Chap - 01 - Généralités sur la commande numérique-١

Généralités sur la commande numérique
Dr. Ing. MOHAMED SASS MOHAMDY
ESP de Nouakchott
Département de Génie Électrique
Cours sur la Commande Numérique

17/01/2021
1/45
Plan du Cours
1 Concepts de la commande numérique
2 Échantillonnage d’un signal
3 Reconstruction d’un signal continu
4 Transformée en Z
2/45
Concepts de la commande numérique
I- Concepts de la commande numérique

I-1- Structure d’un système de commande numérique
La mise en œuvre des asservissements numériques nécessite l’usage

d’outils informatiques comme organes essentiels de contrôle des processus
asservis.
C’est le cas par exemples des ordinateurs ou des micro-contrôleurs qui
peuvent, entre autre, assumer des fonctions de calculateurs numériques.
Les problèmes qu’il s’agit de résoudre pour le contrôle des processus
continus concernent les points suivants :
L’échantillonnage d’un signal continu et sa conversion en un signal
numérique :
Cette opération est assurée par un Convertisseur Analogique
Numérique (CAN). Le choix de la période est déterminent.
3/45
La conversion d’un signal numérique en un signal analogique :

Cette opération consiste à transformer le signal numérique issu du
calculateur à l’instant d’échantillonnage (on parlera de signal
numérique de commande), en signal analogique de commande
existant sur toute la période d’échantillonnage. Cette opération est
assurée par un Convertisseur-Numérique-Analogique (CNA). Cette
opération est rythmée à la même cadence que celle de l’acquisition.
La synthèse de la loi de commande :

il s’agit d’établir une loi d’évolution du signal de commande en
fonction des signaux de mesure et de référence, afin de permettre au
système asservi de satisfaire un cahier des charges.
Cette fonction est appelée ”correction numérique” ou encore
élaboration de la loi de commande numérique .
4/45
L’objectif d’une commande numérique est de déterminer la valeur du

signal numérique de commande à chaque instant d’échantillonnage, à
partir des valeurs antérieures des signaux numériques de commande, de
mesure et de référence.
Concrètement, la loi de commande numérique s’exprime comme une

relation de récurrence qui permet aisément son implémentation dans un
calculateur numérique.
Figure – Structure de base d’une commande numérique
5/45
I-2- Intérêts de la commande numérique
Le régulateur numérique cadencé par son horloge Te est plus lent que le
régulateur analogique dont les réactions s’effectuent à la vitesse de
propagation des signaux électriques proche de celle de la lumière.
Par contre le régulateur numérique possède une capacité que n’a pas
le régulateur analogique, celle de garder les signaux en mémoire
aussi longtemps qu’on veut pour les faire servir quand on veut.
Ainsi, certains corrections numériques sont impossibles à réaliser en
analogique.
La flexibilité de la programmation permet de réaliser des corrections
très fines, facilement réglables et auto-ajustables.
La vitesse des processeurs augmente, leur prix diminue, et surtout
leur convivialité s’améliore.
6/45
Échantillonnage d’un signal
II- Échantillonnage d’un signal

II-1 Définition d’échantillonnage d’un signal
Définition
L’échantillonnage est le processus de discrétiser un signal : c’est d’aller
lire la valeur d’un signal continu à des temps fixes.
Pour un signal continu f(t) (comme un signal radar), qu’on échantillonne
à toutes les T secondes, on obtient un signal discret f[n] : f[n] = f(n.T)
L’échantillonnage d’un signal continu f(t) consiste à remplacer f(t) par la
suite discontinue de ses valeurs f(n.T) aux instants respectifs
d’échantillonnage t = n.T (n = 0, 1, 2, 3, . . ..).
Figure – Échantillonnage d’un signal 7/45

L’échantillonnage permet donc de convertir un signal continu à un

signal discret. L’échantillonnage est une composante très importante
d’un système discret.
Figure – Symbole d’échantillonnage d’un signal
On ne s’intéresse pas ici à l’électronique de cette conversion, mais

plutôt l’aspect de quand prendre les échantillons (c’est- à- dire à
quelle fréquence).
Afin de simplifier les expressions mathématiques, on se place dans le

cas le plus fréquent en pratique, de signaux f(t) causaux, tels que :
(
f (t) = 0, pour t < 0
f (0+ = 0
8/45
II-2 Expression mathématique d’un signal échantillonné
Pour obtenir une expression mathématique de f*(t), on fait appel au

concept d’impulsion unité ou impulsion de Dirac, apparaissant à l’instant
t = 0. Celle-ci est représentée par δ(t)
Figure – Impulsion de Dirac
δ(t) = lim δ4 (t)

4→0
9/45
Par convention mathématique, les valeurs f(nT) sont représentées

par des impulsions d’aires respectivement égale à f(nT) aux instants
t = nT, (n = 0, 1, 2, ..).
Une impulsion d’aire f(nT), apparaissant à l’instant t = nT peut être
alors considérée comme une impulsion d’aire f(nT) à l’instant t = 0
retardée de t = nT. On peut donc la représenter par :
f (nT ).δ(t − nT )
Chaque impulsion est donc par définition =
lim (Créneau représenté ci dessous)
k→0
Figure – Impulsion d’aire f(nT) apparaissant à l’instant t = nT 10/45

Et, comme f ∗ (t), représente la collection de toutes les impulsions

f (nT ).δ(t − nT ) pour n = 0, 1, 2, 3, . . ., on peut écrire :
∞
X
f ∗ (t) = f (nT ).δ(t − nT )
n=0
Soit par exemple, pour t = 0 :
f ∗ (0) = f (0).δ(0 − 0.T ) + f (1).δ(0 − T ) + f (2).δ(0 − 2T ) + ...
= f (0).δ(0) + f (T ).δ(−T ) + f (2T ).δ(−2T ) + f (3T ).δ(−3T ) + ...

Or : δ(0) = 1 et δ(−T ) = δ(−2T ) = δ(−3T ) = 0
Nous obtenons :
f ∗ (0) = f (0)
11/45
Pour t = T :
f ∗ (T ) = f (0 ∗ T ).δ(T − 0 ∗ T ) + f (T ).δ(T − T ) + f (2T ).δ(T − 2T ) + ...
= f (0).δ(T ) + f (T ).δ(0) + f (2T ).δ(−T ) + f (3T ).δ(−2T ) + ...

Or : δ(0) = 1 et δ(T ) = δ(−T ) = δ(−2T ) = 0
Nous obtenons :
f ∗ (T ) = f (T )
Pour t = 2T :
f ∗ (2T ) = f (0∗T ).δ(2T −0∗T )+f (T ).δ(2T −T )+f (2T ).δ(2T −2T )+...
= f (0).δ(2T ) + f (T ).δ(T ) + f (2T ).δ(0) + f (3T ).δ(−T ) + ...

Or : δ(0) = 1 et δ(2T ) = δ(T ) = δ(−T ) = 0
Nous obtenons :
f ∗ (2T ) = f (2T )
12/45
II-3 Transformée de Laplace d’un signal échantillonné

Calculons maintenant la transformée de Laplace notée F ∗ (p), du signal
échantillonné f ∗ (t) :
X∞
L[f ∗ (t)] = L[ f (nT ).δ(t − nT )]
n=0
D’après la linéarité de L :
L[f (nT ).δ(t − nT )] = f (nT ).L[δ(t − nT )]
= f (nT ).e −nTp .L[δ(t)]
d’après le théorème du retard de la transformée.
= f (nT ).e −nTp
car L[δ(t)] = 1.
Donc, d’après la linéarité aussi de L, nous avons :
X∞ X∞ ∞
X
F ∗ (p) = L[ f (nT ).δ(t−nT )] = L[f (nT ).δ(t−nT )] = f (nT ).e −nTp
n=0 n=0 n=0
13/45
Reconstruction d’un signal continu
III- Reconstruction d’un signal continu
La Question primordiale que l’on doit doit se poser, lors de chaque

opération d’échantillonnage, soit la suivante : est-on capable de récupérer
à partir d’un signal échantillonné f ∗ (t) toute l’information contenue dans
le signal f (t).
Un bon exemple de reconstruction est les CD audio. La musique est
stockée de façon numérique sur les CD, puis le lecteur reconvertit ce
signal en forme analogique pour les haut-parleurs.
La reconstruction est un processus d’interpolation et peut être examiné
sous les deux aspects suivants :
Aspect théorique : Reconstruction mathématique exacte.
Aspect pratique : Reconstruction approchée.
14/45
III-1 Reconstruction mathématique exacte d’un signal

continu
Pour répondre à la question précédente, on parle de la notion de
”Quantité d’informations” contenue dans un signal. Prendrons comme
image de la quantité d’informations contenu dans un signal : Le spectre
fréquentiel du signal.
Nous somme donc amenés à étudier les propriétés spectrales du signal

échantillonné f ∗ (t).
En calculant dans le paragraphe juste suivante, la transformée de Fourier

d’un signal échantillonné, nous allons observer que l’échantillonnage a
pour effet de dupliquer à l’infini le spectre du signal continu.
De ce résultat, il est donc théoriquement bien possible de récupérer
le spectre principal du signal, en supprimant les spectres latéraux à
l’aide d’un filtre passe bas idéal.
Ce résultat est formulé dans un théorème appelé de Shannon.
15/45
Théorème de Shannon et choix du pas Te
Le théorème de Shannon, aussi appelé théorème de Nyquist, ou théorème

de l’échantillonnage, dit qu’on peut reconstruire exactement un signal à
partir de ses échantillons si la fréquence d’échantillonnage est plus de 2
fois la plus haute fréquence contenue dans le signal.
Théorème de Shannon
Pour un signal continu de fréquence maximale fmax , le taux
d’échantillonnage S doit être plus grand que 2fmax .
Le théorème de l’échantillonnage indique qu’il faut bien connaı̂tre les

fréquences d’un signal ou être en mesure d’en filtrer.
16/45
Par exemple, si on peut mesurer 2000 échantillons par seconde, il

faut limiter l’entrée à 1kHz.
S’il y a des fréquences au-dessus de 1 kHz présentes dans le signal
d’entrée, ces fréquences vont se replier à des fréquences entre 0 et
1000 Hz et se combiner avec l’information qui est légitimement dans
cette région.
Il y a plusieurs exemples du théorème d’échantillonnage dans la vie
courante.
Par exemple, les CD audio utilisent une fréquence d’échantillonnage
de 44.1 kHz pour le stockage, ce qui est un peu plus de 2 fois la
fréquence maximale perçue par l’oreille humaine, soit 20 kHz.
17/45
Démonstration du théorème de Shannon

Pour démontrer le théorème de Shannon, il s’agit de regarder comment
l’opération d’échantillonnage impacte le spectre du signal.
Nous démontrerons que l’impact est nul moyennant une condition simple
à retenir.
Notons par xe (t) le signal échantillonné qui résulte de l’échantillonnage
idéalisé doublement de l’entrée x(t).
+∞
X
xe (t) = x(t). δ(t − kTe )
k=−∞
Pour regarder l’impact sur le spectre, il s’agit de prendre la transformée

de Fourier des deux membres.
+∞
X
TF [xe (t)] = TF [x(t). δ(t − kTe )]
k=−∞
18/45
+∞
X
= TF [x(t)] ∗ TF [ δ(t − kTe )]
k=−∞
+∞
1 X k
= X (f ) ∗ . δ(f − )
Te Te
k=−∞
Car, la TF d’un produit simple des deux signaux est égale au produit de
convolution des leurs deux TF. On se souvient à présent de la propriété
de l’impulsion de Dirac :
x(t) ∗ δ(t − a) = x(t − a)
Qu’on combine avec la distributivité du produit de convolution par

rapport à l’addition. Il vient :
+∞ +∞
1 X k X
TF [xe (t)] = Xe (f ) = . X (f − ) = Fe . X (f − k.Fe )
Te Te
k=−∞ k=−∞
19/45
Il faut interpréter cette dernière équation graphiquement.

On va considérer un spectre particulier (en forme de triangle) mais il faut
bien comprendre que la forme du spectre réel importe peu, pourvu que le
signal admette une fréquence maximale.
La figure suivante, montre le module du spectre en fonction de la
fréquence.
Figure – Spectre principal du signal
Le signal à échantillonner étant réel, le module de son spectre est

pair et on admet que la fréquence maximal dans le signal d’entrée
vaut fmax (respectivement −fmax ).
20/45
P+∞
L’expression : TF [xe (t)] = Fe . k=−∞ X (f − k.Fe )
signifie que le spectre du signal échantillonné est, à la constante
multiplicative Fe près, la superposition du spectre initial, Xf pour
k = 0 et d’une infinité de répliques (pour les valeurs de k de −∞ à
+∞) qui correspondent au spectre principal (initial) décalé ou
translaté sur l’axe des fréquences d’un nombre entier relatif de Fe .
La figure ci-dessous représente cette périodisation du spectre initial

(on n’a représenté que la réplique k = 1 et k = −1 avec
Fe > 2fmax ). Ainsi, le motif initial et ses répliques sont bien disjoints.
21/45
Figure – Spectre du signal échantillonné
Si Fe est trop faible, alors les répliques recouvrent le motif initial ce

qui se traduit par une distorsion du spectre et par conséquent une
perte irréversible d’information (figure suivante).
22/45
Figure – Répliques recouvrant le motif initial
Quantitativement, il est aisé de déterminer la valeur limite pour

laquelle les répliques et le motif initial sont juste disjoints, il s’agit
de : Fe = 2.fmax Qu’on connaı̂t sous le nom de fréquence de Nyquist.
On trouve ainsi, le théorème de Shannon : Pour échantillonner un
signal sans distorsion, il faut l’échantillonner à au moins deux fois la
fréquence maximale qu’il contient.
23/45
Récupération du signal x(t)

Une fois nous avons le spectre du f (t), qui est égal au spectre
principal de f ∗ (t), on peut trouver f (t) par la transformée de
Fourier inverse.
Figure – Récupération du spectre principal

24/45
III-2 Reconstruction approchée d’un signal continu

Elle est généralement obtenue à l’aide d’un circuit appelé Bloquer d’ordre
zéro. Ce circuit permet de maintenir constante et égale à f (nTe ),
l’amplitude de l’impulsion entre les instants n.Te et (n + 1).Te .
Figure – Bloquer d’ordre zéro
La sortie, notée fBo (t) de ce circuit, attaqué par un signal échantillonné,

peut être modélisée comme suit :
fBo (t) = f (0), pour 0 ≤ t < Te .
fBo (t) = f (Te ), pour Te ≤ t < 2.Te . Ainsi de suite.
25/45
Figure – Échelon en intervalle
Si l’on désigne par u(t) l’échelon unitaire se produisant à t = 0, fBo (t),

peut s’écrire :
fBo (t) = f (0)[u(t) − u(t − Te )] + f (Te )[u(t − Te ) − u(t − 2Te )] + ...
26/45
Pour calculer la fonction de transfert notée Bo (p) de ce BOZ, prenons les

transformées de Laplace des deux membres, en utilisant : L[u(t)] = p1 et
L[f (t − τ )] = e −τ.p .L[f (t)], il vient :
f (0) f (Te ) −Te .p
FBo (p) = .[1 − e −Te .p ] + .e .[1 − e −Te .p ] + ...
p p
1 − e −Te .p
⇒ FBo (p) = .[f (0) + f (Te ).e −Te .p + f (2.Te ).e −2.Te .p + ...]
p
∞
1 − e −Te .p X
⇒ FBo (p) = . f (n.Te ).e −n.Te .p
p n=0
1 − e −Te .p ∗
⇒ FBo (p) = .F (p)
p
FBo (p)
Et, par définition de la fonction de transfert, le Bo (p) = F ∗ (p) , soit :
1 − e −Te .p
Bo (p) =
p
27/45
Transformée en Z
IV- Transformée en Z
IV-1 Définition de la transformée en Z
La transformée en Z d’un signal f (t), notée F (z) ou Z [f (t)] ou Z [f ∗ (t)]
ou Z [F (p)], est obtenue à partir de la transformée de Laplace F ∗ (p) du
signal échantillonné f ∗ (t), en posant : z = e Te .p
P∞
D’après l’expression de : F ∗ (p) = n=0 f (n.T ).e −n.T .p , il vient :
∞
X
F (z) = f (n.T ).z −n
n=0
Exemples :
Transformée en z de l’échelon unité : f (t) = u(t)
Par définition de F (z), on a :
∞
X ∞
X ∞
X
F (z) = f (n.T ).z −n = z −n = (z −1 )n
n=0 n=0 n=0
28/45
Transformée en Z
D’où, par sommation de la série géométrique de raison z −1 :

1 z
F (z) = −1
=
1−z z −1
Transformée en z d’une rampe : f (t) = t.u(t)

A partir de la définition de la transformée :
X∞ ∞
X ∞
X
F (z) = f (n.T ).z −n = n.T .z −n = T . n.z −n
n=0 n=0 n=0
Cette Pfois, ce n’est pas une série géométrique. Mais, on remarque
∞
que : n=0 z −n = 1−z1 −1 .
En dérivant les deux membres par rapport à z, nous obtenons :
∞
X −z −2
(−n).z −n−1 =
n=0
(1 − z −1 )2
En multipliant les deux membres par -z, nous obtenons :
z −1
P∞ −n z
n=0 (n).z = (1−z −1 )2 = (z−1)2 . D’où :
T .z
F (z) =
(z − 1)2 29/45
Transformée en Z
IV-2 Propriétés de la transformée en Z
Théorème de la Linéarité :
Z [λ1 .f1 (t) + λ2 .f2 (t)] = Z [λ1 .f1 (t)] + Z [λ2 .f2 (t)]
Théorème du retard temporel :
Z [f (t − k.T )] = Z [f (n.T − k.T )] = z −k .F (z), k : entier positif
Démonstration :
Soient deux signaux discrets f (k) et g (k) tels que :
f (n.T ) = 0 pour n < 0 (signal causal).
g (n.T ) = f ((n − k).T ), g (n.T ) = 0 pour n < k (k > 0).
30/45
Transformée en Z
Calculons G (z) la transformée en z de g (i.T ) :

∞
X ∞
X
G (z) = Z [g (i.T )] = g (i.T ).z −i = f ((i − k).T ).z −i
i=0 i=k
Puisque g (i.T ) = 0 sur les premiers échantillons. En posant

j = i − k, il vient :
∞
X ∞
X
G (z) = f (j.T ).z −j−k = z −k . f (j.T ).z −j = z −k .F (z)
j=0 j=0
Théorème de la translation temporelle en avance :
Z [f (t + k.T )] = z k .F (z) − z k .f (0)z k−1 .f (T ) − ... − z.f ((k − 1).T )
31/45
Transformée en Z
Théorème de la multiplication par e −a.t :
Z [e −a.t .f (t)] = Z [e −a.n.T .f (n.T )] = F (z.e a.T ), ∀aC
Démonstration :
∞
X ∞
X
Z [e −a.t .f (t)] = f (n.T ).e −a.n.T .z −n = f (n.T ).(z.e −a.T )−n
n=0 n=0
= F (z.e −a.T )
Théorème de la multiplication par at :
z
Z [at .f (t)] = Z [an.T .f (n.T )] = F ( ), ∀aC
aT
Démonstration :
Évident à partir du théorème précédent, en posant a = e −b .
32/45
Transformée en Z
Théorème de la valeur initiale :

lim f (n.T ) = f (0) = lim F (z)
n→0 z→+∞
Démonstration :
F (z) = f (0).z −0 + f (1).z −1 + f (2).z −2 + ... + f (n).z −n + ...
Lorsque z → +∞, F (z) → f (0).
Théorème de la valeur finale :

lim f (n.T ) = lim (1 − z −1 ).F (z)
n→+∞ z→1
Démonstration :
Z [f (tP+ T )f (t)] = z.F (z) − zf (0) − F (z)
∞
= k=0 (f ((k + 1).T ) − f (k.T )).z −k
Si l’on fait tendre vers 1, l’égalité devient :
lim (z − 1).F (z) − f (0) = lim f (k)) − f (0)
z→1 k→+∞
33/45
Transformée en Z
IV-3 Transformée en Z inverse
Il existe plusieurs méthodes pour déterminer la transformée en Z inverse

de F (z).
Utilisation directe de la table f (t), F (p), F (z).
Développement en fractions rationnelles élémentaires.
Division polynomiale suivant les puissances croissantes de z −1 .
Méthode de l’équation aux différences.
34/45
Transformée en Z
IV-3-1 Utilisation directe de la table f (t), F (p), F (z)

Pour trouver l’original dans le temps d’une fonction de transfert en z, une
utilisation directe de la table de transformation est parfois suffisante avec
un simple calcul.
F (p) f (t) f (n.T ) F (z)

1 δ(t) δ(n.T ) 1
−k.T .p −k
e δ(t − k.T ) δ(n.T − k.T ) z
1 z
p u(t) u(n.T ) z−1
1 T .z
p2 t.u(t) n.T .u(n.T ) (z−1)2
2
1 1 2 1 2 T .z(z+1)
p3 2! .t .u(t) 2! .(n.T ) .u(n.T ) 2.(z−1)3
1 −a.t −a.n.T z
(p+a) e .u(t) e .u(n.T ) z−e −a.T
1 −a.t −a.n.T T .z.e −a.T
(p+a)2 t.e .u(t) n.T .e .u(n.T ) (z−e −a.T )2
2
2 (n.T ) T 2 .e −a.T .z 2 −2.a.T
1
(p+a)3
t
2 .e −a.t .u(t) 2 .e −a.n.T .u(n.T ) 2.(z−e −a.T )2
+ T(z−e.e .z
−a.T )3
35/45
Transformée en Z
F (p) f (t) f (n.T ) F (z)

(1−e −a.T ).z
a
p.(p+a) (1 − e −a.t ).u(t) (1 − e −a.n.T ).u(n.T ) (z−1).(z−e −a.T )
ω0 z. sin ω0 .T
p 2 +ω02
sin(ω0 .t).u(t) sin(ω0 .n.T ).u(n.T ) z 2 −2.z. cos ω0 .T +1
p z.(z−cos ω0 .T )
p 2 +ω02
cos(ω0 .t).u(t) cos(ω0 .n.T ).u(n.T ) z 2 −2.z. cos ω0 .T +1
ω0 z. sinh ω0 .T
p 2 −ω02
sinh(ω0 .t).u(t) sinh(ω0 .n.T ).u(n.T ) z 2 −2.z. cosh ω0 .T +1
p z.(z−cosh ω0 .T )
p 2 −ω02
cosh(ω0 .t).u(t) cosh(ω0 .n.T ).u(n.T ) z 2 −2.z. cosh ω0 .T +1
36/45
Transformée en Z
IV-3-2 Décomposition en fractions rationnelles élémentaires

Dans l’analyse des signaux continus, on utilise souvent le développement
de la transformée de Laplace F (p) sous la forme :
A B
F (p) = + + ...
p+a p+b
La transformée de Laplace inverse de F (p) est :
f (t) = A.e −at + B.e −bt + ...
On peut utiliser la même forme de développement pour pour la

transformée en z, soit :
A B
F (z) = + + ...
z +a z +b
Mais, cette forme ne convient pas exactement, puisque la transformée
1
inverse de z+a ne figure pas dans les tables.
37/45
Transformée en Z
Par contre, on a Z [A.e −at ] = A.z

z−e −aT
.
Il en résulte que, si tous les termes du développement en fractions

élémentaires sont du type z−ez−aT , la fonction échantillonnée originale
revêt la forme d’une somme d’exponentielles. On procède donc, de la
façon suivante :
F (z)
On développe d’abord la fonction z en fractions élémentaires.
Puis, on multiplie par z chaque terme du développement.
Exemple : Trouver la transformée en z inverse de la fonction suivante :

2z
F (z) =
(z − 1)(z − 0.5)
38/45
Transformée en Z
On développe
F (z) 2 A B
= = +
z (z − 1)(z − 0.5) (z − 1) (z − 0.5)
En faisant le calcul, on trouve A = 4 et B = −4. Donc :

F (z) 4 4
= −
z (z − 1) (z − 0.5)
On multiplie par z, on trouve :

4.z 4.z
F (z) = −
(z − 1) (z − 0.5)
En posant, e −aT = 0.5, nous obtenons : F (z) = 4.z

(z−1) − 4.z
(z−e −aT )
Soit, finalement :
f (nT ) = 4 − 4.e −a.n.T
39/45
Transformée en Z
IV-3-3 Division polynomiale suivant les puissances

croissantes de z −1
P∞
D’après la définition de la transformée en z, F (z) = n=0 f (nT ).z −n , la
valeur de f (nT ) est le coefficient de z −n dans le développement en série
de F (z), selon les puissances croissantes de z −1 .
Pour obtenir le développement de F (z) en puissances de z −1 , on opère

par division, après avoir écrit F (z) sous la forme d’un quotient de deux
polynômes en z −1 .
Exemple : Trouver la transformée en z inverse de la fonction :
z2
F (z) =
(z − 1).(z 2 − 0, 4.z + 0, 1)
40/45
Transformée en Z
1 On écrit sous la forme d’un quotient de deux polynômes en z −1 .

Pour cela, on divise haut et bas par z −3 , il vient :
z −1
F (z) =
1 − 1, 4.z + 0, 5.z −2 − 0, 1.z −3
−1
Ensuite, on effectue la division suivante :
Figure – Division successive pour trouver f(n.T)

41/45
Transformée en Z
IV-3-4 Méthode de l’équation aux différences
Une équation aux différences désigne une relation de récurrence qui lie
entre elles les diverses valeurs d’une même fonction quantifiée dans le
temps.
La méthode s’appuie sur la formule :
Z −1 [z −k .F (z)] = f ((n − k).T ) = f (n − k), k = entier positif
La résolution d’une équation aux différences exige la connaissance des

conditions initiales. Cette résolution peut être faite par une méthode de
pas à pas, et elle peut faire facilement l’objet d’une programmation sur
un calculateur numérique.
Précisons cette méthode en traitant l’exemple suivant.
42/45
Transformée en Z
Exemple : Calculons la transformée en z inverse de X (z) en utilisant les

relations suivantes :
X (z) 0.3z
Y (z) = z−0.2
Y (z) étant supposée connue par ses valeurs y (nT ), avec :
y (nT ) = 1∀n = 0, 1, 2, ...
En divisant haut et bas par z, li vient :
X (z) 0.3
=
Y (z) 1 − 0.2.z −1
X (z) = 0.2.z −1 .X (z) + 0.3.Y (z)

Prenons la transformée en z inverse des deux membres, il vient :
x(n) = 0.2.x(n − 1) + 0.3.y (n)
43/45
Transformée en Z
Supposons, pour fixer les idées que nous avons comme condition initiale
du signal x : x(−1) = 0.
L’équation se résoudre par la construction du tableau de valeurs
suivantes :
n x(n − 1) y (n) x(n) = 0.2.x(n − 1) + 0.3.y (n)
0 0 1 0.3
1 0.3 1 0.36
2 0.36 1 0.372
3 0.372 1 0.3744
4 0.374 1 0.37488
Et quand n → ∞, x(n − 1) et x(n) → L et y (n) = 1, donc : 0.8.L = 0.3

⇒ L = 38 = 0.375
La dernière colonne du tableau constitue la transformée en z inverse de la
fonction X (z).
44/45
Transformée en Z
Merci pour votre attention
45/45

Chap - 01 - Généralités sur la commande numérique-١

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

Chap - 01 - Généralités sur la commande numérique-١

Transféré par

Droits d'auteur :

Formats disponibles

Généralités sur la commande numérique

Généralités sur la commande numérique

Dr. Ing. MOHAMED SASS MOHAMDY

Cours sur la Commande Numérique

1 Concepts de la commande numérique

2 Échantillonnage d’un signal

3 Reconstruction d’un signal continu

I- Concepts de la commande numérique

La mise en œuvre des asservissements numériques nécessite l’usage

La conversion d’un signal numérique en un signal analogique :

La synthèse de la loi de commande :

L’objectif d’une commande numérique est de déterminer la valeur du

Concrètement, la loi de commande numérique s’exprime comme une

Figure – Structure de base d’une commande numérique

I-2- Intérêts de la commande numérique

II- Échantillonnage d’un signal

Figure – Échantillonnage d’un signal 7/45

L’échantillonnage permet donc de convertir un signal continu à un

Figure – Symbole d’échantillonnage d’un signal

On ne s’intéresse pas ici à l’électronique de cette conversion, mais

Afin de simplifier les expressions mathématiques, on se place dans le

II-2 Expression mathématique d’un signal échantillonné

Pour obtenir une expression mathématique de f*(t), on fait appel au

Figure – Impulsion de Dirac

δ(t) = lim δ4 (t)

Par convention mathématique, les valeurs f(nT) sont représentées

Figure – Impulsion d’aire f(nT) apparaissant à l’instant t = nT 10/45

Et, comme f ∗ (t), représente la collection de toutes les impulsions

Soit par exemple, pour t = 0 :

f ∗ (0) = f (0).δ(0 − 0.T ) + f (1).δ(0 − T ) + f (2).δ(0 − 2T ) + ...

= f (0).δ(0) + f (T ).δ(−T ) + f (2T ).δ(−2T ) + f (3T ).δ(−3T ) + ...

f ∗ (T ) = f (0 ∗ T ).δ(T − 0 ∗ T ) + f (T ).δ(T − T ) + f (2T ).δ(T − 2T ) + ...

= f (0).δ(T ) + f (T ).δ(0) + f (2T ).δ(−T ) + f (3T ).δ(−2T ) + ...

= f (0).δ(2T ) + f (T ).δ(T ) + f (2T ).δ(0) + f (3T ).δ(−T ) + ...

II-3 Transformée de Laplace d’un signal échantillonné

III- Reconstruction d’un signal continu

La Question primordiale que l’on doit doit se poser, lors de chaque

III-1 Reconstruction mathématique exacte d’un signal

Nous somme donc amenés à étudier les propriétés spectrales du signal

En calculant dans le paragraphe juste suivante, la transformée de Fourier

Théorème de Shannon et choix du pas Te

Le théorème de Shannon, aussi appelé théorème de Nyquist, ou théorème

Le théorème de l’échantillonnage indique qu’il faut bien connaı̂tre les

Par exemple, si on peut mesurer 2000 échantillons par seconde, il

Démonstration du théorème de Shannon

Pour regarder l’impact sur le spectre, il s’agit de prendre la transformée

x(t) ∗ δ(t − a) = x(t − a)

Qu’on combine avec la distributivité du produit de convolution par

Il faut interpréter cette dernière équation graphiquement.

Figure – Spectre principal du signal

Le signal à échantillonner étant réel, le module de son spectre est

La figure ci-dessous représente cette périodisation du spectre initial

Figure – Spectre du signal échantillonné

Si Fe est trop faible, alors les répliques recouvrent le motif initial ce

Figure – Répliques recouvrant le motif initial

Quantitativement, il est aisé de déterminer la valeur limite pour

Récupération du signal x(t)

Figure – Récupération du spectre principal

III-2 Reconstruction approchée d’un signal continu

Figure – Bloquer d’ordre zéro

La sortie, notée fBo (t) de ce circuit, attaqué par un signal échantillonné,

Figure – Échelon en intervalle

Si l’on désigne par u(t) l’échelon unitaire se produisant à t = 0, fBo (t),

Z [e −a.t .f (t)] = Z [e −a.n.T .f (n.T )] = F (z.e a.T ), ∀aC