Académique Documents
Professionnel Documents
Culture Documents
1. INTRODUCTION
Dans la réalité industrielle, la complexité des systèmes, ainsi que celle des traitements à réaliser, nécessite
souvent le recours à des outils numériques de traitement : ordinateurs, calculateurs, systèmes numériques
en tout genre.
De tels outils ne peuvent en aucun cas s’accommoder de signaux continus ; ceux-ci doivent être
transformés en suites de nombres pour pouvoir être traités (Figure 1.1). De même, ces systèmes
délivrent, à leur sortie, des suites de valeurs numériques, autrement dit, des signaux numériques
Remarque : On parle aussi de systèmes et de signaux à temps discret par opposition à la notion de temps
continu.
Pour transformer un signal continu en une suite de nombres compatible avec un système de traitement
numérique, on a recours à deux opérations successives : l’échantillonnage qui consiste à prélever des
valeurs discrètes du signal, puis, la conversion analogique numérique qui transforme ces échantillons en
nombres binaire (Figure 1.2).
L’échantillonnage réalise donc une discrétisation dans le temps, tandis que la conversion analogique
numérique réalise une discrétisation en amplitude. En effet, si on considère qu’un convertisseur analogique
numérique dispose de n bits en sortie pour coder la valeur numérique du signal, celui-ci ne pourra prendre
que 2n valeurs.
Par convention, on notera e∗ (t) le signal échantillonné avant sa conversion analogique numérique.
1
Figure 1.02 Échantillonnage et conversion analogique numérique d’un signal
2.1 Définition
L’échantillonnage d’un signal temporel s(t) consiste à transformer celui-ci en une suite discrète s(nTe) de
valeurs prises à des instants nTe. Te est appelée période d’échantillonnage. Les instants nTe sont appelés
les instants d’échantillonnages. Pratiquement, échantillonner un signal revient à le multiplier par une
fonction d’échantillonnage p(t), nulle partout, sauf au voisinage des instants nTe. Cette fonction, qui porte
souvent le nom de peigne, est représentée sur la Figure 1.03. Le résultat d’une opération
d’échantillonnage, visible sur la Figure 1.4, est :
s∗(t) = p(t) s(t)
2
Remarque : En toute logique, cette suite ne correspond pas encore à des valeurs numériques. Ce signal
échantillonné est un signal analogique à temps discret.
2.2 Spectre d’un signal échantillonné
Supposons qu’un signal s(t) à échantillonner soit à énergie finie et possède, par conséquent, une
transformée de Fourier :
+∞
𝑆(𝑓 ) = ∫0 𝑠(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 avec 𝜔 = 2𝜋𝑓
Calculons alors la transformée de Fourier S∗( f ) du signal échantillonné s∗(t). Le signal p(t) étant
périodique, il possède une décomposition en série de Fourier que nous pouvons écrire, sans la calculer :
+∞
On a alors :
+∞
+∞ +∞
+∞ +∞
∗(
𝑆 𝑓 ) = ∑ [𝐴𝑛 ∫ 𝑠(𝑡)𝑒 𝑗𝑛Ω𝑒 𝑡 𝑒 −𝑗ω𝑡 d𝑡]
𝑛=−∞ −∞
+∞ +∞
∗(
𝑆 𝑓 ) = ∑ [𝐴𝑛 ∫ 𝑠(𝑡)𝑒 −𝑗(ω−𝑛Ω𝑒 )𝑡 d𝑡]
𝑛=−∞ −∞
Soit :
+∞
∗(
𝑆 𝑓 ) = ∑ [𝐴𝑛 𝑆(𝑓 − 𝑛𝑓𝑒 )] 𝑎𝑣𝑒𝑐 𝑓𝑒 = Ω𝑒 ⁄2𝜋 = 1⁄𝑇𝑒
𝑛=−∞
La transformée de Fourier du signal échantillonné apparaît donc comme une superposition des
transformées de Fourier de s(t) aux points f - n fe, fe étant la fréquence d’échantillonnage choisie. Pour
n=0, on retrouve le spectre |S( f )| du signal initial. Pour n non nul, on retrouve ce même spectre, mais
décalé, par rapport à |S( f )| de nfe avec n ∈ Z. On dit aussi que S( f ) est périodique de fréquence fe. La
Figure 1.05 présente les spectres comparés de s(t) et de s∗(t).
3
.Figure 1.5 Spectre d’un signal échantillonné
On peut remarquer sur le spectre ci-dessous (Figure 1.6) que la fréquence d’échantillonnage doit être telle
que fe – B > B, soit fe > 2B, sinon il y a recouvrement des spectres, ceci constituant le théorème de Shannon.
4
La Figure 1.7 propose une représentation schématique de cette impulsion unité
𝑢∗ (𝑡) = ∑ 𝛿 ∗ (𝑡 − 𝑘𝑇𝑒 )
𝑘=0
𝑢∗ (𝑡) = ∑ 𝛿𝑘
𝑘=0
5
𝑠 ∗ (𝑡) = {𝑠0, 𝑠1 , 𝑠2, … , 𝑠𝑛 }
Avec 𝑠𝑖 = 𝑠(𝑖𝑇𝑒 )
Ou encore 𝑠(𝑘) = {𝑠0 , 𝑠1, 𝑠2, … , 𝑠𝑛 }
Cette suite n’est rien d’autre que la somme d’impulsions unités décalées dans le temps et multipliées,
chacune, par le coefficient sk :
𝑠 ∗ (𝑡) = 𝑠0 𝛿 ∗ (𝑡) + 𝑠1 𝛿 ∗ (𝑡 − 𝑇𝑒 ) + 𝑠2𝛿 ∗ (𝑡 − 2𝑇𝑒 ) + ⋯
Soit :
𝑛
𝑠 ∗ (𝑡) = ∑ 𝑠𝑘 𝛿 ∗ (𝑡 − 𝑘𝑇𝑒 )
𝑘=0
D’où 𝑛
∗(
𝑠 𝑡) = ∑ 𝑠𝑘 𝛿𝑘
𝑘=0
Nous pouvons toujours calculer la transformée de Laplace de s∗(t) :
𝑛
𝑆 𝑝) = ∑ 𝑠𝑘 ∆∗𝑘 (𝑝)
∗(
𝑘=0
Dans cette expression, ∆∗𝑘 (𝑝) représente la transformée de Laplace d’une impulsion unité à l’instant kTe,
représentée sur la Figure 1.9
𝑆 𝑝) = ∑ 𝑠𝑘 𝑒 −𝑝𝑘𝑇𝑒
∗(
𝑘=0
𝑆 𝑝) = ∑ 𝑠𝑘 ɀ −𝑘
∗(
𝑘=0
La transformation en z peut être notée : s(t) → Z(s)
6
4.2 Intérêt de la transformée en ɀ
Nous allons retrouver avec la transformée en ɀ, le même intérêt que celui que nous avions trouvé à la
transformée de Laplace pour les signaux à temps continu. Lorsque nous saurons modéliser le
fonctionnement d’un système numérique par une fonction de transfert en ɀ, nous disposerons d’un outil
complet permettant de décrire, donc d’étudier leur fonctionnement.
Tout comme l’on écrivait : S( p) = G( p)E( p),
on écrira alors : S(ɀ) = G(ɀ)E(ɀ)
4.3 Propriétés de la transformée en z
a) Linéarité
Soit s1(t) et s2(t) deux signaux quelconques possédant chacun une transformée en ɀ, S1(ɀ) et S2(ɀ). La
transformée en ɀ d’une combinaison linéaire λs1(t)+μs2(t) de ces deux fonctions est égale à λS1(ɀ)+μS2(ɀ).
b) Théorème du retard
Soit s(t) un signal quelconque possédant une transformée en ɀ, S(ɀ) et soit x(t) = s(t − aTe) correspondant
au même signal retardé d’un temps aTe. La transformée en ɀ de s(t − aTe) est égale à :
X(ɀ) = ɀ −aS(z)
c) Théorème de la valeur initiale
Soit s(t) un signal quelconque possédant une transformée en ɀ, S(ɀ). Soit (sk) la suite échantillonnée
correspondant au signal s(t). lim 𝑠𝑘 = 𝑠(0) = lim 𝑆(ɀ)
k→0 ɀ→∞
7
4.4 Transformée en z de signaux usuels
a) Impulsion unité
L’impulsion unité étant définie par :
𝛿𝑘 = 1 pour 𝑘 = 0
𝛿𝑘 = 0 pour 𝑘 ≠ 0
On a :
+∞
∆(ɀ) = ∑ 𝛿𝑘 ɀ−𝑘 = ɀ0 = 1
𝑘=0
b) Échelon unité
c) Rampe unité
La rampe unité en temps continu est définie par :
v(t) = t pour t ≥ 0
En remarquant que v(t) = t · u(t) et en utilisant la propriété étudiée précédemment, on obtient :
d𝑈(ɀ ) d ɀ
𝑉(ɀ ) = −ɀ𝑇𝑒 = −ɀ𝑇𝑒 dɀ (ɀ−1)
dɀ
(ɀ−1 )−ɀ
Soit : 𝑉(ɀ ) = −ɀ𝑇𝑒 (ɀ−1 ) 2
ɀ𝑇
d'où : 𝑉(ɀ ) = (ɀ−1𝑒) 2
d) Exponentielle décroissante
Soit s(t) le signal défini par s(t) = e−at pour t ≥ 0. La transformée en ɀ de ce signal a pour expression :
𝑛 𝑛 𝑛 𝑘
−𝑎𝑘𝑇𝑒 −𝑘 (𝑎𝑇𝑒 )−𝑘 −𝑘
1
𝑆(ɀ) = ∑ 𝑒 ɀ =∑ 𝑒 ɀ = ∑( )
𝑒 𝑎𝑇𝑒 ɀ
𝑘=0 𝑘=0 𝑘=0
𝑛
1 𝑒 𝑎𝑇𝑒 ɀ ɀ
𝑆(ɀ) = ∑ = 𝑎𝑇 =
𝟏 𝑒 𝑒 ɀ − 1 ɀ − 𝑒 −𝑎𝑇𝑒
𝑘=0 1 − 𝑎𝑇𝑒 ɀ
𝑒
8
5. FONCTION DE TRANSFERT EN Z
5.1Relations entre échantillons de sortie et échantillons d’entrée : équation récurrente
La modélisation initiale d’un système à temps discret conduit souvent à l’écriture d’une équation
récurrente entre différents termes des séquences d’entrée et de sortie. La forme générale d’une équation
récurrente linéaire peut être donnée par
an s k n an 1s k n 1 ... a1s k 1 a0 s k bme k m bm 1e k m 1 ... b1e k 1 b0e k
Par hypothèse an 0 et n est appelé l’ordre du système. Le système est dit causal si les
sorties dépendent uniquement des évènements passés. Pour cela il doit obligatoirement vérifier .
Cette formulation de l’équation récurrente est bien adaptée au calcul numérique. C’est la forme sous
laquelle seront présentés les algorithmes de commande des procédés
De la même manière que l’on associe à un système à temps continu, une fonction de transfert, par
bm z z1 z z1 .... z zm
G z
a z p1 z p1 .... z pn
Avec : bm
pi 1,..., n : pôles z j 1,...,m : zéros k : gain
an
Par définition les pôles du système sont les racines du polynôme dénominateur et les zéros du système
sont les racines du polynôme numérateur. Les uns et les autres sont par défaut des nombres soit réels
soit complexes
9
5.2Définition de la fonction de transfert en ɀ
Considérons un système régi par une équation. Soit E(ɀ) la transformée en ɀ du signal d’entrée et S(ɀ)
. celle du signal de sortie
Rappelons que :
𝑛 𝑛
𝑆(ɀ) = ∑ 𝑠𝑘 ɀ −𝑘 𝐸 (ɀ) = ∑ 𝑒𝑘 ɀ −𝑘
𝑘=0
et 𝑘=0
𝑠𝑘 = ∑ 𝑎𝑖 𝑒𝑘−𝑖 + ∑ 𝑏𝑗 𝑠𝑘−𝑗
𝑖=−𝑚 𝑗=1
−k
Cela revient à multiplier sk par ɀ et à sommer pour k variant de 0 à n :
𝑛 𝑛 𝑝 𝑞
∑ 𝑒𝑘−𝑖 ɀ −𝑘 = ɀ −𝑖 ∑ 𝑒𝑘 ɀ −𝑘 = ɀ −𝑖 𝐸(ɀ)
𝑘=0 𝑘=0
De même : 𝑛 𝑛
∑ 𝑠𝑘−𝑗 ɀ −𝑘 −𝑗 ∑ 𝑠𝑘 ɀ −𝑘 = ɀ −𝑗 𝑆(ɀ)
= ɀ
𝑘=0 𝑘=0
On en déduit donc : 𝑝 𝑞
−𝑖
𝑆(ɀ) = ∑ 𝑎𝑖 ɀ 𝐸(ɀ) + ∑ 𝑏𝑗 ɀ −𝑗 𝑆(ɀ)
𝑖=−𝑚 𝑗=1
soit : 𝑞 𝑝
𝑆(ɀ) [1 − ∑ 𝑏𝑗 ɀ −𝑗 ] = 𝐸(ɀ) ∑ 𝑎𝑖 ɀ −𝑖
𝑗=1 𝑖=−𝑚
en posant : ∑𝑝𝑖=−𝑚 𝑎𝑖 ɀ −𝑖
𝑆 (ɀ)
𝐺 (ɀ) = =
𝐸(ɀ) 1 − ∑𝑞𝑗=1 𝑏𝑗 ɀ −𝑗
on définit la fonction de transfert en ɀ, G(ɀ ) du système.
10
Remarque : Pour obtenir rapidement la fonction de transfert en ɀ à partir d’une équation, il suffit de
remplacer chaque ek−i et chaque sk−j respectivement par ɀ−𝒊 𝐸(ɀ) et ɀ−𝒋 𝑆(ɀ).
L’équation 𝑠𝑘 = ∑𝑝𝑖=−𝑚 𝑎𝑖 𝑒𝑘−𝑖 + ∑𝑞𝑗=1 𝑏𝑗 𝑠𝑘−𝑗 donne donc immédiatement :
𝑝 𝑞
𝑠𝑘 = ∑ 𝑎𝑖 𝑒𝑘−𝑖
𝑖=0
Appliquons la transformation en z à chacun des membres :
𝑝
𝑆(ɀ) = ∑ 𝑎𝑖 ɀ −𝑖 𝐸(ɀ)
𝑖=0
On en déduit immédiatement :
𝑝
𝑆(ɀ)
𝐺 (ɀ) = = ∑ 𝑎𝑖 ɀ −𝑖 = 𝑎0 + 𝑎1 ɀ −1 + 𝑎2 ɀ −2 + ⋯ + 𝑎𝑝 ɀ −𝑝
𝐸(ɀ)
𝑖=0
6. TRANSFORMÉE EN Z INVERSE
La définition formelle de la transformée en ɀ inverse est :
1
𝑥 (𝑘 ) = ɀ−1 {𝑋(ɀ)} = ∮ 𝑋(ɀ)ɀ𝑘−1 𝑑 ɀ
2𝜋𝑗
Mais les outils en pratique utilisés pour déterminer la TZ-1 sont les suivants :
a) Utilisation de la table
ɀ
Exemple : s(ɀ) = ɀ−0,5
ɀ
La TZ est de la forme (ɀ) = ɀ−a avec a= 0,5 ce qui donne pour 𝑠(𝑘 ) = 0,5𝑘
11
b) Division polynomiale
ɀ
Exemple s(ɀ) = ɀ−0,5
ɀ2
Exemple s(ɀ) = (ɀ−1)(ɀ−0,2)
s(ɀ) ɀ 1.25 −0,25
On divise par ɀ le signal et on décompose : = (ɀ−1)(ɀ−0,2) = (ɀ−1) + (ɀ−0,2)
ɀ
ɀ ɀ
Donc s(ɀ) = 1,25 (ɀ−1) − 0,25 (ɀ−0,2) d’où s(𝑘 ) = 1,25 − 0,25(0,2)𝑘
12
Problématique 7.1
Considérons (Figure 1.11) un système à temps continu modélisé par sa fonction de transfert G( p). Nous
possédons une bonne connaissance de ce type de modèles et il est tout à fait légitime de s’interroger sur
l’existence d’un système échantillonné possédant les mêmes caractéristiques, c’est-à-dire le même
comportement temporel et le même comportement fréquentiel.
13
Si l’on effectue cette intégration entre les instants (n-1).Te et
n.Te:
yn – yn-1 = aire du trapèze défini ci-contre,
soit yn – yn-1 = (xn + xn-1).Te/2.
En passant à la transformée en ɀ :
Y(ɀ).(1 – ɀ -1) = X(ɀ).(1 + ɀ -1). Te/2
On passe donc de la transformée en ɀ d’un signal à la transformée en ɀ de son intégrale, en multipliant la
1+ɀ−1 𝑇𝑒
transformée en ɀ du signal par : 1−ɀ−1 2
Or un intégration en Laplace correspond à une division par p, on aura donc la correspondance :
2 (1−ɀ−1)
𝑝↔𝑇 qui constitue la transformation bilinéaire.
𝑒 (1+ɀ−1)
7.3 Équivalence modale : Les expressions fournies en annexe correspondent à des fonctions de transfert
que l’on a systématiquement adaptées pour que leurs gains statiques concordent.
Par conséquent, il est impossible, lorsque deux systèmes sont associés en cascade de calculer l’équivalent
de la fonction de transfert globale G0(p)= G1(p)G2(p) par la multiplication pure et simple de G1(z)G2(z). En
effet, en cherchant l’équivalent G0(z) de G0(p), on suppose implicitement que seuls les signaux d’entrée et
de sortie de G0 sont échantillonnés. Et lorsque l’on écrit G1(z)G2(z), on suppose que le signal sortant de G1
et entrant dans G2 est lui aussi échantillonné, sinon, on ne pourrait trouver ces deux équivalents
14