Vous êtes sur la page 1sur 38

Commande numérique des systèmes

Fondements théoriques

G. Iuliana Bara et Michel de Mathelin

Télécom Physique Strasbourg – Master 1 IRIV

2013-2014
IV Table des matières

4.2.2 Transmittance échantillonnée des systèmes ouverts . . . 31


4.2.3 Transmittance échantillonnée des systèmes bouclés . . . 33

5 Analyse des systèmes échantillonnés 37


5.1 Réponse des systèmes échantillonnés . . . . . . . . . . . . . . . . . 37
5.1.1 Pôles . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.2 Zéros . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.1.3 Réponse temporelle des systèmes échantillonnés . . . . . 41
5.2 Réponse fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3.1 Critère général de stabilité . . . . . . . . . . . . . . . . 47
Table des matières 5.3.2 Critères algébriques de stabilité . . . . . . . . . . . . . . 47

6 Analyse des systèmes échantillonnés en boucle fermée 51


6.1 Structure des systèmes à commande numérique . . . . . . . . . . . 51
6.2 Critère de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.2.1 Théorème de Cauchy . . . . . . . . . . . . . . . . . . . 53
6.2.2 Contour de Nyquist . . . . . . . . . . . . . . . . . . . . 54
6.2.3 Critère de Nyquist . . . . . . . . . . . . . . . . . . . . . 54
1 Introduction générale 1
6.2.4 Contour de Nyquist pour des pôles sur le cercle unité . . 55
2 Échantillonnage d’un signal 5 6.2.5 Critère de Nyquist pour des systèmes en BO stables . . . 55
2.1 Échantillonnage idéal . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.3 Lieu d’Evans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2 Transformée de Laplace d’un signal échantillonné . . . . . . . . . . 7 6.3.1 Définition du lieu d’Evans . . . . . . . . . . . . . . . . . 56
2.3 Spectre du signal échantillonné . . . . . . . . . . . . . . . . . . . . 8 6.3.2 Règles de construction du lieu d’Evans . . . . . . . . . . 57
ωe 6.4 Précision des systèmes asservis échantillonnés . . . . . . . . . . . . 61
2.3.1 Cas où ωM ≤ . . . . . . . . . . . . . . . . . . . . . 9
2 6.4.1 Expression de l’erreur . . . . . . . . . . . . . . . . . . . 61
ωe 6.4.2 Erreur due aux perturbations . . . . . . . . . . . . . . . 64
2.3.2 Cas où ωM > . . . . . . . . . . . . . . . . . . . . . 10
2
2.3.3 Théorème de Shannon . . . . . . . . . . . . . . . . . . 10 A Table de transformées en z 65
2.3.4 Filtre anti-repliement . . . . . . . . . . . . . . . . . . . 10
2.4 Reconstruction du signal . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.1 Reconstruction idéale . . . . . . . . . . . . . . . . . . . 11
2.4.2 Reconstruction approchée . . . . . . . . . . . . . . . . . 12

3 Transformée en Z 15
3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Correspondance entre les plans en s et en z . . . . . . . . . . . . . 16
3.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Transformée en z inverse . . . . . . . . . . . . . . . . . . . . . . . 19
3.4.1 Décomposition en éléments simples . . . . . . . . . . . . 20
3.4.2 Division polynomiale . . . . . . . . . . . . . . . . . . . 21
3.4.3 Formule d’inversion . . . . . . . . . . . . . . . . . . . . 22
3.5 Application à la résolution des équations aux différences . . . . . . 23

4 Transmittance des systèmes échantillonnés 27


4.1 Systèmes linéaires à temps discret . . . . . . . . . . . . . . . . . . 27
4.2 Modélisation des systèmes échantillonnés . . . . . . . . . . . . . . 29
4.2.1 Transmittance échantillonnée . . . . . . . . . . . . . . . 29
VI

Notations et abréviations

CAN convertisseur analogique-numérique


CNA convertisseur numérique-analogique

Te période d’échantillonnage
δ(t) fonction impulsion de Dirac
δTe (t) fonction peigne (d’impulsions) de Dirac

L{f (t)} transformée de Laplace de f (t)


F {f (t)} transformée de Fourier de f (t)
F −1 {f (t)} transformée de Fourier inverse de f (t)
Z{f (t)} transformée en Z de f (t)
Z −1 {f (t)} transformée en Z inverse de f (t)

V
2 Introduction générale

des actionneurs. C(s) est la fonction de transfert du correcteur tandis que H(s) est la
fonction de transfert du système de mesure (capteurs).

w(t)

Chapitre 1 r(t)
+

ǫ(t)
C(s)
u(t)
+ G(s)
y(t)

+ H(s)
Introduction générale ym (t)
v(t)

Figure 1.2 – Asservissement continu


La théorie des asservissements est un domaine majeur de l’automatique. Elle a comme
objectif la conception des lois de commande destinées à garantir une “réponse satisfai-
sante” pour un processus physique. Par “réponse satisfaisante” on comprend que la sortie Nous rappelons brièvement la signification des signaux constituant la boucle de régula-
du processus est forcée à suivre ou à poursuivre un signal de consigne (ou un signal de tion :
référence) et cela : – r(t) est le signal de consigne ou le signal de référence,
– en optimisant les performances de suivi de consigne – y(t) le signal de sortie du processus qui constitue le signal à contrôler,
– et en minimisant l’effet des perturbations et du bruit de mesure. – ym (t) le signal mesuré issu du système de mesure,
Dans des cas particuliers, le système de commande peut fonctionner en boucle ouverte – ǫ(t) l’erreur par rapport à la consigne,
à partir d’un signal de consigne. Cependant, uniquement un asservissement en boucle – u(t) le signal la commande généré par le correcteur.
fermée est capable de stabiliser un système instable en boucle ouverte et de compenser les De nos jours, grâce aux développements de l’électronique et de l’informatique, la plu-
perturbations externes, le bruit de mesure et les incertitudes internes au processus phy- part des lois de commande sont implémentées sur des micro-ordinateurs ou processeurs
sique lui-même. Le principe général de la boucle d’asservissement est montré figure 1.1. numériques. L’implémentation d’algorithmes de commande sur ordinateur, comparée à
une réalisation analogique, offre des nombreux atouts : coût faible, précision élevée et
insensibilité aux bruits, facilité d’implémentation et souplesse par rapport aux modifi-
Perturbations
cations. Par ailleurs, le pilotage d’un procédé par un même PC implémentant toutes les
Consigne Sortie fonctions de pilotage (supervision, régulation, interface homme-machine) est particuliè-
Correcteur Processus
+ rement confortable pour l’opérateur.

L’objectif de ce cours est d’étudier les asservissements numériques c’est à dire le


Mesure problème de l’utilisation, en temps réel, de calculateurs ou processeurs numériques afin
de commander, piloter des processus physiques. Pour cela, il faut d’abord représenter et
Bruit de mesure
étudier les différentes interactions qui apparaissent entre les signaux du procédé à temps
Figure 1.1 – Boucle d’asservissement continu (partie analogique) et les signaux utilisés par un ordinateur numérique qui se
présentent sous forme de suites de valeurs numériques (partie numérique). Comme il a
été schématisé sur la figure 1.3, la commande par ordinateur nécessite la mise en œuvre
d’une interface entre le calculateur et le procédé. Ceci est obtenu à l’aide :
La loi de commande est générée par un système de commande qu’on appelle correcteur
ou compensateur. Comme sa mise en œuvre est réalisé avec des systèmes concrets, qui – d’un convertisseur numérique-analogique (CNA) permettant d’envoyer les ordres
du processeur vers l’actionneur du processus,
peuvent être analogiques ou numériques, alors on parle d’asservissements continus ou
d’asservissements numériques. – d’un convertisseur analogique-numérique (CAN) transmettant au processeur les
mesures acquises sur le procédée par le système de mesure.
La boucle d’asservissement avec un correcteur continu est illustrée par la figure 1.2. Ces éléments mettent en jeu des signaux analogiques et discrets d’ou l’opération d’échan-
Le bloc G(s) représente la fonction de transfert du processus continu qui inclut non seule- tillonnage et la notion de système échantillonné. Sans entrer dans les détails, pour l’ins-
ment les équations du processus physique proprement dit mais également la dynamique tant, de la régulation numérique, notons que la juxtaposition de signaux aussi différents

1
Introduction générale 3 4 Introduction générale

w(t)

r(kTe ) ǫ(kTe ) u(kTe ) y(t)


C(z) CNA + G(s)
+

Te

CAN + H(s)

Te v(t)

Partie numérique Partie analogique

Figure 1.3 – Asservissement échantillonné/numérique

engendre des nombreux problèmes et difficultés. Ce cours mettra en évidence ces diffi-
cultés et présentera les différentes solutions et méthodes permettant la mise en œuvre
des lois de commande numériques.
6 Échantillonnage d’un signal

δTe (t)

X
δTe (t) = δ(t − kTe )
k=−∞

Te 2Te t

2
−2Te −Te

Figure 2.1 – Fonction peigne de Dirac


Chapitre

Notons que l’utilisation de l’opérateur échantillonnage idéal sur le signal f (t) génère
Échantillonnage d’un signal un signal continue fe (t) appelée signal échantillonné (idéal). La définition (2.1.1) peut
également s’écrire :

X ∞
X
Comme on a vu au chapitre précédent, le but d’un processus à commande numérique fe (t) = f (t) δ(t − kTe ) = f (kTe )δ(t − kTe ). (2.1.2)
est de remplacer la commande analogique du processus par des algorithmes mis en œuvre k=−∞ k=−∞

sur calculateur. Cependant, un calculateur numérique nécessite un certain temps pour Un exemple de fonction échantillonnée a été illustré sur la figure 2.2.
effectuer les opérations liées à l’algorithme de commande. De plus, un processeur numé- A partir de la relation (2.1.2) ainsi que de la figure 2.2, nous pouvons déduire que la
rique traite des valeurs numériques (des nombres) et non des grandeurs analogiques. Pour fonction échantillonnée fe (t) est une fonction peigne de Dirac modulée en amplitude par
ces raisons, on introduit un découpage temporel des signaux au niveau du calculateur. la fonction f (t). En effet, on peut considérer l’échantillonnage comme le prélèvement de
Le découpage temporel de l’information, réalisé par le CAN, se fait par échantillon- la valeur du signal continu aux instants t = kTe .
nage et quantification. L’échantillonnage consiste à prélever, à période fixe Te , la valeur
du signal. La quantification résulte du fait que les données sont représentées sur un ∞
X
calculateur dans un certain format (16 bits, par exemple). Donc, le CAN remplace un fe (t) fe (t) = f (kTe )δ(t − kTe )
signal analogique par une suite des nombres. Ces nombres sont ensuite manipulés par le k=−∞
calculateur qui génère une nouvelle suite des nombres. Comme cette suite ne peut pas
exciter le processus à asservir, il est indispensable d’utiliser un CNA afin d’élaborer un 4Te 5Te
signal analogique. Cette étape est appelée reconstruction. −4Te−3Te−2Te −Te Te 2Te
t
f (t)

2.1 Échantillonnage idéal Figure 2.2 – Fonction échantillonnée

Définition 2.1.1. L’échantillonneur idéal de période Te est un opérateur mathématique


qui associe à toute fonction f (t) une fonction fe (t) définie par Dans la suite de ce cours, nous utiliserons pour l’échantionneur idéal le symbole
indiqué sur la figure 2.3.
fe (t) = f (t)δTe (t) (2.1.1)
Te
f (t) fe (t)
où δTe (t) est la fonction peigne (d’impulsions) de Dirac. 
Figure 2.3 – Échantillonneur idéal
Comme nous pouvons le voir sur la figure 2.1, la fonction peigne de Dirac est une fonc-
tion non causale, périodique de période Te et composée d’un nombre infini des fonctions
impulsion de Dirac décalées dans le temps : Remarque 2.1.1.
∞ Notons que le terme échantillonné est réservé aux signaux et aux systèmes discrets
X
δTe (t) = δ(t − kTe ) dans le temps. Le terme numérique s’applique aux systèmes et aux signaux discrets en
k=−∞ temps et en amplitude. Pour obtenir un signal numérique à partir d’un signal échan-
tillonné on doit effectuer une “discrétisation” de l’amplitude et cette discrétisation est
où δ(t) est la fonction impulsion de Dirac. faite par quantification. En effet, la quantification résulte du fait que les données sont

5
2.2 Transformée de Laplace d’un signal échantillonné 7 8 Échantillonnage d’un signal

représentées sur un calculateur dans un certain format. Alors, le nombre utilisé par le En utilisant la définition (2.1.1), nous obtenons :
calculateur sera entaché d’une erreur correspondant au maximum à la moitié de la préci-
∞ ∞
sion associée au format des nombres. L’erreur associée à la quantification, tant qu’elle est X 1 j 2πkt 1 X 2πkt
fe (t) = f (t)δTe (t) = f (t) e Te = f (t)ej Te .
très faible, est généralement considérée comme un bruit, appelé bruit de quantification. Te Te
k=−∞ k=−∞
L’action du CAN étant de fournir une suite de nombres {f (kTe )}, il revient au même
de définir le signal échantillonné par la suite en k, {f (k)} = {f (kTe )}. Par conséquent, Alors, la transformée de Laplace du signal échantillonnée est :
dans ce cours, nous ne ferons pas la distinction entre le signal échantillonné et le signal Z ∞

1 X 
numérique en supposant négligeable l’effet de la quantification. 2πkt
Fe (s) = f (t)ej Te e−st dt
0 Te
k=−∞
∞ Z
2.2 Transformée de Laplace d’un signal échantillonné 1 X  ∞ 2πk

= f (t)e−(s−j Te )t dt
Te k=−∞ 0
Dans cette section, nous présentons deux formulations de la transformée de Laplace
d’un signal échantillonné. Nous considérons par la suite, sauf indication contraire, que soit :

les signaux sont causaux (càd f (t) = 0 pour tout t < 0). 1 X 2πk 
Fe (s) = F s−j . (2.2.3)
Te k=−∞ Te
Première formulation
Étant donnée qu’un signal échantillonné est une fonction à temps continu, nous pou- Remarque 2.2.1. D’après la relation (2.2.3), la transformée de Laplace Fe (s) est pé-
vons calculer sa transformée de Laplace : riodique le long de l’axe imaginaire. Les pôles de Fe (s) sont obtenus à partir de ceux de

Z ∞ F (s) par une infinité de translations de (dans le plan complexe s) parallèlement à
Te
Fe (s) = L{fe (t)} = fe (t)e−st dt. (2.2.1) l’axe réel.
0

En utilisant la relation (2.1.2) et la causalité du signal fe (t), nous déduisons que


2.3 Spectre du signal échantillonné

X Z ∞ ∞
X
Fe (s) = f (kTe ) δ(t − kTe )e−st dt = f (kTe )L{δ(t − kTe )} Soit le signal à temps continu f (t).
k=0 0 k=0
Définition 2.3.1. La transformée de Fourier de f (t) est définie comme :
où la transformée de Laplace de l’impulsion de Dirac est donnée par Z ∞
 −kT s F (jω) = F {f (t)} = f (t)e−jωt dt.
e e si k ≥ 0 −∞
L{δ(t − kTe )} = .
0 sinon

Cela implique que :
∞ Le module de la transformée de Fourier d’un signal |F (jω)| est appelé spectre du
X
Fe (s) = f (kTe )e−kTe s . (2.2.2) signal. Notons que le spectre contient des informations sur les composantes harmoniques
k=0 présentes dans le signal.
Soit le spectre du signal f (t) tel qu’il a été indiqué sur la figure 2.4 et soit ωM la pulsa-
Deuxième formulation tion maximale présente dans ce spectre. Afin d’étudier le spectre du signal échantillonné
fe (t), calculons la transformée de Fourier du signal échantillonné. Comme la transformée
Comme la fonction δTe (t) est une fonction périodique de période Te , nous pouvons
de Fourier est un cas particulier de la transformée de Laplace (s = jω), on peut utiliser
effectuer une décomposition de celle-ci en série de Fourrier :
l’expression (2.2.3) et donc :

X 2πkt ∞
δTe (t) = ck ej Te 1 X 2πk 
Fe (jω) = F jω − j .
k=−∞ Te k=−∞ Te
Z Te
1 2 2πkt 1 On remarque que le spectre du signal échantillonné est constitué de la somme d’un
avec ck = δTe (t)e−j Te dt = .
Te − T2e Te nombre infini d’une succession de spectres où chaque spectre correspond au spectre du
2.3 Spectre du signal échantillonné 9 10 Échantillonnage d’un signal

|F (jω)| ωe
2.3.2 Cas où ωM >
AM 2
Dans ce cas, illustré par la figure 2.6, les lobes du spectre se superposent. Ceci génère
l’apparition des distorsions dans le spectre du signal échantillonné par rapport au spectre
du signal f (t).
|Fe (jω)|
−ωM ωM ω AM
Te
Figure 2.4 – Spectre d’un signal à temps continu

signal de départ décalé en pulsation. Par conséquent, le spectre |Fe (jω)| du signal échan-
2π 3ωe −ωM ωe 0 ωe ωM 3ωe ω
tillonné est une fonction périodique de période ωe = appelé pulsation d’échantillon- −
2

2 2 2
Te
nage. Examinons ce spectre en fonction des valeurs des pulsations ωM et ωe . On distingue bandes complémentaires bande de base bandes complémentaires
ωe
deux cas possibles, selon que ωM est inférieur ou supérieur à la pulsation appelé pul-
2 Figure 2.6 – Spectre du signal échantillonnée (avec repliement)
sation de Nyquist.

Ce phénomène est appelé repliement spectral (“aliasing” en anglais) et il correspond


ωe au repliement des bandes complémentaires dans la bande de base. Dans ce cas, il n’est
2.3.1 Cas où ωM ≤
2 plus possible de reconstruire f (t) à partir du signal échantillonné.

Étant donné le spectre du signal à temps continu indiqué sur la figure 2.4, nous 2.3.3 Théorème de Shannon
déduisons le spectre du signal échantillonné tel qu’il a été tracé sur la figure 2.5.
Le théorème suivant, connu sous le nom de théorème de l’échantillonnage ou de
Shannon, donne les conditions dans lesquelles un signal analogique peut être reconstruit
|Fe (jω)|
à partir de sa version échantillonnée.
AM
Te Théorème 2.3.1 (de Shannon, 1948). Pour pouvoir reconstituer sans perte d’informa-
tion un signal continu à partir des échantillons de période Te de celui-ci, il faut que
1
la fréquence d’échantillonnage, fe = , soit au moins égale au double de la fréquence
Te
maximale contenue dans le spectre de ce signal :
−ωe −ωM ωM ωe ωM
3ωe ωe 0 ωe 3ωe ω fe ≥ 2fM où fM = . (2.3.1)
− − 2π
2 2 2 2
bandes complémentaires bande de base bandes complémentaires

Figure 2.5 – Spectre du signal échantillonnée (sans repliement) fe 1


La fréquence fN = = est appelé fréquence de Nyquist.
2 2Te

2.3.4 Filtre anti-repliement


Remarquons que l’information contenue dans le signal f (t) est présente dans cha- Si pour une fréquence d’échantillonnage fixée le signal comporte des composantes
qu’une des bandes de largeur ωe et notamment dans la bande de base correspondant à spectrales à des fréquences supérieures à la fréquence de Nyquist (du bruit par exemple)
ωe ωe
des pulsations comprises entre − et . Par conséquent, il est possible de reconstruire alors il faut filtrer le signal analogique avant l’échantillonnage de manière à assurer que
2 2
le signal f (t), à partir du signal échantillonné, par un filtrage passe-bas idéal supprimant le repliement soit négligeable. Le filtre passe-bas réalisant cette tache est appelé filtre
les bandes complémentaires. anti-repliement (“antialiasing filter” en anglais).
2.4 Reconstruction du signal 11 12 Échantillonnage d’un signal

2.4 Reconstruction du signal Donc,



Dans cette section, on se propose de reconstruire le signal f (t) à partir des échantillons
X t − kTe
f (t) = f (kTe ) sinc
f (kTe ) de ce signal. Pour cela, nous utiliserons la transformée de Fourier inverse. k=−∞
Te

Définition 2.4.1. La transformée de Fourier inverse de F (jω) est définie par : où la fonction “sinc” représente le sinus cardinal 1 .
Z ∞
1
f (t) = F −1 {F (jω)} = F (jω)ejωtdω.
2π −∞
2.4.2 Reconstruction approchée

La méthode de reconstruction approchée utilise un bloqueur d’ordre zéro (BOZ) (en
anglais “zero order hold”). Le BOZ est un système qui permet d’obtenir un signal analo-
2.4.1 Reconstruction idéale gique à partir d’une suite d’échantillons ou d’un signal numérique. En effet, le bloqueur
La reconstruction idéale est basée sur l’utilisation d’un filtre passe-bas idéal de ré- d’ordre zéro maintient à sa sortie la valeur de l’échantillon d’entrée, durant la période
ponse harmonique H(jω) qui coupe toutes les composantes spectrales correspondant d’échantillonnage qui sépare deux échantillons consécutifs. Un exemple est montré par
aux pulsations supérieures à la pulsation de Nyquist. Comme illustré sur la figure 2.7, la figure 2.8.
cette réponse harmonique correspond à une fonction fenêtre rectangulaire, centrée et de Soit f (kTe ) le signal numérique à l’entrée du BOZ. Alors, le signal bloqué qui se
largeur ωe . trouve à la sortie du bloqueur s’écrit :

AM fBOZ (t) = f (kTe ) pour t ∈ [kTe , (k + 1)Te ).


Te
1
AM |H(jω)|

|Fe (jω)|
|F (jω)|
fBOZ (t)

ωe ωe ω
f (kTe )
1 − e−Te s
2 2 B0 (s) =
s
Figure 2.7 – Spectre d’un signal à temps continu
Te 2 sin ω T2e
fe (t) B0 (jω) = e−jω 2
ω
Alors, F (jω) = Te Fe (jω)H(jω) et, en utilisant la transformée de Fourier inverse, on
obtient : 0 Te 2Te 3Te 4Te t
f (t) = Te F −1 {Fe (jω)H(jω)} = Te (fe ∗ h)(t)
Figure 2.8 – Bloqueur d’ordre zéro
où h(t) = F −1 {H(jω)} et ∗ désigne le produit de convolution.
La réponse impulsionnelle du filtre peut être calculé en utilisant la transformée de
Fourier inverse :
Z ωe D’après ce qui précède, nous pouvons déduire que la réponse impulsionnelle b0 (t) du
1 2
BOZ est une fenêtre rectangulaire de largeur Te et d’amplitude unitaire. Donc, cette
h(t) = F −1{H(jω)} = ejωt dω
2π − ω2e réponse impulsionnelle peut s’écrire comme :
1 ωe ωe 1 πt
= (ejt 2 − e−jt 2 ) = sin( ).
2jπt πt Te b0 (t) = U(t) − U(t − Te ) ou U(t) est la fonction échelon unitaire.
En utilisant la définition du produit de convolution, on trouve :
En utilisant la transformée de Laplace, on déduit la fonction de transfert du BOZ :
Z X∞ Z
(fe ∗ h)(t) = fe (x)h(t − x)dx = f (kTe )δ(x − kTe )h(t − x)dx
IR 1 − e−Te s
k=−∞ IR B0 (s) =
∞ ∞ s
X X 1 π(t − kTe )
= f (kTe )h(t − kTe ) = f (kTe ) sin( ).
π(t − kTe ) Te sin πx
k=−∞ k=−∞ 1. Fonction sinus cardinal : sinc x = , ∀x ∈ IR
πx
2.4 Reconstruction du signal 13 14 Échantillonnage d’un signal

et sa réponse harmonique :
1 − e−jωTe
B0 (jω) =

Te Te
Te ejω − e−jω
2 2
= e−jω 2

Te 2 sin ω T2e
= e−jω 2 .
ω

Effet du bloqueur dans la bande de base


Suite au bloqueur d’ordre zéro et au filtre passe-bas, la transformée de Fourier du
signal bloqué vaut :
1
FBOZ (jω) = B0 (jω)Fe (jω) = B0 (jω)F (jω)
Te
parce que dans la bande de base F (jω) = Te Fe (jω). Donc,

sin ωT2 e
FBOZ (jω) = e−j ( 2 )
ωTe

ωT
 F (jω). e
2

ωTe ω
Sachant que =π on obtient :
2 ωe
 
ωTe ω
FBOZ (jω) = e|−j{z 2 } sinc F (jω).
ωe
déphasage | {z }
déformation

Il résulte de cette expression que la réponse harmonique du signal bloqué se déduit


de celle du signal à temps continu initial par :
|FBOZ (jω)|

1  
ω
sinc ωe

|Fe (jω)|

ω
0
ωe
− ω2e 2 ωe

bande de base bandes complémentaires

Figure 2.9 – Spectre d’un signal échantillonné et bloqué

– une déformation, liée au sinus cardinal ;


– un retard pur d’une demi période d’échantillonnage.
Le spectre du signal bloqué se déduit du spectre du signal à temps continu conformément
au schéma de la figure 2.9.
Les lobes additionnels apparaissant au delà de la pulsation de Nyquist peuvent éven-
tuellement être filtrés par un filtre passe-bas.
16 Transformée en Z

Exemple 3.1.1. Calculer la transformée en z de la fonction f (k) = e−akTe U(k).



X
F (z) = Z{e−akTe U(k)} = e−akTe z −k
k=0

3

X k 2
= e−aTe z −1 = 1 + e−aTe z −1 + e−aTe z −1 + ...
k=0
Chapitre
Il s’agit d’une série géométrique de raison e−aTe z −1 et de premier terme égal à un. La
transformée en z existe si et seulement si la série converge et cette série converge en
Transformée en Z valeur absolue si et seulement si |e−aTe z −1 | < 1. On en déduit que la transformée en z
existe si et seulement si |z| > e−aTe . Dans ces conditions, elle vaut :
1 z
F (z) = = .
Dans le cas des signaux à temps discret, la représentation équivalente à la transformée 1 − e−aTe z −1 z − e−aTe
de Laplace des signaux à temps continu est la transformée en Z.

3.1 Définition 3.2 Correspondance entre les plans en s et en z


Définition 3.1.1. La transformée en z d’un signal causal à temps discret f (k) est définie Comme il a été expliqué dans la section précédente, la transformée en z d’un signal à
par : temps discret est la transformée de Laplace du signal échantillonné idéal correspondant,
en passant par le changement de variable z = eTe s . La correspondance entre le plan en s

X et le plan en z est basé sur cette relation et elle est illustrée sur la figure 3.1.
F (z) = Z{f (k)} = f (k)z −k . (3.1.1)
k=0 Remarque 3.2.1.
– Dans le cas d’un pôle en s réel σ1 , le point obtenu dans le plan en z sera également
 réel eσ1 Te .
– Dans le cas d’une paire de pôles complexes conjugués σ2 ± jω2 , les points obtenus
Dans le cas échantillonné, cette transformée découle de la transformée de Laplace du dans le plan en z auront comme valeurs eσ2 Te e±jω2 Te , donc, un module qui vaut
signal échantillonné idéal fe (t). En effet, en utilisant le changement de variable z = esTe eσ2 Te et un argument qui vaut ±ω2 Te .
dans l’expression (2.2.2) de la transformée de Laplace du signal échantillonné idéal, on – L’échantillonnage a pour effet de rendre périodique la transformée de Laplace,
obtient : conformément à l’équation (2.2.2) avec une période égale à jωe . On observe que les
ln z X∞ pôles obtenus par effet de la périodisation se retrouvent finalement en un seul et
Fe (s = )= f (kTe )z −k = F (z). même point du plan en z car :
Te k=0
e(σ+jω+jkωe )Te = e(σ+jω)Te ej2kπ = e(σ+jω)Te .
Par extension (et par abus de notation), on notera également F (z) la transformée en z
du signal échantillonné fe (t) (signal à temps continu) ainsi que du signal f (t) : – Les droites verticales, correspondantes à Re(s) = σ = constante, se transforme en
des cercles centrés sur l’origine de rayon eσTe . En particulier, l’axe imaginaire se

X transforme en un cercle de rayon unité.
F (z) = f (kTe )z −k = Z{f (k)} = Z{f (kTe )} = Z{fe (t)} = Z{f (t)}. – Les droites horizontales, correspondantes à Im(s) = ω = constante, donnent des
k=0
demi-droites rayonnant depuis l’origine du plan en z et faisant un angle ωTe avec
la partie positive de l’axe réel.
La transformée en z est une fonction de la variable complexe z. La transformée en – F (z) possède le même nombre des pôles que F (s).
z est généralement définie sur une partie du plan complexe pour laquelle |z| > R0 . La – Le demi-plan en s de gauche correspond à l’intérieur du cercle unité dans le plan
valeur R0 définissant la limite de convergence est appelée rayon de convergence de la en z, tandis que le demi-plan en s de droite devient l’extérieur du cercle unité.
transformée en z.

15
3.2 Correspondance entre les plans en s et en z 17 18 Transformée en Z

3.3 Propriétés
Nous présentons dans cette section les propriétés de la transformée en z. La plus
part de ces propriétés peuvent se déduire de celles de la transformée de Laplace avec
11
00

Re(z)
le changement de variable z = esTe . Notons que ces propriétés sont valables pour toute
00
11 fonction ou signal à temps discret ainsi que pour tout système à temps discret. Elles sont

000
111 00
11 donc valables aussi dans le cas de signaux provenant de l’échantillonnage de signaux à

000 111
111 0011
11

eσ2 Teeσ1 Te
000
temps continu.

ω2 Te
000 111
111 00
000
Soit deux signaux à temps discret f (k), g(k) et soit F (z), G(z) leurs transformées en

pôles de F (z) : ejωTe


000
111
z respectives.
111
000
000
111

temps discret
Im(z)

Linéarité

000
111 Changement d’échelle
Z{αf (k) + βg(k)} = αF (z) + βG(z), ∀α, β ∈ ℜ

z
Z{αk f (k)} = F , ∀α ∈ ℜ
α
Retard
Dans le cas des signaux causaux, le théorème du retard s’énonce comme suit :

pôles de Fe (s) : σ ± j(ω + kωe )


Z{f (k − n)} = z −n F (z), ∀n ∈ N
00 111
11 000
Re(s)

0110 11
00 000 1010 11
111 00
−ωe + ω2

−ωe − ω2

En pratique, on doit souvent étudier des systèmes avec des conditions initiales non
11
00
ωe − ω2
ωe + ω2

11
00 00
11 11
00 1
0
00
11 00
11
nulles, ce qui nous amène à traiter des signaux non causaux. Dans le cas des signaux

échantillonnage idéal
11
0011 0
1
−ω2

−ωe
Im(s)

00
11 00
11 11
00
ω2

00
ωe

non causaux, le théorème du retard s’écrit :

00
11 00
11 1010 01 11
00 00
11 Z{f (k − n)U(k)} = z −n F (z) + z −(n−1) f (−1) + . . . + z −1 f (−n + 1) + f (−n), ∀n ∈ N
00
11 00
11 00
11 00
11 00
11
σ1

00
11 00
11 00 01 11
11 00 00
11
00
11
Notons que, dans cette expression, le signal échelon unitaire U(k) a été rajouté
00
11 00
11 00
11
σ2

pour souligner le fait qu’on considère des transformées en z monolatérales. Par


00 11
11 00 00
11 00
11
00
11
conséquent, les valeurs f (k) pour k < −n n’apportent aucune contribution à la
00 11
11 00 11 00 transformée en z de f (k − n).
− 3ω2 e
3ωe

− ω2e
2

ωe
2

Avance

000
111
Re(s)

000000000
111111111
pôles de F (s) : σ ± jω

n−1

000 11 00
X

111
Z{f (k + n)U(k)} = z n F (z) − f (k) z n−k , ∀n ∈ N
000000000
111111111
00
11
000000000
111111111 00
11 k=0
−ω2

00
11
temps continu

00
11
ω2
Im(s)

Multiplication par une rampe

dF (z)
σ1

Z{kf (k)} = −z .
dz
σ2

Multiplication par une exponentielle

Figure 3.1 – Correspondance entre les plan s et z Z{e−ak f (k)} = F (zea ).

Théorème de la valeur initiale

f (0) = lim f (k) = lim F (z)


k→0 z→+∞
3.4 Transformée en z inverse 19 20 Transformée en Z

Théorème de la valeur finale 3.4.1 Décomposition en éléments simples


Lorsque la valeur finale existe alors cette valeur peut être calculé comme :
Cette méthode est la plus simple et elle consiste à faire une décomposition en éléments
f (∞) = lim f (k) = lim(1 − z −1 )F (z). F (z)
k→∞ z→1 simples de . L’idée à la base de cette méthode consiste à faire ressortir dans F (z)
z
Notons que la valeur finale existe si les pôles de la transformée F (z) sont tous à des termes dont la transformée en z inverse découle d’une simple utilisation de la table
l’intérieur du cercle unité. L’exemple 3.5.1 nous permettra de mieux comprendre des transformées en z.
cette remarque. N(z)
Soit F (z) = et supposons que F (z) a uniquement des pôles simples réels diffé-
Convolution discrète D(z)
rents de zéro. Alors, soit pi , i = 1, . . . n, les pôles de F (z). La décomposition en éléments
Le produit de convolution discrète est défini par :
F (z)
∞ simples de nous permet d’écrire la transformée en z sous la forme :
X z
(f ⋆ g)(k) = f (n)g(k − n).
n=−∞ n
N(z) X z
Si f et g sont causales, alors : F (z) = = A0 + Ai .
D(z) i=1
z − pi
Z{(f ⋆ g)(k)} = F (z)G(z). (3.3.1)
Alors, en utilisant la table de transformées A, on obtient :
n
3.4 Transformée en z inverse f (k) = A0 δ(k) +
X
Ai pki U(k).
i=1
La transformée en z ne contient que des informations aux instants d’échantillonnage.
Par conséquent, la transformée en z d’un signal f (t), échantillonné à la période Te , ne Cette méthode peut également s’utiliser lorsque la fonction F (z) a des pôles complexes
permet pas de retrouver le signal original à temps continu f (t) mais, uniquement le signal et/ou des pôles multiples.
à temps discret f (k) constitué des échantillons aux instants t = kTe . Afin d’illustrer cela,
considérons deux signaux à temps continu f (t) et g(t) ayant les mêmes valeurs aux Exemple 3.4.1. On se propose de calculer la transformée en z inverse de :
instants d’échantillonnage t = kTe . Ces signaux auront la même transformée en z alors z
que les valeurs entre les instants d’échantillonnage peuvent être différentes, comme le F (z) = .
z 2 − (c + d)z + cd
montre la figure 3.2.
F (z)
On remarque que se factorise en :
z
f (t)
g(t) F (z) 1
= .
z (z − c)(z − d)

et, en utilisant la décomposition en éléments simples, on obtient :


 
1 z z
0 t F (z) = −
c−d z−c z−d
−Te Te 2Te 3Te 4Te 5Te 6Te 7Te
La transformée en z inverse de F (z) est :
Figure 3.2 – Signaux à temps continu ayant même transformée en z après échantillon-
nage ck − d k
f (k) = Z −1 {F (z)} = U(k).
c−d
Le calcul de la transformée en z inverse peut se faire à l’aide des tables de trans- En posant c = e−aTe , d = e−bTe , on peut encore écrire cette transformée inverse comme :
formations. Une courte table de transformées est donnée en annexe A. De manière plus
générale, la transformée en z inverse peut être calculée par une des méthodes suivantes : e−akTe − e−bkTe
– décomposition en éléments simples, f (k) = U(k).
e−aTe − e−bTe
– division polynomiale (selon les puissances croissantes de z −1 ),
– formule d’inversion.
3.4 Transformée en z inverse 21 22 Transformée en Z

z 3 − 2z 2 + 2z Exemple 3.4.3. On se propose de calculer la transformée en z inverse de :


Exemple 3.4.2. Soit F (z) = . La décomposition en éléments simples de
(z − 1)2 (z − 2)
F (z) −z + z 2
s’écrit : F (z) = .
z 2 + 3z + z 2
F (z) 1 1 2
=− − + .
z z − 1 (z − 1)2 z − 2 On écrit tout d’abord F (z) comme une fraction rationnelle en z −1 , les polynômes ordonné
Alors, selon les puissances croissantes de z −1 :
f (k) = (−1 − k + 2k+1 ) U(k).
1 − z −1
F (z) = .
1 + 3z −1 + 2z −2

ensuite on effectue la division selon les puissances croissantes de z −1 :


3.4.2 Division polynomiale
Pour utiliser cette technique, il faut écrire la transformée en z sous la forme :
m
X 1 − z −1 1 + 3z −1 + 2z −2
bi z −i 1 + 3z −1
+ 2z −2
1 − 4z −1
+ 10z −2 −22z −3 . . .
N(z)
F (z) = = i=0
n . − 4z −1
− 2z −2
D(z) X
ai z −i − 4z −1 − 12z −2 − 8z −3
i=0
−2
10z + 8z −3
La division selon les puissances croissantes de z −1 de N(z) par D(z) donne :
−2
10z + 30z −3 + 20z −4
F (z) = c0 + c1 z −1 + c2 z −2 + . . . (3.4.1)
− 22z −3 − 20z −4
D’après la propriété sur le retard de la transformée en z, on déduit de l’équation (3.4.1)
...
que :
f (k) = c0 δ(k) + c1 δ(k − 1) + c2 δ(k − 2) + . . . On en déduit que :
ce qui conduit aux valeurs :
f (0) = 1,
f (0) = c0 ,
f (1) = −4,
f (1) = c1 ,
f (2) = 10,
f (2) = c2 ,
f (3) = −22,
...
...
L’obtention des coefficients ci , pour i = 1, 2, . . . , qui donnent les valeurs du signal aux
instants discrets 1 se fait donc par une simple division : On peut étendre le calcul des termes de f (k) aussi loin qu’on le souhaite. On notera que
cette procédure systématique est aisée à programmer.
b0 + b1 z −1 + . . . a0 + a1 z −1 + . . .
 
b0 a1 −1 b0 b1 a0 − b0 a1 3.4.3 Formule d’inversion
− (b0 + z + ...) + z −1 + . . .
a0
a0 a20 La transformée en z inverse de F (z) s’écrit :
|{z} | {z }
c0 c1
Z
1

b0 a1

−1 f (k) = Z −1 {F (z)} = F (z)z k−1 dz,
0 + b1 − a0
z + ... 2πj Γ

où Γ est un domaine du plan complexe contenant toutes les singularités de F (z). A
1. ou aux instants d’échantillonnage si la transformée provient d’un signal à temps continu échan- l’image de la transformée de Laplace inverse, cette intégrale se calcule par la méthode
tillonné. des résidus.
3.5 Application à la résolution des équations aux différences 23 24 Transformée en Z

3.5 Application de la transformée en z à la résolution La méthode la plus efficace est bien entendu d’appliquer la récurrence :
des équations aux différences f (k + 2) = −2f (k + 1) − f (k) + 0, 8g(k + 1) + 0, 4g(k).
Considérons l’équation aux différences : On obtient :
a0 f (k) + a1 f (k + 1) + · · · + an f (k + n) =
f (0) = 0,
b0 g(k) + b1 g(k + 1) + · · · + bm g(k + m) avec m ≤ n. (3.5.1)
f (1) = 0, 8,
D’après les propriétés de la transformée en z, on calcule la transformée des signaux f (2) = −0, 8,
décalés en temps : f (3) = 0, 6,
Z{f (k)}
= F (z), f (4) = −0, 6
Z{f (k + 1)}
= zF (z) − zf (0), f (5) = 0, 6.
Z{f (k + 2)}
= z 2 F (z) − z 2 f (0) − zf (1),
La récurrence qui apparaı̂t est très simple et on peut en déduire la forme générale de
... f (k) :
et de même Z{g(k)} = G(z),
Z{g(k + 1)} = zG(z) − zg(0), f (0) = 0,
Z{g(k + 2)} = z 2 G(z) − z 2 g(0) − zg(1), f (1) = 0, 8,
... f (2) = −0, 8,
f (k) = 0, 6(−1)k+1, pour k > 3.
Par conséquent, si on applique la transformée en z à l’équation aux différences (3.5.1)
on obtient : Ce résultat pourrait être obtenu à travers un passage par la transformée en z. On
(a0 + a1 z + · · · + an z n ) F (z) = (b0 + b1 z + . . . bm z m ) G(z) + Pn (z), modifie tout d’abord l’équation aux différences initiale. Alors,

où Pn (z) est un polynôme en z d’ordre maximal n, dépendant des conditions initiales f (k) + 2f (k − 1) + f (k − 2) = 0, 8g(k − 1) + 0, 4g(k − 2) pour k ≥ 2.
(CI) des signaux f (k) et g(k) :
n−1 n
! m−1 m
! Si on applique maintenant la transformée en z, on obtient :
X X X X
Pn (z) = ai z i f (k) − bi z i g(k)
(1 + 2z −1 + z −2 )F (z) = (0, 8z −1 + 0, 4z −2 )G(z).
k=0 i=k+1 k=0 i=k+1

On en déduit que : D’après les valeurs de g(k) :


b0 + b1 z + · · · + bm z m Pn (z) G(z) = 1 + 0, 5z −1 − 0.5z −2
F (z) = G(z) + .
a0 + a1 z + . . . an z n a0 + a1 z + . . . an z n
En utilisant la transformée en z inverse on peut donc résoudre l’équation aux différences et donc :
de départ (3.5.1). (0, 8z −1 + 0, 4z −2 )(1 + 0, 5z −1 − 0.5z −2 )
F (z) =
Exemple 3.5.1. On se propose de résoudre l’équation aux différences : 1 + 2z −1 + z −2
0, 4z −1 (2 + z −1 ) 0.5(2 + z −1 − z −2 )
f (k + 2) + 2f (k + 1) + f (k) = 0, 8g(k + 1) + 0, 4g(k) =
1 + 2z −1 + z −2
où : 0, 2z −1 (1 + z −1 )(2 + z −1 )(2 − z −1 ) 0, 2(4z 2 − 1)
= = .
(1 + z −1 )2 z 2 (z + 1)
f (k) et g(k) causaux,
g(0) = 1, F (z)
A partir de la décomposition en éléments simples de , nous obtenons :
g(1) = 0, 5, z
g(2) = −0, 5, 
1 1 3z

g(k) = 0, pour k > 3. F (z) = 0, 2 3 + − 2 −
z z z+1
3.5 Application à la résolution des équations aux différences 25 26 Transformée en Z

En utilisant la table des transformées, nous trouvons :

f (k) = 0, 6δ(k) + 0, 2δ(k − 1) − 0, 2δ(k − 2) − 0, 6(−1)k U(k).

On peut vérifier aisément que cette expression coı̈ncide avec la solution précédente.
A partir de l’expression de f (k), on peut déduire que la valeur finale lim f (k) n’existe
k→∞
pas parce que
lim f (2k) = −0, 6 and lim f (2k + 1) = 0, 6.
k→∞ k→∞

Cela nous permet de mieux comprendre pourquoi on ne peut pas utiliser le théorème
de la valeur finale lorsque F (z) a des pôles à l’extérieur du cercle unité, comme il a été
souligné dans la section 3.3.
28 Transmittance des systèmes échantillonnés

Définition 4.1.1. On appelle fonction de transfert du système à temps discret ou trans-


mittance discrète, la fraction rationnelle :
Y (z)
G(z) = .
U(z)

Chapitre 4 Autrement dit, la transmittance discrète est définie comme le rapport entre la transfor-
mée en z du signal de sortie et la transformée en z du signal d’entrée. 

En utilisant la relation précédente, cette transmittance discrète peut s’écrire sous la


Transmittance des systèmes forme suivante :
Xm
bi z −i
échantillonnés G(z) = i=0
n . (4.1.2)
X
ai z −i
i=0

4.1 Systèmes linéaires à temps discret Remarque 4.1.1. A partir de l’expression (4.1.2), on peut remarquer qu’il existe une
relation biunivoque entre la fonction de transfert et l’équation aux différences dans le sens
Considérons un système à temps discret, linéaire, causal et invariant dans le temps. que ces modèles peuvent se déduire l’un de l’autre. Cependant, notons que la fonction
Ce système fournit en sortie un signal à temps discret y(k) en réponse à un signal à de transfert correspond à l’équation aux différences avec des conditions initiales nulles.
temps discret d’entrée u(k) (voir la figure 4.1). Il peut s’agir, par exemple, d’un filtre
numérique ou d’un correcteur numérique. Par définition, les pôles du système discret sont les racines du polynôme dénominateur
de la fonction de transfert et les zéros sont les racines du polynôme numérateur. Le
u(k) y(k) numérateur de la fonction de transfert est également appelé polynôme caractéristique.
G(z)
U (z) Y (z)
Définition 4.1.2 (Gain statique). Pour une fonction de transfert discrète G(z), son gain
statique vaut G(1). 
Figure 4.1 – Système à temps discret
Cela veut dire que pour un signal d’entrée constant u(k) = u0 la sortie en régime
Dans ce cours, nous abordons deux types de modèles (appelés modèles externes) pour permanent vaut G(1)u0 .
les systèmes discrets. Ces types de modèles peuvent se déduire l’un de l’autre et ils sont Remarquons que la fonction de transfert à temps discret est la transformée en z de
décrits soit par des équations aux différences soit par des fonctions de transfert. la réponse impulsionnelle du système 1 . En effet, la réponse impulsionnelle du système
La modélisation d’un système à temps discret conduit à une relation entrée-sortie qui numérique est obtenue en prenant :
est caractérisée par une équation aux différences linéaire à coefficients constants. Il s’agit
de la loi donnant la sortie du système, à l’instant k, en fonction de l’entrée à l’instant u(k) = δ(k) alors U(z) = 1.
k et des entrées et des sorties aux instants précédents. Cette relation peut s’écrire de
Par conséquent, Y (z) = G(z), ce qui implique y(k) = g(k). Donc, la transformée en z de
manière générale :
la réponse impulsionnelle du système discret est identique avec la transmittance discrète
a0 y(k) + a1 y(k − 1) + · · · + an y(k − n) = b0 u(k) + b1 u(k − 1) + · · · + bm u(k − m) G(z). Notons qu’on peut calculer la réponse impulsionnelle comme
où encore n
X m
X g(k) = Z −1 {G(z)}.
ai y(k − i) = bi u(k − i). (4.1.1)
i=0 i=0 De plus, la sortie y(k) du système à temps discret résulte du produit de convolution
Notons que cette équation est également appelée équation récurrente. discret de l’entrée u(k) avec la réponse impulsionnelle g(k), soit :
La transformée en z, appliquée à l’équation aux différences (4.1.1) en supposant des ∞
X
conditions initiales nulles, donne : y(k) = (g ⋆ u)(k) = g(n)u(k − n),
n
! m
!
X X n=−∞
−i −i
ai z Y (z) = bi z U(z).
i=0 i=0
1. Réponse du système à une impulsion unité discrète

27
4.2 Modélisation des systèmes échantillonnés 29 30 Transmittance des systèmes échantillonnés

qui s’écrit encore : Te Te


k u(t) ue (t) y(t) ye (t)
X G(s)
y(k) = g(n)u(k − n) U (s) Ue (s) Y (s) Ye (s)
n=0
U (z) Y (z)
pour un système causal. Ceci découle directement de la définition (4.1.2) de la fonction
de transfert du système à temps discret et de la propriété de la convolution discrète Figure 4.2 – Système à temps discret à entrée et sortie échantillonnées
(3.3.1).
Exemple 4.1.1. Étant donné le signal à temps discret f (k) de transformée en z :
En utilisant l’équivalence entre les transformées de Laplace des signaux échantillonnés
10z + 5 et les transformées en z des signaux à temps discret, évaluons :
F (z) = 2 ,
z − 1, 2z + 0, 2
Ye (s) = (G(s)Ue (s))e .
calculer f (k). La méthode la plus simple pour calculer f (k) est la décompositions en
D’après (2.2.3) :
F (z)
éléments simples de ou la division selon les puissances croissantes de z −1 .
z 1 X
+∞ 
2πk

Nous proposons de calculer f (k) en utilisant les éléments développés dans le pa- Ye (s) = Y s−j
ragraphe précédent. Considérons que F (z) est la fonction de transfert d’un système Te Te
k=−∞
numérique d’entrée u(k) et de sortie y(k). On a alors : +∞    
1 X 2πk 2πk
= G s−j Ue s − j .
Y (z) 10z + 5 10z −1 + 5z −2 Te k=−∞ Te Te
F (z) = = 2 = ,
U(z) z − 1, 2z + 0, 2 1 − 1, 2z −1 + 0, 2z −2
Sachant que :
+∞  
d’où l’équation aux différences : 1 X 2πk
Ue (s) = U s−j
Te k=−∞ Te
y(k) − 1, 2y(k − 1) + 0, 2y(k − 2) = 10u(k − 1) + 5u(k − 2).  
2jπ 2πk
est périodique, de période , on peut écrire Ue s − j = Ue (s) et donc :
Finalement, la réponse du système à une impulsion unité discrète u(k) = δ(k) vaut Te Te
f (k) = y(k) et obéit à l’équation aux différences : !
+∞ 
1 X 2πk
f (k) = 1, 2f (k − 1) − 0, 2f (k − 2) + 10δ(k − 1) + 5δ(k − 2). Ye (s) = G s−j Ue (s).
Te k=−∞ Te
On obtient finalement : On en déduit que :
Ye (s) = Ge (s) Ue (s).
f (0) = 0,
f (1) = 10, En se basant sur l’équivalence entre transformée de Laplace des signaux échantillonnés
et transformée en z des signaux à temps discret (voir section 3.1), on peut également
f (2) = 17,
écrire :
f (3) = 18, 4, Y (z) = G(z) U(z).
f (4) = 18, 68, . . .
La fonction de transfert en z du système échantillonné en boucle ouverte représenté à la
figure 4.2 est donc :
Y (z)
G(z) = = Z{g(t)} = Z{G(s)}.
U(z)
4.2 Modélisation des systèmes échantillonnés Remarque 4.2.1.

4.2.1 Transmittance échantillonnée 1. La fonction de transfert en z du système échantillonné est tout simplement la
transformée en z de la transmittance continue et
Lorsqu’on travaille avec des signaux à temps discret issus d’un procédé d’échantillon-
nage, il est possible de se trouver dans le cas du schéma de la figure 4.2. Z{G(s)} = Z{L−1 {G(s)}}.
4.2 Modélisation des systèmes échantillonnés 31 32 Transmittance des systèmes échantillonnés

2. On a la relation suivante Te Te
u(t) ue (t) y(t) ye (t)
BOZ G(s)
Z{G(s)Ue (s)} = G(z)U(z). U (s) Ue (s) Y (s) Ye (s)

synchronisation Y (z)
3. Dans le cas où l’échantillonneur d’entrée est absent (voir figure 4.3) alors
Figure 4.5 – Chaı̂ne bloqueur d’ordre zéro et procédé
Y (z) = Z{G(s)U(s)} 6= G(z)U(z).

Donc :
   
Figure 4.3 – Système à temps discret à sortie échantillonnée Y (z) 1 − e−Te s
= Z L−1 G(s)
U(z) s
    
−1 G(s) G(s)
= Z L − L−1 e−Te s
s s
     
4.2.2 Transmittance échantillonnée des systèmes ouverts G(s) G(s)
= Z L−1 − Z L−1 e−Te s .
s s
Supposons que le procédé continu est composé de deux sous-systèmes en série, comme
présenté à la figure 4.4. Dans ce cas, les deux sous-systèmes ne peuvent pas être dissociés. Sachant que le terme e−Te s traduit un retard de Te dans le domaine temporel, on obtient
En effet : la transmittance échantillonnée suivante pour le système continu précédé par un BOZ :
 
Te Te Y (z) G(s)
u(t) ue (t) y(t) ye (t) = (1 − z −1 )Z (4.2.1)
G1 (s) G2 (s) U(z) s
U (s) Ue (s) Y (s) Ye (s)     
G(s) G(s)
Y (z) avec la notation Z = Z L−1 .
synchronisation s s
Exemple 4.2.1. Considérons maintenant le cas illustré par la figure 4.6.
Figure 4.4 – Systèmes continus en série et échantillonnage
Te Te
u(t) ue (t) x(t) xe (t) y(t) ye (t)
G1 (s) G2 (s)
Y (s) = G1 (s)G2 (s)Ue (s) et donc U (s) Ue (s) X(s) Xe (s) Y (s) Ye (s)
Ye (s) = (G1 (s)G2 (s)Ue (s))e = (G1 (s)G2 (s))e Ue (s). Y (z)
synchronisation
Cela implique :
Figure 4.6 – Systèmes échantillonnés en série
Y (z) = Z{G1 (s)G2 (s)}U(z) = Z{L−1 {G1 (s)G2 (s)}}U(z).

Donc, de manière générale : Alors,


Xe (s) = (G1 (s)Ue (s))e = (G1 (s))e Ue (s)
(G1 (s)G2 (s))e 6= (G1 (s))e (G2 (s))e .
ce qui implique
X(z) = Z{G1 (s)}U(z).
Echantillonnage d’un système continu précédé par un BOZ Analogiquement, on a :
Soit le système illustré par la figure 4.5, composé d’un processus précédé par un Ye (s) = (G2 (s)Xe (s))e = (G2 (s))e Xe (s) =⇒ Y (z) = Z{G2 (s)}X(z).
bloqueur d’ordre zéro.
L’association d’un BOZ avec un procédé physique constitue un système à temps On déduit de ces deux équations que
continu dont la fonction de transfert est :
Y (z) = Z{G1 (s)}Z{G2 (s)}U(z).
 
Y (s) 1 − e−Te s
= B0 (s)G(s) = G(s).
Ue (s) s
4.2 Modélisation des systèmes échantillonnés 33 34 Transmittance des systèmes échantillonnés

Te
4.2.3 Transmittance échantillonnée des systèmes bouclés r(k) e(k) u(k) u(t) y(t) ye (t)
C(z) BOZ G(s)
Considérons le système bouclé de la figure 4.7. Les propriétés de linéarité de l’échan- R(z) + E(z) Y (s) Ye (s)

tillonnage nous permettent d’obtenir le schéma équivalent de la figure 4.8. Y (z)
Te
ym (k) ym (t)
Te Te H(s)
r(t) e(t) ee (t) y(t) ye (t) Ym (z)
G1 (s)
R(s) + E(s) Ee (s) Y (s) Ye (s)
− Figure 4.9 – Système bouclé avec un correcteur numérique
Y (z)
ym (t)
G2 (s)
Ym (s)
En utilisant les équations (4.2.2b), (4.2.2c), (4.2.2d), nous obtenons la fonction de trans-
Figure 4.7 – Systèmes bouclés fert entre E(z) et R(z) :

R(z)
E(z) =
A partir du schéma équivalent, nous pouvons écrire les équations suivantes : 1 + Z{H(s)G(s)B0 (s)} C(z)

Y (z) = Z{G1 (s)}E(z),


et donc,
Ym (z) = Z{G2 (s)G1 (s)}E(z) et
C(z) R(z)
E(z) = R(z) − Ym (z). U(z) = .
1 + Z{H(s)G(s)B0 (s)} C(z)
Cela nous permet de déduire la transmittance échantillonnée suivante pour le système
bouclé : Regroupant ce résultat avec l’équation (4.2.2a), nous obtenons finalement la transmit-
Y (z) Z{G1 (s)} tance échantillonnée du système bouclé :
= .
R(z) 1 + Z{G2 (s)G1 (s)}
Y (z) C(z) Z{G(s)B0 (s)}
=
Te Te
R(z) 1 + C(z) Z{H(s)G(s)B0 (s)}
r(t) re (t) ee (t) y(t) ye (t)
G1 (s)
R(s) Re (s) + Ee (s) Y (s) Ye (s) Si on tient compte de la fonction de transfert du BOZ, la transmittance échantillonnée
− vaut :
R(z) Y (z)
Te  
yme (t) ym (t) G(s)
G2 (s) (1 − z −1 ) C(z) Z
Yme (s) Ym (s) Y (z) s
=   (4.2.3)
R(z) −1
H(s)G(s)
1 + (1 − z ) C(z) Z
Figure 4.8 – Systèmes bouclés s

Exemple 4.2.2 (Transmittance d’un système échantillonné bouclé avec correcteur numé-
rique). Considérons maintenant un système bouclé comportant un correcteur numérique Exemple 4.2.3 (Transmittance des systèmes bouclés en présence de perturbations).
C(z). On se propose de calculer la transmittance échantillonnée du système bouclé. Pour cette exemple, on considère le système de la figure 4.10 soumis à la perturbation
On peut déduire les équations correspondant au schéma de la figure 4.9 : externe p(t) et au bruit n(k). On se propose de calculer la transmittance échantillonnée
pour le système bouclé.
Y (z) = Z{G(s)B0 (s)} U(z), (4.2.2a) Une première méthode de calcul de la transmittance échantillonnée consiste à appli-
Ym (z) = Z{H(s)G(s)B0(s)} U(z), (4.2.2b) quer l’algèbre des blocs comme pour l’exercice précédant. Alors, E(z) = R(z) − N(z) +
U(z) = C(z) E(z) et (4.2.2c) Y (z) et
E(z) = R(z) − Ym (z). (4.2.2d) Y (z) = Z{G1 (s)B0 (s)} C(z)E(z) + Z{G2 (s)P (s)}.
4.2 Modélisation des systèmes échantillonnés 35 36 Transmittance des systèmes échantillonnés

p(t)
G2 (s)
P (s)

Te
r(k) e(k) u(k) u(t) + y(t) ye (t)
C(z) BOZ G1 (s)
R(z) + E(z) Y (s) Ye (s)

Y (z)
Te
ym (k) ym (t)

Ym (z) +

n(k)
N (z)

Figure 4.10 – Systèmes bouclés en présence de perturbations

En combinant ces deux équations on retrouve la relation suivante pour le système bouclé :

 G1 (s)
C(z) (1 − z −1 ) Z 
Y (z) = s R(z) − N(z)
 G1 (s)
−1
1 + C(z) (1 − z ) Z
s (4.2.4)
1
+ Z{G2 (s)P (s)}
 G1 (s)
1 + C(z) (1 − z −1 ) Z
s

où Z{G2 (s)P (s)} = Z{(g2 ⋆ p)(t)}.


La deuxième méthode consiste à utiliser le théorème de superposition et à appliquer
la formule (4.2.3) :
– entrée seule :
 G1 (s)
(1 − z −1 )C(z)Z
Y (z) = s R(z) ;
 G1 (s)
−1
1 + (1 − z )C(z)Z
s
– bruit seul :
 G1 (s)
(1 − z −1 )C(z)Z
Y (z) = − s N(z) ;
 G1 (s)
−1
1 + (1 − z )C(z)Z
s
– perturbation seule :

Z G2 (s)P (s)
Y (z) = .
 G1 (s)
1 + (1 − z −1 )C(z)Z
s
En superposant, en sommant ces effets, on obtient la fonction de transfert (4.2.4).
38 Analyse des systèmes échantillonnés

Par conséquent, à un pôle simple en s de valeur pi correspond un pôle en z de valeur


epi Te . Ce résultat a été déjà illustré dans la section 3.2, par la figure 3.1.
Nous rappelons que dans le cas d’un pôle en s initial réel s = σ1 , le point obtenu dans
le plan en z sera réel : z = eσ1 Te . Dans le cas d’une paire de pôles complexes conjugués
σ2 ± jω2 , les points obtenus dans le plan en z auront pour affixe eσ2 Te e±jω2 Te . Donc,

Chapitre 5 ceux-ci on pour module eσ2 Te et pour argument ω2 Te .


Systèmes du premier ordre
Pour les systèmes du premier ordre, la correspondance entre les pôles a été illustrée
Analyse des systèmes échantillonnés à la figure 5.2 autant dans le cas d’un pôle stable que dans le cas d’un pôle instable.
Im(z)

5.1 Réponse des systèmes échantillonnés 1111


0000
Im(s)

0000
1111
Considèrons un système échantillonné classique tel qu’il a été rappelé à la figure 5.1.
0000
1111
Dans cette section, on étudie la réponse temporelle du système échantillonné ainsi que
0000
1111
0000
1111
Re(z)

11111
00000 111111
000000
Re(s)
Te Te
0000
1111
p1 < 0 p2 > 0 ep1 Te ep2 Te

0000
1111
u(t) ue (t) y(t) ye (t)
G(s)
U (s) Ue (s) Y (s) Ye (s)
0000
1111
U (z) Y (z) 0000
1111
Figure 5.1 – Système à temps discret à entrée et sortie échantillonnées

Figure 5.2 – Correspondance entre les pôles en s et les pôles en z d’un système ordre 1
la relation entre le système continu et les pôles et les zéros dans le plan en z.

5.1.1 Pôles A partir de cette correspondance, on peut remarquer que le pôles en z réels négatifs
n’ont pas de correspondant sur l’axe réel du plan en s.
Les pôles en s du système représenté à la figure 5.1 sont les pôles de la fonction de
Y (s) Systèmes du second ordre
transfert G(s) = . Ses pôles en z sont les pôles de la transmittance échantillon-
Ue (s)
Soit un système de second ordre de fonction de transfert :
Y (z)
née G(z) = . Si la fonction G(s) ne comporte que des pôles simples alors elle se
U(z) Kωn
décompose en éléments simples sous la forme : G(s) =
s2 + 2ξωn s + ωn2
n
X Ai avec ξ le facteur d’amortissement et ωn la pulsation naturelle du système.
G(s) =
i=1
s − pi Dans le cas d’un système du second ordre possédant deux pôles réels, on peut utiliser
la transformation précédente.
et par conséquent :
n
X Dans le cas où le système possède deux pôles en s complexes conjugués :
g(t) = L−1 {G(s)} = Ai epi t U(t). p
i=1 s1,2 = −(ξ ± j 1 − ξ 2 )ωn ,
Les pôles en z sont obtenus en appliquant la transformée en z :
on obtient les pôles en z :
n
X Ai z √
G(z) = Z{g(t)} = . z1,2 = e−ξωn Te e±j 1−ξ 2 ωn Te
.
i=1
z − epi Te

37
5.1 Réponse des systèmes échantillonnés 39 40 Analyse des systèmes échantillonnés

Courbes à ξ = constant : Si on considère des pôles en s situés sur deux demi-droites 108o θ = 90o 72o
1
à amortissement constant alors : ωn Te = π
ξ=0
3π 2 2π
126o 5 5
54o
− √ ξθ ±jθ 0, 1
z1,2 = e 1−ξ2 e 0.8 7π

10 0, 2 10
p 144o
où θ = 1 − ξ 2 ωn Te . Les deux pôles en z correspondant ont donc pour module 0, 3 36o
ξ 0.6 4π
−√ θ 5
0, 4
e 1−ξ2 et pour argument ±θ. Cela veut dire que lorsque les pôles en s se déplacent 0, 5
sur les deux demi-droites, les pôles en z se déplacent sur une spirale logarithmique 0.4
0, 6
(voir la figure 5.3). 9π 0, 7 θ = 18o
10
162o 0, 8
Courbes ωn = constant : On considère maintenant la transformation des cercles cor-
0.2 0, 9
respondant aux pôles en s de même pulsation naturelle. On montre que le lieu
π
des pôles en z correspondant est constitué de courbes perpendiculaires aux spirales ωn Te = π ξ=1
5 π
10
π
20
0
logarithmiques de même amortissement (on représente en fait les courbes de même −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
ωn Te ).
Figure 5.4 – Lieu des pôles du plan z pour ξ = ct et ωn Te = ct.
Im(z)
ξ=
co
ns
ta

– un pôle réel positif en s correspond à un pôle réel positif de valeur supérieure à 1


nt

Im(s)
e

111
000
dans le plan en z ;

000
111
000
111
– un pôle réel négatif en s correspond à un pôle réel positif de valeur inférieure à 1
dans le plan en z ;
000
111 Re(s) Re(z)

000
111
000
111
– un pôle complexe en s se retrouve sur une spirale logarithmique dans le plan en z ;
– un pôle complexe ayant une partie imaginaire en s multiple de
π
correspond à un
000
111
ωn = constante
Te

000
111 pôle réel négatif en z.

Im(s) Im(z)

Figure 5.3 – Correspondance entre les pôles en s et les pôles en z d’un système d’ordre
2
j Tπe

En reunissant les deux lieux précédents on obtient l’abaque de la figure 5.4. Cet abaque
Re(s) Re(z)
est utilisé lorsqu’on cherche à analyser les caractéristiques de la réponse indicielle du
système échantillonné par rapport au système à temps continu.

Systèmes d’ordre quelconque


Dans le cas général d’un système d’ordre quelconque, la correspondance entre les
pôles en s et les pôles en z est obtenue en combinant les deux cas précédents. En effet,
les correspondances entre les différentes régions du plan s et celles du plan z s’obtient z = esTe
plan en s plan en z
en utilisant la transformation z = esTe comme indiquées à la figure 5.5. On distingue
plusieurs régions : Figure 5.5 – Correspondance entre les pôles en s et les pôles en z
– la droite imaginaire dans le plan en s se traduit par le cercle unité dans le plan en
z;
5.1 Réponse des systèmes échantillonnés 41 42 Analyse des systèmes échantillonnés

5.1.2 Zéros
Il n’existe pas de relation simple entre les zéros de G(s) et ceux de G(z). G(z) peut
posséder des zéros et G(s) pas, comme on peut le remarquer dans l’exemple suivant.

Re(z)
Considérons le système :
g(t) = e−at
alors :
1
G(s) = et
s+a
z
G(z) = .
z − e−aTe

divergents
Modes
Ainsi, il existe un zéro en z alors qu’il n’en existe pas en s.
Remarque 5.1.1.

entretenus
– Si la fonction de transfert G(s) est à déphasage non minimal, cela n’implique pas
que la transmittance échantillonnée G(z) est à déphasage non minimal.

Modes
– Un système continu sans zéros dans le demi-plan de droite peut donner un système
échantillonné avec des zéros en dehors du cercle unité.

5.1.3 Réponse temporelle des systèmes échantillonnés

Im(z)
On peut calculer la réponse temporelle d’un système échantillonné :
– à partir de l’équation aux différences. Le modèle par équation récurrente permet de

0
calculer la réponse point par point et cette modélisation est directement adaptable
à l’implémentation dans un ordinateur.
– à partir de la fonction de transfert. En effet, si G(z) est la fonction de transfert

convergents
et U(z) est la transformée en z de la séquence d’entrée alors, sous l’hypothèse de

Modes
conditions initiales nulles, la réponse du système échantillonné est donnée par :
y(k) = Z −1 {Y (z)} = Z −1 {G(z)U(z)}.
Pour calculer l’inverse de la transformée en z on peut se référer aux différentes
méthodes vues au sous-chapitre 3.4.

Pour calculer la réponse d’un système échantillonné on utilise la décomposition en


Y (z)
éléments simples de . Nous étudions cette décomposition dans le cas général.
z
Soit G(z) la fonction de transfert du système échantillonné et soit p1 , p2 , . . ., pnp les
pôles de G(z) avec mi , i = 1, . . . , np , l’ordre de multiplicité de chaque pôle. On définit
également l’entrée quelconque U(z) du système qui est caractérisée par un polynôme
dénominateur ayant les racines z1 , z2 , . . ., zq . Alors, la décomposition en éléments simples
Y (z) G(z)U(z)
de = permet d’écrire :
z z Figure 5.6 – Réponse temporelle en fonction de la position des pôles dans le plan z
np q
X X
Y (z) = Gi (z) + Uj (z) .
i=1 j=1
| {z }
régime forcé
5.1 Réponse des systèmes échantillonnés 43 44 Analyse des systèmes échantillonnés

Les derniers termes de cette expression représentent le régime forcé du système et dé- On peut montrer que cette forme peut s’écrire également comme étant P (k)|p|k sin(kθ+φ)
pendent essentiellement du type d’entrée. Les termes Gi (z), même s’ils dépendent du où P (k) est un polynôme à coefficients réels, θ est l’argument du pôle p et φ est un
choix du signal d’entrée, décrivent les caractéristiques intrinsèques au système G(z). On déphasage. Par conséquent, la contribution de ce mode à la réponse du système est de
s’intéresse par la suite à l’expression des termes Gi (z) qui s’écrivent : type oscillant et elle dépend du module du pôle :
mi
X Aij z – Si |p| > 1 la réponse associé à ce mode diverge (divergence exponentielle). Dans ce
Gi (z) = . cas, on parle d’un régime oscillant non amortie.
j=1
(z − pi )j
– Si |p| < 1 alors la réponse converge et le régime transitoire associé à cette réponse
La transformée en z inverse s’écrit : est appelé régime oscillant amortie.
Z −1 {Gi (z)} = Pi (k)pki – Si |p| = 1 et le pôle est de multiplicité 1 alors on a un pôle entretenu et donc, la
avec Pi (k) un polynôme en k d’ordre mi − 1. Comme ce terme constitue une suite réponse est oscillante sans convergence ni divergence. Si P (k) est de degré non nul
géométrique des puissances de pi , l’évolution de ce terme dépend essentiellement de la alors le mode est divergent.
valeur de pi .
A chaque pôle pi on associe un mode et on va décrire la réponse du système en Superposition des modes
fonction de ces modes. Notons qu’il a autant des modes dans le système que des pôles Les contributions des différents types de modes ont été regroupées à la figure 5.6.
distincts. La réponse globale du système est obtenue en superposant les contributions de tous les
Mode réel modes du système et de la réponse forcée. Remarquons que, alors qu’un système à temps
continu peut avoir qu’une seule source d’oscillations, un système à temps discret peut en
Un mode réel pi correspond à un pôle réel pi . En utilisant le théorie des suites, nous avoir deux. Celles-ci sont la présence des pôles complexes conjugués et la présence des
pouvons trouver la contribution de ce mode à la réponse du système. Alors, indépen- pôles à partie réelle négative.
damment du polynôme Pi (k), on a :
– Si |pi | < 1 alors
Pi (k)pki −→ 0 lorsque k −→ ∞. 5.2 Réponse fréquentielle
On parle d’un mode convergent et la vitesse de convergence dépend de la valeur
de pi (convergence exponentielle). Si pi > 0 alors la suite {Pi (k)pki } garde le même Pour étudier la réponse en fréquence (harmonique) des systèmes échantillonnés, nous
signe et le mode est appelé mode apériodique. Par contre, si pi < 0 alors la suite considérons le système de la figure 5.1.
peut changer de signe et, dans ce cas, on parle d’un mode oscillatoire. Si pi = 0 Nous savons que :
(mi = 1)alors la suite converge vers zéro en une seule itération et on obtient ce
qu’on appelle une réponse pile. Ye (s) = Ge (s)Ue (s) et Y (z) = G(z)U(z)
– Si |pi | > 1 alors
Pi (k)pki −→ ±∞ lorsque k −→ ∞. avec la relation suivante entre les deux fonctions de transfert
On parle alors d’un mode divergent et la vitesse de divergence dépend de la valeur 1 
de pi (divergence exponentielle). G(z) = Ge s = ln z et Ge (s) = G(z = eTe s ).
Te
– Si |pi | = 1 et Pi (k) est un polynôme constant 1 alors la contribution de ce mode est
un signal constant. On parle alors de mode entretenu. Si Pi (k) est de degré non nul La réponse fréquentielle du système échantillonné est obtenue :
alors Pi (k)pki diverge quand k −→ ∞ (divergence polynomiale). – soit à partir de Ge (s) en remplacent s par jω

Mode complexe – soit à partir de G(z) en remplacent z par ejωTe .


Par la suite, on étudie la réponse harmonique à partir de G(z). En effet, si on considère
Pour un pôle complexe p il existe un pôle p∗ complexe conjugué de p, de même ordre de
une entrée sinusoı̈dale causale u(t) = U0 sin(2πf t) U(t) alors u(k) = U0 sin(2πνk) U(k)
multiplicité. Alors un mode complexe est associé à la paire de pôles complexes conjugués.
avec ν = f Te et :
La contribution de ce mode complexe à la réponse du système est de la forme :
– y(k) tend vers U0 G(ν) sin(2πνk + φ(ν)) et
Pα (k)pk + Pβ (k)p∗k .
– y(kTe ) tend vers U0 G(ωTe ) sin(ωTe k + φ(ω)).
1. Cela est possible uniquement lorsque l’ordre de multiplicité mi = 1
5.2 Réponse fréquentielle 45 46 Analyse des systèmes échantillonnés

Pour un système discret, la réponse fréquentielle en module et en phase est donnée


par : 
| G(z) | en faisant z parcourir le cercle unité

 z = e2πνj

 arg(G(z)) 1 1
c’est à dire pour ν ∈ [− ; ].
z = e2πνj 2 2
Dans le cas d’un système échantillonné, la réponse fréquentielle en module et en phase
est donnée par :
−10


| G(z) | en faisant z parcourir le cercle unité

 z = eωTe j −15

π π

Amplitude (dB)

 arg(G(z)) c’est à dire pour ω ∈ [− ; ]. −20
| G(z) |z=ejωTe
z = eωTe j Te Te
−25

Le tracée de la réponse fréquentielle est également appelé diagramme de Bode. A par-


tir de la formule (2.2.3) qui s’applique également dans le cas des systèmes échantillonné, −30

on déduit que le diagramme de Bode est périodique de période ν = 1 (respectivement


2π 1 π −35

ω= ) et symétrique par rapport à (respectivement ). C’est pour cela que, géné- | G(s) |s=jω
Te 2 Te −40
1
ralement, on trace le diagramme de Bode uniquement pour ν ∈ [0; ] (respectivement
2
π −45 −1
10 10
0
10
1
10
2

ω ∈ [0; ]) avec (souvent) une échelle linéaire. π


Te ω(rad/s)
Te
Remarque 5.2.1. Les règles de construction du diagramme de Bode asymptotique ne
0
s’applique pas.
−20

Exemple 5.2.1. Soit la fonction de transfert d’un système à temps continu G(s) =
1 −40

Phase (degrés)
. Comme le but final est de construire un correcteur numérique pour ce système
s+5 −60

alors celui-ci sera précédé par un BOZ dans la boucle de commande. Pour calculer la | G(s) |s=jω
−80
transmittance échantillonnée du système on utilise la formule (4.2.1) et donc :
−100
 
G(s) 1−c 0, 07869
G(z) = (1 − z −1 )Z = = −120

s 5(z − c) z − 0, 6065
−140

avec c = e−5Te et la période d’échantillonnage Te = 0, 1. −160


| G(z) |z=ejωTe
La figure 5.7 montre la réponse fréquentielle en module et en phase du système −180
−1 0 1 2

continu et du système échantillonné. On remarque une distorsion de gain dans la réponse 10 10 10


π
10

fréquentielle du système échantillonné due au recouvrement de spectre et une perte de ω(rad/s)


Te
phase due au bloqueur.
Figure 5.7 – Réponse fréquentielle d’un système échantillonné
5.3 Stabilité 47 48 Analyse des systèmes échantillonnés

5.3 Stabilité 1. |a0 | − an < 0 ;


2. D(1) > 0 ;
5.3.1 Critère général de stabilité 3. (−1)n D(−1) > 0 ;
Nous présentons la notion de stabilité “entrée bornée-sortie bornée” (en anglais boun- 4. |aj,0| − |aj,n−j | > 0, ∀j = 1, 2, . . . , n − 2.
ded input-bounded output ou BIBO) pour les systèmes à temps discrets.
Définition 5.3.1 (Stabilité BIBO). Un système définit par ses entrées-sorties est BIBO
stable si pour toute entrée bornée Etudions ce critère sur les cas des systèmes d’ordre inférieur ou égal à quatre :
Cas n = 1 : Alors, D(z) = a0 + a1 z et les conditions du théorème 5.3.2 sont
k u(k) k∞ = sup | u(k) |< ∞
k∈IN 1. |a0 | < a1 ;
la sortie est bornée 2. a0 + a1 > 0 ;
k y(k) k∞ = sup | y(k) |< ∞ 3. −a0 + a1 > 0.
k∈IN
La condition 4 du théorème 5.3.2 ne s’applique pas car n < 3.

Cas n = 2 : Alors, D(z) = a0 + a1 z + a2 z 2 et les conditions du théorème 5.3.2 s’écrivent
Cette définition d’ordre très général est difficile à appliquer en pratique. Le théorème 1. |a0 | < a2 ;
suivant montre que l’étude de la stabilité BIBO d’un système linéaire se réduit à étudier 2. a0 + a1 + a2 > 0 ;
les modes du système.
3. a0 − a1 + a2 > 0 ;
Théorème 5.3.1 (Stabilité). Un système linéaire invariant à temps discret est stable si Comme pour le cas précédent, la condition 4 du théorème 5.3.2 ne s’applique pas
et seulement si tous ses pôles sont de module strictement inférieur à un. car n < 3.
Cas n = 3 : Alors, D(z) = a0 + a1 z + a2 z 2 + a3 z 3 et les conditions du théorème 5.3.2
Lorsqu’on ne peut pas calculer les pôles par une méthode numérique alors nous pou-
devient
vons utiliser deux autres critères algébriques de stabilité.
1. |a0 | < a3 ;
5.3.2 Critères algébriques de stabilité 2. a0 + a1 + a2 + a3 > 0 ;
3. −a0 + a1 − a2 + a3 > 0 ;
Critère de Jury 4. Pour écrire facilement cette quatrième condition on établit le tableau suivant :
Le critère de Jury adresse le problème de stabilité d’un système linéaire à temps a0 a1 a2 a3
discret à partir de la connaissance du polynôme caractéristique. a3 a2 a1 a0
Soit le système à temps discret de fonction de transfert : a0 a3 a0 a2 a0 a1
a1,0 = a1,1 = a1,2 =
a3 a0 a3 a1 a3 a2
N(z)
G(z) = avec D(z) = a0 + a1 z + · · · + an z n et an > 0. La première et la deuxième lignes de ce tableau sont construites en utilisant
D(z)
les coefficients de D(z) dans l’ordre croissant et respectivement décroissant
Lorsque les coefficients de D(z) sont réels, le critère de Jury permet de conclure sur la des puissances de z. Par la suite, la troisième ligne contient uniquement trois
stabilité du système sans calculer les racines du dénominateur ou du polynôme caracté- coefficients et chaque coefficient a1,j est calculé comme étant le déterminant
ristique D(z). de la matrice construite avec la première et la (n − j + 1)-ème colonnes de
deux lignes précédentes. Alors, la condition 4 s’écrit |a20 − a23 | > |a0 a2 − a3 a1 |
Théorème 5.3.2 (Critère de Jury). Soit :
qui est équivalente à

 a0,i = ai , ∀i = 0, 1, . . . , n, a23 − a20 > |a0 a2 − a3 a1 |.
aj,0 aj,n−j−i Cas n = 4 : Alors, D(z) = a0 +a1 z+a2 z 2 +a3 z 3 +a4 z 4 et les conditions du théorème 5.3.2
 aj+1,i = , ∀j = 0, 1, . . . , n − 1 et 0 6 i 6 n − j − 1.
aj,n−j aj,i s’écrivent
Le polynome D(z), à coefficients réels, a ses racines de module inférieur à l’unité si et 1. |a0 | < a4 ;
seulement si les inégalités suivantes sont vérifiées : 2. a0 + a1 + a2 + a3 + a4 > 0 ;
5.3 Stabilité 49 50 Analyse des systèmes échantillonnés

a0 a1 a2 a3 a4 Im(z) Im(w)
1+w
a4 a3 a2 a1 a0 Plan en z z=
1−w
Plan en w
a0 a4 a0 a3 a0 a2 a0 a1
a1,0 = a1,1 = a1,2 = a1,3 =
a4 a0 a4 a1 a4 a2 a4 a3
a1,3 a1,2 a1,1 a1,0 −1 1 Re(z) Re(w)
a a a a a a
a2,0 = 1,0 1,3 a2,1 = 1,0 1,2 a2,2 = 1,0 1,1
a1,3 a1,0 a1,3 a1,1 a1,3 a1,2

Table 5.1 – Tableau pour le critère de Jury (n = 4)


Figure 5.8 – Correspondance entre le plan en z et le plan en w
3. a0 − a1 + a2 − a3 + a4 > 0 ;
4. On construit le tableau 5.1.
La condition de stabilité du théorème 5.3.1, portant sur l’étude du polynôme déno-
minateur D(z) de la fonction de transfert, est modifiée. On admet que la stabilité est
Les trois premières lignes de ce tableau sont construites comme pour le cas vérifiée si le polynôme en w :
précédent. La quatrième ligne est construite à partir des valeurs calculées
 
a1,j dans l’ordre décroissant de j. Par la suite, la cinquième ligne contient 1+w
uniquement trois coefficients et chaque coefficient a2,j est calculé comme étant D ′ (w) = (1 − w)n D
1−w
le déterminant de la matrice construite avec la première et la (n − j + 1)-ème
colonnes de deux lignes précédentes. Donc, la condition 4 s’écrit : vérifie le critère de Routh (voir [2], [9] pour des rappels sur le critère de Routh). No-
 tons que, généralement, cette méthode est très calculatoire et par conséquent, utilisée
|a1,0 | > |a1,3 | ⇐⇒ a24 − a20 > |a0 a3 − a1 a4 | et uniquement pour des systèmes d’ordre très faible.
|a2,0 | > |a2,2 |.

Transformée en w et critère de Routh


Le critère de Routh est utilisé pour les systèmes à temps continu. Donc, il ne s’ap-
plique pas tel quel aux systèmes à temps discret. Pour pouvoir l’appliquer on utilise la
transformée en w :
z−1 1+w
w= ⇐⇒ z = .
z+1 1−w
Si z = ejωTe alors :
ωTe ωTe ωTe
ejωTe − 1 e−j 2 ej 2 − e−j 2
w = jωT
= ωTe ωTe ωTe
e e +1 e−j 2 ej 2 + e−j 2
ωTe
sin( 2 ) ωTe
= j = j tan( ).
cos( ωT2 e ) 2

Donc, pour ωTe ∈ [−π, π] on obtient w ∈ j[−∞, ∞]. Cela signifie que le cercle unité
est envoyé sur l’axe imaginaire. De plus,
p
(1 + Re(w))2 + Im(w)2
|z| = p
(1 − Re(w))2 + Im(w)2

et |z| < 1 est équivalent à Re(w) < 0. Par conséquent, la transformée en w associe à
l’intérieur du cercle unité du plan en z le demi-plan gauche du plan en w, comme on
peut le voir sur la figure 5.8.
52 Analyse des systèmes échantillonnés en boucle fermée

lui-même discret et qu’il n’y ait donc pas de conversion analogique-numérique à


faire.
Dans ce chapitre, nous étudions deux critères de stabilité pour les systèmes asser-
vis ainsi que la notion de précision. Pour cela, remarquons d’abord que le système de
la figure 6.1 comporte une partie numérique et une partie analogique. Afin d’étudier la

Chapitre 6 stabilité du système en boucle fermée on doit utiliser le même formalisme mathématique
pour tout le système. Alors, le système asservi équivalant comportant des transmittance

yr (k) e(k)
C(z)
u(k)
G(z)
y(k)
+
Analyse des systèmes échantillonnés −

ym (k)
en boucle fermée H(z)

Figure 6.2 – Système asservi discret.

6.1 Structure des systèmes à commande numérique échantillonné a été représenté à la figure 6.2. Notons que tout système à commande nu-
Le pilotage par ordinateur des procédés physiques, notamment leur asservissement, mérique peut être représenté comme le système de la figure 6.2 en calculant les fonctions
est de plus en plus utilisé dans le milieu industriel pour des raisons de coût et de rapidité G(z) et H(z) de manière appropriée. En effet, nous avons :
d’implémentation. La commande numérique du procédé est illustrée au schéma de la 
G(s)

figure 6.1. G(z) = (1 − z −1 )Z et
s
 
p(t) G(s)H(s)
G(z)H(z) = (1 − z −1 )Z .
yr (k) + ε(k) u(t) y(t) s
correcteur procédé
numérique CNA
consigne − avec G(s) et H(s) les fonctions de transfert du procédé et du capteur. La première
numérique
fonction de transfert G(z) représente la transmittance échantillonnée de la partie {CNA
CAN
mesure
capteur
+ G(s) + échantillonneur} tandis que la deuxième expression représente la transmit-
analogique tance échantillonnée de la partie { CNA + G(s)H(s) + échantillonneur}. De ces deux
Te équations, on peut déduire l’expression de H(z) comme étant :
b(t)
commande numérique du système  
Z G(s)H(s)
s
Figure 6.1 – Commande numérique d’un procédé H(z) =   .
Z G(s)
s
Le principe d’un système à commande numérique est de remplacer la commande
analogique du système par des algorithmes mis en œuvre sur calculateur. Le calculateur La fonction de transfert du système en boucle fermée est :
numérique nécessitant un certain temps pour effectuer ces opérations, on introduit alors
C(z)G(z) NBF (z)
un découpage temporel des signaux au niveau du calculateur. Les systèmes à commande FBF (z) = = .
numérique considérés présentent donc un caractère hybride temps continu - temps discret. 1 + C(z)G(z)H(z) DBF (z)
Par conséquent, il est nécessaire de réaliser une interface entre le calculateur et le procédé
Étudier la stabilité du système asservi revient à étudier les racines du polynôme carac-
et cette interface est obtenue à l’aide :
téristique DBF (z) = 0 ou de l’équation caractéristique
– d’un convertisseur numérique-analogique (CNA) pour convertir les signaux numé-
riques issus du calculateur dans des signaux analogiques constituant l’entrée du 1 + FBO (z) = 0
procédé ;
– d’un convertisseur analogique-numérique (CAN) pour convertir les mesures effec- où FBO (z) = C(z)G(z)H(z) est la fonction de transfert en boucle ouverte. Notons que,
tuées sur le procédé et les fournir au calculateur. Il peut arriver que le capteur soit conformément à la section 5.3, le système en boucle fermée est stable si les racines du

51
6.2 Critère de Nyquist 53 54 Analyse des systèmes échantillonnés en boucle fermée

polynôme caractéristique ou de l’équation caractéristique sont à l’intérieur du cercle figure 3(a). Le point z se déplace sur le contour C dans le sens trigonométrique. Comme
unité. le nombre de pôles et de zéros à l’intérieur du contour est, respectivement,
Nous présentons, par la suite, deux méthodes géométriques (ou harmoniques) pour
l’étude de la stabilité du système asservi. P = 3 et Z = 1 alors N = −2.
Donc, F (z) décrit une courbe D en entourant deux fois l’origine dans le sens trigono-
métrique négatif (parce que N est négatif), comme on peut le voir sur la figure 3(b).
6.2 Critère de Nyquist
Le critère de Nyquist est la première méthode géométrique que nous étudions. Elle
est basée sur le théorème de Cauchy. 6.2.2 Contour de Nyquist
Le contour de Nyquist est défini comme étant le cercle unité parcouru dans le sens
6.2.1 Théorème de Cauchy trigonométrique (voir la figure 6.4). Donc, le contour fermé C s’écrit comme :
Soit F (z) une fraction rationnelle en z :
C = {z | z = ejΩ , Ω ∈ [−π, π]}.
m
Y
(z − zi )
i=1 Im(z)
F (z) = K n
Y
(z − pi ) C Pôles
j=1
instables
et soit C un contour fermé orienté qui ne passe par aucun pôle ou zéro de F (z).
−1 1
Théorème 6.2.1 (Théorème de Cauchy). Quand le point z décrit complètement la Pôles Re(z)
courbe fermé C dans un sens donné, le point F (z) décrit une courbe D qui encercle stables
l’origine, dans le même sens que le parcourt de z sur C, d’un nombre de fois N égal à

N = Z −P

où Z et P désignent respectivement le nombre de zéros et de pôles à l’intérieur du contour Figure 6.4 – Contour de Nyquist.
fermé C (en comptant l’ordre de multiplicité de chaque pôle ou zéro).

Par la suite, on va appliquer le théorème de Cauchy à la fonction F (z) et au contour de


Im(z) Im(F (z))
Nyquist. Étant donné que la fonction F (z) = 1+FBO (z), quelques remarques s’imposent :
C
D – les zéros de F (z) sont également les pôles du système en boucle fermée FBF (z) ;
– les pôles de F (z) sont les pôles du système en boucle ouverte FBO (z) ;
– comme FBO (z) représente un système causal, le degré de son numérateur est infé-
Re(z) Re(F (z)) rieur ou égal au degré de son dénominateur et par conséquent, le nombre de pôles
de F (z) est identique à son nombre de zéros ;
– les encerclements de F (z) autour de l’origine sont équivalents aux encerclements
(a) Le contour fermé C. (b) Le contour D généré par F (z). de FBO (z) autour du point −1.

Figure 6.3 – Illustration du théorème de Cauchy. 6.2.3 Critère de Nyquist


Le lieu de Nyquist de FBO (z) est définit comme la courbe décrite par l’ensemble de
Exemple 6.2.1. Afin d’illustrer le théorème de Cauchy, considérons une fonction F (z) points : 
ayant quatre pôles et un zéro ainsi qu’un contour C tels qu’ils ont été représentés sur la (Re(FBO (z)), Im(FBO (z)) | z = ejΩ , Ω ∈ [−π; π]) .
6.2 Critère de Nyquist 55 56 Analyse des systèmes échantillonnés en boucle fermée

Compte tenu des éléments précédents, le critère de Nyquist s’énonce comme suit. Im(z)

Théorème 6.2.2 (Critère de Nyquist). Le système discret en boucle fermée, d’équa- Pôles
C instables
tion caractéristique 1 + FBO (z) = 0, est stable si et seulement si le lieu de Nyquist de
FBO (z) parcouru de Ω = −π à Ω = π avec z = ejΩ , entoure le point −1 dans le sens
trigonométrique un nombre de fois égal au nombre de pôles instables de FBO (z).
−1 1 Re(z)
Pôles
Démonstration – Soit n le nombre des pôles de FBO (z) et P le nombre de pôles stables stables
de FBO (z) (le nombre des pôles à l’intérieur du contour de Nyquist). Alors, n est aussi
égal au nombre de zéros de 1 + FBO (z) et au nombre de pôles de FBF (z).
Comme le contour de Nyquist tourne dans le sens trigonométrique, par le théorème de
Cauchy, 1+FBO (z) encercle l’origine dans le sens trigonométrique N fois avec N = Z −P
où Z et P représentent respectivement le nombre de zéros stables et de pôles stables de Figure 6.5 – Contour de Nyquist.
1 + FBO (z). Mais, le système bouclé est stable si et seulement si les zéros de 1 + FBO (z)
sont stables donc si et seulement si Z = n. La démonstration est terminée si on observe
que N = n − P est aussi le nombre de pôles instables de FBO (z) et que les encerclements Théorème 6.2.3 (Critère de Nyquist pour des systèmes en boucle ouverte stables). Si
de l’origine par 1 + FBO (z) sont équivalents aux encerclements du point −1 par FBO (z). le système en boucle ouverte est stable alors le système bouclé est stable si et seulement
 si le lieu de Nyquist de la boucle ouverte n’encercle pas le point −1.
Remarque 6.2.1. Lorsqu’il s’agit d’un système échantillonné, le lieu de Nyquist est Ce critère est également connu sous le nom du critère du revers.
π π
parcouru de ω = − à ω = avec z = ejωTe .
Te Te
Remarque 6.2.2. En pratique, on construit le lieu de Nyquist pour Ω variant de 0 6.3 Lieu d’Evans
π
à π (respectivement pour ω variant de 0 à pour la cas échantillonné). La partie
Te Le lieu d’Evans constitue une deuxième méthode géométrique pour l’étude de la
correspondant à des valeurs négatives de Ω (respectivement de ω) est tracée en se basant stabilité d’un système asservi.
sur la symétrie du lieu de Nyquist par rapport à l’axe réel. Soit le système asservi de la figure 6.2 avec un correcteur proportionnel C(z) = Kc .
Alors, la transmittance du système en boucle ouverte est :
6.2.4 Contour de Nyquist pour des pôles de la FBO (z) sur le NBO (z)
FBO (z) = Kc G(z)H(z) =
cercle unité DBO (z)
Lorsque la transmittance en boucle ouverte comporte des pôles sur le cercle unité et la fonction de transfert en boucle fermée s’écrit :
alors le contour de Nyquist est obtenu en contournant ces pôles par des demi-cercles de Kc G(z) NBF (z)
rayon ρ → 0, situés à l’extérieur du cercle unité. Un exemple à été illustré sur la figure 6.5 FBF (z) = = .
1 + Kc G(z)H(z) DBF (z)
pour un transmittance en boucle ouverte ayant trois pôles sur le cercle unité.
En effet, lorsque la boucle ouverte a des pôles sur le cercle unité, le lieu de Nyquist Nous rappelons que les pôles de du système asservi sont les racines de DBF (z) c’est-à-dire
présente des discontinuités. En contournant ces pôles par des demi-cercles à l’extérieur du les racines de l’équation caractéristique :
cercle unité alors, il résulte pour le lieu de FBO (z) des branches à l’infini qui se referment 1 + Kc G(z)H(z) = 1 + FBO (z) = 0.
par des demi-cercles de rayon infini.
On remarque que les racines de cette équation sont fonction de Kc . Cela veut dire que
Remarque 6.2.3. En construisant le contour de Nyquist de cette manière, les pôles les pôles du système en boucle fermé sont fonction du gain Kc .
qui se trouvent sur le cercle unité ne seront pas comptabilisés dans P . P comptabilise
uniquement les pôles stables du système en boucle ouverte.
6.3.1 Définition du lieu d’Evans
6.2.5 Critère de Nyquist pour des systèmes en boucle ouverte Il est intéressant d’étudier la position des pôles du système asservi lorsque le gain Kc
varie. On peut alors faire la synthèse du correcteur proportionnel par placement des pôles
stables
c’est à dire on peut déduire les valeurs de Kc pour lesquelles l’asservissement satisfait un
Si la transmittance du système en boucle ouverte comporte uniquement des pôles cahier de charges (par exemple : asservissement stable, rapide ou suffisamment amorti
stables alors le critère de Nyquist s’énonce comme suit. ...).
6.3 Lieu d’Evans 57 58 Analyse des systèmes échantillonnés en boucle fermée

Définition 6.3.1. Les courbes décrites par les pôles du système asservi lorsque Kc Règle 1 :
varie correspondent aux courbes décrites par les racines de l’équation caractéristique (de Nombre de branches du lieu : n branches ; Le nombre de branches est identique au
l’asservissement) lorsque Kc varie. L’ensemble de ces courbes est appelé lieu des racines nombre de pôles de la boucle ouverte.
ou lieu d’Evans.  Points de départ : les n branches partent, pour K = 0, des n pôles {pj } de FBO (z).
Points d’arrivée : les n branches aboutissent, pour K → ∞, aux m zéros {zi } et
Il est possible de tracer approximativement l’emplacement des pôles de la fonction aux n − m zéros à l’infini de FBO (z).
de transfert en boucle fermée en fonction du gain Kc avec des règles simples. Ces règles Donc, le lieu comporte n − m branches qui vont à l’infini.
sont présentées par la suite. Règle 2 : Le lieux des racines est symétrique par rapport à l’axe réel.
Règle 3 : Branches du lieu appartenant à l’axe réel : un point M de l’axe réel appartient
6.3.2 Règles de construction du lieu d’Evans au lieu si le nombre de pôles et zéros réels de la boucle ouverte, comptés avec leur
Les règles de construction du lieu des racines se basent uniquement sur la fonction ordre de multiplicité, et situés à la droite du point M, est impair.
de transfert en boucle ouverte FBO (z) qui s’écrit sous forme factorisée comme : Règle 4 : Asymptotes des branches à l’infini : les n−m asymptotes des branches partant
m
à l’infini font avec l’axe réel des angles :
Y
(z − zi ) (2λ + 1)π
i=1
αλ = , λ = 0, 1, . . . , (n − m − 1).
FBO (z) = Kc G(z)H(z) = Kc Kg n . n−m
| {z } Y
K (z − pj ) Ces n − m asymptotes s’intersectent avec l’axe réel en un seul point d’abscisse :
j=1 n m
X X
pj − zi
avec zi pour i = 1, . . . , m et pj pour j = 1, . . . , n les zéros et respectivement les pôles de
j=1 i=1
la boucle ouverte. σa = .
n−m
Par la suite on se place dans l’hypothèse ou K ∈ IR+ . Alors, le lieu d’Evans représente
l’ensemble des points du plan convexe définis par les racines de 1 + FBO (z) = 0 lorsque Règle 5 :
K varie de 0 à ∞. Cette équation peut être réécrite sous la forme : Points de séparation : correspondent à l’intersection du lieu avec l’axe réel ; Un
m
point de séparation sur l’axe réel traduit l’existence d’une racine réelle multiple qui
Y
(z − zi ) a la propriété d’annuler la dérivée de FBO (z) :
i=1 1
=− (6.3.1) d FBO (z)
Yn
K = 0.
(z − pj ) dz
j=1 Notons que cette condition est une condition nécessaire mais pas suffisante. Par
conséquent, pour trouver un point de séparation il faut résoudre l’équation précé-
et elle est également appelée équation caractéristique du lieu d’Evans. dente et ensuite vérifier que la (ou les) solution (s) de cette équation appartient au
D’après l’équation (6.3.1), un point M d’affixe zM appartient au lieu des racines si et lieu des racines.
seulement si les conditions suivantes sont satisfaites :
m Angle des branches au point de séparation : si N branches du lieu d’Evans se
Y
|zM − zi | coupent en un point de séparation alors l’angle entre deux demi-branches voisines
π
1 est égal à .
1. i=1
n = appelée la condition du module ; N
Y K
|zM − pj | Règle 6 : Dans certains cas, par exemple lorsque la fonction de transfert en boucle ou-
j=1 verte comporte des zéros ou des pôles complexes conjugués, on a besoin de connaı̂tre
m
X n
X l’angle de départ ou d’arrivée d’une branche afin de construire correctement le lieu
2. arg(zM − zi ) − arg(zM − pj ) = π(1 + 2λ) avec λ ∈ IN quelconque, appelée des racines. Ces angles se déterminent en utilisant la condition de l’angle.
i=1 j=1 Angle de départ d’une branche : soit pk un pôle de multiplicité nk , alors les nk
la condition de l’angle. branches partant de pk font des angles βk par rapport à l’horizontale et
Les règles de construction du lieu des racines sont énoncées par la suite. Notons que, m n
dans l’application de ces règles, les zéros et les pôles sont comptés avec leur ordre de 1 X X 
βk = arg(pk − zi ) − arg(pk − pj ) − π(1 + 2λ) , λ = 0, 1, . . . , (nk − 1).
multiplicité. nk i=1
j=1,j6=k
6.3 Lieu d’Evans 59 60 Analyse des systèmes échantillonnés en boucle fermée

Angle d’arrivée d’une branche : soit zk un zéro de multiplicité mk , alors les mk


branches arrivant en zk font des angles γk par rapport à l’horizontale et
m n
1 X X 
γk = − arg(zk −zi )+ arg(zk −pj )−π(1+2λ) , λ = 0, 1, . . . , (mk −1).
mk i=1,i6=k j=1

Règle 7 : Graduation du lieu en valeur de K : La valeur de K en tout point M, d’affixe


zM , du lieu d’Evans se calcule en utilisant l’équation caractéristique ou la condition
du module.
Remarque 6.3.1. Les intersections du lieu d’Evans avec le cercle unité peuvent se
déterminer en utilisant le critère de Jury. La détermination de ces point d’intersection
permet de trouver la valeur de K à la limite de stabilité ou les valeurs de K pour lesquelles 1.5

les système asservi reste stable.


Exemple 6.3.1. Soit la fonction de transfert en boucle ouverte :
1
z + 0, 5
FBO (z) = K .
(z − 1)(z − 0, 5)
0.5
Les règles du lieu des racines s’appliquent comme suit.

Axe imaginaire
Règle 1 :
Nombre des branches : n = 2 branches ;
0
Points de départ : les pôles de la boucle ouverte {1; 0, 5} ;
Points d’arrivée : le zéro de la boucle ouverte {−0, 5} et le zéros à l’infini =⇒ 1
branche à l’infini.
−0.5
Règle 3 : Branches du lieu appartenant à l’axe réel : tout point M d’abscisse zM avec
zM ∈ [0, 5 1] ∪ (−∞ − 0, 5].
Règle 4 : Asymptote de la branches à l’infini : α0 = π ;
−1
Règle 5 : Points de séparation :

d FBO (z)
= 0 =⇒ z1 = 0, 72 et z2 = −1, 72.
dz −1.5
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
π Axe réel
Les angles des branches aux points de séparations sont ± . Le lieu des racines à
2
été tracé à la figure 6.6.
Figure 6.6 – Lieu des racines.
6.4 Précision des systèmes asservis échantillonnés 61 62 Analyse des systèmes échantillonnés en boucle fermée

6.4 Précision des systèmes asservis échantillonnés Classe du système

L’erreur d’asservissement est définie comme étant l’écart entre la consigne et la gran- Dans le cas d’un système à temps discret, une intégration est caractérisée par la
deur à régler. L’analyse de l’erreur en régime permanent est très importante parce qu’elle présence d’un pôle en z = e0 = 1. Ainsi, si la somme des coefficients du dénominateur
nous donne une mesure de la qualité de l’asservissement en termes de précision statique. de la fonction de transfert du système considéré est nulle alors le système comporte au
Dans cette section nous étudions l’erreur permanente d’asservissement en supposant que moins un intégrateur.
le système bouclé est BIBO stable. Mettons maintenant en évidence le pole z = 1 de multiplicité c de la fonction de
transfert en boucle ouverte :
6.4.1 Expression de l’erreur 1 A(z)
FBO (z) = (6.4.4)
Soit le système à commande numérique présenté à la figure 6.1. Ce système est décrit (z − 1)c B(z)
de manière détaillé par le schéma équivalent de la figure 6.7.
avec A(z), B(z) des polynômes de degrés appropriés. Soit la constante K définie par
Te A(1)
yr (k) ε(k) u(k) u(t) y(t) ye (t) . L’entier c est appelé la classe du système en boucle ouverte.
C(z) BOZ G(s) B(1)
Yr (z) + E(z) Y (s) Ye (s) La précision du système asservi peut être calculée de manière systématique à l’aide

Y (z) de (6.4.3) et (6.4.4) pour différents types d’entrées :
Te
ym (k) ym (t)
H(s)
Ym (z)
Entrée échelon : Dans ce cas l’erreur statique est également appelée écart permanent
d’ordre 0. Alors, l’éntrée s’écrit comme :
Figure 6.7 – Système en boucle fermée avec un correcteur numérique
E0 z
Yr (z) =
z−1
Le signal d’erreur est :
et donc
ε(k) = yr (k) − ym (k). 
 E0
E0 si c = 0
En utilisant les résultats de l’exercice 4.2.2, la transformée en z du signal d’erreur vaut : ε∞ = lim = 1+K .
z→1 1 + FBO (z)  0 si c > 0
Yr (z)
E(z) =  . (6.4.1)
G(s)H(s) Entrée rampe : L’entrée s’écrit comme :
1 + C(z)(1 − z −1 )Z
s
V0 z
Yr (z) =
(z − 1)2
Expression générale de l’erreur
et donc
D’après le théorème de la valeur finale pour les systèmes à temps discret (voir les 
propriétés de la transformée en z, section section 3.3), on peut calculer l’expression de V0  ∞
 si c = 0
V0
l’erreur en régime établi par : ε∞ = lim = si c = 1 .
z→1 (z − 1)(1 + FBO (z))
 K

z−1 0 si c > 1
ε∞ = lim E(z). (6.4.2)
z→1 z Dans ce cas l’erreur statique est appelée écart permanent d’ordre 1.
Rappelons que cette relation est valable à condition que l’ensemble des pôles de E(z)
soient à l’intérieur du cercle unité. Ces résultats peuvent s’étendre au cas des entrées polynomiales de degré supérieur
En utilisant (6.4.1) et (6.4.2), l’expression de l’erreur du système asservi est : ou égal à deux. Le tableau 6.1 regroupe les résultats pour des entrées polynomiales de
degré inférieur ou égal à deux.
z−1 Yr (z)
ε∞ = lim . (6.4.3) Remarque 6.4.1. A partir du tableau 6.1, nous pouvons déduire que la précision sta-
z→1 z 1 + FBO (z)
tique vis-à-vis de la consigne dépend de la classe du système en boucle ouverte c’est à
 
G(s)H(s) dire du nombre d’intégrateurs de la boucle ouverte. On peut annuler un écart permanent
avec la fonction de transfert en boucle ouverte FBO (z) = C(z)(1 − z −1 )Z . d’ordre n si et seulement si la classe de la boucle ouverte est au moins n + 1.
s
6.4 Précision des systèmes asservis échantillonnés 63 64 Analyse des systèmes échantillonnés en boucle fermée

6.4.2 Erreur due aux perturbations


Soit le système bouclé précédant soumis à une perturbation externe p(t), comme
représenté à la figure 6.8.
Soit c2 le nombre d’intégration dans G2 (s)H(s) (inférieur à la classe c du système en
boucle ouverte). On montre que pour un échelon de perturbation d’amplitude E0 :

Entrée Echelon Rampe Parabole K1 lim (z − 1)c−c2


z→1
E0 z V0 z W0 z(z + 1) ε∞ = −E0
Yr (z) = Yr (z) = Yr (z) = lim(z − 1)c + K2
z→1
z−1 (z − 1)2 (z − 1)3
où K1 et K2 sont des constantes.
yr (k) = E0 U(k) yr (k) = V0 kU(k) yr (k) = W0 k 2 U(k)
Remarque 6.4.2. Pour obtenir une erreur statique nulle en présence d’une perturbation
E0
classe 0 ∞ ∞ de type échelon (rejet de la perturbation), il faut et il suffit que c > c2 , c’est-à-dire qu’il
1+K y ait au moins un intégrateur en amont du point d’application de la perturbation (soit
V0 dans C(z), soit dans G1 (s)).
classe 1 0 ∞
K
W0 Ce résultat s’étend évidemment au cas de perturbations de type rampe, parabole ...
classe 2 0 0 2
K
Table 6.1 – Précision des systèmes à commande numérique en fonction de leur classe

P (s)
+
Yr (z) + E(z) U (z) U (s) + Y (s)
C(z) BOZ G1 (s) G2 (s)
− ε(k)
CNA
Ym (z) Te
H(s)

Figure 6.8 – Commande numérique en présence de perturbations


66 Table de transformées en z

ω z sin(ωTe )

Annexe A sin(ωt) U(t)

cos(ωt) U(t)
s2 + ω 2

s
sin(ωkTe ) U(k)

cos(ωkTe ) U(k)
z 2 − 2z cos(ωTe ) + 1

z(z − cos(ωTe ))
s2 + ω 2 z 2 − 2z cos(ωTe ) + 1
Table de transformées en z
ω cz sin(ωTe )
e−at sin(ωt) U(t) ck sin(ωkTe ) U(k), c =
(s + a)2 + ω 2 z 2 − 2zc cos(ωTe ) + c2
e−aTe

f (t) F (s) f (kTe ) F (z)


s+a z(z − c cos(ωTe ))
e−at cos(ωt) U(t) ck cos(ωkTe ) U(k), c = 2
(s + a)2 + ω 2 −aTe z − 2zc cos(ωTe ) + c2
e
δ(t) 1 δ(k) 1

aTe z sin(ωTe )
1 z akTe sin(ωkTe ) U(k)
U(t) U(k) z2 − 2zaTe cos(ωTe ) + a2Te
s z−1

z(z − aTe cos(ωTe ))


1 zTe akTe cos(ωkTe ) U(k)
t U(t) kTe U(k) z2 − 2zaTe cos(ωTe ) + a2Te
s2 (z − 1)2

1 2 1 1 Te2 z(z + 1)
t U(t) (kTe )2 U(k)
2 s3 2 2(z − 1)3

1 z
e−at U(t) ck U(k), c = e−aTe
s+a z−c

1 cTe z
te−at U(t) kTe ck U(k), c = e−aTe
(s + a)2 (z − c)2

a z(1 − c)
(1 − e−at ) U(t) (1 − ck ) U(k), c =
s(s + a) (z − 1)(z − c)
e−aTe

65
Bibliographie

[1] K.J. Aström and B. Wittenmark. Computer controlled systems : theory and design.
Prentice-Hall, 1984.
[2] B. Bayle. Systèmes et asservissements à temps continu. Cours 1ère année, Ecole
Nationale Supérieure de Physique, 2004-2005.
[3] P. de Larminat. Automatique : commande des systèmes linéaires. Hermes, 1996.
[4] G.F. Franklin, J.D. Powell, and L.M. Workman. Digital control of dynamic systems.
Addison-Wesley Series in Electrical and Computer Engineering : Control Engineering,
1990.
[5] E Godoy and E. Ostertag. Commande numérique des systèmes. Technosup, 2004.
[6] J.R. Leigh. Applied digital control : theory, design and implementation. Prentice-Hall,
1992.
[7] R. Longchamp. Commande numÃl’rique de systÃĺmes dynamiques. Presses Poly-
techniques et Universitaires Romandes, 1995.
[8] R.H Middleton and G.C. Goodwin. Digital control and estimation : a unified ap-
proach. Prentice-Hall, 1990.
[9] E. Ostertag. Systèmes et asservissements continus. Technosup, 2004.
70 Index des concepts

Index des notions

Asservissement numérique, 51 Mode d’un système discret, 43

Bloqueur d’ordre zéro, 12 Polynôme caractéristique, 28


Bruit de quantification, 7 Pulsation d’échantillonnage, 9
Pulsation de Nyquist, 9
Classe du système, 62
Condition de l’angle, 58 Rayon de convergence, 15
Condition du module, 57 Repliement spectral, 10
Contour de Nyquist, 54 Réponse en fréquence, 44
Convertisseur analogique-numérique, 51
Spectre d’un signal, 8
Convertisseur numérique-analogique, 51
Stabilité BIBO, 47
Critère de Jury, 47 Stabilité des systèmes discrets, 47
Critère du revers, 56 Système continu précédé par un BOZ, 31
Diagramme de Bode, 45 Théorème de Cauchy, 53
Théorème de l’échantillonnage, 10
Ecart permanent d’ordre 0, 62
Transformée de Fourier, 8
Ecart permanent d’ordre 1, 62
Transformée de Fourier inverse, 11
Equation aux différences, 27
Transformée en w, 49
Equation récurrente, 27
Transformée en z, 15
Fonction de transfert d’un système à temps Transformée en z inverse, 19
discret, 28 Transmittance discrète, 28
fonction de transfert échantillonnée en boucle Échantillonneur idéal, 5
ouverte, 30 Équation aux différences, 23
Fréquence de Nyquist, 10

Gain statique d’un système discret, 28

Lieu d’Evans, 57
Lieu de Nyquist, 54
Lieu des racines, 57