1.

1 Principe de l’asservissement numérique

Afin de mettre en œuvre les asservissements en milieu industriel, l’usage d’outils

informatiques comme organes de contrôle des processus asservis est essentiel. C’est le cas par
exemples des ordinateurs ou des microcontrôleurs qui peuvent, entre autre, assumer des
fonctions de calculateurs numériques. Mais de tels instruments sont à base de composants
électroniques (microprocesseurs, mémoires, ...) et fonctionnent avec des signaux binaires,
porteurs d’informations numériques, on parle alors de signaux numériques. Se pose alors
un problème fondamental, à savoir qu’un outil numérique ne peut s’accommoder de signaux
analogiques, pourtant quasi exclusifs dans la majorité des systèmes physiques. En
effet, le mode de traitement des informations imposé par un calculateur est de nature
numérique et cadencé dans le temps de façon périodique grâce à une horloge. Le temps et
l’amplitude du signal sont donc des grandeurs discrètes. Schématiquement, cela signifie
que tout signal vivant dans l’ordinateur est une suite de nombres.

1.2 Structure d’un asservissement numérique

FIG. 1.1 – Structure typique de la réalisation d’un asservissement numérique

L’asservissement numérique se fait typiquement par le biais d’une structure schématisée

par la figure 1.1 et composée des objets fondamentaux suivants :
1. un comparateur : celui-ci fournit un signal d’écart ϵ (t ) qui réalise la différence entre
le signal analogique de référence ϵ (t ) et le signal analogique de mesure m(t).
2. un CAN : celui-ci fonctionne à la période d’échantillonnage T > 0. Il fournit à sa
sortie le signal numérique d’écart noté ϵ n.
3. un algorithme de commande : celui-ci manipule des suites de nombres et a pour fonction
d’élaborer la loi de commande. Il délivre donc le signal numérique de commande υ n.
4. un CNA : celui-ci fonctionne à la période d’échantillonnage T > 0. Il transforme
le signal numérique de commande issu du calculateur en le signal analogique de
commande correspondant.
5. des transmittances A(p) et C ( p) représentant respectivement la dynamique du système
et celle du capteur.
En pratique, l’opération de comparaison se fait également numériquement. Ainsi, une
autre structure typique d’asservissement peut être schématisée par la figure 1.2 où nous
pouvons remarquer la présence d’un CAN supplémentaire.
 FIG. 1.2 – Autre structure typique réalisant un asservissement numérique.

Dans toute structure d’asservissement est inséré un calculateur numérique réalisant, entre
autre, les tâches de l’algorithme de commande. Un tel calculateur peut être à base de
microprocesseurs
et faire partie d’un microcontrôleur, d’une carte électronique dite d’acquisition
et de traitement temps réel, type DSP, réalisant également les opérations de conversion.
Module

1.2. Echantillonnage
1.2.1. Principe de l’échantillonnage

Pour échantillonner un signal analogique continu x(t) et le transformer en une suite discrète
d’échantillons x*(t) on prélève périodiquement à des intervalles de temps Te la valeur du
signal à l’aide d’un échantillonneur.

FIG. 1.3 : Représentation d’un échantillonneur.

Où t 0 est le temps de fermeture de l’interrupteur, T eest la période d’échantillonnage est

f e=1/T e est la fréquence d’échantillonnage. La figure 6 montre un exemple de signal
échantillonné.
 FIG.1.4 : Signal échantillonné

Mathématiquement on peut décrire l’échantillonnage comme une multiplication:

x∗(t)=x (t )× d (t )
Où d(t) est un train d’impulsions valant 0 ou 1.

On peut considérer que ce signal échantillonné x*(t) peut être obtenu à partir du signal
analogique x(t) en le multipliant par le signal d’échantillonnage d(t) suivant :

Figure 1.5.Allure temporelle du signal d’échantillonnage.

Le signal d’échantillonnage d(t) est caractérisé par :

• une période de répétition Te
• une largeur to
• une amplitude unité
On écrira donc : x*(t) = x(t).d(t)
Cette manière de voir permet de mettre en évidence simplement les effets de l’échantillonnage
sur le spectre du signal x(t).

Exemples de signaux échantillonnés:

Échantillonnage d’un signal sinusoïdal, signal x(t) en bleu,signal x*(t) en rouge
fréquence du signal F = 1 kHz
fréquence d’échantillonnage fe= 10 kHz
10 échantillons par période
Échantillonnage d’un signal quelconque:

1.2.2. Spectre d’un signal échantillonné:

Si on échantillonne un signal de forme quelconque x(t) ou démontre que le spectre à

une forme très particulière (Fig1.4).

FIG1.4. Signal continu (gauche) et son spectre (droite).

Le spectre d’un signal échantillonné s’obtient en reproduisant la forme du spectre du

signal x(t) autour de chaque multiple de la fréquence d’échantillonnage : fe, 2fe, 3fe
(Fig1.5).
 Fig1.5 : Spectre du signal échantillonné x*(t).

1.2.3. Calcul du spectre d’un signal échantillonné:

Le signal d’échantillonnage d(t) est un signal périodique dont la décomposition en série

de Fourier contient une valeur moyenne do , un fondamental d1 à la fréquence fe= 1/Te et des
harmoniques dn:

Comme la durée d’ouverture to est faible par rapport à la période d’échantillonnage Te,
l’angle nπto /Te est petit et on pourra confondre le sinus avec l’angle pour les premiers
harmoniques , soit : dn ≈ 2. nπto/Te . nπ ≈ 2¿ /Te

Le début du spectre de d(t) a donc l’allure suivante :

Figure 1.6. Début du spectre du signal d’échantillonnage.

Dans cet exemple, le signal échantillonné x*(t) s’écrit :

x∗(t)=x (t ). d (t)=x(t). (¿/Te+2¿¿ Te. cos (ωet )+ 2¿ ¿Te . cos(2 ωet )+...)
¿ x (t) .¿ /Te+ 2¿ /Te . x( t). cos (ωet )+ 2¿ /Te . x (t) .cos (2 ωet)+.. .

On constate que le signal échantillonné est beaucoup plus riche puisqu’il contient des termes à
tous les multiples de la fréquence d’échantillonnage Fe.
Plaçons nous dans le cas particulier simple d’un signal échantillonné x(t) sinusoïdal dont le
spectre est formé d’une raie à F :

x (t)= Acos (Ω t)
Le signal échantillonné s’écrit alors :

x∗(t )=¿ /Te. Acos(Ωt )+2 ¿/Te . Acos( Ωt ). cos (ωet)+2 ¿ /Te . Acos (Ωt ).cos (2 ωet)+.. .

¿ ¿/Te . Acos( Ωt )+ ¿/Te . A( cos(ωe−Ω)t )+ cos(ωe+ Ω) t ¿+¿ /Te . A (cos (2 ωe−Ω)t )+ cos(2 ωe + Ω)t ¿+.. .

et le spectre du signal sinusoïdal échantillonné x*(t) a l’allure suivante :

Figure 1.7.Spectre d’une sinusoïde échantillonnée

II. Choix de la fréquence d’échantillonnage

Une conséquence fondamentale du précédent est le choix de la fréquence
d’échantillonnage pour un signal donné.
En effet, l’opération d’échantillonnage ne doit pas amener une perte d’information.
Autrement dit, l’opération d’échantillonnage doit être réversible et on doit pouvoir
repasser du signal échantillonné au signal initial.
On voit facilement que ceci n’est possible que si la fréquence fe est suffisamment élevée,
d’où le résultat fondamental :

Si on ne veut pas perdre d’information, il faut que la fréquence d’échantillonnage soit

au moins égale au double de la fréquence maximale Fmax du spectre du signal
analogique.
Dans ce cas, on pourra revenir en arrière par simple filtrage passe-bas.
 Figure 1.8: Signal échantillonné avec le choix de la fréquence fe.

Dans la pratique, la règle de Shannon nous conduit aux choix suivants :

· Son en qualité téléphonique : Fmax = 3 kHz et Fe = 8 kHz.
· Son en qualité hi-fi : Fmax = 20 kHz et Fe = 44,1 kHz.

II.1. Phénomène de repliement

Le bon choix de Fe nécessite de bien connaître la valeur de Fmax, fréquence maximale
contenue dans le signal à échantillonner. A ce niveau, il ne faut pas confondre la
fréquence maximale utile (par exemple 20 kHz pour la musique) avec la fréquence
maximale effectivement présente dans le signal qui est toujours supérieure à la
fréquence précédente (bruit produit par le préamplificateur du microphone au delà de
20 kHz par exemple).
Par exemple la situation de l’enregistrement numérique d’un musicien en studio : Le
pianiste joue son morceau, la musique est enregistrée à l’aide d’un microphone qui, avec
son préamplificateur, a une bande passante de 40 kHz. Personne n’a remarqué la
chauve-souris qui dormait dans l’instrument et qui, réveillée par la musique, pousse des
cris parfaitement inaudibles puisque dans la bande ultrasonore.
Le microphone fournit donc un signal électrique composé de :
· la musique produite par le musicien et son instrument dans la bande 20 Hz-20
kHz ;
· le bruit électrique à densité spectrale constante dans la bande 0-40 kHz ;
· le cri de la chauve-souris à 35 kHz.
L’ingénieur du son choisit une fréquence d’échantillonnage Fe = 44,1 kHz en pensant
respecter parfaitement la règle de Shannon. C’est parfaitement vrai pour la musique,
mais pas pour le bruit, ni pour le cri de la chauve-souris.
Le spectre du signal échantillonné est alors est représenté sur la figure 1.9
 Figure 1.9 : Spectre d’un signal musical avec bruit échantillonnés.

On constate l’apparition dans la bande audio par repliement de spectre :

· du cri de la chauve-souris à 44,1 - 35 = 9,1 kHz qui est devenu audible ;
· d’une augmentation de bruit de fond qui vient du bruit au-delà de 20 kHz replié
vers les basses fréquences.
Pour éviter ces problèmes, il faut s’assurer que le spectre est vraiment limité à Fmax. La
meilleure façon de s’en assurer est de placer un filtre à coupure raide qui supprimera
tous les signaux parasites au-delà de la fréquence limite Fmax : c’est le filtre anti-repliement
(Figure 1.10).

Figure 1.10 : Filtre anti-repliement et un interrupteur.

Ce filtre anti-repliement doit simplement :

laisser passer le signal sans le déformer, donc avoir une courbe de réponse plate
entre 0 et Fmax ;
atténuer au maximum toutes les composantes au-delà de fe/2 qui seraient sinon
repliées et apparaitraient dans le signal échantillonné.
La figure 12 montre des exemples de filtre anti-repliement.

II.2.5. Échantillonneur-bloqueur
Pour permettre la conversion analogique-numérique entre deux instants
d’échantillonnage, il faut maintenir la valeur du signal x*(t) à l’entrée du convertisseur
jusqu’à l’arrivée de l’échantillon suivant.
De ce fait l’échantillonneur est toujours suivi dans la pratique d’un circuit de maintien
appelé bloqueur (Figure 1.11).
 Figure 1.11 : É tapes de passage d’un signal analogique vers signal numérique.

Le signal x(t) qui a été filtré pour bien métriser la valeur de la Fmax a été échantillonné.
Il s’agit maintenant de transformer ces échantillons en valeurs numériques puis en bloque
l’échantillon pour pouvoir laisser au convertisseur le temps de faire la
conversion.

Figure 1.12: Signal analogique (gauche) et signal échantillonné/bloqué (droite)

II.3. QUANTIFICATION
Le signal échantillonné/bloqué peut être converti sous forme des valeurs binaire
(numérique) pour être stocké. Ce codage s'appelle la quantification.
Alors le rôle de la quantification est de donner une image binaire d’un signal analogique
par exemple de transformer une tension à des chiffre c’est le passage d’un signal
continu vers un signal discret.

II.3.1. Quantification linéaire

La quantification linéaire consiste à choisir les niveaux de quantifications de sorte que
toute la gamme des échantillons soit quantifiable avec un pas de quantification constant.
Quand le signal échantillonné et bloqué en marche d’escalier variant entre -E/2 et +E/2,
on peut le convertir à une suite de valeurs binaires :
· le nombre de valeurs binaires n’est pas infini, il faut donc classer les échantillons
analogiques en différents niveaux ;
· la fonction de quantification attribue le même niveau à tous les signaux situés
dans une plage de tension donnée ;
· l’amplitude de cette plage s’appelle le quantum q.
La figure 1.13 explique cette opération :

Figure 1.13 : Quantification linéaire.

Le nombre de niveaux de quantification est bien-sûr lié au nombre de bits N du CAN par
exemple :
· un convertisseur 8 bits quantifie le signal analogique sur 256 niveaux = 19,5 mV
si E = 5V ;
· un convertisseur 16 bits quantifie le signal analogique sur 65536 niveaux,
q =0,076 mV si E = 5V.

II.3.2. Erreur liée à la quantification

La dégradation que subit le signal lors d’une conversion analogique numérique est
analogue à celle que produirait un bruit superposé au signal. Ce bruit est appelé bruit de
quantification ou bruit d’arrondi.
Si on augmente le nombre de bits N, l’erreur d’arrondi va diminuer et le bruit de
quantification va diminuer aussi. (Figure 14).

Figure 14 : Bruit de quantification.

Bruit d'une quantification sur 8 niveaux « 3bits » (gauche) et bruit d’une

quantification sur 32niveaux « 5bits » (droite).
On démontre que le rapport signal/bruit pour un signal utilisant la pleine échelle vaut
environ :
S¿ Bdb= 6.N + 2

Où N est le nombre de bits.

On peut toujours améliorer la qualité da la numérisation si on augmente le nombre de
bits N.

Remarques :
la quantification dégrade toujours la qualité du signal, mais cette dégradation peut être
maîtrisée.
on peut toujours améliorer la qualité de la numérisation en augmentant le nombre de bits N
une numérisation sur 16 bits( cas du CD audio) donne un rapport S/B = 94 dB, le bruit de
quantification est alors à peine perceptible

II.3.4. Séquence numérique

Cette conversion analogique numérique commence par un signal analogique qui a été
filtré par un anti-repliement dont la fréquence maximale de son spectre est bien connue.
Ce signal analogique a été échantillonné à la fréquence d’échantillonnage fe qu’on a
choisi correctement (la règle de Shannon) puis chaque échantillon a été bloqué ou
maintenu par le bloqueur et il a été converti et quantifié en numérique par un
convertisseur analogique numérique (Figure 15).

Figure 15 : Étapes de conversion analogique numérique.

III Restitution d’un signal analogique

En sortie du système numérique, on transforme en général la séquence numérique yn en signal

analogique y(t) de la façon suivante :
la séquence yn est appliquée à un convertisseur numérique analogique qui fournit en sortie
les échantillons y(nTe)
un bloqueur maintient en sortie la valeur de l’échantillon y(nTe) jusqu'à l’arrivée de
l’échantillon suivant y((n+1)Te)
 le signal en marches d’escaliers ainsi obtenu est simplement lissé par un filtre passe-bas

Figure 16.Structure d’un système de restitution.

Remarques :
Cette structure est simple et très utilisée pour passer du signal numérique au signal analogique
Elle ne fournit pas le signal idéal yi(t), mais une approximation y(t) de ce signal et introduit
donc une distorsion.
Cette distorsion n’est guère acceptable dans un système de reproduction du son de bonne
qualité.

En théorie, on peut obtenir yi(t) à partir de y*(t) par simple filtrage passe-bas :

Figure 17.Restitution du signal analogique par filtrage passe-bas.

Cette solution n’est pourtant pas envisageable dans la pratique parce qu’elle donne un signal
yi(t) certes exact, mais d’amplitude extrêmement faible et donc forcément parasité par des
signaux numériques (horloge par exemple ).
Pour voir simplement l’influence du bloqueur sur le signal de sortie, dessinons le spectre du
signal en sortie du bloqueur en considérant celui-ci comme un filtre dont la transmitance (et
par conséquent aussi la courbe de gain et la courbe de phase) a une expression très particulière
:
 figure17: Transmittance du bloqueur.

La transmittance du bloqueur est une courbe en sin(X)/X appelée aussi sinus cardinal et la
courbe de phase est linéaire.

Le bloqueur est un circuit qui, à une entrée en impulsion, répond par un créneau de largeur
Te :

Connaissant la sortie S(p) pour une entrée E(p) particulière donnée, on écrit facilement la
transmittance de Laplace du bloqueur :

et sa transmittance complexe
le bloqueur est un filtre passe-bas dont la transmittance passe par zéro aux multiples de la
fréquence d’échantillonnage.
la courbe de phase est linéaire, ce qui veut dire que le bloqueur introduit un retard de
to = Te/2.

Pour obtenir le spectre du signal en sortie du bloqueur, il suffit de superposer le spectre des
échantillons y*(t) et la transmittance du bloqueur.

Remarques :
Le filtre passe-bas de restitution lisse le signal en marches d’escalier en éliminant les paquets
autour de fe, 2fe …
Il est difficile à réaliser : réponse plate dans la bande passante, coupure très raide.
Au final, la distorsion introduite par ce système de restitution est simplement une perte de
niveau dans les aigues.
Le bloqueur introduit aussi un retard to = Te/2 sans influence sur la qualité de la restitution.
Filtre compensateur de sinus cardinal

On peut très bien compenser la perte dans les aiguës en utilisant un filtre dont la courbe de
gain augmente légèrement jusqu’à Fmax :

Ce filtre doit remonter le gain de 4 dB environ à fe/2

Il doit avoir une pente très raide après la coupure.
Il est délicat à réaliser en analogique car il nécessite des composants de valeurs précises.
Il est souvent intégré sous forme de filtre à capacités commutées avec d’autres fonctions dans
les circuits de conversion N/A.

figure. Filtre passe-bas de restitution compensateur de sinus cardinal.

Restitution par sur-échantillonnage:

Pour simplifier la conception du filtre de sortie, on utilise très souvent la technique du sur-
échantillonnage.
Le convertisseur numérique-analogique est précédé d’un filtre numérique interpolateur:
 Ce filtre calcule des échantillons supplémentaires qui seront placés entre 2
échantillons connus.

 Avec 3 échantillons supplémentaires, le rythme des échantillons devient 4 fois plus

élevé, soit f’e = 4.fe
 On parle dans ce cas de quadruple sur-échantillonnage
 Les lecteurs CD audio actuels utilisent couramment l’octuple sur-échantillonnage
calcul de 7 échantillons dans Te)

Remarques :
 Dans la bande du signal le gain du bloqueur reste constant, le signal restitué par un
simple passe-bas correspond au signal idéal yi(t)
 Le filtre passe-bas de restitution n’a pas besoin d’être d’ordre élevé, puisqu’il doit
éliminer les composantes autour de 4fe, 8fe …
 Les échantillons intermédiaires calculés par le filtre interpolateur facilitent la
restitution, sans nécessiter une augmentation effective de fe avec ses conséquences
négatives ( accroissement du flux de données, de la capacité de stockage, diminution
de la durée du CD …)
 Pour que l’interpolation soit efficace même entre deux échantillons qui ne diffèrent
que par le LSB, il faut que le calcul se fasse sur un nombre de bits supérieur