Vous êtes sur la page 1sur 63

UNIVERSITE ABDELMALEK ESSAADI

Ecole Nationale des Sciences Appliquées de Tanger

Cours de commande numérique


2ème année du cycle ingénieur GSEA & GIND

Préparé par:
Pr. L. El Menzhi

L. EL MENZHI
SOMMAIRE
Avant propos

CHAPITRE I :

AUTOMATIQUE DES SYSTEMES LINEAIRES CONTINUS–


RAPPELS………………..... ...……………………………………….. 4

CHAPITRE II :

MODELISATION DES SIGNAUX ET DES SYSTEMES


ECHANTILLONNES……..…………………………………………… 18

CHAPITRE III :

TRANSMITANCE ET PERFORMANCES DES SYSTEMES


ECHANTILLONNES LINEAIRES …………………………………… 25

CHAPITRE IV :

CORRECTION DES SYSTEMES ECHANTILLONNES


ASSERVIS …………...…………..………..……………………..……. 34

CHAPITRE V :

LA REPRESENTATION D’ETAT DES SYSTEMES A TEMPS


CONTINU ……………………………………………….………. 39

CHAPITRE VI :

LA REPRESENTATION D’ETAT DES SYSTEMES A TEMPS


DISCRET..……………………………………………………………… 49

CHAPITRE VII :

COMMANDE PAR RETOUR D’ETAT – LES OBSERVATEURS..… 55

BIBLIOGRAPHIE

ANNEXE

L. EL MENZHI
AVANT PROPOS

Depuis l'apparition et le développement des systèmes informatiques (micro- processeurs, micro-


ordinateurs, micro-contrôleurs), leur utilisation en commande et régulation des systèmes
industriels ne cesse de s'accroître.
Ce développement résulte essentiellement de la souplesse de réalisation des régulateurs
numériques: la mise au point et le réglage consistent essentiellement à déterminer les
coefficients d'une équation dite équation récurrente, qui constitue le cœur d'un programme de
calcul exécuté en boucle par un processeur. Le coût de développement et de maintenance d'un
tel régulateur est donc nettement plus avantageux que la réalisation de cartes analogiques
spécifiques, nécessaires à la réalisation de régulateurs analogiques.
Cependant, le traitement numérique présente quelques différences importantes par rapport au
traitement analogique:
• Les valeurs des grandeurs physiques constituant les signaux analogiques doivent être
représentées par des nombres;
• les opérations numériques réalisées par le processeur ne se font pas
instantanément: il faut donc introduire la prise en compte de la durée du calcul. En fait,
vu d'un calculateur numérique, le temps ne peut pas s'écouler de façon continu. Le
temps se définit sur un ensemble discret: les instants d'échantillonnage, séparés par
un intervalle de temps régulier appelé la période d'échantillonnage.
Il est donc nécessaire de définir des outils mathématiques nouveaux, adaptés au temps discret,
pour représenter ces signaux et systèmes échantillonnés, puis d'adapter les outils et méthodes de
l'automatique analogique (à temps continu) à la conception de régulateurs numériques.
Ce document est est un support de cours destiné à des élèves ingénieurs de l’ENSA de Tanger.
L’objectif de ce cours est d’aborder certains aspects de la commande numérique des systèmes. Les
pré-requis concernent des aspects mathématiques sont : la manipulation de fonctions et de suites, le
calcul intégral et les séries, le calcul matriciel, la transformée de Laplace; ainsi qu’une bonne
connaissance de l’Automatique des systèmes linéaires à temps continu. Partant de procédés
physiques modélisées par des fonctions de transfert en p (variable de Laplace) nous aborderons
successivement la modélisation de systèmes discrets et échantillonnés, leur analyse et pour finir
la synthèse de lois de commande numériques.

L. EL MENZHI
L’AUTOMATIQUE DES SYSTEMES LINEAIRES
CONTINUS - RAPPEL

I- Introduction:
L’automatique est la science et technique de l’automatisation qui étudient les méthodes et les
technologies propres à la conception et à l’utilisation des systèmes automatiques. Elle traite la
modélisation, l’analyse, la commande et la régulation des systèmes.
Un système est dit automatique lorsqu’il effectue une ou plusieurs opérations sans l’intervention
de l’homme.
Automatiser un système revient à y intégrer des dispositifs automatiques de manière à réduire où à
supprimer l’intervention de l’homme (automatisation totale ou partielle). Cette automatisation
peut être dictée par la complexité des taches à réaliser ou par leur répétitivité (travail à la chaîne,
travail d’une machine à laver, les feux ……).
Des systèmes automatiques copient souvent le travail de l’homme dans les trois phases
essentielles de son travail.
1ère phase: observation,
2ème phase: réflexion,
3ème phase: action,
Retour à la 1ère phase.

1- Exemple:
Remplir un réservoir d’eau à une hauteur donnée h.

1ère phase: observation du niveau d’eau actuel,


2ème phase: comparaison avec le niveau d’eau souhaité,
3ème phase: action sur le robinet (la vanne) (l’ouvrir ou la fermer).

2- Systèmes linéaires continus - stationnaires:


• Un système est dit continu si son entrée et sa sortie sont des fonctions continues du temps.

L. EL MENZHI
• Un système est dit linéaire si il répond au principe de superposition (proportionnalité et
additivité).

- Principe de proportionnalité:
L’effet est proportionnel à la cause qui lui a donné naissance : si y est la réponse à une entrée x,
alors αy est la réponse à αx.
- Principe d’additivité:
La réponse y(t) d’un système linéaire produite par plusieurs signaux d’entrée x1(t), x2(t),..xn(t)
agissant simultanément, est égale à la somme des réponses produites par chacun des signaux
agissant seul.

II- Transformée de Laplace:


L’intérêt de la transformée de Laplace est que les équations différentielles deviennent par
transformation de Laplace des équations algébriques, donc faciles à résoudre.

1- Définition:

f(t) définie sur IR+ t ≥ 0, la transformée de laplace de cette fonction est définie comme:
+∞
F ( p)= ∫ f (t ) e − p t dt = L ( f (t )) .
0
La transformée inverse de Laplace d’une fonction du temps F(p) est définie par: la fonction de la
pulsation complexe définie par:
+∞
f (t ) = ∫ F ( p ) e p t dp .
−∞

2- Propriétés:

a- Unicité:

La transformée de Laplace d’une fonction f(t) est unique. La transformée inverse de Laplace f(t)
est aussi unique.

b- Linéarité:

* L (α f(t) + β g(t)) = α L(f(t)) + β L (g(t)) α, β E IR


* La transformée de Laplace du produit de deux fonctions du temps n’est pas égale au produit des
deux transformées de Laplace: L (f(t) . g(t)) ≠ L(f(t)) × L (g(t))

c- Produit de convolution:
+∞
( f * g )(t ) = ∫− ∞ f (x ) g (t − x ) dx (c’est le produit de convolution)
L (f(t)*g(t)) = L(f(t)) . L (g(t))

d- Théorème des limites:


Le théorème de la valeur initiale: lim f (t ) = lim p F ( p )
t → 0+ p→+∞

L. EL MENZHI
Le théorème de la valeur finale: lim f (t ) = lim+ p F ( p )
t →+∞ p→0

e- Dérivation et intégration:

• Dérivation: étant donnée une fonction f(t) définie positive et dérivable sur IR+*, alors la
transformée de Laplace de f’(t) est:
L (f ’(t)) = p F(p) – f(0).
d g (t )
• Intégration: étant donné deux fonctions f(t) et g(t) tel que: f (t ) = alors
dt
L (g(t))=F(p)/p + g(0)/p

f- Retard pur:

Etant donné une fonction f(t) et un retard T > 0: L (f(t-T)) = e-p t L (f(t))

g- Amortissement:

Etant donné une fonctions f(t), en cas de présence d’amortissement:


L (e-at f(t)) = F(p+a) avec L (f(t)) = F(p)

3- Détermination des signaux temporels:

N ( p)
Considérons F ( p ) = avec deg(N)≤deg(D)
D( p )

N ( p ) N1 ( p ) N 2 ( p ) N 3 ( p )
F ( p)= = + +
D( p ) D1 ( p ) D2 ( p ) D3 ( p )
Avec:

1- D1(p) est un polynôme ayant toutes les racines simples,


2- D2(p) est un polynôme ayant toutes les racines complexes conjuguées deux à deux,
3- D3(p) est un polynôme ayant des racines multiples.

- Cas 1: Si les pôles sont simples

N1 ( p ) A0 A1 An −1
= + +L L L +
D1 ( p ) p − p 0 p − p1 p − p n −1
Avec:
N1 ( p )
Ak = ( p − p k ) p = pk ⇒ Ak = ( p − p k ) F ( p ) p = p k
D1 ( p )

- Cas 2: Si les pôles sont complexes

De la même façon, on détermine les coefficients aux cas ou les pôles sont à racines complexes
conjugués 2 à 2 simples.

L. EL MENZHI
- Cas 3: Si les pôles sont multiples alors :

N3 ( p) N3 ( p) N 30 N 31 N 3m
= = + +L L L +
D3 ( p ) ( p − p 0 ) ( p − p1 ) L L ( p − p m )
k0 k1 km
( p − p0 ) k0
( p − p1 ) k1
( p − p m )km
N 30 A1 A2 Ak 0
= + +L L L +
( p − p0 ) k0
( p − p0 ) ( p − p0 ) 2
( p − p 0 )k 0

Avec : Ak =
1 d k0 − k
(k 0 − k )! dp k0 −k
[( p − p )
k
k0
]
F ( p) p = p0

III- Représentation des systèmes linéaires continus et


stationnaires:

Pour réaliser la commande automatique d’un système, il est nécessaire d’établir une relation entre
ses entrées et ses sorties. L’ensemble de ces relations est dit modèle mathématique du système.

1- Représentation par fonction de transfert:

Un système linéaire peut être décrit par des équations différentielles linéaires à cœficients
constants liant ses grandeurs d’entrée et ses grandeurs de sortie, Càd:
d ns d n −1 s d n−2 s ds d me d m −1e de
a n n + a n −1 n −1 + a n − 2 n − 2 + L L L + a1 + a 0 s = bm m + bm −1 m −1 + L L + b1 + b0 e
dt dt dt dt dt dt dt
a0, a1, …………, an, b0, b1, ……………., bn coefficients constants.

Si on suppose que les conditions initiales sont nulles: initialement au repos et appliquer la
transformée de Laplace.

a n p n S ( p ) + a n −1 p n −1 S ( p ) + L L L + a1 p S ( p ) + a 0 S ( p ) = bm p m E ( p ) + L L + b1 p E ( p ) + b0 E ( p )

L(s(t)) = S(p) et L(e(t)) = E(p)

(a n ) (
p n + a n −1 p n −1 + L L L + a1 p + a 0 S ( p ) = bm p m + L L + b1 p + b0 E ( p ) )
S ( p) bm p m + L L + b1 p + b0
= = H ( p)
E( p) a n p n + a n −1 p n −1 + L L L + a1 p + a 0

H(p) appelée fonction de transfert du système ou bien transmittance du système.

Remarque:

* n: est l’ordre du système,


N ( p)
* H(p) peut être écrite sous la forme suivante: H ( p ) =
D ( p)
* les racines de N(p) sont dit les zéros de H(p) et les racines de D(p) sont appelé les pôles.
L. EL MENZHI
* H(p) est une représentation externe. Elle est largement utilisée dans la théorie des systèmes
linéaires continus et invariants monovariables.
2- Représentation d’état:

L’état d’un système à un instant donné est constitué par des valeurs prises par un
ensemble de grandeurs dont la connaissance permet de décrire le comportement du système. Ces
grandeurs sont dîtes variables d’état et sont rassemblée dans un vecteur dit vecteur d’état.
Pour un système linéaire invariant la représentation d’état est donnée par les deux relations
matricielles suivantes:

 •
X = A X + BU

Y = C X + D U
Avec:
X : le vecteur d’état,
U: est le vecteur de commande (e),
Y: est le vecteur de sortie (s).

Remarque:

*La représentation d’état est une représentation interne qui décrit le comportement interne du
système.
*Elle est largement utilisée dans la théorie des systèmes linéaires continus et invariants
monovariables et multivariables.

3- Représentation par le schéma fonctionnel:

On peut présenter la structure de la commande par le schéma fonctionnel suivant:

Cette organisation fonctionnelle représente la structure de base qu’on trouve dans tous les
systèmes asservis ou régulés. Elle fait intervenir deux chaînes : une chaîne d'action et une chaîne
d'information.
Ce type de système est appelé aussi système bouclé ou système de commande en boucle fermée.

L. EL MENZHI
a- Constituants:

Une chaîne de commande en boucle fermée comprend :

• Un comparateur
Il élabore le signal d’écart entre la consigne et la mesure.

• Un régulateur
Le régulateur est le constituant ″intelligent″ dans une boucle de régulation. Doté principalement
de trois actions communément appelées Proportionnelle, Intégrale et Dérivée, le régulateur
élabore à partir du signal d'erreur l'ordre de commande pour agir sur l’actionneur.

• Un actionneur
C'est l'organe d'action qui apporte l'énergie au système pour produire l'effet souhaité.
• Un capteur (transmetteur)
Le capteur prélève une information physique sur la grandeur contrôlée et la transforme en un
signal compréhensible par le régulateur. La précision et la rapidité sont deux caractéristiques
importantes du capteur.

b- Informations:
Les principaux signaux dans une chaîne de commande en boucle fermée sont :
• Consigne
La consigne ou référence est la grandeur d’entrée d’une boucle d’asservissement ou de régulation
que la grandeur contrôlée doit suivre. Elle doit impérativement être de même nature physique que
la mesure pour pouvoir lui être comparée.

• Sortie
La sortie contrôlée représente le phénomène physique qu’il faut contrôler. C’est la raison d’être
d’une boucle de contrôle.

• Mesure
Cette grandeur est fournie par la chaîne de retour. C’est l’image de la grandeur contrôlée.

• Perturbation
Une perturbation est tout phénomène physique intervenant sur le système qui modifie l’état de la
sortie. Un système régulé doit pouvoir maintenir la sortie à son état désiré et ce, indépendamment,
des perturbations.
• Ecart (Erreur)
C’est la différence à chaque instant entre la consigne et la mesure. Cette comparaison ne peut être
réalisée que sur des grandeurs de même nature.
• Commande
C’est le signal élaboré par le régulateur pour agir c’est l’organe de réglage.

c- Fonctions de transfert:

Considérons le schéma fonctionnel suivant:

L. EL MENZHI
Les principales fonctions de transfert d’un système asservi sont:

Fonction de transfert de
la chaîne directe:
Fonction de transfert de
la chaîne de retour :
Fonction de transfert en
boucle ouverte :
Fonction de transfert de
l’erreur :
Fonction de transfert en
boucle fermée:

IV- Analyse des systèmes asservis:


Nous abordons à présent le cœur de la problématique de l’automatique, à savoir l’étude des
systèmes bouclés. Précision, rapidité et limitation de dépassement sont trois performances
essentielles d’un système asservi. Il nous faudra apprendre à les prévoir et, au cas échéant, à les
corriger pour qu’elles puissent satisfaire à un cahier de charges imposé.

1- L’erreur statique ou précision statique:


C’est l’erreur en régime permanent entre la sortie et la loi d’entrée (Consigne). C’est cette erreur
qui fait l’objet de cette partie. Pour déterminer cette erreur on soumet le système à des entrées
canoniques:

- échelon constant, on parle d’erreur indicielle ou d’erreur statique;

- rampe, on parle erreur de traînage ou d’erreur de poursuite ou encore d’erreur en vitesse;

- accélération, on parle d’erreur en accélération.

On considère le schéma fonctionnel suivant:

R(p)

Nous nous intéressons au signal d’erreur ε en réponse à l’entrée e(t).

L. EL MENZHI
ε ( p) 1
La fonction de transfert du système: =
E ( p) 1+ G ( p ) H ( p )

L’erreur statique est: ε ( p ) = E ( p ) − R ( p ) = E ( p ) − H ( p ) S ( p ) = E ( p ) − H ( p )G ( p ) S ( p )

E ( p) E ( p)
D’où: ε ( p) = =
1 + G ( p ) H ( p ) 1 + FTBO

L’écart est lié à la forme du signal d’entrée et à la FTBO

K N ( p)
Soit FTBO = H ( p ) G ( p ) =
p r D ( p)
Avec N(0) = D(0) = 1
K
On appelle classe d’un système le nombre d’intégrateurs pures   de la FTBO.
 p
L’erreur statique est: ε s = lim ε (t ) = lim p ε ( p )
t →∞ p→0

Le tableau suivant résume les résultats obtenus des différents types de précision selon la classe
d’un système.

Classe du système
0 r >2
1 2
Consigne pas Au moins
Une Deux
trois
d’intégration intégration intégrations
intégrations
Entrée
0 0 0
échelon
Entrée
∞ 0 0
rampe
Entrée
∞ ∞ 0
accélération

Conclusion:
- Un système de classe 0 ne suit pas en vitesse,
- Un intégrateur annule l’écart de position et rend fini l’écart de traînage,
- Dans un système de classe 2, les écarts de position et da traînage sont nuls,
- Si l’erreur statique est finie et non nulle, elle décroît lorsque le gain augmente. Autrement dit, la
précision s’améliore lorsque le gain en boucle ouverte augmente. Alors que, en général, le
système devient instable lorsque le gain augmente. Donc, il est nécessaire de trouver un
compromis entre la stabilité et la précision d’un système.

2- La rapidité du système:
La rapidité est caractérisée par le temps que met le système à réagir à une variation brusque de la
grandeur d’entrée. Il est appelé le temps de réponse.

L. EL MENZHI
Plus le temps de réponse est faible, plus l’asservissement est dit rapide.
La comparaison entre les deux réponses ci-contre permet de conclure que le système asservi 1 est
plus rapide que le système 2.

3- Etude de la stabilité:
a- La stabilité:

La présence d’un bouclage risque


d’introduire une divergence ou une
oscillation de la sortie. Ce
comportement est intolérant pour
un système asservi. Pour une entrée
de référence constante, la sortie S
d’un système asservi stable doit
tendre vers une constante.

Les courbes 1 à 3 de la figure 1.6 représentent des réponses possibles d’un système asservi à une
entrée de consigne constante. Les courbes 1 et 2 sont caractéristiques d’un asservissement stable.
En effet, pour une entrée constante, la sortie évolue et se stabilise à une valeur finale constante. La
courbe 3 est caractéristique d’un asservissement instable : la sortie diverge.

b- Définitions:

1- Un système sera stable si et seulement si une entrée bornée implique une sortie bornée.
2- Un système sera stable si il tend à revenir à son état d’équilibre après une perturbation
finie.
3- Un système sera asymptotiquement stable si la limite quand t → ∞ de s(t) est nulle.
lim s (t ) = 0
t →∞

c- Théorème:
Un système sera stable si et seulement si les pôles de sa fonction de transfert sont à partie réelle
négative.
L. EL MENZHI
Il sera asymptotiquement stable si les pôles de sa fonction de transfert sont à partie réelle
strictement négative.
d- Critère algébrique de stabilité - Critère de Routh:

Le critère de Routh est un critère permettant de déterminer à partir du polynôme caractéristique


(dénominateur de la fonction de transfert en boucle fermée), le signe des racines de l’équation
caractéristique 1+ GH(p) = 0, sans résoudre cette équation. En effet, On considère un système
dont la fonction de transfert est de la forme:

F ( p) =
N ( p)
D ( p)

D(p) est le polynôme caractéristique défini par:


D(p) = an pn + an-1 pn-1 + …………….+ a1 p + a0

avec la condition suivante: an > 0 (dans certains livres les coefficients doivent être de même
signe)

La démarche consiste à construire la table ci dessous, appelée la table de Routh. Les deux
premières lignes sont constituées des coefficients du polynôme caractéristique. Les coefficients de
la troisième ligne et les suivantes sont calculés comme suit:

pn an an-2 a0
pn-1 an-1 an-3 a1
pn-2 a n −1 . a n −2 − a n . a n −3
a n −1
.
.
.
.
.
.
.
p0
On continue cette procédure jusqu’à la dernière ligne de la table de Routh (p0). La deuxième
colonne est appelée colonne des pivots. Le critère de Routh s’énonce de la manière suivante :
Un système sera stable si:
a. Tous les ai sont supérieurs strictement à 0 (même signe),
b. et si tous les éléments de la première colonne sont supérieurs strictement à 0
(même signe).

e- Critères géométriques de stabilité:

e-1 Critère de Nyquist:

Le critère de Nyquist est un critère graphique de stabilité en boucle fermée obtenu à partir du lieu

L. EL MENZHI
de Nyquist du système en boucle ouverte. Soit T(p) = H(p). G(p) la FTBO.
Enoncé du critère: Pour qu’un système soit stable en boucle fermée, il faut et il suffit que le
lieu de Nyquist de la boucle ouverte G(p) H(p) (décrit dans le sens des ω croissants) fasse autour
du point (-1,0) dans le sens direct un nombre de tours égal aux nombres de pôles de G(p) H(p) à
partie réelle positive.

e-2 Critère de REVERS:

Ce critère est une version simplifiée du critère de Nyquist. Il n’est applicable que dans le cas ou la
fonction de transfert en boucle ouverte n’est pas de pôles à partie réelle strictement positives.

Enoncé du critère: Le système est stable en boucle fermée si le tracé de Nyquist de la


fonction de transfert en boucle ouverte décrit dans le sens des ω croissants de ω ∈[0, + ∞ [ laisse
le point (-1,0) à sa gauche. (-1,0) est appelé point critique. Le système sera instable si le point
critique est laissé à droite.

f- Degré de stabilité:

Le degré de stabilité d’un système quantifie son éloignement de la juste instabilité. Dans le plan
de Nyquist, on a distingué précédemment, pour un système en boucle ouverte, que la stabilité en
BF dépend de la position du lieu de Nyquist par rapport au point critique. Lorsque la stabilité en
BF est assurée, on définit le degré de stabilité par les marges de stabilité (la marge de phase Δφ et
la marge du gain ΔG). On construit le cercle de centre (0,0) et de rayon 1 et on repère les points M
et N: M étant est l’intersection entre le lieu de Nyquist et le cercle de rayon 1 alors que N est
l’intersection entre le lieu de Nyquist et le demi axe réel négatif.

Le degré de stabilité est évalué par deux marges de stabilité : la marge de gain et la marge de
phase.

4- Le dépassement:
Pour un asservissement stable, lorsqu’une consigne est appliquée ou suite à l’apparition d’une
perturbation, la sortie passe par une phase transitoire avant d’atteindre son état permanent. Il est
important de contrôler cette phase et d’évaluer ses paramètres.
Parmi les paramètres les plus pertinents pour caractériser le comportement transitoire, on définit le
dépassement transitoire et le temps de réponse.

L. EL MENZHI
Pour illustrer la notion du dépassement, on considère la réponse d’un système asservi représentée
par la figure ci-contre. Elle est caractérisée par la présence des oscillations d’amplitudes
décroissantes.
Afin d’évaluer quantitativement le taux du dépassement, on définit le premier dépassement par :

Dans l’exemple, on a environ :

V- La correction:
La nécessité de la correction est essentiellement au phénomène dit dilemme stabilité précision. En
pratique, on doit en priorité garantir une bonne stabilité tout en assurant une précision satisfaisante.
Ceci est possible en adjoignant au système asservi un dispositif appelé régulateur. Le régulateur
qui est en quelque sorte, la partie intelligente du système asservi comporte un correcteur dont le
rôle est d’assurer les performances spécifiées dans le cahier de charges.
Selon la structure du système à corriger et les performances à satisfaire. L’emplacement du
correcteur dans le système asservi est différent.

Définition: Le correcteur est un élément que l’on ajoute au système initial pour assurer la
compatibilité des conditions contradictoires imposées par la stabilité et la précision. Sa fonction
de transfert est telle que le comportement du système de régulation s’en trouve améliorée.

1- Principe général de la correction d’un système:

Considérons le schéma général d’une boucle de régulation constitué d’une chaîne directe et d’une
chaîne de retour.

E( p) + ε ( p) S ( p)
A( p )
X

R( p )
B(p)
B( p )
Soient Gi(p) et Hi(p) les fonctions de transfert en boucle ouverte et en boucle fermée telles que:
A ( p)
Gi ( p ) = A ( p ) B ( p ) et H i ( p ) =
1+ A ( p ) B ( p )
L’idée consiste à introduire dans la chaîne directe, en amont du système A(p), un dispositif

L. EL MENZHI
supplémentaire de fonction de transfert C(p), appelé correcteur dont le rôle consiste à modifier les
performances du système initial. Si C(p) est placé en série avec A(p) la correction est dite série, si
C(p) en parallèle avec A(p) la correction est dite parallèle et si C(p) en parallèle et en série avec
A(p) la correction est dite parallèle et série.

E( p) + ε ( p) S ( p)
X C( p) A( p )


R( p )

B( p )

Soient Gc(p) et Hc(p) les fonctions de transfert en boucle ouverte et en boucle fermée du système
corrigé telles que:
A ( p) C ( p)
Gi ( p ) = C ( p ) A ( p ) B ( p ) et H i ( p) =
1+ A ( p ) B ( p ) C ( p )
2- Différents types de correcteurs:
Tout l’art de la correction des systèmes consiste à choisir la bonne fonction de transfert C(p) pour
ce correcteur de manière à régler chaque performance sur sa valeur requise, sans perturber le
fonctionnement du système. Les différents types de correcteurs qui existent sont:
- Le correcteur proportionnel intégral (PI),
- Le correcteur proportionnel dérivé (PD),
- Le correcteur proportionnel intégral et dérivé (PID),
- Le correcteur proportionne intégral par retard de phase,
- Le correcteur proportionnel dérivé par avance de phase,
- Le correcteur proportionnel intégral et dérivé par avance et retard de phase,
On représente ci-dessous un tableau récapitulatif des avantages et des limitations des actions de
base des correcteurs:

Action Points forts Points faibles


Rapidité diminuée
Diminution de
PI
l’erreur statique

PD Améliore la stabilité Sensibilité du système aux bruits

Très utilisé dans Réglage des paramètres plus


l’industrie difficile.
PID
Système PI+PD

3-Choix des correcteurs:

La méthode adoptée pour le choix des correcteurs se base sur:

L. EL MENZHI
1- L’analyse du système (identification, performances dynamiques, réponse fréquentielle),
2- L’analyse du cahier de charge (traduction en terme d’erreur, de rapidité, de marge de phase),
3- Le choix de la structure du correcteur compte tenu du cahier de charge et des caractéristiques
du système,
4- Le calcul des paramètres du correcteur,
5-La vérification des performances du système corrigé. Si le cahier de charge n’est pas satisfait,
retour à 3,
6-La réalisation de l’asservissement et test.

L. EL MENZHI
MODELISATION DES SIGNAUX ET DES SYSTEMES
ECHANTILLONNES

I- Introduction:
L’automatique est la science qui traite l’analyse et la commande des systèmes dynamiques
évoluant avec le temps. En d’autres mots, l’automatisation des taches se fait par des machines qui
fonctionnent sans l’intervention humaine.
Jusqu’à présent, nous n’avons étudié que des systèmes continus linéaires, dont la principale
fonction consistait à traiter à traiter d’une façon continue en temps réel des signaux représentés
par des fonctions continues. On parle donc de l’automatique linéaire des systèmes continus.
Dans la réalité industrielle, la complexité des systèmes, ainsi que celles des traitement à réaliser,
nécessite souvent le recours à des outils numériques des traitement : ordinateur, calculateurs,
systèmes numériques,……..
Ces outils ne peuvent en aucun cas s’accommoder de signaux continus ; ceux –ci doivent être
transformés en suites de nombres pour pouvoir être traités. De même, ces systèmes délivrent à
leur sortie, des suites de valeurs numériques, autrement dit des signaux numériques ou
échantillonnés ou à temps discret.
Les avantages de l’asservissement numérique sont nombreux, en voici quelques uns:
- Réalisation aisée de régulateurs complexes, lois de commande raffinées,
- Facilité de mise en œuvre de commandes anticipatrices (compensation par rapport à
certaines perturbations),
- Insensibilité de la caractéristique entrée-sortie du régulateur aux parasites, aux variations
de température, au vieillissement …… ect,
- Changement de correcteur simple et rapide,
- Interface utilisateur convivial,
- Plusieurs systèmes corrigés par un seul microprocesseur……..
Il y a aussi quelques inconvénients qu’il convient de connaître pour mieux les contourner. En effet,
le bouclage numérique insère des non- linéarités dans la boucle de régulation dues:
- à la quantification des convertisseurs,
- à la précision de calcul finie du microprocesseur,
- au procédé d’échantillonnage.
Ces non linéarités peuvent avoir un effet déstabilisant et introduisent des bruits supplémentaires.

II- Organe et structure de la commande numérique:


1- Schéma général.
Le schéma général d’un asservissement analogique est représenté en figure ci-dessous:

Fig.1. Structure générale de commande numérique.

L. EL MENZHI
La commande par calculateur, ou processeur, d’un procédé nécessite la mise en œuvre d’un
certain nombre d’éléments :
1- Un processeur (calculateur) qui élabore la commande uk
2- Des convertisseurs analogique-numériques, CAN.
3- Des capteurs ou organes de mesure qui transmettent au calculateur les informations
recueillies sur le système continu, à travers les convertisseurs analogiques numériques,
4- Des convertisseurs numérique-analogiques, CNA.

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


Afin de faire traiter le signal par un microprocesseur, il faut le lui rendre accessible, c’est le rôle
du convertisseur analogique numérique CAN. Il n'est pas question de décrire ici le principe de
fonctionnement de ce composant, il est décrit dans le cours d'électronique.
On se contentera d'une description de sa fonction par un modèle abstrait idéal :
l'échantillonneur.
Te
x(t) xe (kTe )

Fig. 2. L'échantillonneur.

Dans ce modèle idéal on néglige l'erreur de quantification: l'interrupteur se ferme pendant un


temps infiniment court, et le nombre xe(kTe) représente exactement la valeur du signal x(t) à
l'instant t = kTe.
On peut représenter l’opération de conversion analogique-numérique selon le le schéma de la
figure 3.

y
T

CAN

Fig.3. Convertisseur analogique-numérique

Mathématiquement, l’opération d’échantillonnage peut être assimilée à la modulation du signal


continu y t par un train d’impulsions unitaires de période T noté δT (par- fois appelé également
peigne de Dirac)

3- la conversion d’un signal numérique en un signal analogique:


La fonction du CNA est de transformer une suite cadencée de nombres (la séquence
numérique) en un signal analogique, défini à temps continu. Le modèle le plus simple et le
plus utilisé d'un tel système est le bloqueur d'ordre zéro (BOZ): il produit un signal
électrique (tension) constant entre 2 instants d'échantillonnage, dont la valeur est celle du
dernier nombre présent à l'entrée.
xe(kTe) x(t)
BOZ

Fig.4. Bloqueur d'ordre zéro.

L. EL MENZHI
Le modèle mathématique que l’on associe alors à la conversion numérique analogique est
le bloqueur d’ordre zéro dont la fonction de transfert B0 p peut être facile- ment calculée. En
effet, c’est la transformée de Laplace de sa réponse impulsionnelle représentée sur la figure 5.

B0 p

Fig.5. Bloqueur d’ordre zéro

L’opération de conversion numérique-analogique la plus courante consiste à produire un signal de


commande u(t) en escalier à partir des valeurs uk selon le schéma de la figure 6.

ut
B0 p

01 2 k CNA 012 k
Fig.6. Convertisseur numérique-analogique

III- L’échantillonnage:
Pour transformer un signal continu en une suite de nombres compatibles avec un système de
traitement numérique, on a recours à deux opérations successives: l’échantillonnage qui consiste à
prélever, à intervalles de temps réguliers, des valeurs discrètes du signal, puis, la conversion
analogique numérique qui transforme ces échantillons en nombres, généralement codés sous
forme binaire. L’échantillonnage réalise donc une discrétisation dans le temps, tandis que la
conversion analogique numérique réalise une discrétisation en amplitude.

Fig.7. Échantillonnage et conversion analogique numérique d’un signal.

2- Définition:
l’échantillonnage d’un signal continu : cette opération consiste à relever les infor- mations
prises par un signal continu à intervalle de temps régulier, appelé période d’échantillonnage.
On parle alors de signal échantillonné. Cela signifie que le cal- culateur ne tiendra compte
que des échantillons, c’est-à-dire des valeurs prises par le signal aux instants
d’échantillonnage.

3- Principe:
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
L. EL MENZHI
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 ci-dessous.
Le résultat d’une opération d’échantillonnage est : s∗(t) = p(t)s(t)

Fig.8. Fonction d’échantillonnage.

Fig.9. Échantillonnage d’un signal quelconque.

L’échantillonnage produit donc, à partir d’un signal s(t), la suite :


s(0), s(Te), s(2Te ), . . . , s(nTe)

que l’on note, en général : s∗(t) = {s0, s1, s 2 ,... , sn}


ou encore : s(k) = {s0, s1, s 2 ,... , sn}
Remarque: Cette suite ne correspond pas encore à des valeurs numériques. Ce signal
échantillonné est un signal analogique à temps discret. Toutefois, on notera de la même manière la
suite numérique obtenue après conversion analogique numérique.
4- Transformée de Fourier d’un système échantillonné:
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 n fe avec n ∈ Z. On dit aussi que S( f ) est périodique de fréquence fe. La figure ci-
dessous présente les spectres comparés de s(t) et de s∗(t).

Fig.10. Spectre d’un signal échantillonné.

5- Théorème de Shannon:
Un des objectifs essentiels de l’échantillonnage consiste à ne pas perdre d’information lors de la
discrétisation dans le temps, ce qui peut se traduire par le fait qu’il doit être possible, à partir du
spectre du signal échantillonné, de reconstituer simplement celui du signal original. Un simple

L. EL MENZHI
coup d’œil au spectre |S∗( f )| nous montre que cela est possible s’il n’existe aucun recouvrement
entre les différents segments de spectre.

Fig.11. Spectre d’un signal échantillonné.

Si B est la largeur spectrale du signal s(t), autrement dit sa limite fréquentielle supérieure, le
premier segment décalé, dans le spectre de s∗(t), qui se trouve centré sur la fréquence fe, s’étend
de fe − B à fe + B.
La condition de non recouvrement est donc, de toute évidence :
B < fe − B

soit : fe > 2B

Cette inégalité constitue le théorème de Shannon qui peut s’énoncer de la manière suivante:
Enoncé: Pour préserver, lors de son échantillonnage, l’information contenue dans un signal,
la fréquence d’échantillonnage fe doit être supérieure au double de la largeur spectrale du signal.

IV- Transformée en z des systèmes échantillonnés:


1- Intérêt de la transformée en z:
Nous allons retrouver avec la transformée en z, le même intérêt que celui que nous avions trouvé
à la trans- formée de Laplace pour les signaux à temps continu. Lorsque nous saurons
modéliser le fonctionnement d’un système numérique par une fonction de transfert en z, 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(z) = G(z)E(z)
2- Définition:
Soit s(t) un signal continu quelconque que l’on échantillonne à une fréquence fe (soit une période
Te), en respectant, bien évidemment, le théorème de Shannon.
Dans le cas des signaux causaux (signal nul pour t négatif), on définit la transformée en z du
signal s(t) par : S (z)  s(k ).z-k; z est complexe comme p , ( z = e pT ).

En effet :
On calcule la transformée de Laplace du signal échantil-lonné en utilisant le théorème du
décalage temporel :
L( f ( t − nT )) = e − nTp L( f ( t )) , on obtient : s * ( p ) = L( s * ( t )) = ∑ s( nT )e − nTp
~
n≥ 0
Pour étudier la convergence de cette somme infinie, on simplifie l’expression en posant :
z = e Tp (Noter : z-1 égale opérateur retard)
L. EL MENZHI
z est une variable complexe comme la variable de Laplace p, T est la période d’échantillonnage.
En cas de convergence de la somme (1), on a donc :
s * ( p ) = S (eTp ) = S ( z ) = ∑ s (nT ) z − n = Z ( s (nT ))
~
n≥0
S ( z ) est la transformée en Z du signal discret s( nT ) , ou du signal s( t ) échantillonné à la cadence
T.
En résumé :

→ ~s ( p ) = ∫ s( t )e − tp dt
s( t ) 
L

0
par échantillonnage

→ S ( z ) = ~s * ( p ) = ∑ s( nT )z − n
s( nT ) 
Z

Z(.) est une forme de L(.). La relation z = e entre les variables z et p est fondamentale,
Tp

elle permet d’étendre les résultats établis pour les systèmes continus aux systèmes discrets.

3- Transformée en z des signaux élémentaires:


En appliquant la définition de la transformée en z, on établit aisément que :

• Echelon : u( t ≥ 0) = 1donne par échantillonnage u( nT ) = 1 pour n ≥ 0 .



1 − z −n 1 z
Z (u (nT )) = ∑ z − n = lim −
= −
= si z −1 < 1 soit z > 1 (c’est le domaine de
n→∞ 1 − z 1
1− z 1
z −1
n =0
convergence)
• Impulsion : en continu, c’est l’impulsion de Dirac δ ( t ) , en discret, c’est la fonction de
Kronecker, soit i( n ) = 1 si n = 0 , et i( n ≠ 0) = 0 . On trouve donc facilement que
Z[ i( n )] = 1sans condition de convergence sur z.
• Premier ordre, constante de temps :
1
s(t ) = e − at  →
Laplace

p+a
, s(nT ) = e − anT →
Z
∑ ( ze aT ) − n

1 z − aT
qui converge vers −1 − aT = − aT si : z > e
1− z e z−e

4- Quelques propriétés de la transformée en z:


La transformée Z a des propriétés semblables à celles de la transformée de Laplace L du fait de la
relation z = e Tp
 Z est linéaire comme L, d’où la possibilité de décomposer en éléments simples
 Le théorème du retard de Z remplace le théorème de la dérivée de L pour calculer la
fonction de transfert :
e( n ) 
→ E ( z )
Z


→ ∑ e( n − 1)z − n = e( −1) + z −1 E ( z )
e( n − 1) 
Z

n=0

e(-1) est la condition initiale. A condition initiale nulle, on a donc : Z[ e( n − 1)] = z −1 Z[ e( n )] .

L. EL MENZHI
Plus généralement: Z[ e( n − k )] = z − k Z[ e( n )] (à Conditions Initiales nulles)

 Théorèmes des valeurs initiale et finale (à vérifier pour l’échelon, l’impulsion, et la


constante de temps):
soit e( n ) 
→ E ( z ) , on aura :
Z

z −1
Théorème de la Vaeur Initiale. : e( 0) = lim E ( z ) = lim E ( z )
z →∞ z z →∞

z −1
Théorème de la Valeur Finale. : lim e( n ) = lim E( z )
n →∞ z →1 z
 Transformée du Produit de Convolution : Comme pour la transformée de Laplace, on a :
Z(∗ ) = × et Z (×) = ∗ .
Le produit de convolution de deux signaux discrets a et b est défini par :
( a∗ b)( n ) = ∑ a ( n − i )b( i ) = ∑ a ( i )b( n − i )
i i

L. EL MENZHI
TRANSMITANCE ET PERFORMANCES DES
SYSTEMES ECHANTILLONNES LINEAIRES

De la même manière que l’on associe à un système à temps continu, une fonction de transfert,
par application de la transformation de Laplace à son équation différen- tielle, on peut associer à
un système à temps discret, une fonction de transfert en z, par application de la transfor- mation
en z à son équation récurrente. Dans une deuxème partie l’analyse des performance des systèmes
discrets basée sur les critères de stabilité et de précision sera présentée.

I- Fonction de transfert en z:
1- Relation entre échantillons de sortie et échantillons d’entrée:
On considère un système de traitement numérique à l’entrée duquel on injecte un signal
échantillonné représenté par une suite de nombres ek . Soit sk la suite obtenue à la sortie du système
comme le montre la figure suivante :

Fig.12 Schéma général d’un système de traitement numérique d’un signal.

Il convient d’insister ici, sur le fait que ces séries de nombres correspondent à une description
temporelle des signaux : ek = e(kTe). Il paraît donc naturel pour décrire le fonctionnement du
système, d’exprimer l’échantillon de sortie sk à un instant quelconque kTe en fonction, par exemple,
des échantillons d’entrée.

2- Définition de la fonction de transfert en z:

Considérons un système régi par une équation de récurrence (équation aux différences)
entre son entrée e(k) et sa sortie s(k). Cette équation est de la forme générale:

p
s(n) = ∑ ak ⋅ e(n − k ) -
k=0
Soit E (z) la transformée en z du signal d’entrée et S (z) celle du signal de sortie. La transformée
en Z de l’équation récurrente peut s'écrire sous la forme :
p q
s(z) = ∑ ak ⋅ z−k ⋅ e( z) - ∑ bk ⋅ z−k ⋅ s( z)
k=0 k =1
en supposant que :
* le signal d'entrée est causal,
* le signal de sortie nul pour n < 0.

L. EL MENZHI
On obtient après transformation une relation du type ; S(z) = H(z)⋅E(z).
On appelle fonction de transfert en z du système discret le facteur H(z) défini par :
S( z)
H(Z) =
E( z)
La fonction de transfert H(z) est une fraction rationnelle de N(z) et D(z) qui sont des polynômes en
z− 1 de degrés respectifs n et m. L’ordre du système étant n ≥ m (système causal).
Remarque:
On peut connaitre la réponse d’un système à une entrée donnée en formant la transformée inverse
de G(z).E(z). Cependant la transformée inverse en z n’est pas unique.

3- Association de transmittance en série:


On ne peut déterminer l’équivalent G(z) d’un système de fonction de transfert en temps continu
G( p) que si ses signaux d’entrée et de sortie sont échantillonnés voir figure ci-dessous.

Fig.13 Principe de l’équivalence Laplace – Z.

a. Premier cas:
E(p) T S*(p)
H(p)
S ( p) = E( p).H ( p)

S * ( p) = EH * ( p) Cette notation indique que l'on échantillonne le produit E( p)H ( p)

Remarque: On vérifie que EH * ( p) ≠ E * ( p).H * ( p)

Ainsi si S (z) = EH (z) on ne peut pas définir une transmittance.

b. Second cas:

E(p) S*(p) T S*(p)


H1(p) H2(p) H3(p) H4(p)

On trouve facilement que :


S * ( p) = EH1* ( p).H 2H 3 * ( p).H 4* ( p) donc S (z) = EH 1(z).H 2H 3(z).H 4 (z)

c. Troisième cas:

Lorsque l’on écrit G1(z)G2(z), on suppose que le signal sortant de G1 et entrant dans G2 est lui

L. EL MENZHI
aussi échantillonné, sinon, on ne pourrait trouver ces deux équivalents.

E(p) S(z)

Conclusion :
on ne peut pas déterminer l’équivalent en z d’une association de plusieurs systèmes en
multipliant les deux fonctions de transfert en temps continu, puis en cherchant l’équivalent
de la fonction globale ; il faut impérativement calculer d’abord les fonctions de transfert
en z de chaque système, puis multiplier ces fonctions de transfert en z pour obtenir la
fonction de transfert échantillonnée de l’ensemble.

d- Système échantillonné bouclé:

Tout comme les systèmes continus, les systèmes échantillonnés peuvent être asservis selon
le même principe de la boucle fermée voir la figure suivante.

Fig.14. Schéma général d’un système échantillonné asservi.

Chacun des sous-systèmes constitutifs A( p) et B( p) possède un équivalent en temps discret


A(z) et B(z), comme cela a été étudié au chapitre précédent. Ces équivalents supposent que
chacun de ces sous-systèmes possèdent une entrée et une sortie échantillonnées comme le
montre la figure suivante :

Fig.15. Conditions d’équivalence Laplace – Z.

La chaîne directe et la chaîne de retour sont modélisées par leurs fonctions de transfert
en z et les signaux d’entrée et de sortie sont bien évidemment échantillonnés à une
fréquence fe et possèdent chacun une transformée en z : E(z) et S(z). L’écart ε(t)
n’échappe pas à la règle. Soit ε (z) sa transformée en z.
Tout comme dans le cas des systèmes à temps continu, on définit les fonctions de

L. EL MENZHI
transfert en boucle ouverte G(z) et en boucle fermée H(z) par :
G(z) = A(z)B(z) et H(z) = A(z)
1 + A(z)B(z)

Si on se contentait d’échantillonner uniquement le signal de consigne et le signal de


sortie, le système obtenu serait complètement différent de celui auquel on s’attend.

Fig.16. Échantillonnage de la consigne et de la sortie.

Conclusion:

• Il n’est pas possible de déterminer l’équivalent A(z) de A( p) si son signal d’entrée


n’est pas échantillonné. Il est donc nécessaire de disposer d’un modèle dans lequel
chaque signal est échantillonné.
• Il n’est pas possible de déterminer la fonction de transfert en z en boucle fermée à
partir de l’équivalence de la fonction de transfert en boucle fermée en temps
continue H( p).

II- Analyse des performances d’un système échantillonnés:


1- Stabilité des systèmes échantillonnés:

Pour les systèmes à temps discret, la définition de la stabilité reste la même que celle des
systèmes à temps continu.

a- Définition:

Un système est dit stable lorsque, écarté de sa position d’équilibre, il tend à y revenir; il
est dit instable lorsqu’il tend à s’en écarter d’avantage.

b- Conditions de stabilité:

• Un système échantillonné est stable si et seulement si tous les pôles pj de sa fonction


de transfert sont tels que:
p j 〈1

L. EL MENZHI
• Un système est stable si et seulement si les pôles de sa fonction de transfert se
trouvent tous à l’intérieur du cercle de rayon 1 et de centre (0,0).

c- Critères de stabilité:

a-1 Critère de Routh:

C’est rigoureusement le même critère que pour les systèmes continus mais en
l’appliquant à la transmittance H(w) qui n’est autre que la transformée bilinéaire de la
transformée en z de la transmittance H(z). Elle est obtenue en remplaçant z dans H(z) par
w tel que:
z −1 1+ w
w= et z= . Le dénominateur devient: D’(z)=a’0+a’1w+…+an’wn.
z +1 1− w
Cette transformation est appelée transformation de Mobius qui a comme propriété de
transformer le disque unité du plan complexe z en demi plan négatif de la variable
complexe w. Dans ce cas, on remplace z dans l’équation caractéristique de H(z)
par l’équation z en foncton de w et on applique sur cette équation le critère de Routh
appliqué aux systèmes analogiques.

a-2 Critère de Jury:

Pour les systèmes à temps continu, nous avions mis en évidence l’impossibilité, pour les
systèmes d’ordre élevé ou possédant des paramètres variables, d’utiliser le critère
mathématique et c’est pour cela que le critère de Routh avait été introduit. Il en est de
même pour les systèmes échantillonnés: il existe un critère algébrique, dit de Jury, qui
permet de diagnostiquer la stabilité d’un système sans avoir à calculer ses pôles. Il
ressemble beaucoup au critère de Routh et est aussi simple à utiliser.
Il n’est pas toujours facile de calculer les pôles d’une fonction de transfert surtout quand
cellci se présenté sous forme développée. Le critère de jury pemet donc de diagnostiquer
la stabilité d’un système à partir de coéfficients du dénominateur de sa fonction de
transfert.
n−1
D(z) = an.zn + an- 1.z + . . . + a .z + a
− 1 0

Le système asservi, représenté par D(z) est stable si :

L. EL MENZHI
d(1) > 0,

d(-1) > 0 pour n pair, d(-1) < 0 , pour n impair

| a0| < |an|

Si l’une de ces trois conditions ne sont pas vérifiées, le système est instable. Si ces
conditions sont vérifiées, alors on vérifie d’autres conditions sur les éléments établis
dans le tableau de Jury suivant:

N°ligne

1 an an-1 an-k a1 a0

2 a0 a1 ak an-1 an

3 b0 b1 bn-k bn-1

4 Bk-1 b0

2n-5 p0 p1 p2 p3

2n-4 p3 p2 p1 p0

2n-3 q0 q1 q2

Avec :
a0 an a0 an − k a0 a1
b0 = bk = bn −1 =
an a0 an ak an an −1
et

p0 p3 p0 p2 p0 p1
q0 = q1 = q2 =
p3 p0 p3 p1 p3 p2

ou encore :

Fig. Construction de la table de Jury.


Pour que D(z) ait ses racines à l’intérieur du cercle unité, il faut et il suffit que soient vérifiées les
(n+1) conditions suivantes :
D(1) >0,
D(-1)>0 si n est pair, D(-1)< 0 si n est impair,

L. EL MENZHI
| a0| < |an|
| b0| > |bn-1|
..................................
| p0| > |p3|
| q0| > |q2|

Remarque:
La construction de la table de Jury commence à partir de n=3.

a-3 Critère de Nyquist:

Enoncé du critère pour les systèmes continus: Le système est stable en boucle fermée si
lorsqu’on parcourt le tracé du lieu de Nyquist dans le sens des des ω croissants, le point critique
(-1,0) à sa gauche.
Pour les systèmes échantillonnés, le tracé du lieu de Nyquist peut être obtenu à partir de la
fonction de transfert en w de H(z) avec:
z −1 1+ w
w= et z = .
z +1 1− w

a-4 Lieu des racines ou lieu d’Evans:

C’est une méthode graphique bien connue des automaticiens. Elle est utilisée pour tester les
conditions de stabilité des systèmes asservis à temps discret.
Le lieu d’Evans est le lieu des pôles de la fonction de transfert en boucle fermée lorsque le gain K
varie de 0 à l’infini. Ce lieu est un moyen de choisir un gain K pour obtenir des performances pré-
spécifiées. La construction du lieu est assez complexe et fait appel à 8 règles.

Remarque:
la stabilité d’un système échantillonné peut être grandement influencée par le choix de la période
d’échantillonnage.

2- Précision des systèmes échantillonnés:

On définit, pour les systèmes à temps discret, les mêmes performances que pour les systèmes
à temps continu. Il en est ainsi de la précision des systèmes qui est ici, définie par les notions
d’erreurs de position, de vitesse, d’accélération.......
- Échelon e(t)=u(t), E (z ) =
z
on parle d’erreur indicielle ou d’erreur statique ou de
position; z − 1

Rampe e(t)= t.u(t), E (z ) =


T z
- on parle d’erreur de traînage ou d’erreur de
( z − 1 )2
poursuite ou encore d’erreur en vitesse;
T 2 z ( z + 1)
- Accélération e(t)= t2/2.u(t), E ( z ) = . on parle d’erreur en accélération.
2 ( z − 1 )3

Considérons un système échantillonné asservi de fonction de transfert en boucle ouverte G(z),


placé dans une boucle à retour unitaire et représenté sur la figure suivante :

L. EL MENZHI
Ou encore:

Fig.17 Schéma d’un asservissement échantillonné à retour unitaire.

En appliquant le théorème de la valeur finale, la précision en régime permanent est quantifiée par:

ε p = lim ε (t ) = lim ((1 − z −1 ) ε (z ))


t →∞ z →1
Or,
E (z )  z −1 E ( z ) 
ε (z ) = il en résulte: ε p = lim ε (t ) = lim  
1 + G (z ) t →∞ z →1
 z 1+ G ( z ) 

Comme en continu, cette expression montre que l’erreur permanente dépend à la fois du système
(par présence de G(z)) et du type de signal de référence qui lui ai appliqué (présence de E(z)).
A partir de considérations analogues, on obtient le tableau suivant:

Nombre de pôles à z=1 de G(z) du système

Consigne 0 1 2 Au moins trois

Entrée échelon 1 0 0 0
K

∞ T
Entrée rampe K 0 0

T2
Entrée accélération ∞ ∞ 0
K

- La présence d’un pôle égal à 1, ou autrement dit d’un intégrateur (représentant la


classe du système), dans la fonction de transfert en boucle ouverte assure donc une
bonne précision statique mais n’assure pas une bonne précision dynamique.

L. EL MENZHI
- La présence d’au moins un intégrateur dans la fonction de transfert en boucle ouverte
assure donc bien la nullité de l’erreur statique.
- En conclusion, la présence d’un intégrateur dans la fonction de transfert en boucle ouverte
assure une erreur de vitesse finie d’autant plus faible que la période d’échantillonnage est
faible. La présence d’au moins deux intégrateurs assure la nullité de l’erreur de vitesse.

L. EL MENZHI
CORRECTION DES SYSTEMES
ECHANTILLONNES ASSERVIS

I- Généralités:
1- Introduction:
Les systèmes échantillonnés comme les systèmes à temps continu, doivent en général satisfaire à
un cahier des charges qui impose, en boucle fermée, un certain nombre de performances (qui
d’ailleurs sont les mêmes qu’en temps continu) : précision, rapidité, marge de stabilité et limitation
du dépassement.

Fig.18. Schéma général d’un système échantillonné asservi.

Considérons un système constitué d’une chaîne directe et d’une chaîne de retour. La plupart du
temps, on ne choisit ni les lois de fonctionnement des systèmes A(z) et B(z), ni, bien sûr, leurs
fonctions de transfert qui, en général, sont des données imposées par la conception même du
système asservi en cours d’élaboration. Parfois, certains paramètres sont réglables mais souvent,
aucun d’entre eux ne l’est.

2- Rôle du correcteur:

L’idée consiste, comme le cas des systèmes à temps continu, à introduire dans la chaîne directe, en
amont du système A(z), un dispositif supplémentaire de fonction de transfert C(z), appelé
correcteur numérique et dont le rôle essentiel doit consister à modifier les performances du
système initial.
Cela revient à dire que nous transformons les fonctions de transfert en boucle ouverte et en
boucle fermée de manière à imposer à l’ensemble de fonctionner selon le cahier des charges
voulu.

L. EL MENZHI
Fig.19. Schéma général d’un système échantillonné asservi et corrigé.

Si Gi(z) et Hi(z) sont les fonctions de transfert en boucle ouverte et en boucle fermée du
système initial et Gc(z) et Hc(z) les fonctions de transfert en boucle ouverte et en boucle fermée
du système corrigé, on aura :

Gi ( z ) = B0 . A(z ). B (z ) B0 . A( z )
et H i ( z) =
1 + B0 . A( z ). B ( z )
et Gc(z) et Hc(z) sont les fonctions de transfert en Boucle ouverte et en boucle fermée du système
corrigé, on aura:
C (z ). B0 . A(z )
Gc ( z ) = C (z ). B0 . A(z ). B (z ) et H c ( z) =
1 + C (z ). B0 . A(z ). B (z )
Tout l’art de la correction des systèmes échantillonnés consiste à choisir la bonne fonction de
transfert C(z) pour ce correcteur numérique de manière à régler chaque performance sur sa
valeur requise, sans per- turber le fonctionnement du système.
Dans le cas des systèmes à temps continus, il a été relativement facile d’identifier les trois actions
correctives simples : action proportionnelle, action dérivée et action intégrale. Les choses ne sont
pas si simples lorsqu’il s’agit d’asservissements échantillonnés.

II- Les correcteurs:


Pour les systèmes échantillonnés, Il y a différents types de correcteur à savoir:
- Le correcteur à action intégrale,
- Le correcteur à action dérivée,
- Le correcteur à action intégrale et dérivée,
- Le correcteur à réponse pile.
- Le contrôleur RST.

1- Correction à action intégrale:


L’action intégrale améliore la précision du système, mais, elle peut bousculer les autres
performances, de manière souvent imprévisible. Pour améliorer simplement la précision, en boucle
fermée, d’un système à temps discret, on peut choisir un correcteur de fonction de transfert égale à:
K
C ( z) =
(1− z )
−1 n

La présence, dans la fonction de transfert en boucle ouverte, d’un intégrateur (i.e. d’un pôle égal à
1) assure la nullité de l’erreur de position, c’est-à-dire la précision statique parfaite. Si ce pôle est

L. EL MENZHI
au moins double (s’il y a au moins deux intégrateurs dans la chaîne directe), l’erreur de vitesse est
nulle, autrement dit la précision dynamique parfaite est assurée.

2- Correction à action dérivée:

Un correcteur numérique à action dérivée possède une fonction de transfert C(z) égale à:

(
C ( z ) = K 1 − z −1 )
Ce type de correcteur permet d’améliorer la stabilité du système.

3- Correction à action proportionnelle intégrale et derivée:

Comme en correction analogique, l’un des principaux correcteurs utilisés est le correcteur à action
proportionnelle, intégrale et dérivée noté PID. Le but principal de ce type de correcteur est de:
- améliorer les performances du système bouclé (précision, stabilité, rapidité et
sensibilité aux incertitudes du modèle),
- allonger la période d’échantillonnage.
La structure d’un PID numérique est donc de la forme:

U (z )
C ( z) =
ε (z )
= K p + Ki T
1
−1
+
Kd
1 − z −1( )
1− z T
Il faut déterminer les valeurs des coefficients Kp, Ki et Kd. Le choix de ces coefficients se fait par la
méthode de Takahashi qui s’appuie sur l’analyse du comportement du système échantillonné quand il
est soumis à plusieurs tests.

4- Correction à réponse pile:

Soit un système échantillonné bouclé à retour unitaire. Le schéma fonctionnel suivant représente la
chaîne d’action:

ε(p) U(p) S(p) S(z)


C(p) B0(p) A(p)

Posons: B0(p)A(p)=H(p)
Alors la FTBF devient:
S (z ) C (z ) H (z )
F ( z) = =
E (z ) 1 + C (z ) H (z )

Si on désire un temps de réponse minimal, alors le régime transitoire doit comporter un nombre fini et
minimal de période d’échantillonnage.
L’équation du correcteur est: F (z ) 1
C ( z) = .
1 − F (z ) H (z )

5- Correction à temps de réponse minimal:

Soit le schéma fonctionnel de chaine d’action suivant:

L. EL MENZHI
ε(p) C(p) B0(p) U(p) A(p) S(p) S(z)

Posons: B0(p)A(p)=H(p)
Alors la FTBF devient:
S (z ) C (z ) H (z )
F ( z) = =
E (z ) 1 + C (z ) H (z )

Si on désire un temps de réponse minimal, alors le régime transitoire doit comporter un nombre fini et
minimal de période d’échantillonnage.
L’équation du correcteur est:
F (z ) 1
C ( z) = .
1 − F (z ) H (z )

Le tableau suivant donne les valeurs des FTBF des systèmes minimaux absolus. Pour différents types
d’entrées.

Type d’éntrée e(t) E(z) F(z)

Position 1 z-1

Vitesse t 2z-1- z-2

Accélération t2 3z-1- 3z-2+ z-3

6- Le contrôleur RST:
L’objectif de l’asservissement est de garantir le suivi d’une grandeur de sortie avec un signal
d’entrée servant de référence au système malgré la présence de perturbations. Le rejet des
perturbations est une propriété de robustesse très recherchée en asservissement. À cet effet, nous
allons introduire une nouvelle structure de correction, le correcteur RST. D’une structure plus
complexe que la structure classique, ces régulateurs sont aussi plus souples. Le calcul de ces
correcteurs peut se faire automatiquement par un logiciel.
Calculer le correcteur c’est établir les polynomes R(z), S(z) et T (z) en fonction des polynômes A(z),
B(z), Am (z) et Bm(z) qui sont respectivement les dénominateurs et numérateurs du système à asservir
et du modèle à atteindre en BF.

1- Asservissement échantillonné avec RST:

En terme de schéma bloc, il est possible de faire apparaître plusieurs structures qui représentent cette
correction:

L. EL MENZHI
E(z)
T (z )
ε(z) S (z ) U(z)
S (z )
X-
+
R (z )
H(z)
Y(z)

Ou encore:

E(z) T (z ) U(z)
R (z )
+X- H(z)
Y(z)

S (z )
R (z )
Ou encore:

E(z) T (z ) ε(z) 1 U(z)


+X- R (z )
H(z)
Y(z)

S (z )

Toutes ces représentations sont équivalentes à:


E(z)
U(z) Y(z)
RST H(z)

Fig.20. Schéma général d’un système échantillonné asservi avec correcteur RST.

Tel que: deg N(z)< deg D(z)

Avec: deg S(z)< deg R(z) et: deg T(z)< deg R(z)

En notant par F(z) la fonction de transfert globale entre l’entrée E(z) et la sortie Y(z) définie par:
Y ( z ) N ( z ) n0 + n1 z + n2 z 2 + L L + nL z L
F ( z) = = =
E ( z ) D ( z ) d 0 + d1 z + d 2 z 2 + L L + d K z K

L. EL MENZHI
LA REPRESENTATION D’ETAT DES SYSTEMES A
TEMPS CONTINU
L’analyse des systèmes à partir de la fonction de transfert est une technique puissante qui présente
certaines limitations:
- Elle s’applique seulement aux cas des systèmes mono variables linéaires continus et
stationnaires avec des conditions initiales nulles.
- Elle ne donne pas d’informations sur l’état interne du système.
La représentation d’état est une représentation mathématique plus générale; elle peut s’appliquer à
des systèmes linéaires et non linéaires, variants et invariants au cours du temps, mono variables et
multi variables.

1- Généralités:
a- La représentation d’état:

En automatique, une représentation d'état permet de modéliser un système dynamique sous


forme matricielle en utilisant des variables d'état. On se place alors dans un espace d'état. Cette
représentation, qui peut être linéaire ou non-linéaire, doit rendre compte de l'état du système à
n'importe quel instant futur si l'on possède les valeurs initiales. Cette représentation peut être
continue ou discrète.

b- Les variables d’état:

Un système peut être entièrement décrit à l'aide d'un ensemble de variables minimal. Les variables
d'état sont des grandeurs physiques continues du système (elles doivent être dérivables) et doivent
être indépendantes les unes des autres. Elles sont généralement rassemblées dans un vecteur X. La
connaissance de toutes les variables d'état à un instant t doit permettre de connaître toutes les
valeurs du système à un instant t+dt. Attention, cette représentation n'est pas unique, un même
système peut être décrit avec des variables d'état différentes mais leur nombre est toujours le
même. Ce nombre, désigné par la lettre n, représente l'ordre du système.

2- Concept d’état:

La description interne d’un système est donnée par le schéma suivant:

U1 Y1
U2 Y2
U3 Y3
Variables d’état
Up Yq

X1 X2 X3 Xn
Fig.21. Représentation schématique d’une modélisation d’état en temps discret

Il est caractérisé par les deux équations suivantes:


L. EL MENZHI

X (t ) = f [X (t ), U (t )] et U (t ) = G [X (t ), U (t )]
Tels que:
x   y1   u1 
 1    
x   y2   u2 
X (t ) =  2  , Y (t ) =   , U (t ) =  
M M M
     
x  y  u 
 n  q  p
L’état d’un système à un instant donné est constitué par des valeurs prises par un ensemble de
grandeurs dont la connaissance permet de décrire le comportement du système. Ces grandeurs
sont dîtes variables d’état et sont rassemblée dans un vecteur dit vecteur d’état. La représentation
d'état la plus générale pour les systèmes linéaires est la suivante en continue:

: vecteur qui représente les n variables d'état,


: vecteur qui représente les q mesures ou le vecteur de sortie (s),
: vecteur qui représente les p commandes (e),
: Matrice de dynamique,
: Matrice de commande,
: Matrice d'observation,
: Matrice d'action directe.

Ceci est le cas le plus général. Les matrices A, B, C, D sont souvent invariantes selon le temps,
elles deviennent alors des matrices constantes et on parle de représentation d'état continue
indépendante du temps donnée par les deux relations matricielles suivantes:

 •
X (t ) = A X (t ) + B U (t ) .

Y (t ) = C X (t ) + D U (t )

Dans ce cas, le système est dit stationnaire (invariant: ne varie pas au cours du temps).

Cette représentation d'état se représente sous forme de schéma-bloc:

Fig.22. Représentation schématique d’une modélisation d’état en temps discret

L. EL MENZHI
Les valeurs propres de la matrice d'état A représentent les pôles du système si ces valeurs propres
ne représentent pas des modes cachés du système c’est-à-dire si les valeurs propres sont
observables ET gouvernables/commandables. Si ces pôles sont à partie réelle négative, alors le
système est asymptotiquement stable. L'état du système est un résumé exhaustif du passé du
système. En effet, connaissant l'état x(ti), et la commande u(t) sur l'intervalle fini [ti;tf], on peut
exprimer l'état x(tf), grâce aux calculs sur l'exponentielle d'une matrice :

Remarque: Multiplicité de la représentation d'état


La représentation d’état n’est pas unique. Donc, un système donné admet une infinité de formes
d'état strictement équivalentes.
En effet:
 •
X (t ) = A X (t ) + B U (t )

Y (t ) = C X (t ) + D U (t )

Considérons Z(t) de même dimension que X(t).


Pour X(t)=P Z(t) P: étant une matrice quelconque non singulière (qu’on peut inverser). Alors:

P Z (t ) = A P Z (t ) + B U (t )
En multipliant l’équation précédente par P-1 on obtient:

Z (t ) = P −1 A P Z (t ) + P −1 B U (t ) = A Z (t ) + B U (t )
~ ~

Le système se réécrit donc comme suit:

Il existe donc une infinité de représentations d’état.

3- Relation entre la fonction de transfert et l’équation d’état:

Les systèmes linéaires et stationnaires sont généralement décrits par leur fonction de transfert
(transformée de Laplace de la réponse impulsionnelle). Pour être à même de transposer les
propriétés utilisées dans le domaine de Laplace au cas des représentations d’état, il est nécessaire
d’établir le passage d’une représentation à l’autre. Supposons qu’un système soit régi par
l’équation:

y(n)+a1 y(n-1)+ a2 y(n-2)+ ……+ an y = b0 u(m)+b1 u(n-1)+ ……+ bm-1 u(2)+ bm u

Y ( p ) b0 p m + b1 p m −1 + L L + bm
par la suite: T ( p) = =
U ( p) p n + a1 p n −1 + L L + a n

a- Représentation modale:
Ce type de représentation, encore appelé représentation parallèle, convient bien à la représentation

L. EL MENZHI
du système dont la fonction de transfert est placée sous la forme d’une somme. Alors, T(p) est de
la forme:
Y ( p) α1 α2 αn
T ( p) = = + +L L L +
U ( p ) p − p1 p − p2 p − pn

Dans ce cas, la fonction de transfert est dite strictement propre.


αi •
X i ( p) = U ( p) ⇒ xi = pi xi + u et y (t ) = α1 x1 + α n xn + L L L + α n xn
p − pi
Soit:

  p1 0 L 0
 •  0 p 2 0 0  1
  1
 x(t ) =  M O O 0 
 x(t ) +   u (t )
   M
0 L 0 pn   
 1

 y (t ) = [α 1 α 2 L α n ] x(t )

La matrice de commande A est diagonale et ses valeurs propres sont les pôles de la fonction de
transfert.

b- Représentation série:
Ce type de représentation fait apparaître le produit de n fonction de transfert et peut être
représenté par la mise en cascade de n blocs élémentaires. Alors, T(p) est de la forme:

Y ( p) α
T ( p) = =
U ( p ) ( p − p1 )( p − p2 )L L ( p − pn )
Dans ce cas, on a:
• •
x1 = p1 x1 + u et xi = pi xi + xi −1 pour i ≠ 1
Alors que: y (t ) = α xn
Soit:

  p1 0 L 0
• 1 p 0 0  1
 x(t ) =  2
 
  M O O 0  x(t ) + 0 u (t )
    M
0 L 1 pn   
 0 

 y (t ) = [0 0 L α ] x(t )

Remarque:
Dans certains cas, la fonction de transfert du système n’est pas factorisée. Alors, afin de trouver la
représentation d’état les méthodes ci-dessous seront appliquées.

c- Représentation compagne commandable:


1er cas: Les dérivées successives n’interviennent pas:

L. EL MENZHI
Dans un premier temps, il est plus simple de raisonner sur le système sans numérateur:

y(n)+a1 y(n-1)+ a2 y(n-2)+ ……+ an y = bm u

Y ( p) bm
par la suite: T ( p) = = n
U ( p ) p + a1 p + L L + a n
n −1

on prend comme variable d’état:


 x1 = y  •
x 1 = x2
 •  •
 x2 = y  x 2 = x3
 ⇔ 
 M  M
 x = y (n −1) • (n )
 n  x n = y = bm u − a n x1 − a n −1 x 2 + L L + a1 x m

On choisit, donc, comme variables d’état les sorties des systèmes élémentaires, c’est-à-dire les
dérivées successives de la sortie. La représentation d’état obtenue est dite sous forme compagne
pour la commande; elle s’écrit sous la forme matricielle suivante:

 •   0 1 0 L L 0  x1   0 
 x•1   x   0 
x   0 0 1 L L 0 
 2  
•  2  0 0 0 1 L 0  M +  M U
X (t ) =  M =    M  M
 M  M M M 0 1 M
 M  
 M  0 0 0 L 0 1    M
 •     x n  b 
 x n  − a n − a n −1 − an−2 L L a1   m

2ème cas: les dérivées de l’entrée interviennent:

On considère, par exemple, le système régi par l’équation différentielle suivante:

an y(n)+an-1 y(n-1)+ ............+ a1 y(1)+ a0 = bm u(m)+ bm-1 u(m-1)+............+b1 u(1)+ b0 u

Y ( p) bm p m + bm−1 p m−1 + L L + b1 p + b0
par la suite: T ( p) = = avec m<n
U ( p ) an p n + an−1 p n−1 + L L + a2 p 2 + a1 p + a0

Y ( p) X 1 ( p)
qui peut être écrite sous la forme: T ( p ) = T1 ( p ) T2 ( p ) =
X 1 ( p) U ( p)
Y ( p)
avec: T1 ( p ) = = bm p m + bm−1 p m−1 + L L + b1 p + b0
X1( p)
X ( p)
T2 ( p ) = 1
1
et =
U ( p ) an p + an−1 p + L L + a2 p 2 + a1 p + a0
n n −1

Qui peut être écrit sous la forme matricielle suivante :


 •   0 1 0 L 0   x1  0
 x•1  
x   M 0 1 O M   x  0 
 2  

x(t ) =  M =  M
2
M O O 0   M +  M  u (t )
     
 M  0 0 L 0 1   M 0
 •  
 xn  − a0 − a1 L L − an −1   xn  1 

L. EL MENZHI
Par conséquent : y (t ) = [b0 L bm 0 L 0] x(t )

Cette forme de représentation est appelé forme compagne car la matrice de commande du système
contient en une seule ligne, l’ensemble des coefficients du dénominateur de la fonction de
transfert. Elle est dite commandable car, bien que seule la variable xn soit directement affectée par
le signal d’entrée, toutes les variables d’état s’en trouvent influencées par intégrations successives.

d- Représentation compagne observable:

La représentation compagne observable peut être mise en évidence à partir de la forme de T(p)
suivante:

Y ( p ) bm p m−n + bm−1 p m−n−1 + L L + b1 p − n+1 + b0 p − n


par la suite: T ( p) = =
U ( p) a0 p −n + a1 p −n+1 + L L + an−1 p −1 + an

si on considère que an=1, alors:

Y ( p ) bm p m−n + bm−1 p m−n−1 + L L + b1 p − n+1 + b0 p − n


T ( p) = =
U ( p) a0 p −n + a1 p −n+1 + L L + an−1 p −1 + 1

Dans ce cas:
 •
 • x1 = − a0 xn + b0 u (t )
 x 2 = x − a x + b u (t )
 1 1 n 1


•
M
 x m+1 = x − a x + b u (t )
 m m n m

 •
M
 x n = xn−1 − an−1 xn


 s (t ) = xn
Qui peut être écrit sous la forme matricielle suivante:

 •  0 L L L 0 − a0   b0 
 x1   
 x•1  1 0 L L 0 − a1 
 x   M
x   
 2  b 
• 0 1 
x(t ) =  M = 
2 0 L 0 M
  M +  m  u (t )
M O O O M M    0
 M   M  M
•   0 L 0 1 0 M 
 x n   
 x n  0 L 
− a n −1   0 
 0 0 1

Par conséquent : y (t ) = [0 L L L 0 1] x(t )

Cette forme de représentation est appelé forme compagne observable car la matrice de commande
du système contient en une seule colonne, l’ensemble des coefficients du dénominateur de la
fonction de transfert. On remarque que la sortie de ce système est égale à xn qui par intégration
successives est bien influencée par toutes les variables d’état s’en trouvent influencées par
intégrations successives.

L. EL MENZHI
4- Passage de la représentation d’état à une fonction de transfert:

Une représentation d'état linéaire continue indépendante du temps peut être transformée en
fonction de transfert. Chacune de ces deux représentations dynamiques contient les mêmes
informations sur le système. Soit la représentation d'état suivante:

 •
X = A X + BU

Y = C X + D U

Appliquons la transformée de Laplace (conditions initiales nulles):

 pX ( p ) = A X ( p ) + B U ( p ) p X ( p)− A X ( p) = BU ( p)
X ( p)= ( p I − A ) BU ( p)
−1
 ⇒ ⇒
 Y ( p)= C X ( p)+ DU ( p) ( p I − A ) X ( p)= BU ( p)

on substitue alors X(p) dans l'équation de sortie:

( )
Y ( p ) = C ( p I − A) B U ( p ) + D U ( p ) = C ( p I − A) B + D U ( p )
−1 −1

T(p) représente la fonction de transfert du système:


Y ( p)
T ( p) = = C ( p I − A) B + D
−1

U ( p)
Les pôles de la fonction de transfert correspondent aux zéros de qui est aussi le
polynôme caractéristique de la matrice d’état A. Par conséquent, les pôles de T(p) sont les valeurs
propres de la matrice d’état A.
5- Observabilité et commandabilité:

On ne détaillera ici que le cas des systèmes linéaires invariant (SLI). La commandabilité et

l'observabilité dans les cas instationnaires et/ou non linéaires sont beaucoup plus difficiles à
traiter, et il existe des livres spécialisés dans ce domaine. La commandabilité et l'observabilité
sont des propriétés structurelles du système qui n'apparaissent pas dans la représentation par
fonction de transfert.

a- Définitions:

- Un système est complètement contrôlable s’il est possible d’imposer une entrée qui
amène le système d’un état x0 vers un état final xf en un temps fini.
- Un système est complètement observable si l’on peut complètement identifier
l’état initial à partir de la mesure de la sortie en un temps fixe.
b- Commandabilité:

Un système est dit commandable si quel que soit l'état à l'instant initial x(ti) , il existe une
commande u(t), appliquée sur un intervalle de temps fini [ti;tf], telle que x(tf) = 0.

Un critère algébrique existe pour la commandabilité, il est dû à Rudolf Kalman et Richard Bucy
(1961). Un système est dit commandable si et seulement si :
L. EL MENZHI
Cette matrice est communément appelée matrice de commandabilité et ses colonnes se calculent
k+1
de façon itérative : A B = A * AkB
(le rang d'une matrice est le nombre maximal de vecteurs lignes (ou colonnes) linéairement
indépendants)

c- Observabilité:

Un système est dit observable si l'observation de ses entrées et sorties pendant un intervalle de
temps fini [ti;tf] permet de retrouver l'état initial x(ti). En fait, puisqu'il est possible pour les SLI
d'avoir une solution analytique, l'observabilité nous permet donc de connaître l'état x(t) à tout
instant compris dans l'intervalle [ti;tf]. De manière duale, Kalman et Bucy ont proposé un critère
algébrique pour la commandabilité. Une représentation d'état continue indépendante du temps est
observable si et seulement si :

Cette matrice est communément appelée matrice d'observabilité et ses lignes se calculent de
k+1
façon itérative : CA = CAk * A

d- Conditions générales de Kalman:

 •
Un système  X = A X + B U est complètement contrôlable si le rang de la matrice
Y = C X + D U
[ [
rg Qc = B M AB M A 2 B M L L L M A n −1 B = n ]]
 •
Un système  X = A X + B U est complètement observable si le rang de la matrice composé
Y = C X + D U

[ [
rg QO = C t M At C t ( ) 2
M At C t ML L L ( )
M At
n −1
]
Ct = n

 (A,C) est observable.

Remarques:
• Un système à la fois commandable et observable est dit minimal.
• Les propriétés de commandabilité et d'observabilité sont dites duales.

e- Propriétés de dualité:

La paire (A,B) est contrôlable <==> (At,Bt) est observable.

L. EL MENZHI
La paire (A,C) est observable <==> (At,Ct) est contrôlable.
Le concept de contrôlabilité et d’observabilité sont des concepts duaux.

6- La stabilité au sens de Lyapunov:

En automatique, la notion de stabilité de Lyapunov ou plus correctement stabilité au sens de


Lyapunov apparaît dans l’étude des systèmes dynamiques.

a- Définition:
Un système est stable au sens de Lyapunov si lorsqu’on l’écarte (légèrement) d’un point
d’équilibre, il reste au voisinage de ce point.
Soient λi les valeurs propres de la matrice d’évolution A d’une représentation d’état, alors on
obtient le résultat suivant: Le système est stable au sens de Lyapunov si et seulement si Re(λi)≤0
quelque soit λi.

b- Critère de stabilité de Lyapunov:

b-1- Critère de stabilité:


- Si deux matrices symétriques •définies positives P et Q vérifient l’équation de Lyapunov:
AtP+PA=-Q Alors le système x(t ) = [A] x(t ) est stable au sens de Lyapunov.

- Si le système est stable, alors pour toute matrice Q symétrique et définie positive, l’équation de
Lyapunov a une solution unique P symétrique et définie positive.

b-2- Procédure:
1. Prendre Q quelconque définie positive,
2. Résoudre l’équation de Lyapunov AtP+PA=-Q,
3. Déduire la matrice P,
4. Tester si P est symétrique définie positive: si oui, le système est stable, si non, le système est
instable.

Conclusion:

La fonction de transfert est une relation entrée/sortie qui n’apporte aucune connaissance sur la
structure interne d’un système. Deux systèmes différents peuvent très bien avoir la même fonction
de transfert. Au contraire, la représentation d’état contient des informations accessibles à la
mesure et directement liées aux grandeurs physiques des systèmes. Elle offre de ce fait des
possibilités nouvelles en termes d’analyse et de commande des systèmes. Un même système
complexe pouvant être décomposé de différentes manières, la représentation d’état n’est pas
unique. Bien au contraire, pour un système donné, il en existe une infinité

L. EL MENZHI
REPRESENTATION D’ETAT DES SYSTEMES A
TEMPS DISCRET

Comme pour les systèmes à temps continu, les systèmes à temps discret peuvent avoir une
représentation d’état. Les deux formalismes sont très voisins et les notions présentées dans le
chapitre précédent restent valables. Deux approches traditionnelles sont souvent étudiées pour
aborder la représentation d’état des systèmes discrets: la discrétisation des équations d’état des
systèmes continus et la représentation directe par analogie avec la représentation d’état en
temps continu. C’est cette deuxième approche qui est privilégiée car elle permet de généraliser
très rapidement les propriétés déjà présentées au chapitre précédent.

1- La représentation d’état des systèmes en temps discret:

a- La représentation d’état:
Dans un modèle à temps discret, les variables d’état peuvent être définies par xi(k) qui représente
la valeur des signaux xi aux instants kTe; Te étant la période d’échantillonnage de tous les signaux
présents dans le système.
Dans une représentation d’état à temps discret, la possibilité d’exprimer l’état du système à un
instant donné en fonction du signal d’entrée et en fonction de son «passé» état précédent prend
tout son sens. La forme générale pour un système possédant plusieurs entrées, plusieurs sorties et
n variables d’état, a une écriture similaire à ce qui été étudié au chapitre précédent:

 X (k + 1) = [A(k )] X (k ) + [B(k )]e(k )



 Y (k ) = [C (k )] X (k ) + [D(k )]e(k )

Soit n le nombre de variables d’état, m le nombre d’entrées et p le nombre de sorties. Dans ces
conditions, la matrice de commande [A] est une matrice n×n, [B] est une matrice n×m et [C] est
une matrice p×n. La matrice [D], de dimension m×p représente la relation directe qui peut exister
entre sorties et entrées.

Remarque:
Les coefficients des différentes matrices peuvent aussi être variables dans le temps (càd peuvent
s’exprimer en fonction de k).

Cette représentation d'état se représente sous forme de schéma-bloc:

Y(k)
Vecteur de
x(k+1) x(k)
e(k) z-1 sortie
Vecteur de
commande

Fig.23. Représentation schématique d’une modélisation d’état en temps discret

L. EL MENZHI
Remarque:
- Dans cette représentation, Les coefficients des différentes matrices peuvent aussi être variables
dans le temps (càd peuvent s’exprimer en fonction de k).
- Si les coefficients des différentes matrices sont constants, le système est dit invariant.

b- La résolution des équations d’état:


Dans cette partie, nous allons nous limiter aux systèmes invariants possédant une seule entrée et
une seule sortie. L’état du système à l’instant 0 est connu. La suite d’échantillons d’entrées l’est
également entre l’instant 0 et l’instant k-1. Résoudre les équations d’état revient à chercher l’état
du système à l’instant k. Comme cet état sera déterminé sans tenir compte de la valeur de
l’échantillon d’entrée à cet instant, on parle dans ce cas de prédiction de l’état du système.
La prédiction de l’état du système à un instant quelconque se fait en procédant par itérations
successives. On donc:

 x(1) = [A] x(0 ) + [B ] e(0 )


 x(2 ) = [A] x(2 ) + [B ] e(1)

M

 x(i ) = [A] x(i − 1) + [B ] e(i − 1)
M

 x(k − 1) = [A] x(k − 2 ) + [B ] e(k − 2 )

 x(k ) = [A] x(k − 1) + [B ] e(k − 1)

Soit:
x(k ) = [A]{[A] x(k − 2 ) + [B ] e(k − 2 )}+ [B ] e(k − 1)

x(k ) = [A] x(k − 2 ) + [A] [B ] e(k − 2 ) + [B ] e(k − 1)


2
D’où:

En remplaçant successivement les x(i ) , on obtient:


k −1
x(k ) = [A] x(0 ) + ∑ [A] [B] e(i )
k k −1−i

i =0

Remarque:

- Cette expression trouvée est comparable avec celle trouvée en temps continu.
- La matrice de transition peut être calculée facilement.
- Le principe des itérations successives est très intéressant à utiliser dans le cas ou l’on cherche
l’évolution de l’état du système pour tout instant sur l’intervalle [0 k].
- Comme en continu, la représentation d’état d’un système en temps discret n’est pas unique.

2- Commandabilité et observabilité d’un système à temps


discret:
La commandabilité et l’observabilité des systèmes à temps discret s’étudient de la même manière
que pour les systèmes à temps continu.

L. EL MENZHI
a- La commandabilité:

a-1 Accessibilité:

Un système est dit accessible à l’état x(k) s’il est possible de déterminer une suite d’échantillons
d’entrée e(k) sur l’intervalle [0,k-1] de manière à amener le système de l’état x(0 ) = 0 vers l’état
x(k ) . Si un système est accessible quelque soit x(k ) , il est dit complètement accessible.

a-2 Critères de commandabilité:

Critère: un système est complètement accessible et complètement commandable si et seulement


si les vecteurs [B], [A][B], [A]2[B],………., [A]n-1[B] sont linéairement indépendants.

Cet énoncé peut être traduit de la manière suivante: on définit la matrice de commandabilité ou de
gouvernabilité par la matrice formée des n vecteurs colonnes [B], [A][B], [A]2[B],………., [A]n-
1
[B]:

[C ]= [[B] [A][B] [A]2 [B] L [A]n−1 [B]]


La paire [A], [B] est complètement commandable si et seulement si la matrice de commandabilité
est régulière ; autrement dit son déterminant n’est pas nul.

b- L’observabilité:

b-1 Définition:

Un système est dit observable à l’instant k Te, si la connaissance du signal d’entrée et du signal de
sortie sur un intervalle de temps [k1Te, K2Te] permet de calculer l’état du système à l’instant k2Te.
Si un système est observable quelque soit l’instant k2Te, il est dit complètement observable.

b-2 Critères d’observabilité:

Critère: un système est complètement observable si et seulement si les vecteurs colonnes [C]T,
[AT][C]T, [AT]2[C]T,………., [AT]n-1[C]T sont linéairement indépendants.

Cet énoncé peut être traduit de la manière suivante: on définit la matrice d’observabilité par la
matrice formée des n vecteurs colonnes [C]T, [AT][C]T, [AT]2[C]T,………., [AT]n-1[C]T:

[O]= [C ]T [A ][C ] [A ] [C ] [A ] [C ] 


T
T T T 2 T T n −1
L

La paire [A], [C] est complètement observable si et seulement si la matrice d’observabilité est
régulière; autrement dit son déterminant n’est pas nul.

Remarque:

Le choix de la période d’échantillonnage est susceptible d’influencer l’observabilité et la


commandabilité d’un système. Un système à temps discret perd son observabilité et sa

L. EL MENZHI
commandabilité si il existe deux valeurs propres distinctes λ1 et λ2 de la matrice [A] qui
possèdent la même partie réelle et dont la différence des parties imaginaires est un multiple de la

pulsation d’échantillonnage: ωe = .
Te

3- Relation entre la fonction de transfert et l’équation d’état:

a- Représentation d’état à partir de la fonction de transfert:

Dans cette partie, nous allons présenter plusieurs types de représentation d’état qu’on peut obtenir
à partir d’une fonction de transfert.

a-1 Représentation modale:


Ce type de représentation, encore appelée représentation parallèle, convient particulièrement bien
à la représentation d’un système possédant plusieurs pôles réels distincts. Soit G(z) sa fonction de
transfert:
Y (z ) α1 α2 αn
G (z ) = = + +L L L L +
E ( z ) z − p1 z − p2 z − pn

Elle parait sous forme de la somme de n fonctions de transferts. Sa représentation d’état est de la
forme suivante:
  p1 0 L 0 1
 0 p  1
 x(k + 1) =  0 0
2
x(k ) +   e(k )
 M O O 0 M
   
 0 L 0 pn  1


 Y (k ) = [α1 α 2 L α n ] x(k )

La matrice de commande [A] est diagonale et ses valeurs propres sont les pôles de la fonction de
transfert.

a-2 Représentation série:


Soit G(z) la fonction de transfert caractérisant le système:
Y (z ) α
G (z ) = =
E ( z ) ( z − p1 )( z − p2 )× L L × ( z − pn )

Elle fait apparaître le produit de n fonctions de transferts. Avec cette forme, la représentation
d’état est:
  p1 0 L 0 1
 1 p  0 
 x(k + 1) =  0 0
2
x(k ) +   e(k )
 M O O 0  M
    
 0 L 1 pn  0 


 Y (k ) = [0 0 L α ] x(k )

L. EL MENZHI
a-3 Représentation compagne commandable:
Soit G(z) la fonction de transfert caractérisant le système. Cette fonction n’est pas factorisée:

Y ( z ) bm z m−n + bm−1 z m−n−1 + L L + b1 z − n+1 + b0 z − n


G (z ) = =
E (z ) 1 + an−1 z −1 + L + a1 p −n+1 + a0 z −n

Ce système est similaire à celui qui a été vu dans le chapitre précédent au cas de la transformation
continue. La représentation d’état se déduisent naturellement de cette représentation:

 x1 (k + 1) = x2 (k )
 x (k + 1) = x (k )
 2 3


M

 xn−1 (k + 1) = xn (k )
 xn (k + 1) = − a0 x1 (k ) − a1 x2 (k ) − L L − an−1 xn (k ) + e(k )

Y (k ) = b0 x1 (k ) + b1 x2 (k ) + L L + am xm+1 (k )

d’où:
  0 1 0 L 0  0 
  M  0 
  0 1 O M   
 x(k + 1) =  M M O O 0  x(k ) +  M e(k )
    
  0 0 L 0 1  0 
 − a0 − a1 
 L L − an−1  1

 Y (k ) = [b0 L 0] x(k )
 bm 0 L

a-4 Représentation compagne observable:


La représentation compagne observable peut être mise en évidence à partir de la forme de G(z)
déjà transformée dans le paragraphe précédent:

Y (z ) bm z m−n + bm−1 z m−n−1 + L L + b1 z − n+1 + b0 z − n


G (z ) = =
E (z ) 1 + an−1 z −1 + L + a1 p −n+1 + a0 z −n

Dans ce cas, les équations de la représentation d’état se déduisent naturellement de cette


représentation:

 0 L L L 0 − a0   b0 
 1 0 L   M
  L 0 − a1   
 0 1 0 L 0 M  bm 
 x(k + 1) =   x(k ) +   e(k )
 M O O O M M  0

 0 L 0 1 0 M   M
    
0 L 0 0 1 − a n −1   0 



 Y (k ) = [0 L L L 0 1] x(k )

L. EL MENZHI
b- Passage de la représentation d’état à une fonction de transfert:

Si on applique la transformée en z aux équations d’état et si on suppose nulles les conditions


initiales. On obtient:

 x(k + 1) = [A] x(k ) + [B ]e(k )  z X (z ) = [A] X (z ) + [B ] E (z )


 ⇒ 
 Y (k ) = [C ] x(k )  Y (z ) = [C ] X (k )

X (z ) = (z I − [A] ) [B] U (z )
−1
On a donc:

on substitue alors X(z) dans l'équation de sortie et on tire Y(z):

Y ( z ) = [C ]( z I − [ A]) [B]U (z )
−1

La fonction de transfert du système est donc:

Y (z )
G (z ) = = [C ](z I − [A]) [B ]
−1

U ( z)

Les pôles de la fonction de transfert sont les valeurs de z qui sont solution de l’équation:

det (z I − [A]) = 0 qui ne sont donc que les valeurs propres de la matrice [A].

Remarque:

Comme pour le cas de la représentation d’état des systèmes continus, la fonction de transfert
obtenue pour les systèmes à temps discret correspond à la partie observable et commandable de
ces systèmes.

L. EL MENZHI
COMMANDE PAR RETOUR D’ETAT -
LES OBSERVATEURS

La commande par retour d’état consiste à élaborer un signal de commande à partir des grandeurs
d’état, supposées, dans un premier temps, toutes accessibles à la mesure dans le but d’améliorer le
comportement propre du processus. Si les variables d’état ne le sont pas, on devra avoir recours à
un observateur d’état.
1- La commande par retour d’état:
a- Principe et loi de commande:

La commande par retour d’état est la méthode de placement des pôles. Il s’agit de calculer le gain
qui impose à notre système (en boucle fermée) des pôles (p1 …..pn) selon l’ordre de notre système
et qui sont fixées par le cahier des charges imposé. On calcule également la consigne qui impose à
notre système l’erreur statique donnée par le cahier des charges.
Y: vecteur qui représente les q mesures ou le vecteur de sortie (s),
U: vecteur qui représente les p commandes (e),
A: Matrice de dynamique ou matrice d’évolution,
B: Matrice de commande ou d’entrée,
C: Matrice d'observation ou de sortie,
D: Matrice d'action directe ou de transmission directe ou encore de couplage entrée sortie.
Un tel système peut être schématisé par:

Fig.24. Structure de la commande dans le cas où l’état est mesurable

Le procédé du système étant équivalent à:

 •
U X = A X + BU Y

Y = C X + D U

Fig.25. Structure de la commande dans le cas où l’état est mesurable

L. EL MENZHI
Le principe de compensation par la commande par retour d’état consiste à définir une loi de
commande U(t)= N R(t)-K X(t).
R(t): correspond à la consigne du système asservi,
K : est dénotée la matrice de réaction d’état.
Cette loi de commande implique la connaissance du vecteur d’état X.
Le système corrigé qui est en boucle fermée, est alors schématisé par le schéma ci-dessous:

R N U
+
-

Partie
représentation
K d’état

Fig26. Structure de la commande dans le cas où l’état est mesurable

b- Détermination de la matrice gain:


Le comportement dynamique du système avant commande par retour d’état est caractérisé par le
polynôme caractéristique P suivant:
P( p ) = det( p I − A) = p n + α n−1 p n−1 + α n−2 p n−2 + L L L + α 0
Le comportement dynamique du système avec commande par retour d’état est caractérisé par le
polynôme caractéristique Pf suivant:
Pf ( p ) = det( p I − A + B K ) = p n + β n−1 p n−1 + β n−2 p n−2 + L L L + β 0
Les n coefficients de la matrice de retour d’état (matrice gain) K se calculent à partir de la
dynamique souhaitée pour le système corrigé. Cette dynamique est fixée par le choix des pôles du
système qui fixent le polynôme caractéristique souhaité Pf.

b-1 Calcul de K – Cas scalaire:


L’équation caractéristique du système est:
Pf ( p ) = det( p I − A + B K ) = p n + β n−1 p n−1 + β n−2 p n−2 + L L L + β 0

Ensuite, on calcule Δ(A) selon le théorème de Cayley Hamilton:


∆( A) = An + β n−1 An−1 + β n−2 An−2 + L L L + β 0

D’après la formule d’Ackermann:


K = [0 0 L 0 1]C −1 ∆( A)
C: étant la matrice de commandabilité.

Procédure pour éviter le calcul de C-1:

Afin d’éviter le calcul de la matrice C-1, il faut:

L. EL MENZHI
- Trouver la matrice dT telle que: dT C=[0,…….., 0, 0, 1] donc dT = [d1, ……,dn]
- Calcul de la matrice K telle que: K= dT Δ(A).

b-2 Calcul de K – Cas multivariable:


Dans ce cas, la procédure est la suivante:
- Transformation:
 q1 
K = q K =  M [K1 L K n ]
t

qm 

qi étant des constantes arbitraires, i=1…….,m


- Equation caractéristique:
Elle est obtenue, dans ce cas, par la relation: det[p I – A+BqKT] = 0
- Formule d’Ackerman:

K=[0, 0,……..,0,1] C-1 Δ(A) et C=[Bq, ABq,…………,An-1Bq].

Dans ce cas la matrice de commandabilité C n’est pas une matrice carrée.

b-3 Calcul de K – Cas d’une forme commandable:


Le système corrigé sous sa forme commandable est:

 •  •
X = Ac X + Bc U X = [Ac − Bc K ]X + Bc N r
 avec 
 Y = Cc X  Y = Cc X

Les Polynômes caractéristiques corrigé et désiré:

∆ c = p n + (β n−1 + K n ) p n−1 + L L L + (β1 + K 2 ) p + (β 0 + K1 )


∆ d = p n + d n−1 p n−1 + L L L + d1 p + d 0

Gains de la matrice de retour d’état:


Ki+1=di-ai i=0,1,……,n-1

Transformation de commandabilité:

X(t)=T z(t) avec T= CM

det( p I − A) = p n + α n−1 p n−1 + α n−2 p n−2 + L L L + α 0

α n−1 α n−2 L α1 1 
α
 n−2 α n −3 L 1 0
 M M L M M
M = 
 M α1 L M M
 α1 1 L 0 0
 
 1 0 L 0 0

L. EL MENZHI
2- Les observateurs d’état:

a- Introduction:

Il arrive souvent que toutes les variables d’état d’un système ne soient pas accessibles à la mesure
(capteurs qui n’existent pas, mesure peux fiable et bruitée, difficulté d’accès aux grandeurs à
mesurer……). Dans ce cas, l’implémentation directe de la commande U= -L.X est impossible. De
plus, la connaissance de la sortie Y ne résoudra pas le problème. En effet, comme C n’est pas
inversible la connaissance de Y=C.X ne permet pas de connaître X.

L’idée est donc de reconstruire l’état X à partir des informations disponibles, c’est-à-dire la sortie
Y et la commande U. Plusieurs solutions peuvent être envisagées pour reconstruire le vecteur
d’état. Une des solutions qui existent repose sur la réalisation d’un modèle dynamique permettant
d’approximer X: un observateur. On parle également de reconstructeur, d’estimateur, de filtre....
Cet observateur sera commandé par u(t) et de la sortie y(t) afin de corriger l’écart existant entre
l’état réel x(t) et l’état estimé qu’il est appelé à fournir. Il y a deux environnements possibles : le
cas déterministe et le cas stochastique qui permet de prendre en compte les bruits de mesure.

Calcul de la
commande Système

Fig.27. Structure de la commande dans le cas où l’état est mesurable

U
Calcul de la
commande Système

Etat
estimé
Observateur

Fig.28. Reconstruction de l’état

b- Historique :
La théorie de l’observateur d’état a tout d’abord été introduite par Kalman et Bucy pour un
système linéaire dans un environnement stochastique (Filtre de Kalman-Bucy). Puis Luenberger a
fait une théorie générale des observateurs pour les systèmes linéaires déterministes, introduisant
notamment les notions d’observateur réduit ou d’observateur minimal. Les observateurs linéaires
ont donné lieu à des travaux récents, allant vers une généralisation toujours plus poussée. Pour les
systèmes non linéaires, le filtre de Kalman étendu reste très utilisé malgré les résultats importants
obtenus récemment sur les observateurs non linéaires à grand gain. Une problématique très
importante est celle de la robustesse des observateurs. Un apport fondamental est celui de Doyle
et Stein, avec le procédé LTR (« Loop Transfer Recovery ») dont une interprétation entièrement
algébrique a pu être donnée dans le cas monovariable.

L. EL MENZHI
c- Définition :

On appelle observateur du système un opérateur qui génère une approximation ẑ de la variable



z=Tx sous la forme: zˆ = F zˆ + L1 y + L2 u

ou u est la commande et y la sortie.

• Si z et x ont les mêmes dimensions, l’observateur est dit complet (tout l’état est estimé) ou
encore d’odre plein. On choisit T=I (z=x) et zˆ = xˆ .
• Si dim(z)<dim(x), alors l’observateur est dit d’ordre réduit ou d’ordre minimal.

Remarques:

• Un observateur soit être stable,


• Un observateur doit assurer la convergence de ẑ vers z. On distingue deux cas:

- Dans le cas déterministe, la convergence s’écrit: lim [zˆ (t ) − z (t )]= 0 ∀ u et ∀ x .


t → +∞

- Dans le cas stochastique, on impose par exemple une convergence en valeur


moyenne: lim E [zˆ (t ) − z (t )]= 0 ∀ u et ∀ x .
t → +∞

• On note ε (t ) = z (t ) − zˆ (t ) l’erreur de reconstruction.

d- Reconstitution de l’état d’un système:

Un observateur est un système dynamique capable de reproduire les états non mesurables d’un
système à partir de la connaissance des entrées et des sorties de ce système. Soit le système
continu régit par les équations:

 •
x(t ) = A x(t ) + B u (t )

 y (t ) = C x(t )

L’observateur est défini par les équations suivantes:

 •ˆ
 z = F zˆ + L1 y + L2 u

 xˆ = G z + H y
 z =T x + ε

• • •
On définit l’erreur de reconstruction comme étant: ε = z − zˆ . Avec « z » est le vecteur d’état de
l’observateur. La matrice «F» fixe la dynamique de l’observateur. Elle est choisie par le
concepteur et constitue à ce titre une donnée du problème. La mécanisation de l’observateur est
donnée par le schéma suivant:

L. EL MENZHI
L2

+
u + x y z + x̂
B 1/p C L1 1/p G
+
+ + +

A F

Le système
H

L’observateur

Fig.29. Schéma fonctionnel du système en présence d’un observateur

• • • •
Résolvons le système d’équation: z = T x + ε = TA x + TB u + ε
• • •
z = F z + L1 y + L2 u = FTx + Fε + L1 Cx + L2 u ⇒ TAx + TBu + ε = FTx + F ε + L1Cx + L2u
La relation suivante doit être vérifiée ∀ u et ∀ x :

(TA − FT − L1C )x + (TB − L2 )u +  ε − F ε  = 0


 
D’où les conditions:
TA − FT = L1C , TB = L2 et dε dt = F ε

e- L’observateur identité:

L’observateur identité est un observateur sans biais tel que: lim [zˆ (t ) − z (t )]= 0 ou z=x autrement
t → +∞

dit nous cherchons cette fois-ci un observateur tel que la matrice T=In. Les équations du couple
(système, observateur) précédentes deviennent:

 •ˆ
 •  z = F zˆ + L1 y + L2 u
x(t ) = A x(t ) + B u (t ) 
 et  xˆ = G z + H y
 y (t ) = C x(t )  z = x +ε

• • •
Dans ce cas l’erreur: ε = x − xˆ .

• • • •
Le système d’équation devient: z = x +ε = A x + Bu +ε

• • •
z = F z + L1 y + L2 u = Fx + Fε + L1 Cx + L2 u ⇒ Ax + Bu + ε = Fx + F ε + L1Cx + L2u
La relation suivante doit être vérifiée ∀ u et ∀ x :

L. EL MENZHI
( A − F − L1C )x + (B − L2 )u +  ε − F ε  = 0

 
Les conditions deviennent:
A − F = L1C , B = L2 et dε dt = F ε


Et par conséquent: xˆ = ( A − L1 C ) xˆ + L1 y + B u = Axˆ + B u + L1 ( y − Cxˆ )


Posons yˆ = C xˆ , il vient: xˆ = = Axˆ + B u + L1 ( y − yˆ ) .

3- Les observateurs d’état discret:

Evidemment les résultats précédents établis à partir de la représentation interne des systèmes
continus sont transposables pour la commande et la reconstruction d’état des systèmes discrets.
Soit l’équation vectorielle d’un processus discret:

 xk +1 = A xk + B uk

 y k = C xk

Afin de pouvoir utiliser directement les résultats établis pour les systèmes continus, on a conservé
la notation adoptée pour la représentation d’état des systèmes continus. Considérons l’observateur
identité (T=In) étudié au paragraphe précédent:

 z k = xˆ k = xk + ε k

 A − F = L1 C
 B = L2

L’équation de l’observateur

• • •
Dans ce cas l’erreur: ε = x − xˆ .

Le système est régit par l’équation: xˆk +1 = F xˆk + L1 yk + L2 uk = ( A − L1C )xˆk + L1 yk + B uk


xˆk +1 = A xk + B uk + L1 ( yk − yˆ k ) .

On reconstruit l’état x(t) à partir d’un modèle du processus corrigé par une comparaison entre la
mesure de la sortie du processus réel et celle du modèle.
L’erreur d’estimation évolue selon la dynamique imposée par la matrice (A-L1C) puisque:

ε k = xˆk − xk et ε k +1 = ( A − L1C )ε k

La détermination de L1 s’effectue selon:

• La méthode dite par « allocation de pôles »,


• Une approche optimale qui consiste à minimiser l’espérance mathématique de l’erreur en
tenant compte des bruits qui affectent l’état et les sorties du processus, il s’agit du filtre de
Kalman.

L. EL MENZHI
BIBLIOGRAPHIE

 « Automatique de base » de Patrick Siarry collection Ellipses.


 « Systèmes Asservis Commande et Régulation » Tome1 Collection Wallada
de Marek Zelazny, Fouad Giri et Taîeb Bennani.
 « Automatique Systèmes linéaires, non-linéaire, à temps discret,
représentation d’état» Collection Dunod de Yves Granjon.
 « Automatique linéaire continu» Collection Toubkal de Najib Bennis.

L. EL MENZHI
Annexe: Transformées en z des signaux usuels

L. EL MENZHI

Vous aimerez peut-être aussi