Loscillateur de Duffing fait partie des systmes modles qui permettent dtudier une dynamique non linaire. Il correspond une quation diffrentielle non linaire de la forme :
x + x + ( x3 +20 x) = cos( t + )
(2.76)
Cette quation diffre formellement de lquation du mouvement dun oscillateur harmonique

en rgime forc par la prsence dun terme non linaire en x3 . Elle fut tablie au dbut du sicle
dernier par lingnieur George Duffing, dans le but de modliser les vibrations forces dune
machine industrielle. Un grand nombre de tels systmes correspondent une telle modlisation.
Type doscillateur de Duffing
Dpendant des paramtres choisis, lquation peut se mettre sur plusieurs formes :
Pour loscillateur non forc de Duffing = = 0 et en prenant un signe+ , lquation
devient :
x + x3 + 20 x = 0
(2.77)
Le systme dcrit par cette quation diffrentielle manifeste un comportement chaotique

Pour les valeurs :
1. 0 Le systme reprsente ce quon appelle une source dure.
2. 0 Le systme reprsente une source douce, le portrait de phase comporte des
courbes fermes.

systmes chaotiques
69
Si on prend pour = 0 = 1 et un dphasage initial = 0 et un signe, lquation

devient :
x + x + (x3 x) = cos( t)
(2.78)
cette quation peut se mettre sous la forme dun systme dquations diffrentielles du
second ordre on pose x = x1 x = x2 :
x1 = x2
x2 = x2 + x1 x3 + cos( t)
1
Pour le cas d un systme non forc :
x1 = x2
x2 = x2 + x1 x3
1
(2.79)
(2.80)
Calcul des points dquilibres

Les points dquilibres du systme diffrentielle sont donns par :
x1 = x2 = 0, x2 = x1 x13 x2 = 0, soit alors les points dquilibres suivants (0, 0), (1, 0).
Lanalyse de stabilit de ces points dquilibres peut tre tudier par la linarisation du systme
dquation au voisinage de ces points dquilibres.
Au point dquilibre (0, 0), on peut voir que ;
Qui a pour valeurs propres 1,2
0 1
F
(0, 0) =
(2.81)
x
1
= 2 2 + 4, dont une est stable et une autre instable et par
consquent le point dquilibre (0, 0) est instable.

Pour les deux autres points dquilibres (1, 0)
Qui a pour valeurs propres 1,2
0 1
F
(1, 0) =
(2.82)
x
2
= 2 2 8, dans ce cas les deux valeurs propres ont une
partie relle ngative et par consquent le point dquilibre (1, 0) est stable.
Mise en forme paramtrique de boucle de retour stricte
Dune manire gnrale,par le choix des variables x = x1 x = x2 lquation diffrentielle
(2.78) de loscillateur de Duffing est mise sous la forme de boucle de retour strict non autonome
du deuxime ordre.
x1 = x2
x2 = x2 + (2 x1 x3 ) + cos( t)) + u
0
1
(2.83)
70

Avec :
g1 (x1 , t) = 1, g2 (x1 , x2 , t) =
f1 (x1 , t) = 0, f2 (x1 , x2 , t) = (2 x1 x3 ) + cos( t)

0
1
(2.84)
Pour des valeurs des paramtres du systme = 0.25, = 0.3, 0 = = 1 et des conditions
initiales x10 = x20 = 0.25 ,le systme prsente un comportement chaotique, les figures suivantes
illustrent ce phnomne
Si on observe lvolution temporelle de x(t) on a une allure chaotique.
(a) Variation de ltat x1
(b) Variation de ltat x2
Fig. 2.10 Comportement chaotique dans lespace temporel pour loscillateur de Duffing
Fig. 2.11 Variation de ltat x2 en fonction de ltat x1 de loscillateur de Duffing

systmes chaotiques
71
Backstepping pour la commande en stabilisation pour loscillateur de Duffing

Puisque le systme est rgit par deux quations diffrentielles, la recherche de la loi commande par la mthode de Backstepping passe par deux tape :
Pour la premire quation du systme (2.83), on choisit ltat x2 comme une entre virtuelle
ou fictive de commande au sous systme (2.83). Rappelons que lobjectif de commande est de
conduire x1 = y 0.
Dou la premire variable du " Backstepping " est choisie comme :z1 = x1 . La commande
virtuelle est alors dfinie comme z2 = x2 1 , 1 est donne par
1 = c1 z1
(2.85)
pour rendre la premire fonction de Lyapunov dfinie ngative :

V1 = c1 z21 + z1 z2
(2.86)
Puisque le systme original (2.83) est dcrit par 2 tats seulement, lentre de commande u
apparat dans la deuxime tape, alors Le choix de la loi de contrle finale est donn
u = z1 + 1 20 x + x3 cos( t) c1 z1 + c1 z2
(2.87)
pour rendre ngative dfinie la fonction de Lyapunov globale du systme :

V2 = c1 z21 z22
Les coordonnes de conception en (z1 , z2 )
z1 = c1 z1 + z2
z2 = z1 z2
(2.88)
(2.89)
Rsultats de simulations
Les graphes de simulations sont donns pour les valeurs suivantes = 0.25, = 0.3,
0 = = 1 et x10 = x20 = 0.25, c1 = 1. Les figures de convergence des tats vers le point
dquilibre xeq = 0 et la loi de commande pour loscillateur de Duffing sont donnes comme
suit :
72

(a) Varition de ltat x1 en fonction du temps
(b) Variation de ltat x2 en fonction du temps
Fig. 2.12 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing
(a) Variation des tats x1 ,x2 en fonction du temps
(b) Variation des tats x2 en fonction x1
Fig. 2.13 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing
Backstepping pour la commande en poursuite dun signal rfrence pour loscillateur de
Duffing
Pour la poursuite on utilise une trajectoire rfrence comme un signal sinusoidale damplitude 1 et de pulsation wr = 1, la fonction stabilisante 1 et la loi de commande finale u sont
donnes par : 1 est donne par
1 = c1 z1 + y r
(2.90)
u = z1 + 1 20 x + x3 cos( t) c1 z1 + c1 z2 + y r
(2.91)
La loi de contrle finale est donn

systmes chaotiques
73
Fig. 2.14 Variation de la loi de commande en fonction de temps pour loscillateur de Duffing
Les figure de poursuite des tats vers le signal de rfrence yr = sin(t) et la loi de commande
pour loscillateur de Duffing sont donnes comme suit :
(a) Varition des tats x1 x2 en fonc-
(b) Variation des tats x1 x2 yr en
(c) Variation des tats x2 en fonction
tion du temps
fonction du temps
de x1
Fig. 2.15 Evolution des tats x1 x2 en commande en poursuite pour loscillateur de Duffing
74

Fig. 2.16 Variation de la loi de commande de poursuite en fonction de temps pour loscillateur
de Duffing
On remarque que les tats ont converg assymptotiquement vers ltat dquilibre et vers
la trajectoire de rfrence aprs lapplication des lois de commande en quelques secondes, le
temps de convergence est trs petit.

systmes chaotiques
75
4.2 Oscillateur de Bonhoeffer de Van der pool

Loscillateur de Van der Pol est un systme dynamique diffrentiable temps continu et
un degr de libert, du nom de Balthasar van der Pol. Balthazar van der Pol tait ingnieur lectrique hollandais qui a initi la dynamique exprimentale moderne dans le laboratoire pendant
les annes 1920 et 1930. Durant ses investigations sur des circuits lectriques qui emploient des
tubes lectronique, a trouv quils ont des oscillations stables, qui maintenant appels des cycles
limites. Quand ces circuits sont excits avec un signal de frquence proche du cycle limite, la
rponse priodique rsultante change sa frquence celle du signal. Cependant la forme donde
peut tre compltement compliqu et contenir une structure riche en frquences harmoniques et
sous harmoniques.
En septembre de 1927 Van der Pol et son collgue van der Mark ont rapport dans le journal
britannique de la nature quun bruit irrgulier a t entendu certaines frquences propres. En
reconstruisant son circuit du tube lectronique, nous savons maintenant quils avaient dcouvert
le chaos dterministe, ce systme est dcrit par une coordonne x(t) vrifiant une quation
diffrentielle faisant intervenir deux paramtres :
une pulsation propre ,
un coefficient de non linarit.
x + (x2 1) x + x = 0
(2.92)
Pour le cas dun systme non forc et aprs une conversion, cette quation peut se mettre sous
la forme dun systme dquations diffrentielles du second ordre, on pose x = x1 x = x2 :
x1 = x2
x2 = x1 (x2 1) x2
1
(2.93)

De la premire quation du systme (2.93), x2 = 0 et en la substituant dans la deuxime
quation du systme (2.100) donne la valeur de x1 = 0. Le seul point dquilibre (x1 , x2 ) = (0, 0).
Au point dquilibre (0, 0), on peut voir que ;
0 1
F
(0, 0) =
x
1
Qui a pour valeurs propres 1,2 =
est instable.
(2.94)
2 4
,
2
on peut voir que si 0 2 ou > 2 lquilibre
76

Gnralisation de loscillateur de Van der pool

Le systme de loscillateur de Bonhoeffer de Van der pool est la gnralisation de loscillateur de Van der pool contenant plusieurs paramtres de contrle et est dcrit par :
1
3
x1 = x2 + x1 3 x1 + p1 + p2 cos( t)
x2 = p3 (x1 + p4 p5 x2 ) + u
(2.95)
Ou est une frquence constante, p1 , p2 , p3 , p4 , p5 sont des paramtres constants de loscillateur,avec :
g1 (x1 , t) = 1, g2 (x1 , x2 , t) = 1
f1 (x1 , t) = x1 1 x1 3 + p1 + p2 cos( t), f2 (x1 , x2 , t) = p3 (x1 + p4 p5 x2 )

3
(2.96)
Pour les valeurs suivantes :

p1 = 0, p2 = 0.74, p3 = 0.1, p4 = 0.7, p5 = 0.8, = 0 et x10 = x20 = 0,
loscillateur prsente un comportement chaotique, les figures suivantes illustrent ce comportement.
(a) Evolution des tats x1 , x2
(b) Variation de ltat x2 en fonction de x1
Fig. 2.17 Comportement chaotique des tats x1 , x2 pour loscillateur de Van der pool
Conception de la loi de commande en stabilisation base sur le Backstepping pour loscillateur de Van der pool
En suivant les mme dmarches que prcdemment on trouve la loi de commande virtuelle
pour le premier sous systme de (2.95)comme :
1 = c 1 z1 + x 1
1 3
x1 + p1 + p2 cos( t)
3
(2.97)
pour rendre dfine ngative la premire fonction de Lyapunov :

V1 = c1 z21 z1 z2
(2.98)

systmes chaotiques
77
Puisque le systme original est dcrit par 2 tats seulement, lentre de commande apparat dans
la deuxime tape, alors Le choix de la loi de contrle finale est donn :
u = c2 z2 + z1 p3 (x1 + p4 p5 x2 ) (c1 z1 + z2 (c1 + (1 x12 )) + p2 sin(t))
(2.99)
pour rendre la fonction de Lyapunov globale du systme dfinie ngative :

V2 = c1 z21 c2 z22
Les coordonnes de conception en (z1 , z2 ) sont :
z1 = c1 z1 z2
z2 = c2 z2 + z1
(2.100)
(2.101)
Les figures de convergences des tats vers le point dquilibre xeq = 0, la variation de la loi
de commande en fonction du temps sont donnes comme suivant avec le choix des constantes
de conception c1 = 4 c2 = 3 :
(a) Variation des tats x1 , x2 en fonction du temps
(b) Variation des tats z1 ,z2 en fonction du temps
Fig. 2.18 Convergence des tats xi zi vers le point dquilire xeq = 0 pour loscillateur de Van
der pool
78

(a) Variation de la loi de commande U
(b) Variation de la loi virtuelle 1
Fig. 2.19 Variation des lois de commande en fonction de temps pour loscillateur de Van der
pool
Backstepping pour la poursuite dun signal rfrence pour loscillateur de Van der pool
Pour la poursuite, la fonction stabilisante et la loi de commande finale sont : 1 est donne
par :
1 = c 1 z1 + x 1
1 3
x1 + p1 ) + p2 cos( t) y r
3
(2.102)
La loi de contrle finale est donn :

u = c2 z2 + z1 p3 (x1 + p4 p5 x2 ) ((c1 z1 + z2 (c1 + (1 x12 ) p2 sin(t)) y r (2.103)
Les figure de poursuite des tats vers le signal de rfrence yr = sin(t) et les lois de commandes
virtuelle et finale pour loscillateur de Van der pool sont donnes comme suit avec les constantes
de conception c1 = 10 ;c2 = 5 ; :

systmes chaotiques
79
(a) Variation de ltat x1 et yr en fonction du temps
(b) Variation de ltat diffrence x1 yr en fonction
pour loscillateur de Vander pools
du temps pour loscillateur de Vander pools
Fig. 2.20 Convergence des tats x1 x2 vers le signal rfrence pour loscillateur de de Van der
pool
(a) Variation de la loi virtuelle 1 en fonction de
(b) Variation de la loi de commande de poursuite U
temps pour loscillateur de Vander pool
en fonction de temps pour loscillateur de Vander

pool
Daprs ces figures, on peut voir ltat x1 a eventuellement converg asymptotiquement vers
la trajectoire rfrence yr et par consquent lerreur x1 yr a converg vers 0 aprs un trs peu
de temps et la poursuite est accomplie.
80

4.3 Systme chaotique de Lorenz

Le modle de climat dEdward Lorenz fut le premier modle manifestant un comportement
chaotique,cest un exemple clbre de systme diffrentiel au comportement chaotique pour
certaines valeurs de paramtres. Lorenz a publi ses travaux en 1963. A lpoque, il navait pu
calculer que 500 iterations. La trajectoire navait alors dcrit que quelques boucles. Pourtant, il
avait dja prvu la structure de boucles imbriques de lattracteur.
Lorenz a simplifi quelques quations de la dynamique des fluides appel aussi les quations de
Navier Stokes et fini avec un ensemble de trois quations diffrentielles non linaires [2].
x1 = (x1 x2 )
x2 = x1 x3 + x1 x2
(2.104)
x3 = x1 x2 x3 + u
y=x
1
La variable x1 est proportionnel lintensit de mouvement convective, x2 est proportionnel

la diffrence de la temprature entre les courants ascindantd et descendants et la variable x3 est
proportionnel la distorsion de la linarit du profil de la temprature verticale.
On rappele que dans ces quations, est le nombre de Prandtl qui represente le quotient
entre la viscosit du fluide sa conductivit thermique, reprsente la diffrence de temprature entre le sommet et le fond du systme est le quotient de la largeur la hauteur de la bote
joignait le systme [2].
Les valeurs que Lorenz a utilis sont = 10, = 28, = 3.
Lespace des phases est tridimensionnel (x, y, z). Lespace de contrle est tridimensionnel (, , ).
A premire vue ces trois quations paraissent simples rsoudre. Cependant, elles reprsentent
un systme dynamique extrmement compliqu. Si on trace les trajectoires dans lespace dtat
trois dimensions une figure appele attracteur de Lorenz est obtenu. Lattracteur de Lorenz est
un exemple dattracteur trange.
Les figures de la variations des diffrentes tats dans le temps,ainsi que dans lespace
trois dimensions du phnomne chaotique sont comme suit sous des conditions initiales et
(x10 = x20 = x30 ) = (1, 1, 1).

systmes chaotiques
(a) Variation de ltat x1
(b) Variation de ltat x2
81
(c) variation de ltat x3
Fig. 2.21 Variation des trois tats en fonction du temps pour le systme de Lorenz
Fig. 2.22 Comportement chaotiques dans lespace dtat pour le systme de Lorenz
Le systme prsente un phnomne chaotique, et admet trois points dquilibres.
Les points dquilibres se calculent en faisant f (x) = 0.
xeq0 = (0, 0, 1) = (0, 0, 0)
p
p
xeq+ = ( ( 1), ( 1), 1) = (9, 9, 27)
p
p
xeq = ( ( 1), ( 1), 1)(9, 9, 27)
(2.105)
Au point dquilibre (0, 0, 0), on peut voir que ;
F
(0, 0, 0) = 1 0
x
0
0
Qui a pour valeurs propres :
1 =
2,3 =
(1+)
(1+)2 +4 ()1
2
dont une positive et deux autres ngatives.
(2.106)
82

Translation de lorigine
Pour obtenir un systme du type boucle de retour stricte, on fait une translation de lorigine
du systme (2.104) vers le point dquilibre non stable positif [137] avec le systme suivant :
x
=
x
+
( 1)
1
1
(2.107)
x2 = x2 + ( 1)
x3 = x3 + ( 1)
Le systme ainsi trouv avec = 10, = 28, = 3 est sous la forme paramtrique du type
boucle de retour strict :
x1 = 10 x2 10 x1
x2 = x3 (9 + x1 ) + (x1 x2 )
x3 = 9 (x1 + x2 ) 3 x3 + x1 x2 + u
(2.108)
y = x1
Avec :
g1 (x1 , t) = 10, g2 (x1 , x2 , t) = (9 + x1 ), g3 (x1 , x2 , x3 , t) = 1

(2.109)
f1 (x1 , t) = 10 x1 , f2 (x1 , x2 , t) = (x1 x2 ), f3 (x1 , x2 , x3 t) = 9 (x1 + x2 ) 3 x3 + x1 x2

Conception de la loi de commande de stabilisation base sur le Backstepping pour le systme de Lorenz
Le but de la commande du systme non linaire (2.108) est davoir
y(t) = x1 0
quand
t
Lobjectif de la conception est de rendre le point dquilibre, globalement asymptotiquement

stable. Puisque le systme original est constitu de trois tats ou 3 quations diffrentielles
non linaires, alors il y aura une mthode de conception rcurrsive 3 tapes [139]. Dans la
premire tape pour rendre une fonction de Lyapunov approprie du premier sous systme,
V1 = z1 z1 = z1 (10 z2 + 10 1 10 x1 ) = 10 z21 + 10 z2 z1
(2.110)
la fonction stabilisante 1 = 0 V1 est ngative dfinie, le dernier terme sera limin dans la
prochaine tape.
Donc lquation en coordonnes (z1 , z2 ) et valeur de la fonction de Lyapunov du premier sous
systme sont :
z1 = 10 z2 10 z1
V1 = 10 z2 + 10 z2 z1
1
(2.111)

systmes chaotiques
83
Utilisant z2 = x2 , puisque 1 = 0, comme sortie et x3 entre du second sous systme (2.108),

recrivant :
x2 = x3 (9 + x1 ) + (x1 x2 ),comme z2 = x2 , Sachant que : z3 = x3 2 , z3 est la troisime
varible de la procedure, 2 reprsente la fonction stabilisant ou loi de contrle virtuelle pour
le second sous systme. On procede maintenant trouver la fonction de Lyapunov approprie
V2 = V1 + 12 z22 , avec une drive dans le temps :
V2 = V1 + z2 z2 = 10 z21 z22 + z2 (10 z1 (9 + z1 ) 2 (9 + z1 ) z3 ) + z1 )
(2.112)
Pour rendre V2 ngative dfinie, 2 est choisie comme :

2 =
Alors :
11 z1
(9 + z1 )
z2 = z3 (9 + z1 ) + (9 z1 z2 )
V2 = 10 z2 z2 z3 z2 (9 + z1 )
1
2
(2.113)
(2.114)
Pour une stabilit globale le troisime terme sera limin dans la prochaine tape.
Sachant que : z3 = x2 2 ,et que u se trouve dans la troisime quation recrivant :
x3 = z3 2
(2.115)
= 9 (z1 + z2 ) 3 z3 3 2 + z1 z2 + u)
99(10 z2 10 z1 )
(9 + z1 )2
(2.116)
Pour une fonction de Lyapunov approprie du sous systme : V3 = V2 + 21 z23 , avec une drive
dans le temps :
V3 = V2 + z3 z3 = 10 z21 z22 3 z23 + z3 (z2 (9 + z1 ) + 9 (z1 + z2 ) 3 2 + z1 z2 + u
99(10 z2 10 z1 )
(2.117)
(9 + z1 )2
Pour rendre V3 dfinie ngative , u est choisie comme :
u = 9 z1 + 33
(10 z2 10 z1 )
z1
+ 99
(9 + z1 )
(9 + z1 )2
(2.118)
u Reprsente la loi de commande finale pour la stbilisation du systme (4.82) lorigine et

alors le but de la commande est atteint.
Pour voir lfficacit des lois de commandes, on a fait lintgration sur un petit intervale de
temps. Les figure de convergence des tats vers le point dquilibre xeq = 0 et la variation des la
lois de commande virtuelle et finale pour le systme chaotique de Lorenz sont donnes comme
suit :
84

(a) Convergence des trois tats vers le point
(b) Convergence des fonctions de Lyapunov
dquilire xeq = 0
Fig. 2.23 Variation des tats et des fonctions de Lyapunov pour le systme de Lorenz
(a) Variation de la loi de commande finale u
(b) Variation de la loi de commande virtuelle 2
Fig. 2.24 Variation des lois de commande pour le systme de Lorenz

Backstepping pour la poursuite dun signal rfrence pour le systme de Lorenz
Pour la poursuite lide de base est de poser :
z2 = x2 yr
(2.119)
Et alors trouver une loi du contrle pour lentre u tel quune sortie scalaire x1 dfinie poursuit
une trajectoire dsire yr y compris les cycles limites stables ou instable aussi bien que les
trajectoires chaotiques. Nous allons suivre les mmes tapes quauparavant except quelerreur
est obtenue entre la sortie du deuxime sous-systme et le signal de rfrence. Le choix de 2
pour rendre ngative dfinie V2 aprs tout le calcul est :
2 =
x1 yr y r
(9 + z1 )
(2.120)

systmes chaotiques
85
Et la loi de la poursuite est :

u=
3 z1 3 yr 2 y r y r (10 z2 10 z1 yr y r )
+
yr (9 + z1 ) 9 z1
(9 + z1 )
(9 + z1 )2
(2.121)
Les figure de poursuite des tats vers le signal de rfrence yr = sin(r t) et la variation de la
loi de commande de poursuite pour le systme chaotique de Lorenz sont donnes comme suit :
(a) Convergence de x1 vers yr
(b) Variation des tats dans le temps
Fig. 2.25 Variation des tats x1 , x2 , x3 et yr pour le systme de Lorenz
(a) Variation de la loi de commande finale u
(b) Variation de la loi de commande virtuelle 2
Fig. 2.26 Variation des lois de commande de poursuite pour le systme de Lorenz
86

4.4 Circuit chaotique de Chua

Le circuit de Chua est un circuit lectrique du troisime ordre autonome, dissipative, il a
t investit entirement et exprimentalement sur le plan numriques et analytiques. Ce circuit,
connu pour son rpertoire riche de phnomnes dynamiques non linaire et est devenu un paradigme universel pour le chaos.
Le schma (??) suivant montre le circuit de Chua qui inclut deux condensateurs de capacit
c1 , c2 , une rsistance R =
1
,
G
un inductance L et une rsistance non linaire NR apple aussi la
diode de Chua dont la caractristique est donne par le schma (2.28).
Fig. 2.27 Circuit de Chua
Fig. 2.28 Caractristique de Circuit de Chua
On utilisant lanalyse nodale, et on choisissant :

31 la tension aux bornes de la capacit c1 (et la rsistance NR ).
32 la tension aux bornes de la capacit c2 (et linductance L).
i3 Le courant traversant linductance L.

systmes chaotiques
87
Le circuit du Chua est dcrit par trois quations diffrentielles :
c1 31 = R1 (32 31 f (31 )
c2 32 = R1 (31 32 ) + i3 )
L i3 = 32
(2.122)

avec : f (31 ) = Gb 31 + 12 (Ga Gb ) (k(31 + 1) k(31 1)k))),G = R1 .
Dou le systme diffrentiel suivant :

1
1
k(31 1)k)))
((G
(3
3
)
(G
3
+
(G
G
)
(k(3
+
1)
3
2
1
b 1
a
b
1
1
c1
2
32 = c12 (G (31 32 ) i3 )
i3 = 1 32
(2.123)
Pour les valeurs suivantes des paramtres du circuit de Chua, le systme prsente un comportement chaotique [176], c1 = 19 , c1 = 1, G = 0.7, Ga = 0.8, Gb = 0.5, L =
1
7
[176], et
comme conditions initiales x1( 0) = 3.725, x2 (0) = 1.325, x3 (1) = 0.05.

Les figures suivantes montrent les variations des diffrentes tats du phnomne chaotique dans
le temps, ainssi que dans lespace des tats trois dimensions.
(a) Variation de ltat x1 dans le temps
(b) Variation de ltat x2 dans le temps
(c) Variation de ltat x3 dans le

temps
Fig. 2.29 Comportement chaotique dans lespace temporel pour le circuit de Chua
88

(a) Variation des tats dans le temps
(b) Comportement chaotiques dans lspace des tats
Fig. 2.30 Comportement chaotique pour le circuit de Chua

Le systme (2.123) prsente trois points dquilibres, dont le point :
(31 , 32 , i3 ) = (0, 0, 0) est un point dquilibre. Au point dquilibre (0, 0, 0), et pour une simplification on prend (31 = 1) on peut voir que ;
1
(G + Gb ) G 0
c1
c1
F
G
G
(0, 0, 0) =
c2
c2
1
0
L 0
(2.124)
Si (1 , 2 , 3 ) sont les valeurs propres,donc elles verifient :

G G Ga
G Ga
1
G + Ga
+ +
) + (
+
)+(
)=0
c2 c1 c1
c1 c2 L c 2
L c 1 c2
On utilisant les valeurs des paramtres dja cits on a une valeur propre ngative et deux autres
3 + 2 (
conjugues a partie relle positive.

Circuit de Chua en boucle de retour strict
Pour transformer le systme (2.123) en systme en boucle de retour stricte, on faint un
changement de variables des tats suivant :
x1 = i3
x2 = 32
x3 = 31
Le systme prcdent deviendra :
x1 = xL2
x2 = c12 (G (x3 x2 ) x1 )
1
1
x3 = c ((G (x2 x3 ) (Gb x3 + 2 (Ga Gb ) (k(x3 + 1) k(x3 1)k)))

1
(2.125)
(2.126)

systmes chaotiques
89
Le systme ainsi trouv est sous la forme paramtrique du type boucle de retour stricte, o
u est une fonction de contrle dterminer ultrieurement.
Recherche de la loi commande de stabilisation par la mthode de Backstepping pour le

circuit chaotique de Chua
On appliquant les mmes tapes que prcdemment
1. La loi de contrle virtuelle 1 , V1 , z1 pour le premier sous systme :
1 = k11 z1
z1 = L1 z2 k1 z1
V 1 = k1 z2 1 z1 z2
1
(2.127)
O k11 est une constante de conception avec k1 =
k11
L
2. La loi de contrle virtuelle 2 , V2 , z2 pour le second sous systme :
2 = G1 z1 G2 z2
z2 = cG2 z3 k2 z2 L1 z1
V 2 = k1 z21 k2 z22 + cG z2 z3
2
G1 =
G2 =
c2 1
(
G L
c2 1
(
G L
+
+
1
c2
1
c2
+
+
c211
L
c211
L
(2.128)
+ c11 )
+ c11 )
k2 est une constante de conception apple aussi gain positive.

3. La loi de contrle finale u, V3 , z3 pour le troisime sous systme :
u = A z3 B z2 C z1 g(x2 , x3 )
z3 = k3 z3 cG2 z2
V 3 = k1 z21 k2 z22 k3 z23

O
k3 est une constante o gain positive avec :
A = k3 +
G G2
c2
B = cG2 + k2 G2 +
C = k1 G 1 +
G1
L
G2
L
Et g(x2 , x3 ) =
1
c1
(G (x2 x3 ) (Gb x3 + 12 (Ga Gb ) (k(x3 + 1)k k(x3 1)k))).
(2.129)
90

Les figures illustront la convergence des tats vers le point dquilibre et lvolution des lois
de commandes virtuelles et finale avec un choix des constantes de conception k11 = 1, k2 = 1,
k3 = 1, sont donnes par :
(a) Convergence des trois tats dans le temps
(b) Convergence des trois tats dans lspace
Fig. 2.31 Convergence des trois tats vers le point dquilire xeq = 0 pour le circuit de Chua
(a) Variation des lois de commande virtuelles 1 , 2
(b) Variation de la loi de commande finale u
Fig. 2.32 Variation des lois de commande de stabilisation pour le circuit de Chua
Backstepping pour la poursuite dun signal de rfrence pour le circuit de Chua

Pour la poursuite lide de base est de poser :
z1 = x1 yr
(2.130)
Nous allons suivre les mmes tapes quauparavant except que lerreur est obtenue entre la
sortie du premier sous systme et le signal de rfrence. Le choix de 1 pour rendre ngative

systmes chaotiques
91
dfinie V1 aprs tout le calcul est :

1 = L(k1 z1 y r )
(2.131)
Et 2 pour rendre ngative dfinie V2 aprs tout le calcul est :

2 = G 1 z1 + G 2 z2 +
c2
GL
yr
(L y r
y r + )
G
c2
c2
Et la loi de la poursuite est :
u = A z3 B z2 C z1 g(x2 , x3 ) +
z3 = k3 z3 cG2 z2
V 3 = k1 z21 k2 z22 k3 z23
c2
(L yr
G
GL
c2
y r +
(2.132)
1
y
c2 r
)
(2.133)
Les figures de poursuite des tats vers le signal de rfrence yr = sin(r t) et la variation de
la loi de commande de poursuite pour le systme chaotique de Chua pour un choix arbitraire de
K11 = 1, k2 = 0.5, K3 = 0.5 sont donnes comme suit :
(a) Variation des tats x1 , x2 , x3
(b) Variation des tats x1 et yr
Fig. 2.33 Variation des tats pour la poursuite de rfrence pour le circuit de Chua
optimisation des paramtres de conception par les AGs

Pour un choix optimis des paramtres de conception par les algorithmes gntiques ou
k11 = 0.8999, k2 = 0.2093 et k3 = 2.55840, on aura une amlioration du temps de convergence
et une poursuite totale du signal de rfrence illustr par les figures suivantes .
92

(a) Variation des lois de commande virtuelles 1 , 2
(b) Variation de la loi de commande finale u
Fig. 2.34 Variation des lois de commande de poursuite pour le circuit de Chua
(a) Variation des tats x1 , x2 et x3
(b) Variation des lois de commande de
(c) Variation des tats x1 et yr
poursuite
Fig. 2.35 Variation des tats avec des paramtres de conception optimiss pour la poursuite de
rfrence pour le systme de Chua
4.5 Systme chaotique de Rssler

Otto Rossler est connu pour avoir publi lun des deux systmes les plus utiliss dans le dveloppement de techniques danalyse des systmes chaotiques. Pour la plupart, la contribution
dOtto Rssler se limite ainsi un jeu de trois quations diffrentielles ordinaires publi en 1976
et produisant un attracteur chaotique trs simple, rsultant dun tirement et dun repliement.
Otto Rossler conut son attracteur en 1976 dans un but purement thorique, mais ces quations
savrrent utiles dans la modlisation de lquilibre dans les ractions chimiques. Larticle
original de Rssler mentionnait que son systme a t conu pour fonctionner dune faon similaire au systme de Lorenz, mais galement pour tre plus simple analyser, il ne prsente
quune seule spirale [35]-[37].

systmes chaotiques
Le fameux systme de rsslor est dfini par :
y 1 = y2 y3
y 2 = y1 + a y2
y 3 = b + y3 (y1 c)
93
(2.134)
Avec a, b, c, sont des paramtres de controle du systme chaotique.

Pour trouver les points dquilibres, les trois quations de Rssler sont poses gales zro.
Le systme est alors rsolu et donne le rsultat suivant :
c c2 4 a b
y
=
c c2 4 a b
y2 = 2 a
y3 = c c22a4 a b
(2.135)
Ce qui, maintenant, peut tre utilis pour prsenter les points dquilibres pour des valeurs don
2
2

2
2
2
2
nes de paramtres : c+ c24 a b , c 2ca4 a b , c+ 2ca4 a b c c24 a b , c+ 2ca4 a b , c 2ca4 a b
Pour les valeurs suivantes a = 0, 1, b = 0.1, c = 13, le systme prsente un phnomne chaotique. les figures du comportement chaotique, variation dans le temps des tats sont donnes
par :
(a) Evolution de ltat x1
(b) Evolution de ltat x2
(c) Evolution de ltat x3
Fig. 2.36 Comportement chaotique dans lespace temporel pour le systme de Rssler
94

Fig. 2.37 Comportement chaotique dans lespace pour le systme de Rssler

Transformation du systme en forme paramtique stricte
Il est claire que le systme nest
sous la forme paramtrique de boucle de retour stricte , avec une petite transformation des
variables dtat o on pose :
x1 = y2
x2 = y1
x3 = y3
(2.136)
x1 = x2 + x1 a
x2 = x3 x1
x3 = x3 (x2 c) + b + u
(2.137)
g1 (x1 , t) = 1, g2 (x1 , x2 , t) = 1, g3 (x1 , x2 , , x3 t) = 1
f1 (x1 , t) = a + x1 , f2 (x1 , x2 , t) = x1 , f2 (x1 , x2 , x3 , t) = b + x3 (x2 c)
(2.138)
le systme (2.135)devient :
Avec :

systmes chaotiques
95
Conception de la loi de commande base sur le Backstepping pour le systme de Rssler

Puisque le systme original est rgi par trois tats ou 3 quations diffrentielles non linaires,
alors il y aura une mthode de conception rcursive 3 tapes.
1. La loi de contrle virtuelle 1 ;V1 ,z1 pour le premier sous systme :
1 = c11 z1 + a z1 = c1 z1 + a
z1 = z2 c11 z1
V1 = c11 z2 + z1 z2
(2.139)
Ou c1 = c11 + 1 est une constante de conception positive.

2. La loi de contrle virtuelle 2 , V2 , z2 pour le second sous systme :
2 = c1 c11 z1 + c1 z2
z2 = z3 c1 z2 + c2 z1
V2 = c11 z2 c2 z2 z2 z3
1
(2.140)
Avec : c2 = c1 c11 1.
3. La loi de contrle finale u, z3 , V3 pour le troisime sous systme :
u = z2 b x3 (x2 c) c1 c11 (z2 c11 z1 ) c1 (c1 z2 + c2 z1 )
z3 = c3 z3 + z2
V 3 = c11 z2 c1 z2 c1 z2
1
(2.141)
Les figures de la convergences des tats vers le point dquilibre xeq = 0, la variation de la
loi de commande en fonction du temps sont donnes comme suivant :
Fig. 2.38 Convergence des trois tats dans le domaine temporel pour le systme de Rssler
96

(a) Evolution de la loi de commande
(b) Evolution de la loi de commande
virtuelle 1
virtuelle 2
(c) Evolution de la loi de commande u
Fig. 2.39 Evolution des lois de commande en fonction de temps pour le systme de Rssler
Calcul de la loi de commande de poursuite base sur le Backstepping pour le systme de
Rssler
Pour la poursuite les fonctions stabilisantes et la loi de commande finale por le systme de
Rsslor sont : 1 est donne par
1 = c11 z1 + a z1 = c1 z1 + a + y r
(2.142)
avec c1 = c11 + 1. 2 est donne par

2 = c2 z1 + y r
(2.143)
u = c3 z3 + z2 b x3 (x2 c) c2 (z2 c11 z1 ) + y r
(2.144)
La loi de contrle finale est donn :
Les figures de la poursuite des tats vers le signal de rfrence yr = sin(wr t), la variation
des lois de commande virtuelle et la loi de commande finale en fonction du temps sont donnes
comme suivant :
Pour des constantes de conception choisies alatoirement c11 = 0.1, c2 = 0.01, c3 = 0.01 :

systmes chaotiques
(a) Evolution des tats x1 , x2 et x3 dans le
97
(b) Evolution de x1 et yr dans le temps
temps
Fig. 2.40 Evolution des tats en poursuite pour le systme de Rssler
(a) Evolution de la loi de commande
(b) Evolution de la loi de commande
virtuelle 1 depoursuite
virtuelle 2
(c) Evolution de la loi de commande u
Fig. 2.41 Evolution des lois de commande en fonction de temps de poursuite pour le systme
de Rssler
Remarque 1
On remarque que pour la poursuite, il ya un certain dcalage dans lamplitude, donc on
peut envisager une correction linaire par un contrleur PID dont les gains sont optimiss par
la mthode des algorithmes gntiques simul sur matlab dont les valeurs sont P = 0.0748, I =
0.0016, D = 0.1505. Les figures de la poursuite de ltatx1 vers le signal de rfrence yr , la
variation des lois de commande du contrleur PID en fonction du temps sont donnes comme
suivant :
98

(a) Evolution des tats x1 , x2 et x3 en fonc-
(b) Evolution de x1 et yr pour le systme de
tion de temps
Rossler
Fig. 2.42 Evolution des tats pour le systme de Rssler en prsence de PID
(a) Variation des lois de commandes
(b) Variation des lois de commande
(c) Variation de la loi de commande du
virtuelles et finale de poursuite
des contrleurs P, I, D
contrleur PID en fonction de temps
Fig. 2.43 Variation des lois de commande en prsence du PID pour le systme de Rssler
Remarque 2
Mais Le dcalage persiste toujours car les amplitudes des lois de commandes virtuelles et
finales sont plus intenses que celles des lois de commandes de sortie du contrleur PID, donc
le problmes rside dans le choix des constantes de conception c11 , c2 , c3 . Pour une poursuite
totale, ces constantes vont tre optimises par la mthode des algorithmes gntiques simules
sur matlab.c11 = 16.5460, c2 = 9.5061, c3 = 1.8087, les figures montrant cette poursuite totale
sont donnes comme suit :
5 Conclusion
99
(a) Variation des tats x1 , x2 et x3 en
(b) variation de x1 et yr en fonction du
(c) Variation des lois de commandes
fonction de temps
temps
virtuelles et finale de poursuite
Fig. 2.44 variation des tats et les lois de commande avec les ci optimises pour le systme de
Rssler
5 Conclusion
Dans ce chapitre, on a tabli des lois de commandes virtuelles, des lois de commande finales et des fonction de Lyapunov quadratiques dfinies ngatives pour la commande vers un
point dquilibre stable pour les systmes chaotiques autonomes du troisime ordre tels que les
circuits de Chua et de Rosslor et le systme de Lorenz, et vers un cycle limite stable pour les
systmes chaotiques non autonomes du second ordre tels que les oscillateurs de Duffung et de
Vander pool, la poursuite de trajectoire rfrence ou un signal sinusoidale est choisi est aussi
applique sur ces systmes. Une stabilisation uniformment globalement exponentielle est obtenue selon le thorme de Lassale et le thorme de LaSalle et Yoshizawa.
Dans un premier temps on a mis ces systmes sous la forme paramtrique stricte conddition ncessaire pour lapplication de la mthode du backstepping, des lois de commande et commande
en poursuite ont ensuite t dveloppe en adoptant un formalisme bas sur le backstepping.
Les systmes chaotiques non autonomes du second ordre etaient plus simple commander et
le choi des constantes de conception ne posait pas de problme, mais pour les systmes chaotiques autonommes du troisime ordre qui reprsentaient quelques singularits, un algorithme
doptimisation des constantes de conception et mme des gains pour les correcteurs PID taient
indispensables pour lamlioration de la convergence vers le point dquilibre stable et la poursuite globale pour une trajectoire rfrence.
Dans le Backstepping, une chose important est que les non linarits peuvent tre traites
en plusieurs moyens, les non linarits utiles contribuant dans la stabilisation ont t retenues
dans la fonction de Lyapunov, tandis que les non linarits non utiles ont t remplaces par
un contrle linaire ce qui ncessite alors un effort de contrle et mieux encore, des lois de
commande rsultantes optimales garantissant une certaine proprit de robustesse.
100

Chapitre 3
Backstepping Adaptatif pour la
commande des systmes dynamiques
chaotiques
le contrle adaptatif des systmes non linaires, est considr comme une rgion de la recherche passionnante impressionnant de sa rapide prosprit grce au rsultats de stabilit globale et de poursuite pour une grande classe des systmes non linaires de forme de boucle de
retour stricte. Bas sur la thorie de Lyapunov, c.--d., la procdure de conception accomplit
les objectifs dsirs en construisant une fonctions de Lyapunov convenable et rendre sa driv
dfinie ngative [181]- [192].
1 Thorie du Backstepping adaptatif

La procdure de conception de contrle adaptatif non linaire est prsent dans cette section dont lequel le nombre destimation des paramtres est minimal c. . d. gal au nombre de
paramtres inconnus. Les systmes adaptatifs commands par cette procdure possdent des
proprits de stabilit robuste.
En plus de lapplication du Backstepping adaptatif pour la comande en stabilisation des systmes chaotiques, la poursuite dun signal rfrence est un problme trs frquent. Dans cette
section nous tendons la mthode du backstepping adaptatif Pour la poursuite dun signal rfrence des systme chaotique sous la forme de boucle de retour stricte.
Considrons un systme non linaire transformable dans la forme de boucle de retour param-
102Backstepping Adaptatif pour la commande des systmes dynamiques chaotiques

trique stricte :
xi = gi (xi , t)xi+1 + fi (xi , t) + T Fi (xi , t)

(i = 1, , n 1)
xn = gn (xn , t) u + fn (xn , t) + T Fn (xn , t)
(3.1)
y = x1
xt0 = x0
O xi = [x1 , x2 , , xi ]) <i , (i = 1, , n 1), u < , y < sont respectivement le vecteur

des tats entres et la sortie.
< p est le vecteur des paramtres constantes inconnues estimer.
gi (.) , 0, fi , Fi , i = 1, , n 1 sont des fonctions non linaires continues et drivables.
gn (.) , 0, fn , Fn , sont des fonctions non linaires continues.
Et un modle de rfrence connu, drivable et born comme suit.
xri = fri (xri , t)
(i = 1, , m); n m
yr = xr1
O xr = [xr1 , xr2 ,
(3.2)
, xri ]T <m , yr < sont respectivement le vecteur des tats et de
sortie du signal rfrence.

fri = (.),
i = 1, 2, , , m sont des fonctions non linaires connues et drivables.
Notre objectif est de concevoir un contrleur adaptatif dans la contre raction pour le systme (3.1) qui garantit la stabilit globale, et force la sortie y = x1 (t) du systme suivre
asymptotiquement la sortie yr = xr1 (t) du modle rfrence, c. d. :
ky(t) yr k 0
quand
t .
(3.3)
La procdure de conception est rcursive, durant la iime tape, le iim sous systme est
stabilis sous une fonction de Lyapunov approprie Vi par la mise au point dune fonction
stabilisante i et une fonction de rglage i . La loi de mise jour pour le paramtre estim(t),
et le contrle actuel u nest dtermine quen dernire tape.
Premire tape :
Commenons par le sous-systme x1 .Introduisant la premire variable du " backstepping "
comme lerreur de poursuite 1 = x1 xr1 et et lerreur des paramtres inconnus =
Ou : est la valeur du paramtre adaptatif courent
est la valeur du paramtre adaptatif estim,
est la valeur de lerreur sur paramtre adaptatif.
Et comme deuxime variable, 2 = x2 xr2 1
103
O :1 et 2 sont des variables virtuelles de la procdure et 1 est utilis comme une loi de
contrle pour stabiliser la premire quation du systme qui sera dfini plus tard. Rcrivant le
premier sous systme comme :
1 = x1 xr1 ,
1 = g1 (x2 xr2 ) + f1 + T F1 T F1 fr1 + g1 xr2
Pour une uniformit et une simplification de notation pour toutes les tapes on pose :
F1tp = F1
f1tp = f1 fr1 + g1 xr2 .
1 = g1 2 + g1 1 + f1stp + T F1tp T F1tp
(3.4)
Pour trouver cette loi de contrle nous construisons une fonction Lyapunov partielle de type
quadratique :
V1 (1 ) =
1 2 1 T 1
+
2 1 2
(3.5)

V1 = 1 1 + T 1
(3.6)
V1 = 1 (g1 2 + g1 1 + f1stp + T F1st T F1stp ) T 1 V1 = 1 (g1 2 + g1 1 + f1stp + T F1stp ) +

T 1 ( 1 F1stp ) Si x2 tait notre loi de contrle actuelle, alors 2 u 0 sera nulle c. . d
x2 = 1 . Donc, nous en liminerons de V1 avec une loi de mise jour loi dot = 1 , o
1 = 1 F1stp
Est la fonction de rglage. Pour rendre V1 = c1 12 , dfinie ngative on choisit 1 comme :
1 =
1
(c1 1 f1stp T F1stp )
g1
(3.7)
O c1 0 est une constante de conception positive .

= T est la matrice de gain dadaptation.
Du moment que x2 nest pas notre loi de contrle actuelle, alors 2 0 ,dot = tau1 nest
pas utilise comme une loi de mise jour. Cependant, nous pouvons retenir 1 , comme notre
premire fonction de rglage et 1 comme notre premire fonction stabilisante. Donc on remet
approximativement la dcision sur et on tolre la prsence de dansV1 .
V1 = c1 12 + g1 2 1 + T 1 ( 1 )
(3.8)
Pour une stabilit globale, le dernier terme g1 1 2 sera limin dans la prochaine tape.
Lquation en boucle ferme est :
1 = c1 1 + g1 2 + T 1 ( 1 )
(3.9)

Deuxime tape
Rcrivant la deuxime quation du systme comme :
2 = x2 xr2 1
Sachant que :
1 =
1
1
1 T
x1 +
xr1 +
x1
xr1
T
1
1
1
(g1 x2 + f1 + T F1 T F1 ) +
( fr1 ) +
1 F1stp
x1
xr1
T
Et introduisant la troisime variable de la procdure
1 =
3 = x3 xr3 2
Avec 2 est utilis comme une loi de contrle pour stabiliser la seconde quation du systme
1
1
1 T
2 = g2 (3 +2 )+ f2 + T F2 T F2 fr2 +g2 xr3 (
(g1 x2 + f1 + T F1 T F1 )+
( fr1 )+
)
x1
xr1
T
Pour une uniformit et une simplification de notation pour toutes les tapes on pose :
F2tp = F2
1
x1
F1
f2tp = f2 fr2 + g2 xr3
1
x1
(g1 x2 + f1 )
1
xr1
( fr1 )
1
T
1 F1stp
Donc :
1 = g2 3 + g2 2 + f2tp + T F2tp T F2stp
(3.10)
Pour trouver cette loi de contrle nous construisons une fonction Lyapunov partielle de type
quadratique :
V2 (1 , 2 ) = V1 +
1 2 1 T 1
+
2 2 2
(3.11)

V2 = V1 + 2 2 + T 1
(3.12)
V2 = c1 12 + g1 1 2 + T 1 (dot F1stp ) + 2 (g2 3 + g2 2 + f2stp + T F2st T F1stp ) T 1

V2 = c1 12 + g2 2 3 + 2 (g1 1 + g2 2 + f2stp + T F2st )) T 1 ( 1 F1stp 2 F2stp )
Si x3 tait notre loi de contrle actuelle, alors 3 u 0 sera nulle c. . d x3 = 2 . Donc, nous en
liminerons de V2 avec une loi de mise jour loi = 2 , o
2 = 1 + 2 F2stp
Est la fonction de rglage.
Pour rendre V1 = c1 2 c2 2 , ngative definie on choisis 2 comme :
1
2 =
1
(c2 2 g1 1 f2tp T F2tp )
g2
(3.13)
105
Ou c2 0 est une constante de conception positive .

= T est la matrice de gain dadaptation.
Du moment que x3 nest pas notre loi de contrle actuelle, alors 3 0 , = 2 nest pas utilise comme une loi de mise jour. Cependant, nous pouvons retenir 2 comme notre deuxime
fonction de rglage et 2 comme notre deuxime fonction stabilisante. Donc on remet approximativement la dcision sur et on tolre la prsence de dansV2 .
V2 = c1 12 c2 22 + g2 2 3 + T 1 ( 2 )
(3.14)
Pour une stabilit globale, le dernier terme g2 2 3 sera limin dans la prochaine tape.
Lquation en boucle ferme est :
2 = c2 2 + g2 3 + T 1 ( 2 )
(3.15)
La iimeEtape, , (i = 3, , n 1)
Aprs quelques manipulations algbriques la iime variable de la procdure
i = xi xri i1
i = gi i+1 + fistp + T Fistp
Avec :
Pi
1 xi1
Fk
k
P
Pi
Pi
i1
i1
1
fitp = fi fri + gi xr(i+1) ik=1 1 xi1
(g
x
+
f
)
(
f
)
k
k+1
k
rk
k=1
k=1 1 T k F kstep
x
k
rk
La fonction stabilisante i et la loi de mise jour sont conu maintenant pour rendre la fonction
Fitp = Fi
k=1
de Lyapunov Vi suivante :
Vi = Vi1 +
1 2 T 1
+
2 i
(3.16)

+ i i + T 1
Vi = Vi1
P
Vi = i (gi1 i1 + gi i+1 + gi i + fistp + T Fistp ik=1 1ck k + T 1 ith
(3.17)
Ngative dfinie.
Pour le paramtre inconnu , nous employons un nouveau paramtre estimer dans lexpression de i comme :
1
(ci i gi1 i1 fistp T Fistp )
(3.18)
gi
En substituant i dansVi et i on trouve :
P
2
T 1
Vi = i1
k=1 (ck k ) + gi i i+1 + fitp + (ith i F itp )
le terme de lerreur sur le paramtre estimer T peut tre limin par la loi de mise jour :
= F ), Pour une stabilit globale, le dernier terme g sera limin dans la proi =
ith
istp
chaine tape.
i i i+1

La nimeEtape
Cest la dernire tape de conception, du moment que le contrle actuelle u apparat dans la
dernire quation n
n = xn xrn n1 = gn u + fnstp + T Fnstp
P n1
Avec : Fntp = Fn n1
k=1 x F k
P
Pn1 n1 k
fntp = fn frn k=1 xk (gk xk+1 + fk ) i1
k=1
n1
xrk
( frk )
Pn1
n1
k=1 T
(3.19)
k Fkstp
La loi de contrle u est conu pour rendre la driv de la fonction Lyapunov globale dfinie
ngative :
1 2 T 1
+
2 n
P
2
T
T 1
Vn = n1
k=1 ck k + n (gn1 n1 + gn u + fntp + F ntp ) + nth
Vn = Vn1 +
(3.20)
Le choix du contrle actuelle est :

u=
1
(cn n gn1 n1 fntp T Fntp )
gn
(3.21)
On substituant u dans n et Vn on trouve :

n = cn n gn1 n1 + T Fnstp
Vn =
n
X
(ck z2k + T 1 ( nth n Fnstp )
(3.22)
(3.23)
k=1
Le terme de lerreur dans Vn sera limin par loi de mise jour finale :
nth = n Fnstp Ce qui conduit :
n
X
Vn = (ck k2 )
(3.24)
k=1
Do le systme globale dans les coordonnes 1 , , n :

1 = c1 1 g1 2 + T F1
(3.25)
i = ci i gi1 i1 + gi i+1 + T Fist ; (i = 2, , n 1)
(3.26)
n = cn n gn1 n1 + T Fnstp
(3.27)
i = xi xri i1 ;
(i = 1, , n); 0 = 0
(3.28)
La loi de mise jour :

ith = i Fistp ; (i = 1, , n)
(3.29)
Lorsque t 0, alors Vn 0 est ngative dfinie,le systme dquation des erreurs

en i , (i = 1, , n) correspondant au systme final en boucle ferm, le systme des lois de
mise jour i , (i = 1, , n) admet un point dquilibre eq = [1 , 2 , , n ]T = 0 globalement
2 Conception de loi de commande adaptative base sur le Backstepping pour

quelques systmes chaotiques
107
uniformment asymptotiquement stable.

Puisque le modle de rfrence xr1 est born et sachant que1 = x1 xr1 ce ci garantit que
ltat x(t), la loi de contrle actuelle u, le vecteur des paramtres estimes t sont globalement
borns et limt (t) = 0 et donc limt |y(t) yr (t)| = 0.
Thorme 1.1 Le systme adaptatif de boucle ferm (3.1, le modle de la rfrence (3.2, le
contrleur (3.21 et la loi de mise jour des paramtres (3.22 a un point quilibre globalement
uniformment stable au = [1 , 2 ; 3 , , n ]T = 0.
Preuve
Les quations de lerreur (3.25 correspondant au systme adaptatif en boucle ferm pour le
modle du systme (3.1, le modle de la rfrence (3.2, le contrleur (3.21 et la loi de mise
jour du paramtre ((3.22. Le driv de la fonction de Lyapunov le long des quations de lerreur
prouvent que zeq = 0 est globalement uniformment stable.
Remarque
Les systmes en boucle de retour stricte sont seulement des cas ou les paramtres sont incertaines. Les non linarits du systme sont assumes dtre connues et dune dpendance linaire
de ces paramtres inconnus. Pour le cas dune dpendance non linaire prsentes dans le systme, le contrle adaptatif robuste peut garantir la robustesse en ce qui concerne les incertitudes
bornes. Mais en gnral ils ne peuvent pas accomplir la convergence de lerreur de la poursuite
sans un gain haut [81]- [84].
2 Conception de loi de commande adaptative base sur le

Backstepping pour quelques systmes chaotiques
Nombreuses application de la procdure de la commande adaptative base sur la mthode
du Backstepping cites dans la littrature [195]- [200], mais notre travail consiste en lapplication de cette procdure sur des systmes non linaires chaotiques souvent connus et utiliss
dans la validation des algorithmes et procdures proposes soit pour la simplicit soit pour une
comparaison avec dautre mthodes appliques sur ces mme systmes [202].
2.1 Oscillateur de Duffing

Lquation gnrale loscillateur forc de Duffing est donne par :
x1 = x2
x2 = 1 x2 2 x1 3 x3 + 4 cos (t) + u
(3.30)
Backstepping adaptative pour la commande en stabilisation

Recherchons la loi de commande adaptative en stabilisation du systme au voisinage du
point dquilibre par la mthode de Backstepping, du moment que le systme ne contenant que
deux quations diffrentielles alors la procdure ne prend que deux tapes [201].
Ce qui donne : Dans le nouveau repre 1 , 2 Le systme de boucle ferme total est rcrit
comme :
1 = 2 c1 1
2 = c2 2 1 + T (x2 c1 (z2 z1 c1 )) + T x1 + T x3 T cos (t)

1
2
3 1
4
Et les rgles de mise jour finales sont :
T
1 = 1
2 = 2
3 = 3
=
4
= 2 x2
= 2 x1
(3.32)
= 2 x13
= 2 cos (t)
Les fonctions stabilisantes des sous systmes et la loi de commande sont :
1 = c1 1
u = c2 2 1 + T 2 T 1 + T x1 + T x3 T cos (t) c1 (2 c1 1 )
1
(3.31)
3 1
(3.33)
1 = 1 (2 1 (1 + c11 ))
2 = 1 (2 1 (1 + c11 )) + 2 (1 + c11 (2 1 (1 + c11 )))
3 = 1 (2 1 (1 + c11 )) + 2 (x1 + c11 (2 1 (1 + c11 ))) 3 x3
T
4 = 4 = 2 cos (t)
(3.34)
Les fonctions de Lyapunov des trois sous systmes sont :
V 1 = c1 1 + 1 2

V 2 = c1 2 c2 2 + T 1 1 1 + T 1 2 2 + T 1 3 3 + T 1 4 4
4
3
2
1
2
1
(3.35)
Les figures suivantes illustrent la convergence des tats vers le point dquilibre xeq = 0 et les
paramtres i vers leurs valeures stimes.

109
Fig. 3.1 Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing.
Fig. 3.2 Variation des paramtres stimes dans le temps pour systme de loscillateur de
Duffing
Fig. 3.3 Variation de loi de commande adaptative pour loscillateur de Duffing.

Commande adaptative en poursuite pour loscillateur de Duffing
Donc pour le premier sous systme :
1 = c1 1 y r
(3.36)
Puisque le systme original est dcrit par 2 tats seulement, lentre de commande u apparat
dans la deuxime tape,
u = c2 2 z1 + 1T 2 1T 1 + 2T x1 + 3T x13 4T cos (t) c1 (2 c1 1 ) y r
(3.37)
Les figures suivantes illustrent la convergence des tats vers le signal de rfrence yr = sin(t) et
les paramtres i vers leurs valeures stimes.
Fig. 3.4 Convergence des tats x1 x2 vers le signal de rfrence yr = sin(t) pour loscillateur
de Duffing.

111
Fig. 3.5 Variation des paramtres stims dans le temps pour loscillateur de Duffing.
Fig. 3.6 Variation de loi de poursuite adaptative pour loscillateur Duffing .
2.2
Oscillateur Bonhoeffer Van der pool
Le systme de loscillateur de Bonhoeffer Van der pol est la gnralisation de van der Pol
oscillateur et, est dcrit par :
1 3
x1 = x1 3 x1 x2 + p1 + p2 cos (wt)
x2 = p3 (x1 + p4 p5 x2 ) + u
(3.38)
w est la frquence constante,p1 , p2 , p3 , p4 , p5 sont des paramtres de loscillateur constantes.

En posant : p1 = 1 , p2 = , p3 = 2 , p3 p4 = 3 , p3 p5 = 4 , est une frquence constante.
Le systme prcdent devient :
1 3
x1 = x1 3 x1 x2 + 1 + 2 cos (wt)
x2 = 3 x1 + 4 5 x2 + u
(3.39)

Pour le sous systme 1 :
1 (x1 ) = c1 1 + x1 13 x13 + 1T + 2T cos (wt)
T = z
2 = z1 cos (wt)
V 1 = c1 12 1 2
= c T T cos (wt)
1
1 1
(3.40)
Maintenant, on passe au sous systme 2. Le choix de la loi de contrle finale est donn de telle
sorte avoir V 2 ngative dfinie :
Et les lois de mise jour suivantes :
3 = 2 = 2 x1
T
4 = 3 = 2
T
5 = 4 = 2 x2
2 = c2 2 + 1 3T x1 4T + 5T x2
V 2 = c1 2 c2 2
1
(3.41)
Les figures suivantes illustrent la convergences des tats vers le point dquilibre xeq = 0 et les
Fig. 3.7 Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur Bonhoeffer Van der pol.

113
Fig. 3.8 Variation des paramtres stimes dans le temps pour loscillateur Bonhoeffer Van
der pol.
Fig. 3.9 Variation de loi de commande adaptative pour loscillateur Bonhoeffer Van der pol.
Commande adaptative en poursuite pour le circuit loscillateur de Van der pool.
En appliquant la procdure pour le premier sous systme 2.72 avec et sachant 2.72 nous
retrouvons la fonction stabilisante les lois de mise jour pour la premire tapes comme :
1 (x1 ) = c1 z1 + x1 31 x13 + 1T + 2T cos (wt)

T
1 = z1
T
= z cos (wt)
2
(3.42)
V 1 = c1 z21 z1 z2
La loi de poursuite et les lois de mise jour pour le second sous sytme de la duxime tape sont :

T
T
u = c2 z2 +z1 3T x1 4T +5T x2 + c1 z1 z2 1T c1 + 1 x12 + 1 + 2 cos (wt) 2T w sin (wt) + y r
(3.43)
Fig. 3.10 Variation de la fonction stabilisante virtuelle pour loscillateur Bonhoeffer Van der
pol.
Et :
V 1 = c1 z21 z1 z2
V 2 = c1 z21 c2 z22
(3.44)
1 = z1
T
2 = z1 cos (wt)
T
3 = 2 = z2 x1
T
4 = 3 = z2
T
= = z x
5
(3.45)
2 2
Les coordonnes de conception en (z1 , z2 ) :
T
T
T
z2 = c2 z2 + z1 3 x1 4 + 5 x2
z1 = c1 z1 z2 T T cos (wt)
1
2
(3.46)
2.3 Systme chaotique de Lorenz.

Prenons le systme de Lorenz sous sa forme paramtrique avec des paramtres adaptatives
inconnues.
x1 = 1 (x1 x2 )
x2 = x1 x3 + 2 x1 x2
x3 = x1 x3 3 x3 + u
y = x1
=
Ou : est la valeur du paramtre adaptatif courent
(3.47)

115
est la valeur du paramtre adaptatif estim,

Commenons par le sous-systme x1 et on introduisant les variables du backstepping pour les
diffrents sous systmes :
1 = x1
2 = x2 1
3 = x3 2
(3.48)

Et on appliquant les diffrentes tapes cites aux dessus on trouves les rsultats suivants
[202] :
On pose c1 = c11 1 avec c11 0 et 1 0 donc c1 0.
Dans le nouveau repre 1 , 2 , 3 le systme de boucle ferme total est rcrit comme :
1 = 1T 2 c1 1 1T (2 1 (1 + c11 ))

(3.49)
2 = x1 3 x1 1T 2 1 c11 1T 1T c11 (2 1 (1 + c11 )) 2T x1
= c + x + T x = c + x T w
3
3 3
2 1
3 3
3 3
2 1
Les fonctions stabilisantes des sous systmes et la loi de commande finale sont :
1 = c11 1

T + T c11 T + c11 1 c11 T = T 1 c2 + T + c11
2
1
2
1
11
2
1
1 T
u = c3 3 + 2 x1 x1 x2 + T x3 1 c2 1 2
3
(3.50)
11
Et les rgles de mise jour finales sont :
1 = 1 (2 1 (1 + c11 )) = 1 w1
2 = 1 (2 1 (1 + c11 )) + 2 (1 + c11 (2 1 (1 + c11 )))
3 = 1 (2 1 (1 + c11 )) + 2 (x1 + c11 (2 1 (1 + c11 ))) 3 x3
= 2 + 3 x3
Les fonctions de Lyapunov des trois sous systmes sont :
V 1 = c1 12 + 1T 1 2

V2 = c1 12 c2 22 2 3 x1

V 3 = c1 2 c2 2 c3 2
1
(3.51)
(3.52)
Les figures suivantes illustrent la convergence des tats vers le point dquilibre xeq = 0 et
les paramtres i vers leurs paramtres stimes i pour le systme de Lorenz.
Fig. 3.11 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour systme de
Lorenz
Pour Pour voir lfficacit de la mthode du Backstepping faisant une comparaison du temps
de convergence et le niveau de la commande avec une autre mthode et comme exemple utilis
un contrleur en contre raction PId dont les gains sont optimiss par les algorithmes gntiques.
Contrleur PID bas sur les Algorithmes Gntiques.
[202] Le contrle des systmes non linaire est difficile dans labsence dune procdure
systmatique comme celle disponible pour les systmes linaires. Beaucoup de techniques sont
limites dans leur application pour des classes spciales des systmes. Encore, les mthodes
disponibles sont plus communment heuristiques dans leur nature, la technique des algorithmes
Gntique peut rduire dans une grande mesure la conception arbitraire dun contrleur. Les
contrleurs mieux connus utiliss dans les processus du contrle industriels sont des PID (proportionnel, intgrateur et ou driv de lerreur), grce leur structure simple et leur performance
robuste dans une grande gamme des conditions oprationnelles.
Dans les dcennies passes, la thorie du contrle a travers des dveloppements majeurs,et
des algorithmes du contrle intelligents ont t dvelopps. Cependant, le type de contrleur
PID reste le plus populaire dans lindustrie, les tudes indiquent mme quapproximativement
90 pourcent de tous les contrleurs industriels sont du Type PID. Les raisons pour cela sont la
simplicit de la loi de contrle et le nombre minimal de paramtres de rglage. Des centaines
doutils, de mthodes et de thories sont disponibles pour ce but. Cependant, trouver des paramtres appropris pour le contrleur PID est encore une tche difficile, donc dans le contrle

117
Fig. 3.12 Variation des paramtres stimes dans le temps pour le systme de Lorenz
rel souvent les erreurs sont utilise pour le rglage du processus.
Le contrle PID consiste en trois types de contrle, le contrle proportionnel, lintgrateur
et la drive de lerreur entre la sortie courante et une rfrence. Lalgorithme du contrleur
PID peut tre rendu effectif dans beaucoup de formes, mais il est utilis principalement dans la
boucle de la contre raction.
On donne au-dessous un diagramme simple qui illustre le schma du contrleur PID.
Z t
e(t)
u(t) = k p e(t) + kI
e() d kD
t
0
(3.53)
Avec KP, KI, KD sont des les gains respectivement pour les controleurs proportionnel, lintgrateur et drivateur.
La sortie du contrleur proportionnel utilise une proportion de lerreur du systme pour
contrler le systme. Cependant, cela introduit une compensation statique de l erreur dans le
systme.
La sortie du contrleur intgrateur est proportionnelle a la sommation croissante dans le temps
des erreurs prsentes dans le systme. Laction intgrante enlve la compensation introduite par
le Contrleur proportionnel mais introduit un dcalage de phase dans le systme.
La sortie du contrleur drivateur est proportionnelle au taux de changement de lerreur. Le
contrleur drivateur est utilis pour rduire ou liminer le dpassement et introduit une action
principale angulaire qui enlve le dcalage de phase introduit par laction intgrante.
La conception dune fonction dobjective est la partie la plus difficile pour crer un algorithme gntique. Une fonction dobjective pourrait tre cre pour trouver un contrleur qui
donne le plus petit dcalage, un temps de monte le plus rapide ou temps du chute le plus rapide
Fig. 3.13 Variation de loi de commande adaptative pour le systme de Lorenz
Fig. 3.14 Schema du controleur PID

mais pour combiner tous ces objectifs une fonction dobjective qui minimisera lerreur du systme contrl est choisie. Chaque chromosome de la population est est valu la fois dans la
fonction objective, Le chromosome valu de plus grand nombre est le meilleur. Lalgorithme
gntique utilise la valeur de laptitude du chromosome pour crer une nouvelle population qui
consiste en les membres de plus grand cout.
Dans cette section on sintresse loptimisation les gains dun contrleur PID efficace en
utilisant les algorithmes gntiques [203], [204],pour cela on va avoir besoin de trois chaines
assignes chaque membre de la population, ces membres seront comprises dun P, et une
chaine D qui serons values partout ou cours du GA, vrai (point flottant) les nombres seront
utiliss pour chiffrer la population. Les trois termes sont introduits dans lalgorithme gntique
par la dclaration dune trois ligne. entre -100 et 100, le systme contrl est donn une entre
du pas et lerreur est rpartie utiliser un critre de la performance de lerreur appropri c.--d.

119
Une valeur de laptitude totale daprs la magnitude de lerreur est assigne au chromosome, le
plus petit lerreur le plus grand la valeur de laptitude.
Les paramtres de lalgorithme gntiques sont
Variable borne entre [-100,100]. Chaque membre de la population est initialis avec
randomly des valeurs slectionn entre -100 et 100.
La taille de la population 80.
Nombre maximalede gnrations = 100.
Fonction de la slection de type stochastique uniforme.
Taux de croisement = 0.8,
Fonction de la mutation estla Gaussian.
Critres darret est le critre de performance de lerreur
Pour valuer les valeurs du controleur PID choisi par lAlgorithme Gntique, une fonction
dobjective est crite bas sur la somme du critre de la performance de lerreur lerreur absolue,
pratiquement ce genre de critre de performance de lerreur est bon pour la simulation.
les valeurs PID du gain du contrleur : KP = 0.9501KI = 0.0579KD = 0.8381 ce qui donne
comme trajectoire pour le systme de Lorenz. Bien quon a une convergence des tats mais
Fig. 3.15 Variation des tats dans le temps avec un PID pour le systme de Lorenz
cette mthode prsente quelques incovinients.
1. Grand space mmoire pour le codage des chaines.
2. Temps de convergence trs long.
3. Optimisation locale.
Donc, dun point de vue pratique, il est souvent dsir de convertir et de contrler convenablement la dynamique du systme avec un effort minime afin que toutes les fois que le mouvement
chaotique est physiquement nuisible qui peut tre conduit vers un etat stable ou un etatdsir.
Fig. 3.16 Variation des lois de contrle par le PID dans le temps pour le systme de Lorenz
Command adaptative en poursuite dun signal rfrence pour le systme de Lorenz
On suivant les mme tapes de la procdure adaptative du Backstepping, et on utilisant un
signal rfrence yr = sin(wr t),et on dmarant par les variables virtuelles
1 = x1
2 = x2 1 yr
3 = x3 2
On trouve les lois de commandes virtuelles et finales suivantes :
1 = c11 1 + x1 yr

2 (c2 (1c11 1T )yr yr )

T
T
T
c
1
11
11 1
2
2
1
x1

T
T
u = c3 3 + 2 x1 x1 x2 + T x3 1 c2 + y r + y r
1
2
3
11
La fonction de Lyapunov finale est ngative dfinie.
Fig. 3.17 Convergence adaptative des tats (x1 x2 , x3 ) pour le systme de Lorenz
(3.54)
(3.55)

121
Fig. 3.18 Variation des paramtres stimes dans le temps pour la poursuite pour le systme
de Lorenz
(a) variation de la commande vir-
(b) variation de la commande vir-
(c) variation de la commande finale
tuelle 1 dans le temps
U dans le temps
Fig. 3.19 Convergence des commandes virtuelles et finale pour la poursuite adaptative pour le
systme de Lorenz
Remarque
On remarque que pour la poursuite adaptative dun signal rfrence pour le systme de
Lorenz nest pas totale, on a un dcalage de la sortie x1 , on signale aussi que meme la prsence
dun PID ou optimisation des constantes de conception par lalgoritme gntique ne donnent
quun rsultat locale, c.a.d une convergence des tats vers le point dquilibre stable xeq = 0 une
autre mthode est conseille.
2.4 Circuit chaotique de Chua.

Le circuit de Chua est rgit par le systme dquations diffrentilles suivant :
x1 = xL2
x2 = c12 [G (x3 x2 ) x1 ]

i
h
x3 = c1 G (x2 x3 ) Gb x3 + 12 (Ga Gb ) (|x3 + 1| |x3 1|) + u

1
(3.56)
En posant :

1 + Gb
1
1
1
G
G
(Ga Gb ) = 3
= 2 ,
= 1 , = 2 , = 1 ,
L
c2
c1
c1
2c1
Le systme prcdent deviendra :
x1 = xL2 = 1 x2
x2 = c12 [G (x3 x2 ) x1 ] = 2 (x3 x2 ) x1
x = 1 hG (x x ) G x + 1 (G G ) (|x + 1| |x 1|)i + u
3
2
3
b
3
3
c1
Gb b 3 2 a
1+ G
(Ga Gb )
1
= c1 Gx2 x3G c1 2c1 (|x3 + 1| |x3 1|) + u
= 1Gx2 2Gx3 3 (|x3 + 1| |x3 1|) + u
(3.57)
x1 = 1 x2
x2 = 2 (x3 x2 ) x1
x3 = 1Gx2 2Gx3 3 (|x3 + 1| |x3 1|) + u
(3.58)
Pour le systme de Chua, nous aurons :
Conception de la loi de commande base sur le Backstepping Adaptatif en stabilisation

Les lois de stabilisation et de contrle adaptatives sont :
1 (x1 ) = c11 1
(c2 2 +c11 1 )2 +1 (1 +2 c11 c11 c1 )
2 =
2
= G1 1 + G2 2
u = c3 3 2 2 1Gx2 + 2Gx3 + 3 (|x3 + 1| |x3 1|) + (G1 c1 1 + 2 (1G1 + c2G2 ) G2 2 3 )

(3.59)
(1 +2 c11 c11 c1 )
G1 =
2
(3.60)
G2 = (c2 2 +c11 1 )
2
Le systme final en boucle ferm en (1 , 2 , 3 )
1 = 1 2 c1 1

2 = 2 3 c2 2
3 = c3 3 2 2 1 x2 + 2 x3 + 3 (|x3 + 1| |x3 1|)
(3.61)

123
Les fonctions de Lyapunov approprie pour le systme :
V 1 = c1 12 1 2
V 2 = c2 22 c1 12 + 2 2 3
T

T

T

2
2
2
T 1
T 1
T 1
V3 = c1 1 c2 2 c3 3 + 1 1 1 + 2 2 2 + 3 3 3
(3.62)
Les figures suivantes illustrent la convergences des tats vers le point dquilibre xeq = 0 et les
Fig. 3.20 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour circuit chaotique
de Chua.
Fig. 3.21 Variation des paramtres stimes dans le temps pour circuit chaotique de Chua.
Fig. 3.22 Variation de loi de commande adaptative pour le circuit chaotique de Chua.
Commande adaptative en Poursuite pour le circuit chaotique de Chua
Les lois de stabilisation et de contrle adaptatives.
1 (x1 ) = c11 1 + yr
(c2 2 +c11 1 )2 +1 (1 +2 c11 c11 c1 )
+ yr
2 =
2
= G1 1 + G2 2

u = c3 3 2 2 1Gx2 + 2Gx3 + 3 (|x3 + 1| |x3 1|) + G1 c1 1 + 2 (1G1 + c2G2 ) G2 2 3 + yr
G1 =
G2 =
(1 +2 c11 c11 c1 )
2
(c2 2 +c11 1 )
2
Le systme final en boucle ferm en (1 , 2 , 3 )
1 = 1 2 c1 1
2 = 2 3 c2 2
3 = c3 3 2 2 1 x2 + 2 x3 + 3 (|x3 + 1| |x3 1|)
Les fonctions de Lyapunov approprie pour le systme :
V 1 = c1 12 1 2
V 2 = c2 22 c1 12 + 2 2 3
T

T

T

V 3 = c1 12 c2 22 c3 32 + 1T 1 1 1 + 2T 1 2 2 + 3T 1 3 3
Les figures suivantes ullistrent la convergences des tats vers le signal rfrence yr = 2 sin(t)
et les paramtres i vers leurs paramtres stimes.
3 Conclusion
125
3 Conclusion
Dans ce chapitre, on a tabli des lois de commandes adaptatives virtuelles, des lois de commande adaptatives finales et des fonction de Lyapunov quadratiques dfinies ngatives, des
rgles de mise a jour pour les paramtres a stimer pour la commande pour les systmes chaotiques autonomes du troisime ordre tels que les circuits de Chua et le systme de Lorenz, pour
les systmes chaotiques non autonomes du second ordre tels que les oscillateurs de Duffung et
de Vander pool vers un point dquilibre stable ou vers un cycle limite stable, la poursuite de
trajectoire rfrence ou un signal sinusoidale est choisi est aussi applique sur ces systmes.
Une stabilisation uniformment globalement exponentielle est obtenue selon le thorme de
Lassale et le thorme de LaSalle et Yoshizawa.
Une comparaison pour la commande adaptative utilisant un PID dont les gains sont optimiss par les algorthmes gntiques est aussi traite, mais on remarque que le temps de convergence et trs long par rapport a la mthode de Backstepping.
Chapitre 4
Backstepping et Backstepping Adaptatif
pour la Synchronisation Chaotique
1 Introduction
La synchronisation des systmes dynamiques au comportement complexe tels que les oscillateurs et les systmes chaotiques a suscit un intrt croissant de par lexistence de nombreux
champs dapplications ou dinvestigations potentiels (exemples en tlcommunication, neurosciences, informatique, ...) [205]- [228].
Les radiocommunications constituent actuellement un domaine en plein essor, depuis quelques
annes, de nombreux chercheurs tudient la possibilit dutiliser des signaux chaotiques pour
transmettre des donnes. Dans les systmes de communication, la synchronisation est fondamentale pour une transmission russie.
Depuis au moins vingt ans la synchronisation des systmes chaotiques fait lobjet de nombreux travaux de recherche. Une des applications de cette synchronisation est la transmission
scurise des donnes (analogiques o numriques). De nombreux schmas de transmission ont
t proposs par le pass : mthode par additions, par inclusion, par commutation, mais toutes
souffrent de dfaut de robustesse. En effet la mthode par addition est sensible une attaque
en frquence et les autres mthodes une attaque texte claire connue. Pour remdier cet
inconvnient majeur,de nombreuses tudes ont t ralises concernant plusieurs systmes de
transmission, ces tudes ont montr que le chaos apparaissait comme une solution prometteuse
pour augmenter la performance des systmes de transmission actuels.
Lemploi du chaos dans les systmes de communication peut permettre de renforcer la scurit
de transmission de linformation et de rduire la probabilit dinterception.
Dans les systmes de communication, la synchronisation est une cl trs importante pour
une transmission russie. La synchronisation classique employe dans les systmes de tl-
128
Backstepping et Backstepping Adaptatif pour la Synchronisation Chaotique
communication cherche reproduire juste le signal priodique de la porteuse. Par contre, la

synchronisation chaotique au niveau du rcepteur cherche dupliquer le signal chaotique envoy de lmetteur. Cela veut dire que deux signaux chaotiques seront dit synchroniss sils
sont asymptotiquement identiques lorsque le temps t tend vers linfini.
Les travaux sur la synchronisation chaotique ont dbut avec Yamada et Fujisaka [229] qui
ont utilis une approche locale de la synchronisation chaotique. Les travaux dAfraimovich ont
men au dveloppement de concepts importants lis la synchronisation. Par la suite, Pecora
et Caroll [197], [230], [231] ont dfini la synchronisation chaotique ou synchronisation identique. Ces travaux ont ouvert la voie plusieurs systmes de transmission chaotique bass sur
ce principe de synchronisation.
Finalement, cette nouvelle technique de synchronisation chaotique a commenc simposer
pour les systmes de transmission par chaos [232]. Plusieurs notions de synchronisation ont
t proposes pour les systmes chaotiques, la plus forte et a plus large utilisation est la synchronisation identique o ltat du systme rcepteur converge asymptotiquement celui du
systme transmetteur pour toute combinaison des tats initiaux [206]- [277]. Plus rcemment,
deux notions plus faibles de synchronisation, appel synchronisation gnralise [206]- [208],
ou ltat du systme rcepteur converge asymptotiquement une transformation du systme
transmetteur o les proprits de la transformation sont indpendantes des conditions initiales.
La synchronisation de phase [209], [210] de deux systmes associs se produit si la diffrence
entre les phases des deux systmes est born par une constante, o la phase est convenablement
choisie comme une fonction croissante monotone de temps. La mthode de masquage chaotique a t une des premires applications des signaux chaotiques aux communications. Elle est
base sur le principe de synchronisation par couplage ou synchronisation identique entre deux
gnrateurs chaotiques.
Rcemment la synchronisation chaotique [233]- [277] base sur la mthode de Backstepping est largement utilise car, une des avantages de la mthode est quelle est applicable une
varit de systmes chaotiques contenant ou pas une excitation externe, et elle a besoin seulement dun contrleur pour raliser la synchronisation entre des systmes chaotiques et mme
des systmes hyper chaotiques. Finalement il ny a pas de drives dans le contrleur, singulier, libre de tout termes non linaires ou du second degr, donne une certaine flexibilit pour
construire une loi du contrle qui peut tre tendue aux systmes hyper chaotiques de plus haut
degrs et le systme en boucle ferme est globalement stable.
Dans ce chapitre nous allons
utiliser la mthode de Backstepping et backstepping adaptatif pour dvelopper des lois de synchronisation pour des systmes chaotiques qui sont des repres pour la validation des concepts
et des approches tels quils sont utiliss aux chapitres prcdents.
2 Synchronisation du systme chaotique de Lorenz via Backstepping
129

2.1 Conception de la loi de synchronisation
Considrons le systme chaotique de Lorenz sous la forme paramtrique triangulaire suivant
comme systme maitre(metteur) :
x1 = 10 (x1 y1 )
y1 = (x1 y1 ) z1 (9 + x1 )
z1 = 9 (x1 + y1 ) 3 z1 + x1 y1
(4.1)
Et considrons un deuxime circuit chaotique de Lorenz avec les mmes paramtres de contrle,
sous dautres conditions initiales comme systme esclave (rcepteur).
x2 = 10 (x2 y2 )
y2 = (x2 y2 ) z2 (9 + x2 )
z2 = 9 (x2 + y2 ) 3 z2 + x2 y2 + U
(4.2)
O U est une fonction de contrle dterminer ultrieurement. Dfinissons les tats erreurs
pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
ez = z2 z1
(4.3)
Le problme de synchronisation est par consquent transform en un problme de stabilisation

du modle derreur autour de zro.
On drivant dans le temps les tats erreurs puis on substituant (4.1), et (4.2) dans (4.3) on
obtient :
ex = 10 e x + 10 ey
ey = e x ey 9 ez x2 ez z1 e x
ez = 9 e x + 9 ey 3 ez + y2 e x + x1 ey + U
(4.4)
En cas dabsence de tout contrle U, le systme prcdent admet un point dquilibre (0, 0, 0) et
si U est choisie de telle sorte que le point dquilibre (0, 0, 0) reste inchang alors le problme de
synchronisation de la rponse du systme maitre sera rduit ltude de la stabilit asymptotique
du systme prcdent (4.4).
Mais le but de la synchronisation est de trouver une loi de commande totale U telle que le
systme (4.4) est stabilis lorigine, c.a.d le but de la commande du systme non linaire (4.4)
est davoir :
lim e(t) = 0
130
Lobjectif alors de la conception est de rendre le point dquilibre globalement asymptotiquement (GAS), puisque le systme est constitu de trois tats o de 3 quations diffrentielles non
linaires, alors il y aura une mthode de conception rcursive 3 tapes. On traite le systme
comme 3 sous systmes en cascade chacun avec une seule entre et une seule sortie. On commence la conception avec le sous systme 1 de la premire quation diffrentielle non linaire et
on continue jusquau dernier sous systme. Durant le processus de conception un changement
de coordonnes wi = (x, y, z) comme variable virtuelle est effectu.
Premire tape :
Considrons la stabilit du premier sous systme suivant :
e x = 10 e x + 10 ey
(4.5)
Pour le sous systme 1, on choisit ltat ey comme une entre virtuelle ou fictive de commande
au sous systme 1, rappelons que lobjectif de la commande est de conduire(e x , ey , ez ) = (0, 0, 0)
c.a.d (x2 , y2 , z2 ) = (x1 , y1 , z1 ).
Dfinissons la premire variable virtuelle du " backstepping " w1 et la commande virtuelle 1
comme :
w1 = e x
w2 = ey 1
(4.6)
O 1 est la fonction linarisante du sous systme 1, w2 est une nouvelle variable, cette dernire
ne sera pas utilise dans la premire tape, mais sa prsence est ncessaire puisquon a besoin
de w2 pour lier le nouveau sous systme 1 en w1 au prochain sous systme ou sous systme en
w2 qui sera considr dans la seconde tape. Do, le sous systme 1 devient :
w 1 = ex = 10 w1 + 10 w2 + 10 1
(4.7)
Pour trouver la fonction stabilisante 1 , choisissons une fonction de Lyapunov approprie pour
le sous systme (4.7)comme :
1
V1 (w1 ) = w21
2
(4.8)
V 1 (w1 ) = w1 w1 = 10 w21 + 10 w1 w2 + 10 w1 1
(4.9)
La drive dans le temps est
pour rendre V 1 (w1 ) ngative dfinie, on choisi la fonction stabilisante 1 = 0,le second terme
dans V 1 (w1 ) sera limin dans la prochaine tape. Alors lquation du premier sous systme
devient :
w 1 = 10 w2 10 w1
Les coordonnes de conception ont changes de (e x , ey ) vers (w1 , w2 ).
(4.10)
131
Seconde tape :
Considrons la stabilit du deuxime sous systme, ses dynamiques sont calculs en prenant :
e y = e x (1 z1 ) ey ez (9 + x2 )
(4.11)
Donc les dynamiques du deuxime sous systme en (w1 , w2 ) sont :

w 2 = ey 1 = e x (1 z1 ) ey ez (9 + x2 ) = w1 (1 z1 ) w2 ez (9 + x2 )
(4.12)
La nouvelle loi de contrle virtuelle est choisie de telle faon avoir :

w3 = ez 2
(4.13)
2 est la fonction stabilisante pour le deuxime sous systme et w3 est une nouvelle variable
dtat.
w 2 = w1 (1 z1 ) w2 w3 (9 + x2 ) 2 (9 + x2 )
(4.14)
Et une fonction de Lyapunov approprie au second sous systme (4.14)comme :

1
V2 (w1 , w2 ) = V1 (w1 ) + w22
2
(4.15)
La drive dans le temps est :

V 2 (w1 , w2 ) = 10 w21 w22 + w2 (w1 (11 z1 ) w3 (9 + x2 ) 2 (9 + x2 ))
(4.16)
pour rendre V 2 (w1 , w2 ) ngative dfinie, on choisi la loi de commande virtuelle 2 comme :
2 =
(11 z1 ) w1
(9 + x2 )
(4.17)
Alors V 2 (w1 , w2 ) devient :

V 2 (w1 , w2 ) = 10 w21 w22 w2 w3 (9 + x2 )
(4.18)
Le troisime terme dans V 2 (w1 , w2 ) sera limin dans la prochaine tape. Alors lquation du
second sous systme devient :
w2 = 10 w1 w2 w3 (9 + x2 )
(4.19)
Troisime tape :
Sachant lquation (4.13), lquation du troisime sous systme devient :
w 3 = ez 2
(4.20)
132
Avec :
e z = w1 (9 + y2 ) + w2 (9 + x1 ) 3 w3 3 2 + U
(4.21)
Et :
2 =
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
(9 + x2 )2
(4.22)
Donc :
w 3 = w1 (9 + y2 ) + w2 (9 + x1 ) 3 w3 3 2 + U
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
(9 + x2 )2
(4.23)
Et une fonction de Lyapunov approprie au sous systme (4.23)comme :

1
V3 (w1 , w2 , w3 ) = V1 (w1 ) + V2 (w1 , w2 ) + w23
2
(4.24)

V 3 = 10 w21 w22 3w23 + w3 w2 (9 + x2 ) + w1 (9 + y2 ) + w2 (9 + x1 )
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
11 w1
+U
(4.25)
3
(9 + x2 )
(9 + x2 )2
Pour rendre V3 (w1 , w2 ) ngative dfinie, on choisi la loi de commande U comme :
U = w2 (9+ x2 )w1 (9+y2 )w2 (9+ x1 )+3
11 w1
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
+
(4.26)
(9 + x2 )
(9 + x2 )2
Alors la drive de la fonction de Lyapunov globale du systme est :

V3 (w1 , w2 , w3 ) = 10 w21 w22 3 w23
Le systme final en (e x , ey , ez ) est :
ex = w1 = 10 w2 10 w1
ey = w2 = 10 w1 w2 w3 (9 + x2 )
ez = 3 w3 + w2 (9 + x2 )
(4.27)
(4.28)
Daprs le thorme de LaSalle, V3 est une fonction continument diffrentiable ayant la proprit positive dfinie, sa drive dans le temps est ngative dfinie, grce lexistance de U,
alors le point dquilibre (e x , ey , ez ) = (0, 0, 0) est asymptotiquement globalement stable.
2.2 Simulation des lois de synchronisation sous des condditions initiales

diffrentes
Nous allons chang les conditions initiales de plus en plus loignes afin de diversifier le
champ dapplications de la loi de commande de synchronisation pour le systme chaotique de
Lorenz via le Backstepping. Ainsi nous considrons les conditions initiales suivantes :
133
Avec les conditions initiales suivantes

(x10 , y10 , z10 )=(1, 1, 1), (x20 , y20 , z20 )=(10, 10, 10).
(a) Variation des tats x1 et x2
(b) Variation des tats y1 et y2
(c) Variation des tats z1 et z2
Fig. 4.1 Synchronisation des tats pour le Systme de Lorenz
10
Erreur d tat ex
-2
-4
0.2
0.4
0.6
0.8
1
1.2
temps(seconde)
1.4
1.6
1.8
2
4
x 10
(a) Variation de lerreur e x dans le (b) Variation de lerreur ey dans le
(c) Variation de lerreur ez dans le
temps
temps
temps
Fig. 4.2 Variation des tats erreurs pour le Systme de Lorenz
134

6
4
Loi de stabilisation alpha2
2
0
-2
-4
-6
-8
-10
0.2
0.4
0.6
0.8
1
1.2
temps(seconde)
1.4
1.6
1.8
2
4
x 10
(a) Variation de la loi de stabilisation 2
(b) Variation de la loi de commande finale
dans le temps
U dans le temps
Fig. 4.3 Variation des lois de commande de synchronisation pour le Systme de Lorenz
(x10 , y10 , z10 )=(1, 1, 1), (x20 , y20 , z20 )=(100, 100, 100).
Fig. 4.4 Variation des tats dans le temps pour le systme de Lorenz
(a) Variation de lerreur e x
(b) Variation de lerreur ey
135
(c) Variation de lerreur ez
Fig. 4.5 Variation des tats erreurs dans le temps pour le systme de Lorenz
(a) Variation de la loi de stabilisation 2
(b) Variation de la loi de commande

finale U
Fig. 4.6 Variation des lois de commande de synchronisation dans le temps pour le systme de
Lorenz
(x10 , y10 , z10 )=(1, 1, 1), (x20 , y20 , z20 )=(5, 5, 5).
Dans ce qui suit , nous donnons pour ces mme conditions une autre mthode pour faire une
comparaison avec la procdure du Backstepping nous utilisons la mthode de contrl actif.
Mthode du Backstepping
136
x1
x2
y1
y2
z1
z2
6
4
3
4
2
2
2
1
0
0
-1
-2
-2
-2
-4
-4
-3
-4
0
0.5
1.5
2.5
3.5
4.5
-6
-6
0
0.5
1.5
2.5
3.5
4.5
0.5
1.5
2.5
3.5
4.5
Fig. 4.7 Synchronisation des tats via le Backstepping pour le systme de Lorenz
4
Erreur d tat ey
Erreur d tat ex
-1
Erreur d tat ez
0
-1
1
0
-2
-1
-2
-3
-2
-3
-4
500
1000
1500
2000 2500 3000

temps(seconde)
3500
4000
(a) Variation de lerreur e x
4500
5000
500
1000
1500
2000 2500 3000

temps(seconde)
3500
4000
4500
5000
(b) variation de lerreur ey
-3
500
1000
1500
2000 2500 3000

temps(seconde)
3500
4000
4500
5000
(c) Variation de lerreur ez
Fig. 4.8 Variation des tats erreurs via Backstepping pour le systme de Lorenz
Mthode du contrle actif Soit le sytme esclave :
x2 = 10 (x2 y2 ) + u1
y2 = (x2 y2 ) z2 (9 + x2 ) + u2
z2 = 9 (x2 + y2 ) 3 z2 + x2 y2 + u3
(4.29)
Ouui , i = 1 . . . 3 sont les fonctions du control actifs qui seront dtermines ultrirement.Dfinissons
les tats erreurs pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.30)
Et suivons les tapes de la procdure du contrle actif, par soustraction des quations du systmes(4.1)
de ceux des quations du systmes(4.30) on utilisant la dfinition du systme (4.29), on obtient
les dynamiques du systme erreur suivant.
ex = 10 e x + 10 ey + u1
ey = e x ey 9 ez z2 x2 + z1 x1 + u2
ez = 9 e x + 9 ey 3 ez + x2 y2 x1 y1 + u3
(4.31)

4
30
20
10
0
Loi de commnde U
Loi de stabilisation alpha2
137
-2
-4
-10
-20
-6
-8
-30
500
1000
1500
2000 2500 3000

temps(seconde)
3500
4000
4500
5000
-40
1000
2000
3000
4000
temps(seconde)
5000
6000
(a) Variation de la loi de stabilisation
finale U
Fig. 4.9 Variation des lois de commande de synchronisation via Backstepping pour le systme
de Lorenz
Redfinissons les fonctions de contrle actifs comme :
u1 = v1
u 2 = v 2 + z2 x 2 z1 x 1
u3 = v3 x2 y2 + x1 y1
(4.32)
Les dynimiques du systme erreur devient :
ex = 10 e x + 10 ey + v1
ey = e x ey 9 ez + v2
ez = 9 e x + 9 ey 3 ez + v3
h
ex
ey
ez
iT
h
= B ex
ey
(4.33)
ez
iT
(4.34)
Dans la mthode du control actif, on choisit une matrice constanteA qui controle les dynamiques
de lerreur () telle que
[v1
v2
h
v 3 ]T = A e x
ey
ez
iT
(4.35)
Plusieurs choix de la matrice A pouront satisfaire les dynamiques de lerreur, mais on pourrai utiliser la matrice A qui satisfait le critre de Routh-Hurwitz pour la stabilite du modle
derreur autour de zro.
Les valeurs propres calcules pour det(B I), avec = Le jacobian.
10 10 0
B = 9
9 3
0
0
Avec : 1 = 10, 2 = 3, 3 = 11. Le choix de A alors sera comme suit :
10 + 10
A = 1
1+
9
9
9
3
(4.36)
(4.37)
138
Pour le choix de = 1, les fonctions de contrle actif sont :
u1 = v1 = (10 + ) e x 10 ey
u2 = e x + (1 + ) ey + 9 ez + z2 x2 z1 x1
u3 = 9 e x 9 ey + (3 + ) ez x2 y2 + x1 y1
(a) Variation de ltat x1 et x2
(b) Variation de ltat y1 et y2
(4.38)
(c) Variation de ltat z1 et z2
Fig. 4.10 Synchronisation des tats via le contrle actif pour le systme de Lorenz
(a) Variation des diffrentes tats
(b) Variation des diffrentes lois de
derreurs e x , ey , ez
contrle actifs U
Fig. 4.11 Variation des tats via le contrle actif pour le systme de lorenz
2.3 Gnralisation de la loi de commande pour la synchronisation de plusieurs systmes

Dans ce paragraphe, nous traitons le problme du contrle de formation pour la coordination
en communication de plusieurs systmes. Lobjectif de la commande de chaque systme estque
la structure entire de la formation doit suivre les dynamique dun systme chaotique donn.
Lide de la coordination dun ensemble de systmes pour la sysnchronisation, a pris naissance dans les applications militaires. En effet, cette coordination est utilise dans des applications ariennes, aquatiques et terrestres, pour synchroniser des engins en position et en vitesse,
lchange de linformation doit se faire au biai de la communication. Diffrents types de structures pour la coordination, sont utilises, la formation en forme de V appele aussi forme de
139
navire, en forme danneau.

Nous prsentons, ainsi, deux types de synchronisation en coordination, en forme de navire et en
forme danneau.
synchronisation en coordinationen en forme de navire
La loi de commande u(i) est conue pour chaque systme esclave, afin de suivre les dynamiques du systme matre, une commande centralise possdant un superviseur. Lobjectif de
la commande est davoir :
limt+ (xi , yi , zi )i=1...n = (x1 , y1 , z1 ).
Sous des conditions initiales diffrentes respectivement (xi0 , yi0 , zi0 )i=2...5 = (3, 5, 7, 10) et en
forme de navire, ces systmes vont poursuivre un systme maitre sous la condition (x10 , y10 , z10 ) =
(1).
(a) Synchronisation des tats xi
(b) Synchronisation des tats yi
(c) Synchronisation des tats zi
Fig. 4.12 Synchronisation des tats via Backstepping en forme de navire
(a) Variation de lerreur e xi
(b) Variation de lerreur eyi
(c) Variation de lerreur ezi
Fig. 4.13 Variation des erreurs pour le systme de Lorenz via le Backstepping en forme de
navire
140
(a) variation de la loi de stabilisation
(b) variation de la loi de commande
i dans le temps
finale Ui dans le temps
synchronisation en coordination en forme danneau

La loi de commande u(i) est conue pour chaque systme esclave (xi , yi , zi ) , afin de suivre les
dynamiques du systme matre (xi+1 , yi+1 , zi+1 ), cest une commande dcentralise . Lobjectif
de la commande est davoir : limt+ (xi , yi , zi )i=1...n = (xi+1 , yi+1 , zi+1 )i=1...n,1 .
Sous des conditions initiales diffrentes (1, 3, 5, 7, 10) et en forme danneau, chaque systme
va poursuivre son systme maitre jusqu fermer lanneau.
variation
(a) Synchronisation des tats x2 , x1
(b) Synchronisation des tats y2 , y1
(c) Synchronisation des tats z2 , z1
de lerreur
Fig. 4.14 Synchronisation des tats des systme 2 et 1 via Backstepping en forme danneau
Fig. 4.15 Synchronisation des tats des systme 3 et 2 via Backstepping en forme danneau
3 Synchronisation du systme chaotique de Chua via Backstepping
141
Fig. 4.16 Synchronisation des tats des systmes 4 et 3 via Backstepping en forme danneau

Considrons le systme chaotique de Chua sous sa forme paramtrique stricte suivant.
x1 = p1 y1
(4.39)
y 1 = p2 ((z1 y1 ) + p3 x1 )
z1 = p41 (y1 z1 ) p42 z1 p43 (k(z1 + 1)k k(z1 1)k)

On pose :
f (z1 ) = p43 (k(z1 + 1)k k(z1 1)k)
Et p1 = L1 , p2 =
(G
,
c2
p3 =
1
,p
c2 41
G
,
c1
p42 =
Gb
c1
; p43 =
(Ga Gb )
,
c1
On considre un deuxime circuit chaotique de Chua sous dautres conditions initiales comme
un systme esclave.
x2 = p1 y2
y 2 = p2 ((z2 y2 ) + p3 x2 )
z2 = p41 (y2 z2 ) p42 z2 p43 (k(z2 + 1)k k(z2 1)k) + U

On pose :
f (z2 ) = p43 (k(z2 + 1)k k(z2 1)k)
(4.40)
142
variation des tats x dans le temps
variation des tats y dans le temps
10
variation des tats z dans le temps
15
x1
x2
x3
x4
x5
8
6
4
20
y1
y2
y3
y4
y5
10
z1
z2
z3
z4
z5
-20
-40
-5
-60
-10
-80
2
0
-2
-4
-6
-8
-10
10
15
-15
10
15
-100
10
15
(a) variation des tats xi dans le
(b) variation des tats yi dans le
(c) variation des tats zi dans le
temps
temps
temps
Fig. 4.19 Synchronisation des tats des systmes via Backstepping en forme danneau
U est une fonction de contrle dterminer ultrieurement.
Dfinissons les tats erreurs pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.41)
On drivant dans le temps les tats erreurs (4.41) puis on substituant (4.40) et (4.39), on obtient :
e x = p1 ey
e y = p2 ez p2 ey + p3 e x
e z = p41 ey (p41 + p42 )ez + U + f (z1 , z2 ))
(4.42)
Avec :
f (z1 , z2 ) = p43 (k(z2 + 1)k k(z2 1)k) + p43 (k(z1 + 1)k k(z1 1)k)
(4.43)
La structure triangulaire du modle dynamique prcdent, nous permet de concevoir la loi

de commande en trois tapes.

variation des tats erreurs ex dans le temps
variation des tats erreurs ez dans le temps
variation des tats erreurs ey dans le temps
10
100
10
ex1
ex2
ex3
ex4
ex5
8
6
143
ey1
ey2
ey3
ey4
ey5
8
6
ez1
ez2
ez3
ez4
ez5
80
60
40
20
4
2
0
-2
-20
-4
-40
0
-2
-4
-6
-60
-6
5000
10000
15000
-8
5000
10000
15000
-80
5000
10000
15000
(a) variation de lerreur e xi dans le
(b) variation de lerreur eyi dans le
(c) variation de lerreur ezi dans le
temps
temps
temps
Fig. 4.20 Variation des tats erreurs pour la synchronisation pour le systme de Lorenz en
forme danneau
variation des lois stabilisantes alpha dans le temps
variation des lois de controles dans le temps
10
1000
Alpha21
Alpha22
Alpha23
Alpha24
Alpha25
0
-10
U1
U2
U3
U4
U5
500
-20
0
-30
-40
-500
-50
-60
-1000
-70
-80
5000
10000
15000
-1500
10
15
(a) Variation de la loi de stabilisation
i dans le temps
finale Ui dans le temps
Fig. 4.21 Variation des lois de commande synchronisation pour le systme de Lorenz en forme
danneau
Premire tape
Dans la premire tape, nous dterminons une loi de commande virtuelle qui permet de stabiliser le premier sous systme. Dou, le sous systme 1 devient :
w1 = ex = p1 ey = p1 w2 p1 1
(4.44)
Pour trouver la fonction stabilisante 1 , choisissons une fonction de Lyapunov approprie pour
le premier sous systme comme :
1
V1 (w1 ) = w21
2
(4.45)
V1 (w1 ) = w1 w1 = w1 (p1 w2 p1 1 )
(4.46)
pour rendre V1 (w1 ) ngative dfinie, on choisi la fonction stabilisante 1 = w1

V1 (w1 ) = p1 w21 p1 w1 w2
(4.47)
144
le second terme dans V1 (w1 ) sera limin dans la prochaine tape.Alors lquation du premier
sous systme devient :
w1 = p1 w1 p1 w2
(4.48)
Seconde tape :
w2 = ey 1 = p2 ez p2 ey + p3 e x + p1 ey
(4.49)
w2 = p2 w3 + p2 2 p2 w2 p2 1 + p3 e x + p1 ey
(4.50)
Soit :
Et une fonction de Lyapunov approprieau second sous systme comme :

1
V2 (w1 , w2 ) = V1 (w1 ) + w22
2
(4.51)
V2 (w1 , w2 ) = V1 (w1 ) + w2 w2
(4.52)
V2 (w1 , w2 ) = p1 w21 p2 w22 + p2 w2 w3 + w2 (p1 w1 + p2 2 p2 1 + p3 e x + p1 ey ) (4.53)

pour rendre V2 (w1 , w2 ) ngative dfinie on choisi la loi de commande virtuelle comme 2
comme
2 =
1
(p1 w1 + p2 1 p3 e x p1 ey )
p2
(4.54)
Dou
V2 (w1 , w2 ) = p1 w21 p2 w22 + p2 w2 w3
(4.55)
Le troisime terme dans V2 (w1 , w2 ) sera limin dans la prochaine tape.

Alors lquation du second sous systme devient :
w2 = p2 w3 p2 w2 + p1 w1
(4.56)
Troisime tape :
Sachant que : Lquation du troisime sous systme devient :
w3 = p41 ey (p41 + p42 )ez + U + f (z1 , z2 )) 2
(4.57)
145
Et une fonction de Lyapunov approprie comme :

1
V3 (w1 , w2 , w3 ) = V1 (w1 ) + V2 (w1 , w2 ) + w23
2
(4.58)

V3 = p1 w21 p2 w22 (p41 + p42 )w23 ++w3 (p2 w2 + p41 ey (p41 + p42 )2 +U+ f (z1 , z2 )2 ) (4.59)
pour rendre V3 (w1 , w2 , w3 ) ngative dfinie, on choisi la loi de commande U comme :
U = p2 w2 p41 ey + (p41 + p42 )2 f (z1 , z2 )) + 2
(4.60)
V3 (w1 , w2 , w3 ) = p1 w21 p2 w22 (p41 + p42 )w23
(4.61)
Alors :

w3 = (p41 + p42 )w3 + p2 w2
w1 = p1 w1 p1 w2
w2 = p2 w3 p2 w2 + p1 w1
w3 = (p41 + p42 )w3 + p2 w2
(4.62)
(4.63)
Afin dillustrer notre loi de synchronisation pour le circuit de Chua via Backstepping, nous
testons notre loi de commande avec p1 = 7, p2 = 0.7000, p3 = 1,p41 = 6.3, p42 = 4.5 ;
p43 = 1.35, et des conditions initiales pour chaque systme comme (x1 , y1 , z1 )=(-3.725, 1.325, -0.05), (x2 , y2 , z2 )=(1, 1, 1).
146

15
4
x1
x2
y1
y2
3
variation des tats dans le temps
10
-5
-1
-2
-10
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
-3
(a) Synchronisation des tats x1 et x2
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
(b) Synchronisation des tats y1 et

y2
Fig. 4.22 Synchronisation des tats pour le circuit de Chua via Backstepping
variation des tats z dans le temps

8
variation des tats erreurs dans le temps

z1
z2
4
2
0
0
-2
-4
-6
-5
-8
ex
ey
ez
-10
-12
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
-10
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
(a) Variation des tats derreurs
(b) Variation des diffrentes lois vir-
e x , ey , ez dans le temps
tuelles et finale de contrle dans le

temps
Fig. 4.23 Variation des tats pour le circuit de Chua via Backstepping
4 Synchronisation du systme chaotique de Rssler via Backstepping
147
4 Synchronisation du systme chaotique de Rssler via Backstepping

Considrons le systme chaotique de Rssler sous sa forme paramtrique stricte.
x1 = y1 + a x1
y1 = x1 z1
z1 = b + z1 (y1 c)
(4.64)
Et on considre un deuxime circuit chaotique de Rssleor sous dautres conditions initiales

comme un systme esclave.
x2 = y2 + a x2
y2 = x2 z2
z2 = b + z2 (y2 c) + U
(4.65)
U est une fonction de contrle dterminer ultrieurement. Le systme de driv de lerreur

est :
ex = ey + a e x
ey = ez e x
ez = c ez + y2 , z2 y1 , z1 + U
Alors les lois de commande virtuelles et finale sont donnes par :
1 = (a + c1 ) w1
2 = c2 w2 1
U = w2 + c 2 y2 , z2 + y1 , z1 + 2
w1 = p1 w1 p1 w2
w2 = p2 w3 p2 w2 + p1 w1
w3 = (p41 + p42 )w3 + p2 w2
(4.66)
(4.67)
(4.68)
Les figures de simulation des lois pour le circuit de Rsslor via Backstepping sont donnes
par :
148
14
10
x1
x2
12
25
y1
y2
z1
z2
20
10
15
10
6
0
4
5
-2
2
-4
0
-6
-5
-2
-8
-4
-10
10
12
14
(a) Variation de ltat x1 et x2
-10
0
10
12
14
(b) Variation de ltat y1 et y2
10
12
14
Fig. 4.24 Synchronisation des tats pour le circuit de Rsslor via Backstepping
variation des des lois virtuelles et finale dans le temps

300
25
20
200
15
100
10
0
5
-100
0
-10
-200
ex
ey
ez
-5
200
400
600
800
1000
1200
1400
-300
alpha1
alpha2
U
0
200
400
600
800
1000
1200
1400
(a) variation des tats derreurs
(b) variation des diffrentes lois vir-
e x , ey , ez
tuelles et finale de contrle
Fig. 4.25 Variation des tats pour le circuit de Rsslor via Backstepping
5 Synchronisation du systme chaotique de loscillateur de

Duffing via Backstepping
Considrons un oscillteur de Duffing sous la forme paramtrique du type boucle de retour
stricte comme systme (maitre) driver :
x1 = y1
y1 = y1 + x1 x3 + cos( t)
1
(4.69)
Et un autre un oscillteur de Duffing sous dautres condditions initiales comme esclave.
x2 = y2
(4.70)
y2 = y2 + x2 x3 + cos( t) + U
2
Le systme driv de lerreur est :
ex = y2 y1
ey = (y2 y1 ) + (x2 x1 ) (x3 x3 ) + U

2
1
La loi de commande virtuelle et finale sont donnes par :
1 = w1
U = w2 (1 ) w1 + (x3 x3 )
2
1
(4.71)
(4.72)
5 Synchronisation du systme chaotique de loscillateur de Duffing via

Backstepping
149
Le systme final en w1 , w2 :
w1 = w2 w1
w2 = w2 w1
(4.73)
Les figures sont donnes loscillateur de Duffing via Backstepping par :
1.5
0.8
x1
x2
y1
y2
0.6
0.5
-0.5
0.4
0.2
0
-0.2
-0.4
-1
-0.6
-1.5
4
5
6
temps(seconde)
10
-0.8
4
5
6
temps(seconde)
10
(b) Synchronisation des tats y1 et y2
Fig. 4.26 Synchronisation des tats pour loscillateur de Duffing via Backstepping
variation des des lois virtuelle et finale dans le temps
0.6
0.25
alpha1
U
0.4
ex
ey
0.2
0.15
0.2
0.1
0.05
0
-0.2
-0.05
-0.1
-0.4
-0.15
-0.6
-0.2
-0.8
1000
2000
3000
4000
5000
6000
7000
8000
9000 10000
-0.25
1000
2000
3000
4000
5000
6000
7000
8000
9000 10000
(a) Variation des etats derreurs
(b) variation des diffrentes lois vir-
e x , ey , ez
tuelles et finale de contrle
Fig. 4.27 Variation des tats pour loscillateur de Duffing via Backstepping
150
6 Synchronisation du systme chaotique de loscillateur de

Vander Pool via Backstepping
Considrons un oscillteur de Vander pool sous la forme paramtrique du type boucle de
retour stricte comme systme (maitre) driver :
1
3
x1 = x1 3 x1 y1 + p1 + p2 cos( t)
y 1 = p3 (x1 + p4 p5 y1 )
(4.74)
Et un autre un oscillteur de Vander Pool sous dautres condditions initiales comme esclave.
1
3
x2 = x2 3 x2 y2 + p1 + p2 cos( t)
(4.75)
y 2 = p3 (x2 + p4 p5 y2 ) + u
Le systme driv de lerreur est :
1
1
3
3
ex = e x 3 x2 + 3 x1 ey
ey = p3 e x p3 p5 ey + U
Les lois de commande virtuelle et finale sont donnes par :
1
3
3
1 = k1 w1 + w1 3 (x2 x1 ))
U = w1 p3 w1 + p3 p5 1 + 1
(4.76)
(4.77)
Le systme final en w1 , w2 :
w1 = w2 k1 w1
w2 = p3 p5 w2 + w1
(4.78)
t0=0 ; x1(1)=0 ;y1(1)=0 ; x2(1)=1 ;y2(1)=1 ;

Pour les valeur des paramtres de contrle : p1 = 0, p2 = 0.74, p3 = 0.1, p4 = 0.7, p5 = 0.8,
w s = 2, des conditions initiales x10 = x20 = 0.25, x10 = y10 = 0, x20 = y20 = 1,et des paramtres
de conception k1 = 2, k2 = 10, les figures de simulation des lois de synchronisation pour
loscillateur de Vander Pool via Backstepping sont donnes par :
7 Backstepping Adaptatif pour la synchronisation du Systme chaotique de Lorenz

151
1.5
1
x1
x2
0.8
1
0.5
0
-0.5
-1
-1.5
0.6
0.4
0.2
-0.2
-2
-2.5
y1
y2
10
15
20
25
30
temps(seconde)
35
40
45
50
-0.4
8
10
12
temps(seconde)
14
16
18
20
Fig. 4.28 Synchronisation des tats pour loscillateur de Vander Pool via Backstepping
variation des des lois virtuelle et finale dans le temps
variation des fonctions de Lyapunov dans le temps
1.2
ex
ey
0.5
alpha1
U
2.5
V1
V2
0
2
0.8
-0.5
1.5
0.6
1
-1
0.4
0.5
-1.5
0.2
0
-2
-0.2
-0.5
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
-1
0.5
1.5
2.5
-2.5
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
2
4
x 10
x 10
x 10
(a) variation des tats derreurs
(b) Variation des diffrentes lois
(c) Variation des diffrentes fonc-
e x , ey
virtuelles et finale de contrle
tions de Lyuapunov
Fig. 4.29 Variation des tats pour loscillateur de Vander Pool via Backstepping
Backstepping Adaptatif pour la synchronisation du Systme chaotique de Lorenz

Considrons le systme chaotique de Lorenz sous la forme paramtrique suivante :
x1 = (y1 x1 )
y1 = x1 z1 + x1 y1
z1 = x1 y1 z1
(4.79)
Pour les valeur des paramtres de contrle d = 10; r = 28; b = 3. Le systme prsente un
phnomne chaotique Et on considre un deuxime circuit chaotique de Lorenz sous dautres
conditions initiales et avec les valeur des paramtres de contrle inconnues comme systme
esclave.
x2 = 1 (y2 x2 )
y2 = x2 z2 + 2 x2 y2
z2 = x2 y2 3 z2 + U
(4.80)
152
ou U est une fonction de contrle dterminer ultrieurement.

Dfinissons les tats erreurs pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.81)
Le problme de synchronisation est par consquent transform en un problme de stabilisation

On drivant dans le temps les tats erreurs puis substituant (4.79) et(4.80) dans (4.81) et on
obtient :
ex = 1 (y2 x2 ) (y1 x1 )
ey = x2 z2 + 2 x2 y2 + x1 z1 x1 + y1
ez = x2 y2 3 z2 + U x1 y1 + b z1
(4.82)
On traite le systme comme 3 sous systmes en cascade chacun avec une seule entre et une
seule sortie. On commence la conception avec le premire quation du systme (4.82) et on
continue jusquau dernier sous systme. Durant le processus de conception un changement de
coordonnes w = (x, y, z) est effectu.
Premire tape :
Considrons la stabilit du premier sous systme suivant :
ex = 1 (y2 x2 ) (y1 x1 )
= 1 (y2 y1 ) + 1 y1 1 (x2 x1 ) 1 x1 (y1 x1 )
= 1 (ey e x + y1 x1 ) (y1 x1 )
(4.83)
Sachant que est la valeur du paramtre adaptatif courrent

est la valeur du paramtre adaptatif stim,
=
Et on pose f1 (x1 , y1 ) = (y1 x1 )
ex = 1 (ey e x + y1 x1 ) + f1 (x1 , y1 )

= 1 (ey e x + y1 x1 ) 1 (ey e x + y1 x1 ) + f1 (x1 , y1 )
(4.84)

153
Pour le sous systme 1, on choisit ltat ey comme une entre virtuelle ou fictive de
commande au sous systme 1,Rappelons que lobjectif de commande est de conduire
(e x , ey , ez ) = (0, 0, 0) c.a.d
(x2 , y2 , z2 ) = (x1 , y1 , z1 )
Dfinissons la premire variable virtuelle du " backstepping " comme :
w1 et La commande virtuelle 1 comme :
w1 = e x
w 2 = ey 1
(4.85)
o 1 est la fonction linarisante du sous systme 1, w2 est une nouvelle variable, cette
dernire ne sera pas utilise dans la premire tape, mais sa prsence est ncessaire puisquon a besoin de w2 pour lier le nouveau sous systme 1 en w1 au prochain sous systme
ou sous systme en w2 qui sera considr dans la seconde tape. Dou, le sous systme 1
devient :
w1 = ex = 1 (w2 + 1 w1 + y1 x1 ) 1 (w2 + 1 w1 + y1 x1 ) + f1 (x1 , y1()4.86)

Pour trouver la fonction stabilisante 1 , choisissons une fonction de Lyapunov approprie pour le sous systme ()comme
1
1
V1 (w1 , 1 ) = w21 + 1T 1 1
2
2
(4.87)

V1 (w1 , 1 ) = w1 w1 + 1T 1 1
(4.88)
= w1 ((1 (w2 + 1 w1 + y1 x1 ) 1 (w2 + 1 w1 + y1 x1 ) + f1 (x1 , y1 ))

+ T 1
(4.89)
1
1 w21
+ 1 w1 w2 + w1 (1 (1 + y1 x1 ) + f1 (x1 , y1 ))
+ T 1 ( w1 (w2 + 1 w1 + y1 x1 ))
(4.90)
pour rendre V1 (w1 ) ngative dfinie, on choisi la fonction stabilisante
1 = y1 + x1
f1 (x1 , y1 )
1
(4.91)
(4.92)
Et avec la loi de mise jour loi 1 = 1 , o

1 = w1 (w2 + 1 w1 + y1 x1 ))
(4.93)
154
Est la fonction de rglage du premir paramtre stimer.

Alors V1 devient :
V1 = 1 w21 + 1 w1 w2 + T 1 ( 1 )
(4.94)
Le second terme dans V1 (w1 ) sera limin dans la prochaine tape.

Lquation du premier sous systme devient :
w1 = 1 (w1 + (w2 ) + 1 (w1 (w2 + 1 ) + (x1 y1 )
(4.95)

Seconde tape :
ey = x2 ez ey z1 e x + 2 x2 2 x2 x1
(4.96)
Donc les dynamiques du deuxime sous systme en (w1 , w2 ) sont :

Introduisant La nouvelle variable virtuelle du backstepping w3 .
w3 = ez 2
(4.97)
2 est la fonction stabilisante pour le deuxime sous systme.

w2 = x2 w3 x2 2 w2 1 z1 w1 + 2 x2 2 x2 x1 1
(4.98)
(4.99)
On pose f2 () = x1 1
Et une fonction de Lyapunov approprie au second sous systme comme :
1
1
V2 (w1 , w2 , 1 , 2 ) = V1 (w1 ) + w22 + 2T 1 2
2
2
V2 (w1 , w2 ) = V1 (w1 ) + w2 w2 + 2T 1 2
(4.100)
(4.101)
V2 = 1 w21 w22 x2 w2 w3
+ w2 (1 w1 x2 2 1 z1 w1
T
+ 2 x2 + f2 ()) + T 1 ( 1 ) + 2T 1 ( 2 w2 x2 )
(4.102)

155
pour rendre V2 ngative dfinie on choisi la loi de commande virtuelle comme 2 comme:
2 =
1 w1 1 z1 w1 + 2 x2 + f2 ()
x2
(4.103)
Avec la loi de mise jour loi 2 = 2 , o

2 = w2 x2
(4.104)
2 Est la fonction de rglage pour le second paramtre de controle.

Alors V2 devient :
V2 = 1 w21 w22 x2 w2 w3 + T 1 ( 1 1 ) + 2T 1 ( 2 2 )
(4.105)
Le troisime terme dans V2 sera limin dans la prochaine tape.

Lquation du deuxime sous systme devient en coordonnes de (w1 , w2 ).
w2 = x2 w3 w2 1 w1 2 x2
(4.106)
w3 = ez 2
(4.107)
Troisime tape : Sachant que
Lquation du troisime sous systme devient :

w3 = ez 2
(4.108)
ez = x2 y2 3 z2 + U x1 y1 + b z1
(4.109)
w3 = 3 z2 3 z2 + U + f3 ()
(4.110)
Avec
Donc :
On pose f3 () = x2 y2 + b z1 x1 y1 2 .
Et une fonction de Lyapunov approprie comme:
1
1
V3 (wi , i ) = V1 + V2 + w23 + 3T 1 3
2
2
(4.111)
La drive dans le temps est:

V3 (w1 , w2 , w3 ) = V1 + V2 + w3 w3 + 3T 1 3
(4.112)
c w
z
}|3
{
+ w3 (3 z2 + U + f3 ())

V3 =
+ 1T 1 ( 1 1 ) + 2T 1 ( 2 2 ) + 3T 1 ( 3 w3 z2 )
1 w21
w22
3 w23
(4.113)
156
pour rendre V2 (w1 , w2 ) ngative dfinie, on choisi la loi de commande U comme :

U = 3 z2 f3 ()
(4.114)
Avec la loi de mise jour loi 3 = 3 , o

3 = w3 z2
(4.115)
3 Est la fonction de rglage pour le troisime paramtre de contrle.

Alors V3 devient :
V3 = 1 w21 w22 w23 + 1T 1 ( 1 1 ) + 2T 1 ( 2 2 ) + 3T 1 ( 3 3 )
(4.116)
Supposant quun systme recepteur sous des conditions initiales des tatsx2 = 10,y2 = 10,z2 =
10, avec ses paramtres de controle 1 = 16, 2 = 25, 3 = 4, va se synchroniser avec un systme
transmeteur sous des conditions initiales des tats x1 = 1,y1 = 1,z1 = 1, avec ses paramtres
de contrle 1 = 10, 2 = 28, 3 = 3. Par un choix des paramtres de conceptionc1 = 1, c2 =
1, c3 = 10, et la matrice de gain = [0.0000010.0000010.000001]T , les figures de simulation
suivantes montrent une convergence des tats et des paramtres de contrle du recepteur au bout
de quelques secondes aprs application de la loi de contrle de synchronisation.
(c) Synchronisation des tats z1 et z2
Fig. 4.30 Convergence adaptative des tats rcepteur vers les tats emetteur du systme chaotique de Lorenz
8 Conclusion
157
(a) Variation de la loi adaptative vir-
(b) Variation de la loi adaptative vir-
(c) Variation de la loi de commande
adaptative finale U dans le temps
Fig. 4.31 Variation des lois adaptatives de synchronisation pour le systme chaotique de Lorenz
Fig. 4.32 Variation des paramtres stimes 1 , 2 et 3 pour la synchronisation dans le temps
8 Conclusion
Dans ce chapitre, nous avons dvelopp une commande non linaire base sur le backstepping pour la synchronisation des systmes dynamiques non linaires chaotiques, par dfinitions
des tats erreurs le problme de synchronisation est transform en un problme de stabilisation
La synchronisation entre deux systmes chaotiques de Lorenz identiques est accomplie. Des
simulations ont t effectues afin de montrer lefficacit du contrleur, nous avons utilis des
conditions initiales de plus en plus loignes. Ensuite, le contrleur que nous avons dvelopp
a t compar avec un contrleur bas sur la mthode de contrle actif, le premier prsentait
un temps de convergence infrieur et un effort de contrle minime. De mme, nous avons dvelopp aussi des commandes non linaires bases sur le backstepping pour la synchronisation
pour la coordination en communication de plusieurs systmes chaotiques en forme de navire
(commande centralise) et en forme danneau (commande dcentralise) ce type de communication est trs utilis en application militaire. Une des avantages de la mthode du backstepping
158
Fig. 4.33 Variation des tats e x , ey etez dans le temps

est quelle est applicable une varit de systmes chaotiques contenant o pas une excitation
externe, des lois de commandes ont t conues pour plusieurs autres types de systmes chaotiques tels que le circuit de Chua, le circuit de Rsslor et les oscillateurs de Duffing et de Vander
pool.
Dans certains cas, le systme matre est inconnu dans ses paramtres de contrle et ses
conditions initiales, pour faire la synchronisation la loi de commande est dveloppe par le biai
du backstepping adaptatif, ce problme aussi a t trait dans ce chapitre, des pics sur des tats
ont t remarqus, pour les liminer un algorithme doptimisation des constantes de conception
est recommand.
Un des avantages de lutilisation de la synchronisation chaotique dans les systmes de transmission bas sur le chaos est que les signaux chaotiques sont non priodiques, ils sont gnrs
partir de systmes dynamiques non linaires , ils prsentent en plus tous des difficults dinterception grace la sensibilit aux conditions initiales et aux paramtres.
Conclusion Gnrale
Le travail dveloppe dans le cadre de cette thse, a eu pour objectif la conception des lois de
contrles bases sur la mthode du backstepping et le backstepping adaptatif pour le contrle,
la poursuite dune trajectoire rfrence et la synchronisation des systmes dynamiques non linaires chaotiques non autonomes du deuxime ordre et autonomes du troisime ordre.
Les systmes sous considration dans les deux sujets sont caractriss par la prsence
des ensembles limites non standards et essentiellement dune dynamique non linaire, comme
consquence naturelle le contrle de dynamique chaotique et la synchronisation chaotique demandent lapplication des techniques de contrle non linaire, le contrle du chaos fait rfrence la manipulation du comportement dynamique du systme chaotique, dont lobjectif est
la suppression du chaos quand il nuisible ou au contraire le crer et le prserver quand il est
bnfique, la synchronisation chaotique en revanche fait rfrence la tche de permettre la
synchronie dynamique de plusieurs systmes chaotiques connects au moyen de techniques de
contrle ou travers des configurations couples spcialement conues.
Nous avons abord dans la premire partie, les principales dfinitions mathmatiques relatives aux systmes chaotiques, notamment des notions prliminaires pour lanalyse du comportement chaotique, Les Problmes de contrle des processus chaotiques, La formulation mathmatique des problmes clbres de contrles des processus chaotiques qui sont prcds par
la prsentation des modles de base des systmes chaotiques qui sont souvent utiliss, comme
les oscillateurs chaotiques de Van der Pol, de Duffing, et comme systmes autonomes du troisimes ordres , le systme de Lorenz, le systme de Chua et le systme de Rsslor. Nous avons
aussi propos dans cette partie les plus fiables et les plus connues des mthodes de contrle
des processus chaotiques, ces mthodes sont vises amliorer la suppression du chaos avec la
rduction simultane du niveau deffort externe exig et conduire les trajectoires du systme
converger vers lorbite priodique dsire.
La suppression de la dynamique chaotique dans
un systme dynamique est le seul objectif pour un problme de contrle. Par consquent, il est
clair que le comportement dynamique dun systme non linaire peut tre chang en changeant
certaines valeurs de ces paramtres o les valeurs de ses variables dtat , condition que ces
dernires soient accessibles pour lajustement. De ce fait, le contrle du chaos implique lextraction de mouvements priodiques dsirs en dehors des zones chaotiques, par lapplication
160
CONCLUSION GNRALE
de petites perturbations judicieusement choisies.

Dans la seconde partie du travail, nous avons introduit les techniques de bases du Backstepping, o on a donn quelques concepts sur la thorie de Lyapunov, des conditions suffisantes
de stabilit des diffrents tats dquilibres des systmes dynamiques non linaires, la classe de
systme est celle drivant des modles de systmes physiques qui peuvent se prsenter par un
ensemble des quations diffrentielles ordinaires. Des mthodes qui permettent de construire
une telle fonction de Lyapunov candidate pour un systme donn, pour la conception dune loi
de contrle associe avec une fonction de Lyapunov constitue ce quon appelle un contrle base sur la thorie de Lyapunov (Cfl), le Backstepping rsout ce problme travers une mthode
rcursive pour une classe des systmes non linaire, on a donn par la suite des ides de base
de la conception des lois de commande par le Backstepping et lapplication sur des systmes
chaotiques cits au dessus, .
Pour la technique du backstepping addaptatif, la conception des lois pour le contrle adaptatif non linaire est prsent lorsque le systme chaotique est reprsent par un ensemble des
quations diffrentielles ordinaires contenant un nombre fini de paramtres de contrle inconnues, son objectif est de concevoir en plus dun contrleur adaptatif dans la contre raction pour
le systme qui garantit la stabilit globale, et force la sortie du systme converger soit vers le
point dequilibre ou une orbite priodique dans le cas de la stabilisation, ou suivre asymptotiquement la sortie du modle rfrence dans le cas de la poursuite. En passant par llaboration
des fonction de mise jour afin que chaque paramtre adaptatif courrent de controle puisse atteindre sa valeur adaptatif stim.
La dernire partie du travail regroupe quelques applications sur la synchronisation chaotique de type identique pour les systmes chaotiques cits au paravant, une des applications la
plus utilise dans la transmission scurise des donnes base sur la mthode de Backstepping.
Ensuite, pour faire un comparaison de notre mthode, le contrleur ainsi dvelopp a t compar avec un contrleur bas sur la mthode de contrle actif, le premier prsentait un temps de
convergence infrieur et un effort de contrle minime. Dans certaines applications linformation
ne peut parvenir qu travers plusieurs systmes, nous avons exploit la procdure ainsi aborde
pour rsoudre le problme de coordination dun groupe de systmes dynamiques non linaires
chaotiques, o une seule loi est conue la fois pour synchroniser deux systmes jusqu parvenir synchroniser tout le groupe de systmes.
En effet, les mthodes que nous avons appliqus prsentent les caracteristiques suivantes :
La mthode utilise est considr comme une rgion de la recherche passionnante impressionnant de sa rapide prosprt grce au rsultats de stabilit globale et de poursuite
pour une grande classe des systmes non linaires de forme de boucle de retour stricte.
La procdure de conception est rcursive, durant chaque tape, le sous systmes est sta-
CONCLUSION GNRALE
161
bilis sous une fonction de Lyapunov approprie par la mise au point dune fonction stabilisate et une fonction de rglage ou de mise jour pour le paramtre estim, le controle
final nest dtermin quen dernire tape.
Les modles mathmatiques les plus connus rencontrs dans la littrature sur contrle de
chaos sont reprsents par les systmes dquations differentiel ordinaires ou quations
dtat seulement.
Les mthode de linarisations par boucle de retour limine toutes les non linarits du
systme, la technique du " backstepping " donne plus de flexibilit au concepteur en
exploitant les " bonnes " non linarits.
Retenir les non linarites au lieu de les limines exigent des modles moins prcis et
aussi un effort de contrle petit.
Tandis que les " mauvaises " non linarits ou les non linarits dstabilisantes sont domines en ajoutant des amortissements non linaires. Ainsi, une robustesse additionnelle
est obtenue.
les rsultats des les lois de contrle peuvent tre quelquefois optimales en ce qui concerne
lindice de performance qui garantit certaines proprits de la robustesse.
Les differents problemes mentionnes ci-dessus sont actuellement au stade de ltude pour le
contrle et la poursuite dun signal rfrence surtout en domaine de mdecine et pour la synchronisation en domaine de communication scurise.
162
CONCLUSION GNRALE
Bibliographie
[1] Daniel Parrochia, Les Grandes Rvolutions scientifiques du XXe sicle, Paris, Presses
Universitaires de France, 1997.
[2] Edward N.Lorenz, Deterministic nonperiodic flow, Journal of the Atmospheric
Sciences,vol. 20, no. 2, pp. 130-141. Journal,1963.
[3] systmesChaotiques.pdf fulltext01.pdf,
[4] Li T.Y., Jorke J.A. Period three implies chaos, American Mathematical Monthly, 82, pp.
481-485,1975.
[5] Stephen Smale, Differentiable Dynamical Systems, Bulletin of the American Mathematical Society,vol. 73, pp. 1-82, 1967.
[6] systmesChaotiques.pdf fulltext01.pdf,
[7] David Ruelle, F. Takens, On the nature of turbulence, Communications in Mathematical
Physics, volume 20, no. 2, pp. 167-192, 1971.
[8] David Ruelle, Hasard et chaos, Paris, ditions du Seuil, Collection Points-Odile Jacob
1993.
[9] Poincar, H. Science et mthode, Edition Ernest Flammarion,Paris 1908, pp. 66.
[10] Poincar, H. Calcul des probabilits, 2nd revised and expanded eddition, Paris,GauthierVillars.
[11] Devaney, R.L, An Introduction to Chaotic Dynamical Systems, Addison-Wesley, New
York, 1987.
[12] Marc Lefranc, Lanalyse topologique du chaos, Caractrisation topologique et contrle
du chaos Lille, expos du 28 mars 2002.
[13] Thomas S. Parker and Leo O Chua, Chaos : A tutorial for engineers, proceeding of the
IEEE vol.75, No.8,august 1987, pp. 982- 1000.
[14] T. S. Parker and L. O. Chua, Practical Numerical Algorithms for Chaotic Systems. New
York : Springer-Verlag, 1989.
[15] R. N. Madan, Ed., Chuas Circuit : A Paradigm for Chaos. Singapore : World Scientific,
1993.
164
BIBLIOGRAPHIE
[16] B. R. Andrievskii and A. L. Fradkov, Control of Chaos : Methods and Applications.,

Automation and Remote Control Volume 64, No. 5, 2003, pp. 673-713.
[17] Ott E, Grebogi C, Yorke JA, Controlling chaos, Phys Rev Lett, vol 64,pp 1196-1199,
1990.
[18] Ditto W.L., Rauseo S.N., and Spano M.L., Experimental Control of Chaos, Phys. Rev.
Lett., 1990, vol. 65, pp. 3211-3214.
[19] Fradkov A.L. and Evans R.J., Control of Chaos : Some Open Problems, Proceeding. 40th
IEEE Confecence, Control , Orlando, 2001, pp. 698-703.
[20] Fradkov A.L. and Evans R.J., Control of Chaos : Survey 1997-2000, Preprints of 15Th
Triennial World Congress IFAC, Plenary Papers, Survey Papers, Milestones, Barcelona,
2002, pp. 143-154.
[21] Fradkov A.L. and Guzenko P.Yu., Adaptive Control of Oscillatory and Chaotic Systems
Based on Linearization of Poincar Map, Proceeding 4th European Control Conference,
Brussels, 1997.
[22] Fradkov A.L. and Pogromsky, A.Yu., Speed Gradient Control of Chaotic Continuoustime Systems, IEEE Transactions Circuit Systems I , 1996, volume 43, pp. 907-913.
[23] Fradkov A.L. and Pogromsky A.Yu., Introduction to Control of Oscillations and Chaos,
Singapore World Scientific, 1998.
[24] Freeman W.J., Chang H.J., Burke B.C., et al., Taming Chaos : Stabilization of Aperiodic
Attractors by Noise, IEEE Transactions Circuit Systems I , 1997, volume 44, pp. 989-996.
[25] Fronzoni L., Giocondo M., and Pettini M., Experimental Evidence of Suppression of
Chaos by Resonant Parametric Perturbations, Physics Review A, 1991, volume 43, pp.
6483-6487.
[26] Funke M., Herrmann M., and Der R., Controlling Low-dimensional Chaos : Determination and Stabilization of Unstable Periodic Orbits by Kohonen Neural Nets, International
Journal of Adaptive Control Signal Processing, 1997, volume 11, pp. 489-499.
[27] Loskutov A.Yu., Problems of Nonlinear Dynamics. II. Suppression of Chaos and Control
of Dynamic Systems, Vestn. MGU , 2001, no. 2, pp. 3-21.
[28] Loskutov A.Yu., Rybalko S.D., and Akinshin L.G., Control of Dynamic Systems and
Suppression of Chaos, Di. Uravn., 1998, no. 8, pp. 1143-1144.
[29] Magnitskii N.A., On Stabilization of Unstable Cycles of Chaotic Maps, Dokl. Ross.
Akad. Nauk, 1997,volume 355, no. 6, pp. 747-749.
[30] Magnitskii N.A. and Sidorov S.V., Control of Chaos in Nonlinear Dynamic Systems, Diff.
Uravn.,1998, no. 11, pp. 1501-1509.
BIBLIOGRAPHIE
165
[31] Magnitskii N.A.,On Stabilization of Fixed Points of Chaotic Maps, Dokl. Ross. Akad.
Nauk, 1996,volume 351, no. 2, pp. 175-177.
[32] Garfinkel A., Spano M., Ditto W., et al., Controlling Cardiac Chaos, Science, 1992,
volume. 257, pp. 1230-1235.
[33] Genesio R. and Tesi A., Harmonic Balance Methods for the Analysis of Chaotic Dynamics in Nonlinear Systems, Automatica, 1992, volume 28, no. 3, pp. 531-548.
[34] Giona M., Functional Reconstruction of Oscillating Reaction : Prediction and Control
of Chaotic Kinetics, Chemical Engr. Science, 1992, volume 47, pp. 2469-2474.
[35] Giovanardi L., Basso M., Genesio R., et al., Lower Bounds for the Stability Degree of
Periodic Solutions in Forced Nonlinear Systems, International Journal of Bifurcation and
Chaos, 2000, volume 10, pp. 639-653.
[36] Glorieux P., Control of Chaos in Lasers by Feedback and Nonfeedback Methods, International Journal of Bifurcation and Chaos, 1998, volume 8, pp. 1749-1758.
[37] Gora P. and Boyarsky A., A New Approach to Controlling Chaotic Systems, Physica D,
1998, volume 111, no. 1-4, pp. 1-15.
[38] L. M. Pecora and T. L. Carroll, Synchronization in chaotic systems, Physics Review Letter, 1990, volume 64, no 8, pp 821-824.
[39] Carroll, T. L. ,Pecora, L. M. Synchronizing chaotic circuits, IEEE Trans. Circuits Syst
vol 38,453-456,1991.
[40] T. L. Carroll and L. M. Pecora Synchronizing nonautonomous chaotic circuits, IEEE
Trans Circuits Syst 2, Special Issue on Chaos in Nonlinear Electronic Circuits Part C :
Applications, vol. 40, pp 646-650, Oct 1993.
[41] Hunt, E. R, Stabilizing high-period orbits in a chaotic system : The diode resonator,
Physical Review Letters 67,1991, pp. 1953-1955.
[42] Chen G, Dong X, On feedback control of chaotic continuous time systems, Ieee Trans
Circ Syst vol 1 1993,pp 591-601.
[43] M.Lakshmanan and K.Murali,Eds, Chaos in non linear oscillators :controlling and synchronization, Singapore, World Scientific confrence, 1995.
[44] T.Kapitaniak,controlling Chaos , New yorke,Academic,1996.
[45] L.Fradkov and A.Yu pogromsky, Introduction to control of oscillations and chaos, Singapore, World Scientific confrence, 1997.
[46] K. Judd, A. Mees, K.L. Teo and T.L. Vincent, Eds, Con trol and chaos , Boston, Birkhauser, 1997.
166
BIBLIOGRAPHIE
[47] Chen G, Dong X, From chaos to order : methodologies, perspectives and applications,
Singapore, World Scientific confrence, 1998.
[48] Guanrong Chen , Yu X, On time-delayed feedback control of chaotic systems, Ieee Trans
Circ Syst vol 1, 1999,pp 767-772.
[49] G Chen, Eds, Controlling chaos and bifurcation in ingineering systems, Boca Raton :
CRC press, 2000.
[50] G. H. Li, S. P. Zhou, K. Yang, Controlling chaos in Colpitts oscillator, The 2003
IEEE International Symposium on circuits and systems, Bangkok, Thailand. ieeexplore.
ieee.org/iel15/8570/27140/0125756.pdf.
[51] Grebogi C., Lai Y.C., and Hayes S., Control and Applications of Chaos, Int. J. Bifurcat.
Chaos, 1997, volume 7, pp. 2175-2197.
[52] Grebogi C., Lai Y.C., and Hayes, S., Control and Applications of Chaos, J. Franklin Inst.,
1997, volume 334B, pp. 1115-1146.
[53] Mackey M.C. and Glass L., Oscillation and Chaos in Physiological Control Systems,
Science, 1977, volume 197, pp. 287-280.
[54] Naumenko A.V., Loiko N.A., Turovets S.I., et al., Bias Current Impulsive Feedback
Control of Nonlinear Dynamics in External Cavity Laser Diodes, Electron. Lett., 1998,
volume 34, pp. 181-182.
[55] Naumenko A.V., Loiko N.A., Turovets S.I., et al., Chaos Control in External Cavity Laser Diodes Using Electronic Impulsive Delayed Feedback, Int. J. Bifurcat. Chaos, 1998,
volume 8, pp. 1791-1799.
[56] Matsumoto K. and Tsyda I., Noise-induced Order, J. Stat. Phys., 1983, volume 31, pp.
87-106.
[57] Lee, E. B. et Markus., L. (1976). Foundation of Optimal Control. John Wiley., New York,
USA.
[58] Lee E. B., Markus. L., Foundation of Optimal Control,1976, John Wiley, New York,
USA.
[59] Chen, G., On Some Controllability Conditions for Chaotic Dynamics Control, Chaos,
Solutions, Fractals, 1997, volume 8, pp. 1461-1470.
[60] Nijmeijer, H., van der Schaft, A. J., Nonlinear Dynamical Control Systems. SpringerVerlag. New York, USA, 1990.
[61] Lions J.L., On the Controllability of Distributed Systems, Proc. Nat. Acad. Sci. USA,
1997, volume 94, no. 10, pp. 4828-4835.
BIBLIOGRAPHIE
167
[62] Meerkov, S.M., Principle of Vibrational Control : Theory and Applications, IEEE Trans.
Automat. Control , 1980, vol. AC-25, pp. 755-762.
[63] Bellman, R., Bentsman, J., and Meerkov, S., Vibrational Control of Nonlinear Systems,
IEEE Trans. Aut. Control , 1986, vol. AC-31, no. 8, pp. 710-724.
[64] Kapitsa, P.L., Dynamic Stability of Pendulum with Oscillating Suspension Point, Zh.
Teor. Fiz., 1951,volume 21, no. 5.
[65] Stephenson A.,On a New Type of Dynamical Stability, Mem. Proc. Manch. Lit. Phil. Soc.
52, 1-10 ;On Onduced Stability, Phil. Mag., 1908, no. 15, pp. 233-236.
[66] Mirus, K.A. and Sprott, J.C.,Controlling Chaos in a High Dimensional System with Periodic Parametric Perturbations, Phys. Lett. A, 1999, volume 254, pp. 275-278.
[67] Fronzoni L. and Giocondo M., Controlling Chaos with Parametric Perturbations International Journal of Bifurcation and Chaos, 1998, volume 8, pp. 1693-1698.
[68] Hubler, A. and Lusher, E., Resonant Stimulation and Control of Nonlinear Oscillators,
Naturwissenschaft, 1989, vol. 76, pp. 67-72.
[69] Jackson E.A. and Grosu I., An OPCL Control of Complex Dynamic Systems, Physica D,
1995, volume 85, pp. 1-9.
[70] Chen, L.Q. and Liu, Y.Z., A Modified Exact Linearization Control for Chaotic Oscillators, Nonlin. Dynam., 1999, volume 20, pp. 309-317.
[71] Alvarez-Gallegos J., Nonlinear Regulation of a Lorenz System by Feedback Linearization
Technique, J. Dynam. Control , 1994, no. 4, pp. 277-298.
[72] Yu, X.H., Controlling Chaos Using Input-Output Linearization Approach, Int. J. Bifurcat. Chaos 1997, volume 7, pp. 1659-1664.
[73] Wang, J. and Wang, X.H., A Global Control of Polynomial Chaotic Systems, Int. J.
Control , 1999, volume 72, no. 10, pp. 911-918.
[74] Tian, Y.C., Tade, M.O., and Tang, J.Y., Nonlinear Open-Plus-Closed-Loop (NOPCL)
Control of Dynamic Systems, Chaos, Solutions, Fractals, 2000, volume 11, pp. 10291035.
[75] Zhao, H., Wang, Y.H., and Zhang, Z.B., Extended Pole Placement Technique and its
Applications for Targeting Unstable Periodic Orbit, Phys. Rev. E, 1998, vol. 57, pp.
5358-5365.
[76] Fradkov, A.L., Scheme of Speed Gradient and Its Application to Adaptive Control, Avtom. Telemekh.,1979, no. 9, pp. 90-101.
[77] Isodori A, nonlinear control system, second edition, New york, Springer Verlag, 1989,
479Pages.
168
BIBLIOGRAPHIE
[78] Friedel, H., Grauer, R., and Marliani, C., Center Manifold Approach to Controlling
Chaos, Phys. Lett. A, 1997, vol. 236, pp. 45-52.
[79] Krstic, M., Kanellakopoulos, I., and Kokotovich, P., Nonlinear and Adaptive Control
Design, New York : Wiley, 1995.
[80] Krstic, M., Kanellakopoulos, I., and P. Kokotovich, Nonlinear and Adaptive Control
Design,Book Reviews, ieee transactions on automatic control, vol. 41, no. 12, december
1996 1849-1853.
[81] M. Krstic,P.V. Kokotovic, Nonlinear backstepping designs and applications, Adaptive,
Robust, and Optimal. Tutorial Workshop, September 25, ASCC, Singapore, 2002.
[82] Krstic, M., Kanellakopoulos , and P. Kokotovich, Control Lyapunov functions for adaptive nonlinear stabilization,Systems and Control Letters , vol. 26, no. 12, 1995 17-23.
[83] Department
of
Automatic
Control,
Lund
Institute
of
www.control.lth.se/people/personal/rjdir/RiceUniversity/,
Technology,
Backstepping.pdf,
Backstepping-based Techniques.
[84] M. Krstic, I. Kanellakopoulos and P.V. Kokotovic Adaptive nonlinear control without
overparametrization, Systems and Control Letters 19 ,1992 177-185.
[85] Miroslav Krstic,Ioannis Kanellakopoulos,and Petar V. Kokotovic, Nonlinear Design of
Adaptive Controllers for Linear Systems, ieee transactions on automatic control, vol. 39,
no. 4, april 1994.
[86] Sepulchre, R., M. Jankovic and P. Kokotovic 1997. Constructive nonlinear control.
Springer-Verlag.
[87] Miroslav
Krstic,
Nonlinear
Adaptive,
Robust,
and
Backstepping
Optimal,
Designs
September
25,
and
2002
Applications
ASCC,
Singapore
http ://www.ece.nus.edu.sg/ascc2002/workshops.html
[88] Pogromsky, A.Yu.,Passivity Based Design of Synchronizing Systems, Int. J. Bifurcat.
Chaos, 1998, volme 8, no. 2, pp. 295-320.
[89] Keiji K, Michio H, Hideki K, Sliding mode control for a class of chaotic systems, Phys
Lett A 1998, pp 511-517.
[90] Jang M, Sliding mode control of chaos in the cubic Chuas circuit system, Int J Bifurcation Chaos 2002, volume 12,pp 1437-1449.
[91] Yu, X.H., Variable Structure Control Approach for Controlling Chaos, Chaos, Solutions,
Fractals, 1997, vol. 8, pp. 1577-1586.
[92] Curran, P.F., Suykens, J.A.K., and Chua, L.O.,Absolute Stability Theory and MasterSlave Synchronization, Int. J. Bifurcat. Chaos, 1997, volume 7, pp. 2891-2900.
BIBLIOGRAPHIE
169
[93] Suykens, J.A.K., Vandewalle, J., Chua, L.O., Nonlinear H-infinity Synchronization of
Chaotic Lure Systems, Int. J. Bifurcat. Chaos, 1997, volume 7, pp. 1323-1335.
[94] Loria, A., Panteley, E., and Nijmeijer, H., Control of the Chaotic Duffing Equation with
Uncertainty in All Parameters, IEEE Trans. Circ. Syst. I , 1998, volume 45, pp. 12521255.
[95] Obradovic, D. and Lenz, H., When Is OGY Control More Than Just Pole Placement, Int.
J. Bifurcat. Chaos, 1997, volume 7, pp. 691-699.
[96] Astrom, K. J., Wittenmark, B. 1995, Adaptive control, 2nd edition, Reading, MA :
Addison-Wesley,1995.
[97] Goodwin, G. C., Sin, K. S, Adaptive filtering prediction and control, Englewood Cliffs,
NJ, Prentice-Hall, 1984.
[98] Narendra, K. S., Annaswamy, A. M, Stable adaptive systems, Englewood Cliffs, NJ :
Prentice-Hall,1989.
[99] Sastry, S., Bodson, M., Adaptive control : Stability, convergence,and robustness, Englewood Cliffs, NJ : Prentice-Hall,1989.
[100] Zeng, Y.M. and Singh, S.N., Adaptive Control of Chaos in Lorenz System, Dynam.
Control , 1997, vol. 7, pp. 143-154.
[101] Femat, R., Alvarez-Ramirez, J., and Fernandez-Anaya, G., Adaptive Synchronization of
High order Chaotic Systems : A Feedback with Low-order Parametrization, Physica D,
2000, volume 139, pp. 231-246.
[102] Petar Kokotovic Murat Arcak, Nonlinear and Adaptive Control : An Abbreviated Status Report, The 9th Mediterranean Conference on Control and Automation Dubrovnik,
Croatia, June 2001.
[103] A. Bacciotti, L. Rosier Lyapunov functions and stability in control theory, second ed.,
Springer, Berlin, 2005.
[104] Alekseev V.V. and Loskutov A.Yu., Controlling a System with a Strange Attractor by
Periodic Parametric Action, Dokl. Akad. Nauk SSSR, 1987, volume 293, no. 6, pp. 13461348.
[105] Boccaletti S., Grebogi C., Lai Y.C., et al., The Control of Chaos : Theory and Applications, Phys. Reports, 2000, volume 329, pp. 103-197.
[106] Pyragas K., Continuous Control of Chaos by Self-controlling Feedback, Phys. Lett. A,
1992, volume 170. pp. 421-428.
[107] Guan X, Chen C, Fan Z, Peng H, Time-delay feedback control of time-delay chaotic
systems, Int Journ of Bifurcat Chaos 2003, pp 193-206.
170
BIBLIOGRAPHIE
[108] Basso M., Genesio R. and Tesi A., Stabilizing Periodic Orbits of Forced Systems via
Generalized Pyragas Controllers, IEEE Trans. Circ. Syst. I , 1997, volume 44, pp. 10231027.
[109] Hirasawa K., Murata J., Hu J.L., et al., Chaos Control on Universal Learning Networks,
IEEE Trans. Syst. Man Cybern. C-Appl. Rev., 2000, vol. 30, pp. 95-104.
[110] Funke M., Herrmann M., and Der R., Controlling Low-dimensional Chaos : Determination and Stabilization of Unstable Periodic Orbits by Kohonen Neural Nets, Int. J.
Adaptive Control Signal Proc., 1997, volume 11, pp. 489-499.
[111] Kiss I.Z. and Gaspar V., Controlling Chaos with Artificial Neural Network : Numerical
Studies and Experiments, J. Phys. Chem. A, 2000, volume 104, pp. 8033-8037.
[112] Greenwood D.P.A. and Carrasco, R.A., Neural Networks for the Adaptive Control of
Disruptive Nonlinear Network Trafic, IEE Proc. Commun., 2000, vol. 147, pp. 285-291.
[113] Lin C.T. and Jou C.P.,Controlling Chaos by GA-Based Reinforcement Learning Neural
Network, IEEE Trans. Neural Netw, 1999, vol. 10, pp. 846-859.
[114] Tanaka K., Ikeda T., Wang H.O.,A Unified Approach to Controlling Chaos via Arm LMIbased Fuzzy Control System Design, IEEE Trans. Circ. Syst. I , 1998, volume 45, pp.
1021-1040.
[115] I. Kanellakopoulos, P.V. Kokotovic, and A. S. Morse. A Toolkit for Nonlinear Feedback
Design. Technical report no. CCEC-91-0119, 1991. Note : Published in Systems Control
Letters, Feb. 1992 volume 18,pp. 83-92.
[116] R. A. Freeman and P.V. Kokotovic. A New Lyapunov Function for the Backstepping
Design of Softer Robust Nonlinear Control Laws. Technical report no. CCEC-92-0520,
1992
[117] R. Freeman and P.V. Kokotovic. Optimality of Robust Nonlinear Feedback Controls.
Technical report no.CCEC-93-1103, 1993.
[118] Freeman, R. and P. Kokotovic , Robust nonlinear control design. Birkhjuser,Reprint of
the 1996 Edition, Boston , Basel, Berlin, 1996.
[119] Ezal, K., Z. Pan and P.V. Kokotovic, Locally optimal and robust backstepping design,
Ieee Transactions on Automatic Control vol 45,2000, 260-271.
[120] R. Sepulchre, M. Jankovic and P.V. Kokotovic Constructive Nonlinear Control Springer,Santa Barabra, California, August 1996.
[121] H. Sussmann, V. Jurdjevic, Controllability of nonlinear systems, Journal of Differentiel
Equations,volume 12 , p. 95-116,1972.
BIBLIOGRAPHIE
171
[122] J.-L. Lions, Exact controllability, stabilization and perturbations for distributed systems,J. von Neumann lecture, Boston 1986, SIAM review, 30 (1988), p. 1-68.
[123] Ph. Martin et P. Rouchon, Systmes plats : planification et suivi de trajectoires,
[124] Jean-Michel Coron, Quelques rsultats sur la commandabilit et la stabilisation des systmes non linaires, 1999X-UPS.pdf
[125] Hua Deng, Miroslav Krstic Stochastic nonlinear stabilization, A backstepping design
1,Systems and Control Letters, volume 32, 1997,pp 143-150.
[126] Hua Deng, Miroslav Krstic, Stochastic nonlinear stabilization, Inverse optimality 2,Systems and Control Letters vol 32, 1997,pp 151-159.
[127] Cao, Y.J., A Nonlinear Adaptive Approach to Controlling Chaotic Oscillators, Phys. Lett.
A, 2000, volume 270, pp. 171-176.
[128] Liao, T.L. and Lin, S.H., Adaptive Control and Synchronization of Lorenz Systems, J.
Franklin Inst. Eng. Appl. Math., 1999, volume 336, pp. 925-937.
[129] A.M. Harb and M.A. Zohdy, Using non linear chaos and bifurcation control recursive
controller, Nonlinear Analysis Modeling and Control, vol. 7 no.2, 2002, 37-43.
[130] O. Harkegard and S. T. Glad, A backstepping design for flight path angle control, In Proc.
of the 39th Conference on Decision and Control, pages 3570-3575, Sydney, Australia,
Dec. 2000.
[131] Controlling chaotic dynamics using backstepping design with application to the lorenz
system and chuas circuit International Journal of Bifurcation and Chaos, Vol. 9, 7, 1999
pp.1425-1434
[132] J. Lu , J. Lu, Controlling uncertain Lu system using linear feedback, Chaos, Solitons and
Fractals, volume 17, 1,pp. 127-133, 2003.
[133] Fayal Ikhouane and Miroslav Krstic Robustness of the Tuning Functions Adaptive
Backstepping Design for Linear Systems, ieee transactions on automatic control, vol.
43, no. 3, march 1998 431-437.
[134] Miroslav Krstic And Petar V. Kokotovic, Modular Approach to Adaptive Nonlinear Stabilization,Automatica, Vol. 32, No. 4, pp. 625-629, 1996.
[135] KE Hai-sen, YE Xu-dong Robust adaptive controller design for a class of nonlinear
systems with unknown high frequency gains, Ke et al. / j zhejiang univ science a 2006
vol.7 no.3 :315-320.
[136] Dejan M. Bos kovic, Miroslav Krstic Nonlinear stabilization of a thermal convection
loop by state feedback, Automatica vol 37 2001, pp 2033-2040.
172
BIBLIOGRAPHIE
[137] S. Mascolo, Backstepping design for controlling lorenz chaos, proc 36th ieee conf on
decision and control, san digo, ca, usa, 1997, pp 1500-1501.
[138] Laarem Guessas, Khier Benmahammed, Backstepping In Control And Track of Chaotic Sys- tems G, Abstract Submitted for the DPP08 Meeting of The American Physical
Society,Texas 2008.
[139] L. Guessas, K. Benmahammed, Control law based on backstepping for controlling lorenz
chaotic system, Control and Intelligent Systems, Vol. 37, No. 1,p.p 10-14, 2009
[140] Zigang Pan, Kenan Ezal, Arthur J. Krener, and Petar V. Kokotovic Backstepping Design
with Local Optimality Matching,Ieee Transactions On Automatic Control, VOL. 46, NO.
7, JULY 2001,pp 1014-1027.
[141] Abder Rezak. Benaskeur,. Andre Desbiens, Backstepping-Based Adaptive. PID, IEEE
Proc-Control. Theory. Appl. Vol. 149, No. 1, 2002,pp 54-59.
[142] Frdric Mazenc, and Pierre Alexandre Bliman, Backstepping Design for Time-Delay
Nonlinear Systems, Ieee Transactions On Automatic Control,vol 51, no 7, pp 1200-1207,
July, 2006.
[143] O. E. Rssler, An Equation for Continuous Chaos ,Physics Letters, vol. 57A, no 5,
1976,pp. 397-398, 1976.
[144] Mascolo, S. and G. Grassi , Controlling chaotic systems with disturbance using backstepping design and nonlinear damping. In : Proc. IEEE Int. Conf. on Control of Oscillation
and chaos. St. Petersburg, Russia, 2000.
[145] A.M. Harb and B.A. Harb, Chaos control of third-order phaselocked loops using backstepping nonlinear controller, Chaos, Solitons, Fractals, 204, 719-723, 2004.
[146] Raymond Kristiansen, Per J. Nicklasson, Satellite Attitude Control by Quaternion-Based
Backstepping, American Control Conference,Portland, OR, USA, June 8-10, 2005.
[147] Tao Wang, Shaocheng Tong and Yongming Li,Robust adaptive fuzzy control for nonlinear system with dynamic uncertainties based on backstepping , International Journal of
Innovative Computing, Information and Control ICIC International, Volume 5, Number
9, September 2009 pp. 2675-2688.
[148] A. M. Lyapunov, The General Problem of the Stability of Motion. Taylor and Francis,
1992. English translation of the original publication in Russian from 1892.
[149] A. M. Lyapunov, Problme gnral de la stabilit du mouvement, E. Davaux, Trans.
Annales de la Facult des sciences de Toulouse, volume 2,no 9, pp. 203-469 , repr. Princeton : Princeton University Press, Annals of Mathematics Studies 17, 1947.
[150] Khalil, H. Nonlinear systems 2nd ed.1996. Prentice-Hall. New-York.
BIBLIOGRAPHIE
173
[151] Dr Philippe Mullhaupt Systmes Multivariable II, les systmes non linaires,notes de
cours bas sur le livre : Nonlinear Systems, H.K. Khalil, Third Edition, Prentice Hall
2002, ME C2 391,NotesDeCoursSMII.pdf.
[152] D. Arzelier, D. Peaucelle, Systmes et asservissements non linaires, Notes de cours
Version 4 ;SNLv4.pdf.
[153] J. Bokor, G. Szederknyi, K.M. Hangos Analysis and Control of Nonlinear Process
Systems, Springer, TLFeBook, Advanced Textbooks in Control and Signal Processing
Springer,London, Berlin, Heidelberg, New York, Hong Kong, Milan ; Paris, Tokyo TLFeBook,2004,HANGOS.pdf
[154] Sastry, S. Nonlinear Systems : Analysis, Stability and Control. Springer, Verlag,1999.
New York, USA.
[155] E. D. Sontag, An universal construction of Artsteins theorem on nonlinear stabilization.
Systems and Control Letters, 13 :117-123, 1989.
[156] Jean-Jacques Slotine and Weiping Li. Applied Nonlinear Contol. Prentice Hall, Englewood Cliffs, New Jersey, January 1991. bibitem116g Dr Philippe Mullhaupt Introduction
lAnalyse et la Commande des Systmes Non Linaires, 2 mai 2006, PolycopieRelie.pdf bibitem116h0 H. Sussmann et V. Jurdjevic, Controllability of nonlinear systems,
J. Differentiel Equations, 12 (1972), p. 95-116.
[157] J. P. LaSalle, Stability theory for ordinary differential equations, Journal of Differential
Equations 4, pp. 57-65, 1968.
[158] Nicolas Petit Pierre Rouchon,Automatique Dynamique et contrle des systmes , Centre
Automatique et Systmes, cole des Mines de Paris,poly08.pdf.
[159] T. Yoshizawa, Stability Theoty by Lyapunovs Second Method, The Mathematical Society
of Japan, 1966.
[160] Z. Artstein, Stabilization with relaxed controls. Nonlinear Analysis, Theory, Methods and
Applications,volume 7no.11, pp1163-1173, 1983.
[161] Miroslav KrstiC and Petar V. KokotoviC Adaptive Nonlinear Output-Feedback Schemes
with Marino-Tomei Controller, Ieee Transactions on Automatic Control, VOL. 41, NO.
2, February 1996, pp274-280.
[162] Lorenz, E. N. ,Maximum Simplification of the Dynamic Equations. Tellus 12, 243254,1960.
[163] , The Statistical Prediction of Solutions of Dynamic Equations,In International Symposium on Numerical Weather Prediction Tokyo, 1960,Proceedings, Sigekata Syno, Ed.,
pp. 629-635. Tokyo, Meteorological Society of Japan,1962.
174
BIBLIOGRAPHIE
[164] G. Duffing, Erzwungene Schwingungen bei veranderlicher Eigenfrequenz und ihre technische Bedeutung Vieweg, Braunschweig, 1918.
[165] B. van der Pol, ,Forced oscillations in a circuit with nonlinear resistance reception with
reactive triode, Philosophical Magazine, 7, pp. 65-80, 1927.
[166] Balth. van der Pol, J van der Mark, The Heartbeat considered as a Relaxation oscillation, and an Electrical Model of the Heart, Philosophical Magazine Supplement volume
6,1928,pp.763-775.
[167] Shawnee L. Mc Murran, James J. Tattersall, Cartwright and Littlewood on van der
Pols equation, Harmonic analysis and nonlinear differential equations ,Riverside, CA,
1995, Contemporary Mathematics 208, American Mathematical Society Providence, RI,
1997,pp. 265-276.
[168] Lorenz, E. N. ,The Problem of Deducing the Climate from the Governing Equations.
Tellus 16,pp. 1-11,1964.
[169] Sparrow, C. The Lorenz Equations : Bifurcations, Chaos, and Strange Attractors,
Springer-Verlag, NY,1982.
[170] Lorenz, E. N. ,The Essence of Chaos. Seattle, University of Washington Press, 1993.
[171] Celikovsky, S., Chen, G.,On a generalized Lorenz canonical form of chaotic systems,
International Journal Bifurcation and Chaos, in press, 2002.
[172] O. E. Rossler, An equation for continuous chaos, Physics Letters ,Volume 57A, number
5 , 397-398, 12 July 1976.
[173] O. E. Rossler, An equation for hyperchaos, Physics Letters A, 71, 155-157, 1979.
[174] O. E. Rossler, Chaotic behavior in simple reaction systems, Zeitschrift fur Naturforschung A, 31, 259-264,1976.
[175] Shuxian Wu ,Chuas circuit family, proceeding of IEEE, august 1987,volume 75,No.8.
[176] L. O. Chua,Gui Nian Lin,Canonical realisation of Chuas circuitfamily, IEEE Transaction and Circuits Systems, volume 37,No.7,July, 1990, pp. 885-902.
[177] M. P. Kennedy, Three steps to chaos part II : A Chuas circuit primer,IEEE Transaction
and Circuits Systems I, Special Issue on Chaos in Nonlinear Electronic Circuits Part A :
Tutorial and Reviews, volume 40, October, 1993, pp. 657-674.
[178] L. O. Chua, M. Komuro and T. Matsumoto, The double scroll family parts I and II, IEEE
Transaction and Circuits systems Part volume133, no11, pp. 1073-1118, 1996.
[179] Mahesh Mulukutla, Cherif Aissi Implementation of the Chuas circuit and its applicationsProceedings of the 2002 ASEE Gulf-Southwest Annual Conference, The University
of Louisiana at Lafayette, March 20-22, 2002, american Society for Engineering Education
BIBLIOGRAPHIE
175
[180] Leon.O Chua, Chai Wah Wu, Anshan Haung, Guo Qu Zhong A Univeasal circuits for
studying and generating Chaos part 1, routes to chaos, IEEE transcations on circuits and
systems,fundamentals theory and applications, vol 24, No 10, october 1993.
[181] Kanellakopoulos I., P.V. Kokotovic and A.S. Morse, Adaptive feedback linearization of
nonlinear systems. In : Foundations of Adaptive Control P.V. Kokotovic, Edition . pp.
311-346,1991, Springer Verlag. Berlin.
[182] Kanellakopoulos, I., P.V. Kokotovic and A.S. Morse,
Systematic design of adap-
tive controllers for feedback linearizable systems. IEEE Transactions on Automatic

Control,volume 36,1991, 1241-1253.
[183] Kanellakopoulos, I., P.V. Kokotovic and R. Marino, An extended direct scheme for robust
adaptive nonlinear control. Automatica, volume 27, pp 247-255.
[184] M. Krstic, I. Kanellakopoulos, and P.V. Kokotovic. Adaptive Nonlinear Control without
Overparametrization. Technical report no. CCEC-91-1005, 1991. Note : Published in
Systems and Control Letters, 19 :177-185, Sept. 1992.
[185] Miroslav Krstic, Petar V. Kokotovic, Transient-performance improvement with a new
class of adaptive controllers Systems and Control Letters vol. 21, 1993,pp 451-461.
[186] Miroslav KrstiC, Ioannis Kanellakopoulos, Petar V. KokotoviC, Nonlinear Design of
Adaptive Controllers for Linear Systems, IEEE transactions on automatic control, VOL.
39, NO. 4, APRIL 1994, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, VOL.
39, NO. 4, APRIL 1994, pp 738-752.
[187] Miroslav krstic, Ioannis kanellakopoulo, Petar v. kokotovic, Passivity and Parametric
Robustness of a New Class of Adaptive Systems, Automatica, Vol. 30, No. 11, pp. 17031716, 1994.
[188] M. Krstic, I. Kanellakopoulos, and P.V. Kokotovic. Nonlinear Design of Adaptive
Controllers for Linear Systems. Technical report no. CCEC-92-0526, 1992. Note : Published in IEEE Trans. Automatic Control, 39 :738-752, April 1994.
[189] Miroslav Krstic, Petar V. Kokotovic, Control Lyapunov functions for adaptive nonlinear
stabilization, Systems and Control Letters, volume 26, 1995,pp 17-23.
[190] Miroslav Krstic and Petar V. Kokotovic Adaptive Nonlinear Output-Feedback Schemes
with Marino-Tomei Controller,ieee transactions on automatic control, vol. 41, no. 2, february 1996.
[191] Zhong-Hua Li , Miroslav Krstic, Optimal Design of Adaptive Tracking Non-linear Systems,Automatica, Vol. 33, No. 8. pp. 1459-1473, 1997.
[192] Riccardo Marino Adaptive control of nonlinear systems : basic results and applications,
Automatic Review Control, Volume 21, pp. 55-66, 1997.
176
BIBLIOGRAPHIE
[193] Bader Aloliwi and Hassan K. Khalil, Adaptive Output Feedback Regulation of a Class of
Nonlinear Systems : Convergence and Robustness, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, VOL. 42, NO. 12, DECEMBER 1997,pp.1714-1716.
[194] Shuzhi Sam Ge and J. Wang, Robust Adaptive Tracking for Time-Varying Uncertain
Nonlinear Systems With Unknown Control Coefficients, ieee transactions on automatic
control, vol. 48, no. 8, august 2003.
[195] I. K. Bousserhane, A. Hazzab, M. Rahli, B. Mazariet M. Kamli, Mover Position Control
of Linear Induction Motor Drive Using Adaptive Backstepping Controller with Integral
Action Tamkang Journal of Science and Engineering, Vol. 12, No. 1, pp. 17-28 ,2009.
[196] J.-H. Li, P.-M. Lee, Design of an adaptive nonlinear controller for depth control of an
autonomous underwater vehicle,www.elsevier.com/locate/oceaneng
[197] Changchun Hua, Xinping Guan, Adaptive control for chaotic systems Chaos, Solitons
and Fractals, volume 22,2004,pp. 55-60, www.elsevier.com/locate/chaos.
[198] KE Hai-sen, YE Xu-dong, Robust adaptive controller design for a class of nonlinear
systems with unknown high frequency gains, Ke et al., Journal of Zhejiang University
SCIENCE A, 2006,volume 7, no.3, pp 315-320.
[199] U.E. Vincent , Controlling directed transport in inertia ratchets via adaptive backstepping control, acta physica polonica, Volume 38, No 8, pp. 2459-2469, 2007.
[200] M. French, An Analytical Comparison Between the Nonsingular Quadratic Performance
of Robust and Adaptive Backstepping Designs, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, VOLume 47, NO. 4,pp.670,675, APRIL 2002.
[201] L. Guessas, K. Benmahammed, Adaptive Backstepping In Control and Track of Duffing oscillator, accpt en cinquime Saaudien congrs scientifique, College of Applied
Sciences. Umm Al-Qura University. Makkah, April 16-18, 2012.
[202] Laarem Guessas, Khier Benmahammed, Adaptive Backstepping and PID optimized by
Genetic Algorithm In Control of Chaotic Systems, International Journal of Innovative
Computing, Information and Control IJICIC International, Volume 7, Number 9, Septembre 2011, pp.5299-5312.
[203] Goldberg, David E, Genetic Algorithms in Search, Optimzation and Machine Learning,
Addison-Wesley,1989.
[204] Q.Wang, P.Spronck and R.Tracht, An Overview Of Genetic Algorithms Applied To
Control Engineering Problems, Proceedings of the Second, Conference on Machine
Learning and Cybernetics, 2003.
[205] L. M. Pecora and T. L. Carroll, Driving systems with chaotic signals,Physics Review A,
volume 44, no. 4, pp. 2374-2383, 1991.
BIBLIOGRAPHIE
177
[206] N. F. Rulkov, M. systemsM. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review
Electronics, vol 51, no 2, pp 980-994, Feb 1995.
[207] L. Kocarev, U. Parlitz, and T. Stojanovski, Generalized synchronization of chaotic signals, Proc. NOLTA95, Las Vegas, NV, December 10-14, 1995, pp. 953-956.
[208] L. Kocarev and U. Parlitz, Generalized synchronization, predictability, and equivalence
of unidirectionaly coupled dynamical systems, Physics Review Letter, volume 76, no. 11,
pp. 1816-1819, March 1996.
[209] M. G. Rosenblum, A. S. Pikovsky, and J. Kurths, Phase synchronization of chaotic oscillators, Physics Review Letter, volume 76, no. 11, pp. 1804-1807, Mars 11, 1996.
[210] U. Parlitz, L. Junge, W. Lauterborn, and L. Kocarev, Experimental observation of phase
synchronization, Physics Review E, volume 54, no. 2, pp. 2115-2117, August 1996.
[211] R. He and P. G. Vaidya, Analysis and synthesis of synchronous periodic and chaotic
systems, Physics Review A, volume 46, no. 12, pp. 7387-7392, December 1992.
[212] C. W. Wu and L. O. Chua, A unified framework for synchronization and control of dynamical systems, International Journalof Bifurcation and Chaos, volume 4, no. 4, pp.
979-998, 1994.
[213] J. Schweizer, M. P. Kennedy, M. Hasler, and H. Dedieu, Synchronization theorem for
a chaotic system, International Journalof Bifurcation and Chaos, volume 5, no. 1, pp.
297-302, Febrery 1995.
[214] Yang, T. ,Chua, L. O. Impulsive control and synchronization of nonlinear dynamical
systems and application to secure communication, Int. J. Bifurcation and Chaos vol. 7
num. 3, 645-664, 1997.
[215] A. Pikovsky, M. Rosenblum, J. Kurths, Synchronization : A universal concept in nonlinear science Cambridge University Press, Cambridge, 2001.
[216] H.K. Chen : Synchronization of two different chaotic systems : a new system and each of
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton & Fractals. 25, 1049-1056,
2005.
[217] J. Zhang, C. Li, H. Zhang, J. Yu, Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons & Fractals 21 1183-1193,2004.
[218] Mohammad Haeri , Behzad Khademian Comparison between different synchronization
methods of identical chaotic systems,Chaos, Sollitons and Fractals 29, 2006, pp 1001022.
[219] J.H. Park, Chaos, Synchronization of Genesio chaotic system via backstepping approach,Solitons & Fractals, 27, pp. 1369-1375, 2006.
178
BIBLIOGRAPHIE
[220] S. S. Ge and C. Wang Synchronization of Uncertain Chaotic Systems via Backstepping

Design,proceedings of the third asian control conference, july 4-7,2000,Shanghai.
[221] Ali Reza Sahab, Mohammad Reza Modabbernia and Amir Gholami Pastaki Synchronization Chaos using OGBM with Genetic Algorithm,IInternational journal of mathematics
and computers in simulation,Issue 2, Volume 5, 2011.
[222] E.W. Bai, K. E. Lonngren, Synchronization of two Lorenz systems using active control,
Chaos, Solitons & Fractals, 8, pp. 51-58, 1997.
[223] U. E. Vincent Chaos Synchronization Using Active Control and Backstepping Control :
A Comparative Analysis, Nonlinear Analysis, Modelling and Control, 2008, Vol. 13, No.
2, 253-61.
[224] Yang, T. ,Chua, L. O. Impulsive stabilization for control and synchronization of chaotic
systems : Theory and application to secure communication, IEEE Trans. Circuits Syst.
I : Fundamental Theor. Appl. vol. 44 num.10, 976-988,1997.
[225] Yang, T., Suykens, J. A. K. ,Chua, L. O. Impulsive control of nonautonomous chaotic
systems using practical stabilization, Int. J. Bifurcation and Chaos, vol. 8 num. 7, 15571564,1998.
[226] Yang, T. ,C7hua, L. O. Channel-independent chaotic secure communication, Int. J. Bifurcation and Chaos vol.6 num.12B, 2653-2660,1996.
[227] Yang, T.,Wu, C. W. ,Chua, L. O. Cryptography based on chaotic , IEEE Trans. Circuits
Syst. I. Fundamental Theory and application, vol. 44 num.5, 469-472,1997.
[228] U. E. Vincent Chaos Synchronization Using Active Control and Backstepping Control :
A Comparative Analysis
[229] H. Fujisaka and T. Yamada, Stability theory of synchronized motion in coupled oscillator
systems, Progress of Theortical Physics, vol 69, pp 32-47,1983.
[230] Carroll, T. L. ,Pecora, L. M. Synchronizing chaotic circuits, IEEE Trans. Circuits Syst
vol 38,453-456,1991.
[231] T. L. Carroll and L. M. Pecora Synchronizing nonautonomous chaotic circuits, IEEE
Trans Circuits Syst 2, Special Issue on Chaos in Nonlinear Electronic Circuits Part C :
Applications, vol. 40, pp 646-650, Oct 1993.
[232] Gza Kolumban, Michael Peter Kennedy, Leon O. Chua The Role of Synchronization
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, ieee transactions on Circuits System I : Fundamental Theory and Application, vol. 45 no.11, pp.1129-1140,November 1998.
BIBLIOGRAPHIE
179
[234] Baptista, M.S., Macau, E.E., Grebogi, C., et al., Integrated Chaotic Communication
Scheme, Phys. Revol. E, 2000, vol. 64, no. 4, pp. 4835-4845.
[235] Feki, M., An Adaptive Chaos Synchronization Scheme Applied to Secure Communication,
Chaos, Solitons, Fractals, 2003, vol. 18, pp. 141-148.
[236] Andrievsky, B. and Fradkov, A., Information Transmission by Adaptive Synchronization
with Chaotic Carrier and Noisy Channel, Proc. 39th IEEE Conf. Dec. Contr., Sydney,
2000.
[237] Pai, M.-C. , Adaptive sliding mode observer-based synchronization for uncertain chaotic
systems. Asian Journal of Control,2010.
[238] Qingkai Han Lina Hao Hao Zhang Bangchun Wen. Achievement of chaotic synchronization trajectories of master-slave manipulators with feedback control strategy, Acta
Mechanica Sinica, Vol.26 num.3,pp 433-439,2010.
[239] Hengdong Wei and Liping Li, Estimating parameters by anticipating chaotic synchronization, Chaos,2010.
[240] Zhongkui Sun, and Xiaoli Yang Parameters Identification and Synchronization of Chaotic Delayed Systems Containing Uncertainties and Time-Varying Delay 2010,
[241] B.A. Idowu, U.E. Vincent, A.N. Njah Generalized Adaptive Backstepping Synchronization for Non identical Parametrically Excited Systems,Nonlinear Analysis, Modelling
and Control, 2009, Vol. 14, No. 2,pp.165-176.
[242] C. Cruz Hernandez Synchronization of Time-Delay Chua Oscillator with Application to
Secure Communication, Nonlinear Dynamics and Systems Theory, vol.4,No. 1, 2004
pp.1-13.
[243] Jos M. Sausedo-Solorio Chaos and Synchronization Through the Study of Two Coupled
Chuas Circuits, Eighth LACCEI Latin American and Caribbean Conference for Engineering and Technology ACCEI2010, Innovation and Development for the Americas,
June vol.1, No. 4, 2010, Arequipa, Peru.
[244] Chen, H.-K., Chaos and Chaos Synchronization of a Symmetric Gyro with Linear-PlusCubic Damping J. Sound Vibr., 2002, vol. 255, no. 4, pp. 719-740.
[245] J.F. Heagy, T.L. Carroll and L.M. Pecora , Synchronous chaos in coupled oscillator systems, Physical Review E, vol.50, no.3, 1994.
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS I : FUNDAMENTAL THEORY AND APPLICATIONS, VOL. 45, NO. 11, NOVEMBER 1998,
1129-1140.
180
BIBLIOGRAPHIE
[247] M. P. Kennedy, Three steps to chaos part 1 : Evolution,IEEE Trans. Circuits Syst. 1,
Special issue on Chaos in Nonlinear Electronic Circuits Part A : Tutorial and Reviews,
vol. 40, pp. 640-656, OctOBER 1993.
[249] N. F. Rulkov, M. M. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review Electronics, vol 51, no 2, pp 980-994, Feb 1995.
num. 3, 645-664,1997.
2000.
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton and Fractals. 25, 1049-1056
(2005)
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, ieee transactions on Circuits System I : Fundamental Theor. Appl. vol. 45
num.11, 1129-1140,November 1998.
BIBLIOGRAPHIE
181
[261] J. Zhang, C. Li, H. Zhang, J. Yu : Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons and Fractals 21 1183-1193 (2004)
Design,procceding of the 3rd Asian Control Conference, pp594-598.
num. 3, 645-664,1997.
2000.
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton and Fractals. 25, 1049-1056
(2005)
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, ieee transactions on Circuits System I : Fundamental Theor. Appl. vol. 45
num.11, 1129-1140,November 1998.
[273] Qingkai Han Lina Hao Hao Zhang Bangchun Wen. Achievement of chaotic synchronization trajectories of master-slave manipulators with feedback control strategy, Acta
Mechanica Sinica, Vol.26 num.3,pp 433-439,2010.
182
BIBLIOGRAPHIE
[274] Hengdong Wei and Liping Li, Estimating parameters by anticipating chaotic synchronization, Chaos, 2010.
[275] Zhongkui Sun, Xiaoli Yang Parameters Identification and Synchronization of Chaotic
Delayed Systems Containing Uncertainties and Time-Varying Delay, 2010.
[276] J. Zhang, C. Li, H. Zhang, J. Yu : Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons and Fractals 21 1183-1193 (2004)
Design,procceding of the 3rd Asian Control Conference, pp594-598.
Abstract
Since the early 1990s, the problems of control of chaos attract attention of the researchers and
engineers. Numerous publications have appeared over the recent decade. The chaotic systems
represent a class of indeterminacy models differing from the stochastic models, which is used widely
since then. Various mathematical definitions of chaos are known, but all of them express close
characteristics of the dynamic systems that are concerned with super sensitivity to the initial
conditions.
the robust control scheme based on the Backstepping the adaptive Backstepping design is used to
control, the track and the synchronization of the chaotic systems arising from the autonomous second
order strict feedback form such as the Duffing and Van der pool oscillators, to the autonomous third
order strict feedback form such as the Lorenz, Chua and Rosslor Chaotic systems.
The design procedure is recursive at the ith step, the ith subsystem is stabilized with respect to a
Lyapunov function Vi by the design of a stabilizing function i for the Backstepping and the tuning
function i, and the update law i for the unknowns' adaptive parameters estimates, the feedback
control u is designed at the final step. This procedure possesses strong properties of global stability
and tracking which are built into the nonlinear system in a number of steps, which is never higher than
the system order, without any growth restrictions on nonlinearities.
An important feature of backstepping is that nonlinearities can be dealt with in several ways: useful
nonlinearities, which act stabilizing, can be retained, and sector bounded nonlinearities may be dealt
with using linear control, retaining nonlinearities instead of canceling them requires less precise
models and may also require less control effort. Further, the resulting control laws can sometimes be
shown to be optimal with respect to a meaningful performance index, which guarantees certain
robustness properties. Some simulation results for the chaotic system cited above are shown to
illustrate the parameter convergence with backstepping and the adaptive backstepping design for the
control, the track and the synchronization of chaotic systems.
Keywords: Chaotic systems, Backstepping Adaptive backstepping design, Adaptive parameters
estimates, Lyapunov, Stabilizing and tuning functions, Up date and control laws.
. s1990
.
.
.
Backstepping Backstepping .
Duffing
. Rosslor
i Lyapunov
i i Backstepping
.
nonlinearities
: nonlinearities backstepping
nonlinearities nonlinearities
. nonlinearities
.
backstepping
. backstepping
Lyapunov backstepping Backstepping :
.

Commande Backstepping

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Commande Backstepping

Încărcat de

Drepturi de autor:

Formate disponibile

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Universit Ferhat ABBAS Stif

Backstepping Backstepping adaptatif pour le

Table des matires

Table des matires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Table des figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1 Les systmes dynamiques non linaires chaotiques comportement et mthodes de

Comportement chaotique des systmes dynamiques non linaires . . . . . . . .

Concepts mathmatiques et dfinitions . . . . . . . . . . . . . . . . . .

Prsentation des attracteurs . . . . . . . . . . . . . . . . . . . . . . . .

Problmes de contrle des processus chaotiques . . . . . . . . . . . . . . . . .

Les problmes de stabilisation . . . . . . . . . . . . . . . . . . . . . .

Les problmes du contrle dexcitation ou de gnration doscillations

Les problmes de synchronisation contrlable . . . . . . . . . . . . . .

Mthodes de contrle des processus chaotiques . . . . . . . . . . . . . . . . .

Contrle en boucle ouverte. . . . . . . . . . . . . . . . . . . . . . . .

Contrle linaire et non linaire . . . . . . . . . . . . . . . . . . . . .

Linarisation de la carte de Poincar o la mthode OGY . . . . . . . .

La contre raction en retard o mthode de Pyragas . . . . . . . . . . .

TABLE DES MATIRES

Contrle Bas sur les Rseaux de neurones . . . . . . . . . . . . . . .

Contrle bas sur les systmes flous . . . . . . . . . . . . . . . . . . .

Notion de stabilit au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . .

Diffrents tats dquilibres . . . . . . . . . . . . . . . . . . . . . . .

Mthode direct de Lyapunov . . . . . . . . . . . . . . . . . . . . . . .

Contrle Bas sur la thorie de Lyapunov . . . . . . . . . . . . . . . .

Commande de stabilisation par la mthode du Backstepping . . . . . .

Commande en poursuite de trajectoire rfrence par la mthode du

Conception des lois de commande bases sur le Backstepping pour quelques

Oscillateur du second ordre Duffing . . . . . . . . . . . . . . . . . . .

Oscillateur de Bonhoeffer de Van der pool . . . . . . . . . . . . . . . .

Systme chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . .

Circuit chaotique de Chua . . . . . . . . . . . . . . . . . . . . . . . .

Systme chaotique de Rssler . . . . . . . . . . . . . . . . . . . . . .

3 Backstepping Adaptatif pour la commande des systmes dynamiques chaotiques 101

Thorie du Backstepping adaptatif . . . . . . . . . . . . . . . . . . . . . . . . 101

Conception de loi de commande adaptative base sur le Backstepping pour

Oscillateur de Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Oscillateur Bonhoeffer Van der pool . . . . . . . . . . . . . . . . . . . 111

Systme chaotique de Lorenz. . . . . . . . . . . . . . . . . . . . . . . 114

Circuit chaotique de Chua. . . . . . . . . . . . . . . . . . . . . . . . . 122

4 Backstepping et Backstepping Adaptatif pour la Synchronisation Chaotique

Synchronisation du systme chaotique de Lorenz via Backstepping . . . . . . . 129

Conception de la loi de synchronisation . . . . . . . . . . . . . . . . . 129

TABLE DES MATIRES

Simulation des lois de synchronisation sous des condditions initiales

Gnralisation de la loi de commande pour la synchronisation de plusieurs systmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

Synchronisation du systme chaotique de Chua via Backstepping . . . . . . . . 141

Synchronisation du systme chaotique de Rssler via Backstepping . . . . . . 147

Synchronisation du systme chaotique de loscillateur de Duffing via Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

Synchronisation du systme chaotique de loscillateur de Vander Pool via Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

Backstepping Adaptatif pour la synchronisation du Systme chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

TABLE DES MATIRES

Table des figures

Evolution dans le temps pour deux conditions initiales trs proches. . . . . . .

Convection de Rayleigh Bnard des tourbillons convectifs . . . . . . . . . . .

Attracteur de Lorenz Pr = 10, b = 8/3 et Ra = 28. . . . . . . . . . . . . . . . .

Dtermination de lexposant de Lyapunov pour lattracteur de Lorenz. . . . . .

Attracteur de Rssler a = 0.398, b = 2 et c = 4. . . . . . . . . . . . . . . . . .

Dtermination de lexposant de Lyapunov pour lattracteur de Rssler. . . . . .

Partie de lattracteur de Moon.  = 0.25, a = 0.3 et w0 = 1. . . . . . . . . . . .

Dtermination de lexposant de Lyapunov pour lattracteur de Moon. . . . . . .

Attracteur de Hnon, avec a = 1.4 et b = 0.3. . . . . . . . . . . . . . . . . . .

Partie de lattracteur de Moon. = 0.25, a = 0.3 et w0 = 1. . . . . . . . . . . .