Cpge 1 Année

SCIENCES INDUSTRIELLES DE L'INGENIEUR
CPGE 1re année

CPGE 1re année
SCIENCES INDUSTRIELLES DE L'INGENIEUR
Valider les
performances
globales d’un
système
ASSER Cours - Valider les performances globales d'un système CPGE 1re année
Sommaire
1 Évaluer les performances d’un système continu à partir de la courbe de sa réponse

expérimentale ou de la courbe de sa réponse simulée 5
1.1 Performances d’un système continu 5
1.2 Entrée test d’un système continu 5
1.3 Valeur initiale, valeur finale et variation totale des grandeurs d’entrée et de sortie d’un système continu 6
1.4 Vérifier la stabilité, puis la caractériser en déterminant le nombre de dépassement ou la valeur du 1 er
dépassement 7
1.5 Caractériser la rapidité en déterminant le temps de réponse à 5% 8
1.6 Caractériser la précision en déterminant l'erreur en régime permanent 9
2 Prévoir les performances d’un système continu linéaire et invariant à partir de son modèle 10
2.1 Modéliser un SLCI par une fonction de transfert à partir de son modèle de connaissance 10
Système Linéaire, Continu et Invariant (SLCI) et modèle de connaissance 10
Transformée de Laplace 11
Fonction de transfert (définie uniquement pour des conditions initiales nulles) 12
Forme canonique d’une fonction de transfert : gain statique, ordre et classe 12
2.2 Prévoir la stabilité d’un SLCI 13
Condition fondamentale de stabilité d’un SLCI : pôles à partie réelle strictement négative 13
Réduire l’ordre d’un modèle – Pôle dominant proche de l’axe des imaginaires 14
Polynôme caractéristique - Critère de Routh simplifié 16
Synthèse sur l’étude du comportement en stabilité 16
2.3 Prévoir la rapidité d’un SLCI 16
2.4 Prévoir la précision d’un SLCI 17
Transformée de Laplace des entrées test 17
Théorème de la valeur finale 17
Valeur finale d’un modèle stable, sans dérivateur, soumis à une entrée en échelon d’amplitude E 0 17
Fonction de transfert en poursuite et Erreur en régime permanent 18
3 Prévoir la réponse à une entrée en échelon d’un modèle usuel 19

3.1 Prévoir la réponse à une entrée en échelon d’un modèle proportionnel (ou gain pur) : K 19
3.2 Prévoir la réponse à une entrée en échelon d’un modèle dérivateur : Kp 19
3.3 Prévoir la réponse à une entrée en échelon d’un modèle intégrateur : K/p 19
3.4 Prévoir la réponse à une entrée en échelon d’un modèle du 1er ordre : K/(1+p) 20
3.5 Prévoir la réponse à une entrée en échelon d’un modèle du 2ème ordre : K/[1+(2z/0)p+(1/02)p2] 21
Réponse apériodique (non oscillatoire) (z>=1) 21
Réponse oscillatoire (z<1) 21
3.6 Prévoir la réponse d’un modèle à retard : e-Tp 24
4 Identifier un modèle de comportement d’un système continu à partir de la courbe de sa

réponse expérimentale 26
4.1 Principe 26
4.2 Modéliser le comportement par un 1er ordre et identifier les paramètres K et  27
4.3 Modéliser le comportement par un 2ème ordre oscillatoire et identifier les paramètres K, z et 0 28
4.4 Modéliser le comportement par un 2ème ordre apériodique et identifier les paramètres K, 1 et 2 30
5 Déterminer le modèle de connaissance d’un SLCI asservi non perturbé 32

5.1 Système asservi 32
5.2 Constituants d’une chaîne fonctionnelle ayant un effet sur les performances d’un système asservi 32
5.3 Structure d’un schéma-bloc d’une grandeur asservie : comparateur, image de l’erreur, correcteur et
commande 33
5.4 Schéma-bloc d’une grandeur asservie non perturbée : chaîne directe et chaîne de retour 34
5.5 Modèle de connaissance liant deux grandeurs (une entrée et une sortie) 35
5.6 Relation entre les fonctions de transfert de l’interface homme-machine et du capteur 35
5.7 Simplification de schéma-bloc (blocs en série, en parallèle, ou en boucle fermée FTBF) 36
5.8 Identifier un modèle de comportement d’un constituant de la chaîne directe d’un SLCI asservi 38
Sciences industrielles de l’ingénieur Page 2 sur 65 08/05/2020

6 Déterminer le modèle de connaissance d’un SLCI asservi perturbé 40

6.1 Notion de perturbation 40
6.2 Schéma-bloc d’une grandeur asservie perturbée 40
6.3 Modèle de connaissance liant trois grandeurs (deux entrées et une sortie) 40
6.4 Fonction de transfert en poursuite et fonction de transfert en régulation (théorème de superposition) 41
6.5 Prévoir la stabilité d’un SLCI asservi perturbé 42
6.6 Prévoir la précision d’un SLCI asservi perturbé 42
6.7 Simplification de schéma-bloc avec boucles dépendantes 43
7 Analyser la réponse fréquentielle (ou harmonique) d’un SLCI 44

7.1 Caractéristiques d’un comportement fréquentiel 44
7.2 Représenter graphiquement un comportement fréquentiel : Diagramme de Bode 45
7.3 Déterminer le gain et le déphasage : G() = H ( j) et () = arg ( H( j) ) 46
7.4 Filtrer : pulsation de coupure et bande passante 47
7.5 Évaluer le comportement en stabilité à partir du diagramme de Bode d’un modèle 48
7.6 Évaluer le comportement en précision à partir du diagramme de Bode d’un modèle 48
7.7 Évaluer le comportement en rapidité à partir du diagramme de Bode d’un modèle 48
8 Prévoir la réponse fréquentielle d’un modèle usuel 50

8.1 Prévoir la réponse fréquentielle d’un modèle proportionnel : K 50
8.2 Prévoir la réponse fréquentielle d’un modèle dérivateur : Kp 50
8.3 Prévoir la réponse fréquentielle d’un modèle dérivateur d’ordre 2 : Kp2 50
8.4 Prévoir la réponse fréquentielle d’un modèle intégrateur : K/p 51
8.5 Prévoir la réponse fréquentielle d’un modèle intégrateur d’ordre 2 : K/p2 51
8.6 Prévoir la réponse fréquentielle d’un modèle du 1er ordre : K/(1+p) 52
Comportement asymptotique et pulsation de cassure 52
8.7 Prévoir la réponse fréquentielle d’un modèle du 1er ordre inverse : K(1+p) 53
8.8 Prévoir la réponse fréquentielle d’un modèle du 2ème ordre : K/[1+(2z/0)p+(1/02)p2] 54
Comportement asymptotique et pulsation de cassure 54
Résonance pour z  1 / 2  0,707 , pulsation de résonance et facteur de surtension 55
Cas particulier où z  1 : le dénominateur possède 2 racines réelles 55
Différence entre comportements temporel et fréquentiel d’un modèle du 2ème ordre 55
8.9 Prévoir la réponse fréquentielle d’un modèle du 2ème ordre inverse : K[1+(2z/0)p+(1/02)p2] 57
8.10 Prévoir la réponse fréquentielle d’un modèle quelconque 58
Propriétés des diagrammes de Bode 58
Méthode 58
8.11 Synthèse des différents gains 59
8.12 Synthèse des différentes pulsations 59
9 Identifier un modèle de comportement d’un système continu à partir du diagramme de Bode

de sa réponse expérimentale 60
ANNEXE 61
Alphabet grec 61
Logarithmes et complexes 62
Tracer un diagramme logarithmique 63
Démonstration de l’existence d’une pulsation de résonance 63
QUESTIONS DE DEBUT DE COURS 64

On a vu précédemment que les échanges entre la chaîne d’information et la chaîne d’énergie-

(1) de l’unité de puissance, sous la forme de commande (1) et de grandeur physique acquise(2), permettent à certaines
commande vers le activités d’un système d’être réalisées de manière relativement autonome. On parle de système
préactionneur.
automatisé. Ces derniers sont utilisés pour réaliser des tâches :
(2) de la chaîne
d’énergie-puissance • trop complexes ou dangereuses pour l'homme ;
vers les capteurs.
Robot serpent Tepco d’inspection

Correction de la vue par laser
du cœur d’une centrale nucléaire
(3) Il est difficile de • répétitives et pénibles(3).

supprimer totalement les
interventions de
l’homme.
« Robots guides » d’un complexe Robot soudeur sur les lignes de

financier Santander de Madrid fabrication d’une voiture
L’intervention de l’homme est alors limitée à la programmation de l’unité de commande, la mise en

marche et les réglages de certains paramètres.
À partir du modèle du système étudié, sous forme équationnelle, il s’agira d’évaluer ses performances
dans le but d’anticiper son comportement réel et vérifier ainsi s’il est capable de répondre aux
exigences de son cahier des charges.
Notons enfin que, bien que de nombreux systèmes utilisent actuellement des échanges et un traitement
des informations sous forme numérique, on limitera nos études uniquement aux cas des systèmes
continus.
Dans un système continu, les grandeurs d’entrée et de sortie évoluent de manière

continue en fonction du temps, il s’agit donc de grandeurs analogiques.

1 Évaluer les performances d’un système continu à partir de la courbe de

sa réponse expérimentale ou de la courbe de sa réponse simulée
Afin d’évaluer les performances de stabilité, rapidité et précision d’un système soumis à une entrée
test, des critères d’évaluation ont été imposés : dépassement, temps de réponse à 5% et erreur en
régime permanent.
L’objectif « d’amélioration d’un système » est d’obtenir, à l’aide de réglages, le meilleur compromis
entre les différents critères de performances.
1.1 Performances d’un système continu

Afin de répondre aux mieux aux besoins de l’utilisateur, un
système doit présenter des performances les plus proches
possibles de celles définies dans le cahier des charges.
Les performances sont :
• la stabilité, propriété de convergence temporelle
vers un état d'équilibre ;
• la rapidité, caractérisant la promptitude de réaction
aux variations de l'entrée des systèmes stables ;
• la précision, aptitude des systèmes stables à
présenter une sortie qui tende vers la valeur Robot delta flexpicker utilisé dans
l’industrie agroalimentaire
attendue. Ce système doit être stable,
rapide et précis.
1.2 Entrée test d’un système continu

Les performances d’un système sont évaluées
expérimentalement, ou prédites par simulation, lorsque le
système est soumis à des signaux tests e(t) en entrée.
Ces signaux tests envoyés en entrée sont :
Par convention, tous ces signaux sont nuls pour t négatif : e(t)=0 pour t<0
Notons toutefois que les performances sont intrinsèques au système et ne dépendent

pas du type d’entrée appliqué.

1.3 Valeur initiale, valeur finale et variation totale des grandeurs d’entrée et de sortie
d’un système continu
La valeur initiale de la grandeur d’entrée est notée e(tinit ) .
La valeur initiale de la grandeur de sortie est notée s(tinit ) .
Si tinit = 0 alors les valeurs initiales sont e(0) et s(0) .
Les valeurs finales des grandeurs d’entrée et de sortie, correspondent aux valeurs de
l’entrée et de la sortie du système en régime permanent, soit pour un temps
suffisamment grand ("tendant vers l'infini"). Elles sont notées e(+) et s(+) avec :
e(+) = lim e(t ) et s(+) = lim s(t ) .
t →+ t →+
La variation totale de la grandeur d’entrée est e(+) = e(+) − e(tinit ) .
La variation totale de la grandeur de sortie est s(+) = s(+) − s(tinit ) .

1.4 Vérifier la stabilité, puis la caractériser en déterminant le nombre de dépassement

ou la valeur du 1er dépassement
Pour certains systèmes, il est impératif qu’il n’y ait aucun dépassement.
Exemple : l’arrimage d’un vaisseau Soyuz à la station spatiale internationale
ISS (risque de collision).
(1) La stabilité est la Un système est stable(1) si, pour une entrée en échelon, la
performance qu’il faut grandeur de sortie converge vers une valeur finale constante.
évaluer en premier car un
système instable est (entrée bornée – sortie bornée).
inutilisable.
Une sortie (ou une réponse) présente un dépassement si, pour une entrée en échelon,
la grandeur de sortie dépasse sa valeur finale. La courbe de sortie présente alors un
extrémum.
La stabilité est alors caractérisée par le nombre de dépassements et/ou l'amplitude du

premier dépassement (le plus critique), noté D1, par rapport à la valeur finale(2) :
(2) Attention : Ce ne sont
− le dépassement absolu d’ordre k vaut Dk = s(tk ) − s(+) donc :
pas les dépassements par
rapport à la valeur en
entrée mais bien par
D1 = s(t1 ) − s(+) avec t1 la durée pour obtenir le premier dépassement ;
rapport à la valeur finale
de la sortie. Dk D1
− le dépassement relatif d’ordre k vaut Dk % = .donc D1% = .
s(+) s(+)
Réponse d’un système pour une entrée test en échelon :
Application : Le graphique ci-contre représente la

réponse d'un système à une entrée en échelon.
1/ Le système est stable car pour une entrée en

échelon, la sortie converge vers une valeur constante
(entrée bornée – sortie bornée).
2/ Dépassements visibles « à l’œil » : 4

D1=|3,9-3|=0,9
et D1%=|0,9/3|=0,3=30/100=30%
D2=|2,7-3|=0,3
et D2%=|0,3/3|=0,1=10/100=10%
Attention à certains systèmes réels :

Un système réel instable oscille jusqu’à sa destruction. Ces oscillations sont dans le cas général
limitées par les différentes saturations (limites des amplificateurs opérationnels, butées physiques…).
Ces limitations physiques peuvent laisser croire que le système est stable...

1.5 Caractériser la rapidité en déterminant le temps de réponse à 5%

Pour certains systèmes, il est impératif que
la réaction du système soit très rapide.
Exemple : Scie à bois Sawstop finger
À condition que le système soit stable, la rapidité est caractérisée, pour une entrée en
échelon, par la durée que met le système pour que la sortie soit suffisamment proche
de sa valeur finale et ne plus s’en éloigner.
Par convention, le critère caractérisant la rapidité est le temps de réponse à 5% noté

tr 5% .
On définit la bande des 5% par l'intervalle :
 s(+) − 0,05 s(+) ; s(+) + 0,05 s(+)
Le temps de réponse à 5% est la durée mise par la grandeur de sortie pour rentrer dans
cette bande et ne plus en sortir.
Réponse d’un système pour une entrée test en échelon(1) :

(1) Attention : il faut
construire la bande à 5%
autour de la valeur finale
de la sortie et non pas
autour de la valeur de la
grandeur d’entrée !

réponse d'un système à une entrée en échelon.
La valeur finale est : s(+) = 8 .

La variation totale de la sortie vaut : s(+) = 8 − 5 = 3
La "bande des 5%" correspond à l'intervalle :
[8-0,05x3 ; 8+0,05x3], soit [7,85 ; 8,15].
Le signal de sorti reste dans la bande à partir de tr 5%
t=100 ms. La sollicitation débutant à t=20 ms, on obtient
: tr5%=100-20=80 ms

1.6 Caractériser la précision en déterminant l'erreur en régime permanent

Pour certains systèmes, il est impératif que la précision du
système soit excellente.
Exemple : Lanceur de fusée Space X récupéré en pleine mer
À condition que le système soit stable, la

précision est définie que pour un système ayant
des grandeurs d’entrée et de sortie de même
nature et comparables.
Dans ce cas, l’entrée est appelée consigne.
L’erreur notée er (t ) est la différence, à chaque instant, entre la variation souhaitée cons(t)
(=consigne) et la variation réelle de la sortie s(t) par la sortie : er (t) = cons(t) − s(t) .
Si le système est stable et que l’entrée et la sortie sont de même nature, la précision est
caractérisée par :
− l'erreur en régime permanent (ou erreur statique) : er (+) = cons(+) − s(+)
− ou par l'erreur relative en régime permanent (ou erreur statique relative) :
er (+)
er % (+) = pour une consigne en échelon.
cons(+)
NB : l’erreur statique relative n’est pas définie pour une consigne en rampe.
Réponse d’un système pour une consigne test en échelon
Remarque : pour cons(tinit )  s(tinit )

l’erreur ne peut pas être tracée :

 On ne dira jamais réponse d'un système à une consigne en échelon.
que le temps de réponse On suppose que les grandeurs d’entrée et de sortie
est rapide, ou que sont comparables. er (+)
l’erreur est précise ! Les
critères s’évaluent par er (+) = cons(+) − s(+) = 2 − 3 = −1
des chiffres qui peuvent
er (+) −1
être plus faibles ou plus er % (+) = = = 0,5 = 50 / 100 = 50%
grands que d’autres… cons(+) 2

2 Prévoir les performances d’un système continu linéaire et invariant à

partir de son modèle
Pour prédire les performances d’un système, il faut d’abord en avoir un modèle.
2.1 Modéliser un SLCI par une fonction de transfert à partir de son modèle de
connaissance
Système Linéaire, Continu et Invariant (SLCI) et modèle de connaissance
Le modèle utilisé suppose le Système Linéaire, Continu et Invariant : SLCI.
Un système de type SLCI, vérifie les hypothèses suivantes :
− les grandeurs d’entrée et de sortie évoluent de manière continue avec le temps,
(1) L’usure de certaines − le système est invariant, c'est-à-dire qu’il reste identique et valable à chaque instant
pièces, par exemple,
durant la période d'étude(1),
peut se traduire par des
évolutions des lois de − le système est linéaire(2), c'est-à-dire que la sortie est une combinaison linéaire des
comportement au cours
du temps, qui ne sont
réponses aux signaux d’entrée. Pour un signal d’entrée e(t) = e1 (t) + k  e2 (t) , la
pas prises en compte. réponse est s(t ) = s1 (t ) + k  s2 (t ) (voir exemples ci-dessous).
(2) La limite de vitesse

d'un moteur est une non-
linéarité, par exemple. 2  s(t)
Dans ces cas, il faut res-
treindre le domaine
d’étude et/ou faire une s(t) 2  e(t)
linéarisation autour d’un
point de fonctionnement.
Le comportement d’un e(t)
moteur est linéaire sur
une plage de valeurs.
s1 (t ) + s2 (t )
s2 (t ) e1 (t ) + e2 (t)
s1 (t )
e2 (t )
e1 (t )
Un SLCI est modélisé par des équations différentielles linéaires à coefficients constants
de la forme :
n n-1 m m-1
d s(t ) d s(t ) ds(t ) d e(t ) d e(t ) de(t )
an + an-1 + ... + a1 + a0 s(t ) = bm + bm-1 + ... + b1 + b0 e(t )
n n-1 dt m m-1 dt
dt dt dt dt
e(t ): entrée et s(t ): sortie
n est l'ordre du modèle. C’est l’ordre de l’équation différentielle.

Pour des raisons liées à la causalité (le comportement d'un système dépend du passé,
pas du futur), les systèmes réels étudiés imposent m≤n.
Ce modèle mathématique a été déterminé par application de lois et principes de la
physique : il est dit « modèle de connaissance », en opposition au « modèle de
comportement » déterminé expérimentalement (voir paragraphe 4 sur l’identification).

Transformée de Laplace
Intérêt
Les équations différentielles d’un modèle de connaissance ne permettent pas de
caractériser le comportement du modèle uniquement par ses paramètres, et
indépendamment des grandeurs d’entrée et de sortie.
La transformée de Laplace donne une réponse à ce problème en transformant les
équations différentielles en polynômes afin de modéliser le système uniquement par
ses paramètres.
Définition (à ne pas savoir…)

(1) L’ingénieur a pour Soit f (t ) une fonction dans le domaine temporel telle que f (t) = 0 pour t  0 (1). On définit sa
pratique d’étudier l’effet
d’une cause qu’il situe à transformée de Laplace L  f (t ) comme la fonction F (p) de la variable complexe p telle que :
la date t=0. La cause
+
précédant toujours L f (t )
l’effet, la transformée de f (t ) ⎯⎯⎯→ F (p) =  f (t) e − pt dt
Laplace n’est définie que 0
pour des fonctions dites
« causales ». Domaine temporel Domaine symbolique (ou de Laplace)
Propriétés de la transformée de Laplace

Les propriétés qui suivent sont fondamentales car elles permettent de déterminer facilement les
transformées de Laplace des équations du modèle de connaissance.
PRODUIT DE
LINEARITE DERIVATION INTEGRATION
2 FONCTIONS
 Il ne faut surtout pas
d n f (t )  f (u) dududu
oublier que les f (t ) K  f (t) K1  g(t) + K2  h(t) f (t)  g(t) n fois
n n fois
expressions fournies dans dt
ce tableau ne sont
valables que pour t≥0 et F (p)
pn F (p)
que toutes les fonctions F (p) K  F (p) K1  G(p) + K2  H(p) F(p)  G(p) pn
que nous utilisons sont
nulles pour t<0 ! avec conditions initiales nulles
Les conditions initiales sont supposées nulles. C’est-à-dire, que la fonction et ses
dérivées sont nulles pour t  0 :
f (0) = f '(0) = f ''(0) = ... = 0
Ce sont les conditions de Heaviside.
Application : Transformée de Laplace de l'équation différentielle :

d 5 s(t ) d 3 s(t ) d 2 s(t ) d 2 e(t ) de(t )
7 +4 +3 =5 +3 + 2e(t )
5 3 2 2 dt
dt dt dt dt
Lorsque les conditions initiales sont nulles (conditions de Heaviside) :
d 5 s(t ) d 3 s(t ) d 2 s(t ) d 2 e(t) de(t)
7 +4 +3 =5 +3 + 2e(t)
5 3 2 2 dt
dt dt dt dt
L
→ 7p5 S(p) + 4 p3 S(p) + 3p2 S(p) = 5p2 E (p) + 3pE (p) + 2E (p)
⎯⎯
 7p5 + 4 p3 + 3p2  S(p) = 5p2 + 3p + 2 E (p)

   

Fonction de transfert (définie uniquement pour des conditions initiales nulles)

Soit un SLCI dont le modèle de connaissance est donné sous forme d’une équation différentielle :
En appliquant la transformée de Laplace aux deux membres de l’équation différentielle et en

considérant les conditions initiales nulles, on a :
an pn S(p) + ... + a1pS(p) + a0 S(p) = bmpmE(p) + ... + b1pE(p) + b0E(p)
Soit :  an pn + ... + a1 p + a0  S(p) = bm pm + ... + b1 p + b0  E (p)
   
 m 
S(p) bm p + ... + b1 p + b0 
d’où : =
E (p)  a pn + ... + a p + a 
 n 1 0
(1) on l’appelle aussi S(p)

On appelle fonction de transfert(1) la fraction .
« transmittance » du E (p)
système.
La fonction de transfert d’un système est donc un modèle du système dans le domaine
de Laplace :
La fonction de transfert est indépendante de l’entrée qui lui est appliquée. Elle ne
dépend que de la variable symbolique p et des paramètres du modèle.
La fonction de transfert est une fraction de deux polynômes de variable p.

Si H(p) est une fonction de transfert, alors S(p) = H(p)E(p) .
Forme canonique d’une fonction de transfert : gain statique, ordre et classe

Une fonction de transfert sous forme canonique est de la forme :
K : gain statique du modèle
S(p) K 1 + p + p2 + + pm
=   : classe du modèle  0
E(p) p 1 + p + p2 + + pn−
n : ordre du modèle
Lorsque  = 1 on dit que le modèle possède un intégrateur. Cela vient du fait que l’on peut écrire la fonction de
S (p) 1 A(p) 1
transfert sous la forme =  , étant la transformée de Laplace d’une intégrale.
E (p) p B(p) p
S(p) 2 + 3p + 5p2
Application : Forme canonique de =
E(p) 3p2 + 4 p3 + 7p5
2 2
3p 5p 3 5 2 gain statique :
1+ + 1+ p+ p 3
forme S(p) 2 2 2 2 2 2
⎯⎯⎯⎯→ =  =  classe : 2
canonique E (p) 2 3 5 2 4 7 3
3p 4p 7p 3p 1+ p+ p
1+ + ordre : 5
2 2 3 3
3p 3p

2.2 Prévoir la stabilité d’un SLCI

Cette performance doit être prédite en premier. Comme les autres performances, la
stabilité est intrinsèque au modèle et est totalement indépendante du type d’entrée
auquel il est soumis.
Condition fondamentale de stabilité d’un SLCI : pôles à partie réelle strictement négative
On appelle pôles, les racines du dénominateur de la fonction de transfert.
Exemple : un modèle peut donc posséder : − des pôles réels p = a ;

− des pôles complexes conjugués p = c  j  d .
Pour mieux comprendre l’influence des pôles de la fonction de transfert d’un système, l’allure de la
réponse à une entrée en échelon a été représentée selon la position de ces pôles dans le plan
complexe (figure ci-dessous) :
STABILITE Im INSTABILITE
Pseudo-pulsation
Amortissement de la de la réponse croit
réponse croit
INSTABLE
STABLE STABLE
s(t) s(t)
s(t)
t
t t
Pôles complexes
conjugués
Pôles complexes Pôles complexes
conjugués conjugués
Re
Pôle réel Pôle réel Pôle réel
Pôle réel
STABLE STABLE INSTABLE INSTABLE
s(t) s(t) s(t) s(t)
t t t t
Un système est donc stable (dans le sens entrée bornée/sortie bornée) si les pôles
(racine du dénominateur) de sa fonction de transfert sont à partie réelle strictement
négative.
Un pôle nul implique un modèle instable (selon la condition ci-dessus).

Or un pôle nul implique aussi une classe  1 (selon la définition de la classe).
Ainsi, un modèle stable a nécessairement sa classe nulle.
Nécessaire ne signifie pas suffisant ! En effet, un modèle de classe nulle n’est pas
nécessairement stable…
STABILITE Les pôles réels

Im ne génèrent pas d’oscillation alors que les pôles complexes conjugués
INSTABILITE
font apparaître des oscillations.
STABLE STABLE INSTABLE INSTABLE

s(t) s(t) s(t) s(t)
ème
t t Ainsi, un modèle du 2 ordre t stable, peut être : t
Pôle réel
− non oscillatoire s’il possède 2 pôles réels (discriminant   0 ) ;
Pôle réel Pôle réel
Pôle réel
− oscillatoire s’il possède 2 pôles complexes conjugués Re(discriminant   0 ).
Pseudo-pulsation
STABLE STABLE
Le régime transitoire
de la réponse croit des modèles stables ayant des pôles très éloignés de l’axe
s(t) s(t) imaginaire est nettement plus court que celui des modèles ayant des pôles qui en sont
t t plus proches.
Amortissement de la réponse
Sciences industrielles decroit
l’ingénieur Page 13 sur 65 08/05/2020
Réduire l’ordre d’un modèle – Pôle dominant proche de l’axe des imaginaires
On donne l’allure de la réponse à une entrée en échelon d’amplitude 1, de différents modèles stables
dont la partie réelle de leur pôle diffère d’un multiple de 10.
1 1
H1 (p) = H2 (p) =
1 + 0,1p −3
1 + 2  10 p + 10−4 p2
1 pôle réel : p = −10 2 pôles complexes : p = −10  j99,5
1 1
H3 (p) = H4 (p) =
1 + 0,01p 1 + 2  10 −4
p + 10 −6 p2
1 pôle réel : p = −100 2 pôles complexes : p = −100  j995
ASSOCIATION DES POLES

1 1
H1 (p)H3 (p) =  H1 (p) H1 (p)H4 (p) =  H1 (p)
(1 + 0,1p)(1 + 0,01p) (1 + 0,1p)(1 + 2  10 −4 p + 10 −6 p2 )
2 pôles réels : p = −10 et p = −100 3 pôles : p = −10 et p = −100  j995
1 H1 (p)H2 (p) = H1 (p)H2 (p)

H2 (p)H3 (p) =  H2 (p)
−3 −4 2
(1 + 2  10 p + 10 p )(1 + 0,01p) 3 pôles : p = −10 et p = −10  j99,5
3 pôles : p = −10  j99,5 et p = −100

On remarque sur ces graphes, que le régime transitoire des modèles stables ayant des
pôles très éloignés de l’axe imaginaire est nettement plus court que celui des modèles
ayant des pôles qui en sont plus proches. Aussi, les pôles du modèle les plus proches
de l’axe imaginaire sont qualifiés de pôles dominants. Leur amortissement est plus
faible.
S’ils sont suffisamment éloignés des pôles dominants, les pôles les plus éloignés de l’axe imaginaire
peuvent être négligés, ce qui permet de diminuer l’ordre de la fonction de transfert modélisant le
système. On peut ainsi prévoir les performances attendues d’un modèle en limitant la complexité
des calculs, notamment pour la performance de rapidité.
Dans la pratique, on a l’habitude, à condition d’être dans le cas favorable où les pôles
sont suffisamment éloignés les uns des autres (facteur 10), de conserver le(les) pôle(s)
réel(s) et/ou la(les) paire(s) de pôles complexes conjugués les plus proches de l’axe
imaginaire, dits dominants.
Attention, le dénominateur doit être sous forme canonique avant d’effectuer la
simplification !!
S(p) 5
Application : =
E (p) (p + 1)(p + 100)
2 pôles : -1 et -100 (le modèle est donc stable)

Pôle dominant  -1  réponse non oscillatoire
S(p) 5 5 1 S(p) 0,05
= =   
E (p) (p + 1)(p + 100) 100 (p + 1)( p + 1) E(p) (p + 1)
100
car le pôle -1 est dominant.
0,05
Sans le pôle
-100
s(t) réponses indicielles
Avec le pôle -100

t
0
S(p) K −1
Application : = avec le pôle dominant
E (p) (a + bp + cp2 )(d + p) d
S(p) K K 1 S(p) K 1
Donc : = =  
E (p) 2
(a + bp + cp )(d + p) ad  b c 2  1  E (p) ad  1 
 1 + p + p  1 + p  1 + p
 a a  d   d 

Polynôme caractéristique - Critère de Routh simplifié

Si la fonction de transfert d’un modèle est écrite sous la forme :
S(p) N(p) N(p)
= =
E (p) D(p) a0 + a1 p + ... + an−1 pn−1 + an pn
avec D(p) qui est appelé polynôme caractéristique.
Alors, malheureusement cette forme ne permet pas d’identifier immédiatement les pôles. Il est
alors possible d’utiliser le critère de Routh simplifié :
Pour qu’un modèle soit stable (dans le sens entrée bornée/sortie bornée), il est
nécessaire que tous les coefficients ai du polynôme caractéristique D(p) soient tous
strictement de même signe.
Nécessaire ne signifie pas suffisant !
Pour les polynômes caractéristiques de degré 1 D(p) = a0 + a1 p et de degré 2

D(p) = a0 + a1 p + a2 p2 , cette condition est suffisante pour assurer la stabilité.
Pour les polynômes caractéristiques de degré 3 D(p) = a0 + a1 p + a2 p2 + a3 p3 , cette
condition + la condition a1  a2  a0  a3 suffisent pour assurer la stabilité.
Application : On considère trois systèmes ayant pour fonction de transfert respectives les fonctions :
1 + 3p Ce modèle ne satisfait pas à la condition nécessaire de stabilité car le terme
H1 ( p) =
2 3 4 2
4 + 3p − 2 p + 6 p + 8 p en p du polynôme caractéristique est négatif. Ce modèle est donc instable.
Ce modèle ne satisfait pas à la condition nécessaire de stabilité car le

1
H2 (p) = polynôme caractéristique ne possède pas de terme en p
3
. Ce modèle est
2 + 5p + 2 p2 + p4
donc instable.
Ce modèle satisfait bien la condition nécessaire de stabilité car les quatre

2 coefficients du polynôme caractéristique sont tous strictement positifs. On
1 + 2p
H3 (p) = ne peut donc pas conclure sur la stabilité.
8 + 10p + 4 p2 + 2p3 En rajoutant la condition 10  4  8  2 , on peut conclure que le modèle est
stable.
Synthèse sur l’étude du comportement en stabilité
Polynôme caractéristique Degré 1 Degré 2 Degré supérieur à 2
Etape1 : étude de la stabilité

Critère de Routh OU étude des pôles
(entrée bornée/sortie bornée)
Voir partie 3.5 :
Calcul de z et 0 et
Etape 2 : présence de Aucun Etude des pôles
déduire Dk % et Ta
dépassement dépassement dominants
OU
étude des pôles
2.3 Prévoir la rapidité d’un SLCI

Les temps de réponse à 5% d’un modèle du 1er ordre ou d’un modèle du 2nd ordre seront connus (voir
parties 3.4 et 3.5).
Pour les modèles d’ordre supérieur, il sera nécessaire de les rapprocher vers ces modèles lorsque cela
sera possible (voir notion de pôles dominants). Dans le cas contraire, seule une étude numérique
permettra de déterminer le temps de réponse à 5%.

2.4 Prévoir la précision d’un SLCI

Transformée de Laplace des entrées test
Impulsion de Échelon Rampe de
Entrée
Dirac (t) d’amplitude E 0 pente V0
E0 V0
E(p) 1
p p2
Théorème de la valeur finale
Pour une fonction f (t ) stable, le théorème de la valeur finale permet de calculer sa

valeur quand t →+ à partir de la transformée de Laplace :
lim f (t ) = lim p F (p) avec p
t →+ p→0+
NB : de manière très similaire, le théorème de la valeur initiale permet de calculer la valeur de f (t ) quand
t → 0+ à partir de la transformée de Laplace : lim f (t) = lim p F (p) avec p .
+ p→+
t →0
Valeur finale d’un modèle stable, sans dérivateur, soumis à une entrée en échelon
d’amplitude E0
Ainsi s(+) = lim s(t) = lim pS(p) = lim pH(p)E(p) .
t →+ p→0+ p→0+
E0 E
Une entrée en échelon d’amplitude E 0 donne E (p) = et donc s(+) = lim+ pH(p) 0 = lim+ H(p)E0
p p →0 p p →0
Un modèle stable (donc de classe nulle), sans dérivateur, peut s’écrire sous la forme
S(p) 1 + p + p2 + + pm
H(p) = =K
E(p) 1 + p + p2 + + pn
Ainsi la valeur finale d’un modèle stable, sans dérivateur,

soumis à une entrée en échelon d’amplitude E 0 vaut :
s(+) = KE0
Application : valeur finale d’un moteur stable.
On suppose que le gain statique de la fonction de transfert Hmoteur (p) d’un moteur vaut : K = 2 (rad/s)/V
La valeur finale de ce modèle pour une entrée en échelon d’amplitude 10V est : (+) = 2  10 = 20 rad/s .

Fonction de transfert en poursuite et Erreur en régime permanent

Rappel : la notion d’erreur n’a de sens que si l’on compare des grandeurs consigne et sortie
homogènes.
Dans le domaine de Laplace, les conditions de Heaviside sont vérifiées. C’est-à-dire que les conditions
initiales sont nulles : donc cons(+) = cons(+) et s(+) = s(+) .
S(p)
On appelle fonction de transfert en poursuite : Hpour (p) =
Cons(p)
1 + p + p2 + + pm
Si cette fonction est stable (de classe nulle) et sans dérivateur, elle peut s’écrire : Hpour (p) = Kpour
1 + p + p2 + + pn
Ainsi, pour un modèle stable, sans dérivateur, non perturbé, soumis à une consigne en
échelon d’amplitude Econs0 :
− la valeur finale vaut : s(+) = K pour Econs0 ;
− l’erreur en régime permanent :

er (+) = cons(+) − s(+) = (1 − K pour )Econs0 et er % (+) = 1 − K pour
Application : valeur finale et erreur en régime permanent d’un four stable non perturbé.
(p) 9 + 3p
avec H four (p) = =
c (p) 10 + 5p + 6 p2
Ainsi le gain statique vaut :
Pour une consigne en échelon d’amplitude Econs 0 = 10° : K pour = 0,9 (sans unité) .
La valeur finale de ce modèle est : (+) = 0,9  10 = 9 ° .

L’erreur en régime permanent de ce modèle est : er (+) = (1 − 0,9)  10 = 1 ° et er % (+) = 1 − 0,9 = 0,1 = 10%
Pour un modèle stable, non perturbé, soumis à une consigne en rampe ou avec un ou
des dérivateurs :
− l’erreur en régime permanent se détermine par le théorème de la valeur finale :
er (+) = lim  cons(t ) − s(t ) = lim p Cons(p) − S (p) = lim p Cons(p) − H pour (p) Cons(p) 
t →+ p→0 + p→0 +
V V
er (+) = lim p 1 − Hpour (p) Cons(p) = lim p 1 − Hpour (p) cons0  er (+) = lim 1 − Hpour (p) cons0
+
p→0 +
p→0 2 +
p→0 p
p
 si gain statique K pour  1  er (+) = − 

Comme lim Hpour (p) = K pour   si gain statique K pour = 1  er (+) = cte
p →0 + 
 si gain statique K pour  1  er (+) = + 
Application : erreur en régime permanent du four précédent.

Pour une consigne en rampe de pente Vcons 0 = 10°/s :
Vcons 0
K pour = 0,9 (sans unité)  er (+) = lim 1 − H four (p) = +  er (+) = +
+
p →0 p
(p) 10 + 3p
On modifie la fonction de transfert afin d’obtenir K pour = 1 (sans unité) : H four (p) = =
c (p) 10 + 5p + 6 p2
 10 + 3p   10 + 5p + 6p2 10 + 3p   2p + 6p
2   2 + 6p 
Alors 1 − H four (p) = 1 − = −  = = p
 2 2 2
10 + 5p + 6 p   10 + 5p + 6p 10 + 5p + 6 p   10 + 5p + 6p   10 + 5p + 6p 
2 2

Vcons0  2 + 6p  10 2
Et er (+) = lim 1 − H four (p) = lim p  =  10  er (+) = 2
2
p→0
+
p +
p→0  10 + 5p + 6p  p 10

3 Prévoir la réponse à une entrée en échelon d’un modèle usuel

3.1 Prévoir la réponse à une entrée en échelon d’un modèle proportionnel (ou gain
pur) : K
(1) Appelé aussi modèle
à gain pur. L'équation temporelle et la fonction de transfert d’un modèle à action proportionnelle(1) sont :
S(p)
s(t) = Ke(t) pour t  0 ⎯⎯
→
L
=K
E (p)
unité de la sortie
K : gain statique, unité =
unité de l ' entrée
e(t)
La réponse à une entrée en échelon d'amplitude E0 d'un modèle à E0
action proportionnelle est une entrée en échelon d'amplitude K E0. s(t)
K  E0
K 1
s(t) = K E0 pour t≥0
3.2 Prévoir la réponse à une entrée en échelon d’un modèle dérivateur : Kp

L'équation temporelle et la fonction de transfert d’un modèle dérivateur sont :
d e(t ) S(p)
Rappel : la variable s(t ) = K pour t  0 ⎯⎯
→
L
=Kp
symbolique p est dt E (p)
homogène à [T-1], soit
unité de la sortie
des s-1. K : gain statique, unité = s car l’unité de p est s −1
e(t)
La réponse à une entrée en échelon d'amplitude E0 d'un modèle E0
dérivateur est l'impulsion de Dirac (t) :
s(t) = (t)
On retiendra : s(t)=0 pour t>0 s(t)
t
3.3 Prévoir la réponse à une entrée en échelon d’un modèle intégrateur : K/p
L'équation temporelle et la fonction de transfert d'un modèle intégrateur sont :
t S(p) K
s(t ) = K  e() d  pour t  0 ⎯⎯
→
L
=
0 E (p) p
unité de la sortie −1
K : gain statique, unité = s car l’unité de p st s −1
s(t)
La réponse à un échelon d'amplitude E0 d'un modèle intégrateur est une
E0
rampe de pente K E0.
e(t)
s(t ) = K E0 t pour t≥0
K  E0

3.4 Prévoir la réponse à une entrée en échelon d’un modèle du 1er ordre : K/(1+p)
L'équation temporelle (équation différentielle d’ordre 1) et la fonction de transfert d'un modèle du
premier ordre sont :
ds(t ) S(p) K
+ s(t ) = Ke(t ) pour t  0
L
 ⎯⎯
→ =
dt E (p) 1 + p
unité de la sortie
avec : K : gain statique, unité =
 : constante de temps (>0) et exprimé en s
La solution de l'équation différentielle d’ordre 1 est un résultat classique qui sera démontré en
physique et mathématiques. On retiendra les résultats suivants :
Le gain statique K caractérise le comportement du modèle en régime permanent :

s(+) = Ke(+) .
La constante de temps  caractérise le comportement du modèle en régime
transitoire :
− durée pour atteindre 63% de la variation totale de la sortie =  ;
− temps de réponse tr 5% = 3 ;
NB : la durée entre l’instant où une droite est tangente à la courbe, et l’instant où cette
droite coupe l’asymptote horizontale =  (notamment pour la tangente à l’instant
initial).
Pour information, la solution de l'équation différentielle pour des conditions initiales nulles et une
(
entrée en échelon d'amplitude E0 est : s(t ) = K E0 1 − e −t /  pour t≥0. )
On retrouve quelques valeurs particulières :
− pour t=0, on retrouve bien s(t) = 0
− pour t →+ , on obtient la valeur finale, s(+) = KE0
− ( )
pour t=, s() = KE0 1 − e −1  0,63 KE0  0,63 s(+)
− ( )
pour t=3, s(3) = KE0 1 − e −3  0,95 KE0  0,95 s(+)
= KE0 e(
ds(t ) 1 −0/  ) KE0
− la pente à l’instant initial est =
dt t =0 +  
La tangente à l’instant initial coupe la valeur finale en t=
KE0
Car la droite tangente à l’instant initial a pour équation : y(t ) = t , d'où y(t ) = KE0 pour t =  .

Cette propriété est vérifiée en tout point de la courbe : si y(t ) = s(t1 )(t − t1 ) + s(t1 ) alors y(t1 + ) = KE0 .

3.5 Prévoir la réponse à une entrée en échelon d’un modèle du 2ème ordre :
K/[1+(2z/0)p+(1/02)p2]
L'équation temporelle (équation différentielle d’ordre 2) et la fonction de transfert d'un modèle du
deuxième ordre sont :
1 d 2 s(t ) 2z ds(t ) S(p) K

+ + s(t ) = K e(t ) pour t  0 ⎯⎯
→
L
=
20 dt 2 0 dt E (p)  2z   1  2
1+ p +  2 p
 0   0 
unité de la sortie
K : gain statique, unité =
avec unité de l ' entrée
0 : pulsation propre (>0) , unité en rad/s
z (noté parfois m ou  ) : facteur d’amortissement (>0), sans unité
La réponse dépend des pôles de la fonction de transfert, c’est-à-dire des racines du polynôme
caractéristique : 02 + 2z 0 p + p2 = 0 .
Avec  = (2z0 )2 − 402 = 402 (z2 − 1)

Ainsi, la réponse est différente suivant la valeur du facteur d'ammortissement z (si z > 1 ou z < 1). Les
équations temporelles (résultat classique qui sera démontré en physique et mathématiques) sont
données ci-dessous juste pour information.
Réponse apériodique (non oscillatoire) (z>=1)

  −t −t 

Si z>1 : s(t ) = KE0 1 +
1  1 2   pour t≥0
  −   1e − 2e 
 2 1 
1  2  1  2 
avec 1 =  z − z − 1  et 2 =  z + z −1 
0   0  
 −t −t   −t 
t  t
Si z=1 : s(t ) = KE0  1 − e  − e   = KE0  1 −  1 +  e   pour t≥0
      
1
avec  =
0
Le cas z=0,
K ,
H(p) =
1 + ap2 Réponse oscillatoire (z<1)
régime oscillatoire non  1 
amorti, correspond aux Si 0<z<1 : s(t ) = KE0  1 − e−0 zt sin( at + )  pour t≥0
systèmes harmoniques. La  1 − z2 
valeur finale n’existe pas,
le temps de réponse à 5% 1 − z2
et le nombre de avec  = arctan et a = 0 1 − z2
dépassements ne sont pas z
définis. Il ne sera pas
étudié ici.
s(t ) = KE0 1 − cos(0 t )

Caractéristiques de la réponse à une entrée en échelon

On retiendra les résultats suivants, obtenus à partir de l'étude des équations temporelles de la sortie
s(t).
La variation totale de la sortie en régime permanent est s(+) = Ke(+) .

La tangente à l'instant initial a une pente nulle.
Dépassements
Le nombre et les valeurs des dépassements Dk % dépendent que de z :
− lorsque z  1, il n’y pas de dépassement ;
− lorsque 0 < z < 1, la valeur du dépassement relatif d’ordre k est donnée par la relation
−z k 
s(tk ) − s(+) 2
Dk % = = e 1− z ou par l’abaque ci-dessous ;
s(+)
(1) Lorsque 0<z<1, la − lorsque z = 0,69, il existe un seul dépassement visible à l’œil (>1%) qui vaut 5% ;
sortie oscille de façon − pour 0,9 < z < 1, il existe des dépassements mais qui ne sont pas visibles à l’œil (ils
amortie autour de sont très inférieurs à 1%)(1).
l’asymptote finale.
On considère que les
dépassements sont
négligeables à partir du
moment où ils ne sont plus
visibles à l’œil (1%) , mais Abaque des dépassements
ils existent ! relatifs pour la réponse à
un échelon d’un modèle du
2ème ordre.
Application :
Pour z=0,3 alors 4 dépassements supérieurs à
1% ont lieu :
D1% = 37%
D2% = 14%
D3% = 5%
D4% = 2%

Instants quand ont lieu les dépassements : notion de pseudo-période amortie

Lorsqu'il y a dépassement (0 < z < 1), ces derniers ont lieu toutes les demi-périodes.
(1) C’est l’intervalle de
temps correspondant à
Avec :
une alternance complète 2 2
des oscillations amorties − la pseudo-période amortie(1) vaut Ta = = ;
a  1 − z2
de la réponse. 0
(2) C’est la pulsation des − la pulsation amortie(2) vaut a = 0 1 − z2 en rad/s.
oscillations amorties de la
réponse. Elle est toujours Contrairement au dépassement, la valeur de la pseudo-période Ta dépend de z et 0
 0
1 
En effet la relation entre fréquence et période est donnée par f = = .
T 2
Attention : la durée entre l’instant d’un dépassement et l’instant d’un passage à la valeur
s(+) n'est pas égale à Ta/4.
Temps de réponse et temps de réponse réduit

Contrairement au dépassement, la valeur temps de réponse à 5% dépend de z et 0 :
− lorsque 0 < z << 1, tr 5% est grand car le modèle est peu amorti ;
− lorsque z >> 1, tr 5% est grand car le modèle est très amorti ;
− lorsque z = 0,69, tr 5% est minimal, un seul dépassement >1%, D1% = 5% ;
− lorsque z = 1, il s’agit du modèle sans dépassement le plus rapide.
Il n’existe pas d’expression simple qui permet de calculer tr 5% . On utilise l’abaque ci-
dessous qui nous donne la valeur du temps de réponse réduit, définit par tr 5%0 (sans
unité) en fonction du facteur d’amortissement z. Deux valeurs sont à connaître :
− lorsque z = 0,69, tr 5%0  3  tr 5%  3 / 0 ;
− lorsque z = 1, tr 5%0  5  tr 5%  5 / 0 .
Temps de réponse réduit

tr5%0 pour la réponse à
un échelon d’un modèle
du 2ème ordre.
À un facteur d'amortissement
correspond un temps de réponse réduit.
Par conséquent, pour un même facteur
z , plus 0 augmente, plus tr 5%
diminue et donc plus le modèle est
rapide.
Bilan
Le gain statique K caractérise le comportement du modèle en régime permanent :
s(+) = Ke(+) .
Le facteur d’amortissement z et la pulsation propre 0 caractérisent le comportement
du modèle en régime transitoire :
− plus z est faible, plus les dépassements sont importants ;
− plus 0 est faible, plus la pseudo-période est grande.

3.6 Prévoir la réponse d’un modèle à retard : e-Tp

La sortie Retardée sR (t ) d'un modèle à retard donne une sortie identique à la sortie Non Retardée
sNR (t ) d’un modèle mais retardée d’un temps T.
L'équation temporelle et HR (p) la fonction de transfert d'un modèle à retard sont :
sR (t ) = sNR (t − T ) pour t  T ⎯⎯
→
L
HR (p) =
SR (p)
= e −Tp avec T : retard
SNR (p)
Ou dit autrement :
SR (p) = e−Tp SNR (p)
L
sR (t) = sNR (t − T ) ⎯⎯
→
SNR (p)
Si HNR (p) = est la fonction de transfert d’un système non retardé (NR),
E (p)
et HR (p) = SR (p) = e −Tp la fonction de transfert d'un modèle à retard :

SNR (p)
SR (p)
alors H(p) = la fonction de transfert du système retardé vaut :
E (p)
S (p)
H(p) = R = HNR (p)  e −Tp
E (p)
Le retard pur peut modéliser des décalages temporels liés à des phénomènes de traitements
numériques dans l’unité de commande ou des délais de transmission de l’information entre le capteur
et l’unité de commande.
Il est rarement pris en compte en première approche et se voit ajouté au modèle uniquement lorsque
ses effets s’avèrent non négligeables.


4 Identifier un modèle de comportement d’un système continu à partir

de la courbe de sa réponse expérimentale
Un modèle de connaissance est un modèle mathématique déterminé par application de

lois et principes de la physique.
Un modèle de comportement est déterminé à partir de la courbe de sa réponse
expérimentale à un signal test.
4.1 Principe
Il est parfois nécessaire, ou utile, de modéliser le comportement d'un système à partir de résultats
expérimentaux, sans passer par un modèle connaissance. On utilise dans ce cas-là une méthode
d’identification. Cela consiste à rechercher un modèle en analysant la réponse du système à une
entrée test connue, de type échelon dans notre cas.
 Il existe de • Le système est considéré comme une « boite noire ».
nombreuses méthodes • On le soumet à une entrée en échelon et on compare les réponses obtenues
d’identification plus ou expérimentalement à un catalogue de réponses types de façon à choisir un modèle de
moins complexes, nous
nous limiterons ici aux comportement (1er ordre, 2ème ordre…).
plus simples. • On identifie les paramètres de sa fonction de transfert sur les relevés expérimentaux et on
établit ainsi un modèle de comportement du système.
Cette démarche permet d’obtenir un modèle qu'il convient de valider en comparant des
comportements prévus par simulation avec d'autres résultats expérimentaux.
Cette étape de validation permet aussi d'estimer le domaine de validité du modèle.
Au regard des caractéristiques des réponses temporelles à une entrée en échelon des modèles du 1er
et du 2ème ordre présentées précédemment, la démarche d’identification est proposée ci-dessous :
 Attention : pour des

modèles du 2ème ordre
dont le facteur
d’amortissement est tel
que 0,82  z  1 , il
existe des
dépassements  1% qui
ne sont pas visibles à
l’œil.

4.2 Modéliser le comportement par un 1er ordre et identifier les paramètres K et 
Exemple : considérons un système dont la fonction de

transfert est inconnue et dont la réponse à une entrée en
échelon d’amplitude e(+) = 2 , obtenue
expérimentalement, est donnée ci-contre.
La courbe expérimentale s’apparente à la réponse à une entrée en échelon d’un modèle du 1er ordre : valeur
finale constante, tangente à l’instant initial de pente non nulle, réponse sans dépassement.
Cette simple observation permet, a priori, de proposer comme modèle de comportement du système, une
fonction de transfert de la forme :
K
H(p) =
1 + p
Identifier le modèle du système revient alors dans ce cas à déterminer les valeurs du gain statique K
et de la constante de temps .
Les paramètres caractéristiques d’un modèle du premier ordre sont identifiés ainsi :
− K à partir du relevé de la variation totale de la sortie et en utilisant la relation
s(+) = Ke(+) (attention aux conditions initiales) ;
−  à partir du relevé de la durée pour atteindre 63% de la variation totale de la sortie.
Application : à partir de la réponse expérimentale à une entrée en échelon d'amplitude 2, identifier

les paramètres du modèle du système, modélisé par un premier ordre.
Identification de la valeur de K
On connait la valeur de la variation totale de l’entrée e(+) = 2
On relève la variation totale de la sortie s(+) = 5,8 , et on utilise s(+) = Ke(+) , d'où K=5,8/2=2,9
Identification de la valeur de 
On relève la durée 3 ms pour atteindre 63% de la variation totale de la sortie 0,63s(+) = 0,63  5,8 = 3,6
Modélisation du comportement du système

2,9
Donc, on peut choisir comme modèle de comportement : H(p) =
1 + 3.10−3 p

4.3 Modéliser le comportement par un 2ème ordre oscillatoire et identifier les

paramètres K, z et 0
Exemple : considérons un système dont

la fonction de transfert est inconnue et
dont la réponse à une entrée en échelon
d’amplitude e(+) = 2 , obtenue
expérimentalement, est donnée ci-
contre.
La courbe expérimentale s’apparente à la réponse à une entrée en échelon d’un modèle du 2ème ordre
oscillatoire : valeur finale constante, tangente à l’instant initial de pente nulle, réponse avec dépassements
d’amplitudes décroissantes.
K
H(p) =
 2z   1  2
1+  p +  2  p
 0   0 
Identifier le modèle du système revient alors dans ce cas à déterminer les valeurs du gain statique K,
du facteur d’amortissement z et de la pulsation propre 0.
Dans le cas d’une réponse à une entrée en échelon avec dépassement, les
caractéristiques du 2ème ordre sont identifiées ainsi :

− z à partir du relevé du premier dépassement D1% et :

en utilisant l’abaque qui lie le dépassement au facteur d’amortissement
ou en utilisant la formule des dépassements relatifs :
− z
2 (lnD1% )2
D1% = e 1 − z  z=
2 + (lnD1% )
2
− 0 à partir
du relevé de la pseudo période Ta et en utilisant formule de la pseudo-période
2
Ta =
0 1 − z2
ou à partir du relevé du temps de réponse tr5% et en utilisant l’abaque qui lie le
temps de réponse réduit tr 5%0 et le facteur d’amortissement (mais cette
seconde méthode est moins précise).


les paramètres du modèle du système, modélisé par un deuxième ordre oscillant.
On relève la valeur de la variation totale de la sortie s(+) = 28 , et on utilise s(+) = Ke(+) , d'où
K=28/2=14
Identification de la valeur de z
D1 14
On relève la valeur du 1er dépassement absolu D1 = 42 − 28 = 14 , donnant D1% = = = 0,5 = 50 %
s(+) 28
On utilise l’abaque qui lie les dépassements relatifs au facteur d’amortissement : z  0,21 .
(lnD1% )2 (ln0,5)2
Ou on utilise la formule des dépassements relatifs : z = = = 0,21
2 + (lnD1% ) 2 + (ln0,5)
2 2
Identification de la valeur de 0
On relève Ta  67 ms
2 2 2
On utilise la formule de la pseudo-période Ta = =  0 =  95rad/s
a  1 − z2 67.10−3 1 − 0,212
0
Ou on relève le temps de réponse tr 5%  140 ms
Et on utilise l’abaque qui lie le temps de réponse réduit tr5%0 et le facteur d’amortissement :
13 13
Pour z = 0,21  tr 5% 0  13  0  donc 0   93 rad/s
tr 5% 140.10−3

14
2  0,21 1
1+ p + 2 p2
95 95

4.4 Modéliser le comportement par un 2ème ordre apériodique et identifier les

paramètres K, 1 et 2
Exemple : considérons un système dont la

fonction de transfert est inconnue et dont la
réponse à une entrée en échelon
d’amplitude e(+) = 2 , obtenue
expérimentalement, est donnée ci-contre :
La courbe expérimentale s’apparente à la réponse à une entrée en échelon d’un modèle du 2ème ordre
apériodique : valeur finale constante, tangente à l’instant initial de pente nulle (ou existence d’un seul point
d’inflexion), réponse sans dépassement.
K
H(p) =
 2z   1  2
1+ p +  2 p
 0   0 
Or, dans le cas où z≥1, le dénominateur de H(p) admet deux racines réelles (≥0).
Il est alors préférable d’écrire la fonction de transfert sous la forme :
K
H(p) =
(1 + 1 p)(1 + 2 p)
Identifier le modèle du système revient alors dans ce cas à déterminer les valeurs du gain statique K,
(1) Et non pas les
et des deux constantes de temps 1 et 2 (1).
valeurs de z et 0 .
Dans le cas d’une réponse à une entrée en échelon sans dépassement, mais avec pente
nulle à l’instant initial, les caractéristiques du 2ème ordre sont identifiées en supposant
que pour t suffisamment grand, la courbe est assimilable à la réponse d’un premier
ordre de constante de temps 2, avec un retard 1. Les caractéristiques sont
déterminées ainsi :

− 2 à partir du relevé de la durée entre l’instant où une droite est tangente à la

courbe, et l’instant où cette droite coupe l’asymptote horizontale ;
− 1 à partir du relevé de la durée 1 + 2 pour atteindre 63% de la variation totale de

la sortie.


les paramètres du modèle d’un système, modélisé par un deuxième ordre apériodique.
On suppose que pour t suffisamment grand (>4,5 s ici), la réponse correspond à celle d’un modèle du
premier ordre de constante de temps 2 retardée de 1 .
On relève la valeur de la variation totale de la sortie s(+) = 12 , et on utilise s(+) = Ke(+) , d'où
K=12/2=6
Identification de la valeur des constantes de temps

À partir d’un point de la courbe suffisamment éloigné du point d’inflexion (ici t=5s valeur prise arbitrairement,
mais suffisamment grande), et après avoir tracé la tangente en ce point et son intersection avec l’asymptote
horizontale, on relève sur la courbe : 2  8,5 − 5  3,5 s
On relève l’instant t63% = 4,5 s correspondant à une réponse de 63% de la variation totale de la sortie.
On en déduit 1 : 1 + 2 = t63% soit 1  4,5 − 2  1 s

6
(1 + p)(1 + 3,5p)
6 6 1 2z
NB : H(p) = = d’où, = 3,5 , soit 0 = 0,53 rad/s, et = 4,5 ,
(1 + p)(1 + 3,5p) 1 + 4,5 p + 3,5 p2 02 0
soit z = 1,2 .

5 Déterminer le modèle de connaissance d’un SLCI asservi non perturbé

On a vu dans les chapitres précédents que la forme et
certains paramètres caractéristiques de la fonction de
transfert d’un système permettait :
• de prévoir ses performances ;
• dans certaines situations(1), de prévoir l’allure
(1) Modèle du 1er ou du temporelle de la grandeur de sortie lorsqu’il est
2ème ordre soumis à un soumis à une entrée en échelon.
échelon.
Dans ce chapitre nous allons apprendre à déterminer la

fonction de transfert globale d’un système., à partir du
modèle de connaissance de chacun de ses constituants
(préactionneur, actionneur, capteur…) et en tenant
compte de la façon dont ces constituants sont organisés.
On s’intéressera plus particulièrement aux systèmes

asservis qui, équipés de capteurs permettant en
permanence le contrôle de la grandeur de sortie, sont
capables de réagir de façon autonome à des
perturbations extérieures. Gyropode Segway
5.1 Système asservi

Une grandeur de sortie d’une activité d’un système est asservie si :
− les grandeurs de consigne et de sortie sont de même nature ;
− la grandeur de sortie est mesurée par un capteur, puis comparée à la consigne ;
− une correction est apportée afin d’améliorer les performances de stabilité, de
rapidité et de précision.
On parle alors d’un « système asservi » mais c’est un abus de langage, c’est la grandeur de sortie de
l’activité étudiée, qui est asservie à la grandeur de consigne.
5.2 Constituants d’une chaîne fonctionnelle ayant un effet sur les performances d’un
système asservi
Dans la description par chaîne fonctionnelle, les fonctions communiquer, restituer, alimenter et
stocker de l’énergie n’interviennent pas directement sur les performances d’un système. Le modèle
d’un système asservi s’appuiera sur les éléments suivant :
Informations Informations
entrantes sortantes
COMMUNIQUER
Consignes Informations
utilisateur Périphérique de utilisateur
ACQUERIR communication RESTITUER
Interface de TRAITER Interface de

CODER
MEMORISER
communication H/M communication M/H
Convertisseur Unité de commande
ACQUERIR analogique / numérique
Capteurs Chaîne d'information

Matière d'œuvre
Grandeurs physiques Commandes / ordres entrante
Puissance
disponible Puissance Puissance Puissance
Puissance délivrée convertie adaptée
entrante
Effecteur
ALIMENTER MODULER et ADAPTER et

CONVERTIR AGIR
DELIVRER TRANSMETTRE
Unité d'alimentation
Pré-actionneur Actionneur Transmetteur
Activité réalisée
Adaptateur
STOCKER
Chaîne d'énergie
Unité de stockage
Matière d'œuvre
sortante
Dans cette représentation,

− la grandeur d’entrée est la consigne ;
− la grandeur de sortie, la réponse, est la matière d’œuvre (effort, position, vitesse) ou une
grandeur intermédiaire liée à celle-ci.

5.3 Structure d’un schéma-bloc d’une grandeur asservie : comparateur, image de

l’erreur, correcteur et commande
Il existe un outil graphique, nommé schéma-boc, qui permet à la fois de faire apparaitre clairement :
− le modèle de connaissance de chacun des constituants d’une activité d’un système ;
− la façon dont ces constituants sont agencés entre eux.
Le schéma bloc est construit à partir de la chaîne fonctionnelle en ne conservant que

les constituants intervenant directement dans l’asservissement et en choisissant les
grandeurs contrôlées (flux ou effort) dans la chaîne d’énergie-puissance.
On supposera les conditions d’Heaviside vérifiées (conditions initiales nulles).
 Dans ce schéma-
bloc fonctionnel,
l’entrée du
préactionneur
correspond à la
commande issue de
l’unité de commande.
Ce n’est pas la
puissance entrante que
l’on retrouve dans le
schéma des chaînes
fonctionnelles.
Les éléments suivants sont indispensables au bon fonctionnement d’un système asservi :
CONSTITUANT FONCTION
Interface H/M Traduire la consigne en un signal utilisable par l’unité de commande
Capteur Mesurer et traduire la sortie en un signal utilisable par l’unité de commande

Comparer l'image de la sortie et l'image de la consigne.
Comparateur Il délivre un signal (t) , en général électrique, qui est une image de l'erreur er (t ) .
Avec : (t) = cons'(t) − s'(t) et er (t) = cons(t) − s(t) (conditions initiales nulles)
Corriger l’image de l’erreur afin de délivrer un signal de commande pour améliorer

Correcteur
les performances du système (stabilité – rapidité – précision)
Sur le schéma ci-dessus, on remarque que l’entrée du pré-actionneur qui va nous intéresser pour
étudier l’asservissement de la grandeur de sortie est la commande issue de l’unité de commande et
non pas la puissance disponible (en pointillé sur le schéma) que l’on retrouve dans la représentation
chaîne d’énergie-puissance/chaîne d’information.
Il ne s’agit pas pour autant de penser que c’est la grandeur de commande, en général une tension (en
V) de faible niveau, qui fournit la puissance nécessaire à la chaîne d’énergie-puissance pour faire
évoluer la grandeur de sortie.
D’un point de vue modélisation, il suffira d’utiliser un bloc et sa fonction de transfert associée
(1) En général, une décrivant la relation(1) entre la valeur de la grandeur de commande et la quantité de puissance délivrée
simple relation de à l’actionneur et modélisant ainsi le comportement du pré-actionneur.
proportionnalité.

5.4 Schéma-bloc d’une grandeur asservie non perturbée : chaîne directe et chaîne de
retour
Dans le but de pouvoir déterminer plus facilement la fonction de transfert globale d’une activité d’un
système(2), la représentation schéma-bloc, en plus de s’appuyer sur la structure chaîne d’énergie-
(2) C’est cette fonction
qui permettra ensuite de puissance / chaîne d’information, met en évidence le modèle(3) de chacun des constituants intervenant
prévoir les performances dans l’asservissement.
du système.
Dans le cas général, la représentation d’une grandeur asservie non perturbée par schéma-bloc est la
suivante :
Les trois éléments de base du schéma-bloc sont :
Le bloc qui représente un constituant du

système asservi (interface H/M, capteur, Ex : un moteur électrique peut être vu comme un bloc avec
actionneur, ...) ou une équation une tension de commande en entrée et une vitesse de
mathématique liant deux grandeurs. rotation en sortie.
Ce bloc comporte une seule entrée et
une seule sortie.
Le point de prélèvement qui prélève,

sans le modifier, le signal en un point.
Le comparateur (soustracteur ou
sommateur) qui comporte plusieurs
entrées mais une seule sortie.
Ces entrées peuvent être additionnées ou
soustraites.
Un système asservi est constitué de deux chaînes :

− la chaîne directe, entre le comparateur et le point de prélèvement du capteur, qui
assure les fonctions de commande et de puissance ;
− la chaîne de retour, entre le point de prélèvement du capteur et le comparateur, qui
assure la fonction de mesure du signal de sortie.
La mesure de la réponse (point de prélèvement entre G2 (p) et G5 (p) ) est souvent

réalisée au travers d’une grandeur intermédiaire et non pas directement sur S(p) .
Exemple : Sur le robot Ericc du laboratoire, la position angulaire d’un bras est déterminée à l’aide de
la position angulaire mesurée sur l’axe du moteur (qui est une image de la position angulaire du bras).
En effet, cette position mesurée est directement proportionnelle, par l’intermédiaire du rapport de
transmission du réducteur de vitesse, à la position du bras qui est la grandeur asservie.

5.5 Modèle de connaissance liant deux grandeurs (une entrée et une sortie)
Chaque équation est représentée par un bloc qui contient sa fonction de transfert.
Exemple d’équation à Transformée en

Équation temporelle Schéma-bloc
modéliser Laplace
Loi entrée-sortie s (t ) = i e (t )
cinématique d’un s (p) = i e (p)
(avec i  1)
réducteur de vitesse
Loi entrée-sortie
pas pas
cinématique d’un vs (t ) = e (t ) Vs (p) = e (p)
2 2
vis-écrou
Codeur incrémental
qui délivre n(t) = 2000 (t) N(p) = 2000 (p)
2000 inc/tr
Hacheur qui délivre une

tension comprise 10 10
um (t ) = nv (t ) Um (p) = Nv (p)
8
entre 0 V et + 10 V 2 28
codée sur 8 bits
Hacheur qui délivre une

10 10
tension de +/- 10 V um (t ) = nv (t ) Um (p) = Nv (p)
7
codée sur 8 bits 2 27
Loi de changement
360 360
d’unité entre radian et deg (t ) = rad (t ) deg (p) = rad (p)
degré 2 2
Loi entre vitesse et

(p)
position (t) =  (t)dt (p) =
p
(intégrateur)
Loi entre vitesse et

d(t )
position (t ) = (p) = p (p)
dt
(dérivateur)
5.6 Relation entre les fonctions de transfert de l’interface homme-machine et du

capteur
Selon le schéma-bloc général d’un système asservi (page précédente) :
G (p)
(p) = Cons '(p) − S '(p)  (p) = G0 (p)  Cons(p) − 3  S(p)
G5 (p)
(1) En général il s’agit Or L’image de l’erreur (p) doit être proportionnelle à l’erreur Er (p) = Cons(p) − S(p) .
d’une tension (en V)
proportionnelle à la Donc :
grandeur imposée en G (p)
consigne ou mesurée en G0 (p) = 3
sortie.
G5 (p)
(p)
et (p) = G0 (p)Er (p) ou Er (p) =
G0 (p)

5.7 Simplification de schéma-bloc (blocs en série, en parallèle, ou en boucle fermée

FTBF)
 Attention, la Pour étudier ou prévoir le comportement d’un SLCI asservi, il est nécessaire de connaître sa fonction
simplification éloigne le de transfert globale.
modèle, de la structure
réelle du système…
Celle-ci est obtenue à partir des différentes fonctions de transfert de chacun de ses constituants. Il est
donc indispensable de connaître les règles d’association et de simplification des schémas-blocs.
Blocs en
série
La fonction de transfert équivalente de blocs en série est égale au produit des

fonctions de transfert de chacun des blocs.
Blocs en
parallèle
La fonction de transfert équivalente de blocs en parallèle est égale à la somme des

fonctions de transfert de chacun des blocs.
 Attention :
-bien vérifier les signes
dans le comparateur ;
- ne pas confondre avec D(p): FT de la chaine directe R(p): FT de la chaine de retour
le cas des blocs en
parallèle !
Démonstration pour la FTBF :
S(p) = D(p)  (p) = D(p)  E (p) − S '(p) = D(p)  E (p) − R(p).S(p)
Blocs en = D(p)  E (p) − D(p)  R(p)  S(p)
boucle
d’où, S(p)  1 + D(p)  R(p) = D(p)  E (p) et, finalement, S(p) =
D(p)
 E (p) .
fermée 1 + D(p)  R(p)
(FTBF)
Attention aux signes dans le comparateur :

Application : déterminer la fonction de transfert de l’activité d’un système représentée par le schéma-
bloc ci-dessous :
Simplification 1 : boucle fermée
1
p 1
H1 (p) = =
1 p+4
1+ 4
p
Simplification 2 : blocs en série
1 2 2
H2 (p) =  =
p+4 p+2 (p + 4)(p + 2)
Simplification 3 : Blocs en parallèle

2 1
H3 (p) = +
(p + 4)(p + 2) p
2
p + 8p + 8
=
p(p + 4)(p + 2)
Simplification 4 : Blocs en série
2 2
p + 8p + 8 2 2(p + 8 p + 8)
H(p) =  =
p(p + 4)(p + 2) (p + 2) p(p + 4)(p + 2)
2
1  1 2 
2  8   p2 + p + 1   p + p + 1
et sous forme canonique : H(p) = 8  = 8 
2 2
1  1  1  1 
p  4  22   p + 1  p + 1  p   p + 1  p + 1 
4  2  4  2 
NB : on peut immédiatement voir que ce modèle est instable car sa classe est non nulle…

5.8 Identifier un modèle de comportement d’un constituant de la chaîne directe d’un

SLCI asservi
Lors d’un essai, il est impossible d’identifier un modèle de comportement d’un constituant de la chaîne
directe d’un SLCI. En effet, à cause du retour d’information du capteur, l’entrée de ce constituant n’est
plus un échelon (même si la consigne du SLCI est bien un échelon).
En réalisant un essai dit « en boucle ouverte », c’est-à-dire en faisant en sorte que le capteur ne
renvoie rien à l’unité de commande (la boucle de retour est coupée, voir figure ci-dessous), alors sur
certains systèmes, il est possible d’envoyer une commande en échelon à l’entrée de G2 (p) , et ainsi de
pouvoir identifier son modèle en analysant sa réponse.
NB : Lors d’un essai en boucle ouverte, si G0 (p) et G1 (p) sont des constantes, alors il est possible
également d’envoyer une consigne en échelon. Dans ce cas, l’entrée de G2 (p) sera également un
échelon à un coefficient près.


6 Déterminer le modèle de connaissance d’un SLCI asservi perturbé

6.1 Notion de perturbation
Pour qu’un système réponde correctement aux besoins de l’utilisateur, il est important que les
performances (stabilité, rapidité et précision) ne varient pas quels que soient les phénomènes
extérieurs dit « perturbations » qui pourraient les perturber. Exemples :
6.2 Schéma-bloc d’une grandeur asservie perturbée

Dans le modèle d’un système asservi, la perturbation est généralement une entrée qui
vient modifier la chaîne directe au travers d’un soustracteur.
6.3 Modèle de connaissance liant trois grandeurs (deux entrées et une sortie)
Chaque équation est représentée par un ou des blocs + un comparateur.
Équation à Équation temporelle +

Schéma-bloc
modéliser Transformée en Laplace
s(t ) = a  b e1 (t ) − c e2 (t )
Cas général
S(p) = a  b E1 (p) − c E2 (p)
Loi entrée-sortie
e1 (t ) −  e2 (t ) + (  − 1 ) s (t ) = 0
cinématique d’un
train d’engrenages e1 (p) −  e2 (p) + (  − 1 ) s (p) = 0
épicycloïdal à
1
2 entrées s (p) = e1 (p) −  e2 (p)
1−
motorisées
d(t )
cm (t ) − cr (t ) − f (t ) = J
Loi de la dt
dynamique
Cm (p) − Cr (p) − f (p) = Jp (p)
appliquée sur l'axe
1
d’un moteur Soit (p) = Cm (p) − Cr (p)
f + Jp

6.4 Fonction de transfert en poursuite et fonction de transfert en régulation (théorème

de superposition)
Théorème de
superposition
Fonctions de transfert en poursuite et en régulation :

S(p)
Hpour (p) = donc S(p) = Hpour (p) Cons(p) quand P(p) = 0
Cons(p) P(p)=0
S(p)
Hrégul (p) = donc S(p) = Hrégul (p) P(p) quand Cons(p) = 0
P(p) Cons(p)=0
Ainsi
S(p) = Hpour (p) Cons(p) + Hrégul (p) P(p) quand Cons(p)  0 et P(p)  0
La sortie du modèle est obtenue en additionnant toutes les réponses

élémentaires. Une réponse élémentaire est obtenue en n’ayant qu’une seule
entrée non nulle. C’est une conséquence directe de la linéarité du modèle.
Application : déterminer la sortie du modèle modélisé par le schéma-bloc ci-dessus :
Mode où l’entrée perturbation P(p) = 0 , Fonction Mode où l’entrée consigne Cons(p) = 0 , Fonction
de transfert en poursuite de transfert en régulation
Le schéma-bloc devient : Le schéma-bloc devient :
S(p) S(p)
Hpour (p) = Hrégul (p) =
Cons(p) P(p)=0 P(p) Cons(p)=0
G1 (p)G2 (p) −G2 (p)
= G0 (p) G5 (p) = G4 (p) G5 (p)
1 + G1 (p)G2 (p)G3 (p) 1 − G2 (p)  G3 (p)(−1)G1 (p)
Lorsque les deux entrées interviennent en même temps, le théorème de superposition donne :
G0 (p)G1 (p)G2 (p)G5 (p) −G2 (p)G4 (p)G5 (p)
S(p) = Cons(p) + P(p) = Hpour (p)Cons(p) + Hrégul (p)P(p)
1 + G1 (p)G2 (p)G3 (p) 1 + G1 (p)G2 (p)G3 (p)
Rappel : Pour que l’image de l’erreur (p) soit nulle lorsque l’erreur est nulle, il est impératif que
G (p) G1 (p)G2 (p)G3 (p) −G2 (p)G4 (p)G5 (p)
G0 (p) = 3 , ainsi S(p) = Cons(p) + P(p) .
G5 (p) 1 + G1 (p)G2 (p)G3 (p) 1 + G1 (p)G2 (p)G3 (p)

6.5 Prévoir la stabilité d’un SLCI asservi perturbé

Pour prévoir la stabilité d’un modèle perturbé, il faut étudier la stabilité des fonctions de transfert en
poursuite et en régulation. Selon la partie précédente :
G1 (p)G2 (p)G3 (p) −G2 (p)G4 (p)G5 (p)
S(p) = Cons(p) + P(p)
1 + G1 (p)G2 (p)G3 (p) 1 + G1 (p)G2 (p)G3 (p)
Ni (p)
Si les fonctions de transfert Gi (p) sont écrites sous forme de fraction : Gi (p) = alors :
Di (p)
N1 (p)N2 (p)N3 (p) −N2 (p)N4 (p)N5 (p)
D (p)D (p)D3 (p) D (p)D4 (p)D5 (p)
S(p) = 1 2 Cons(p) + 2 P(p)
N (p)N2 (p)N3 (p) N (p)N2 (p)N3 (p)
1+ 1 1+ 1
D1 (p)D2 (p)D3 (p) D1 (p)D2 (p)D3 (p)
N2 (p)N4 (p)N5 (p)
−D1 (p)D3 (p)
N1 (p)N2 (p)N3 (p) D4 (p)D5 (p)
S(p) = Cons(p) + P(p)
D1 (p)D2 (p)D3 (p) + N1 (p)N2 (p)N3 (p) D1 (p)D2 (p)D3 (p) + N1 (p)N2 (p)N3 (p)
Ainsi si le produit D4 (p)D5 (p) = constante , alors les deux fonctions de transfert
Hpour (p) et Hrégul (p) ont le même polynôme caractéristique. Les pôles des deux
fonctions de transfert sont par conséquent les mêmes, et une seule étude de stabilité
sera alors effectuée.
Si ce n’est pas le cas, alors il faudra étudier la stabilité des 2 fonctions Hpour (p) et
Hrégul (p) .
6.6 Prévoir la précision d’un SLCI asservi perturbé

Rappel : la notion d’erreur n’a de sens que si l’on compare des grandeurs consigne et sortie
homogènes.
Dans le domaine de Laplace, les conditions de Heaviside sont vérifiées. C’est-à-dire que les conditions
initiales sont nulles.
Un modèle stable (donc de classes nulles), sans dérivateur peut s’écrire
S(p) = Hpour (p)Cons(p) + Hrégul (p)P(p) avec :
m m
S(p) 1 + p + p2 + + p pour S(p) 1 + p + p2 + + p régul
Hpour (p) = = K pour  et Hrégul (p) = = Krégul 
n n
Cons(p) 1 + p + p2 + + p pour P(p) 1 + p + p2 + + p régul
Ainsi, pour un modèle stable, sans dérivateur, soumis à une consigne en échelon
d’amplitude Econs0 et à une perturbation en échelon d’amplitude E pert 0 :
− la valeur finale vaut : s(+) = K pour Econs0 + Krégul Epert 0 ;
− l’erreur statique : er (+) = cons(+) − s(+) = (1 − K pour )Econs0 − Krégul E pert 0
Erreur statique due à la consigne

Erreur statique due à la perturbation
(erreur de poursuite)
(erreur de régulation)
Pour un modèle stable, soumis à une consigne ou une perturbation en rampe, ou avec
un ou des dérivateurs :
− l’erreur statique se détermine par le théorème de la valeur finale :
er (+) = lim cons(t) − s(t) = lim pCons(p) − S(p) = lim p Cons(p) − Hpour (p)Cons(p) − Hrégul (p)P(p)
t →+ p→0+ p→0+

6.7 Simplification de schéma-bloc avec boucles dépendantes

L'objectif est d'isoler les boucles en déplaçant des blocs, et en faisant en sorte que 2 comparateurs
soient côte à côte, afin de les permuter.
 Attention, ces
simplifications éloignent Les manipulations suivantes ne sont à effectuer que si la présence de boucles dépendantes est
encore plus le modèle, constatée.
de la réalité physique du
système…
Déplacement
d’un bloc
après un point
de prélèvement
Déplacement
d’un bloc
avant un point
de prélèvement
Déplacement
d’un bloc
après un
comparateur
(1) On utilisera cette

règle pour
Déplacement
« désimbriquer » des d’un bloc
boucles dans un
schéma-bloc.
avant un
comparateur
Permutation de
2
sommateurs(1)

7 Analyser la réponse fréquentielle (ou harmonique) d’un SLCI

L’analyse fréquentielle d’un système s’intéresse à sa réponse à une sollicitation périodique. Elle permet
de prévoir son comportement(1) lorsqu’il est soumis à des entrées sinusoïdales, ce qui est indispensable
(1) En régime permanent,
c’est-à-dire lorsque t est
en phase de conception de certains systèmes.
suffisamment grand..
Par ailleurs, comme cela a été mis Stabilisateur de
Robot de chirurgie
smartphone
en œuvre plus tôt dans l’année
avec la réponse temporelle à une
entrée en échelon, la réponse
(2) SLCI fréquentielle d’un système linéaire
continu et invariant(2) permet
aussi d’identifier sa fonction de
transfert en vue de lui associer un
modèle approché.
Exemples de système dont l’amplitude des oscillations du signal de
sortie doit être atténuée.
Enfin, notons que l’analyse fréquentielle est également à la base des méthodes de conception des
correcteurs traitées en 2ème année.
7.1 Caractéristiques d’un comportement fréquentiel

Soit un système linéaire continu et invariant de grandeurs d’entrée e(t) et de sortie s(t) caractérisé par
l’équation différentielle à coefficients constants :
e(t) s(t)
d n s(t ) d m e(t ) Système
an + ... + a0 s(t ) = bm + ... + b0 e(t )
dt n dt m
L’expression temporelle de la sortie, solution de l’équation différentielle, est la somme des solutions
(3) équation homogène
générales de l’équation sans second membre(3) et d’une solution particulière avec second membre.
On note que :
- les solutions générales caractérisent le régime transitoire de la sortie ;
- la solution particulière caractérise le régime permanent de la sortie.
Ces considérations permettent de montrer que :
Pour une entrée sinusoïdale, la sortie en régime permanent d’un SLCI est aussi un signal
sinusoïdal.
e(t), s(t) en régime permanent

Tout SLCI, soumis à une entrée sinusoïdale
(4) appelé aussi réponse d’amplitude E 0 et de pulsation  , présente <0 dans cet exemple
forcée ou régime établi. (4)
une réponse en régime permanent sinusoïdale : E0
- de même pulsation  (en rad/s), S0
- déphasée de  (en rad ou en deg),
t(s)
- d’amplitude S0 différente.
si e(t) = E0 sin(t) (
 s(t) = S0 sin t + enrad )
À une pulsation  donnée du signal d’entrée, quelle que soit l’amplitude E 0 du signal
d’entrée :
S0 unité de sortie
- le rapport , appelé gain ( ), est constant ;
E0 unité d ' entrée
- le déphasage  , appelé phase (en rad ou en deg), est aussi constant.
S0
Les courbes de gain G() = () et de phase () caractérisent alors le comportement fréquentiel
E0
du modèle. Une fois connues, elles peuvent donc permettre de prévoir la réponse du modèle à
n’importe quelle entrée sinusoïdale.

7.2 Représenter graphiquement un comportement fréquentiel : Diagramme de Bode

Afin de faciliter l’interprétation des évolutions du gain et de la phase en fonction de  , on utilise une
représentation graphique du comportement fréquentiel.
Le diagramme de Bode est la représentation la plus connue.
Le diagramme de Bode est constitué de deux courbes tracées l’une en dessous de l’autre
en utilisant une échelle logarithmique en abscisse :
(1) Le décibel, qui est une
unité sans dimension est − le diagramme de gain en dB GdB () = 20log G() , avec GdB () en décibel(1),
utilisé pour des raisons
historiques et pratiques − le diagramme de phase () , avec () en radian ou en degré.
issues de l’acoustique.
(2) Attention, car c’est le Par lecture du digramme de Bode, on peut déterminer l’expression du signal de sortie :
gain en décibel GdB ()
GdB ()
qui est relevé sur le
diagramme. Il faut ensuite, s(t) = E0 G() sin( t + ()) (2)
avec G() = 10 20
à partir de cette valeur,
calculer le gain G () .
Application :
Le diagramme de Bode d’un modèle
est donné ci-contre.
20 dB
La connaissance du signal sinusoïdal Amplification au dessus de 0 dB
e(t) = 10 sin(40 t) appliqué en entrée
du modèle et la détermination, à l’aide  (rad/s)
du diagramme de Bode, de 0
GdB (40) = −12dB et (40) = −90 , 0,01 0,1 1 10 100
permet de connaître l’expression du
signal de sortie : Atténuation au dessous de 0 dB
– 20 dB
 
s(t ) = 2,5 sin   t − 
 2
En effet : Décade
 (rad/s)
• GdB (40) = −12dB 0
 20log G(40) = −12 0,01 0,1 1 10 100
−12
 G(40) = 10 20 = 0,25
– 45
−
• (40) = −90 = rad
2 – 90
Pour bien appréhender un diagramme de Bode, il est nécessaire de connaître certaines de ces
particularités :
− l’écart entre  et 10 est appelé une décade ;
− sur l’échelle logarithmique, il n’y a pas d’origine des abscisses (pas de 0) et le tracé
ne concerne qu’une plage de pulsations judicieusement choisie sur 3 ou 4 décades ;
− un gain de 0 dB correspond à un gain de 1, soit E0 et S0 de même amplitude ;
− un gain en dB positif correspond à un gain supérieur à 1, S0 > E0 : le modèle amplifie
l’amplitude de la sinusoïde d’entrée. Inversement si le gain en dB est négatif ;
− 20 dB (=20log10) correspond à un gain de 10, soit S0=10xE0, -20dB à un gain de 1/10.
− 40 dB (=20log102) correspond à un gain de 100, soit S0=100xE0, -40dB à un gain de
1/100, etc.

7.3 Déterminer le gain et le déphasage : G() = H ( j) et () = arg ( H( j))

Les équations des courbes de gain et de phase d’un modèle peuvent être déterminées à partir de sa
fonction de transfert (voir démonstration en bas de page).
Pour l’analyse fréquentielle, la fonction de transfert complexe H( j) est obtenue à

partir de la fonction de transfert H(p) en remplaçant p par j :
p= j
H(p) ⎯⎯⎯
→H( j)
Le gain G() et la phase () s’obtiennent à partir de la fonction de transfert complexe

H( j) avec :
G() = H ( j) et () = arg ( H( j))

(1) Quelques rappels sur le
logarithme en base 10 et module de la FT complexe(2) argument de la FT complexe(2)
sur les nombres complexes
sont proposés page
suivante. Le gain en décibel GdB () s’obtient à partir de la fonction de transfert complexe H( j)
avec : (
GdB () = 20log H ( j ) ) (1)
Démonstration : relation entre G() et H( j) , relation entre () et arg H( j)
Soit un système linéaire continu et invariant de grandeurs d’entrée e(t) et de sortie s(t) caractérisé par
l’équation différentielle à coefficients constants :
e(t) s(t)
d n s(t ) d m e(t ) Système
an + ... + a0 s(t ) = bm + ... + b0 e(t )
dt n dt m
Pour déterminer la solution de l’équation différentielle linéaire, on pose les variables complexes :
E = E0 e j t et S = S0 e j (t +) avec e(t) = Im(E) et s(t) = Im(S) .
Les variables complexes vérifient l’équation différentielle :
dn S d mE
an + ... + a0 S = bm + ... + b0 E .
dt n dt m
Cette équation devient, après calcul des dérivées :
an ( j) S + ... + a0 S = bm ( j) E + ... + b0 E ;
n m
S bm ( j) + ... + b0
m
soit finalement : = = H ( j )
an ( j) + ... + a0
E n
On reconnaît la fonction de transfert du système où la variable de Laplace p a été remplacée par j .
S S0 j
Or, par définition de E et S , le rapport = e = G() e j
E E0
De ces observations, on déduit que H( j) = G() e j

7.4 Filtrer : pulsation de coupure et bande passante

Le gain en décibel, donc le gain, dépend de la pulsation du signal d’entrée.
Un certain nombre de systèmes sont conçus (1) tels que, en dehors d’une plage de pulsation, le signal
(1) Cela peut être voulu ou de sortie est atténué. Cela implique que, si les variations de l’entrée se font à une fréquence en dehors
une conséquence des de la plage en question, le système ne peut les suivre et la sortie est quasiment inexistante car
limites de la technologie fortement atténuée.
utilisée.
On parle de filtre auquel est associé une bande passante délimitée par des pulsations
de coupure.
Les pulsations de coupure sont définies à partir d’un gain de référence. Il existe plusieurs façons de les
définir, nous retiendrons :
Détermination à partir Détermination à partir
Définition du gain du gain en dB
(méthode analytique) (méthode graphique)
c −3d B : pulsation de coupure à -3 dB
G(c −3dB ) = 70%  Gref GdB (c −3dB ) = 20log Gref + 20log0,7
→ pulsation à partir de laquelle le gain
est atténué de 30% par rapport à une = 0,7  Gref = Gref dB − 3dB
valeur de référence Gref
c −6dB : pulsation de coupure à -6 dB
G(c −6dB ) = 50%  Gref GdB (c −6dB ) = 20log Gref + 20log0,5
→ pulsation à partir de laquelle le gain
est atténué de 50% par rapport à une = 0,5  Gref = Gref dB − 6dB
valeur de référence Gref
NB : pour des filtres passe-bas (voir définition ci-dessous), Gref = K (gain statique) et
Gref dB = 20log K = GdB ( → 0)
Le système laisse
Gref dB passer une bande de
Filtre passe-bande Gref dB − ndB fréquence.
La bande passante est
c1 , c2 
c1 c2
Gref dB Le système laisse

ndB passer les basses
Filtre passe-bas Gref dB − ndB fréquences
0, c2 
c2
Le système laisse
Gref dB passer les hautes
ndB
Gref dB − ndB fréquences
Filtre passe-haut
c1 , +
c1

7.5 Évaluer le comportement en stabilité à partir du diagramme de Bode d’un modèle

Un modèle sera stable si l’amplification ne tend pas vers l’infini : GdB + quel que
soit la pulsation.
NB : pour les modèles du 2nd ordre, la présence d’une résonance implique que z<0,7.
Ainsi la réponse temporelle à une entrée en échelon aura des dépassements.
7.6 Évaluer le comportement en précision à partir du diagramme de Bode d’un modèle

Rappel : l’erreur en régime permanent d’un modèle stable, non perturbé, sans
dérivateur, soumis à une consigne en échelon d’amplitude Econs0 (cf : page 18).
er (+) = (1 − K pour )Econs0 et er % (+) = 1 − K pour
Ainsi, si on suppose un modèle stable, non perturbé, sans dérivateur, et précis, ce

dernier aura un gain statique K pour égal à 1.
1 + ( j) + ( j)2 + + ( j)m

Or GdB ( → 0) = 20log H( j) →0 = 20log K pour = 20log K pour
1 + ( j) + ( j)2 + + ( j)n−
Donc son diagramme de Bode de gain aura une asymptote en dB aux basses fréquences
égale à 0 dB. Si ce n’est pas le cas, le modèle ne sera pas précis.
7.7 Évaluer le comportement en rapidité à partir du diagramme de Bode d’un modèle

Un modèle avec une large bande passante est apte à suivre des entrées rapides ou des
fréquences élevées.
Ainsi, une large bande passante caractérise un modèle rapide au sens du temps de
montée (temps mis pour que la sortie atteigne la première fois sa valeur finale).


8 Prévoir la réponse fréquentielle d’un modèle usuel

(1) Ils pourront être Comme pour les réponses à une entrée en échelon des modèles usuels, les réponses fréquentielles de
ensuite utilisés sans ces modèles sont à connaître par cœur(1).
démonstration.
Il s’agit de connaître :
→ les pentes et points d’intersection (cassures) des asymptotes ;
→ les allures et quelques points particuliers des courbes réelles.
Dans tous les modèles qui suivent, on supposera K  0 .
8.1 Prévoir la réponse fréquentielle d’un modèle proportionnel : K

Gain en dB
H(p) = K (K>0)  H( j) = K 20logK
0 dB 
 GdB () = 20log K
 
() = arg(H( j)) = 0  en degré
0° 
Droite de gain 20 log K
Phase = 0°
8.2 Prévoir la réponse fréquentielle d’un modèle dérivateur : Kp

H(p) = K p (K>0)  H( j) = K j  Gain en dB
+20 dB
GdB () = 20log(K ) = 20log K + 20log 
  +20dB/décade

 () = arg(H( j)) = +90 0 dB
1/K 10/K
Pour tracer la droite du gain en dB :
- Si  = 1 K alors GdB (1 / K ) = 20log K − 20log K = 0 dB  en degré
- Si  = 10 K alors GdB (10 / K ) = 20log K + 20log10 − 20log K = +20 dB
+90°
0° 
Droite à +20 dB / décade et de gain nul en 1/K
Phase = +90°
8.3 Prévoir la réponse fréquentielle d’un modèle dérivateur d’ordre 2 : Kp2

H(p) = K p2 (K>0)  H( j) = K( j)2 = −K 2
GdB () = 20log(K 2 ) = 20log K + 40log  +40 dB
Gain en dB

 () = arg(H( j)) = +180 +40dB/décade
0 dB 
Pour tracer la droite du gain en dB : 1 K 10 K
- Si  = 1 K alors GdB (1 / K ) = 20log K − 20log K = 0 dB
 en degré
- Si  = 10 K alors GdB (10 / K ) = 20log K + 40log10 − 20log K = +40 dB
+180°
0° 
Droite à +40 dB / décade et de gain nul en 1 / K
Phase = +180°

8.4 Prévoir la réponse fréquentielle d’un modèle intégrateur : K/p

K K Gain en dB
H(p) = (K>0)  H( j) =
p j
-20dB/décade
GdB () = 20log K − 20log  0 dB 
 
 () = arg(H( j)) = −90
K 10.K
-20 dB
- Si  = K alors GdB (K ) = 20log K − 20log K = 0 dB  en degré

- Si  = 10K alors GdB (10K ) = 20log K − 20log10 − 20log K = −20 dB 0°
-90°
Droite à -20 dB / décade et de gain nul en K
Phase = -90°
8.5 Prévoir la réponse fréquentielle d’un modèle intégrateur d’ordre 2 : K/p2

K K −K
H(p) = (K>0)  H( j) = = Gain en dB
p2 ( j)2 2
-40dB/décade
GdB () = 20log K − 20log 2 = 20log K − 40log  0 dB 
 
 () = arg(H( j)) = −180 K 10 K
-40 dB
GdB ( K ) = 20log K − 20log K = 0 dB  en degré
- Si  = K alors 
0°
- Si  = 10 K alors GdB (10 K ) = 20log K − 40log10 − 20log K = −40 dB
-180°
Droite à -40 dB / décade et de gain nul en K

Phase = -180°

8.6 Prévoir la réponse fréquentielle d’un modèle du 1er ordre : K/(1+p)

K K 
GdB () = 20log H( j) = 20log K − 20log 1 + 2 2
H(p) =  H( j) =  
1 + p 1 +  j 
 () = arg(H ( j)) = − arg(1 +  j) = − arctan()
Comportement asymptotique et pulsation de cassure

Pour → 0 , H( j) → K :
Comportement en basses fréquences équivalent à celui d’un gain pur :
GdB (→ 0) = 20log K (asymptote horizontale)

( → 0) = 0 (asymptote horizontale)
K
Pour →+ , H( j) → :
 j
Comportement en haute fréquence équivalente à celui d’un intégrateur :
GdB (→ +) = −20log() (droite de pente –20 dB/décade)

( → +) = −90 (asymptote horizontale)
Équation de l’asymptote en →+ : GdB () = 20log K − 20log() = 20log K − 20log  − 20log 
1
La pulsation de cassure, cassure = correspond à la pulsation du point d’intersection

des asymptotes.
À cette pulsation de cassure on a sur la courbe réelle :
GdB (cassure ) = 20log K − 3dB et (cassure ) = −45
1
Ainsi la pulsation de coupure à -3dB est la pulsation de cassure : c −3dB = cassure =


8.7 Prévoir la réponse fréquentielle d’un modèle du 1er ordre inverse : K(1+p)

G () = 20log H( j) = 20log K + 20log 1 + 2 2
H(p) = K (1 + p ) H( j) = K (1 +  j)   dB

 () = arg(H ( j)) = + arg(1 +  j) = + arctan()
Par analogie à l’étude précédente :

8.8 Prévoir la réponse fréquentielle d’un modèle du 2ème ordre :

K/[1+(2z/0)p+(1/02)p2]
K K K
H(p) =  H( j) =  H( j) =
1+
2z 1 2
p+ 2 p 1+
2z 1
j + 2 ( j)2     2z 
2
1 − 2  + j 
0 0 0 0     0 
 0 
 2 2
  2   2z 
GdB () = 20log H( j) = 20log K − 20log  1 − 2  +   
  0   0 
 
    
    2 z  
      2 
  − arctan   0   si 1 − 0
 02 
   2   
    1 − 2  
  0  
 

   2 
() = arg(H( j)) =  − 90 si 1 −  = 0 (pour  = 0 )
  02 
 
 
   
   
     2 z   
     0     2 
  − arctan    + 180 si 1 −

0
    2     02 
     1 − 2   
 
  0   

Comportement asymptotique et pulsation de cassure

Pour → 0 , H( j) → K
Comportement en basses fréquences équivalente à celui d’un gain pur :

GdB ( → 0) = 20log K (asymptote horizontale)
( → 0) = 0 (asymptote horizontale)
2

Pour →+ , H( j) → −K 20

Comportement en haute fréquence équivalente à celui d’un intégrateur d’ordre 2 :
GdB (→ +) = −40log() (droite de pente –40dB/décade)

( → +) = −180 (asymptote horizontale)
Équation de l’asymptote en →+ : GdB () = 20log K + 40log 0 − 40log 
La pulsation de cassure, correspondant à la pulsation du point d’intersection des

asymptotes vaut cassure = 0 .
À cette pulsation de cassure sur la courbe réelle :
GdB (cassure ) = 20log K − 20log(2z) et (cassure ) = −90

Selon la valeur de z, −20log(2z) peut être positif (z<0,5) ou négatif (z>0,5). Ainsi,
GdB (cassure ) peut être alors plus grand ou plus petit que GdB ( → 0) = 20log K défini
par l’asymptote horizontale pour les basses pulsations. Sur le diagramme de gain, le
point à cassure peut donc être au-dessus ou en dessous de cette asymptote
horizontale.

Résonance pour z  1 / 2  0,707 , pulsation de résonance et facteur de surtension

Pour certaines valeurs du facteur d’amortissement z, la courbe de gain peut présenter un
(1) Voir la démonstration extrémum(1) :
en annexe.
1
• si z   0,707 , la courbe de gain présente un maximum pour la pulsation de
(2) à ne pas confondre 2
avec la pulsation amortie
de la réponse à un résonance(2) r = 0 1 − 2z2
échelon :
a = 0 1 − z
2
GdB (r ) = 20log K + QdB avec QdB = −20log  2z 1 − z2  facteur de surtension qui
 
Pour 0,707<z<1, la varie de 0 à + quand z varie de 0,7 à 0. Ainsi, GdB (r ) est toujours plus grand
réponse à un échelon
présente des que GdB ( → 0) = 20log K défini par l’asymptote horizontale pour les basses
dépassements, mais la pulsations. Sur le diagramme de gain, le point à r est donc toujours situé au-dessus
réponse fréquentielle ne
présente pas de de cette asymptote horizontale.
résonance.
1
• si z   0,707 alors la courbe de gain est strictement décroissante (il n’y a pas
2
de résonance).
G(r ) H( jr ) 1
La définition du facteur de surtension permet aussi d’écrire : Q = = = .
G(0+) H( j)→0 2z 1 − z2
Q varie de de 1 à + quand z varie de 0,7 à 0 ;
Cas particulier où z  1 : le dénominateur possède 2 racines réelles
K 1 1
Pour z>1, H(p) = =K 
1+
2z 1
p + 2 p2 (1 + T1 p) (1 + T2 p)
0 0
qui est un produit de 3 fonctions de transfert : 1 modèle à action proportionnelle et 2
modèles du 1er ordre de constantes de temps T1 et T2.
Leurs diagrammes de Bode s’additionnent.
Le diagramme asymptotique est plus précis que celui tracé avec le 2nd ordre du départ…
Différence entre comportements temporel et fréquentiel d’un modèle du 2ème ordre
COMPORTEMENT s(t) s(t)

TEMPOREL S(+) S(+)
(réponse à un échelon)
t t
INSTABLE Oscillant amorti Apériodique amorti
0 1/ 2 1 z
Résonant Non résonant
GdB GdB GdB
20logK 20logK 20logK
COMPORTEMENT   
FREQUENTIEL
Voir les exemples de tracé pour différentes valeurs de z page suivante.

Exemples de tracé de 2ème ordre pour différentes valeurs de z :
Lorsque z=0, on parle de

saut de phase et de
résonance infinie :
Influence de z :

8.9 Prévoir la réponse fréquentielle d’un modèle du 2 ème ordre inverse :

K[1+(2z/0)p+(1/02)p2]
 2z 1 2
H(p) = K  1 + p+ p  Par analogie au 2ème ordre, on obtient pour différentes valeurs de z :
   2 
 0 0 

8.10 Prévoir la réponse fréquentielle d’un modèle quelconque

Propriétés des diagrammes de Bode
(1) car GHdB () = GAdB () + GBdB ()

Si H(p) = A(p)  B(p) alors(1) :
GH dB () = 20log H( j) H () =  A () + B ()
= 20log A( j) Les modules en dB et les arguments en degrés s’ajoutent quand les fonctions de transfert
+20log B( j) se multiplient.
et H () = arg(H( j)) On ajoute les 2 diagrammes de A(p) et B(p) , pour déterminer le diagramme de H(p) .
= arg(A( j))
Méthode
+ arg(B( j))
Le principe de tracé d’un diagramme de Bode consiste à factoriser le numérateur et le dénominateur
de H(p) pour en faire un produit de fonctions de transfert élémentaires bien connues et faciles à
tracer dans Bode.
Étape n°1 : mettre la fonction de transfert sous la forme d’un produit de fonctions
usuelles → intégrateurs d’ordre  PUIS 1er et 2nd ordre, 1er et 2nd ordre inverses…
Produit de 2ème ordre inverse
Produit de 1er ordre inverse
Gain statique de H(p)   1  
2
2z
 (1 + Tm p)   1 +  kp+ p 
K m k  0k  0k  
H (p) = 
p  2zp  1  
2
 (1 + Tn p)   1 +  p +   p  
n p

0p  0p  
Intégrateur
Produit de 1er ordre
d’ordre  Produit de 2ème ordre
Associer le gain statique K de toute la fonction de transfert H(p) à l’intégrateur

d’ordre  ou le mettre en facteur s’il n’y a pas d’intégrateur.
(2) En pratique, à réaliser 1

en même temps que Étape n°2(2) : classer dans un ordre croissant les pulsations de cassure ( pour un 1er
l’étape 1. Ti
ordre et 0 pour un 2nd ordre) correspondantes.
Étape n°3 :
− s’il y a un intégrateur d’ordre  , construire en premier le diagramme de Bode de
K
H(p) = , puis successivement en avançant vers les pulsations croissantes, faire
p
intervenir les courbes asymptotiques des autres fonctions usuelles dans l’ordre dans
lequel elles ont été rangées.
− s’il n’y pas d’intégrateur d’ordre  à tracer, associer le gain statique K à la première
fonction à tracer, puis successivement en avançant vers les pulsations croissantes,
faire intervenir les courbes asymptotiques des autres fonctions usuelles dans l’ordre
dans lequel elles ont été rangées.
Sur le tracé, faire apparaitre les pulsations de cassure, les pentes des asymptotes
croissantes ou décroissantes et les valeurs des asymptotes horizontales.
Étape n°4 : tracer l’allure de la courbe réelle en plaçant certains points particuliers
connus ou déterminés à l’aide de la calculatrice.

Attention, selon la valeur de  , la partie réelle du nombre complexe au dénominateur

d’une fonction de transfert usuelle d’ordre 2 F( j) peut être négative. Dans ce cas, il
faut rajouter +180° ou soustraire -180° au résultat que renvoie la calculatrice lors du
calcul de l’arc tangente (voir l’annexe du cours).
Lorsque l’on trace le diagramme de Bode d’une fonction de transfert qui est le produit
de plusieurs fonctions usuelles, si la distance qui sépare les différentes pulsations de
cassure est trop faible (  1 décade ) les courbes réelles ne passent pas exactement par
les points particuliers à connaître par cœur.
En effet, l’influence des fonctions les unes sur les autres ne laisse pas « le temps » aux
courbes de passer par ces points particuliers ou de tangenter avec les asymptotes.
8.11 Synthèse des différents gains

Gain statique du modèle.
Il caractérise le comportement du modèle en
Temporel K régime permanent : Pour un modèle de classe 0
soumis à une entrée en échelon
s( + ) = Ke( + ) .
Gain (ou module) du modèle.

S
G() = H( j) = 0 () Il caractérise l’amplification (G>1) ou l’atténuation
E0
(G<1) du modèle.
Fréquentiel
GdB () = 20log H( j) Gain (ou module) du modèle (en décibel).
S Il caractérise l’amplification (G>0dB) ou
= 20log 0 ()
E0 l’atténuation (G<0dB) du modèle.
8.12 Synthèse des différentes pulsations

Toutes les pulsations ci-dessous sont en rad/s et sont positives.
0 Pulsation propre non amortie d’un modèle du 2ème ordre.

(notée parfois n ) (pulsation du modèle s’il n’était pas amorti (z=0)).
Temporel
2
Pulsation amortie d’un modèle du 2ème ordre oscillatoire.
a = 0 1 − z (z < 1).
 Pulsation de l’entrée ou de la sortie sinusoïdales du modèle.
Pulsation de cassure (pulsation où les asymptotes des
courbes de gain se coupent) :
cassure 1
cassure = pour un 1er ordre

cassure = 0 pour un 2ème ordre
Pulsation de coupure (pulsation définissant la bande
Fréquentiel passante).
c Plusieurs critères sont utilisés : -3dB, -6dB ( c −3dB , c −6dB ).
1
NB : Pour un 1er ordre c −3dB = cassure =

Pulsation de résonance d’un modèle du 2ème ordre
1
r = 0 1 − 2z2 (seulement pour z   0,707 ).
2
Pulsation où le gain présente un maximum.

9 Identifier un modèle de comportement d’un système continu à partir

du diagramme de Bode de sa réponse expérimentale
Étape n°1 : observer l’allure de la courbe de gain aux basses fréquences
- si celle-ci est horizontale, le modèle de comportement ne contiendra pas de dérivateur
ou d’intégrateur. La valeur K dB relevée en décibel permet de déterminer le gain
KdB
statique KdB = 20log K  K = 10 20 ;
- si celle-ci est décroissante, le modèle de comportement contiendra un intégrateur. La

valeur de la pente permet de déterminer l’ordre de l’intégrateur (-20dB/déc   = 1 -
40dB/déc   = 2 , … En traçant l’asymptote à la courbe de gain aux basses fréquences,
et en relevant la valeur de la pulsation où cette asymptote coupe l’axe des 0dB, ceci
permet de déterminer le gain statique  = 1  K = 0dB ,  = 2  K = 0dB2 , … ;
- si celle-ci est croissante, le modèle de comportement contiendra un dérivateur. La

valeur de la pente permet de déterminer l’ordre du dérivateur (+20dB/déc   = 1
+40dB/déc   = 2 , … En traçant l’asymptote à la courbe de gain aux basses
fréquences, et en relevant la valeur de la pulsation où cette asymptote coupe l’axe des
0dB, ceci permet de déterminer le gain statique  = 1  K = 1 / 0dB ,
 = 2  K = 1 / 0dB2 , …
Étape n°2 : déterminer les ordres de grandeur des pulsations de cassure

- s’il existe une seule pulsation de cassure, ou si les pulsations de cassure sont
éloignées d’au moins 2 décades, les pulsations où la valeur du déphasage est
particulière (+/-45°, +/-90°, +/-135°…) permettent de déterminer précisément les
pulsations de cassure. Pour le cas des 2èmes ordres et 2èmes ordres inverses, l’écart entre
la tangente et la courbe de gain à la pulsation de cassure permet de déterminer z
(écart_en_dB=-20log(2z)) ;
- si les pulsations de cassure sont éloignées d’au moins 1 décade, tracer les tangentes à
la courbe de gain. Leurs intersections permettent de déterminer les pulsations de
cassure. Pour le cas des 2èmes ordres et 2èmes ordres inverses, l’écart entre la tangente et
la courbe de gain à la pulsation de cassure permet de déterminer z
(écart_en_dB=-20log(2z)) ;
- si les pulsations de cassure ne sont pas éloignées d’une décade, et qu’un 1er ordre et
un 1er ordre inverse se compensent, déterminer la pulsation quand la valeur du
déphasage est maximale ou minimale. À cette pulsation, la courbe de gain et sa tangente
ont la même valeur. Tracer alors la tangente soit horizontalement ou soit avec une pente
de +/- nx20dB/décade passant par ce point ;
- si elles ne sont pas éloignées d’une décade, relever les valeurs de gain pour différentes
pulsations et résoudre le système d’équations à plusieurs inconnues. Exemple : si dans
le modèle de comportement, il existe 3 inconnues (exemple 2 pulsations de cassure et
un facteur d’amortissement z), alors relever 3 valeurs sur la courbe de gain :
GdB-modèle de comportement (1 ) = GdB-relevé sur la courbe de gain (1 )


GdB-modèle de comportement (2 ) = GdB-relevé sur la courbe de gain (2 )

GdB-modèle de comportement (3 ) = GdB-relevé sur la courbe de gain (3 )

Puis résoudre le système d’équations à 3 inconnues.

ANNEXE
Alphabet grec
L'alphabet grec en sciences
Nom Minuscule Majuscule

alpha  A
bêta  B
gamma  
delta  
epsilon  E
zêta ("dzéta")  Z
êta  H
thêta  
iôta  I
kappa  K
lambda  
mu  M
nu  N
xi ("ksi")  
omicron  O
pi  
rhô  P
sigma  
tau  T
upsilon  
phi  ou  
chi ("khi")  X
psi  
ôméga  
Symboles courants
Nom Symbole
diamètre 
nabla 
dérivée partielle 

Logarithmes et complexes
Sur les logarithmes en base 10
x (1) 10−2 10−1 1 101 102
(1) Le logarithme utilisé Log(x) -2 -1 0 1 2
est le logarithme en base
10.
a
log(a  b) = log(a) + log(b) log   = log(a) − log(b)
b
log(an ) = nlog(a) 10nlog(a) = an
Sur les nombres complexes

j
Soit z un nombre complexe tel que z = a + jb = z e = z (cos + j sin)
alors z = zz = a2 + b2 et arg(z) = 
Soient zi des nombres complexes : z1 z2 = z1 z2 et arg ( z1 z2 ) = arg ( z1 ) + arg ( z2 ) 2
z1 1 z 
= z1 et arg  1  = arg ( z1 ) − arg ( z2 ) 2
z2 z2  z2 
K 
notamment arg   = − arg ( z2 ) 2 (si K  0)
 z2 
Remarque 1 : si  = −15[2] alors  vaut aussi 345[2]
Mais on préférera dire que s(t) est en retard de phase de 15° plutôt que s(t) est en avance de phase de 345°.
Remarque 2 : Expression de l’argument 

On pose a  0 et b  0 P7 b P5
x x x
Au point P1 : z1 = a  arg(P1 ) = 0 [2] P3
Au point P2 : z2 = −a  arg(P2 ) = 180 [2] P2  P1
x x
Au point P3 : z3 = jb  arg(P3 ) = 90 [2] -a  a
Au point P4 : z4 = − jb  arg(P4 ) = −90 [2]
x xP4 x
P8 -b P6

b
Au point P5 : z5 = a + jb  arg(P5 ) = 5 = arctan [2]
a
b −b
Au point P6 : z6 = a − jb  arg(P6 ) = 6 = − arctan = arctan [2]
a a
Arctan étant compris
entre -90° et +90°, il est b
nécessaire de prendre en Au point P7 : z7 = −a + jb  arg(P7 ) = 7 = 180 − arctan [2]
compte +180° pour
a
déterminer l’argument (ou b
le déphasage) aux points  arg(P7 ) = 7 = 180 + arctan [2]
P7 et P8 −a
b
Au point P8 : z8 = −a − jb  arg(P8 ) = 8 = 180 + arctan [2]
a
Dès que la partie réelle du complexe est négative, on détermine la phase en ajoutant
+180° à l’angle déterminé par l’arc tangente (rapport de la partie imaginaire sur la partie
réelle)

Tracer un diagramme logarithmique
Démonstration de l’existence d’une pulsation de résonance

2
2
 2   2z 
GdB () = 20log H( j) = 20log K − 20log  1 −  + = 20log K − 20log (1 − u2 )2 + 4 z2u2 en
  2   0 
 0 

posant u = .
0
22 2 2 dP(u)
Un extremum de GdB () existe si P(u) = (1 − u ) + 4 z u a un extremum, soit si s’annule.
du
dP(u)
Avec = 2(−2u)(1 − u2 ) + 4 z2 2u = 4u(2z2 − 1 + u2 ) ,
du
 u = 0 (soit  = 0)  impossible en régime fréquentiel
dP(u) 
=0   2 2 2 1
du u = 1 − 2z  possible si 1 − 2z  0 soit z  2  0,707

et pour u = 1 − 2z2 , GdB (r ) = 20log K − 20log (2z 2 )2 + 4 z2 (1 − 2z2 )
= 20log K − 20log 4 z2 (z2 + 1 − 2 z2 )
= 20log K − 20log  2 z 1 − z 2 
 
(r ) n’est pas une valeur particulière.

QUESTIONS DE DEBUT DE COURS
ASSER1 : Évaluer les performances d’un système continu à partir de la courbe de sa réponse
expérimentale ou de la courbe de sa réponse simulée
- citer les 4 signaux test utilisés pour évaluer les performances des systèmes continus ;
- citer les 3 types de performances évaluées sur les systèmes continus, ainsi que les critères permettant de les
mesurer ;
- donner les expressions du dépassement absolu et du dépassement relatif ;
- donner la définition du temps de réponse à 5% ;
- donner les définitions de l’erreur et de l'erreur en régime permanent, absolue et relative.
ASSER2 : Prévoir les performances d’un système continu linéaire et invariant à partir de
son modèle
- indiquer l’intérêt d’utiliser la transformée de Laplace ;
- à quel rapport correspond la fonction de transfert d’un système ou d’un constituant ? Donner sa forme générale
en précisant gain statique, classe et ordre ;
- donner la méthode permettant d’obtenir cette forme pour une fonction de transfert ;
- donner la condition fondamentale de stabilité ;
- quelle valeur doit avoir la classe d’un modèle stable ;
- quel type de pôle génère des oscillations ;
- comment réduire l'ordre d'un modèle, à l'aide de la notion de pôle dominant ?
- une paire de pôles complexes implique-t-elle des oscillations visibles ?
- expliquer le critère algébrique de Routh simplifié ;
- donner les transformées de Laplace des entrées tests « impulsion », « échelon » et « rampe » ;
- donner le théorème de la valeur finale, et celui de la valeur initiale ;
- donner la valeur finale d’un modèle stable, sans dérivateur, non perturbé, soumis à une entrée en échelon ;
- qu’appelle-t-on fonction de transfert en poursuite ?
- donner la valeur de l’erreur en régime permanent absolue et relative d’un modèle stable, sans dérivateur, non
perturbé soumis à une consigne en échelon ;
- donner la méthode pour déterminer l’erreur en régime permanent d’un modèle avec dérivateur ou avec une
consigne en rampe.
ASSER3 : Prévoir la réponse à une entrée en échelon d’un modèle usuel

- donner les fonctions de transfert des modèles proportionnel, dérivateur et intégrateur puis donner les graphes
représentant leur réponse à une entrée en échelon ;
- donner la fonction de transfert d'un modèle du 1er ordre ainsi que ses paramètres caractéristiques, puis donner
le graphe représentant sa réponse à une entrée en échelon. Indiquer les points caractéristiques sur ce graphe
(temps de réponse, variation totale de la sortie) ;
- donner la fonction de transfert d'un modèle du 2ème ordre ainsi que ses paramètres caractéristiques, puis
donner le graphe représentant sa réponse temporelle à une entrée en échelon. Indiquer les points
caractéristiques sur ce graphe (variation totale de la sortie...) ;
- dans quel cas la sortie d’un modèle du 2ème ordre présente-t-elle des oscillations amorties ?
- combien y a-t-il de dépassement >1% pour le cas z=0,69 ? Donner leur valeur ?
- combien y a-t-il de dépassement >1% pour le cas z=0,9 ?
- donner l’expression qui permet de quantifier un dépassement relatif ;
- donner les expressions de la période et de la pulsation amortie pour un 2ème ordre dont la réponse est
oscillatoire amortie ;
- à quels instants, les 3 premiers dépassements s’effectuent pour un 2ème ordre dont la réponse est oscillatoire
amortie ?
- on désire un temps de réponse le plus faible possible pour un modèle du 2ème ordre. Que faut-il faire ? 2 cas
sont à envisager ;
- comment détermine-t-on le temps de réponse pour un modèle du 2ème ordre ?
- que vaut le temps de réponse réduit pour z=0,69 et z=1 ? Quelles sont ses unités ?
- donner la fonction de transfert d’un modèle à retard.
ASSER4 : Identifier un modèle de comportement d’un système continu à partir de la courbe

de sa réponse expérimentale
- expliquer la méthode d'identification d'un modèle de comportement du 1er ordre ;
- expliquer la méthode d'identification d'un modèle de comportement du 2ème ordre oscillatoire ;
- expliquer la méthode d'identification d'un modèle de comportement du 2ème ordre apériodique.
ASSER5 : Déterminer le modèle de connaissance d’un SLCI asservi non perturbé

- qu'est-ce qu’un système asservi ?
- représenter la structure générale d’un schéma-bloc d’une grandeur asservie ;
- expliquer chaîne directe et chaîne de retour ;
- donner le modèle de connaissance d’un codeur incrémental qui délivre 2000 inc/tr ;
- donner le modèle de connaissance d’un hacheur qui délivre +/- 10 V codée sur 10 bits ;
- donner le modèle de connaissance d’un intégrateur ;
- donner la relation entre les fonctions de transfert de l'IHM et du capteur ;
- expliquer la simplification de blocs en série, en parallèle, en boucle fermée.
ASSER6 : Déterminer le modèle de connaissance d’un SLCI asservi perturbé

- représenter la structure générale d’un schéma-bloc d’une grandeur asservie perturbée ;
- avec quoi se traduit une équation à 3 variables dans un schéma-bloc ?
- qu’appelle-t-on fonction de transfert en poursuite et en régulation ?
- comment détermine-t-on la sortie d'un SLCI asservi perturbé ?
- comment prévoir la stabilité d’un SLCI asservi perturbé ?
- comment prévoir la précision d’un SLCI asservi perturbé ?
- un système asservi est-il toujours bouclé ? La réciproque est-elle vraie ? Donner un exemple.
ASSER7 : Analyser la réponse fréquentielle (ou harmonique) d’un SLCI

- donner les caractéristiques d'un comportement fréquentiel ;
- donner les méthodes analytique et graphique permettant d’obtenir la(les) pulsation(s) de coupure à -3dB.
- comment peut-on évaluer les comportements en stabilité, rapidité et précision par lecture d’un diagramme de
Bode ?
ASSER8 : Prévoir la réponse fréquentielle d’un modèle usuel

- donner les diagrammes de Bode des fonctions de transfert des systèmes proportionnel, intégrateur, intégrateur
double, dérivateur, dérivateur double, 1er ordre, 1er ordre inverse, 2ème ordre et 2ème ordre inverse. Indiquer les
points caractéristiques sur ces graphes.
ASSER9 : Identifier un modèle de comportement d’un système continu à partir du

diagramme de Bode de sa réponse expérimentale
- expliquer la méthode d’identification d’un modèle de comportement à partir d’un diagramme de Bode.

Cpge 1 Année

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cpge 1 Année

Transféré par

Droits d'auteur :

Formats disponibles

SCIENCES INDUSTRIELLES DE L'INGENIEUR

CPGE 1re année

1 Évaluer les performances d’un système continu à partir de la courbe de sa réponse

3 Prévoir la réponse à une entrée en échelon d’un modèle usuel 19

4 Identifier un modèle de comportement d’un système continu à partir de la courbe de sa

5 Déterminer le modèle de connaissance d’un SLCI asservi non perturbé 32

Sciences industrielles de l’ingénieur Page 2 sur 65 08/05/2020

6 Déterminer le modèle de connaissance d’un SLCI asservi perturbé 40

7 Analyser la réponse fréquentielle (ou harmonique) d’un SLCI 44

8 Prévoir la réponse fréquentielle d’un modèle usuel 50

9 Identifier un modèle de comportement d’un système continu à partir du diagramme de Bode

QUESTIONS DE DEBUT DE COURS 64

Sciences industrielles de l’ingénieur Page 3 sur 65 08/05/2020

On a vu précédemment que les échanges entre la chaîne d’information et la chaîne d’énergie-

Robot serpent Tepco d’inspection

(3) Il est difficile de • répétitives et pénibles(3).

« Robots guides » d’un complexe Robot soudeur sur les lignes de

L’intervention de l’homme est alors limitée à la programmation de l’unité de commande, la mise en

Dans un système continu, les grandeurs d’entrée et de sortie évoluent de manière

Sciences industrielles de l’ingénieur Page 4 sur 65 08/05/2020

1 Évaluer les performances d’un système continu à partir de la courbe de

1.1 Performances d’un système continu

1.2 Entrée test d’un système continu

Notons toutefois que les performances sont intrinsèques au système et ne dépendent

Sciences industrielles de l’ingénieur Page 5 sur 65 08/05/2020

La variation totale de la grandeur d’entrée est e(+) = e(+) − e(tinit ) .

La variation totale de la grandeur de sortie est s(+) = s(+) − s(tinit ) .

Sciences industrielles de l’ingénieur Page 6 sur 65 08/05/2020

1.4 Vérifier la stabilité, puis la caractériser en déterminant le nombre de dépassement

La stabilité est alors caractérisée par le nombre de dépassements et/ou l'amplitude du

Réponse d’un système pour une entrée test en échelon :

Application : Le graphique ci-contre représente la

1/ Le système est stable car pour une entrée en

2/ Dépassements visibles « à l’œil » : 4

Attention à certains systèmes réels :

Sciences industrielles de l’ingénieur Page 7 sur 65 08/05/2020

1.5 Caractériser la rapidité en déterminant le temps de réponse à 5%

Par convention, le critère caractérisant la rapidité est le temps de réponse à 5% noté

Réponse d’un système pour une entrée test en échelon(1) :

Application : Le graphique ci-contre représente la

La valeur finale est : s(+) = 8 .

Sciences industrielles de l’ingénieur Page 8 sur 65 08/05/2020

1.6 Caractériser la précision en déterminant l'erreur en régime permanent

À condition que le système soit stable, la

Réponse d’un système pour une consigne test en échelon

Remarque : pour cons(tinit )  s(tinit )

Application : Le graphique ci-contre représente la

Sciences industrielles de l’ingénieur Page 9 sur 65 08/05/2020

2 Prévoir les performances d’un système continu linéaire et invariant à

(2) La limite de vitesse

n est l'ordre du modèle. C’est l’ordre de l’équation différentielle.

Sciences industrielles de l’ingénieur Page 10 sur 65 08/05/2020

Définition (à ne pas savoir…)

Propriétés de la transformée de Laplace

Application : Transformée de Laplace de l'équation différentielle :

 7p5 + 4 p3 + 3p2  S(p) = 5p2 + 3p + 2 E (p)

Sciences industrielles de l’ingénieur Page 11 sur 65 08/05/2020

Fonction de transfert (définie uniquement pour des conditions initiales nulles)

En appliquant la transformée de Laplace aux deux membres de l’équation différentielle et en

(1) on l’appelle aussi S(p)

La fonction de transfert est une fraction de deux polynômes de variable p.

Forme canonique d’une fonction de transfert : gain statique, ordre et classe

Sciences industrielles de l’ingénieur Page 12 sur 65 08/05/2020