Une représentation mathématique dans le domaine temporel d'un système dynamique utilisant un vecteur fini d'états x(t) et des équations différentielles d'ordre un (continu) ou aux différences (discret) ẋ = Ax + Bu, y = Cx + Du (ou leurs généralisations non linéaires), reliant l'évolution des états internes aux entrées et sorties pour l'analyse, la simulation et la synthèse de commande.

Principe

Spécifier un vecteur d'état de dimension minimale et les matrices (A,B,C,D) donne une description linéaire complète en temps d'un système LTI d'ordre fini observable aux sorties et commandable par les entrées ; le même cadre se généralise aux systèmes non linéaires ou variant dans le temps en remplaçant les matrices par des applications dépendant de l'état.

Démonstration

Scénario illustratif → Un ingénieur de contrôle modélise la dynamique d'un moteur continu avec comme états [vitesse du rotor ; courant d'induit] (situation). Il rédige les équations d'état linéarisées autour du point de fonctionnement, obtient les matrices A et B (reconnaissance), conçoit une commande par retours d'état qui place les pôles en boucle fermée pour satisfaire le temps de stabilisation (action) puis simule la réponse temporelle montrant que le moteur atteint la vitesse cible dans le délai prévu (conséquence).

Mauvaise application

Supposer que les variables d'état et les matrices du système sont uniques sans préciser la base d'état ni la transformation de coordonnées : deux modèles en espace d'états équivalents reliés par une transformation de similarité représentent le même comportement entrée‑sortie mais ont des A,B,C,D différents. L'erreur sémantique est de confondre valeurs paramétriques et grandeurs physiques observables au lieu de se concentrer sur des invariants (fonction de transfert, valeurs propres).

Conséquence

Les modèles en espace d'états permettent la simulation temporelle, la conception d'observateurs et de contrôleurs, l'analyse MIMO et des tests rigoureux de stabilité ; une mauvaise identification des états, une linéarisation inappropriée ou l'utilisation d'approximations d'ordre insuffisant peuvent produire des commandes inaptes ou des prédictions transitoires erronées.

Inversion

Pour des systèmes intrinsèquement de dimension infinie (systèmes à paramètres distribués) ou lorsque seule la réponse fréquentielle en régime permanent est requise, l'espace d'états impose une approximation (réduction de modèle, discrétisation spatiale) ou s'avère superflu ; pour des comportements fortement non linéaires, la forme linéaire doit être remplacée par un modèle en espace d'états non linéaire ou d'autres méthodes adaptées au régime.

Limite

Clairement à l'intérieur : un organe mécanique ou électrique d'ordre fini où les variables d'état (positions, courants) sont identifiables et une approximation linéaire est valable. Cas limite : système faiblement variant dans le temps ou légèrement non linéaire où la linéarisation fournit des indications de conception mais exige une validation. Clairement à l'extérieur : la description exacte d'un champ électromagnétique en espace continu (une EDP de dimension infinie) sans réduction.

Tension sémantique

Ordre du modèle et interprétabilité ↔ Faisabilité computationnelle : les modèles d'ordre élevé capturent davantage de physique et améliorent la fidélité mais augmentent la complexité de conception et le coût calculatoire ; il faut arbitrer entre minimalité et adéquation pour la commande ou la simulation.

Synthèse

La modélisation en espace d'états unifie la représentation des dynamiques pour la simulation et la commande en exposant les états internes gouvernant le comportement transitoire ; cette représentation est puissante pour la conception mais requiert des choix explicites sur la définition des états, la validité de la linéarisation et l'ordre du modèle, qui déterminent la transférabilité des prédictions au système réel.