ASSERVISSEMENTS NUMÉRIQUES - BOUGUERRA Abderrahmen - Cours - Complet PDF

Un ive rsité Moha med Bou d iaf - M’ Sila
F acu lté de Tech no log ie
D épa rte me n t de Gén ie Ele c triqu e
ASSERVISSEMENTS NUMÉRIQUES
Sup po rt de Cours, Exe rc ic es e t Tra vau x Pra tiqu es a ve c

So lu tio ns
L ic enc e en A u to ma tiq ue , Ma ste r e n Au tomatiqu e &
Systè me s e t Maste r en Co mman de de s Systè me s
Élec triq ue s
B OUGUERR A A AB D ERR A HMEN A nné e 201 5/2 016

Asservissements numériques Avant-propos
Avant-propos
Ce document est conçu comme un support de cours destiné à des étudiants Master I
Automatique et systèmes et Master I commande des systèmes électriques. L’objectif de ce
cours est d’aborder certains aspects de l’asservissement numérique des systèmes et ne se veut
en aucun cas exhaustif. Les pré-requis concernent des aspects mathématiques tels que la
manipulation de fonctions et de suites, le calcul intégral et les séries, la transformée de
Laplace; ainsi qu’une bonne connaissance de l’Automatique des systèmes linéaires à temps
continu. Partant de procédés physiques modélisés par des fonctions de transfert en p (variable
de Laplace) nous aborderons successivement la modélisation de systèmes discrets et
échantillonnés, leur analyse et pour finir la synthèse de lois de commande numériques.
Il est important de préciser que ce document doit beaucoup au polycopié de cours réalisé par
Abderrahmen BOUGUERRA à l’Université Mohamed BOUDIAF – M’Sila-, Algerie.
i
Asservissements numériques Table des matières
Table des matières

Chapitre 1
Les Signaux à temps discret
1.1 Introduction 1
1.1.1 Traitement numérique du signal TNS 1
1.1.2 Avantages et inconvénients du TNS 1
1.2. Signaux et systèmes à temps discret 2
1.2.1 Signaux à temps discret 2
1.2.2 Quelques signaux discrets importants 2
Exercice 1 : TD N° 01 5
1.3 TP N° 01 signaux discrets 6
Chapitre 2
Transformée en Z d’un signal échantillonné
2.1 Introduction 11
2.2 Définition 11
2.3 Propriétés de la TZ 14
2.3 La transformée en Z inverse 16
2.3.1 transformée inverse par division polynomiale 16
2.3.2 Décomposition en éléments simples 17
2.4 Résolution des équations aux différences par la TZ 19
2.5 TP N° 02 Transformée en Z 20
ii
Chapitre 3
Modélisation des signaux échantillonnés
3.1 Définition 22
3.2 Conversion analogique numérique 22
3.3 Théorème de Shannon 23
3.4 Conversion numérique analogique 26
3.5 Système à temps discret 27
3.5.1 Equation récurrente 27
3.5.1 Equation récurrente 28
3.6 TP N° 03 Fonction de transfert en Z 29
Chapitre 4
Asservissement échantillonné
4.1 Définition 31
4.2 Système échantillonné 31
4.3 Fonction de transfert échantillonnée 31
4.4 Systèmes en série 36
4.5 Transmittances échantillonnées de systèmes bouclés 37
4.6 Asservissement à retour non unitaire 39
4.6.1 Système à un seul échantillonneur 39
iii
4.6.2 Système à deux échantillonneurs 40

3.7 TP N° 04 Fonction de transfert en Z et système 42
Chapitre 5
Performances des systèmes échantillonnés asservis
5.1 Stabilité 45
5.2 Critère de Nyquist 46
5.3 Lieu d’Evans 47
Exercice 1 : TP N° 05 MATLAB 47
Exercice 2 : TP N° 05 MATLAB 48
5.4 Critère de Jury 49
5.5 Critère de Routh 50
5.6 Précision statique des asservissements échantillonnés 53
5.7 Rapidité 54
Chapitre 6
Correction des asservissements
6.1 Introduction 55
6.2 Correcteurs séries : généralités 55
6.3 Correcteurs à réponse pile 55
6.4 Correcteur PID numérique 57
6.4.1 Choix du correcteur 58
6.4.2 Méthode de TAKAHASHI de réglage du PID numérique 58
6.5 Asservissement numérique avec contrôleur RST 59
6.6 Examen (09/01/2016), Module : Commande numérique des systèmes,
Option : Master I, Automatique avec correction 62
iv
Asservissements numériques Chapitre 1 : Les Signaux à temps discret
Chapitre 1
Les Signaux à temps discret

1.1 Introduction
L’Automatique des systèmes à temps continu repose sur une représentation mathématique des
échanges d’énergies, de forces, d’informations en tant que fonctions du temps à valeurs réelles
(éventuellement espace vectoriel de ℜ ) :
Traitement numérique du signal (Digital Signal Processing).
Signal : fonction, d’une ou plusieurs variables, contenant l’information sur l’état ou le
comportement d’un système physique.
1.1.1 Traitement numérique du signal TNS
 Représenter un signal par une séquence de nombres.

 Traiter ces signaux numériques :
 estimer des paramètres caractéristiques,
 transformer le signal.
1.1.2 Avantages et inconvénients du TNS
• Nature du signal : nombre limité de valeurs

• Utilisation de la micro-électronique : petites dimensions, fiabilité élevée, coût faible
• Comparaison avec le traitement analogique : certaines fonctions sont trop compliquées
Pour une exécution analogique pratique (exemple : la transformée de Fourier)
 Nécessité d’un certain niveau de puissance électrique

 Impossibilité de traiter des signaux de fréquences trop élevées
 Difficulté de conversion analogique-numérique (signaux trop faibles ou trop forts)
1
1.2. Signaux et systèmes à temps discret
1.2.1 Signaux à temps discret
 Séquence de nombres :
x [ n]
= { x ( n )} −∞ < n <∞ (1.1)
 x(n) = nième échantillon de la séquence

 exemple :
x1
-1 0 1 2 3 4 n
Fig. 1.1 : Signal discret à durée fixe.
1.2.2 Quelques signaux discrets importants
 L’impulsion de Dirac :
1 si n = 0
δ [ n] =  (1.2)
0 si n ≠ 0
δ [ n]
-1 0 2 5 n
Fig. 1.2 : Impulsion de Dirac.
2
 L’impulsion de Dirac décalée :
1 si n = k
δ [n − k ] =
 (1.3)
0 si n ≠ k
δ [n − k ]
-1 0 2 k n
Fig. 1.3 : Impulsion de Dirac décalée.
Tout signal discret peut s’exprimer avec la fonction Dirac :
∑
+∞
=x[n] k = −∞
x(k ).δ [n − k ] (1.4)
 L’échelon unité :
1 si n ≥ 0
u [ n] =  (1.5)
0 si n < 0
u [ n] %Programme MATLAB
>>x=-10:1:10;
>>u=Heaviside(x);
>>stem (x,u), axis([-10
10,-2 2]), grid
…
-1 0 2 5 n
Fig. 1.4 : Echelon unité.
∑
+∞
=
u[n] k =0
δ [n − k ] (1.6)
 Les fonctions sinus discrètes :

%Programme MATLAB (figure 1.5)
>>y0=sin(x/2) ;
>>y1=sinc(x/2);
>>subplot(2,2,1),stem(x,y0), grid
>>subplot(2,2,2), stem (x,y1,'r')
x (t )
= A.sin(ω.t=
+φ) A.sin(ω.n.T + φ )
(1.7)
x [ n]
= A.sin(θ .n + φ )
3
A : amplitude, θ : pulsation relative (absolue : ω = θ / T ), φ : phase.
0.5
sin
0
-0.5
-1
-15 -10 -5 0 5 10 15
temps (s)
0.5
sinc
-0.5
-15 -10 -5 0 5 10 15
temps (s)
Fig. 1.5 : Les fonctions sinus et sinus cardinal discrètes.
 Rappel sur la périodicité :
n]
x [= x [ n + N ] , N période
(1.8)
x [ n]
= A.sin(θ .n + φ ) = A.sin(θ .(n + N ) + φ ) = A.sin(θ .n + θ .N + φ )
Donc condition : θ .n = 2.k. π ⇔ N = 2.k. π / θ entier ⇔ 2. π / θ entier
• Si x est périodique : 2. π / θ est un nombre entier. Exemple : sin(n. π /4) est périodique de
période 8.
ici θ = π /4 et φ =0
et 2. π / π /4=8 = période
après 8 points on retombe au même endroit
• Si x n’est pas périodique : 2. π / θ n’est pas un nombre entier. Exemple : sin(n) n’est pas
périodique.
on ne retombe pas au même endroit
4
Conclusion : Un signal continu périodique ne l’est plus forcément une fois discrétisé.
Exercice 1 : TD N° 01
On considère le signal x(t ) = sin( xt ) (Fig. 1.6.a)
Fig. 1.6.a : La fonction sinus.

Discrétiser ce signal pour une période d’échantillonnage : T = 0.25s ?, avec : −8 ≤ k ≤ +8
Sol :
En remplace t=kT, donc :
x[kT=] sin(π k × T=
) sin(π k × 0.25)
Pour : k = 0, ± 1, ± 2, ..., x[k ] (Fig. 1.6.a) donnée par :
x[−8] = x(−8T ) = sin(−2π ) = 0 , =

x[1] x= =
(T ) sin(0.25π ) 1/ 2
x[−7] = x(−7T ) = sin(−1.75π ) = 1/ 2 , =

x[2] x= =
(2T ) sin(0.5π) 1
x[−6] = x(−6T ) = sin(−1.5π ) = 1 , =

x[3] x= =
(3T ) sin(0.75π ) 1/ 2
x[−5] = x(−5T ) = sin(−1.25π ) = 1/ 2 , =

x[4] x= =
(4T ) sin(π) 0
x[−4] = x(−4T ) = sin(−π ) = 0 , x[5] = x(5T ) = sin(1.25π ) = −1/ 2
x[−3] =x(−3T ) =sin(−0.75π ) =−1/ 2 , x[6] = x(6T ) = sin(1.5π ) = −1
x[−2] =x(−2T ) =sin(−0.5π ) =−1 , x[7] = x(7T ) = sin(1.75π ) = −1/ 2
x[−1] =x(−T ) =sin(−0.25π ) =−1/ 2 , =

x[8] x= =
(8T ) sin(2π) 0
x=
[0] x= = 0
(0) sin(0)
Fig. 1.6.b : La fonction sinus.
5
1.3 TP N° 01 signaux discrets

 Signaux discrets
• Fonction signe
+1 si t > 0
sgn ( t ) = 
 −1 si t ≤ 0
Exemple 1
0.5
fonction sgn
>> x=-10:1:10; 0
>> y=sign(x) -0.5
>> stem(x,y), grid

-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
>> stem(x,2*y), grid temps (s)
>> subplot(2,2,1), stem (x,y), grid

>> subplot(2,2,2), stem (x,2*y,'r') ,grid
• Fonction rampe
 t si t ≥ 0
r (t ) = 
0 si t < 0
10
Exemple 5
fonction rampe
0
>> x=-10:1:10;
-5
>> y= x.*Heaviside(x);
-10
>> stem(x,y), grid -10 -8 -6 -4 -2 0 2 4 6 8 10
temps (s)
>> stem (x,y), axis([-10 10,-10 10]), grid
>> subplot(2,1,1), stem (x,y), axis([-10 10,-10 10]), grid
• Fonction échelon
+1 si t > 0 1
u ( t ) = et u ( 0 )
 0 si t < 0 2
6
fonction échelon
1
Exemple
0
x=-10:1:10; -1
u=Heaviside(x) ; -2
-10 -8 -6 -4 -2 0 2 4 6 8 10
stem (x,u), axis([-10 10,-2 2]), grid temps (s)
>> subplot(2,1,2), stem (x,u), axis([-10 10,-2 2]), grid
• Fonction impulsion
+∞
du ( t )
δ ( t ) dt
∫= δ (t )
1,=
−∞
dt
>> syms t a;
>> u= heaviside(t) ;
>> d=diff(u)
>> int(d)
%%% propriété de l’impulsion de Dirac :
>> int(dirac(t-a)*sin(a),-inf,inf)
• Fonctions sinus et sinus cardinal
x=-4*pi:pi/3:4*pi; 0.5
fonction sinus
%sinus et sinus cardinal

0
y0=sin(x/2) ;
-0.5
y1=sinc(x/2);
-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
temps (s)
7
subplot(2,2,1), stem(x,y0), grid

subplot(2,2,2), stem (x,y1,'r') ,grid
fonction sinus cardinal

0.5
-0.5
-10 -8 -6 -4 -2 0 2 4 6 8 10
temps (s)
%sinus amorti en pointillés

y2=sin(x).*exp(-0.1*x)/3;
subplot(2,2,4), stem (x,y2,'g:'), grid
% création de la fonction sinus carrée
y3=sin(x).*sin(x);
subplot(2,2,3), stem (x,y3), grid
• programme 1
%%%%%%%%%%%% figure 1
clf % clear any existing figure
k = [-10:20]; % set the time index from % -10 to 20
f1 = -0.92 * sin(0.1*pi*k - 3*pi/4); % compute function f1
% plot function 1
subplot(2,2,1), stem(k, f1), grid
xlabel('k')
ylabel('-9.2sin(0.1\pi k-0.75\pi')
title('Part (a)')
%%%%%%%%%%%% figure 2
k = [-5:25];
f2 = 2 * 1.1.^(-1.8*k) - 2.1 * 0.9.^(0.7*k);
% plot function 2
subplot(2,2,2), stem(k, f2, 'filled'), grid
xlabel('k')
ylabel('2(1.1)^{-1.8k} - 2.1(0.9)^0.7k')
title('Part (b)')
8
%%%%%%%%%%%% figure 3
k = [0:50];
f3 = (-0.93).^k .* exp(j*pi*k/sqrt(350));
% plot function 3
subplot(2,2,3), stem(k, real(f3), 'filled'), grid
xlabel('k')
ylabel('(-0.93)^k exp(j\pi k/(350)^{0.5}')
title('Part (c) - real part')
%
subplot(2,2,4), stem(k, imag(f3), 'filled'), grid
xlabel('k')
ylabel('(-0.93)^k exp(j\pi k/(350)^{0.5}')
title('Part (d) - imaginary part')
Les deux fonctions plot et stem ont une variété d'options disponibles, ce qui peut être
sélectionné pour modifier l'apparence des figures. Le lecteur est encouragé d'explorer ces
options en cherchant de l'aide sur ces fonctions dans MATLAB. Il existe plusieurs autres
fonctions graphiques 2D dans MATLAB : semilogx, semilogy, loglog, bar,
hist, polar, stairs, rose, errorbar, compass, et pie.
• programme 2
% Part (a)
figure(5) % Select figure 5 for plots
clf % Clear figure 5
k = [-5:5]; % k = [-5 -4 ...0 ...4 5]
f1 = sin(0.1*pi*k); % Calculate function f1
subplot(2,2,1); % Divides fig 5 into (m = 2)
% vertical and (n = 2)
% horizontal sub-figures.
% The last argument (p = 1)
% accesses sub-figures
% (1 <= p <= m*n).
stem(k,f1);
9
grid on; % DT plot of f1 versus k

xlabel('k') ; % Label of X-axis
ylabel('f1[k]') % Label of Y-axis
% Part (b)
k = [-7:7]; % k overwritten to
% [-7 -6 ...0 ...6 7]
f2 = 2.^(-k) ; % Calculate function f2
subplot(2,2,2); % Select p = 2 sub-figure
stem(k,f2);
xlabel('k'); % Label of X-axis
ylabel('f2[k]'); % Label of Y-axis
% Part (c)
k = [0:9]; % k overwritten to [0 1 ...8 9]
f3 = [1 1 1 1 1 3 3 3 3 3]; % Calculate function f3
stem(k,f3);
% Part (d)
k = [0:9];
f4 = [0 1 2 3 4 5 0 0 0 0]; % Calculate function f4
stem(k,f4);
grid; % DT plot of f2 versus k
10
Asservissements numériques Chapitre 2 : Transformée en Z d’un signal échantillonné
Chapitre 2
Transformée en Z d’un signal échantillonné

2.1 Introduction
 Systèmes continusTransformée de Laplace
 Systèmes discretsTransformée en Z (La TZ)
Rôle important pour la représentation et l’analyse des systèmes et signaux discrets.
2.2 Définition
La transformée en Z d’une séquence x[n] est définie comme la série X ( z ) calculée comme
suit :
+∞
X ( z) = ∑ x[n].z
n = −∞
−n
(2.1)
Où z est une variable complexe, avec :

Z = r.e j .w (2.2)
Donc :
+∞
X (r.e j .ω ) = ∑ x[n].r
n = −∞
−n
.e − j .n.ω (2.3)
• La TZ peut être interprétée comme la TF de x[n] pondérée par une séquence

exponentielle (r-n).
• La TZ converge si :
+∞
∑
n = −∞
x[n].r − n < ∞ (2.4)
• L’ensemble des valeurs de Z pour lesquels la TZ converge est appelé le domaine de

convergence.
• Si la TF du système discret (r=1) ne converge pas, la TZ peut converger (grâce au
-n
terme r ).
• Le domaine de convergence est en général un anneau centré sur l’origine :
11
Rx− < z < Rx+ (2.5)
Où R x- peut être réduit à 0 et R x+ peut être égal à l’∞.
Im(z)
R x+
Re(z)
R x-
Fig. 2.1 : Convergence de la TZ.
 Donc le système est stable si les pôles de la fonction de transfert sont à l’intérieur du
cercle.
• Calculé la TZ de la fonction échelon unitaire échantillonnée (Figure 2.2).
2
fonction échelon
-1
-2
-10 -8 -6 -4 -2 0 2 4 6 8 10
temps (s)
Fig. 2.2 : fonction échelon unitaire.
Sol :
Par définition :
+∞ +∞
=
U (Z )
=n 0=n 0
∑
= 1Z ∑Z−n −n
(2.6)
U ( Z ) est donc constituée de termes qui sont en progression géométrique de raison Z −1 . Dans
12
ces conditions :
1 Z
=
U (Z ) = −1
(2.7)
1− Z Z −1
• Calculé la TZ de la fonction exponentielle échantillonnée (Figure 2.3).
1
fonction exponentielle
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
temps (s)
Fig. 2.3 : fonction exponentielle échantillonnée.
Sol :
Les termes de ce signal sont en progression géométrique de raison e − aT Z −1 soit :
1 Z Z
=
S (Z ) =− aT −1
= − aT
(2.8)
1− e Z Z −e Z − Z0
avec Z 0 = e − aT
 Fonction impulsion de Dirac

En continu, c’est l’impulsion de Dirac δ (t ) , en discret, c’est la fonction de Kronecker, soit
0 . On trouve donc facilement que TZ {δ (n)} = 1 sans

δ (n) = 1 si n = 0 , et δ (n ≠ 0) =
condition de convergence sur z.
 Fonction rampe
De même on note n la suite r n telle que, pour tout entier n, rn = n (Figure 2.4)
10
5
fonction rampe
-5
-10
-10 -8 -6 -4 -2 0 2 4 6 8 10
temps (s)
Fig. 2.4 : fonction rampe échantillonnée.
13
Z −1 Z
TZ {rn }
= = (2.8)
( ) ( Z − 1)
2 2
1 − Z −1
 Suites géométriques
Soit a un nombre réel non nul. On considère la suite a n
+∞ +∞ n
= { }
TZ a n ∑=
an Z −n ∑( aZ −1 ) (2.9)
=n 0=n 0
Donc :
=
TZ { }
an =
1
1 − aZ −1
Z
Z −a
(2.10)
2.3 Propriétés de la TZ
 Linéarité
Soit les deux fonctions discrètes f (n), g (n) :
Donc :
TZ {a. f (n) + a.g (n=

)} TZ {a. f (n)} + TZ {b.g (n)} (2.11)
 Multiplication par an
+∞
= {
TZ a n .x(n) } ∑=
x(n)(a Z ) −1 −n
TZ { x(n)} (a −1Z ) (2.12)
n =0
Exemple :
• Calculé la TZ de la fonction n.a n
Sol :
Z /a aZ
=
X (Z ) = (2.13)
( Z / a − 1) 2
( Z − a)2
14
Soit le signal x(t ) = t.e −α t .u (t )
• Calculé la TZ de cette fonction
Sol :
L’échantillonné est défini par x(n) = e −α nT .n.T , donc vu l’exemple précédent :
T .Z .e −αT
X (Z ) = (2.14)
( Z − e −α T ) 2
• Montrez les résultats suivants qui correspondent aux transformées en z des « signaux
sinusoïdaux amortis ».
e −αT sin(ωT ).Z

TZ [e −α nT sin(ω nT ] = (2.15)
Z 2 − 2e −αT cos(ωT ).Z+ e −2αT
Z 2 − 2e −αT cos(ωT ).Z

TZ [e −α nT cos(ω nT ] = (2.16)
Z 2 − 2e −αT cos(ωT ).Z+ e −2αT
 Théorème de retard
• Retard : TZ { f (n − n0 } =
Z − n0 F ( Z ) (2.17)
• Avance : TZ { g (n =
+ n0 )} Z n0 [G ( Z ) − g (0).Z 0 − g (1).Z 1 − ... − g (n0 − 1).Z − n0 +1 ] (2.18)
 Transformée du produit de convolution
TZ { f (n) * g (n)} = F ( Z ).G ( Z ) (2.19)
 Théorèmes des valeurs initiales et finales
• Valeur initial s (0) = lim S ( Z ) (2.20)

Z →∞
• Valeur final lim=

s (k ) lim( Z − 1) S ( Z ) (2.21)
n →∞ Z →1
 n  Z Z
• =
Théorème de la sommation TZ ∑ fl (n)  = TZ { f (n)} F ( Z ) (2.22)
 l =1  ( Z − 1) ( Z − 1)
15
dS ( Z )
• Théorème de la dérivation TZ {n.s (n)} = − Z (2.23)
dZ
Transformée de Laplace Signal échantillonné Transformée en Z
Signal continu f (t )
F ( p ) = TL { f (t )} f ( n) F ( Z ) = TZ { f (n)}
1 δ (t ) δ (n) 1
1 Z
u (t ) u ( n)
p Z −1
1 T .Z
t nT
p2 ( Z − 1) 2
2 2 2 2
T 2 .Z ( Z + 1)
t nT
p3 ( Z − 1)3
1 Z
e − at e − anT
p+a Z − e − aT
1 − at − anT
T .Z .e − aT
t.e nT .e
( p + a)2 ( Z − e − aT ) 2
b−a − at − bt − anT − bnT
Z (e − aT − e − bT )
e −e e −e
( p + a )( p + b) ( Z − e − aT )( Z − e − bT )
Z
a n .u (n)
Z −a
Z
(−a ) n .u (n)
Z +a
a − at − anT
Z (1 − e − aT )
1− e 1− e
p( p + a) ( Z − 1)( Z − e − aT )
w Z sin wT
sin wt sin wnT
p + w2
2
Z − 2 Z cos wT + 1
2
p Z ( Z − cos wT )
cos wt cos wnT
p + w2
2
Z − 2 Z cos wT + 1
2
Tab. 2.1 : Signaux échantillonnés et leurs transformées en Z.
2.3 La transformée en Z inverse
2.3.1 transformée inverse par division polynomiale

On considère un signal s(n) dont la transformée en z est donnée par la fraction rationnelle :
16
0.1.Z 2 + 0.1.Z
S (Z ) = (2.24)
Z 3 − 2.6.Z 2 + 2.2.Z − 0.6
L'objectif est d'obtenir S(z) sous forme polynomiale :
X 0 + X 1.Z −1 + X 2 .Z −2 + ...etc
S (Z ) = (2.25)
Cette suite est généralement infinie, la réponse temporelle est donnée par la succession des
termes {Xi}. En traitant l'équation (2.24) comme une simple division l'algorithme de division
classique permet d'obtenir par récurrence tous les termes de la suite (2.25) :
0.1.Z 2 +0.1.Z Z 3 − 2.6.Z 2 + 2.2.Z − 0.6
0.1.Z 2 −0.26.Z +0.22 −0.06.Z −1 0.1.Z −1 + 0.36.Z −2 + 0.716.Z −3
0 0.36.Z −0.22 +0.06.Z −1
0.36.Z −0.936 +0.792.Z −1 −0.216.Z −2
0 0.716 −0.732.Z −1 ... ...
Les éléments successifs de la suite s(n) sont donc s(n)={0, 0.1, 0.36, 0.716, ...}. Pour obtenir
les termes suivants il faudrait continuer la division.
On considère une fonction de transfert :
1
X (Z ) = pour |Z|>a
1 − a.Z −1
X ( Z ) =X[-∞].Z∞+…+ X [-1]. Z 1+ X [0]+ X [1]. Z -1+...+ X [∞].Z -∞ (2.26)
1 1-a.Z-1
-1+a.Z-1 1 + a.Z-1 + a2.Z-2 + ......
0 +a.Z-1
-a.Z-1 + a2.Z-2
0 + a2.Z-2 X[0] X[1] X[2]
......
On obtient :
1
1 + a.Z −1 + a 2 .Z −2
= (2.27)
1 − a.Z −1
Donc :
x[n] = a n .u[n] (2.28)
2.3.2 Décomposition en éléments simples

 1° cas : X(z) "s’annule" pour z = 0
17
• Pôles simples
Dire que X(Z) s'annule pour Z = 0 est purement formel puisque en général une transformée en
Z n'est pas définie en 0. Cette méthode est basée sur le résultat suivant :
=
TZ { }
an =
1
1 − aZ −1
Z
Z −a
(2.29)
En conséquence si on considère une transformée en Z, X, écrite sous la forme d’une fonction

rationnelle en Z dont le degré du numérateur est inférieur ou égal à celui du dénominateur et
admettant uniquement des pôles simples (par exemple deux pôles a et b), alors, vu la
condition sur les degrés, on peut écrire :
X (Z ) A B A.Z B.Z
= + X=
(Z ) + (2.30)
Z Z −a Z −b , donc Z −a Z −b
Z2
Soit : X ( Z ) = α k (2.31)
( Z − (1 − k ))( Z − 1)
X (Z ) A B
On écrit=
: +
Z Z − (1 − k ) Z − 1 ;
X (Z ) X (Z )
On a A =Zlim ( Z − (1 − k )) =−α (1 − k ) ; B =lim( Z − 1) =α
→1− k Z Z →1 Z
−(1 − k ).Z Z
= X (Z ) α +α (n) α u (n) − (1 − k ) n +1  .
x=
D’où Z − (1 − k ) Z −1 ; donc
• Pôles multiples
X (Z )
Si présente des pôles multiples p1 = p2 →
Z
 X (Z )
C=
1 ( Z − p1 ) 2
X (Z ) C1 C2  Z Z = p1
=
Soit + 
Z ( Z − p1 ) 2 Z − p1 , avec  d  X (Z ) 
= C2  ( Z − p1 ) 2

 dZ  Z  Z = p1
 2° cas : en général
Dans le cas général, on pourra essayer de procéder à une « récriture décomposée » de X(Z)
permettant de faire apparaître des transformées usuelles.
18
Le plus souvent, une décomposition en éléments simples de X(Z) pourra être exploitée en
passant à l’écriture avec Z-1 et en utilisant le théorème du retard.
Z +2 a b c
Soit X ( Z ) = X ( Z )= + 2+
( Z − 2) Z 2 , donc
Z −2 Z Z
a = 1

Alors b = −1
c = −1

1 1 1 Z −1
X ( Z=) − − = − Z −2 − Z −1
Donc Z − 2 Z 2 Z 1 − 2 Z −1
0 n = 0,1

=
x(n) =
1 n 2 (2.32)
2n −1 n ≥ 3

2.4 Résolution des équations aux différences par la TZ

Soit l’équation à la différence suivante :
δ ( n)
x(n + 2) − 3.x(n + 1) + 2 x(n) = (2.33)
 x(0) = 0
Les conditions initiales : 
 x(1) = 0
Donc
TZ { x(n + 2) − 3.x(n + 1) + 2.x(= )} Z 2 . X ( Z ) − 3.Z . X ( Z ) + 2.Z . X ( Z=

n) δ (n= ) 1 (2.34)
Alors
1 1 1 Z −1 Z −1
X (Z ) = 2 = + ⇒ X (Z ) = +
Z − 3.Z + 2 Z − 1 Z − 2 1 − Z −1 1 − 2.Z −1 ;
1 + 2n −1 ;
x ( n) = n=
1, 2,3...
19
2.5 TP N° 02 Transformée en Z
• Exemple 01
Soit f (n) =2.(0.5) n − 9.(0.75) n + 8
Le dénominateur de F(Z)
>> syms n z ;
>> Dz=(z−0.5)*(z−0.75)*(z−1)
>> collect(Dz);
ans =
z^3-9/4*z^2+13/8*z-3/8
Les coefficients de dénominateur de F(Z)
>> num=[0 1 0 0];
Les coefficients de numérateur de F(Z)
>> den=[1 −9/4 13/8 −3/8];
>> [num,den]=residue(num,den);
ans =
r1 = 8.00 p1 = 1.00 r2 = -9.00 p2 = 0.75 r3 = 2.00 p3 = 0.50
>> fn=2*(0.5)^n−9*(0.75)^n+8;
Transformée en Z
>> Fz=ztrans(fn,n,z);
ans =
8*z^3/(2*z-1)/(4*z-3)/(z-1)
Transformée en Z inverse
>> iztrans(Fz)
ans =
2*(1/2)^n-9*(3/4)^n+8
• Exemple 02
Soit f (n) = 3.(−1) n + 6.n − 3
>> syms n z;
>> fn=3*(−1)^n+6*n−3;
>> Fz=ztrans(fn); simple(Fz)
ans =
12*z/(z+1)/(z-1)^2
20
>> denpol=collect((z+1)*((z−1)^2))
denpol =
z^3-z^2-z+1
>> num=[12 0];
>> den=[1 −1 −1 1];
>> fn=dimpulse(num,den,20) % les 20 premiers valeurs de fn
fn = 0 0 12 12 24 24 36 36 48 48 60 60 72 72 84 84 96
96 108 108
21
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés
Chapitre 3
Modélisation des signaux échantillonnés

3.1 Définition
Soit y(t) un signal temporel causal. Sauf mention particulière, tous les signaux considérés dans
ces notes seront causaux, c’est-à-dire nuls pour les temps t < 0.
L’échantillonnage du signal y(t) consiste à transformer celui-ci en une suite discrète y(nT ) de
valeurs prises aux instants nT . Ici n est un entier naturel (n = 0, 1, 2, · · · ) et T est la période
d’échantillonnage. Les instants nT sont appelés instants d’échantillonnage. Les intervalles
[nT, (n + 1)T ] sont appelés intervalles d’échantillonnage.
y(t)
t
t=0
Fig. 3.1 : Signal causal.
3.2 Conversion analogique numérique
D’un point de vue modélisation, l’ensemble capteur convertisseur analogique-numérique peut

être assimilé à une prise d’échantillons de la sortie continue y(t) à période fixe T (période
d’échantillonnage). Si l’on fait l’hypothèse que le temps de codage est négligeable
(échantillonnage instantané) et qu’il n’y a pas d’erreur de quantification, on peut représenter
l’opération de conversion analogique-numérique selon le schéma de la Figure 3.2.
y(t) y(n)
y(t) y(n)
0 t CAN 0 1 2 … n
Fig. 3.2 : Conversion analogique numérique.

L’opération décrite précédemment peut se formaliser comme suit. On définit d’abord δ(t), la
22
fonction d’échantillonnage aux instants nT, donnée par :
+∞
δ T (t )
= ∑ δ (t − nT )
n =0
(3.1)
Il vient :
+∞ +∞
=n 0=n 0
y* =
(t ) ∑ y(t )δ (t − nT=) ∑ y δ (t − nT )
n
(3.2)
Où y* (t ) est un signal à temps continu égal à y (t ) aux instants t = nT et zéro ailleurs et où

yn = y (nT ) est la valeur de l’échantillon de y (t ) à l’instant nT. Le signal échantillonné est
représenté par la séquence des valeurs y (nT ) mesurées avec la période T :
{ y (nT )} ≡ { yn } (3.3)
3.3 Théorème de Shannon
Parmi les préoccupations essentielles de l’échantillonnage, on a celle qui consiste à ne pas

perdre d’informations lors de la discrétisation temporelle du signal continu. Pour que cela soit
possible, une des conditions à remplir est que le signal y(t) que l’on doit échantillonner ait une
largeur spectrale (exprimée en Hz ou rad/s) finie, on parle alors d’un spectre de type passe-
bas.
On rappelle que la largeur spectrale d’un tel signal est définie par l’intervalle [0, fmax] où
fmax est la plus grande fréquence présente dans le spectre fréquentiel de ce signal. Cette
condition découle du phénomène de recouvrement (ou repliement) de spectre, traitée dans un
autre cours, dont nous rappelons le résultat fondamental suivant :
Pour préserver, lors de l’échantillonnage d’un signal y(t), le contenu spectral de ce signal, la
fréquence d’échantillonnage, fe = 1/T, doit être supérieure au double de fmax, la largeur
spectrale du signal : fe ≥ 2 fmax.
23
Le signal s (t ) 4 f 0 sin c(4π f 0t ) + f 0 sin c 2 (π f 0t ) est échantillonné idéalement à une fréquence

=
Fe.
 Déterminer la fréquence d’échantillonnage minimale permettant la reconstitution
exacte du signal.
 Tracer le spectre du signal échantillonné pour une fréquence
d’échantillonnage Fe = 6 f 0
Sol :
- La transformée de Fourier de 4 f 0 sin c(4π f 0t ) TF P4 f0 ( f )

→
- La transformée de Fourier de f 0 sin c 2 (π f 0t ) TF Tri2 f0 ( f )

→
=
S ( f ) P4 f0 ( f ) + Tri2 f0 ( f )
Avec : P4 f0 ( f ) et Tri2 f0 ( f ) sont la fonction porte et triangulaire respectivement.
S(f)
Fe
-2f0 2f0 f
Fig. 3.3 : Représentation fréquentiel de S(f).
 La fréquence d’échantillonnage minimale permettant la reconstitution exacte du signal

=
est Fe 2.= =
f max 2.2 f0 4 f0 .
 le spectre du signal échantillonné pour une fréquence d’échantillonnage Fe = 6 f 0 :
S(f)
Fe Fe Fe
Fe=-6f0 Fe=6f0
-8f0 -4f0 -2f0 2f0 4f0 8f0 f
Fig. 3.4 : Spectre du signal échantillonné pour une fréquence d’échantillonnage Fe = 6 f0 .
24
La Figure 3.5 représente le train d’impulsion rectangulaire :

e(t)
1
………. -Te/2 +Te/2

……….
t
-Te -τ/2 +τ/2 +Te
Fig. 3.5 : Train d’impulsion rectangulaire.
1. Trouver la formule de e(t ) ; N.B : e(t ) : une répétition de la fonction porte Pτ (t ) .
2. Calculer la transformée de Fourier de e(t ) .

3. Echantillonnage :
x(t) xe(t)
e(t)
Fig. 3.6
- Trouver le signal échantillonnée X e ( f ) .
Un signal x(t ) , dont la transformée de Fourier X ( f ) est représentée par la Figure (3.7), est
échantillonné à une cadence Fe .
Le signal échantillonné (idéalisé) possède la transformée de Fourier de la Figure (3.8).
X(f) Xe(f)
6
f(kHz) f(kHz)
-4 4 -6 -4 -2 2 4 6
Fig. 3.7 Fig. 3.8
- Déterminer quelle est la fréquence d’échantillonnage utilisée et indiquer si ce choix est

judicieux pour permettrez une reconstitution du signal par filtrage idéal (justifier votre
réponse).
25
πt
- Peut-on reconstituer exactement le signal x(t ) = A.sin c 2 ( ) s’il est échantillonné
T
1
idéalement à une cadence Fe = .
T
3.4 Conversion numérique analogique

Le processeur calculant la commande à appliquer au procédé travaille de manière séquentielle
et génère des valeurs numériques u k avec la même période T que celle qui a été choisie pour
l’échantillonnage. L’opération de conversion numérique-analogique la plus courante consiste
à produire un signal de commande u(t) en escalier à partir des valeurs u k selon le schéma de la
Figure 3.9.
U(n) u(t)
B0(p)
CNA
0 1 2 … n 0 1 2 … n
Fig. 3.9 : Conversion numérique analogique.
On dispose généralement de la fonction de transfert continue (notée en utilisant la variable

complexe s ou p) F(p) du système continu.
Le problème est d'obtenir la fonction de transfert discrète du système échantillonné de
manière à pouvoir synthétiser un correcteur. Le système continu est associé au convertisseur
numérique – analogique qu'il faut prendre en compte. Les convertisseurs numérique
analogiques peuvent généralement se représenter par des "échantillonneurs – bloqueurs
d'ordre 0" ou BOZ. Cela signifie que la commande est maintenue à une valeur constante
pendant toute la durée du temps d'échantillonnage. Si l'on applique une commande discrète
impulsionnelle à un BOZ il va maintenir la commande 1 pendant la durée T puis revenir à
zéro (Figure 3.10).
La transformée de Laplace de la réponse impulsionnelle du bloqueur est donnée par la
formule :
26
δ(t)
1 1
B0(p)
0 t CNA 0 T t
Fig. 3.10 : Bloqueur d’ordre zéro.
Or, on sait que la réponse impulsionnelle d’un système est la fonction de transfert de celui-ci.
Si B 0 (p) est la fonction de transfert du BOZ, alors :
s (t ) = u (t ) − u (t − T ) (3.4)
Donc :
1
S(=
p) (1 − e −T . p ) (3.4)
p
Soit encore :
(1 − e −T . p )
B0 ( p ) = (3.5)
p
3.5 Système à temps discret

Un système à temps discret se définit comme un opérateur entre deux signaux à temps discret.
Considérons le système représenté sur la Figure 3.11, où u(n) représente le terme général de la
séquence d’entrée et y(n) le terme général de la séquence de sortie.
u(n) y(n)
Système
Fig. 3.11 : Système à temps discret.
3.5.1 Equation récurrente

L’équation récurrente (3.7) entre les différents termes des séquences d’entrée et de sortie est
donnée par :
ak . y (n + k ) + ak −1. y (n + k − 1) + ... + a0 . y (=
n) bm .u (n + m) + bm −1.u (n + m − 1) + ... + b0 .u (n) (3.6)
27
Par hypothèse a k ≠ 0 et k est appelé l’ordre du système. Le système est dit causal si les sorties
dépendent uniquement des événements passés. Pour cela il doit obligatoirement vérifier m≤n.
Donc l’algorithme qui détermine la sortie du système donnée par :
ak . y (n) =−ak −1. y (n − 1) − ... − a0 . y (n − k ) + bm .u (n + m − k ) + ... + b0 .u (n − k ) (3.7)
3.5.2 Fonction de transfert en Z
De la même manière que l’on associe à un système à temps continu, une fonction de transfert,
par application de la transformation de Laplace à son équation différentielle, on peut associer
à un système à temps discret, la fonction de transfert en Z est donnée par :
N (Z )
Y (Z ) = U (Z ) (3.8)
D( Z )
Avec :
N (Z ) b0 + b1Z + ... + bm −1Z m −1 + bm Z m

= G= (Z ) (3.9)
D( Z ) a0 + a1Z + ... + ak −1Z k −1 + ak Z k
La factorisation du numérateur et du dénominateur conduit à la forme pôles, zéros, gain

suivante :
N (Z ) bm ( Z − z1 )(Z− z2 )...( Z − zm )
= G= (Z ) (3.10)
D( Z ) ak ( Z − p1 )(Z− p2 )...( Z − pk )
Avec :
bm
pi = 1...k : Les pôles ; z j = 1...m : Les zéros, k = : Le gain
ak
La factorisation du numérateur et du dénominateur en Z −1 donnée par la forme suivante :
−1 * −m
bm m − k 1 + bm−1 Z + ... + b0 Z
*
G(Z ) = Z (3.11)
ak 1 + a*k −1 Z −1 + ... + a*0 Z − k
bj ai
=
Avec : b*j = ai*
bm ak
28
3.6 TP N° 03 Fonction de transfert en Z

• Définir une fonction de transfert
 Pour définir une fonction de transfert d’un système à temps continu ou bien à temps
discret on utilise l’unique fonction tf en spécifiant le polynôme du numérateur et le
polynôme du dénominateur. L’usage est le suivant :
2. p + 1
Définir Gc ( p ) =
p + 2. p + 1
2
>> gc = tf([2 1], [1 2 1])

Transfer function:
2 s + 1
-------------
sˆ2 + 2 s + 1
On remarquera que la variable de Laplace a pour notation ’s’ dans MATLAB (notation anglo-
saxonne).
z −1
Définir Gc ( p ) = , à la cadence T = 2s :
z − 3.z + 2
2
>> tf([1 -1], [1 -3 2], 2)

Transfer function˜:
z - 1
-------------
zˆ2 - 3 z + 2
Sampling time: 2
A la donnée d’une représentation sous forme de fonction de transfert MATLAB retourne les
vecteurs définissant le numérateur et le dénominateur (et éventuellement la cadence) à l’aide
de la commande suivante :
>> [NUM, DEN, T] = tfdata(SYS,’v’)
Où SYS est la variable MATLAB contenant le modèle.
 Une autre écriture pour les fonctions de transfert est également acceptée : zpk. Elle
consiste à factoriser les racines des polynômes numérateur et dénominateur. Par exemple :
>> gd = zpk([1 2], [3 -1 4], 10, 1.5)
Zero/pole/gain˜:
10 (z-1) (z-2)
-----------------
(z-3) (z-4) (z+1)
29
Sampling time: 1.5

Il est bien évidement possible de passer d’une représentation à l’autre en utilisant les
commandes tf et zpk comme suit :
>> zpk(gc)
Zero/pole/gain:
2 (s+0.5)
---------
s+1)ˆ2
>> tf(gd)
Transfer function:
10 zˆ2 - 30 z + 20
----------------------
zˆ3 - 6 zˆ2 + 5 z + 12
Sampling time: 1.5
De même que pour les données de tf, pour obtenir les vecteurs comprenant les zéros (racines
du numérateur), les pôles (racines du dénominateur) et le gain il suffit d’appliquer la
commande :
>> [Z,P,K,T] = zpkdata(SYS,’v’).
30
Asservissements numériques Chapitre 4 : Asservissement échantillonné
Chapitre 4
Asservissement échantillonné
4.1 Définition
La commande par calculateur, ou processeur, d’un procédé nécessite la mise en œuvre de
conversions numérique-analogique et analogique-numérique. La modélisation conduit donc a
considérer simultanément dans la boucle un (ou plusieurs) organes à temps continu et un (ou
plusieurs) éléments à temps discret. Alors qu’il est mal aisé de faire l’analyse des systèmes à
temps discret en tant que systèmes à temps continu dont les entrées sorties sont non nulles
uniquement par instants, la démarche inverse se révèle être très riche.
4.2 Système échantillonné

L’analyse d’un système commandé par calculateur numérique passe par la définition d’un
système à temps discret, comprenant le procédé commandé de nature généralement continue,
et les convertisseurs numérique-analogique et analogique-numérique, que l’on peut
respectivement assimiler au bloqueur d’ordre zéro et à l’échantillonneur, selon le schéma de
la Figure 4.1.
u(n) u(t) y(t) y(n)

B0(p) Procédé
T
Fig. 4.1 : Procédé échantillonné.
4.3 Fonction de transfert échantillonnée

La méthode de calcul qui permet à la donnée d’une fonction de transfert d’un système à temps
continu de déduire le modèle en Z du système à temps discret obtenu par échantillonnage est
exposé :
Z − 1  Gc ( p ) 
= =
G ( Z ) TZ {G ( p) B0 ( p)} TZ   (4.1)
Z  p 
31
Soit un système continu du premier ordre définit par sa fonction de transfert :
K
g ( p) = (4.2)
1+τ p
 Trouver la fonction de transfert échantillonnée en Boucle Ouvert

Sol :
Ce système, muni d'un BOZ et d'un échantillonneur sera considéré comme un système
numérique dont la fonction de transfert en Z est :
Z −1  K 
F (Z ) = ( )TZ   (4.3)
Z  p (1 + τ p ) 
Pour calculer la TZ[: : :], nous pouvons commencer par calculer sa transformée de Laplace
inverse :
 K  −
t
(t ) TL−1 
s= =  K .(1 − e τ
) (4.4)
 p (1 + τ p ) 
Une fois échantillonné à la période T, nous avons :
n.T
−
=
s (Tn ) K .(1 − e τ
) (4.5)
T
−
En posant a = e τ , on a la transformée en Z cherchée :
 K  Z (1 − a )
TZ  =  S=
(Z ) K . (4.6)
 p (1 + τ p )  ( Z − 1)( Z − a )
On en déduit la fonction de transfert en z d'un système du premier ordre continu muni d'un
(1 − a )
T
−
BOZ et d'un échantillonneur F ( Z ) = K . , avec : a = e τ
( Z − a)
• Remarque importante : La fonction de transfert d'un système continu échantillonné
dépend de la période d'échantillonnage T.
32
u(n) u(t) y(t) y(n)

B0(p) Procédé
T
Fig. 4.2 : Procédé échantillonné.
On considère le système échantillonné représenté sur la Figure 4.2, l’équation récurrente

donnée par :
( )
y ( n + 1) − e −T y ( n ) = 1 − e −T .H .u ( n ) (4.7)
Y (Z )
• Déterminer la fonction de transfert .
U (Z )
• Déduire la fonction de transfert du procédé.
Soit le système d’état discret suivant :
 x1 ( n=+ 1) 0.8 x2 ( n ) + 0.4 x3 ( n )


 x2 ( n + 1) =x1 ( n )
 (4.8)
1) x2 ( n ) + 0.7 x3 ( n ) + u ( n )
 x3 ( n + =
y n = x n + x n + x n
 ( ) 1( ) 2( ) 3( )
L’entrée du système est un échelon u ( n ) , et la sortie est y ( n ) .
Y (Z )
• Déterminer la fonction de transfert .
U (Z )
• Déduire l’équation récurrente qui relie uniquement l’entrée et la sortie du système.
Sol :
• Pour obtenir la fonction de transfert on opère la transformée en Z sur ce système

d’équation (4.8) en supposant que les conditions initiales sont nulles :
33
=ZX 1 ( Z ) 0.8 X 2 ( Z ) + 0.4 X 3 ( Z )


 ZX 2 ( Z ) = X 1 ( Z )
 (4.9)
 ZX 3 ( Z ) = X 2 ( Z ) + 0.7 X 3 ( Z ) + U ( Z )
Y ( Z ) = X Z + X Z + X Z
 1( ) 2( ) 3( )
Si on remplace dans ces équations X 1 (Z) par ZX 2 (Z) on trouve :
 Z=
2
X 2 ( Z ) 0.8 X 2 ( Z ) + 0.4 X 3 ( Z )


 ZX 3 ( Z ) =X 2 ( Z ) + 0.7 X 3 ( Z ) + U ( Z ) (4.10)

Y ( Z ) = ZX 2 ( Z ) + X 2 ( Z ) + X 3 ( Z )

3 (Z )
On en déduite que X= (2.5Z 2 − 2) X 2 ( Z ) donc :
(2.5Z − 2) X 2 ( Z ) = X 2 ( Z ) + (1.75Z − 1.4) X 2 ( Z ) + U ( Z )

 2 2
 (4.11)
Y ( Z ) = ZX 2 ( Z ) + X 2 ( Z ) + (2.5Z − 2) X 2 ( Z )

2
Ce qui conduit aux équations suivantes :
(2.5Z − 1.75Z − 2 Z + 0.4) X 2 ( Z ) =

 3 2
U (Z )
 (4.12)
Y (=
 Z ) (2.5Z + Z − 1) X 2 ( Z )
2
La fonction de transfert de ce système est donc de la forme :
2.5Z 2 + Z − 1
G(Z ) = (4.13)
2.5Z 3 − 1.75Z 2 − 2 Z + 0.4
• L’équation récurrente :
2.5 y (n + 3) − 1.75 y (n + 2) − 2 y (n + 1) + 0.4 y=

(n) 2.5u (n + 2) + u (n + 1) − u (n) (4.14)
Soit le signal causal x ( t ) = 3e −10t qu’on échantillonne au pas de T=0.01s.
• Calculer X ( Z ) .
• Que devient X ( Z ) si T=0.05s ?
1
Soit le système linéaire continu de fonction de transfert F ( p ) = .
p + 4p +3
2
• Calculer la TZ-1 si la période d’échantillonnage est T=0.1s.
34
• En déduire l’algorithme de calcul correspondant.
On considère le système de la Figure 4.3 suivant :
E(Z) T S(Z)
B0(p) F(p)
Fig. 4.3 : Système échantillonné.
S (z)
1. Calculer H ( z ) = dans les 2 cas :
E (z)
3 3e −0.01 p
• F1 ( p ) = ; F2 ( p ) =
1 + 0.1 p 1 + 0.1 p
On échantillonnera avec une périodicité T=0.01s.
p + 0.5
2. En prend maintenant F ( p ) = k ; T=0.7s
p ( p + 1)
• Calculer H ( z )
• Déterminer les 5 premiers échantillons de la réponse de ce système à un échelon.
Un système est décrit par l’algorithme S ( k ) − 0.5S ( k − 1) =
E ( k ) . Tracer sa réponse à un
échelon. On supposera que S(0)=0.

Un commutateur analogique découpe au rythme d’une horloge h(t) le signal e ( t ) =E.cos ( wt )
h(t)
1
aT
t
0 T 2T
Fig. 4.4 : Un commutateur analogique.
w 1
• Représenter e* ( t ) lorsque=
f = 1kHz et F= = 10kHz .
2π T
35
• Montrer que e* ( t ) s’exprime de façon simple en fonction de h(t) et e(t).
• Décomposer h(t) en Série de Fourier. Exprimer les coefficients de la série en fonction

de a.
• En déduire l’expression de e* ( t ) et représenter son spectre pour a=0.1.
 Les fonctions de transfert des systèmes échantillonnés

Tableau 4.1 présente les fonctions de transfert en Z en boucle ouvert :
Décomposition en
Système Transformée en Z
élément simples Système échantillonné
continu G ( p) 
Gc ( p ) TZ  c  G ( Z ) = TZ {Gc ( p ) B0 ( p )}
Gc ( p )  p 
p
1 Z
1 1
p Z −1
1 1 TZ T
p p2 ( Z − 1) 2 ( Z − 1)
b b/a b/a
−
b Z b Z b 1 − e − aT
. − . .
p+a p p+a a Z − 1 a Z − e − aT a Z − e − aT
b1 p + b0 b0 b1 − τ b0 b0 Z (b1 / τ − b0 ) Z b1 / τ ( Z − 1) − b0 (1 − e − aT /τ )
+ +
τ p +1 p τ p +1 Z −1 Z − e − aT /τ Z − e − aT /τ
−τ Z τZ
− T /τ
1 −τ 1 τ2 TZ (τ e −T /τ − τ + T ) Z+ τ − (τ + T )e
+ 2+ +
p (τ p + 1) p p τ p +1 Z − 1 ( Z − 1) Z − e −T /τ
2
( Z − 1)( Z − e −T /τ )
Tab. 4.1 : Calcul des fonctions de transfert des systèmes échantillonnés
4.4 Systèmes en série
Dans cette section, lorsque plusieurs échantillonneurs sont utilisés dans un système :
 1er cas : Fonction de transfert en Z de deux systèmes échantillonnés en série

T T
e(t) s(t)
y(t)
A(p) B(p)
e*(t) y*(t)
T
s*(t)
Fig. 4.5 : deux systèmes échantillonnés en série.
36
Donc :
 S ( Z ) = B( Z )Y ( Z )
 (4.15)
Y ( Z ) = A( Z ) E ( Z )
Alors :
S ( Z ) = B ( Z ) A( Z ) E ( Z ) (4.16)
 2ème cas : Fonction de transfert en Z d’un système constitué de deux systèmes

continus en série
T
e(t) s(t)
y(t)
A(p) B(p)
e*(t)
T
s*(t)
Fig. 4.6 : deux systèmes continus en série.
En calcule le produit des fonctions de transfert en p :
G ( p ) = B ( p ) A( p ) (4.17)
Puis calculer la transformée en Z de G ( p ) :
G ( Z ) = TZ {G ( p )} (4.18)
Donc la transformée en Z de s (nT ) s’exprime par :
S (Z ) = G(Z ) E (Z ) (4.19)
4.5 Transmittances échantillonnées de systèmes bouclés

Considérons la structure d’asservissement (Figure 4.7) suivante :
T
e(t) + є(t) є *(t) s(t)
B(p) A(p)
y(t)
T - T
s*(t)
e *(t)
Fig. 4.7 : système bouclé.
37
S (Z )
Le calcul de la fonction de transfert en boucle fermée est détaillé ci-dessous.
E (Z )
L’écart є(t) donné par :
ε=
(t ) e(t ) − s (t ) (4.20)
En applique la TZ :
ε=
(Z ) E (Z ) − S (Z ) (4.21)
En déduire la sortie S(Z) :
S ( Z ) = TZ { A( p ) B ( p )} ε ( Z ) (4.22)
Alors :
ε (Z ) 1
= (4.23)
E (Z ) 1 + TZ { A( p ) B ( p )}
S (Z ) TZ { A( p ) B ( p )}
= (4.24)
E ( Z ) 1 + TZ { A( p ) B ( p )}
On considère, le système de la Figure 4.7 avec :
A0
A( p ) = (4.25)
p+a
et
B( p ) = B0 ( p )
1 − e −Tp (4.26)
=
p
où A0 et a sont constantes, donc F(Z) donnée par :
TZ { A( p ) B ( p )} A 1 − e − aT
=F (Z ) = 0 (4.27)
1 + TZ { A( p ) B ( p )} a ( Z − e − aT ) + A0 (1 − e − aT )
a
38
4.6 Asservissement à retour non unitaire

4.6.1 Système à un seul échantillonneur
En considère la structure suivante (Figure 4.8) :
T
e(t) + є(t) є *(t) s(t)
B(p) A(p)
y(t)
T - T
m(t) s*(t)
K(p)
*
e (t)
T
m *(t)
Fig. 4.8 : Système à un seul échantillonneur.

La sortie S ( p ) est donnée par :
S ( p ) = A( p ) B ( p )ε * ( p ) (4.28)
Alors :
S ( Z ) = TZ { A( p ) B ( p )} ε ( Z ) (4.29)
Posons :
M ( p) = K ( p)S ( p) (4.30)
Donc :
M ( p ) = K ( p ) A( p ) B ( p )ε * ( p ) (4.31)
Et on pose :
G ( p ) = K ( p ) A( p ) B ( p ) (4.32)
M * ( p ) = G * ( p )ε * ( p ) (4.33)
L’erreur ε ( p ) s’écrit :
ε=
( p) E ( p) − M ( p) (4.34)
39
L’échantillonnage de ε * ( p ) devient :
ε=
*
( p) E * ( p) − M * ( p)
(4.35)
= E * ( p ) − G * ( p )ε * ( p )
La TZ de l’erreur :
ε=
( Z ) E ( Z ) − G ( Z )ε ( Z ) (4.36)
= =
où G ( Z ) TZ { }
G * ( p ) TZ { K ( p ) A( p ) B ( p )} . Ainsi
( Z ) E ( Z ) − TZ { K ( p ) A( p ) B ( p )} ε ( Z )
ε= (4.37)
d'où
ε (Z ) 1
= (4.38)
E (Z ) 1 + TZ { K ( p ) A( p ) B ( p )}
Alors la fonction de transfert en boucle fermée donnée par :
S( Z ) TZ { A( p ) B ( p )}
= (4.39)
E ( Z ) 1 + TZ { K ( p ) A( p ) B ( p )}
4.6.2 Système à deux échantillonneurs

La structure donnée par la Figure 4.9 :
T
e(t) + є(t) є *(t) s(t)
B(p) A(p)
y(t)
T - T
* T s*(t)
m(t) s (t)
K(p)
e *(t)
T
m *(t)
Fig. 4.9 : Système à deux échantillonneurs.
La fonction de transfert en boucle fermée donnée par :
S( Z ) TZ { A( p ) B ( p )}
= (4.40)
E ( Z ) 1 + K ( Z )TZ { A( p ) B ( p )}
40
On considère le schéma en boucle fermée (Figure 4.8) :
1
=
Avec : A( p ) K=
( p) ;
( p + 2)
 Calculer la fonction de transfert en BO et en BF
 Application numérique : T = 1
Sol :
• En BO
Z −1
GBO ( Z ) = TZ { A( p ) B ( p ) K ( p )}
Z
(4.41)
Z −1  1 
= TZ  2 
Z  p ( p + 2) 
Donc :
1 c1 c2 c3
H ( p) = 2 = + + (4.42)
p ( p + 2) p ( p + 2) ( p + 2)
2
Alors :
1 1 1
H ( p) = − − (4.43)
4. p 2.( p + 2) 4.( p + 2)
2
En applique la TZ :
Z −1 Z −1  1 Z 1 T .Z .e −2T 1 Z 
TZ { H ( p )} =  − −2T 2
− −2T 
(4.44)
Z Z  4 Z − 1 2 (Z − e ) 4 (Z − e ) 
La fonction de transfert en BO donnée par :
 Z (1 − e −2T − 2Te −2T ) + e −4T + 2Te −2T − e −2T 

GBO ( Z ) =   (4.45)
 4( Z − e −2T ) 2 
• En BF
Z −1
TZ { A( p ) B ( p )}
GBF ( Z ) = Z (4.46)
1 + GBO ( Z )
41
La fonction de transfert en BF donnée par :

GBF ( Z ) =  2
{ }
4 Z (1 − e −2T ) + e −4T − e −2T 
 (4.47)
−2T −4T −2T −2T
 8Z − (19e + 1) Z + e − 2Te − e 
• Application numérique pour une période d’échantillonnage : T = 1

 En BO :
 0.6 Z + 0.15 
GBO ( Z ) =  2  (4.48)
 4 Z − 1.08Z + 0.07 
 En BF :
 3.48Z − 0.47 
GBF ( Z ) =  2  (4.49)
 8Z − 3.57 Z + 0.15 
3.7 TP N° 04 Fonction de transfert en Z et système

 MATLAB ne sait transformer qu'en utilisant une "méthode", ici : faire précéder le
système d'un bloqueur d'ordre 0.
>> Te=1; % période d’échantillonnage

>> sys=tf([1],[1 1 0] ) % définition du système continu
>> sysd=c2d(sys,Te, 'zoh'); % transformée en z avec BOZ
>> present(sysd); % présentation du résultat
>> sysc=d2c(sysd,'zoh'); % transformée inverse avec BOZ
>> present(sysdp); % présentation du résultat
>> Te=1;
>> sys=tf([1],[1 1 0] )
Transfer function:
1
-------
s^2 + s
>> sysd=c2d(sys,Te, 'zoh');
>> present(sysd);
42
Transfer function:
0.3679 z + 0.2642
----------------------
z^2 - 1.368 z + 0.3679
Sampling time: 1
>> sysc=d2c(sysd,'zoh');
>> present(sysc);
Transfer function:
-9.84e-016 s + 1
--------------------
s^2 + s + 1.776e-015
 Algèbre des systèmes

 Systèmes en série
>> H=F*G
H(p)
G(p) F(p)
Fig. 4.10 : Systèmes en série.
 Systèmes en parallèle
>> H=F+G
G(p) H(p)
+
+
F(p)
Fig. 4.11 : Systèmes en parallèle.
 Systèmes bouclés
>> H=feedback(G,F)
43
+
G(p)
-
H(p)
F(p)
Fig. 4.12 : Systèmes bouclés.
 Echantillonnage
L’opération G ( Z ) = TZ { B0 ( p )G ( p )} est réalisée par MATLAB comme suit :
>> gc = tf([2 1], [1 2 1])
Transfer function:
2 s + 1
-------------
sˆ2 + 2 s + 1
>> c2d(gc, 1.2, ’zoh’)
Transfer function:
1.06 z - 0.5719
------------------------
zˆ2 - 0.6024 z + 0.09072
Sampling time: 1.2
 Discrétisation
Parmi les méthodes d’approximation mathématique du comportement d’un système continu
par un système à temps discret, nous retiendrons la méthode de Tustin. Elle est réalisée
avec MATLAB de la façon suivante :
>> c2d(gc, 1.2, ’tustin’)
Transfer function:
0.6094 zˆ2 + 0.2812 z - 0.3281
------------------------------
zˆ2 - 0.5 z + 0.0625
Sampling time: 1.2
44
Asservissements numériques Chapitre 5 : Performances des systèmes échantillonnés asservis
Chapitre 5
Performances des systèmes échantillonnés

asservis
5.1 Stabilité
Si on envoie une impulsion de Dirac à un système de fonction de transfert G(Z), sa sortie est :
G(Z )
S ( Z ) = G ( Z ) , développons en éléments simples autour de ces pôles Z i :
Z
Z . A1 ZA2
G(Z ) = + + ... (5.1)
Z − Z1 Z − Z 2
D’où : s (nT ) = A1Z1n + A2 Z 2n + ... car : TZ {Z in } =

Z
Z − Zi
La réponse impulsionnelle s(nT) ne s’amortie et tend vers zéro que si : Z i <1.
 Théorème : un système numérique est stable si et seulement si tous les pôles de sa
fonction de transfert sont situés à l’intérieur du cercle de rayon 1.Il est d’autant plus stable
(amorti) que les pôles sont plus à l’intérieur du cercle.
Ceci est prévisible du fait de la relation de passage continu-discret : Z = e pT :
 (Stabilité analogique) Re(pi )< 0→ Z i <1 (Stabilité numérique).
Z=eTp
Plan p Plan Z
Stabilité
Im
Im
Re Re
Stabilité
Fig. 5.1 : stabilité en temps continu et stabilité en temps discret.
45
Relation entre les pôles d’un système analogique A(z) et ceux du système échantillonné-
bloqué G(z) :
K A1 A2
A( p ) = = + + ... (5.2)
(1 + τ 1 p )(1 + τ 2 p )... 1 + τ 1 p 1 + τ 2 p
 A( p )   Ai   Ai Z (1 − α i ) 
=
TZ   ∑
= TZ 
p (1 + τ p )
 ∑ TZ 
( Z − 1)( Z − α )
 (5.3)
 p  i  i  i  i 
−T /τ i
: α i e=
Avec = e piT
Donc :
Z − 1  A( p )   Ai (1 − α i ) 
=G(Z ) = TZ   ∑ TZ   (5.4)
Z  p  i  Z − αi 
Les pôles de G ( Z ) sont Z=

i α=i e piT
Lorsque le système est d’ordre supérieur à 2, il est appréciable, comme en analogique, de
disposer de critère appropriés qui ne nécessitent pas de calculer les pôles.
5.2 Critère de Nyquist

Critère algébrique permettant de déduire la stabilité de la boucle fermée à partir du tracé du
lieu de la boucle ouverte.
T (Z )
Les pôles de la fonction de transfert en boucle fermée : F ( Z ) = sont les zéros
1 + T (Z )
de 1 + T ( Z ) =
0 . Quand Z parcourt entièrement le cercle unité dans le sens trigonométrique
T ( Z ) décrit une courbe, très analogue au lieu de Nyquist, qui entoure ou non l’origine.
Donc F ( Z ) entoure ou non le point critique -1.
D’après le théorème de Cauchy : lorsque F ( Z ) est stable, T ( Z ) est stable, si lorsque Z décrit
le cercle unité dans le sens trigonométrique, le lieu de F ( Z ) n’entoure pas le point -1. Z = epT
étant périodique de période 2π / T , le lieu de Nyquist est décrit pour w variant de 0 à 2π / T .
• Exemple
46
Fig. 5.2 : Critère de Nyquist.
5.3 Lieu d’Evans
Ce lieu des racines ou lieu d’Evans est le lieu des pôles de la fonction de transfert en boucle
fermée lorsque le gain K varie de 0 à l’infini. C’est un moyen de choisir un gain K pour
obtenir, en boucle fermée, les performances pré-spécifiées.
Pour l’étude de la stabilité de la boucle fermée, on trace dans le plan complexe, le lieu des
racines du dénominateur, noté D(Z) = 1+ T(Z) = 0 dont on recherchera les racines ; sa
construction fait appel à 8 règles.
Le système bouclé est stable, si le lieu D(Z) reste situé à l’intérieur du cercle unité.
Exercice 1 : TP N° 05 MATLAB
Soit la fonction suivante :
1
G1 ( Z ) = (5.5)
( Z − 1)( Z − 0.9)
>> sysd=zpk([],0.1 0.9],1,1)% période d’échantillonnage = 1s

>> rlocus(sysd);
>> zgrid
Zero/pole/gain:
1
---------------
(z-0.1) (z-0.9)
Sampling time: 1
47
Root Locus
1
0.5π/T
0.6π/T 0.4π/T
0.8 0.7π/T 0.1 0.3π/T
0.2
0.6 0.3
0.8π/T 0.4 0.2π/T
0.5
0.4 0.6
0.7
0.9π/T 0.8 0.1π/T
0.2
Imaginary Axis
0.9
π/T
0
π/T
-0.2
0.9π/T 0.1π/T
-0.4
0.8π/T 0.2π/T
-0.6
-0.8 0.7π/T 0.3π/T
0.6π/T 0.4π/T
0.5π/T
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Fig. 5.3 : Lieu d’Evans de la fonction G 1 (Z).
 lorsque K est très faible les pôles en BF sont proches de ceux en BO,
 lorsque K augmente, le système accélère, les pôles se rapproche et deviennent
complexes conjugués,
 lorsque K dépasse la valeur de 0.9, les pôles ont un module > 1, le système est
instable.
Exercice 2 : TP N° 05 MATLAB
Soit la fonction suivante :
Z − 0.5
G2 ( Z ) = (5.6)
( Z − 1)( Z − 0.9)
Zero/pole/gain:
(z-0.5)
---------------
(z-0.1) (z-0.9)
Sampling time: 1
48
Root Locus
1
0.5π/T
0.6π/T 0.4π/T
0.8 0.7π/T 0.1
0.3π/T
0.2
0.6 0.3
0.8π/T 0.4 0.2π/T
0.5
0.4 0.6
0.7
0.9π/T 0.8 0.1π/T
0.2
Imaginary Axis
0.9
π/T
0
π/T
-0.2
0.9π/T 0.1π/T
-0.4
0.8π/T 0.2π/T
-0.6
-0.8 0.7π/T 0.3π/T
0.6π/T 0.4π/T
0.5π/T
-1
-2 -1.5 -1 -0.5 0 0.5 1
Real Axis
Fig. 5.4 : Lieu d’Evans de la fonction G 2 (Z).
 lorsque K est très faible les pôles en BF sont proches de ceux en BO,
 lorsque K augmente, le pole en 0.9 tend vers le zéro en 0.5, l’autre pole tend vers −∞,
 la limite de stabilité est obtenue pour K = 1.4.
5.4 Critère de Jury
Le critère de Jury adresse la stabilité à partir de la connaissance du polynôme caractéristique :
) an Z n + an −1Z n −1 + ... + a1Z + a0

P ( Z= (5.7)
 Théorème 5.1 Un système linéaire à temps discret est asymptotiquement stable si et

seulement si les coefficients de son polynôme caractéristique vérifient les relations qui
suivent. Les conditions dépendent de l’ordre du système nous ne les donnons que pour n
= 2 ,3 et 4. Les ordres supérieurs peuvent être générés sans difficulté mais sont
fastidieux. Pour plus de simplicité on suppose que a n > 0. Dans le cas contraire il suffit
de multiplier tous les coefficients par -1.
49
a0 + a1 + a2 > 0

=n 2 : a0 − a1 + a2 > 0 (5.8)
a − a > 0
 2 0
a0 + a1 + a2 + a3 > 0

−a0 + a1 − a2 + a3 > 0
n = 3:  (5.9)
a3 − a0 > 0
a a − a a − a 2 + a 2 > 0
 0 2 1 3 0 3
a0 + a1 + a2 + a3 + a4 > 0

a0 − a1 + a2 − a3 + a4 > 0
n = 4:  2 (5.10)
a4 − a0 − a0 a3 − a1a4 > 0
2
(a − a ) 2 (a − a + a ) + (a − a )(a a − a a ) > 0

 0 4 0 2 4 1 3 0 3 1 4
Soit le système dont le polynôme caractéristique s’écrit :
P ( Z ) = Z 3 + ( K − 0.75) Z − 0.25 (5.11)
• Etudier la stabilité par Le critère de Jury.

Sol :
L’application du critère de Jury conduit à l’ensemble d’équations :
a0 + a1 + a2 + a3 = K > 0

−a0 + a1 − a2 + a3 = K + 0.5 > 0
n = 3:  (5.12)
a3 − a0 = 1 − 0.25 > 0
a a − a a − a 2 + a 2 = − K + 1.6875 > 0
 0 2 1 3 0 3
Dont l’intersection donne 0 < K < 1.6875 comme condition de stabilité.

5.5 Critère de Routh
Soit la transformation bijective suivante :
1+ w Z −1
Z= ⇔w
= (5.13)
1− w Z +1
Elle transforme la variable complexe Z en une nouvelle w variable telle que :
50
α 2 + β 2 −1 + 2 jβ
Z = α + jβ ⇔ w = (5.14)
(α + 1) 2 + β 2
D’où :
Z < 1 ⇔ α 2 + β 2 < 1 ⇔ ℜ( w) < 0 (5.15)
Ce résultat appliqué aux racines de P(Z) conclue la preuve.

En prenant le polynôme caractéristique (5.11).
• Etudier la stabilité par Le critère de Routh.
Sol :
Par transformation bilinéaire, il vient le polynôme:
α 2 + β 2 −1 + 2 jβ
w3 ( K + 0.5) w2 (3 − K ) + w(4.5 − K ) + K + (5.16)
(α + 1) 2 + β 2
La table de Routh correspondante s’écrit :
K + 0.5 4.5 − K 0
3− K K 0
−8 K + 13.5 (5.17)
0
3− K
K 0
Donc :
 K + 0.5 >0
3 − K >0


4.5 − K >0 (5.18)
K >0

−8 K + 13.5
 >0
Soit la condition de stabilité 0 < K < 1.6875 .

Considérons le même système dans le cas d’une régulation échantillonnée selon le schéma de
la Figure 5.5
51
T
y(n) + u(n) u(t) y(t) y(n)
B0(p) K/p(p+1)
-
Fig. 5.5 : Régulation échantillonnée.
 Etudier la stabilité en boucle fermée par Le critère de Jury.

Sol :
La fonction de transfert en boucle ouverte du système échantillonné donnée par :
 K  ( Z − a ) Kb
= =
G ( Z ) TZ  B0 ( p )  (5.19)
 p ( p + 1)  ( Z − 1)( Z − e −T )
e −T (T + 1) − 1
Avec : a = −T
et b= e −T − 1 + T . La fonction de transfert en boucle fermée s’écrit
e + T −1
alors comme suit :
G(Z ) ( Z − a ) Kb
= 2 (5.20)
1 + G ( Z ) Z + ( Kb − 1 − e −T ) Z + e −T − Kba
En appliquant le critère de Jury le système est asymptotiquement stable si et seulement si :
e −T − Kba + Kb − 1 − e −T + 1 > 0
 −T −T
e − Kba − Kb + 1 + e + 1 > 0 (5.21)
1 − e −T + Kba >0

Ces conditions sont fortement conditionnées par la valeur de l’échantillonnage. Par exemple
pour T =1s et T =10s on trouve respectivement :
=T 1=
s T 10 s
K >0 K >0
  (5.22)
12.2 > K 0.25 > K
2.4 > K 1 >K
 
On constate ainsi qu’une augmentation de K et/ou de T conduisent à l’instabilité de ce

système.
52
5.6 Précision statique des asservissements échantillonnés

On définit, pour les systèmes échantillonnés, les mêmes performances que pour les systèmes à
temps continu. Il en est ainsi de la précision des systèmes qui est ici, toujours définie par les
notions d’erreurs de position, de vitesse et d’accélération.
On obtient l’erreur є(n) dans le domaine temporel uniquement en régime permanent stabilisé,
par l’intermédiaire du théorème de la valeur finale :
ε (n) lim( Z − 1)ε ( Z )
= (5.23)
n →∞ Z →1
Si T(z) est la fonction de transfert en boucle ouverte d’un retour unitaire, alors :
E (Z ) E (Z )
ε (Z)
= = (5.24)
1 + T (Z ) 1 + K 1
Z −n
N (Z )
( Z − 1) m
D( Z )
m est la classe du système.
Erreur statique de Position Erreur statique de Vitesse Erreur statique d’accélération
(échelon de position (échelon de vitesse anT ) (échelon d’accélération)
d’amplitude E 0 ) (1/2bn2T2)
Classe
єp єa
єv
m=0
E0 ∞ ∞
εp =
1 + KT (1)
єp єa
єv
m=1
0 aT ∞
εv =
KT (1)
єp єa
єv
m=2
0 0 aT 2
εv =
KT (1)
Tab. 5.1 : Précision statique des asservissements échantillonnés.
53
Une bonne précision est obtenue au moyen d’intégrateurs numériques qu’il faut introduire
dans la boucle ouverte au moyen du correcteur.
5.7 Rapidité
La rapidité est liée au temps de réponse donc à la bande passante. Celle-ci est elle-même liée
à la constante de temps dominante ou à la pulsation propre w n .
54
Asservissements numériques Chapitre 6 : Correction des asservissements
Chapitre 6
Correction des asservissements

6.1 Introduction
Il existe différentes structures d’asservissement numérique. Ce chapitre est consacré à la
correction numérique série où deux approches sont détaillées :
 la correction numérique à réponse pile
 le correcteur PID numérique.
6.2 Correcteurs séries : généralités
 Structure d’un correcteur série
Le terme de correcteur série regroupe l’ensemble des asservissements de retour unitaire où le
correcteur est placé en série avec le processus dans la chaîne directe, selon le schéma suivant :
T T
e(t) + є(t) є (n) s(t)
C(Z) B0(p) A(p)
u(n) u(t)
-
Fig. 6.1 : Correction numérique en série.

La présence des deux échantillonneurs synchrones permet d’isoler les transformées
C ( Z ) et TZ { A( p ) B0 ( p )} . La fonction de transfert pour cet asservissement est alors :
S (Z ) C ( Z )TZ { A( p ) B0 ( p )}
= (6.1)
E ( Z ) 1 + C ( Z )TZ { A( p ) B0 ( p )}
Rappelons que la consigne E(Z) est donnée. Pour obtenir la sortie S(Z) désirée, il s’agit alors
de déterminer U(Z), c’est-à-dire l’expression du correcteur C(Z) (en effet, U(Z) =C(Z) E(Z)).
6.3 Correcteurs à réponse pile
 Définition
Un système à réponse pile est un système tel que sa réponse à une entrée type donnée est
égale exactement à cette entrée au bout d’un nombre fini d’échantillons (c’est-à-dire que
l’erreur statique est nulle en un temps fini).
55
La synthèse d’un correcteur à réponse pile est illustrée à travers l’exemple suivant :
Soit le processus :
C
A( p ) = (6.2)
p (1 + 0.2 p )
Avec : C = 5 rad.s−1
Ce système A(p) étant du second ordre, on cherche une réponse pile pour une entrée en
échelon unité, dont l’erreur s’annule à partir du 2ème échantillon. Ainsi les coefficients u(0),
u(0) et s(0) suffisent à déterminer une réponse pile.

 E (Z) ∑ ∑
−n −n
= = 1.Z Z
 n≥0 n≥0

S ( Z ) ∑ S (n= s (1) Z −1 + ∑ Z
−n −n
= ).Z (6.3)
 n≥0 n≥ 2
U (= Z ) ∑ U (n).Z= u (0) + u (0) Z −1
−n

 n≥0
D.Z + (1 − 2.D)
TZ { A( p ) B0 ( p )} = (6.4)
( Z − 1)( Z − D)
−1
Avec : =
D e= 0.368
La sortie S et la commande du processus sont reliés par :
S (Z ) D.Z + (1 − 2.D)
= TZ { A( p) B0 ( p)}
= (6.5)
U (Z ) ( Z − 1)( Z − D)
( S (1) Z −1 + ∑ Z − n (1 − (1 + D) Z −1 + DZ =
−2
) ( DZ −1 + (1 − 2.D) Z −2 )(u (0) + u (1) Z −2 ) (6.6)
n≥ 2
Terme en : Z −1 : Du (0) = s (1)
Terme en : Z −2 : (1 − 2.D)u (0) + Du (1) =1 − (1 + D) s (1)
Terme en : Z −3 : (1 − 2.D)u=
(1) Ds (1) + 1 − (1 + D)
Terme en : Z − n :1 − (1 − D) + =
D 0, n ≥ 4
Les trois premières relations nous donnent les valeurs de u(0), u(1) et s(1) :
56
 1
=
u (0) = 1.58
1+ D

 D
u (1) = = −0.58 (6.7)
 1+ D
 D
=
s(1) = 0.58
1− D

Il est possible désormais de déterminer l’expression du correcteur numérique :
U (Z )
C (Z ) = (6.8)
ε (Z )
A partir (6.8) (6.7) et (6.3) on a :
u (0) + u (1) Z −1 1.58 − 0.58Z −1

=C (Z ) = (6.9)
1 + Z −1 (1 − s (1)) 1 + 0.42 Z −1
L’équation de récurrence associée est :
u (n) =−0.42u (n − 1) + 1.58ε (n) − 0.58ε (n − 1), ∀n ≥ 2 (6.9)
6.4 Correcteur PID numérique

Comme en correction analogique, l’un des principaux correcteurs utilisés est un correcteur à
action Proportionnelle, Intégrale et Dérivée, noté PID.
1/τip
є(t) u(t)
τ dp kd
Fig. 6.2 : structure du PID numérique.
 T n
τd 
(n) k p (ε (n) +
u=
τi
∑ ε ( j) + T (ε (n) − ε (n − 1))  (6.10)
 j =0 
Et la fonction de transfert en Z :
57
U (Z ) 1 k
C (Z ) = =k p + ki T + d (1 − Z −1 ) (6.11)
ε (Z ) 1− Z −1
T
kp
Avec : ki = et kd = k pτ d
τi
6.4.1 Choix du correcteur
La structure du correcteur PID fait apparaître trois actions : l’action Proportionnelle, l’action
Intégrale et l’action Dérivée :
 Action P : augmente la bande passante, donc la rapidité ; améliore la précision et
dégrade la stabilité.
 Action I : ralentit le système ; améliore la précision en augmentant la classe du
système et peut dégrader la stabilité. De plus, peu robuste aux perturbations basses-
fréquences sur le signal de consigne.
 Action D : augmente la bande passante du système donc sa rapidité, permet
d’améliorer la stabilité mais amplifie les bruits de mesure hautes fréquences.
6.4.2 Méthode de TAKAHASHI de réglage du PID numérique
La forme du PID utilisé est :
 Z  k Z − 1
=
U ( Z ) kiT ε (Z ) − k p + d Y ( Z ) PID ou PI
 Z −1  T Z  (6.12)
U ( Z ) = k ε ( Z ) P
 p
Comme pour la méthode de Ziegler-Nichols, il faut alors soumettre le système à l'un des deux
essais :
• un essai indiciel qui donne les valeurs de τ et a,
• un essai en boucle fermée avec un gain K : on augmente K jusqu'_a K osc valeur du gain
pour laquelle on obtient une oscillation entretenue de période T osc .
58
Méthode de pompage boucle fermée Méthode apériodiques boucle ouverte

Système stables ou instables en boucle
Système stables, instables ou intégrateur
ouverte
1
y y
0+ K BOZ Système + Système
K=1 BOZ
- -
E
0
y y Instable ou
intégrateur
E
Stable
t
Kosc Pente :a=E/T
Tosc
t
τ T
1
P k p = 0.5 K osc kp =
a (τ + T )
0.9
=k p 0.5 K osc − 0.5kiT =kp − 0.5kiT
a (τ + 0.5T )
P.I K osc
ki = 0.54 0.27
Tosc ki =
a (τ + 0.5T ) 2
1.2
=k p 0.6 K osc − 0.5kiT =kp − 0.5kiT
a (τ + T )
K osc
ki = 1.2 0.6
P.I.D Tosc ki =
a (τ + 0.5T ) 2
3
kd = K oscTosc 0.5
40 kd =
a
Tab. 6.1 Réglages de Takahashi pour un régulateur PID numérique.
6.5 Asservissement numérique avec contrôleur RST

Le fondement du correcteur RST est d’introduire un degré de liberté supplémentaire afin de
traiter différemment les signaux Q(z) et Y (z) :
59
Q(Z) Є(Z) U(Z) Y(Z)

+ C(Z) H(Z)
-
Fig. 6.3 : structure d’asservissement numérique.
R=
( Z )U ( Z ) T ( Z )Q( Z ) − S ( Z )Y ( Z ) (6.13)
S (Z ) B( Z )
Avec : C ( Z ) = et H ( Z ) =
R( Z ) A( Z )
Il est important de noter que les termes A(Z), B(Z), S(Z) et R(Z) sont des polynômes en Z et
non des fractions rationnelles en Z.
En termes de schéma bloc, il est possible de faire apparaître plusieurs structures qui
représentent rigoureusement cette correction :
T (Z ) S (Z )
=
U (Z ) Q( Z ) − Y (Z )
R( Z ) R( Z )
(6.14)
S (Z )  T (Z ) 
=  Q( Z ) − Y ( Z ) 
R( Z )  S ( Z ) 
Q(Z) Є(Z) U(Z) Y(Z)

C(Z)/S(Z) + S(Z)/R(Z) H(Z)
-
Q(Z)
U(Z) Y(Z)
T(Z)/R(Z) +
- H(Z)
S(Z)/R(Z)
60
Q(Z)
U(Z) Y(Z)
T(Z) +
1/R(Z) H(Z)
-
S(Z)
Toutes ces représentations équivalentes sont notées :
Q(Z)
Y(Z)
U(Z)
RST H(Z)
Y(Z)
 Synthèse par RST

Le but de la synthèse RST est d’élaborer une sortie Y(Z) image de l’entrée Q(Z) via la
caractéristique de transfert Y(Z) = f(Q(Z)) recherchée. Celle-ci est donnée par le cahier des
charges et elle est appelée gabarit fréquentiel. Dans le cas des systèmes linéaires, elle s’écrit
simplement :
Y ( Z ) = F ( Z )Q( Z ) (6.15)
On considère ici, grâce à la linéarité, qu’il n’y a pas de perturbation, ou bien qu’elle est déjà
rejetée. Alors, le transfert en boucle fermée s’écrit :
T (Z )
H (Z )
Y (Z ) R( Z )
= F= (Z ) (6.16)
Q( Z ) S (Z )
1 + H (Z )
R( Z )
S (Z )
Le gabarit F ( Z ) et le rapport étant donnés, la synthèse du correcteur RST consiste à
R( Z )
T (Z )
rendre le rapport comme suit :
R( Z )
61
T (Z ) F (Z )  S (Z ) 
= × 1 + H ( Z )
R ( Z ) 
(6.17)
R( Z ) H ( Z ) 
 Remarque
T (Z )
Le rapport agissant en amont de la boucle d’asservissement, il n’a pas d’influence sur la
R( Z )
stabilité de la structure.
On pourra noter que l’hypothèse Y ( Z ) = F ( Z )Q( Z ) permet de donner une expression
simplifiée de la commande :
F (Z )
U (Z ) = Q( Z ) (6.18)
H (Z )
6.6 Examen (09/01/2016), Module : Commande numérique des systèmes,

option : Master I, Automatique avec correction
Exercice 1 (6pts)
Soit le système numérique h(k ) suivant :
h(k ) = e − b.k .T .u (k ) avec b > 0 ; T : période d’échantillonnage.
• L’entré de se système donné par : r (k ) = u (k ) − u (k − 3) .
 Trouvé la sortie s (k ) du système h(k ) .
Sol :
h(k ) = e − b.k .T .u (k ) et r (k ) = u (k ) − u (k − 3)
h(k) h(-n) h(k-n)
1 1 1
……. ……. …….
0 1 2 3 ………………… k -3 -2 -1 0 n k k-n
Fig. 6.4 : fonction h(k-n).
62
u(n) u(n-3) r(n)
1 1 1
……. …….
0 1 2 3 ………………… n 0 1 2 3 4……… n 0 1 2 n
Fig. 6.5 : fonction r(n).
 1ére cas
s(k)
k < 0 ⇒ s(k ) =0
1
…….
k 0 1 2 n
éme
 2 cas
s(k)
k k
0 ≤ k < 2 ⇒=
=
s(k )
n 0=n 0
∑1.=
a k −n
ak ∑ a−n
1
−1 k +1
1 − (a )
= ak
1 − a −1 …….
a k − a −1
= 0 1 k2 n
1 − a −1
 3éme cas
s(k)
−1 3
2
1 − (a )
2 ≤ k ⇒=
s(k ) ∑1.=
a
n =0
k −n
ak
1 − a −1 1
k −3
a −a
k
=
1 − a −1 …….
0 1 2 k n
Finalement la fonction s(k) représentée par la Figure 6.6 :
s(k)
…….
0 1 2 k
Fig. 6.6 : fonction s(k) final.
63
Exercice 2 (5pts)
Soit le système d’état discret suivant :
 x1 (k=+ 1) 0.6 x2 (k ) + 0.5 x3 (k )


 x2 (k + 1) =
0.5 x1 (k ) (6.19)

 x3 (k + 1)
= x2 (k ) + 0.2e q x3 (k ) + u (k )
• La sortie du système donné par : y (k ) = x1 (k ) + x2 (k ) + x3 (k )
• l’entrée du système est un échelon u (k ) et 0 < q < 0.34 ; CI=0.
Y ( z)
 Déterminer la fonction de transfert G ( z ) = ; Application numérique : q = −∞
U ( z)
 Déduire l’équation récurrente qui relie uniquement l’entrée et la sortie du système.
Sol :
• Pour obtenir la fonction de transfert on opère la transformée en Z sur ce système

d’équation (6.19) :
=ZX 1 ( Z ) 0.6 X 2 ( Z ) + 0.5 X 3 ( Z )


= ZX 2 ( Z ) 0.5 X 1 ( Z ) = ⇒ X 1 ( Z ) 2 ZX 2 ( Z )
 (6.20)
 ZX 3 ( Z ) =X 2 ( Z ) + 0.2e q X 3 ( Z ) + U ( Z )
Y ( Z ) = X Z + X Z + X Z
 1( ) 2( ) 3( )
Si on remplace dans ces équations X 1 (Z) par 2ZX 2 (Z) on trouve :
1
( Z ) (4Z 2 − 1.2) X 2 ( Z ) , puis : X 2 ( Z ) =
X3= U (Z )
4 Z − 1.2 Z − 1 − 0.8e q Z 2 + 0.24e q
3
Donc :
2 Z + 1 + 4 Z 2 − 1.2
Y (Z ) = U (Z ) (6.21)
4 Z 3 − 0.8e q Z 2 − 1.2 Z − 1 + 0.24e q
Y (Z ) 4 Z 2 + 2 Z − 0.2
G(Z ) = = (6.22)
U ( Z ) 4 Z 3 − 0.8e q Z 2 − 1.2 Z − 1 + 0.24e q
64
Application numérique : q = −∞
4 Z 2 + 2 Z − 0.2
G(Z ) = (6.23)
4 Z 3 − 1.2 Z − 1
• L’équation récurrente :
4 y (k + 3) − 1.2 y (k + 1) − y (k=
) 4u (k + 2) + 2u (k + 1) − 0.2u (k ) (6.24)
Exercice 3 (02 pts)
Soit le système dont le polynôme caractéristique s’écrit :
P( z ) = z 3 + (k − 0.75) z − 0.25
 Etudier la stabilité par Le critère de Jury.
Sol :
Page 50
Exercice 4 (07 pts)
On considère le schéma en boucle fermée :

T
e(t) + є(t) є *(t) s(t)
B(p) A(p)
y(t)
T - T
m(t) s*(t)
K(p)
*
e (t)
T
m *(t)
1
=
Avec : A( p ) K=
( p) ;
( p + 2)
 Calculer la fonction de transfert en BO et en BF
 Application numérique : T = 1
Sol :
Page 41
65
Asservissements numériques Bibliographie
Bibliographie
[1] S. Tliba, M. Jungers et Y Chitour, « commande des processus asservissements
numériques, Notes de cours », Université Paris-Sud XI - ENS de Cachan Master IST1
& IFIPS EI2, UE majeures 421-422, France, 2005/2006.
[2] M. Villain, « Automatique 1, Signaux et systèmes continus et échantillonnée »,
TECHNOSUP. ED. Ellipses, 1996.
[3] J.P. Chemla, « Systèmes asservis échantillonnés », support de cours, Ecole
Polytechnique de l’Université de Tours, France, 2002.
[4] M. Mandal et A. Asif, « Continuous and Discrete Time Signals and Systems »,
CAMBRIDGE UNIVERSITY PRESS, 2007.
[5] G. Cabodevila, « Automatique linéaire échantillonnée », support de cours, École
Nationale Supérieure de Mécanique et des Microtechniques, Besançon, France, 2008.
[6] G. Blanchet et J. Prado, « Eléments d’automatique », Collection Pédagogique de
Télécommunication. ED. Ellipses, 1995.
[7] Y. Briere, « Commande des systèmes par calculateur », support de cours, Institut
Supérieur de l'Aéronautique et de l'Espace, Toulouse, France, 2007.
[8] P. Borne, G. Dauphin-Tanguy, J.P. Richard, F. Rotella, et I. Zambettakis,
« Automatique analyse et régulation des processus industriels, tome 2 régulation
numérique. Méthodes et pratiques de l’ingénieur », ED. Technip, 1993.
[9] D. Peaucelle, « Systèmes à temps discret Commande numérique des procédés »,
support de cours, Ecole Nationale des Sciences Appliquées, pôle technologique de
l’Université Ibn Zohr, Agadir, Maroc, 2003.
66
Asservissements numériques Bibliographie
[10] A. Crosnier, G. Abba, B. Jouvencel, et R. Zatata, « Automatique ingénierie de la
commande des systèmes Techniques de bases », TECHNOSUP. ED. Ellipses, 2001.
[11] A. Meghebbar, « Commande Numérique », support de cours, Université Aboubekr
Belkaid, Tlemcen, Algerie, 2010.
[12] Y. Granjon, « Automatique systèmes linéaires, non linéaires, à temps continu, à temps
discret, représentation d’état. Sciences SUP - Cours et exercices corrigés », DUNOD,
2010.
[13] A. Meghebbar, « Commande Numérique », support de cours, Université Aboubekr
Belkaid, Tlemcen, Algerie, 2010.
[14] M. Rivoire et J.L. Ferrier, « Cours d’automatique tome 1 : signaux et systèmes »,
Eyrolles, 1995.
[15] Y. Sevely, J.L. Abatut, et F. Roubellat, « Systèmes et asservissements linéaires
échantillonnés », DUNOD, 1989.
[16] S. Haykin et B. V. Veen, « Signals and Systems », 2éme ED. Wiley, 2002.
[17] S.T. Karris, « Signals and Systems », 2éme ED. Orchard, 2003.
67

ASSERVISSEMENTS NUMÉRIQUES - BOUGUERRA Abderrahmen - Cours - Complet PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ASSERVISSEMENTS NUMÉRIQUES - BOUGUERRA Abderrahmen - Cours - Complet PDF

Transféré par

Droits d'auteur :

Formats disponibles

Un ive rsité Moha med Bou d iaf - M’ Sila

F acu lté de Tech no log ie

D épa rte me n t de Gén ie Ele c triqu e

Sup po rt de Cours, Exe rc ic es e t Tra vau x Pra tiqu es a ve c

L ic enc e en A u to ma tiq ue , Ma ste r e n Au tomatiqu e &

Systè me s e t Maste r en Co mman de de s Systè me s

B OUGUERR A A AB D ERR A HMEN A nné e 201 5/2 016

Automatique et systèmes et Master I commande des systèmes électriques. L’objectif de ce

manipulation de fonctions et de suites, le calcul intégral et les séries, la transformée de

de Laplace) nous aborderons successivement la modélisation de systèmes discrets et

échantillonnés, leur analyse et pour finir la synthèse de lois de commande numériques.

Abderrahmen BOUGUERRA à l’Université Mohamed BOUDIAF – M’Sila-, Algerie.

Table des matières

4.6.2 Système à deux échantillonneurs 40

Les Signaux à temps discret

1.1.1 Traitement numérique du signal TNS

 Représenter un signal par une séquence de nombres.

1.1.2 Avantages et inconvénients du TNS

• Nature du signal : nombre limité de valeurs

Pour une exécution analogique pratique (exemple : la transformée de Fourier)

 Nécessité d’un certain niveau de puissance électrique

1.2. Signaux et systèmes à temps discret

1.2.1 Signaux à temps discret

 x(n) = nième échantillon de la séquence

Fig. 1.1 : Signal discret à durée fixe.

1.2.2 Quelques signaux discrets importants

Fig. 1.2 : Impulsion de Dirac.

 L’impulsion de Dirac décalée :

Tout signal discret peut s’exprimer avec la fonction Dirac :

Fig. 1.4 : Echelon unité.

 Les fonctions sinus discrètes :

A : amplitude, θ : pulsation relative (absolue : ω = θ / T ), φ : phase.

Fig. 1.5 : Les fonctions sinus et sinus cardinal discrètes.

 Rappel sur la périodicité :

Donc condition : θ .n = 2.k. π ⇔ N = 2.k. π / θ entier ⇔ 2. π / θ entier

après 8 points on retombe au même endroit

on ne retombe pas au même endroit

Fig. 1.6.a : La fonction sinus.

x[−8] = x(−8T ) = sin(−2π ) = 0 , =

x[−7] = x(−7T ) = sin(−1.75π ) = 1/ 2 , =

x[−6] = x(−6T ) = sin(−1.5π ) = 1 , =

x[−5] = x(−5T ) = sin(−1.25π ) = 1/ 2 , =

x[−4] = x(−4T ) = sin(−π ) = 0 , x[5] = x(5T ) = sin(1.25π ) = −1/ 2

x[−3] =x(−3T ) =sin(−0.75π ) =−1/ 2 , x[6] = x(6T ) = sin(1.5π ) = −1

x[−2] =x(−2T ) =sin(−0.5π ) =−1 , x[7] = x(7T ) = sin(1.75π ) = −1/ 2

x[−1] =x(−T ) =sin(−0.25π ) =−1/ 2 , =

Fig. 1.6.b : La fonction sinus.

1.3 TP N° 01 signaux discrets

>> y=sign(x) -0.5

>> stem(x,y), grid

>> subplot(2,2,1), stem (x,y), grid

>> subplot(2,1,2), stem (x,u), axis([-10 10,-2 2]), grid

• Fonctions sinus et sinus cardinal

%sinus et sinus cardinal

subplot(2,2,1), stem(x,y0), grid

fonction sinus cardinal

%sinus amorti en pointillés

grid on; % DT plot of f1 versus k

Transformée en Z d’un signal échantillonné

Où z est une variable complexe, avec :

• La TZ peut être interprétée comme la TF de x[n] pondérée par une séquence

• L’ensemble des valeurs de Z pour lesquels la TZ converge est appelé le domaine de

Rx− < z < Rx+ (2.5)