Académique Documents
Professionnel Documents
Culture Documents
Hichem ARIOUI
version 1.0
20 janvier 2015
2 Signaux et Systèmes
Table des matières
Syllabus du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.1. Description du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.2. Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.3. Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5
6 Signaux et Systèmes
Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
A. Table de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Je lève un coin du voile, si l’étudiant ne peut découvrir les trois autres, tant pis pour lui.
Confucius (551 − 479 av. J.C)
Syllabus du cours
Représentation d’un signal et d’un système. Systèmes continus et linéaires. Entrées, sortie
et état du système. Réponse temporelle et fréquentielle d’un système linéaire. Fonction de
transfert. Convolution.
9
10 Signaux et Systèmes
1. Harry Nyquist (7 février 1889 - 4 avril 1976) a été un important contributeur à la théorie de
l’information et à l’automatique. Originaire de Suède, il émigra vers les États-Unis en 1907 et entra
à l’Université du Dakota du Nord en 1912, où il obtint, cinq and plus tard, son titre de docteur en
physique. Après avoir travaillé de 1917 à 1934 chez AT&T, il partit pour les laboratoires Bell.
Aux Bell Labs, il fit des recherches sur le bruit thermique appelé également ”bruit de Johnson-
Nyquist” et sur la stabilité des amplificateurs bouclés.
Ses travaux théoriques sur la détermination de la bande passante nécessaire à la transmission d’in-
formation posent les bases pour les recherches de Claude Shannon qui amèneront la théorie de
l’information (source Wikipédia).
2. Hendrik Wade Bode (24 décembre 1905 - 22 juin 1982) est un ingénieur, chercheur et inventeur
américain d’origine néerlandaise. Pionnier de la régulation moderne et des télécommunications, il a
révolutionné ces domaines tant dans leurs contenus que dans leurs méthodes d’application.
Reconnu depuis longtemps dans le monde scientifique, il est plus particulièrement connu des étu-
diants pour avoir mis au point les diagrammes de Bode, une méthode de représentation de l’ampli-
tude et de la phase d’un système (source Wikipédia).
Syllabus du cours 11
Les étudiants valideront leur progression par des travaux pratiques sous forme de
simulations numériques à l’aide d’un logiciel dédié (Scilab, Matlab) ou sous la forme d’ex-
périmentations sur des systèmes dynamiques (DidaLab).
Ce cours est organisé comme suit, tout d’abord un premier chapitre faisant un rappel sur
les signaux et présentant succintement une classification des systèmes dynamiques linéaires
et invariants dans le temps. Le deuxième chapitre détaille les fondements mathématiques
pour la représentation des systèmes. Les deux derniers chapitres présentent les analyses
temporelle et fréquentielle des systèmes.
Dans ce manuscrit présentera au fur et à mesure des “codes” MATLAB afin de permettre
aux étudiants pour, d’un côté, de se familiariser avec le logiciel et de vérifier les résultats
affichés tout au long de ce cours.
Les deux parties suivantes sont consacrées aux travaux dirigés et les travaux pratiques
inhérents.
0.3. Note
Je vous saurai reconnaissant de me faire part de vos critiques et des erreurs que vous
auriez découvertes par un message à hichem.arioui@ufrst.univ-evry.fr
12 Signaux et Systèmes
Première partie
Eléments de cours
14 Signaux et Systèmes
Les choses devraient être faites aussi simples que possible, mais pas simplistes.
Albert Einstein (1879 − 1955)
C’est un ensemble d’éléments interconnectés entre eux dans le but de réaliser une tâche
donnée. Ce dispositif, évoluant au cours du temps, est soumis aux lois physiques (électrique,
mécanique, chimique, biologique, économique, etc.) et est caractérisé par deux types de
grandeurs : les signaux d’entrées x(t) et les signaux de sorties y(t). Les entrées caractérisent
des actions extérieures exercées sur le système et les sorties caractérisent son état.
Dans la suite, tout système sera décrit par un modèle mathématique schématisé de la manière
suivante :
15
16 Signaux et Systèmes
x1 (t) y2 (t)
x2 (t) y1 (t)
.. Processus ..
. .
xn (t) ym (t)
Les signaux d’entrées peuvent être des signaux de commande ou de perturbations. Les
sorties peuvent être des mesures (capteurs) ou des observations de la qualité de la tache
accomplie.
En général, il y a plusieurs signaux d’entrées et de signaux de sorties (n et/ou m 6= 1). Ce
type de systèmes est appelé multi-variables. Dans le reste du cours, les systèmes considérés
sont ceux qui possèdent une seule entrée et une seule sortie (n = m = 1) : système mono-
variable.
Exemple.–
ouverture de la fenêtre
Radiateur
débit combustible température d’intérieur
Véhicule
accélération, frein, ... vitesse, position, ...
Définition.– Un système physique est dit continu si toutes les grandeurs qui le caractérisent
sont de nature continue : l’information qui représente ces grandeurs est disponible à chaque
instant. Par opposition, un système est discrêt si l’information n’est transmise qu’à des
instants privilégiés.
Définition.– Un système physique est dit linéaire si la relation entre les grandeurs d’entrée
et de sortie est une équation différentielle linéaire à coefficients constants. Aussi, un système
est dit linéaire si sa réponse à une combinaison linéaire de signaux d’entrée est égale à la
même combinaison linéaire des signaux de sorties, figure 1.2 :
Classification des systèmes LTI 17
Système
x1 (t) y1 (t)
Système
x2 (t) y2 (t)
on obtiendra en sortie :
Cette propriété des systèmes linéaires est aussi appelée principe de superposition.
0.5
Amplitude
−0.5
−1
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
0.5
Amplitude
−0.5
−1
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
1.5
1
Amplitude
0.5
−0.5
−1
−1.5
−2
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
1 % Code Matlab
2 t=0:0.01:20; % Base temporelle de 20 secondes avec un pas ...
d'échantillonage de 10 ms
3 u1=sin(2*pi*0.05*t); % 1ère entrée du système
4 u2=sin(2*pi*0.5*t); % 2ème entrée du système
5 subplot(311) % Subdiviser la fenêtre d'affichage en 3 fenêtres ...
horizontales et tracer dans la première
6 lsim(5,conv([ 1 1],conv([1 2 ],[1 0.6 3])),u1,t) % simulation linéaire du ...
système en réponse à u1
7 subplot(312) % Subdiviser la fenêtre d'affichage en 3 fenêtres ...
horizontales et tracer dans le deuxième espace
8 lsim(5,conv([ 1 1],conv([1 2 ],[1 0.6 3])),u2,t) % simulation linéaire du ...
système en réponse à u2
9 subplot(313) % Subdiviser la fenêtre d'affichage en 3 fenêtres ...
horizontales et tracer dans le troisième espace
10 lsim(5,conv([ 1 1],conv([1 2 ],[1 0.6 3])),u2+u1,t) % Simulation linéaire ...
du système en réponse à u1+u2
1.2 0.3
1 0.2
0.8 0.1
0.6 0
x(t)
y(t)
0.4 −0.1
0.2 −0.2
0 −0.3
−0.2 −0.4
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40
Temps Temps
1.2 0.3
1 0.2
0.8 0.1
0.6 0
x(t − τ )
y(t − τ )
0.4 −0.1
0.2 −0.2
0 −0.3
−0.2 −0.4
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40
Temps Temps
Un système invariant dans le temps est aussi appelé système à paramètres constants
localisés ou à constantes localisées. Cette propriété des systèmes invariants est aussi appelée
principe de permanence.
La figure 1.5 illustre la vraiance temporelle d’un système linéaire à retard variable τ (t).
Nous pouvons facilement constater que le signal retardé est complètement déformé du fait
du retard d’où la perte de la propriété de l’invariance temporelle.
1.5
y(t)
0.5
0
0 10 20 30 40 50 60 70 80 90 100
Temps
1.5
y(t − τ (t))
0.5
0
0 10 20 30 40 50 60 70 80 90 100
Temps
1.5
1
τ (t)
0.5
−0.5
−1
0 10 20 30 40 50 60 70 80 90 100
Temps
Définition.– Un système physique est dit causal si la valeur de la mesure y(t) à un instant
t0 , soit y(t0 ) ne dépend pas des valeurs de u(t) pour tout t > t0 . En d’autres termes, c’est
un système qui ne répond pas avant d’être excité. De ce constat, tous les systèmes physiques
réalisables sont causaux.
Remarque.– il est évident que tous les systèmes physiques ne sont ni linéaires, ni station-
naires (vieillissement des composants).
Les signaux d’entrées (commandes ou perturbations) sont souvent aléatoires. Donc, pour
juger les performances de ces systèmes on doit logiquement faire appel à des méthodes
20 Signaux et Systèmes
statistiques qui conduisent à des techniques d’une application difficile. Dans la pratique
courante, on caractérise les performances d’un système par la manière dont il répond à un
certain nombre d’entrées typiques : échelon (appelé aussi fonction de Heaviside), rampe,
impulsion de Dirac ou la fonction harmonique.
Connu sous le nom de la fonction de Heaviside1 ou la fonction marche. C’est une fonction
nulle pour t négatif et égale à une constante Γ0 pour t positif, figure 1.6. Pour un échelon
unitaire, la constante Γ0 vaut 1. Elle peut être définie comme suit :
1 si t ≥ 0
Γ(t) =
0 si t < 0
1.2
0.8
u(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
Temps
1. Oliver Heaviside (18 mai 1850 - 3 février 1925) est un physicien britannique autodidacte. Il a
formulé à nouveau et simplifié les équations de Maxwell sous leur forme actuelle utilisée en calcul
vectoriel.
Classification des systèmes LTI 21
10
u(t)
6
Amplitude
0
0 1 2 3 4 5 6 7 8 9 10
Time (sec)
1 % Code Matlab
2 t=0:0.01:20; % Base temporelle de 20 secondes avec un pas d'échantillonage ...
de 10 ms
3 num=1; % Numérateur de la fonction de transfert
4 den=[1 0.7 1]; % Dénoménateur de la fonction de transfert
5 sys= tf(num,den) % Conception du système ou la fonction de transfert
6 lsim(sys,t,t) % Simulation linéaire suite à une excitation en rampe
2. inspirée par Paul Adrien Maurice Dirac (8 août 1902 à Bristol, Angleterre - 20 octobre 1984 à
Tallahassee, Floride, États-Unis) un célèbre physicien et mathématicien britannique. Il est l’un des
22 Signaux et Systèmes
0.8
0.6
0.4
u(t) = sin(2 × π × f0 × t)
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 10 20 30 40 50 60 70 80 90 100
Temps
1 %Code Matlab
2 t=0:0.01:20;
3 f0=0.05; % Fréquence du signal sinusoïdal
4 u=sin(2*pi*f0*t);
5 num=1; den=[1 0.7 1]; sys= tf(num,den)
6 lsim(sys,t,t) % Simulation linéaire suite à une excitation harmonique
pères de la mécanique quantique et a prévu l’existence de l’antimatière. Il est colauréat avec Erwin
Schrödinger du prix Nobel de physique de 1933 pour la découverte de formes nouvelles et utiles de
la théorie atomique.
Classification des systèmes LTI 23
Régime transitoire
1.5
Régime permanent
Amplitude
Régime transitoire
0.5
0
0 5 10 15 20 25
Temps (sec)
1 % Code Matlab
2 t=0:0.01:25;
3 num=1; den=[1 0.7 1]; sys= tf(num,den)
4 step(t,sys) % Réponse à un signal échelon
Le régime transitoire est très important à connaı̂tre. Au cours de ce régime, peuvent appa-
raı̂tre (s’il est oscillant) des valeurs de pointe dangereuses appelées : résonance. Si le régime
transitoire est trop lent, c’est que le système met trop de temps à s’adapter à sa nouvelle
entrée.
24 Signaux et Systèmes
y(t) = y0 × sin(ωt + φ)
Réponse harmonique
u(t)
0.8 y(t)
0.6
0.4
0.2
Entrée \ Sortie
−0.2
−0.4
−0.6
−0.8
−1
0 2 4 6 8 10 12 14 16 18 20
Temps (sec)
On caractérise l’action du système sur le signal d’entrée de pulsation ω par les grandeurs
suivantes :
y0 (ω)
• Rapport d’amplitude : A(ω) = u0 et le déphasage : φ(ω).
Rappelons que tout signal x(t) peut être décrit par une somme infinie d’impulsions pondérées
et décalées :
Z ∞
x(t) = x(τ )δ(t − τ )dτ (1.1)
−∞
La sortie d’un système LTI est la superposition des réponses à chaque terme de la somme
précédente.
Définition.– la réponse impulsionnelle d’un système LTI h(t) est la sortie du système
correspondant à une excitation en impulsion de Dirac δ(t) en entrée (les conditions initiales
sont égales à zéro).
Définition.– la réponse d’un système LTI, décrit par sa réponse impulsionnelle h(t), soumis
à un signal quelconque x(t) est décrite par le produit de convolution
Z ∞ Z ∞
y(t) = x(τ )h(t − τ )dτ = x(t − τ )h(τ )dτ = x(t) ∗ h(t) = h(t) ∗ x(t) (1.2)
−∞ −∞
Remarque.–
• La réponse impulsionnelle d’un système est une notion fondamentale pour la caracté-
risation des systèmes linéaires (stabilité, etc.)
• Tout système linéaire et invariant dans le temps peut être décrit par un produit de
convolution.
Exemple.– Donner la réponse impulsionnelle d’un circuit électrique composé d’une capacité
et trouver sa réponse à une excitation en échelon unitaire (produit de convolution).
i
vc (t) C
et zéro si t < 0 (Γ(t) est l’échelon unitaire). Pour calculer la réponse de la capacité à un
échelon unitaire, i(t) = Γ(t), la tension vc (t) est donnée par :
Z ∞ Z Z
1 ∞ 1 t
vc (t) = i(τ )h(t − τ )dτ = Γ(t − τ )Γ(τ )dτ = 1dτ = t
−∞ C −∞ C 0
Le résultat est correct du fait que la capacité joue le rôle d’un dérivateur d’une constante.
1.3.3.1. Amortissement
Le degré d’amortissement d’un régime transitoire est caractérisé par les dépassements
successifs D1 , D2 , ..., Dn pour une entrée en échelon, figure 1.11. On considère plus parti-
culièrement le premier dépassement D1 .
Dépassements
1.8
System: sys
Peak amplitude: 1.62
Overshoot (%): 62
At time (sec): 3.14
1.6
1.4
1.2
1 D2 D4
D1 D3
Amplitude
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40
Temps (sec)
1 t=0:0.01:40;
2 num=1; den=[1 0.3 1]; sys= tf(num,den)
3 step(t,sys) % Réponse à un signal échelon
Pour qu’un régime transitoire soit suffisamment amorti, on n’imposera que D1 ne doit
pas dépasser un certain pourcentage de la valeur finale de y(t) (20% par exemple).
Classification des systèmes LTI 27
1.3.3.2. Rapidité
La rapidité d’un système est caractérisée par un temps de réponse suffisamment court.
Le temps de réponse est défini comme le temps au bout duquel la réponse du système atteint
à 5% près sa valeur finale pour une entrée en échelon, figure 1.12.
Step Response
1.8
1.6
1.4
1.2
System: sys
Settling Time (sec): 25.8
Amplitude
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40
Time (sec)
Pour déterminer les critères de performances d’un système, on est amené à calculer sa
sortie y(t) à une entrée en échelon (par calcul ou expérimentalement). En pratique, on
évalue directement ces critères sans calculer les expressions complètes de y(t). Dans la suite
du cours, on expose une méthode qui permet de le faire : c’est la technique de la fonction
de transfert qui nécessite un outil fondamental que l’on appelle la transformée de Laplace.
1.3.3.3. Stabilité
La stabilité est une caractéristique fondamentale des systèmes. Un système est stable si
pour des entrées bornées il en résulte des sorties bornées (BIBO : bounded-Input Bounded-
Output). Plusieurs définitions existent, nous retenons ici la plus simple.
28 Signaux et Systèmes
Définition.– un système LTI est dit stable si sa réponse impulsionnelle est le siège d’un
régime amorti. En d’autres termes, si x(t) < ∞ la sortie l’est aussi y(t) < ∞ :
Z ∞
h(t)dt < ∞
−∞
Ce que nous savons est peu de chose, ce que nous ignorons est immense.
Pierre-Simon de Laplace, (1749 − 1827)
On appelle modèle d’un processus ou système mono-variable la loi qui relie l’entrée x(t)
(cause) à la sortie y(t) (effet). L’idéal, pour appréhender l’étude d’un système, est de détailler
pas à pas l’ensemble de ses éléments constitutifs. Mais cette méthode, la seule au stade de la
conception d’un système automatisé, n’est pas praticable en général sur un système existant,
de structure complexe ou mal connue. Nous supposerons que l’on peut définir a priori une
loi simple qui lie y(t) à x(t). Les paramètres (en général peu nombreux) de la loi sont
alors déterminés par des essais effectués sur le système, c’est la phase d’identification ou de
modélisation.
29
30 Signaux et Systèmes
Soit un système linéaire et scalaire. Le comportement d’un tel système est régi par une
équation différentielle, ayant pour forme, figure 2.1 :
Système
x(t) y(t)
Exemple.– Ecrire l’équation différentielle liant l’entrée ve (t) à la sortie vc (t) (la tension au
borne de la capacité).
i
ve (t) C vc
Nous avons :
Z
1
vc (t) = i(t)dt
C
et
dvc (t)
i(t) = C
dt
donc :
d’où,
dvc (t)
ve (t) = RC + vc
dt
Par identification à l’équation différentielle 2.1, nous avons : a0 = b0 = 1, b1 = RC.
Modélisation des systèmes linéaires 31
A toute fonction mathématique du temps f (t), nulle pour t < 0 (causale), on fait corres-
pondre une fonction F (p) de variable complexe p = α + jω, qu’on appelle la transformée de
Laplace1 de f (t) et telle que :
Z +∞
F (p) = L[f (t)] = f (t) · e−pt dt (2.2)
0
Pour que F (p) existe, il faut que f (t) · e−pt soit sommable en valeur absolue.
Dans la pratique courante, on n’utilisera pas les deux formules précédentes. La correspon-
dance entre F (p) et f (t) se fait grâce à des tables de transformées A.1. La transformée inverse
(deuxième formule) d’une fonction rationnelle en p s’obtient à l’aide de la table après décom-
position de la fonction en éléments simples et de la propriété de linéarité de la transformée
de Laplace.
2.3.2. Propriétés
Les fonctions réelles f (t) et g(t) ont pour transformées de Laplace F (p) et G(p). Le
tableau ci-dessous résume les principales propriétés utiles pour la passage entre les domaines
temporel et fréquentiel. Un système d’équations différentielles dans le domaine temporel est
transformé en un système d’équations algébriques dans le domaine de Laplace d’où l’intérêt
majeur de la transformée de Laplace.
A ces propriétés, on associe les théorèmes suivants :
1. Pierre-Simon de Laplace, né le 23 mars 1749 à Beaumont-en-Auge et mort le 5 mars 1827 à Paris,
est un mathématicien, astronome et physicien français.
Laplace est l’un des principaux scientifiques de la période napoléonienne ; en effet, il a apporté des
contributions fondamentales dans différents champs des mathématiques, de l’astronomie et de la
théorie des probabilités ; il a été l’un des scientifiques les plus influents de son temps, notamment
par son affirmation du déterminisme ; il a contribué de façon décisive à l’émergence de l’astronomie
mathématique reprenant et étendant le travail de ses prédécesseurs dans son traité intitulé Traité
de Mécanique céleste1 (1799-1825). Cet ouvrage majeur, en cinq volumes, a transformé l’approche
géométrique de la mécanique développée par Newton en une approche fondée sur l’analyse mathé-
matique. En 1799, il est nommé ministre de l’Intérieur sous le Consulat. Napoléon Ier, en 1808
lui confère le titre de comte de l’Empire. Il est nommé marquis en 1817, après la restauration des
Bourbons.
32 Signaux et Systèmes
Il est souvent plus simple de calculer la Transformée de Laplace d’une fonction à partir de
la transformée connue d’une autre fonction en utilisant les propriétés et théorèmes énoncés
précédemment. A partir de quelques résultats de base, on peut ainsi retrouver rapidement
les Transformées de Laplace de la plupart des fonctions utilisées en électronique ou en auto-
matique dans les asservissements. Afin d’éviter le calcul systématique de ces fonctions de
base, on les regroupe dans des tables de Transformées de Laplace. Une table résumée des
Transformé es de Laplace les plus usuelles en électronique est donnée en Annexe A.1.
La transformée de Laplace inverse unilatérale f (t) d’une fonction F (p) est définie par :
Z +∞
1
L−1 [F (p)] = F (p) · ept dp (2.4)
2π −∞
En pratique, comme les transformées F (p) de la plupart des signaux usuels sont des fractions
rationnelles F (p) = N (p)
D(p) , il suffit de les décomposer en fractions simples et d’utiliser la
propriété de linéarité de la transformée de Laplace. Le développement qui suit est la base
du calcul opérationnel et porte le nom de développement d’Heaviside.
2. Félix Édouard Justin Émile Borel, né à Saint-Affrique le 7 janvier 1871, mort à Paris le 3 février
1956, est un mathématicien, professeur à la Faculté des sciences de Paris, spécialiste de la théorie
des fonctions et des probabilités, membre de l’Académie des sciences, ainsi qu’un homme politique
français, député et ministre. Ses actions pour la Société des Nations et au sein de son Comité fédéral
de Coopération européenne font de lui un des précurseurs de l’idée européenne.
Modélisation des systèmes linéaires 33
On suppose pour commencer que d◦ (N (p)) < d◦ (D(p)) et que les pôles pi de F (p) (c’est-
à-dire les zéros de D(p)) sont simples :
N (p)
F (p) = (2.5)
(p − p1 )(p − p2 ) · · · (p − pm )
avec : pi 6= pj si i 6= j
Ai = F (p)(p − pi )
| {z }
p=pi
Les coefficients complexes Ai sont appelés les résidus de leurs pôles respectifs. On en déduit :
et
1
A2 = F1 (p)(p + 2) = = −1
| {z } p+1
p=−2 | {z }
p=−2
d’où :
1 −1
F1 (p) = +
p+1 p+2
2)
p+1
F2 (p) =
p2 + 4
1 j
A1 = F2 (p)(p + j2) = +
| {z } 2 4
p=−j2
et
1 j
A2 = F2 (p)(p − j2) = −
| {z } 2 4
p=+j2
1
La fonction originale est donnée par : f2 (t) = A1 e−j2t + A2 ej2t = cos(2t) + 2 sin(2t)
On suppose pour commencer que d◦ (N (p)) < d◦ (D(p)) et que la fonction complexe F (p)
possède des pôles doubles :
N (p)
F (p) = (2.8)
· · · (p − pi )2 · · ·
Ai1 Ai2
F (p) = · · · + + + ··· (2.9)
(p − pi ) (p − pi )2
avec :
d(F (p)(p − pi )2 )
Ai2 = F (p)(p − pi )2 Ai1 =
| {z } dp
p=pi | {z }
p=pi
On en déduit que la contribution des fractions simples dues aux pôles doubles sont :
3p 3p
F (p) = =
p2 + 4p + 2 (p + 2)2
et
d’où :
−6 3
F (p) = +
(p + 2)2 p+2
La fonction originale est donnée par : f (t) = 3e−2t − 6te−2t . Cette dernière n’est que la
réponse impulsionnelle du système décrit par la fonction F (p).
Impulse Response
3
Système
Fonction
2.5
1.5
Amplitude
0.5
−0.5
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (sec)
1 t=0:0.01:4;
2 num=[3 0]; den=[1 4 4]; sys=tf(num,den);
3 impulse(t,sys,'r')
4 hold % supperposer deux tracés successifs
5 fplot(@(x) 3*exp(−2*x)−6*x*exp(−2*x),[0 4], 1e−2) % tracer une fonction f(x)
Dans le cas le général, il se peut que l’on ait non seulement des pôles multiples, mais
également que le d◦ (N (p)) ≥ d◦ (D(p)). Il suffit alors de commencer par procéder à la division
36 Signaux et Systèmes
Q(p) = q0 + q1 p + · · · + qk pk + · · ·
d’où
p3 + 3p2 + 4p + 3 p+2 1 1
F (p) = 2
=p+1+ 2
=p+1+ +
p + 2p + 1 (p + 1) (p + 1) (p + 1)2
d’où
2.5.1. Définition
La fraction représentant le rapport du signal Y (p) de sortie sur le signal d’entrée U (p) est
appelée Fonction de Transfert du système et est donnée par :
f (t)
m1
k1 b1
La figure 2.3 donne l’évolution de la masse excitée par une force rectangulaire. Application
numérique : m = 1, b = 1 et k = 1.
1.5
x(t)
0.5
f (t)
−0.5
−1
−1.5
0 10 20 30 40 50 60 70 80 90 100
Temps (sec)
1 t=0:0.01:100;
2 m=1; b=1; k=1; %Caractéristiques physiques
3 num=[1]; den=[m b k]; sys=tf(num,den) % Déscription du système mécanique
4 u=square(2*pi*.025*t); % Force de type rectangulaire
5 lsim(sys,u,t) % Simulation linéaire du système
Les systèmes peuvent être considérés comme une interconnexion de plusieurs sous-
systèmes. Dans le cas de systèmes linéaires et afin de visualiser l’interaction des différents
sous-systèmes chacun des sous-systèmes est représentée par un bloc avec la réponse impul-
sionnelle correspondante ou de manière équivalente par sa transformée de Laplace. Le flux
de signaux est indiqué par des flèches et l’opération entre les signaux (somme, adition, etc.)
est accomplie au moyen de comparateur.
Deux connexions sont possibles : série (appelée aussi cascade) ou parallèle, résultent des
propriétés du produit de de convolution, tandis que la connexion de rétroaction (boucle
fermée) se trouve dans de nombreux systèmes d’ingénierie, en particulier dans le contrôle
Modélisation des systèmes linéaires 39
de processus. Le concept de rétroaction (la boucle fermée) est l’une des plus grandes
réalisations du 20ème siècle.
Le diagramme fonctionnel d’un système scalaire, dont la fonction de transfert est H(p), est
défini par :
H(p)
U (p) Y (p)
Les calculs dans l’espace de Laplace étant simples, on garde pour les diagrammes fonction-
nels l’expression des transformées de Laplace. Les règles de manipulation de ces diagrammes
sont alors presque évidentes.
Soit un système formé par la mise en série de deux sous systèmes de fonctions de transfert
H1 (p) et H2 (p). La fonction de transfert de l’ensemble est :
H1 (p) H2 (p)
U (p) X(p) Y (p)
H = H1 × H2
Soit un système formé par la mise en parallèle de deux sous systèmes de fonctions de
transfert H1 (p) et H2 (p). La fonction de transfert de l’ensemble est :
H1 (p) +
H2 (p)
H = H1 + H2
40 Signaux et Systèmes
Soit un système formé par la mise en boucle fermée de deux sous systèmes de fonctions
de transfert G(p) et H(p). La fonction de transfert de l’ensemble est :
G(p)
F (p) =
1 + G(p)H(p)
− H1 (p)
H2 (p)
F (p)
H5 (p)
R2 (p) R1 (p)
Une beauté naturelle est une belle chose ; la beauté artistique est une belle représentation d’une chose.
Emmanuel Kant, (1724 − 1804)
41
42 Signaux et Systèmes
C’est la réponse du système lorsque le signal d’entrée est une impulsion de Dirac δ(t).
On note cette réponse h(t).
La réponse impulsionnelle contient donc toute l’information nécessaire sur le système. Cepen-
dant, l’utilisation de cette réponse s’accompagne de quelques difficultés pratiques car on ne
sait pas toujours réaliser une impulsion de durée très brève vis à vis des constantes de temps
mises en jeu dans le système étudié.
La réponse impulsionnelle ne permet pas d’évaluer les performances d’un système, mais elle
permet d’introduire la notion de stabilité, figure 3.1 :
Définition.– Un système est dit stable, si sa réponse impulsionnelle est le siège d’un régime
amorti :
lim h(t) = 0
t→+∞
Système Stable
0.8
0.6
0.4
0.2
−0.2
0 2 4 6 8 10 12
Temps (sec)
Système Oscillant
−1
−2
0 5 10 15 20 25 30 35 40 45 50
Temps (sec)
Système instable
7
x 10
3
−1
0 5 10 15 20 25 30 35 40 45 50
Temps (sec)
Exemple.–
6 impulse(sys3)
7 subplot(313)
8 impulse(sys2)
Définition.– Un système LTI stable est dit apériodique s’il atteint son régime permanent
sans oscillations. Dans le cas contraire, on parle de système pseudo-périodique, figure 3.2.
Système pseudo−périodique
1.5
0.5
0
0 2 4 6 8 10 12 14 16
Temps (sec)
Système apériodique
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15
Temps (sec)
Exemple.–
La réponse indicielle permet d’évaluer les performances d’un système à partir des carac-
téristiques de cette réponse que sont la rapidité et le dépassement.
44 Signaux et Systèmes
3.2.2.1. Rapidité
Définition.– La rapidité d’un système se mesure par son temps de réponse à e%. Ce temps
de réponse est le temps que met la sortie pour s’établir définitivement ±e% de sa valeur
finale, figure 3.3. Le temps de réponse le plus utilisé est 5%. On le note généralement tr .
Temps de réponse
1.4
1.2
System: Système
Settling Time (sec): 11
0.8
0.6
tr
0.4
0.2
0
0 2 4 6 8 10 12 14 16
Temps (sec)
3.2.2.2. Dépassement
Définition.– Le dépassement d’un système nous renseigne sur son amortissement. Il s’ex-
prime généralement en pourcentage de la valeur finale de la sortie, figure 3.4. En industrie,
on tolère rarement des dépassement de plus de 20%. Pour les systèmes pseudo-périodiques,
on définit aussi :
Dépassement
1.8
System: sys1
Peak amplitude: 1.62
Overshoot (%): 62
At time (sec): 3.14
1.2
System: sys1
Peak amplitude: 1.21
Overshoot (%): 20.5
At time (sec): 3.5
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
Temps (sec)
Si un système linéaire est soumis à une entrée permanente, sa sortie finit par s’établir
au même type que le signal d’entrée, une fonction linéaire, parabolique ou périodique. Le
système est alors en régime permanent, établi ou définitif.
La performance d’un système en régime permanent s’évalue en mesurant la différence entre
la sortie et l’entrée.
3.3.1. Précision
Définition.– Pour évaluer la précision d’un système, on étudie sa réponse à des signaux
usuels tels que : l’échelon, la rampe et l’entrée parabolique, figure 3.5. Les erreurs s’appellent
traditionnellement :
1.4 50 2500
45
1.2
40 2000
ǫv
1
35
ǫa
ǫs 30 1500
0.8
Amplitude
Amplitude
Amplitude
25
0.6
20 1000
15
0.4
10 500
0.2
0 0 0
0 5 10 15 0 10 20 30 40 50 0 10 20 30 40 50
Temps (sec) Temps (sec) Temps (sec)
Exemple.– Calculer l’erreur statique et l’erreur de vitesse du système, mis en boucle fermée,
représenté par le schéma bloc ci-dessous, tels que :
3p + 1
G(p) =
p2 + 5p + 1
et
1
H(p) =
p+2
yc (t) H(p)
Le signal d’erreur représentant la différence entre l’entrée et la sortie est donné par :
d’où
1
ε(p)(1 + H(p)G(p)) = X(p) ⇔ ε(p) = X(p)
1 + H(p)G(p)
Afin d’étudier la précision, nous devons analyser l’erreur en régime permanent, c’est à dire,
quand t → ∞. En utilisant le théorème de la valeur finale, 2.3.2, l’erreur statique (entrée en
échelon, X(p) = p1 ) est donnée par :
X(p) 2
s = lim (t) = lim pε(p) = lim p =
t→+∞ t→0 t→+∞ 1 + H(p)G(p) 3
1
Pour une entrée en rampe, X(p) = p2 , l’erreur de vitesse v est donnée par :
X(p)
v = lim (t) = lim pε(p) = lim p = +∞
t→+∞ t→0 t→+∞ 1 + H(p)G(p)
Définition.– L’analyse harmonique d’un système linéaire et invariant dans le temps est son
étude au moyen de sa réponse fréquentielle, c’est-à-dire de sa réponse en régime permanent
sinusoı̈dal, lorsqu’il est soumis à une entrée sinusoı̈dale dont on fait varier la pulsation
ω = 2πf .
ω
X(p) = A p2 +ω 2 G(p) Y (p)
am pm + am−1 pm−1 + · · · + a1 p + a0
H(p) =
bn pn + bn−1 pn−1 + · · · + b1 p + b0
Pour l’étude fréquentielle, on passe de H(p) à H(jω) en remplaçant p par jω. Les para-
mètres caractérisant le fonctionnement du système en régime harmonique sont le gain et le
déphasage. Le système est donc bien connu lorsqu’on a une représentation du gain et du
déphasage en fonction de la fréquence de fonctionnement.
Im(F (jω))
φ(ω) = arg H(jω) = arctan
Re(F (jω))
Plusieurs types de représentations fréquentielles sont utilisées, nous évoquerons que celles
de Bode et de Nyquist.
Les deux courbes sont graduées sur une échelle logarithmique (décade, octave), telles
que :
• une décade vaut un écartement constant de 10 fois la valeur d’une pulsation donnée :
ωj = 10ωi .
• une octave vaut un écartement constant de 2 fois la valeur d’une pulsation donnée :
ωj = 2ωi .
De plus, la représentation de Bode permet de traiter des lieux complexes par addition directe
des lieux élémentaires.
Soit :
Remarque.– En pratique, on ne construit que des lieux asymptotiques, sur lesquels sont
donnés le comportement aux basses, moyennes et hautes fréquences et en quelques points
caractéristiques.
N (p)
H(p) = K
D(p)
où K est gain constant, N (p) et D(p) sont des polynômes complexes en fonction de p. Afin
construire facilement le diagramme de Bode, on suit les points suivants :
1) Factoriser les polynômes N (p) et D(p) en produit de systèmes 1er et 2nd ordre.
2) Classer les pôles et les zéros suivant les pulsations ω croissants.
3) Tracer le diagramme asymptotique de chaque fonction élémentaire.
4) Additionner les diagrammes élémentaires graphiquement.
Remarque.–
• Les courbes d’un facteur au numérateur symétriques par rapport à l’axe des ω de celles
figurant au dénominateur.
• Un terme de degré n > 0 provoque une variation de +20n dB/dcade s’il est au numé-
rateur et de −20n dB/dcade s’il est au dénominateur.
Diagramme de Bode
30
25
20
Amplitude (dB)
15
10
−5
1
0.8
0.6
0.4
0.2
Phase (deg)
−0.2
−0.4
−0.6
Décade
−0.8
−1
0 1 2
10 10 10
Fréquence (rad/sec)
1 sys=tf(20,1);
2 bode(sys)
3 grid % faire apparaître la grille de l'échelle logarithmique
Remarque.–
• Ce type de système n’est pas réalisable avec un réseau passif (circuit RC) mais une
bonne approximation peut être réalisée avec un montage intégrateur à base d’amplifi-
cateurs opérationnels.
• On constate, sur la courbe de gain (figure 3.7), une droite avec une pente de
−20dB/décade (−6dB/octave).
Représentation des systèmes LTI 51
20
15
20dB
10
5
Amplitude (dB)
Décade
0
−5
−10
1
G(p) = p
−15
−20
0
−45
Phase (deg)
−90
−135
−180
−1 0 1
10 10 10
Fréquence (rad/sec)
Remarque.–
• Ce type de système n’est pas causal, mais une bonne approximation peut être réalisée
avec un montage à base d’amplificateurs opérationnels.
• On constate, sur la courbe de gain (figure 3.8), une droite avec une pente de
+20dB/décade (+6dB/octave).
52 Signaux et Systèmes
20
15
10
5
Amplitude (dB)
−5
G(p) = p
−10
−15
−20
180
135
Phase (deg)
90
45
0
−1 0 1
10 10 10
Fréquence (rad/sec)
Remarque.–
• On constate, sur la courbe de gain (figure 3.9), une droite avec une pente nulle.
0.8
0.6
0.4
0.2
Amplitude (dB)
−0.2
G(p) = e−p
−0.4
−0.6
−0.8
−1
0
−90
−180
Phase (deg)
−270
−360
−450
−540
−630
−1 0 1
10 10 10
Fréquence (rad/sec)
1 s = tf('s');
2 sys=exp(−s); % Système à retard
3 bode(sys)
• Si ω → 0
1) AdB → −20 log10 1 = 0
2) φ → 0
• Si ω = 1
τ √
1) AdB = −20 log10 2 = −3dB
2) φ = −45◦
• Si ω → +∞
54 Signaux et Systèmes
0
−3dB
−10
Amplitude (dB)
−20
Courbe asymptotique 1
G(p) = 1+5p
−30
Courbe réelle
1
τ
−40
−15
−30
Phase (deg)
−45
−45◦
−60
−75
−90
−2 −1 0 1
10 10 10 10
Fréquence (rad/sec)
1
Figure 3.10 : Diagramme de Bode pour G(p) = 1+5p .
n 2
ωn
1
Exemple.– Soit la fonction de transfert suivante : G(p) = 1+0.7p+p 2.
−1
La pulsation propre vaut ωn = 1rad · s . Nous étudions ici que le cas d’un système de
second ordre avec deux pôles complexes.
20
ζ = 0.7
Pente de −40dB/décade
−20
Amplitude (dB)
−40
1
ωn = 1rad · s−1 G(p) = 1+0.7p+p2
−60
−80
−30
−60
Phase (deg)
−90
−120
−150
−180
−2 −1 0 1 2
10 10 10 10 10
Fréquence (rad/sec)
1
Figure 3.11 : Diagramme de Bode pour G(p) = 1+0.7p+p2 .
15(2p + 3)
H(p) =
(1 + 4p + 0.01p2 )(1 + 0.5p)
Bode Diagram
40
20
0
Magnitude (dB)
−20
−40
15(2p+3)
−60
G(p) = (0.1p+1)(1+4p+0.01p2 )
−80
−100
−30
−60
Phase (deg)
−90
−120
−150
−180
0.01 0.1 1 10 100 1000 10000
Frequency (rad/sec)
15(2p+3)
Figure 3.12 : Diagramme de Bode pour H(p) = (1+4p+0.01p2 )(1+0.5p) .
<(G(jωi )) <
arg(G(jωi ))
=(G(jωi ))
|G(jωi )|
ωi
10 5 7
H1 (p) = 1+0.5p H2 (p) = 1+0.3p+p2 H3 (p) = (1+0.04p+0.1p2 )(1+2.5p)
58 Signaux et Systèmes
Diagramme de Nyquist
5
0 dB
Point final
3
Lieu symmétrique (fréquences négatives)
−2 dB
2 dB
2
4 dB −4 dB
1
6 dB −6 dB System: untitled1
Real: 10
Imaginary Axis
10 dB −10 dB 10 Imag: 0
H1 (p) = 0.5p+1 Frequency (rad/sec): 1e−020
0
System: untitled1
Real: 1.22e−035
Imag: −2e−019
Frequency (rad/sec): 1e+020
−1
Début
−2
−3
ω0
−4
System: untitled1
Real: 5
Imag: −4.99
Frequency (rad/sec): 2
−5
−2 0 2 4 6 8 10
Real Axis
10
Figure 3.13 : Diagramme de Nyquist pour H1 (p) = 1+0.5p .
Nyquist Diagram
20
15
10
Point final
5
System: untitled1
Real: −2e−023
Imaginary Axis
Imag: −1.2e−035
Frequency (rad/sec): 5e+011
0
System: untitled1
Real: 5
Imag: 0
Frequency (rad/sec): 1e−020
−5
Début
5
H2 (p) = p2 +0.3p+1
−10
System: untitled1
Real: 0.0254
−15
Imag: −16.7
Frequency (rad/sec): 1 ωn
−20
−8 −6 −4 −2 0 2 4 6 8 10
Real Axis
5
Figure 3.14 : Diagramme de Nyquist pour H2 (p) = 1+0.3p+p2 .
Représentation des systèmes LTI 59
Diagramme de Nyquist
5
0 dB
2 dB −2 dB
2
System: untitled1
Phase Margin (deg): −70.6
Delay Margin (sec): 1.24
At frequency (rad/sec): 4.08
4 dB Closed Loop
−4Stable?
dB No
1
6 dB −6 dB
System: untitled1 System: untitled1
Gain Margin (dB): −16.6 Real: 7
Imaginary Axis
10 dB −10 dB
At frequency (rad/sec): 3.19 Imag: 1.55e−015
Closed Loop Stable? No Frequency (rad/sec): 8e−018
0
System: untitled1
Real: −3.58e−032
Imag: −7.08e−024
Frequency (rad/sec): −1.58e+008
−1
System: untitled1
−2 Real: 0.00154
Imag: −2.43
Frequency (rad/sec): 2.23
7
H3 (p) = (1+0.04p+0.1p2 )(1+2.5p)
−3
−4
−5
−8 −6 −4 −2 0 2 4 6 8
Real Axis
7
Figure 3.15 : Diagramme de Nyquist pour H3 (p) = (1+0.04p+0.1p2 )(1+2.5p) .
60 Signaux et Systèmes
Une intelligence qui, à un instant donné, connaîtrait toutes les forces dont la nature est animée et la situation
respective des êtres qui la composent, si d’ailleurs elle était suffisamment vaste pour soumettre ces données à
l’analyse, embrasserait dans la même formule les mouvements des plus grands corps de l’univers et ceux du plus
léger atome ; rien ne serait incertain pour elle, et l’avenir, comme le passé, serait présent à ses yeux.
Pierre-Simon de Laplace, (1749 − 1827)
L’analyse d’un système vise à étudier son comportement pour des sollicitaions particu-
lières afin d’évaluer ses performances.
Classiquement, l’analyse d’un système quelconque peut être décomposée en l’étude et l’ana-
lyse de systèmes de 1er et 2nd ordre. Nous présenterons dans la suite, une revue succincte de
l’analyse des ces systèmes en se basant sur les réponses temporelles et les réponses fréquen-
telles.
Le comportement d’un système du premier ordre est caractérisé par une équation diffé-
rentielle du premier ordre (du fait de la première dérivée de la sortie) à coefficients constants :
dy(t)
τ + y(t) = K · x(t) (4.1)
dt
On appelle :
61
62 Signaux et Systèmes
Le nom “gain statique” est motivé par le comportement du système en régime permanent,
y(t)
pour une entrée en échelon, où nous avons : pour t → ∞ : x(t) = K.
En appliquant la transformée de Laplace à l’équation précédente L[4.1], on obtient :
où : Y (p) = L[y(t)] et X(p) = L[x(t)]. Lorsque les conditions initiales sont toutes nulles, la
relation précédente s’écrit comme suite :
(τ p + 1) Y (p) = K · X(p).
La fonction de transfert, rapport entre la sortie et l’entrée, est donc donnée par :
Y (p) 1
H(p) = = (4.2)
X(p) τp + 1
Remarque.– La fonction de transfert 4.2 est écrite sous une forme canonique, puisque la
constante du polynôme du dénominateur (équation caractéristique) vaut 1. Cette forme nous
renseigne de manière directe sur le gain statique et la constante de temps du système.
Exemple.– Ecrire l’équation différentielle reliant l’entrée ve (t) à la sortie vr (t) (la tension
au borne de la résistance) d’un circuit RL (moteur pas-à-pas émulant un circuit RL).
i
ve (t) R vr (t)
Nous avons :
di(t)
ve (t) = L + R · i(t)
dt
et
vr (t) = R · i(t)
On obtient alors une équation différentielle, de premier ordre, reliant l’entrée à la sortie :
L dvr (t)
ve (t) = + vr (t)
R dt
Analyse des systèmes LTI de 1er et 2nd ordre 63
d’où,
L dvr (t)
ve (t) = + vr
R dt
et
Y (p) 1
H(p) = = L
X(p) Rp+1
Par identification à l’équation différentielle 4.1 (ou à la fonction de transfert 4.2), nous avons :
L
le gain statique K = 1 et la constante de temps τ = R .
Les calculs de la réponse suite à une excitation en impulsion de Dirac sont particuliè-
rement simples. Remarquons que h(t) = L−1 [H(p)] est appelée réponse impulsionnelle, la
transformée de Laplace d’une impulsion de Dirac vaut 1 (L[δ(t)] = 1).
Soit :
1 K t
h(t) = L−1 [H(p)] = L−1 = e τ Γ(t)
τp + 1 τ
Remarque.– Un système de premier ordre est stable si sa constante de temps est positive,
τ > 0. Quelques propriétés de la réponse impulsionnelle sont données ci-dessous (voir figure
4.1) :
20
18 K
τ
16
14
12
K − τt
h(t) = τ e Γ(t)
h(t)
10
Tangente
2 τ
0
0 0.5 1 1.5 2 2.5 3
Temps (sec)
1 sys=tf(10,[0.5 1]);
2 impulse(t,sys) % Réponse impulsionnelle
Kα
β= = Kα
τp + 1
| {z }
p=0
et
Kα
θ= = −Kατ
p
|{z}
p=− τ1
Soit :
h t
i
y(t) = L−1 [Y (p)] = Kα 1 − e− τ Γ(t)
dy
• tangente à l’origine de y(t) : dt (0) = Kα
τ
10
95%
9
τ
8
Kα
Tangente
7
tr = 3τ
6 63%
h i
y(t)
t
5
h(t) = Kα 1 − e− τ Γ(t)
4
0
0 0.5 1 1.5 2 2.5 3
Temps (sec)
1 sys=tf(10,[0.5 1]);
2 step(t,sys) % Réponse indicielle
66 Signaux et Systèmes
Le calcul de la réponse à une rampe (x(t) = α · tΓ(t) ⇔ X(p) = pα2 ), suit les mêmes
étapes que celles de la réponse indicielle. La décomposition en éléments simples donne :
−1 −1 −1 Kα −1 β θ γ
y(t) = L [Y (p)] = L [X(p) · H(p)] = L =L + 2+
p2 (τ p + 1) p p τp + 1
Kα
θ= = Kα
τp + 1
| {z }
p=0
aussi
Kα
d τ p+1
β= = −Kατ
dp
| {z }
p=0
et
Kα
γ= = Kατ 2
p2
|{z}
p=− τ1
Soit :
h t
i
y(t) = L−1 [Y (p)] = Kα t − τ + τ e− τ Γ(t)
Quelques propriétés de la réponse à une rampe sont données ci-dessous (voir figure 4.3) :
• fonction croissante en t.
dy
• tangente à l’origine de y(t) : dt (0) =0
• dans le cas particulier où K = 1, la réponse est parallèle au signal d’entrée. L’écart
entre l’entrée et la sortie est appelé erreur de vitesse ou de traı̂nage.
Analyse des systèmes LTI de 1er et 2nd ordre 67
5
y(t)
4
K=3 h t
i
h(t) = Kα t − τ + τ e− τ Γ(t)
3
x(t)
1
K=1
0
0 0.5 1 1.5 2 2.5 3
Temps (sec)
1 t=0:0.01:5;
2 sys1=tf(1,[0.5 1]); sys2=tf(3,[0.5 1]);
3 lsim(sys1,t,t) % Réponse à une rampe
4 hold
5 lsim(sys2,t,t) % Réponse à une rampe
La réponse harmonique étant longuement détaillée (cf. les sections 3.4 et 3.5.3.5), les
parties ci-dessous se passent de tout calcul déjà développé. Pour la suite, ω0 représente la
pulsation de coupure du système telle que : ω0 τ = 1.
La fonction de transfert est donnée sous la forme d’une fonction complexe (transmittance
isochrone), en remplaçant p par jω :
K K
H(p) = → H(jω) =
1 + ωp0 1 + j ωω0
( q
ω2
AdB = 20 log10 K − 20 log10 1+ ω02
⇒ −π
φ = − arctan( ωω0 ) φ∈ 2 , 0 , car ω
ω0 >0
Le diagramme de Bode d’un système de premier ordre est illustré par la figure 4.4.
68 Signaux et Systèmes
10
0 20dB/Decade
20 log10 K
Amplitude (dB)
20 log10 K − 3dB
−10
−20
H(jω) = K ω0
1+j ωω
0
−30
0
−15
− π4
−30
− π2
Phase (deg)
−45
−60
−75
−90
−1 0 1 2
10 10 10 10
Fréquence (rad/sec)
1 sys=tf(3,[0.5 1]);
2 bode(sys) % Diagramme de Bode
|H(0)|
|H(jωc )| = √ ⇒ ωc τ = 1 ⇒ ωc = ω0
2
Définition.– On appelle bande passante à 3dB la plage de pulsations pour laquelle le signal
de sortie subit un affaiblissement inférieur à 3dB par rapport à sa valeur initiale, |HdB (0)|.
La pulsation correspondante est appelée pulsation de coupure.
Analyse des systèmes LTI de 1er et 2nd ordre 69
K K (1 − jτ ω)
H(jω) = =
jτ ω + 1 (1 + jτ ω) (1 − jτ ω)
<H(jω) = K
K (1 − jτ ω) (1+(τ ω)2 )
H(jω) = = <H(jω) + j=H(jω) → Kτ ω
1 + (τ ω)
2 =H(jω) = − 1+(τ
( ω)2 )
3
H(p) =
0.5p + 1
3 3 (1 − 0.5jω)
H(jω) = =
0.5jω + 1 (1 + 0.5jω) (1 − 0.5jω)
3
3 (1 − 0.5jω) <H(jω) = 1+(0.5ω)
( 2
)
H(jω) = = <H(jω) + j=H(jω) → 3ω
1 + (0.5ω)
2 =H(jω) = − 2
(1+(0.5ω)2 )
70 Signaux et Systèmes
Diagramme de Nyquist
5
0 dB
Point final
3
Lieu symmétrique (fréquences négatives)
−2 dB
2 dB
2
4 dB −4 dB
1
6 dB −6 dB System: untitled1
Real: 10
Imaginary Axis
10 dB −10 dB 10 Imag: 0
H1 (p) = 0.5p+1 Frequency (rad/sec): 1e−020
0
System: untitled1
Real: 1.22e−035
Imag: −2e−019
Frequency (rad/sec): 1e+020
−1
Début
−2
−3
ω0
−4
System: untitled1
Real: 5
Imag: −4.99
Frequency (rad/sec): 2
−5
−2 0 2 4 6 8 10
Real Axis
1 sys=tf(3,[0.5 1]);
2 nyquist(sys) % Diagramme de Nyquist
On appelle système de second ordre, un système régi par une équation différentielle du
type :
1 d2 y(t) 2ζ dy(t)
+ + y(t) = K · x(t) (4.4)
ωn2 dt2 ωn dt
Le système précédent est appelé un système de second ordre pur, s’il ne se décompose pas en
deux systèmes de premier ordre en série. Pour cela, les racines de l’équation caractéristique
doivent être complexes où :
2
2ζ 4
− 2 <0
ωn ωn
La dernière condition implique que le coefficient |ζ| < 1.
On appelle :
Analyse des systèmes LTI de 1er et 2nd ordre 71
• ωn est appelée pulsation naturelle (propre) du système non amorti. Elle est mesurée
en rad · sec−1 .
• ζ est appelé coefficient d’amortissement du système.
• K : gain statique du système en régime permanent.
• y(t) et x(t) représentent respectivement la sortie et l’entrée du système.
Remarque.–
• La fonction de transfert 4.5 est appelée forme canonique (la constante du polynôme du
dénominateur vaut 1). Cette forme nous renseigne de manière directe sur les différents
paramètres (K, ζ et ωn ) du système.
p
• La fonction de transfert 4.5 possède un pôle complexe conjugé à p1,2 = ωn −ζ ± j 1 − ζ 2 .
f (t)
k b
ce qui donne :
1
1) un gain statique K = dépendant du seul coefficient de raideur k.
k
q
k
2) une pulsation naturelle ωn = m .
q
3) un facteur d’amortissement ζ = bω2k
n
= b
2
1
k m.
1.5 ζ = 0.2
1
Force, déplacement
0.5
0
ζ = 1.5
−0.5
ζ = 0.7
−1
0 0.5 1 1.5 2 2.5 3
Temps (sec)
Kωn −ζωn t p
h(t) = L−1 [H(p)] = p e sin ωn 1 − ζ 2 t
1 − ζ2
Remarque.– Un système de second ordre est stable si son coefficient d’amortissement est
positif, ζ > 0. Le discriminant de l’équation caractéristique (dénominateur de la fonction de
4(ζ 2 −1)
transfert) d’un second ordre est ∆ = ωn . De ce fait, on note les trois cas suivants :
• Si l’amortissement est faible (ζ < 1), alors ∆ < 0 et la fonction de transfert possède
deux racines complexes. Le système se trouve en régime pseudo- périodique.
Analyse des systèmes LTI de 1er et 2nd ordre 73
100
80
ζ = 0.1
ζ = 0.3
60
ζ = 0.7
40
ζ =1
20
ζ =2
h(t)
−20
−40
p
−60 ωp = ωn 1 − ζ2
−80
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps (sec)
Quelques propriétés de la réponse impulsionnelle sont données ci-dessous (voir figure 4.8)
Le calcul de la réponse indicielle d’un système de second ordre, entrée en échelon (Γ(p) =
a
p ),
se fait en décompoant en éléments simples (pôle à l’origine et forme canonique du second
membre) de l’expression de la sortie suivante :
" # " #
−1 −1 −1 K a −1 α βp + γ
y(t) = L [Y (p)] = L [Γ(p)H(p)] = L 2ζ p2
=L + 2
p(1 + p (p + b) + c2
ωn p + 2 )
ωn
où : b = ζωn et c = ωp . Le calcul des résidus respectifs est omis (voir TD 4), nous donnons
dans la suite que l’expression littérale de la réponse indicielle :
" #
1 p
−1 −ζωn t
y(t) = L [Γ(p)H(p)] = K a 1 − p e sin ωn 1 − ζ 2t + θ
1 − ζ2
√
1−ζ 2
où : θ = arctan ζ .
Quelques propriétés de la réponse indicielle sont données ci-dessous (voir figure 4.9) :
dy
• tangente à l’origine de y(t) : dt (0) = 0.
• les kième dépassements et les temps respectifs sont donnés par les formules suivantes
(calcul fait sur la dérivée de la sortie) :
−ζ √k·π
Dk = e 1−ζ 2
k·π
tk = √ 2
ωn 1−ζ
Ces deux expressions servent à identifier les paramètres du système à partir des dépas-
sements (ζ) et leurs temps respectifs (ωn ).
Remarque.– La réponse du système du second ordre pour différentes valeurs de ζ est donnée
sur la figure 4.9. Dans le cas où l’on a un dépassement, un système plus rapide est obtenu
pour ζ ≈ 0.7 (courbe rouge) où le temps de montée est plus court tandis que le premier
dépassement ne sort pas de la zone des 5% autour de l’asymptote horizontale.
Analyse des systèmes LTI de 1er et 2nd ordre 75
18
16
System: $\zeta=0.3$
Peak amplitude: 13.7
Overshoot (%): 37.2
At time (sec): 0.33
14
12 System: $\zeta=0.7$
Peak amplitude: 10.5
Overshoot (%): 4.6
At time (sec): 0.44
10
Sortie
System: $\zeta=0.1$
Settling Time (sec): 3.84
System: $\zeta=2$
8 Rise Time (sec): 0.823
6
ζ = 0.1
ζ = 0.3
4 ζ = 0.7
ζ =1
2
ζ =2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps (sec)
1 t=0:0.01:3;
2 omega=10;
3 zeta=[0.1 0.7 2];
4 hold on
5 for i=1:length(zeta)
6 sys=tf(1,[1/omega^2 2*zeta(1,i)/omega 1]);
7 lsim(sys,t,t) % Simulation linéaire suite à une excitation unitaire
8 end
76 Signaux et Systèmes
2.5
2
Sortie
1.5
1
ζ = 0.1
ζ = 0.7
0.5
ζ=2
0
0 0.5 1 1.5 2 2.5 3
Temps (sec)
K K · ωn2
H(p) = p2
→ H(jω) =
1+ 2ζ (ωn2 − ω 2 ) + 2jζωn ω
ωn p + 2
ωn
( q
ω2 2 2
AdB = 20 log10 K − 20 log10 (1 − 2 )
ωn + 4ζ 2 ωω2
⇒ n
Le diagramme de Bode d’un système de second ordre est illustré par la figure 4.11.
Analyse des systèmes LTI de 1er et 2nd ordre 77
40
ζ = 0.1
30
Mr = √1
20
2ζ 1−ζ 2
Amplitude (dB)
10 ζ =2
ζ = 0.7
0
−10 p
ωr = ωn 1 − 2ζ 2
−20
0
−45 ωn
Phase (deg)
−90
−135
−180
−1 0 1 2 3
10 10 10 10 10
Fréquence (rad/sec)
Remarque.–
√
1) Si le ζ < 2/2, le système est faiblement amorti. Dans ce cas, on observe un phéno-
mène de résonancep (ou surtention). La dérivée du gain en dB s’annule pour la pulsation de
résonance ωr = ωn 1 − 2ζ 2 . Le maximum local atteint Mr = √1 2 .
2ζ 1−ζ
√
2) Si le ζ > 2/2, il n’y pas de minimum local à part celui donné par le gain statique en
basses fréquences. Dans ce cas, le système peut être décomposé en deux systèmes de premier
ordre.
3) A partir d’un diagramme de transfert expérimental, figure 4.11, correspondant à l’al-
lure d’un système du second ordre, on peut procéder à une identification en utilisant les
basses fréquences pour trouver le gain statique K, le déphasage à −90◦ pour en déduire ωn .
K · ωn2
H(jω) =
(ωn2 − ω 2 ) + 2jζωn ω
Le lieu de Nyquist d’un système de second ordre, en fonction des variations du coefficient
de second ordre, est donné par la figure 4.12.
Remarque.–
• Les systèmes faiblement amorti sont illustrés par des parties imaginaires plus impor-
tantes.
• Les points de début (<G(0), =G(0)) et de fin (<G(jω), =G(jω) quand ω → +∞) ne
sont pas impactés par le coefficients d’amortissement.
Nyquist Diagram
20
0 dB
ζ = 0.3
15
ζ = 0.7
10
ζ = 1.1
5
Imaginary Axis
2 dB −2 dB
4 dB6 dB −4 dB
−6 dB
0
−5
−10
ℜG(jω) = 0
−15
−20
−8 −6 −4 −2 0 2 4 6 8 10 12
Real Axis
1 clear all
2 close all
3 clc
4 omega=10; zeta=[0.3 0.7 1.1];
5 hold on
6 for i=1:length(zeta)
7 sys=tf(10,[1/omega^2 2*zeta(1,i)/omega 1]);
8 nyquist(sys) % Diagramme de Nyquist
9 end
Deuxième partie
Travaux dirigés
80 Signaux et Systèmes
Comprendre que l’on n’a pas compris est ce qui est le plus difficile à comprendre.
Albert Jacquard (1925 − 2013)
81
82 Signaux et Systèmes
x(t)
∗(t − 1) ∗2
√ y(t)
× ×2 + ∗
∗2
2
TD2 - Modélisation des systèmes LTI
2.1. Convolution
1) Soit y(t) = x(t) ∗ h(t), montrer que x(t − t1 ) ∗ h(t − t2 ) = y(t − t1 − t2 )
2) Soit y(t) = x(t) ∗ h(t) un système LTI. Pour les cas ci-dessous, représenter graphique-
ment le signal d’entrée x(t), la réponse impulsionnelle h(t) ainsi que sortie y(t)
a) x(t) = Γ(t) et h(t) = e−at Γ(t)
b) x(t) = e−at Γ(t) et h(t) = Γ(t) − Γ(t − 2)
c) x(t) = e−at Γ(t) et h(t) = t(Γ(t) − Γ(t − 1))
83
84 Signaux et Systèmes
C1
R2
e(t) R1 L
i1 i2
Y (p) 15(p + 1)
G(p) = = 3
X(p) p + 4p2 + 9p + 10
1) Vérifier que (−2) est un pôle de la fonction de transfert G(p). Donner les deux pôles
restant.
2) Trouver la décomposition en éléments simples de la forme :
c dp + e
G(p) = + 2
p + 2 p + ap + b
3) Trouver la transformée de Laplace inverse de F (p).
Donner la forme réduite des systèmes représentés par les figures ci-dessous.
H5
x(t) y(t)
− H1 H2 − H3 H4
R2
R1
TD2 - Modélisation des systèmes LTI 85
H2
x(t) y(t)
− H1 +
H3
86 Signaux et Systèmes
Le génie commence les beaux ouvrages, mais seul le travail les achève.
Joseph Joubert (1754 − 1824)
3
Réponse fréquentielle
12 3(0.2p+1)
H3 (p) = p2 +4 H4 (p) = (p+1)(2p+1)
Donner les diagrammes de Bode et les lieux de Nyquist des fonctions de transfert sui-
vantes :
20 10
H1 (p) = (−2p+1)(20p+1) H2 (p) = p(4p+1)
H3 (p) = 10 (10p+1)
p2 H4 (p) = 10p+1
(p+1)(3p+1)
87
88 Signaux et Systèmes
Analyse et identification
4
4.1. Réponse temporelle d’un second ordre
Nous avons vu dans chapitre 4 qu’un système de second ordre est reprséenté par une
fonction de transfert de type :
K
H(p) = 2ζ p2
1+ ωn p + 2
ωn
89
90 Signaux et Systèmes
Bode Diagram
40
30
20
System: sys
10 Frequency (rad/sec): 0.103
0
Magnitude (dB): 26
Magnitude (dB)
−10
−20
−30
−40
−50
−60
0
−45
Phase (deg)
−90
System: sys
Frequency (rad/sec): 10
−135 Phase (deg): −90.2
−180
−1 0 1 2 3
10 10 10 10 10
Frequency (rad/sec)
Nyquist Diagram
25
20
15
10
−5
−10
System: sys
−15 Real: 0.00628
Imag: −20
Frequency (rad/sec): 0.1
−20
System: sys
Real: 5.03
−25
−10 −5 0 5
Imag: −20 10 15
Real Axis Frequency (rad/sec): 0.0939
System: sys
Peak amplitude: 5.81
Step Response
Overshoot (%): 16.3
6 At time (sec): 18.4
System: sys
Final Value: 5
5
System: sys
Settling Time (sec): 40.4
System: sys
Rise Time (sec): 8.2
4
Amplitude
0
0 10 20 30 40 50 60
Time (sec)
Analyse et identification 91
System: sys
Peak amplitude: 2
Impulse Response
At time (sec): 0
2
1.8
1.6
1.4
1.2
Amplitude
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
Time (sec)
Bode Diagram
30
20
10
Magnitude (dB)
−10
−20
−30
−40
−30
−60
Phase (deg)
−90
−120
−150
−180
0.01 0.1 1 10
Frequency (rad/sec)
Nyquist Diagram
1.5
0.5
−0.5
−1 System: sys
Phase Margin (deg): 115
Delay Margin (sec): 0.637
At frequency (rad/sec): 3.16 System: sys
Closed Loop Stable? Yes Real: 1.17
Imag: −1.16
−1.5
−1 −0.5 0 0.5 1 Frequency (rad/sec):
1.5 1.5 2 2.5
Real Axis
92 Signaux et Systèmes
Troisième partie
Travaux pratiques
94 Signaux et Systèmes
La différence entre la théorie et la pratique, c’est qu’en théorie, il n’y a pas de
différence entre la théorie et la pratique, mais qu’en pratique, il y en a une.
Johannes Lambertus Adriana van de Snepscheut (1953 − 1994)
S(p) 10
H(p) = =
E(p) p + 15
95
96 Signaux et Systèmes
S(p) 100
H(p) = = 2
E(p) p + 10Ap + 10
La maquette Didalab présentée par la figure (2.1) est composée d’un montage électromé-
canique à base d’un moteur à courant continu, de puissance de 1.2 Watt. Tous les éléments
de cette maquette sont contrôlés par un logiciel Ds yn de DidaLab. Le couple résistant peut
être modifié par le déplacement d’un aimant permanent dans l’entrefer autour duquel tourne
un disque en aluminium. La maquette que nous souhaitons contrôler est définie par :
97
98 Signaux et Systèmes
2.2. Objectifs
Cette mise en place a pour objectif de vous familiariser avec les techniques de mesure
directe sur maquette expérimentale et à exploiter les données de mesure par des méthodes
d’analyse. Le poste de travail est constitué d’une maquette DidaLab “Synum2” pour la
commande d’un moteur électrique ainsi que son logociel de commande D syn. Les deux
modules sont connectés par une connexion USB.
La manipulation vous amène à caractériser la fonction de transfert en boucle ouverte du
système électromécanique.
Pour la suite du TP :
• Déterminer le gain statique du système en boucle ouverte. Que signifie cette valeur ?
• Représenter la réponse indicielle du système excité par un échelon d’amplitude A.
Déterminer la constante de temps τ et le temps de réponse tr à 5%.
• Tracer le diagramme de Bode du système. Que vaut la pulsation de coupure ?
Qu’en est-il des questions précédentes lorsque le frottement visqueux est nul (b = 0) ?
• choisir le mode de commande en boucle ouverte. A cet effet, cliquer sur Menu Choi-
sir/Mode de Contrôle/Boucle ouverte.
• Choisir la nature de l’entrée de commande. A cet effet, cliquer sur Menu Choisir/In-
terface de puissance/Commande en courant.
• Choisir l’unité de la Source Sr en mA. A cet effet, cliquer sur Menu Choisir/Unités/U-
nité I.P.
L’interface de puissance étant “Commande Courant”, les unités seront des Ampères (mA
dans le logiciel).
1) Choisir une valeur de repos de 20 mA.
2) Définir une commande de charge mécanique (frottement visqueux) de 100 % en cli-
quant sur le bloc correspondant.
3) Positionner des sondes sur les points Im et Nm .
4) Pour la valeur de repos choisie, relever les valeurs de Im et Nm .
5) Refaire d’autres mesures et remplir un tableau de mesure (la plage de Sr est dans ce
cas ±0.5A).
6) Tracer la courbe de Im en fonction de Sr et de N en fonction de Sr (caractéristique de
transfert statique). Que vaut le gain statique SNr ? Commentaires (imperfections, frottement
visqueux).
7) Sachant que la constante du couple moteur Km = 43.8 10−3 N m.A−1 Déterminer le
coefficient du frottement visqueux b.
100 Signaux et Systèmes
Remarque.– Pour une meilleure identification des résultats, merci de saisir vos identifiants
(nom, groupe) dans la zone commentaire.
• Calculer les gains pour les trois cas. Commenter les résultats.
• A partir de ces points, donner une représentation asymptotique du diagramme de
Bode.
102 Signaux et Systèmes
J’ouvre la porte et c’est aux étudiants de rentrer.
Hichem Arioui (1976 − ...)
La maquette Didalab présentée par la figure (3.1) renferme un canal de longueur 350
mm environ, équipé d’un ventilateur entrainé par un moteur électrique et d’une résistance
chauffante. Elle est aussi equipée de deux transmetteurs de mesure, température et débit.
3.2. Objectifs
Cette mise en place a pour objectif de vous familiariser avec les techniques de mesure
directe sur maquette expérimentale et à exploiter les données de mesure par des méthodes
d’analyse. Le poste de travail est constitué d’une maquette DidaLab “D reg” pour la com-
mande d’un moteur électrique qui commande un ventilateur (débit d’air et une résistance
103
104 Signaux et Systèmes
chauffante (débit d’air et température) dont la puissance est commandée via le logiciel
contrôle Dreg. L’ensemble des modules PC, IRPI et la maquette sont pré-connectés.
Pour la suite du TP et sauf mention explicite, les connectiques devraient rester telles qu’elles
sont initialement. Vérifier si besoin en vous aidant avec la figure (3.2).
• Pour différentes valeurs de repos, comprises entre 0% et 100%, relever (après stabili-
sation du débit) la valeur affichée de la mesure de débit.
TP3 - Identification des systèmes dynamiques 105
Remarque.– Pour une meilleure identification des résultats, merci de saisir vos identifiants
(nom, groupe) dans la zone commentaire.
106 Signaux et Systèmes
• Pour ω = τ1 , expliquer pourquoi cet essai confirme le fait que le système est d’ordre
supérieur à 1.
• Pour une amplitude A = 10%, rechercher les valeurs des fréquences du signal d’exci-
tation conduisant aux déphasages suivants : −90◦ , −135◦ , −180◦ . On relèvera aussi le
rapport des amplitudes.
Annexes
108 Signaux et Systèmes
A
Table de Laplace
110 Signaux et Systèmes
Hichem Arioui
A.2. Formation
Jury :
Pierre-Alexandre Bliman Directeur de Recherche INRIA, Roquencourt Rapporteur
Philippe Coiffet Directeur de Recherche CNRS, Versailles Rapporteur
Kamal Youcef-Toumi Professeur au MIT, Cambridge USA, Rapporteur
Jean-Guy Fontaine Professeur des Universités, ENSI de Bourges Président
Jean-François Manière Techno-Centre Renault, Paris Examinateur
Saı̈d Mammar Professeur des Universités, Evry Directeur
Abderrahmane Kheddar Maı̂tre de Conférences, Evry Co-Directeur
A.3. Fonctions
• 2 articles invités.
A.6. Responsabilités
• Membre du vivier des spécialistes en section 61-63 aux Universités d’Evry et de Paris-
Est, depuis 2009.
A.7. Distinctions
Durant ces années d’activités, j’ai participé activement à l’encadrement de 4 thèses sou-
tenues et 2 autres thèses actuellement en cours. Du fait de la pluridisciplinarité de certains
sujets de thèse, leur suivi a nécessité le concours à plusieurs compétences et menées à des col-
laborations avec d’autres collègues. Par ailleurs, j’ai suivi et encadré 7 étudiants de Master2
Recherche, de différentes universités et écoles. Les tableaux suivants donnent une synthèse
sur mon activité d’encadrement.
• 2013 - 202016 : VIROLO Projet ANR, dans le cadre de l’appel à projet Transport
Durable et Mobilité (en cours d’expertise).
• 2010 - 2011 : Financement d’une Action Incitative IBISC, instrumentation d’un Scoo-
ter. Budget : 6700 e.
• 2009-2010 : Dotation Génopole pour financement d’un équipement semi lourd type
robot Hexapode dans le cadre de la réalisation d’un simulateur de fauteuil roulant
“SIFAR”. Budget : 23 ke.
• 2006 - 2009 : Dans le cadre des projets PREDIT-ANR : SIMulateur de détection des
altérations du comportement de conduite liées à l’attention et à la VIgilance (VIGI-
SIM). Budget : 40 ke.
• 2006 - 2009 : Dans le cadre des projets PREDIT-ANR : SIMulateur pour l’Apprentis-
sage de la COnduite de 2 roues Motorisés (SIMACOM). Budget : 62 ke.
• 2003 - 2008 : Réseau d’Excellence INTUITION, 6ème PCRD. Budget : 40 ke. Plus de
60 partenaires européens.
116 Signaux et Systèmes
A.11. Rayonnement
1) Invitations et sélections
– 2012 : Session plénière à JDATIM’12, Annaba, Algérie.
– 2012 : Membre du Program Committee à EuroHaptics 2012.
– 2012 : Membre du Program Committee à ICOST 2012.
– 2012 : Membre du Program Committee à GTAA 2012, GDR MACS.
– 2011 : Chairman de la session “Systems Delay II” à ACC’11.
– 2011 : Organisation d’une session invitée sur les véhicules à deux roues à MED’11.
– 2009 : Chairman de la session “Assistive Robotics III” à ROMAN’09.
– 2009 : Chairman de la conférence CISA’08.
– 2006 : Session plénière à ICCMD’06, Annaba, Algérie.
– 2005 : 3ème Best paper Award à ICMA’04 et publié comme chapitre de livre.
– 2005 : Invitation pour séminaire au Génopole-Recherche, Evry, France, 25 mars 2005.
– 2004 : Invitation aux Journées Systèmes à Retard (GDR MACS), Paris, France, 18
March, 2004.
2) Jury de thèse
– 2012 : Hamid Slimi, Docteur de l’UEVE, en tant que responsable scientifique.
– 2008 : Lamri Nehaoua, Docteur de l’UEVE, en tant que responsable scientifique.
– 2007 : Adel Merabet, Docteur de l’Université du Québec à Chicoutimi, en tant Rap-
porteur.
– 2006 : Mohamed Larbi Saidi, Docteur de l’Université d’Annaba, en tant que examina-
teur.
Depuis mon recrutement en septembre 2003, j’ai porté une attention particulière à la
conciliation entre les activités d’administration et celles d’enseignement et de recherche. J’ai
donc pris diverses responsabilités au sein de l’UFR S&T et au niveau de quelques instances
d’universités.
• 2005-2006 : Responsable des emplois du temps de toutes les filières de l’UFR S&T.
• 2004-2008 : Membre élu de la commission de spécialistes des sections 61 et 63 de
l’UEVE.
[ARA 07] Arai E., Arai T., Mechatronics for safety, security and dependability in a new era,
Elsevier Science, 2007.
[ARI a] Arioui H., Nehaoua L., « Architecture of Driving Simulators », Driving Simulation,
p. 19–56, John Wiley & Sons, Inc.
[ARI b] Arioui H., Nehaoua L., « Dynamics of Two-Wheeled Vehicles », Driving Simulation,
p. 57–83, John Wiley & Sons, Inc.
[ARI c] Arioui H., Nehaoua L., « Two-Wheeled Riding Simulator : From Design to Control »,
Driving Simulation, p. 85–124, John Wiley & Sons, Inc.
[ARI 01] Arioui H., « Téléopération avec retour d’effort en présence de retard de transmission :
commande et analyse de stabilité », 14ème Journées Jeunes Chercheurs en Robotique (JJCR01),
Evry, France, 31 Mai-01 Juin, p. 48–53, 2001.
[ARI 02a] Arioui H., Kheddar A., Mammar S., « A predictive wave-based approach for time
delayed virtual environments haptics systems », Robot and Human Interactive Communication,
2002. Proceedings. 11th IEEE International Workshop on, IEEE, p. 134–139, 2002.
[ARI 02b] Arioui H., Mana M., Kheddar A., Mammar S., « Master-model based time-delayed
force feedback interaction : Experimental results », Intelligent Control, 2002. Proceedings of the
2002 IEEE International Symposium on, IEEE, p. 896–901, 2002.
[ARI 02c] Arioui H., Commande de dispositifs à retour haptique en présence de retards de trans-
mission, PhD thesis, Université d’Evry Val d’Essonne, 2002.
[ARI 02d] Arioui H., Kheddar A., Mammar S. et al., « Stable shared virtual environment haptic
interaction under time-varying delay », 8th IEEE Methods and Models in Automation and
Robotics (MMAR’02), p. 1145–1150, 2002.
[ARI 02e] Arioui H., Mammar S., Hamel T. et al., « A Smit h-prediction based Haptic Feedback
Controller for Time Delayed Virtual Environments Systems », Proceedings of the American
Control Conference, p. 4303–4309, 2002.
[ARI 03a] Arioui H., Kheddar A., Mammar S. et al., « A Robustness Analysis of Master-Model
Based controller for stabilizing delayed haptic interaction : An LMI Approach », Proceedings of
ICAR 2003, The 11th International Conference on Advanced Robotics, p. 1449–1455, 2003.
[ARI 03b] Arioui H., Kheddar A., Mammar S., « A model-based controller for interactive
delayed Haptic feedback virtual environments », Journal of Intelligent and Robotic Systems,
vol. 37, n°2, p. 193–207, Kluwer Academic Publishers, 2003.
[ARI 04] Arioui H., « Stabilisation d’un système de téléopération en présence de retard de trans-
mission par des méthodes prédictives », Journées Systèmes à Retard (SAR’04, GDR MACS),
Paris, France, 18 March, page 41, 2004.
120 Signaux et Systèmes
[ARI 05] Arioui H., Nehaoua L., Amouri A., « Classic and adaptive washout comparison for a
low cost driving simulator », Intelligent Control, 2005. Proceedings of the 2005 IEEE Internatio-
nal Symposium on, Mediterranean Conference on Control and Automation, IEEE, p. 586–591,
2005.
[ARI 08a] Arioui H., « Effect of transmission delay on haptic perception in shared virtual environ-
ments », End-to-End Quality of Service Engineering in Next Generation Heterogenous Networks,
p. 431–444, ISTE, 2008.
[ARI 08b] Arioui H., Merzouki R., Abbassi H. A., Intelligent Systems and Automation : 1st
Mediterranean Conference on Intelligent Systems and Automation (CISA’08), Annaba, Algeria,
30 June-2 July 2008, N° 1019, Amer Inst of Physics, 2008.
[ARI 09a] Arioui H., Hima S., Nehaoua L., « 2 DOF low cost platform for driving simulator :
Modeling and control », Advanced Intelligent Mechatronics, 2009. AIM 2009. IEEE/ASME
International Conference on, IEEE, p. 1206–1211, 2009.
[ARI 09b] Arioui H., Hima S., Nehaoua L., « Modeling and identification of 2 DOF low cost
platform for driving simulator : Experimental results », Robot and Human Interactive Communi-
cation, 2009. RO-MAN 2009. The 18th IEEE International Symposium on, IEEE, p. 1167–1172,
2009.
[ARI 10a] Arioui H., Conception, Mécatronique et Contrôle des Plateformes dédiées aux Applica-
tions Centrées Humain, PhD thesis, Université d’Evry Val d’Essonne, 2010.
[ARI 10b] Arioui H., Nehaoua L., Hima S., Séguy N., Espié S., « Mechatronics, design, and
modeling of a motorcycle riding simulator », Mechatronics, IEEE/ASME Transactions on,
vol. 15, n°5, p. 805–818, IEEE, 2010.
[ARI 11a] Arioui H., Hima S., Nehaoua L., Bertin R., Espié S., « From Design to Experiments
of a 2 DOF Vehicle Driving Simulator », Vehicular Technology, IEEE Transactions on, vol. 60,
n°2, p. 357–368, IEEE, 2011.
[ARI 11b] Arioui H., Temzi L., Hoppenot P., « Force feedback stabilization for remote control
of an assistive mobile robot », American Control Conference (ACC), 2011, IEEE, p. 4898–4903,
2011.
[ARI 13] Arioui H., Nehaoua L., Driving Simulation, Automation and Control Series, ISTE-
WILEY, 2013.
[BOU 08] BOURDOT P., KHEDDAR A., ARIOUI H., « Inventory of the past and undergoing
VR research activities in Europe », 2008.
[CHA 12] Chabane C., Ichalal D., Arioui H., Mammar S., « Proportional Two Integral (P2I)
Observer Synthesis for Single Track Vehicle », 2nd International Conference on Systems and
Control, Marrakech, Morroco, p. 1–6, 2012.
[CHE 12] Chenane C., Ichalal D., Arioui H., Mammar S. et al., « Lateral Dynamics Recons-
truction for Sharp’71 Motorcycle Model with P2I Observer », 2nd International Conference on
Systems and Control, p. 1–6, 2012.
[CHE 14] Chenane C., Arioui H., Ichalal D., Mammar S., Glaser S., « Analysis of the leaning
limit dynamics of Powered Two Wheeled vehicles », Networking, Sensing and Control (ICNSC),
2014 IEEE 11th International Conference on, IEEE, p. 701–706, 2014.
[DAB 13a] Dabladji H., Ichalal D., Arioui H., Mammar S., « Roll Angle Observer-Based
Controller Design for Powered Two-Wheelers », Bicycle and Motorcycle Dynamics, Narashino :
Japan (2013), p. 1–6, 2013.
Bibliographie 121
[DAB 13b] Dabladji M. E.-H., Ichalal D., Arioui H., Mammar S., « Observer based controller
for single track vehicles », Decision and Control (CDC), 2013 IEEE 52nd Annual Conference
on, IEEE, p. 7420–7425, 2013.
[DAB 14] Dabladji M. E.-H., Ichalal D., Arioui H., Mammar S., « Estimation of Lateral
Dynamics and Road Curvature for Two-Wheeled Vehicles : A HOSM Observer approach »,
2014 IFAC World Congress, Cape Town, South Africa, IFAC, p. 1–6, 2014.
[ESP 00] Espié S., « Possibilité d’utilisation d’un simulateur de conduite pour des études appro-
fondies sur le comportement du conducteur », Driving Simulation Conference, 2000.
[HIM 07] Hima S., Nehaoua L., Séguy N., Arioui H., « Motorcycle dynamic model synthesis for
two wheeled driving simulator », Intelligent Transportation Systems Conference, 2007. ITSC
2007. IEEE, IEEE, p. 812–817, 2007.
[HIM 08] Hima S., Nehaoua L., Séguy N., Arioui H. et al., « Suitable two wheeled vehicle
dynamics synthesis for interactive motorcycle simulator », 17th IFAC World Congress, 2008.
[ICH 11] Ichalal D., Arioui H., Mammar S., « Observer design for two-wheeled vehicle : A
takagi-sugeno approach with unmeasurable premise variables », Control & Automation (MED),
2011 19th Mediterranean Conference on, IEEE, p. 934–939, 2011.
[ICH 12] Ichalal D., Chabane C., Arioui H., Mammar S., « Estimation de la dynamique laté-
rale pour véhicules à deux roues motorisés », Septième Conférence Internationale Francophone
d’Automatique, CIFA 2012, IFAC, 2012.
[ICH 13] Ichalal D., Habib D., Arioui H., Mammar S., « Observer Design for Motorcycle’s
Lean and Steering Dynamics Estimation : a Takagi-Sugeno Approach », American Control
Conference, IEEE, p. 5654–5659, 2013.
[MEL 10] Mellouk A., Quality of Service Mechanisms in Next Generation Heterogeneous Net-
works, Wiley-ISTE, 2010.
[MER 08] Merabet A., Arioui H., Ouhrouche M., « Cascaded predictive controller design for
speed control and load torque rejection of induction motor », American Control Conference,
2008, IEEE, p. 1139–1144, 2008.
[MER 10] Merabet A., Gu J., Arioui H., « Robust cascaded feedback linearizing control of non-
holonomic mobile robot », Electrical and Computer Engineering (CCECE), 2010 23rd Canadian
Conference on, IEEE, p. 1–5, 2010.
[MOH 04] Mohellebi H., Espié S., Arioui H., Amouri A., Kheddar A. et al., « Low cost
motion platform for driving simulator », 5th International Conference on Machine Automa-
tion,(ICMA’04), p. 271–277, 2004.
[MOH 06] Mohellebi H., Espié S., Kheddar A., Arioui H. et al., « Design of low-clearance
motion platform for driving simulator », Mechatronics for Safety, Security and Dependability in
a New Era, 2006.
[NAD 11] Nadrag P., Temzi L., Arioui H., Hoppenot P., « Remote control of an assistive
robot using force feedback », Advanced Robotics (ICAR), 2011 15th International Conference
on, IEEE, p. 211–216, 2011.
[NEH 06a] Nehaoua L., Arioui H., Espie S., Mohellebi H., « Motion cueing algorithms for
small driving simulator », Robotics and Automation, 2006. ICRA 2006. Proceedings 2006 IEEE
International Conference on, IEEE, p. 3189–3194, 2006.
[NEH 06b] Nehaoua L., Arioui H., Mohellebi H., Espié S., « Restitution movement for a low
cost driving simulator », American Control Conference, 2006, IEEE, p. 6–pp, 2006.
122 Signaux et Systèmes
[NEH 06c] Nehaoua L., Hima S., Arioui H., Seguy N. et al., « Rapport interne, Projet SIMA-
COM (SIMulateur pour l’Apprentissage de la COnduite de 2 roues Motorisés) : Modélisation
dynamique de véhicules de roues », 2006.
[NEH 07a] Nehaoua L., Hima S., Séguy N., Arioui H., Espié S., « Design of a new motorcycle
riding simulator : Open-loop tests », European Control Conference, 2-5 july, Kos, Greece, vol. 13,
2007.
[NEH 07b] Nehaoua L., Hima S., Arioui H., Séguy N. et al., « Two-Wheeled Vehicle Driving
Simulator : Design and Actuation », IEEE Intelligent Vehicle Symposium (IV’07), 2007.
[NEH 07c] Nehaoua L., Hima S., Arioui H., Séguy N., Espié S. et al., « Open-loop tests
and validation of a new two-wheeled vehicle riding simulator », European Control Conference
(ECC’07), 2007.
[NEH 08a] Nehaoua L., Arioui H. et al., « Parameters Identification for Motorcycle Simulator’s
Platform Characterization. », Mediterranean Conference on Intelligent Systems and Automation
2008, 2008.
[NEH 08b] Nehaoua L., Hima S., Arioui H., Seguy N. et al., « A new motorcycle simulator
platform : Mechatronics design, dynamics modeling and control », 17th IFAC World Congress,
2008.
[NEH 08c] Nehaoua L., Mohellebi H., Amouri A., Arioui H., Espié S., Kheddar A., « Design
and control of a small-clearance driving simulator », Vehicular Technology, IEEE Transactions
on, vol. 57, n°2, p. 736–746, IEEE, 2008.
[NEH 10] Nehaoua L., Khettat A., Arioui H., Imine H., Espié S., « Rider Steer Torque Esti-
mation for Motorcycle Riding Simulator », 5th IFAC Symposium on Mechatronic Systems, IFAC,
p. 505–510, 2010.
[NEH 11a] Nehaoua L., Arioui H., Fridman L., « Force Feedback Control based on VGSTA for
Single Track Riding Simulator », 50th IEEE Conference on Decision and Control and European
Control Conference (CDC-ECC), 2011, IEEE, p. 8243–8248, 2011.
[NEH 11b] Nehaoua L., Arioui H., Mammar S. et al., « Review on single track vehicle and
motorcycle simulators », Proc. of the 19th Mediterranean Conference on Control & Automation
(MED 2011), p. 940–945, 2011.
[NEH 12] Nehaoua L., Arioui H., Séguy N., Optimal Mechatronics for Driving Simulator Appli-
cation, Edition Bentham Science Publishers, 2012.
[NEH 13a] Nehaoua L., Arioui H., Mammar S., « Motorcycle Riding Simulator : How to Esti-
mate Robustly the Rider’s Action ? », IEEE Transactions Vehicular Technology, vol. 62, n°1,
p. 80–88, IEEE, 2013.
[NEH 13b] Nehaoua L., Arioui H., Seguy N., Mammar S., « Dynamic modelling of a two-
wheeled vehicle : Jourdain formalism », Vehicle System Dynamics, vol. 51, n°5, p. 648–670,
Taylor & Francis, 2013.
[NEH 13c] Nehaoua L., Ichalal D., Arioui H., Mammar S., Fridman L., « Lean and Steering
Motorcycle Dynamics Reconstruction : An Unknown Input HOSMO Approach », American
Control Conference, IEEE, p. 2821–2826, 2013.
[NEH 14a] Nehaoua L., Arioui H., Simulateur de conduite : application aux motocycles, Her-
mès/ITSE Editions, 2014.
[NEH 14b] Nehaoua L., Ichalal D., Arioui H., Davila J., Mammar S., Fridman L. et al.,
« An Unknown Input HOSM Approach to Estimate Lean and Steering Motorcycle Dynamics »,
IEEE Transactions on Vehicular Technology, 2014.
Bibliographie 123
[SAI 06] Saidi M., Debbeh A., Arioui H., Kermiche M., Abbassi H., « Predictive control of
motion platform in driving simulator », Asian journal of information technology, vol. 5, n°2,
p. 133–138, 2006.
[SAL 08] Salim H., Arioui H. et al., « Two wheeled vehicle dynamics synthesis for real-time appli-
cations », INTELLIGENT SYSTEMS AND AUTOMATION : 1st Mediterranean Conference
on Intelligent Systems and Automation (CISA 08), vol. 1019, p. 47–52, 2008.
[SLI 09a] Slimi H., Arioui H., Mammar S., Nouvelière L., « Système de gérération d’alertes
pour la perte de contrôle de véhicules à deux roues motorisés », Journées Nationales de la
Recherche en Robotique (JNRR’09), Sologne, France, Novembre 3, vol. 6, p. 34–41, 2009.
[SLI 09b] Slimi H., Arioui H., Nouveliere L., Mammar S., « Advanced motorcycle-
infrastructure-driver roll angle profile for loss control prevention », Intelligent Transportation
Systems, 2009. ITSC’09. 12th International IEEE Conference on, IEEE, p. 1–6, 2009.
[SLI 09c] Slimi H., Arioui H., Nouveliere L., Mammar S., « Preventive Safety : Warning Sys-
tem for Control Loss of Two-Wheeled Vehicles », 2nd Mediterranean Conference on Intelligent
Systems and Automation, AIP, p. 23–25, 2009.
[SLI 10] Slimi H., Arioui H., Nouveliere L., Mammar S., « Motorcycle speed profile in cornering
situation », American Control Conference (ACC), 2010, IEEE, p. 1172–1177, 2010.
[SLI 12] Slimi H., Arioui H., Mammar S., « Dynamique limite pour systèmes d’alertes aux
conducteurs des deux-roues motorisés », Septième Conférence Internationale Francophone d’Au-
tomatique, CIFA 2012, IFAC, 2012.
[SLI 13] Slimi H., Ichalal D., Arioui H., Mammar S., « Motorcycle maximal safe speed in
cornering situation », Networking, Sensing and Control (ICNSC), 2013 10th IEEE International
Conference on, IEEE, p. 340–346, 2013.
[TOU 06] Tourbah K., Arioui H., Seguy N., Kheddar A., « Transparent collaborative haptic
simulation », Computer Aided Control System Design, 2006 IEEE International Conference on
Control Applications, 2006 IEEE International Symposium on Intelligent Control, 2006 IEEE,
IEEE, p. 187–192, 2006.