HAL Id: tel-00366857
https://tel.archives-ouvertes.fr/tel-00366857
Submitted on 9 Mar 2009
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Analyse globale de systèmes mécaniques nonlinéaires
-Application à la dynamique des rotors
Emmanuelle Sarrouy
To cite this version:
Emmanuelle Sarrouy. Analyse globale de systèmes mécaniques non-linéaires - Application à la
dy-namique des rotors. Mécanique [physics.med-ph]. Ecole Centrale de Lyon, 2008. Français.
�tel-00366857�
THÈSE
Présentée pour l'obtention du titre de
DOCTEUR
DE
L'ÉCOLE CENTRALE DE LYON
SPÉCIALITÉ GÉNIE MÉCANIQUE
ÉCOLE DOCTORALEDE MÉCANIQUE DE LYON (UCBL/INSA/ECL)
par
Emmanuelle SARROUY
ANALYSE GLOBALE DE SYSTÈMES MÉCANIQUES NON-LINÉAIRES
APPLICATIONÀ LA DYNAMIQUE DES ROTORS
Présentée etsoutenue publiquement le 22o tobre 2008 devantle jury d'examen:
M. B. COCHELIN,Professeur, LMA,E ole Centrale de Marseille Rapporteur
M. J-C. GOLINVAL, Professeur, LTAS,Université de Liège, Belgique Rapporteur
M. J-P. LAINE,Maître de Conféren es, LTDS, É ole Centrale de Lyon Co-en adrant
M. C-H. LAMARQUE,Professeur, LGM,ENTPE, Lyon Président
Jetiens à remer iertoutd'abord mesdeuxdire teurs dere her he,Fabri e Thouverezet
Jean-Pierre Laîné, pour m'avoir proposé e travail, m'a ordant alors plus de onan e que
je nem'en a ordaismoi-même, puispourm'avoir soutenue parfois,guidée,é outéetoujours
etpouravoirprisletemps-etparfoisleplaisirj'espère- deréé hirave moiautourdedeux
ou troiss hémas rapidement esquisséssurun tableau noirou un oin defeuille.
Je tiens ensuite à adresser de sin ères remer iements à Bruno Co helin et Jean-Claude
Golinval qui ont tous deux a epté de rapporter un travail à la limite de notre domaine
usuelderéexion.Jeremer ieaussivivementClaude-HenriLamarquequifutunprésidentde
jury des plusagréables etdont les remarques m'auront été inniment utiles. Je les remer ie
aussi pour l'enthousiasmequ'ils ont bien voulutémoigner à l'égardde mes re her hes;il est
ré onfortant et revigorant d'entendre de la part de personnes que l'on estime que e travail
n'est pastrop mauvais etauraitpeut-êtrequelqu'intérêt àêtre ommuniqué etpoursuivi.
Un haleureux mer i aussi à tous les membre de l'équipe D2S parmi lesquels j'ai trouvé
des amis, des ompagnons de footing,des professeurs de mé anique version ambouis et lé
dedouze, ertainsseretrouvant dansplusieursde es atégories,entousles asdespersonnes
agréables etprêtes à aider,peu importent lanature etla tailledu problème.
Enn, j'aimeraisremer ier mespro hes,amisetfamille,etplusparti ulièrement mes
pa-rentsquiontsumedonnerdurantmesjeunesannéesla onan eainsiquelegoûtd'apprendre
Lanaissan e de e sujetde thèsea étémotivée parlavolontéde plusen plusimportante
d'introduire des non-linéarités dans les modèles an de mieux rendre ompte du
omporte-mentdestru turestoujoursplus omplexes.Ce iaboutitàl'é rituredesystèmesdynamiques
non-linéaires pouvantprésenterdessolutionsde nature omplexe(solutionspériodiquesmais
aussiquasi-périodiquevoire haotique)etpouvant oexister.L'enjeud'unemodélisationétant
laprédi tion du omportement dusystèmepoursondimensionnement notamment, ilest
né- essaire de pouvoir prédire toutes les solutions vers lesquelles pourra tendre la stru ture en
fon tionnement.
A tuellement peu d'outils ou de méthodes sont dédiés à e type d'analyse, dite globale,
permettant d'exhibertoutes les solutions d'unsystème dynamiquenon-linéaire. Le parti est
généralementprisderéaliserungrandnombredetiragesàl'aided'algorithmesdere her he
lo ale.Ce i peut amener à trouver ee tivement toutes les solutions mais ne permetpas de
garantir qu'on enpossède latotalitéetest généralement très oûteux numériquement. Notre
prin ipal obje tif était don de ombler ette la une en tentant de proposer des réponses
satisfaisantàlafoisaubutthéoriquemaisaussiàdes ontraintespratiquesliéesauxressour es
numériquesrequises pour les mettreen ÷uvre.
Pour yparvenir,nousavonsmis en ÷uvrequatretypesde méthodes:desméthodesde
ell-mapping qui onsiste en une dis rétisation de l'espa e d'états et du temps, des méthodes
basées surdestestsd'ex lusion appliquésàune ellule,desméthodesutilisant l'arithmétique
desintervallesde façonà réduire etex luredes ellulesetenn,desméthodesrequérant une
approximation polynomiale des non-linéarités et une résolution du système par homotopie.
Ces diérentes méthodes ont été illustrées par le asa adémique de l'os illateur de Dung,
présentant une non-linéarité simple de façon à pouvoir les omparer, puis nous les avons
appliquées à diérents systèmes relatifs à la modélisation de la dynamique des ma hines
tournantes.
Parallèlement à ebut prin ipal, nousavons étudiédeste hniquesde ontinuation -
per-mettant desuivrel'évolutiond'unesolutionlorsqu'undesparamètresdusystèmevarie-ainsi
que lesméthodesd'analysede stabilitéetde bifur ation dansle asdessolutions onstantes
etpériodiques. Cese ond volet permetpar exemple d'établir lesfon tions deréponseen
fré-quen e de stru tures non-linéaires sur lesquelles on fait apparaître les y les limites en as
d'instabilité.
Mots- lés
Non-linéaire, Analyseglobale, Cell-mapping, Tests d'ex lusion,Analyse intervalles,
BirthofthisPhD thesissubje twasmotivatedbythegrowing willtointrodu e
nonlinea-rities inmodels;thisindoneinordertohaveabetterdes riptionofmoreandmore omplex
stru tures behaviour. It leads to nonlinear dynami systems whi h an exhibit solutions of
omplex nature (periodi but alsoquasiperiodi oreven haoti ones) and inwhi h multiple
solutions an oexist. Predi tion of the stru ture behaviour being at stake in modelling, in
parti ular inview of its dimensioning, one should be able to predi t all of the solutions the
system an hang to.
Nowadays few tools or methods are dedi ated to this kind of analysis, named global
analysis, whi h areableto nd allthe solutionsof a nonlineardynami system.One usually
tests an important number of dierent initial onditions using a lo al sear h algorithm.
This an lead to ee tively nd all the solutions but does not ensure it and is very often a
ostly approa h a ording to numeri al resour es. Our main goal was then to ll this la k
of methods and to propose answers satisfyingboth thetheoreti al request and thepra ti al
onstraintsboundto numeri al resour es theyneed.
Inordertorea hthisgoal,weimplementedfourkindofmethods: ell-mappingwhi h onsists
in state-spa e and time dis retization, test ex lusion algorithms whi h try to ex lude ells
using a simple test, methods based on interval analysis whi h aim at redu ing as well as
ex luding ellsandnallymethodsrequiringapolynomialapproximationofthenonlinearities
expressions whi hsolve thesystemusinghomotopy.Thesedierent methods wereapplied to
asimpleDungos illatorinorderto omparethem.Wethenappliedthemtomanyexamples
hoseninthe eld ofrotordynami s.
In parallel of this main goal ontinuation te hniques were studied - te hniques whi h
allow to follow solution evolution while one of the system parameters varies; stability and
bifur ationanalysismethodswerealsoimplementedin aseof onstantandperiodi solutions.
Thisse ondpartofourworkallowstodrawfrequen yresponseofnonlinearstru turesshowing
also limit y lesifinstabilityo urs.
Keywords
Nonlinear, Global analysis, Cell-mapping, Ex lusion test, Interval analysis, Homotopy,
Introdu tion 1
1 Phénoménologie des systèmes non-linéaires 3
1.1 Quelquesdénitions pour bien ommen er . . . 4
1.2 Solutions d'unsystèmenon-linéaire : ara térisationetreprésentation. . . 4
1.2.1 Catégories de solution . . . 5
1.2.2 Stabilité des solutions . . . 5
1.2.3 Attra teurs etbassind'attra tion . . . 6
1.2.4 Lesoutils de visualisation . . . 7
1.2.5 Classi ation dessolutions. . . 11
1.3 Notionsde ontinuation etbifur ations . . . 14
1.3.1 Bifur ations . . . 14
1.3.2 Diagramme debifur ation . . . 17
1.4 Con lusion:enjeux . . . 17
2 Méthodes d'étude lassiques (lo ales) 19 2.1 Algorithmes d'intégrationtemporelle . . . 19
2.1.1 Notionsessentielles pour qualier uns héma . . . 20
2.1.2 Cas dessystèmes linéaires . . . 21
2.1.3 Cas dessystèmes non-linéaires . . . 23
2.1.4 Synthèses desdiérentesméthodestrouvées danslalittérature . . . . 25
2.2 Algorithmes de résolution de systèmesnon-linéaires . . . 25
2.2.1 Algorithmes sans gradient . . . 28
2.2.2 Algorithmes ave gradient . . . 28
2.3 Construire etétudierdessolutions . . . 29
2.3.1 Solutions typepoint xe . . . 29
2.3.2 Solutions périodiques. . . 29
2.4 Algorithmes de ontinuation . . . 34
2.4.1 Prin ipales méthodes deprédi tion et de orre tion . . . 35
2.4.2 Adaptation de ladistan eentredeux points su essifs . . . 39
2.4.3 Bran hswit hing . . . 40
2.5 Méthode de rédu tionde latailledu problème. . . 43
3 Analyse globale par ell-mapping 45
3.1 Constru tion d'unmapping . . . 45
3.2 Dis rétisation de l'espa e. . . 47
3.3 Analysed'un ell-mapping . . . 48
3.4 Interprétation d'un ell-mapping . . . 52
3.5 Appli ation à unos illateur de Dung . . . 52
3.6 Con lusion. . . 57
4 Analyse globale par ex lusion de ellules 59 4.1 Etapesde l'algorithmegénéral . . . 60
4.2 Tests d'ex lusion simples . . . 61
4.2.1 Fon tion lips hitzienne . . . 62
4.2.2 Fon tion monotonement dé omposable . . . 62
4.3 Tests basés surladomination de fon tion . . . 63
4.3.1 Fon tionsdéveloppables ensérieentière . . . 63
4.3.2 Développement de Taylor . . . 64
4.4 Méthode dusimplexe . . . 66
4.4.1 Problème traitépar uneméthode de simplexe:forme etrésolution . . 66
4.4.2 Appli ation de laméthode à unsystème non-linéaire . . . 71
4.5 Appli ation à unos illateur de Dung . . . 72
4.5.1 Résultats . . . 73
4.5.2 Extrapolations . . . 74
4.6 Con lusion. . . 75
5 Analyse globale utilisant l'arithmétique des intervalles 79 5.1 Théorie desintervalles . . . 79
5.2 L'algorithme général d'HansenetWalster . . . 80
5.2.1 Étape deNewton . . . 81
5.2.2 Méthode deHull Consisten y . . . 83
5.2.3 Méthode deBoxConsisten y . . . 84
5.2.4 Méthode deNewton Généralisée . . . 85
5.2.5 Point d'expansion. . . 88
5.2.6 Méthode deBoxConsisten yPartiel . . . 89
5.2.7 Division des ellules(splitting) . . . 89
5.2.8 Critères d'arrêt . . . 90
5.3 Appli ation à unos illateur de Dung . . . 91
5.3.1 Résultats . . . 91
5.3.2 Extrapolations . . . 92
6 Analyse globale par homotopies polynomiales 99
6.1 Passage d'unsystèmealgébriquenon-linéaire àun systèmemulti-polynomial . 101
6.2 Nature dessolutions d'unsystèmemulti-polynomial . . . 102
6.3 Prin ipe etdi ultésd'une résolution par méthode homotopique . . . 102
6.4 Espa e proje tif ethomogénéisation . . . 103
6.5 Choix d'unpolynme initial . . . 106
6.5.1 Méthode du degrétotal . . . 107
6.5.2 Méthode par multi-homogénéisation . . . 108
6.5.3 Méthode par produits d'éléments linéaires . . . 111
6.5.4 Comparaison destroisméthodes . . . 114
6.6 Appli ation à unos illateur de Dung . . . 119
6.6.1 Résultats . . . 119
6.6.2 Extrapolations . . . 119
6.7 Con lusion. . . 122
7 Appli ation à la dynamique des rotors 125 7.1 Comparaisons desméthodessurun assimple . . . 125
7.2 Conta t permanent rotor-stator ave statornon-linéaire . . . 126
7.2.1 Équations . . . 127
7.2.2 Appli ation des méthodesd'analyseglobale . . . 130
7.2.3 Con lusion . . . 131
7.3 Rotor surpaliersqueeze-lm. . . 131
7.3.1 Généralitéssur l'organesqueeze-lm . . . 131
7.3.2 Système dynamiqueétudié. . . 133
7.3.3 Quelquesrésultats lassiques . . . 135
7.3.4 Analyse globalepar homotopies polynomiales . . . 135
7.3.5 Con lusion . . . 140
7.4 Conta t rotor-stator rigide . . . 141
7.4.1 Système étudié . . . 141
7.4.2 Étude despointsxes . . . 148
7.4.3 Étude despointsde bifur ation de Hopf . . . 156
7.4.4 Analyse globale . . . 163
7.4.5 Con lusion . . . 169
7.5 Con lusion. . . 169
Con lusion 171
Bibliographie 173
Liste des tableaux 181
Liste des dénitions 183
Liste des lemmes etthéorèmes 185
Nomen lature 187
Annexes 189
A Os illateur de Dung 191
A.1 Appli ation de laméthode desé helles multiples . . . 192
A.2 Appli ation de laméthode de labalan e harmonique . . . 195
A.3 Fon tion de réponseen fréquen eetstabilité. . . 196
B Arithmétique des intervalles 199
B.1 Dénition desopérations élémentaires pour les intervalles . . . 199
B.2 Illustration des onséquen esde lasous-distributivité . . . 200
L'utilisation d'outils numériques pour modéliser et prédire le omportement dynamique
desystèmes omplexesapparaîtaujourd'hui ommein ontournabledansle adredu
dévelop-pement deproduitsindustrielsoula on eptiondeban sexpérimentaux.L'utilisationdetels
outilspermeteneetderéduireles oûtsetlesdélaisenminimisantlenombrede orre tions
apportéesàunprototypeavant d'obtenirleproduitnal,l'optimisation,enfaisantvarierdes
jeuxde paramètres pourséle tionner lemeilleur, etde prédirede façonable lesrésonan es,
les ontraintes au sein de la stru ture,et . Lesméthodesrelatives à lamodélisationlinéaire
d'unestru tureontétélargement étudiées es inquantedernières annéesetsont aujourd'hui
bien maîtrisées. Ondispose ainsid'outils permettant de réaliserl'analyse du omportement
dynamique desystèmes de grandestaillesdansdes délaisraisonnables.
Cependant,for e estde onstater quelanaturen'apasengendré dessystèmesdestinés à
simplier la tâ he des mé ani iens et que l'on doit re ourir parfois à une modélisation plus
omplexe pour luirester dèle. La volonté industrielle d'une part etplus généralement elle
des dynami iens d'autre part, est aujourd'hui de prendre en ompte et é art des systèmes
réels auxmodèles linéaires quel'on met en miroir an de prédiremieuxleur omportement.
Eneet,lare her he deperforman es toujoursa ruespousseles on epteursàallerversdes
stru tures plus légères, don plus exibles, travaillant aux limites de leurs apa ités
mé a-niquesetàl'introdu tiond'organes omplexesayantpourbutd'assurerlameilleure ohéren e
de l'ensemble. Deux grandes voies permettent de prendre et é art en ompte. La première
onsiste en l'utilisation d'un modèle linéaire dont ertains paramètres omportent des
in er-titudes qui reètent alors une gamme de omportements possibles que l'on ne onnaît pas
exa tement sous forme d'une loi entrée-sortie mais sous forme d'une répartition probable
d'états. La se onde est de hoisir d'in lure dans le modèle une loi entrée-sortie non-linéaire
dont les paramètres sont onnus.Dans le premier as, on obtient unensemble de
omporte-mentssimples(en esensqu'ilsdé oulent d'uneanalyselinéaire)probablesetleurprobabilité
de réalisation; danslese ond, on obtient le omportement ertain de lastru ture en a ord
ave la loi implémentée, omportement qui peut serévéler omplexe. Notons querien
n'em-pê he de roiser les deuxappro hes, postulant que l'on onnaît exa tement le modèle
(non-linéaire) des orps utilisés et que seuls subsistent des in ertitudes sur quelques paramètres
quiles ara térisent (in ertitudesliéessouventàlaréalisationdel'objet, ommeladispersion
autour des otes nominales, l'hétérogénéité du module d'Young d'un orps métallique qui
peut ontenir desimpuretés,et ).Riennel'empê hethéoriquement;lapratiqueenrevan he
onnaît a tuellement ertaines limites,notammentliées aux oûts de al ul, quirendent rare
ette appro he.
Cetravail s'ins rit dansle adrede lase onde appro he :nousessaierons de ara tériser
dé oule de la volonté de trouver toutes les solutions des systèmes non-linéaires onsidérés.
En eet,ladi ulté majeuredansl'étude detels systèmes provient dufait quel'on ne peut
prédire la nature (périodique, haotique, ...) ni le nombre des solutions re her hées alors
que l'on sait que pour une même ex itation, plusieurs solutions de natures identiques ou
diérentes peuvent oexisteretque lesystème sedirigeversl'une ou l'autre en fon tion des
onditions initiales. On onnaît aujourd'hui un ertainnombre dete hniquesnumériquesou
analytiques permettant de trouver une solution parti ulière du système. L'obje tif de nos
re her hes est de les trouver toutes de façon à garantir un dimensionnement avisé de la
stru ture : nous souhaitons ontribuer à l'élaboration d'une méthode d'analyse globale des
systèmes dynamiquesnon-linéaires.
Le hampdel'analyseglobale,bienquerelativementré ent,n'estpas omplètementvierge.
Son essora globalement suivi elui des apa ités de al ulnumérique dont ilest très
dépen-dant. En eet, les seules méthodes de résolution numérique exa te (aux erreurs d'arrondis
près) dont nousdisposons a tuellement s'appliquent uniquement àdessystèmeslinéaires. Le
hamp des systèmes non-linéaires requiert ainsi généralement l'itération d'une même étape
un grand nombre de fois. Celui de l'analyse globale des systèmes non-linéaires
multi-plie en ore le nombre d'itérations né essaires. On omprend don aisément que le prin ipal
enjeu de l'analyse globale, outre le fait de reposer sur une méthode apable théoriquement
de garantir l'obtention de toutes les solutions, sera de le faire vite, i.e. dans des temps
raisonnablespourlesenjeux onsidérés(12à24heures).Ontrouvea tuellementquelques
mé-thodesd'analyseglobaledanslalittérature;elless'appliquent leplussouventà dessystèmes
de petitetaille (moins d'une dizained'in onnues) et sous forme algébrique. An d'atteindre
notre obje tif, il faudra faire évoluer es méthodes de façon à pouvoir traiter des systèmes
d'équationsdiérentiellesde grandetaille (plus d'une entaine d'in onnues).
Nous ommen erons don par exposer dans un premier hapitre, les spé i ités des
sys-tèmesnon-linéaires par rapportau aslinéaire. Nous donnerons dansun se ond hapitre les
prin ipales méthodesd'étude lo alerépertoriées dans lalittérature, vouées à lare her he et
à la ontinuation d'unesolution parti ulière.Nousexplorerons ensuitedansles hapitres 3 à
6 diérentes méthodesd'étude globale appliquéesà l'os illateur non-linéaire lassiquequ'est l'os illateur deDung.Cette premièreappli ation permettra dedégager lesavantages et
in- onvénientsde haqueméthodeainsiqueleur omparaisondansle adred'undernier hapitre.
Cettedernièrepartie ontiendraaussil'appli ation de ertaines desméthodesà dessystèmes
hoisispour leurintérêtdansl'étudedesstru turestournantes. Ce inouspermettra d'aner
Phénoménologie des systèmes
non-linéaires
Lorsde la mise enéquation d'un système mé anique, on peut être amené àintroduire des
non-linéaritésdans lesystèmesil'onsouhaitetraiterdesgrandsdépla ements, introduire une
loi de omportement d'unmatériau non-élastique,ou pluslo alement introduire unorgane au
omportement non-linéaire (roulements, amortisseurs squeeze-lm, et ) ou enn, onsidérer
des eorts intérieurs de type onta t-perte de onta t. On aboutit alors à une équation dela
forme (1.1), ontenant une ontribution linéaire (matri es demasse
M
, dedissipationC
pouvant ontenir outre les eets dissipatifs, une ontribution anti-symétrique due aux eetsgyros opiques et de raideur
K
pouvant elle aussi ontenir au delà des termes de raideurlassiques des ontributions telles que les eets d'assouplissement), une ontribution
non-linéaire (
ˆ
f (q, ˙q)
)et une ex itation du système(f
e
(t)
).M.¨
q + C. ˙q + K.q + ˆ
f (q, ˙q) = f
e
(t)
(1.1)La présen e d'une ontribution non-linéaire empê he l'appli ation du stri t prin ipe de
superposition (bien qu'un ertain nombre de travaux tels que [SP94℄ et [PSP01℄ aient mis en pla e des méthodes de superposition appro hée). Ainsi, même en ne onsidérant que des
ex itations simples, i.e. périodiques, on ne peut établir de adre général permettant la
réso-lution du système d'équations. On ne sait pas a priori la forme que la solution aura, si elle
sera unique ou si plusieurs solutions oexisteront, ni prédire simplement l'évolution de la
so-lution lorsqu'un des paramètres dusystème hange (par exemple, la fréquen e ou l'amplitude
Dans e hapitre, nousproposons dansunpremiertemps dedé rire lessolutions possibles
d'un système non-linéaire, leur ara térisation formelle et leur lassi ation, ainsi que les
outils utilisés pour les représenter après avoir fait un petit détour par quelques dénitions
formelles. Nous aborderons dans un se ond temps les notions de ontinuation et bifur ation,
liées à l'étude de l'évolution des solutions lorsque l'on fait varier un paramètre du système.
Pourune des riptionplusdétaillée de es diérentsaspe ts, nousre ommandons lesouvrages
[NB95℄ et [Sey88℄.
1.1 Quelques dénitions pour bien ommen er
Lorsque l'on é rit les équations d'un système mé anique, on obtient lassiquement un
système diérentiel d'ordre 2 de la forme (1.1). Cette é riture n'est pas la plus ompa te
ni la plus adaptée à l'étude mathématique du système puisqu'elle fait apparaître de façon
disso iée la position
q(t)
et lavitesse˙q(t)
qui sont toutes deuxné essaires pour ara tériser omplètementl'étatd'unsystème,enlaissantsous-ja enteleurrelationdedérivéeparrapportautemps.Onauradon leplussouvent re oursàlaformeaugmentéede etteéquation,aussi
nommée équation d'états où es deux informations sont regroupées dans un unique ve teur
d'in onnues
x(t)
appelé ve teur d'in onnues augmenté ouve teur d'états :A. ˙x + B.x + ˆ
F (x) = F
e
(t)
(1.2)Nousrenvoyonsàlase tionNotations(p.187)pourladénitiondestermesquila onstituent. On utilisera aussi par ommodité de notation la forme (1.3) qui suppose, par rapport à la forme (1.2),l'inversibilité de
A
.˙x = F (x, t)
(1.3)Soulignons quelaprésen e dutemps ommevariabledans
F
reète uniquement l'ex itationdu système. Ainsi, lorsque nous onsidèrerons la dérivée de
F
par rapport àx
, elle- i ne dépendraquedex
etseranotéeD
x
F (x)
.Outre es diérentes é ritures, il est bon de onnaître la dénition i-dessous, faisant la
diéren e entre les systèmesdépendant ounon expli itement du temps :
Dénition 1.1 : Système autonome ou non-autonome
Un système est ditautonome si letemps n'apparaît pasexpli itement ommevariable dans
l'équation(1.3).A l'inverse,on parlede systèmenon-autonome. 2
Maintenant que es bases sont jetées, nous pouvons aborder les diérents aspe ts d'un
problème non-linéaire.
1.2 Solutions d'un système non-linéaire : ara térisation et
re-présentation
Nous donnerons dans ette partie les moyens d'identier et ara tériser les diérentes
mathé-matique quedansle asdessolutions dites point xeetpériodique ar e sontlesdeuxtypes
de solution les plus fréquemment ren ontrés et sur lesquels nous fo aliserons généralement
notre étude.
1.2.1 Catégories de solution
Ondistingue quatretypesde solutions àun problème non-linéaire:les solutions de type
point xe, ou point d'équilibre, qui sont onstantes dans le temps, les solutions périodiques
qui onsistent en un motif se reproduisant à une fréquen e
f
onstante, les solutionsquasi-périodiques qui sont une superposition de signaux périodiques de fréquen es
in ommensu-rables (à rapport non rationnel) entre elles, et enn les solutions haotiques dont il est
dif- ile de donnerune dénition laire si e n'est par opposition aux troisautres types d'états
stationnaires pré édemment mentionnés ([NB95,Chap. 5℄).
Formellement, e i se traduit de la façon suivante pour les points xes et les solutions
périodiques:
Points xes :
q(t)
solutionde (1.1) telque∀ t > 0, ˙q(t) = 0
.Onnotealorsq(t) = q
0
. Solutions périodiques:q(t)
solutionde (1.1) tel que∃ T > 0, ∀t > 0, q(t + T ) = q(t)
.Onnotealors
f = 1/T
lafréquen ede lasolutionetω = 2πf
sapulsation.Il peut sembler peu pertinent d'envisager que la solution d'un système soumis à une
ex itation périodique soit onstante. Cela peut pourtant être le as et ne signie pas que
la stru ture ne vibre pas mais que les paramètres et le réferentiel hoisis pour dé rire son
mouvement sont onstants.Ce ipeutêtrele asnotammentlorsd'uneformulationautonome
du problème.
1.2.2 Stabilité des solutions
Unefoisquel'onpossèdeunesolution,ilestné essaired'en onnaîtrelastabilité.Eneet,
si plusieurssolutions de naturesidentiques oudiérentes oexistentetquel'une estinstable,
il y a toutes les han es pour que lesystème saute de ette solution instable à une solution
stable. Le fait de onnaître toutes les solutions etleur stabilité permet de prédire es sauts
qui peuvent être violents etamener lesystèmehorsde lazonede fon tionnement souhaitée.
Plusieurs dénitions de la stabilité sont fréquemment ren ontrées. Nous donnons i i la
plus utilisée d'une façon générale, qui est elle de Lyapunov (1892, Russie), désignée aussi
sous leterme de stabilitéuniforme:
Dénition 1.2 : Stabilité au sensde Lyapunov ouuniforme
Une solution
x(t)
du problème(1.3) estdite stableau sensde Lyapunovsi etseulement si : quelquesoitǫ > 0
,ilexisteδ > 0
telquepourtoutesolutiony(t)
satisfaisant||x(t)−y(t)|| < δ
à l'instantt = t
0
,larelation||x(t) − y(t)|| < ǫ
est vériée pour toutinstant ultérieur (∀ t >
t
0
). 2Ladénitiondelastabilitélaplus ommunémentutiliséeenmé aniqueetquenousutiliserons
aussi est elle de stabilité asymptotique, ranement de la stabilité uniforme : le système
Dénition 1.3 : Stabilité asymptotique
Une solution
x(t)
estdite asymptotiquement stablesietseulement sielle eststable (ausensde Lyapunov)et
lim
t→∞
||x(t) − y(t)|| = 0
. 2
Ces dénitions sont relativesà lastabilité lo ale:elles s'intéressent à l'évolution d'une
solu-tion.Onparledestabilitéglobalelorsquel'on onsidèrelastabilitédel'ensembledessolutions;
nousn'aborderons pas e problème dans e mémoire.
Classiquement, pour déterminer la stabilité d'unesolution
x(t)
, on utilise une te hnique de pertubation en onsidérant l'évolution d'une solution du problème qui s'é riraity(t) =
x(t) + z(t)
,z(t)
petit.Ainsionpeutréaliserledéveloppement aupremier ordresuivant :˙y(t) = F (y(t), t)
⇔ ˙x(t) + ˙z(t) = F (x(t), t) + D
x
F (x(t)).z(t) + O(
||z(t)||
2
)
En réinje tant la relation
˙x = F (x, t)
qui traduit le fait quex(t)
est solution de l'équation, on obtient :˙z(t)
≈ D
x
F (x(t)).z(t)
(1.4)On a don l'équation diérentielle qui gouverne l'évolution temporelle d'une petite
per-turbation
z(t)
de la solutionx(t)
étudiée. Si toute petite perturbation tend à s'évanouir (lim
t→∞
||z(t)|| = 0
),lasolutionest stable,sinon,elle estinstable.Nousverrons dansles asparti uliers despoints xes etdes solutions périodiques omment on lure fa ilement sur la
stabilité àpartirde ette équationen 1.3.1.
Il est intéressant de remarquer qu'une solution instable onstitue un attra teur si l'on
onsidèrelestempsindire ts(sensdé roissantde
t
):eneet,siunefoislasolutionperturbée, le système s'é arte d'une solution instable dans le sens des temps roissants (ou dire ts), àl'inverse,danslesensdestempsdé roissants,ilyrevientalorsqu'ils'é arteraitd'unesolution
stable. Ce i est ilustré en gure 1.1 où un point xe instable
A
est représenté sous formede portrait de phase en (a) et sous forme du dépla ement fon tion du temps sur la partie
droite (graphiques (b) et ( )). Dans le sens des temps dire ts, on par ourt la spirale de
A
versB
, s'éloignant du point xe, il est don instable; ependant, en par ourant la ourbedans le sens du temps dé roissant, on par ourt la spirale de
B
versA
. Temporellement,au lieu d'obtenir un signal qui diverge dans le sens du temps roissant omme illustré en
(b), on onverge vers un point xe dansle sens dé roissant du temps (graphique ( )). Cette
remarque est parfois utilisée pour arriver à retrouver des solutions instables ([MBC03℄) : au lieu d'intégrer l'équation diérentielle dans le sens du temps roissant omme on le fait
ouramment, on programme l'algorithme pour l'intégrer dansle sensdes temps dé roissants
de façon à re onstruire des y les limites, des points xe, et , di iles voire impossibles à
tra er par une intégrationtemporelle dire te.
1.2.3 Attra teurs et bassin d'attra tion
Lessolutionsquenous onsidéronsnesontgénéralementpasatteintesdèsl'instant initial.
Eneet,lesystèmepartde onditions initialesqui orrespondentrarement à ellesd'unedes
PSfragrepla ements
A
A
A
B
B
B
t
roissantt
roissantt
dé roissantt
dé roissantq
q
q
˙q
(a) (b) ( )Fig. 1.1 Illustrationdes temps dire tet indire t
estattiréparunedessolutionsstablesquel'onnommeaussiattra teur.Ilestainsiintéressant
dedénirlebassind'attra tionde ha unedessolutions, 'estàdirel'ensembledes onditions
inititales (
q(0), ˙q(0)
)tellesqu'auboutd'un ertaintemps,lesystèmerejoindra ettesolution.Pour le on epteur qui doit dimensionner une stru ture, ette information lui permet par
exemple de onnaîtrela perturbation maximale que lesystème, sursonrégime stationnaire,
peutsupportersansquittersonbassind'attra tion, 'est-à-direàl'issuedelaquelleilreviendra
à sonrégimeinitial etnon vers unautre.
Ce type de graphique est oûteux à obtenir dans la mesure où il né essite d'avoir testé
(don intégré temporellement) ungrand nombre de onditions initiales (idéalement une
in-nité). Deplus, sareprésentation est malaiséeet oblige à pro éderpar plande oupe lorsque
lesystème est onstitué deplus d'undegré deliberté(ddl).
Pour illustration,nousdonnonslagure1.2quireprésentelebassind'attra tionsimplié
d'un os illateur de Dung obtenu grâ e à une méthode de ell-mapping ( f. Se . 3.5). Sur
ette gure, on lit que trois solutions
S
1
,S
2
etS
3
oexistent. Puis, on lit que toutes les traje toires prenantleurs onditions initialessurlazoneblan he onvergeront versS
1
: ette zone onstitue lebassind'attra tiondeS
1
.Delamême façon,toutes lestraje toiresprenant leurs onditions initiales dansla zonerouge onvergeront versS
3
. Enn,S
2
se trouve surla frontière entreles bassins deS
1
et deS
3
, 'est-à-diresur une séparatri e. Cette solution est instable.1.2.4 Les outils de visualisation
And'identierdessolutionsau omportementtemporel omplexe,ilestjudi ieuxd'avoir
re oursauxoutilssuivants:lesportraitsdephase,lesse tionsdePoin aréetlesspe tres
fré-quentielsdansle asdessolutionspériodiquesouquasi-périodiques.Eneet,letra édusignal
au ours dutemps ne permetbien souvent pasd'endégager lesgrandeurs ara téristiques.
Portrait de phase
Le portrait de phase onsiste en général à tra er des ourbes
(q(t), ˙q(t))
paramétréespar lavariabletemporellet
pour diérentes onditions initiales(q(0), ˙q(0))
.q(t)
estfréquemmentPSfragrepla ements
q
˙q
S
1
S
2
S
3
un ve teurà
N
omposantes. Il fautalors pourêtrerigoureux,tra erN
portraits àpartirde ha unedesN
oordonnéesq
i
(t)
.Onobtient alors unréseau de ourbesé héesdanslesens des temps roissants, qui vont onverger vers des lieux quel'on dit attra teurs ou s'éloignerd'autreslieux quel'onnomme alorsrépulseurs ousolutions instables(silareprésentation est
faitepourdesdurées
t
assez longues).Ceslieuxquiressortentsontdessolutions.Un exemple de portrait de phase est proposé en gure 1.3 où l'on visualise deux traje toires issues de onditions initalesdiérentes(pointsB
etC
)venant s'enroulerversunpoint xeA
dont on déduit qu'ilest stable.PSfragrepla ements
q
˙q
A
B
C
t
ր
Fig. 1.3 Portrait de phases hématique
Se tion et appli ation de Poin aré
Unese tiondePoin arré onsisteleplussouventàrelever
(q(t), ˙q(t))
oux(t)
àdesinstants t régulièrement espa és.Ainsi, si
q(t)
estune solution périodique depériodeidentique àla période d'ex itationT
e
et si l'é hantillonage sefait à desinstantsespa és deT
e
,on obtient toujoursle même point.Si lasolution aune périodeégale à2T
e
etquel'é hantillonage estfaittouslesT
e
,onobtiendra deux pointsdistin ts. Pour une solution quasi-périodique à deuxfréquen es maîtresses dontl'uneest elledel'ex itation( omme 'estféquemmentle asaprèsunebifur ationdeHopf),
on obtiendra une ourbe fermée, et pour une solution haotique, un amas de points. Ces
se tions de Poin aré typessont illustrées par lagure 1.4.
Une autre façon de onstruire une se tion de Poin aré, beau oupmoins ren ontrée dans
lalittératureestderegarderl'interse tionde
x(t)
ave unhyperplanΣ
del'espa ed'étatsque l'onaura hoisi.Ladémar he n'estdon plusdemaîtriser l'intervalle detempsséparantdeuxrelevés onsé utifs,maisdemaîtriserlelieudel'espa ed'étatsoù espointssontrelevés.Ce i
n'est pertinent quedansle asdes systèmesà formulation autonome.
Ce relevé de points ee tué de l'une ou l'autre des façons peut permettre de onstruire
une appli ation, nomméeappli ation de Poin aré dénie ommesuit :
Dénition 1.4 : Appli ation de Poin aré
l'appli a-PSfragrepla ements
q
q
q
q
˙q
˙q
˙q
˙q
Point xe 7T-Périodique
Quasi-Périodique Chaotique
Fig.1.4 Se tionsde Poin aré s hématiques
tion :
P : IR
2N
→ IR
2N
x
0
→ P(x
0
) = x(t
p
), x(t)
étant solutionde (1.3)pour la onditioninitiale
x(0) = x
0
avet
p
un temps xé(souvent priségal àT
e
,périoded'ex itation du système).Dansle asd'unsystèmeautonome,nousnommerons appli ation dePoin aré l'appli ation :
P : IR
2N −1
→ IR
2N −1
x
0
→ P(x
0
),
première interse tion ave l'hyperplanΣ
dex(t)
solution de (1.3) de ondition initiale
x(0) = x
0
oùΣ
estun hyperplan de l'espa e d'états(IR
2N
) que l'ons'estdonné.
Dans ese ond as,l'appli ationdePoin aréestaussinomméeappli ationdepremierretour.2
L'intérêtd'unetelleappli ationestquel'ondiminued'unlatailledel'espa edanslequelon
travaille(éliminationdutemps
t
∈ IR
danslepremier as,d'unedimensiondel'espa ed'étatspar ajout d'une équation dans le se ond). De plus, on peut démontrer que la stabilité des
solutionsde ettefon tionestéquivalenteàlastabilitédessolutionsdel'équationdiérentielle
à partirdelaquelle elle aété onstruite ([Kuz04,Se . 1.5℄).
Spe tres fréquentiels
Un dernier outil d'analyse du signal est le tra é du spe tre fréquentiel. Ce i est très
ressortir nettement les ontributions fréquentiellesmajeures.Une façon trèssimple d'obtenir
un spe tre fréquentiel àpartir d'unsignal expérimental ou numérique (é hantilloné dans les
deux as) est le tra é de la transformée de Fourier dis rète (ou DFT pour Dis rete Fourier
Transform) quiestdénie ommesuit :
Dénition 1.5 : Transformée de Fourier dis rète (DFT)
Soit
q(t
k
), k
∈ {0, . . . , n}
les valeursde la solution étudiée à desinstantst
k
onstituant uné hantillonage de pas
h
de la duréeT = n
× h
enn + 1
points. La transformée de Fourierdis rète de e signalvaut :
F
q
(ν
j
) =
1
n
n−1
X
k=0
q(t
k
)e
−2iπν
j
t
k
, ν
j
=
j
T
, j
∈ {0, . . . , n − 1}
2Le module de
F
q
(ν
j
)
donne la ontribution en amplitude de la fréquen eν
j
asso iée au signalq(t)
.Il estainsifa iled'identier lessolutions périodiquesdont lespe trene omporte des pi s qu'en desmultiples d'une fréquen efondamentale et les solutions quasi-périodiquesdont les spe tresfont apparaître despi s auxmultiples des fréquen esmaîtresses etdeleurs
ombinaisons linéaires.
Lagure1.5illustrel'intérêtd'unteloutil.Lesignaltemporelreprésentéen(a)vaut
q(t) =
0.4 + cos(2πt) + 0.2 cos(4πt) + cos(
√
22πt)
.La présen e de deux ontributions fréquentiellesin ommensurables (
1
et√
2
) rendle dé hirage du signaltemporelimpossible.En revan he,la gure (b)représente la norme de sa DFT(pour une période d'étude
T = 10s
etn = 500
points d'é hantillonage). On observe une symétrie des valeurs autour de
f = 25Hz
; ettesymétrie provient dufaitque
ν
j
= ¯
ν
n−j
.Lagure( )réaliseunzoomsurles premierspi set permetbiende retrouver(ave lapré ision permisepar ladis rétisation,1/T
) les diérentes fréquen esmises enjeuetlahauteurde leur ontribution :ν
0
= 0
Hzpourleterme onstant,ν
1
= 1
Hz etν
2
=
√
2
≈ 1.4
Hz.1.2.5 Classi ation des solutions
Onapourhabitudede lasserles solutionsenpointshyperboliquesetnon-hyperboliques.
Ce i donne lieu à un ertain nombre de noms qu'il est bon de onnaître pour pouvoir
om-prendre lalittérature. Nousnous limitons àla lassi ation despointsxes et dessolutions
périodiquesqui onstitueront la majeure partie de notre étude. Nousmentionnons entre
pa-renthèses les appellations anglophones dans la mesure où la totalité des ouvrages que nous
avons onsidérée est ainsirédigée.
Classi ation des points xes
Soit
x
0
un point xe de l'équation (1.3). On noteraλ
i
, i = 1..2N
les valeurspropres de laja obienneD
x
F (x
0
)
deF
en e point.Sitoutes lesvaleurspropresλ
i
ont unepartie réelle nonnulle,lepointxeestdithyperbolique;sinon,ilestditnon-hyperbolique.L'arbores en e0
1
2
3
4
5
6
7
8
9
10
−2
−1
0
1
2
3
0
5
10
15
20
25
30
35
40
45
50
0
0.2
0.4
0.6
0.8
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0
0.2
0.4
0.6
0.8
PSfragrepla ementst
(s)q
ν
(Hz)ν
(Hz)|F
q
|
|F
q
|
ν
0
ν
1
ν
2
2ν
1
(a) Signal temporel
(b) Spe tre fréquentieltotal
( ) Spe trefréquentiel:zoomsurles bassesfréquen es
Point xe hyperbolique (hyperboli xed point) :
∀ i ∈ [[1, 2N]], Re(λ
i
)
6= 0
Puits (Sink):∀ i ∈ [[1, 2N]], Re(λ
i
) < 0
Noeudstable(Stable node):
∀ i ∈ [[1, 2N]], λ
i
∈ IR
Foyer stable(Stable fo us):∃ i ∈ [[1, 2N]], Im(λ
i
)
6= 0
Sour e(Sour e) :∀ i ∈ [[1, 2N]], Re(λ
i
) > 0
Noeudinstable (Unstablenode):
∀ i ∈ [[1, 2N]], λ
i
∈ IR
Foyer instable(Unstable fo us):∃ i ∈ [[1, 2N]], Im(λ
i
)
6= 0
Noeud selleounoeud ol(Saddle) :
∃ i, j ∈ [[1, 2N]], Re(λ
i
)Re(λ
j
) < 0
Instable à la fois dans les temps dire ts et indire ts, on qualie aussi en anglais un
tel point denonstablexedpoint (etnon unstablexedpoint)pour marquer
ette spé i ité.
Point xe non-hyperbolique(non-hyperboli xed point) :
∃ i ∈ [[1, 2N]], Re(λ
i
) = 0
Point xenon-hyperbolique instable(Unstable non-hyperboli xed point):
∃ j ∈ [[1, 2N]], Re(λ
j
) > 0
Point xeneutralement stable(Neutrally (ou marginally)stablenon-hyperboli xedpoint):
∀ i ∈ [[1, N]], Re(λ
i
)
≤ 0
Centre (Center):
∀ i ∈ [[1, 2N]], Re(λ
i
) = 0, Im(λ
i
)
6= 0
Les pointsxes hyperboliques sont illustréspar leurs portraits dephase en gure1.6.
PSfragrepla ements
q
q
q
q
q
˙q
˙q
˙q
˙q
˙q
Noeud stable Foyerstable Noeud instable Foyerinstable Point selleFig. 1.6 Portraits de phase typesdesdiérentes lasses de pointsxes hyperboliques
Classi ation des y les limites (ou solutions périodiques)
La lassi ation des y les limites alque elle du point xe dans la mesure où l'étude
( f. 1.2.4). Par onséquent, en s'appuyant ette fois sur la se tion de Poin aré asso iée et non plussurle portrait dephase, l'analyse pré édente peutsedé liner defaçon analogue.
1.3 Notions de ontinuation et bifur ations
Nous avons onsidéré, dansledébutde e hapitre, unsystème d'équationsnon-linéaires
de la forme (1.3), 'est-à-dire dont tous les paramètres sont xés et onstants. Ce système
possède des solutions dont nous avons donné un aperçu et des moyens de ara térisation
dansles paragraphespré édents. Il peutmaintenant sembler intéressant de her heràsavoir
omment es solutions évoluent lorsqu'undesparamètres dusystème, notons le
µ
, varie.En formulationlinéaire,ontra efréquemmentdesfrf(fon tionsderéponseenfréquen e)defaçonà voir l'évolutiondesamplitudes dumouvement d'unpoint de la stru tureen fon tion de la
fréquen e d'ex itation. Le paramètre
µ
serait donf
e
, lafréquen e d'ex itation du système. Dansle asdesystèmestournantsoùl'ex itationestdueàunbalourd(mauvaiséquilibrage),l'ex itation dépend, en fréquen e et en amplitude, de la vitesse de rotation du système. Il
est ainsi fréquent de onsidérer
Ω
, vitesse de rotation omme le paramètre variant, aussi appelé paramètre de ontinuation. Formellement, on fait alors apparaître e paramètre dansla fon tion
F
régissant l'évolution temporelle du système dans une formulation analogue à(1.3) :
˙x = F (x, t, µ)
(1.5)L'étude del'évolutiondessolutions lorsqueleparamètre
µ
varies'appelleuneétudedeonti-nuation - partant du prin ipe qu'il existe généralement une ertaine ontinuité entre une
solution du systèmepour une valeur
µ
0
du paramètre et elleobtenue pour une valeur deµ
inniement pro he deµ
0
.Cependant, il arrive queles solutions hangent radi alement pour ertaines valeurs ritiques du paramètreµ
. On appelle es points des points de bifur ation. Ainsi, une étude de ontinuation omplète d'un système onsiste en le suivi et l'analyse enstabilité et bifur ation de toutes les solutions d'un système non-linéaire obtenues pour une
valeurinitiale de
µ
lorsque e paramètre évolue surundomaine donné.Nous onsa rerons lase onde partie de e hapitre àl'exposédesprin ipalesbifur ations
despointsxes etdessolutions périodiques.
1.3.1 Bifur ations
Les points de bifur ation sont des points
(x, µ)
où une solution hange de nature ou de stabilitélorsqueleparamètrede ontinuationévolue.Sil'on omparedeuxportraitsdephasedu systèmejuste avant etjuste après un point de bifur ation, ildoit yavoir un hangement
notable dans la nature, la stabilité et le nombre des solutions observées. Les bifur ations
possiblespour unsystème étudié sous lavariation d'unseul paramètre de ontinuation sont
bien répertoriées et ara térisées dans la littérature (on pourra par exemple se référer aux
ouvrages [NB95,Kuz04℄et[TS02,Chap.13℄).
Il est intéressant de faire ladistin tion entre lesbifur ations ontinues etles bifur ations
dis ontinues ou atastrophiques :danslepremier as, lasolution ontinuée hange de nature
yapertedelasolution ontinuée (quidevient instable)maisonnegagnepasdenouvelle
solutionstabledefaçon ontinue.Ondoitalorsmeneruneanalyseglobale, 'est-à-diresonder
l'espa e d'états, pourtrouverd'autres solutions stablesque lesystèmepeut a ro her.
Enn, omme pré isé en 1.2.2,l'étude de la stabilité et elle desbifur ations reposent généralement sur lesmême indi ateurs. Nousles avons don regroupéesi i.
Stabilité et bifur ation des points xes
Soit
x
∗
une solution de (1.5) pour une valeur
µ
0
du paramètre de ontinuation. L'étude de la stabilité et des bifur ations se fait grâ e aux valeurs propres de la ja obienneJ =
D
x
F (x
∗
, µ
0
)
qui est onstante dansle temps étant donné quex
∗
est un point xe. On note
λ
i
, i
∈ {1, . . . , 2N}
,sesvaleurspropres.Stabilité : signe de lapartie réelledes valeurspropres
λ
i
parties réelles toutes stri tement négatives :stabilitéasymptotique
parties réelles nullesou négatives, pasde valeurpropre nulle :stabilité
une partie réelleau moinsstri tement positive :instabilité
Bifur ation : annulation delapartie réelle d'unevaleur propreau moins
une valeur propre réelle s'annule : bifur ation type Turning Point (retournement),
Trans ritique ( roisement de deux bran hes de points xes) ou Pit hfork
(appari-tion/disparition de deuxbran hesde pointsxes)
Ces bifur ationssont dites statiques.
deuxvaleurspropres omplexes onjuguées oupentl'axeimaginaire:bifur ationtype
Hopf (apparition/disparition d'une solutionpériodique).
Ces bifur ationssont dites dynamiques.
La gure1.7 donnel'allure de es bifur ations.
Stabilité et Bifur ation des y les limites
Soit
x
∗
(t)
une solution
T
−
périodique de(1.5) pourune valeurµ
0
du paramètrede onti-nuation.L'étude desastabilitéetdesesbifur ationssefaitpar l'étudedesvaleurspropres dela matri e de monodromie
Φ
(voir 2.3.2 pour son al ul) qui possède la propriété suivante par rapport àune pertubationz(t)
dex
∗
(t)
:
∀ t > 0, z(t + T ) = Φz(t)
Onnotesesvaleurspropres
ρ
i
, i
∈ {1, . . . , 2N}
.Ellessenomment ourammentmultipli ateurs de Floquet.Pré isons que dans le as d'un système autonome, l'une des valeurs propres vaut
sys-tématiquement 1. Il faut alors ex lure ette valeur propre parti ulière des ritères donnés
i-dessous. Onpourra onsulter [NB95,Se . 3.2.1℄pour ladémonstrationde e résultat. Stabilité : moduledesvaleurspropres
ρ
i
deΦ
module stri tement inférieur à1 :stabilitéasymptotique
module inférieurou égalà 1: stabilité
−−
PSfragrepla ements
Point de retournement
Trans ritique
Pit hfork sur- ritique Pit hfork sous- ritique
Hopfsur- ritique Hopf sous- ritique
Stable Instable Point xe Cy le limite Bifur ations Bifur ations ontinues atastrophiques
µ
µ
µ
µ
µ
µ
x
x
x
x
x
x
Bifur ation : traversée du er leunitédans leplan omplexe par unedes valeurspropres
sortie du er lepar +1 :trans ritique, symmetry-breaking, y li -fold
sortie du er le par -1 : period doubling ou ip (doublement de la période de la
solution)
sortie du er lepar
C\{−1, +1}
:Hopf (apparition d'unesolutionquasi-périodique) Ces diérents assont résumés surlagure1.3.1PSfragrepla ements
Im(ρ
i
)
Re(ρ
i
)
1 Period doubling ou Flip Trans ritique, symmetry-breaking, y li -fold HopfFig.1.8 Bifur ations dessolutions périodiquesselon laposition
des oe ients de Floquet dansleplan omplexe
1.3.2 Diagramme de bifur ation
Undiagramme debifur ation représentel'évolution dessolutionsau oursdelavariation
du paramètrede ontinuation
µ
.Ilestgénéralement obtenu paré hantillonage dusignalàla fréquen e d'ex itation.Ondonne surla gure 1.9l'allure desdiérentes solutions vue surun diagramme de bi-fur ation.Onreprésenteleparamètrede ontinuationenabs isseetenordonnée,l'amplitude
d'une des in onnues du système, é hantillonnée à une fréquen e donnée (généralement
f
e
). Nousn'avonsreprésentéi i quelessolutions stablesdusystème omme 'estgénéralement leas danslalittérature.
Untel diagrammesoured'insusan es danslamesureoùune perted'informations
sur-vient parl'intermédiaire del'é hantillonage :onnepeutparexemple pasdistinguer unpoint
xe d'une solution périodique dont lapériode estmultiple de elleutilisée pour
l'é hantillo-nage. Demême,onperdgénéralement l'information surles amplitudesdessignauxlorsqu'ils
ne sont pas onstants. Ce iest symptomatique de la omplexité des systèmesnon-linéaires :
les deux dimensions (voire trois en s'appliquant) à notre disposition pour représenter
vi-suellement toutes les informations sont généralement insusantes. Malgré tout, e type de
graphique permetd'avoir unaperçurapide del'évolution du omportement dusystème etse
trouve très répandudanslalittérature.
1.4 Con lusion : enjeux
Au terme de e premier hapitre, on aperçoitles di ultés liées à l'analyse globaled'un
PSfragrepla ements
µ
x
Périodique (f
e
) 2T-Périodique (f
e
/2
) puis4T-Périodique (f
e
/4
) Quasi-périodique ChaotiqueFig.1.9 Diagramme debifur ation s hématique
trouver, pour une valeur du paramètre donné, toutes les solutions - qui peuvent être de
natures diverses- puisilfaut ensuitesavoir al ulerleur évolution,leur stabilite,déte terles
pointsde bifur ationetéventuellement onstruire lessolutions qui naissent en espoints.
Le hapitre suivant passe en revue l'essentiel des te hniques numériques permettant de
réaliser esdiérentestâ hes.Ilnetraitepasl'aspe t oûtde al ulquenousaborderonsdans
Méthodes d'étude lassiques (lo ales)
A l'issue du premier hapitre, nous avons eu un aperçu des diérents phénomènes
non-linéairesquidistinguent essystèmesdessystèmeslinéaires lassiques.Nousdédions edeuxième
hapitre aux outils d'étude lo ale de tels modèles. Nous ommen erons par e qu'il y a de
plus naturel, 'est-à-dire lesalgorithmes d'intégration temporelle.Nousdonneronsensuite les
grands prin ipes des algorithmes de résolution de systèmes non-linéaires algébriques. Munis
de es deux appro hes, nous exposerons les méthodes non-linéaires dédiées à la onstru tion
et à l'étude des pointsxes et des y les limites. Enn,nous donnerons les prin ipales lefs
de la mise en ÷uvre d'uneétude de ontinuation.
2.1 Algorithmes d'intégration temporelle
L'utilisationd'intégrationtemporelleestinévitable, tant pour la onstru tion de se tions
de Poin aré que pour une analyse de type Floquet ( f. 2.3.2) et d'une façon générale elle onforte, en dernier lieu, les résultats obtenus par d'autres méthodes. Il existe diérents
types de s hémas d'intégration ayant ha un leurs avantages et in onvénients en termes de
oût numérique, de pré ision etde stabilité. Nousprésentons dans ette se tionles s hémas
prin ipaux etlesnotionsqui servent àévaluerleurs performan es.Atitred'introdu tion aux
2.1.1 Notions essentielles pour qualier un s héma d'intégration
tempo-relle
Lorsquel'onseramèneàune équationdupremierordrede laforme(1.3) etquel'onnote
x
n
= x(t
n
)
,on pourra généralement mettrel'algorithmenumérique souslaforme :x
n+1
=
m
X
j=1
α
j
x
n+1−j
− h ×
m
X
j=0
β
j
˙x
n+1−j
, h = t
n+1
− t
n
(2.1)Ondistingue alors deuxgrandes atégories de s hémas :
Dénition 2.1 : S héma d'intégration temporelle expli ite ou impli ite
Si
β
0
= 0
, le s héma est dit expli ite :x
n+1
peut être al ulé à partir desrésultats al ulés auxpasde temps pré édents.Si
β
0
6= 0
,le s hémaestdit impli ite :x
n+1
dépend desapropre dérivée. 2Lesalgorithmes à s héma expli ite ne sont pasin onditionnellement stables maisprésentent
l'avantaged'unfaible oûtde al ul arlesopérationsàmenerà haqueitérationserésumentà
du al ulve toriel(sommesetproduits).Pourlesalgorithmesàs hémaimpli ite,enrevan he,
les équations dumouvements doivent êtreremaniées avant d'être résolues etlasolution sera
obtenuedefaçonitérativedansle asnon-linéaire.Ilssontgénéralementin onditionnellement
stables maisprésentent un oûtde al ulélevé arils né essitent larésolution d'unsystème
d'équationsà haqueitération.
Dénition 2.2 : Consistan e d'une méthode d'intégration
Uns hémad'intégrationtemporelleest onsistantsietseulementsi
lim
h→0
x
n+1
− x
n
h
= ˙x(t
n
)
.2La onsistan ed'uns hémad'intégrationest unélément fondamentaldanslamesure oùelle
assure que la solution exa te des équations diérentielles dis rétisées tend vers la solution
exa tedeséquations ontinues lorsquele pasdedis rétisation tendvers
0
.Dénition 2.3 : Stabilité d'une méthode d'intégration
Uns hémad'intégrationdire teestditstablesietseulement s'ilexisteunpas
h
0
> 0
telquepour tout pas
h
∈ [0 h
0
]
, pour toute perturbation nie dex
n
à l'instantt
n
, lamodi ationdes
x
n+j
, j
≥ 1
est non roissante. 2Un s héma stable ne signie pas qu'il onverge vers lasolution maisque ladiéren e entre
la solution numérique obtenue etla solution exa te est bornée. Ainsi, on utilise le termede
pré isionpourqualierlaproximitédurésultatobtenuparintégrationtemporelleàlasolution
réelle.Less hémaslespluspré issontless hémas àlalimitedelastabilitéetdel'instabilité.
En eet, un s héma instable a tendan e à faire diverger les amplitudes alors qu'un s héma
stable a tendan e à les atténuer. L'idéal est don un s héma à la frontière qui les reproduit
Dans le as des systèmes non-linéaires, il n'est pas toujours possible de déterminer par
avan elastabilitédel'algorithmeutilisé.Ilestintéressantalorsdevérierquel'ona
onserva-tiondel'énergie.Ce i,eneet,doitêtrené essairementvériéet onstitueun ritère lassique
de stabilité d'unalgorithme.
2.1.2 Cas des systèmes linéaires
Nous onsidèreronsdans ettese tionlesproblèmesdiérentielslinéairesdelaforme(2.2).
˙x = J.x + F
e
(t)
(2.2)Ilesteneetplusaisédedénirless hémassurdessystèmeslinéaires aronpeutalors
quan-tier analytiquement les notions énon ées pré édemment. Nousdonnerons leurs adaptations
aux systèmesnon-linéaires danslase tion suivante.
Nous ommen erons ette se tionpar une re her he dupasoptimal en temps. Nous
pré-sentonsensuitedeux méthodes parti ulières:la méthode de Newmark, qui estune méthode
impli ite àunpas(m=1), puislaméthodedesdiéren esnies entrées quiestuneméthode
expli ite.
Valeur du pas en temps pourune pré isionoptimale
La question du pas de temps est primordiale : un pas de temps trop grand génère des
impré isions, un pas de temps troppetit rend le al ul oûteux et a umule inutilement les
erreurs numériques. Il est don important de le hoisir judi ieusement. Comme expliqué au
paragraphe pré édent, le as idéal pour la pré ision du al ul est un s héma à la limite de
la stabilité. Reprenons don la dénition de la stabilité pour en déduire le pas optimal et
posons
z
n
une petite perturbation dex
n
à l'instantt
n
. L'équation (2.2) nous donne que la perturbationrespe tel'équation˙z
n+1
= J.z
n+1
.Enréinje tant esexpressionsdansl'équation (2.1),onobtient :m
X
j=0
(α
j
I
− h × β
j
J) z
n+1−j
= 0, α
0
=
−1
(2.3)Onposeensuite
µ
i
, i
∈ {1, . . . , 2N}
lesvaleurspropres deJ
(supposéederang2N
) quel'on réunit dans la matri e diagonaleµ
, et on noteX
la matri e des ve teurs propres (normés) asso iés.Onpeutainsié rirel'équation ara téristiquede(2.3)enposantz
n+1−m+k
= λ
k
X ˜
z
:m
X
j=0
(α
j
I
− h × β
j
A) λ
m−j
X ˜
z = 0
En prémultipliant parX
t
et en utilisant la relation d'orthogonalité des ve teurs propres
X
t
X = I
,onobtient alors :
m
X
j=0
α
j
I
− h × β
j
µ
λ
m−j
z = 0
˜
⇔ ∀ k ∈ [[1, 2N]],
m
X
j=0
(α
j
− hµ
k
β
j
) λ
m−j
= 0
Commeilestfa iledes'aper evoirqueles hémaeststablesietseulementsi
|λ| ≤ 1
,onpeut é rire àlafrontière entre stabilitéetinstabilitéλ = e
iθ
, 0
≤ θ < 2π
Ainsi, dansle asgénéral lalimite de stabilité estobtenue pour
µh =
m
X
j=0
α
j
e
iθ(m−j)
m
X
j=0
β
j
e
iθ(m−j)
(2.4) Méthode de NewmarkLadémonstrationdel'élaborationde etteméthodepermetdebien omprendrel'appro he
dess hémas d'intégration temporelle etses diérents points lés;nousl'exposeronsdon en
détail.
Cette méthode étant initialement dédiée aux équations lassiques de la dynamique, nous
utiliserons leformalisme suivant, équivalent linéaire de laformulation (1.1) :
M.¨
q + C. ˙q + K.q = f
e
(t)
(2.5)Cetteméthodereposesurundéveloppementaupremierordreetuneapproximationdesrestes
intégrauxpar quadrature numérique :
- Développement aupremier ordrede
q(t
n
+ h)
et˙q(t
n
+ h) :
q
n+1
= q
n
+ h ˙q
n
+
Z
t
n+1
t
n
¨
q(τ )(t
n
+ h
− τ)dτ
˙q
n+1
= ˙q
n
+
Z
t
n+1
t
n
¨
q(τ )dτ
- Approximationdes restesintégraux
:
(a)
:q
¨
n
= ¨
q(τ ) + q
(3)
(τ )(t
n
− τ) + . . .
(b)
:q
¨
n+1
= ¨
q(τ ) + q
(3)
(τ )(t
n+1
− τ) + . . .
(1
− γ)(a) + γ(b)
:q(τ ) = (1
¨
− γ)¨q
n
+ γ ¨
q
n+1
+ q
(3)
(τ )(τ
− hγ − t
n
) + O(h
2
q
(4)
)
(1
− 2β(a)) + 2β(b)
:q(τ ) = (1
¨
− 2β)¨q
n
+ 2β ¨
q
n+1
+ q
(3)
(τ )(τ
− 2hβ − t
n
) + O(h
2
q
(4)
)
⇒
Z
t
n+1
t
n
¨
q(τ )dτ = [(1
− γ)¨q
n
+ γ ¨
q
n+1
] h + r
n
Z
t
n+1
t
n
¨
q(τ )(t
n
+ h
− τ)dτ = [(1/2 − β)¨q
n
+ β ¨
q
n+1
] h
2
+ r
′
n
,
r
n
= (γ
− 1/2)h
2
q
(3)
(˜
τ ) + O(h
3
q
(4)
), t
n
< ˜
τ < t
n+1
r
′
n
= (β
− 1/6)h
3
q
(3)
(˜
τ ) + O(h
4
q
(4)
)
A e stade, on voit que le hoix des onstantes
γ
etβ
inuen e grandement l'algorithme.Deux assont fréquemment ren ontrés :
a)
γ = 1/2, β = 1/6
: e asrevientàuneinterpolationlinéairedesa élérationssur[t
n
t
n+1
]
,¨
q(τ ) = ¨
q
n
+ (τ
− t
n
)(¨
q
n+1
− ¨q
n
)/h
.b)
γ = 1/2, β = 1/4
: e as revient à utiliser une valeur moyenne de l'a élération surOnadon dansle asgénéral les héma impli itesuivant :
(
q
n+1
˙q
n+1
)
=
(
q
n
˙q
n
)
+
(
h ˙q
n
+ h
2
(1/2
− β)¨q
n
+ h
2
β ¨
q
n+1
(1
− γ)h¨q
n
+ γh¨
q
n+1
)
(2.6)Comme nous l'avons déjà dit en introduisant les méthodes impli ites, il est né essaire de
reformuler les équations pour arriver à résoudrele système. Defaçon à pouvoir al uler une
valeur appro hée de
q
¨
n+1
,on réinje tele s héma(2.6) dansl'équation(2.5):M + γhC + βh
2
K
.¨
q
n+1
= f
e
(t
n+1
)
−
C.˜˙
q
n+1
+ K.˜
q
n+1
(2.7) aveq
˜
n+1
= q
n
+ h ˙q
n
+ (1/2
− β)h
2
q
¨
n
et˜˙q
n+1
= ˙q
n
+ (1
− γ)h¨q
n
Une fois
q
¨
n+1
évalué, ilne reste plusqu'à ee tuer les orre tions surq
n+1
et˙q
n+1
.L'algorithme ompletpermettant de mettreen ÷uvrelaméthode estprésentéengure 2.1.
Méthode des diéren es nies entrées
Laméthodedesdiéren esnies entréesestéquivalenteàuneméthodedeNewmarkave
γ = 1/2
etβ = 0
:(
q
n+1
˙q
n+1
)
=
(
q
n
˙q
n
)
+
(
h ˙q
n
+ (h
2
/2)¨
q
n
(h/2)(¨
q
n
+ ¨
q
n+1
)
)
(2.8)On peutalors mettre e systèmesous une formeà troispasen exprimant
q
n
:q
n
= q
n−1
+ h ˙q
n−1
+ (h
2
/2)¨
q
n−1
En réinje tant dansladeuxième équation de(2.8) eten divisant letoutpar
h
,on obtient :q
n+1
− q
n
h
−
q
n
− q
n−1
h
= ˙q
n
− ˙q
n−1
+ (h/2)(¨
q
n
− ¨q
n−1
)
Puis, en remplaçant˙q
n
par˙q
n−1
+ (h/2)(¨
q
n
+ ¨
q
n−1
)
(première équation de (2.8) é rite àl'instant pré édent), onobtient :
¨
q
n
=
q
n+1
− 2q
n
+ q
n−1
h
2
(2.9)2.1.3 Cas des systèmes non-linéaires
Nousprésentonsmaintenant l'adaptationde laméthode deNewmarkàdessystèmes
non-linéaires. On utilisera la formulation (1.1) des équations. Le prin ipe est le même que dans le asdessystèmes linéaires:on ee tueune prédi tion
q
˜
n+1
et˜˙q
n+1
en fon tion destermesq
n
, ˙q
n
etq
¨
n
, puis on évalueq
¨
n+1
que l'on réinje te pour obtenirq
n+1
et˙q
n+1
. La diéren e prin ipale ave le traitement des systèmes linéaires est l'évaluation deq
¨
n+1
etla orre tion des termesq
n+1
et˙q
n+1
qui en résulte. En eet, lorsque l'on é ritl'équivalent de l'équation (2.7),onobtient lesystèmenon-linéaire suivant (d'in onnueq
¨
n+1
) :M + γhC + βh
2
K
.¨
q
n+1
= f
e
(t
n+1
)
−
C.˜˙
q
n+1
+ K.˜
q
n+1
M, C, K, f
e
(t), q
0
, ˙q
0
? Cal ul deq
¨
0
,n
← 0
? In rément temporel:t
n+1
= t
n
+ h
? Prédi tion :˜
¨
q
n+1
= 0
˜˙q
n+1
= ˙q
n
+ (1
− γ)h¨q
n
˜
q
n+1
= q
n
+ h ˙q
n
+ h
2
(1/2
− β)¨q
n
? Cal ulde l'a élération :S = M + γhC + βh
2
K
S.¨
q
n+1
= f
e
(t
n+1
)
− C.˜˙q
n+1
− K.˜q
n+1
? Corre tion:˙q
n+1
= ˜˙
q
n+1
+ hγ ¨
q
n+1
q
n+1
= ˜
q
n+1
+ h
2
β ¨
q
n+1
? (Optionnel) Evaluationde lastabilitédel'algorithmepar bilan énergétique 6
n
← n + 1
-Fig. 2.1 Algorithme d'intégration temporelle par une méthode de Newmark - Système