Chapitre 01: Structure d’un système de commande numérique

Chapitre 1. Structure d’un système de com-

mande numérique

1.1. Introduction
La commande des systèmes discrets asservis constitue l’objectif fondamental de toute étude qui
vise à imposer des performances que le système commandé doit satisfaire.

Après une première génération de commandes numériques à logique câblée sont apparues les
commandes numériques par calculateur (CNC), ou par ordinateur, qui intègrent un ou plusieurs ordinateurs
spécifiques pour réaliser tout ou partie des fonctions de commande. Tous les systèmes de commande nu-
mérique commercialisés actuellement contenant au moins un microprocesseur, les termes CN et CNC peu-
vent être considérés comme des synonymes.

1.2. Historique
Les travaux menés par Falcon et Jacquard à la fin du XVIIIe siècle ont montré qu’il était possible de
commander les mouvements d’une machine à partir d’informations transmises par un carton perforé. Leur
métier à tisser de 1805 fut le premier équipement à être doté de cette technique et, de ce point de vue, il
peut être considéré comme l’ancêtre de la commande numérique.

Il faut cependant rattacher l’exploitation industrielle de la CN au développement de

l’électronique.

En 1947, à Traverse City dans l’État du Michigan, John Parsons fabrique pour le compte de l’US
Air Force des pales d’hélicoptère par reproduction. Pour façonner ses gabarits, il utilise une méthode
consistant à percer plusieurs centaines de trous faiblement espacés de manière à approcher le profil théo-
rique. L’emplacement et la profondeur de chaque trou sont calculés avec précision par un ordinateur IBM à
cartes perforées. La finition de la surface est obtenue par des opérations manuelles de polissage.

Mais, lorsque l’US Air Force confie à ce même Parsons la réalisation de pièces de formes encore
plus complexes pour ses futurs avions supersoniques, celui-ci réalise que sa méthode est trop approximati-
ve et que seul un usinage continu en 3 dimensions sera en mesure de donner satisfaction.

Au printemps 1949, il confie alors au Massachusetts Institute of Technology (MIT) le soin de dé-
velopper des asservissements capables de piloter une machine qui recevra des instructions intermittentes à
partir d’un lecteur de cartes. Cette machine, une fraiseuse prototype Cincinnati à broche verticale, conçue
pour exécuter des déplacements simultanés suivant 3 axes, est officiellement présentée en septembre
1
 Chapitre 01: Structure d’un système de commande numérique

1952 dans le Servomechanisms Laboratory du MIT. L’information mathématique étant la base du concept,
on lui donne le nom de numerical control.

Il faut encore attendre quelques années de vastes fonds de l’US Air Force et l’appui des cher-
cheurs du MIT pour rendre la première Machine-outil à commande numérique (MOCN) réellement opéra-
tionnelle.

Les différentes étapes de développement de la CN sont les suivantes :

 1954 : Bendix acquiert le brevet de Parsons et fabrique la première CN industrielle.

 1955 : à Font du Lac (Wisconsin), le constructeur américain Giddins & Lewis commercialise
la première MOCN.

 1959 : apparition de la CN en Europe (foire de Hanovre). Le MIT annonce la création du lan-

gage de programmation APT (Automatic Programed Tools).

 1960 : apparition du système DNC (Direct Numerical Control)

 1964 : en France, la Télémécanique Éléctrique lance la CN NUM 100 conçue à base de relais
Téléstatic.

 1968 : la CN adopte les circuits intégrés ; elle devient plus compacte et plus puissante. Le
premier centre d’usinage est mis en vente par Kearney & Trecker (USA).

 1972 : les minicalculateurs remplacent les logiques câblées ; la CN devient CNC.

 1976 : développement des CN à microprocesseurs.

 1984 : apparition de fonctions graphiques évoluées et du mode de programmation conver-

sationnel, début de l’ère de la fabrication assistée par ordinateur (FAO).

 1986 : les CN s’intègrent dans les réseaux de communication, début de l’ère de la fabrica-
tion flexible (CIM : computer integrated manufacturing).

 1990 : développement des CN à microprocesseurs 32 bits

1.3. Avantages et inconvénients de la commande numérique

1.3.1. Avantages

Le coeur d'un asservissement, c'est le correcteur qui permet d'améliorer le fonctionnement d'un
système bouclé et d'atteindre les performances fixées par un cahier des charges: précision, rapidité, stabili-
té, transitoire...

En analogique ( commande continue ) on dispose d'un nombre très limité de structures : correc-
teur P (proportionnel), PI (Actions proportionnelle et intégrale), PID (actions proportionnelle, intégrale et
dérivée) , Avance ou Retard de phase. Ces fonctions sont réalisées par des circuits électroniques à base
d'amplificateurs opérationnels; les réglages des paramètres du correcteur sont obtenus au moyen de résis-
tances/potentiomètres et de condensateurs. Les inconvénients sont nombreux : circuit figé, réglages ma-

2
 Chapitre 01: Structure d’un système de commande numérique

nuels, difficulté d'obtenir des temps d'intégration et de dérivation élevés (processus lents), dérive et vieil-
lissement des composants ...

Le correcteur numérique est en fait un programme de traitement numérique : on parle aussi d'al-
gorithme de commande. Il a de nombreux avantages:

 Réglages faciles à effectuer et à modifier, y compris à distance : celà revient à changer des coeffi-
cients dans un algorithme. Les phénomènes lents ne sont plus un problème : il suffit d'adapter la
période d'échantillonnage Te.

 Aucune dérive ou vieillissement n'est à craindre

 Possibilité de stocker plusieurs algorithmes et réglages différents pour s'adapter par exemple à un
processus non linéaire dont le comportement dépend du point de fonctionnement : il suffit de dé-
tecter la zone de fonctionnement et sélectionner, par logiciel, la loi de commande adaptée.

 Le même calculateur peut gérer plusieurs boucles tout à fait différentes, selon des algorithmes
propres à chaque boucle : le temps de traitement consacré à chaque boucle est en effet très court
par rapport à la période d'échantillonnage. La période d'échantillonnage peut d'ailleurs être diffé-
rente pour chaque boucle.

 Le concepteur n'est plus limité à priori aux seules structures standard PID : le numérique ne doit
pas copier simplement l'analogique.

 Il est possible d'incorporer un programme d'identification automatique du système.

 Le calculateur n'est pas occupé en permanence par les tâches de commande : il peut se charger de
fonctions annexes : gestion des alarmes, supervision, affichage graphique, archivage des histori-
ques pour la maintenance etc...

1.3.2. Inconvénients

 Temps de calcul en temps réel

 Nécessité de CAN et de CNA (car les actionneurs ont analogiques) dans la boucle numérique

 Le temps réel difficile à mettre en œuvre

 Le temps de calcul des paramètres de réglage doit être inférieur au temps de réponse des
éléments de la boucle.

1.4. Principe de l’asservissement numérique

Afin de mettre en œuvre les asservissements en milieu industriel, l’usage d’outils infor-matiques
comme organes de contrôle des processus asservis est essentiel. C’est le cas par exemples des ordinateurs
ou des microcontrôleurs qui peuvent, entre autre, assumer des fonctions de calculateurs numériques. Mais
de tels instruments sont à base de composants électroniques (microprocesseurs, mémoires, ...) et fonc-
tionnent avec des signaux binaires, porteurs d’informations numériques, on parle alors de signaux numéri-
ques. Se pose alors un problème fondamental, à savoir qu’un outil numérique ne peut s’accommoder de
signaux analogiques, pourtant quasi exclusifs dans la majorité des systèmes physiques. En effet, le mode de

3
 Chapitre 01: Structure d’un système de commande numérique

traitement des informations imposé par un calculateur est de nature numérique et cadencé dans le tems
de façon périodique grâce à une horloge. Le temps et l’amplitude du signal sont donc des grandeurs dis-
crtes. Schématiquement, cela signifie que tout signal vivant dans l’ordinateur est une suite de nombres.

1.5. Structure générale d’un système de commande numérique

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

Le système asservi représenté par la figure (1.1) comporte :

Le calculateur : microcontrôleur, processeur de signal, circuit dédié. Il élabore le signal d'er-

reur e(k) = Yc(k)- Yk(k) de nature discrète et à partir de l'algorithme de correction le signal de commande Uk
également discret codé sur n bits.

Le convertisseur numérique analogique : il transforme la suite discrète de nombres Uk élaborée

par le calculateur en un signal échantillonné U*(t) ( tension ou courant ). Les technologies les plus em-
ployées pour ces convertisseurs sont les réseaux R-2R et la méthode dite à approximation successive basée
sur l'emploi d'un convertisseur analogique-numérique.

Convertisseur analogique-numérique : il discrètise les échantillons. Il s'agit généralement de

convertisseurs multirampes dont la technologie est basée sur la mesure du temps d'intégration de la ten-
sion ou du courant à convertir. Ces échantillons m(k) sont ensuite traités par le calculateur pour élaborer le
signal d'erreur.

4
 Chapitre 01: Structure d’un système de commande numérique

Le modèle le plus simple et le plus utilisé d'un tel système est le bloqueur d'ordre zéro (BOZ): il
produit un signal électrique (tension) constant entre 2 instants d'échantillonnage, dont la valeur est celle du
dernier nombre présent à l'entrée. D'un point de vue technologique le blocage est réalisé par le CNA qui
maintient U(t) constant tant que le code binaire U(k) est maintenu sur ses entrées. Il existe des bloqueurs
d'ordre 1 qui réalisent une interpolation linéaire entre les échantillons U(k.Te) et U((k+1).Te)

5
 Chapitre 02: Echantillonnage des signaux

Chapitre 2. Echantillonnage des signaux

2.1 Définitions
Signal: Il s’agit d’une grandeur physique générée par un appareil ou appliquée à un dispositif.
Exemples : température, pression, courant, etc.

Signal continu : Lorsque le temps est continu et l’amplitude est continue, le signal est continu
(analogique), tel que le signal brut délivré par un capteur physique. Un signal continu est caractérisé par
une infinité d’amplitude.

Signal causal : Un signal est dit causal s’il est nul pour toute valeur négative du temps. On note
que nous ne considérerons dans la suite du polycopié que les signaux causals.

2.2 Principes fondamentaux de l’échantillonnage des signaux

L’échantillonnage d’un signal temporel s(t) consiste à transformer celui-cienunesuitediscrète
s(kTe) de valeurs prises à des instants kTe. Te est appelée période d’échantillonnage. Les instants kTe sont
appelés les instants d’échantillonnages. Pratiquement, échantillonner un signal revient à le multiplier par
une fonction d’échantillonnage p(t), nulle partout, sauf au voisinage des instants kTe.

Figure ‎2.1 Échantillonnage d’un signal quelconque.

2.3 Spectre d'un signal échantillonné

Un signal échantillonné s*(t) peut aussi être vu (figure 2.2) comme le produit analogique d'un si-
gnal continu s(t) par un train d'impulsions de Dirac unitaires (encore appelé "peigne" de Dirac)

6
 Chapitre 02: Echantillonnage des signaux

Le peigne étant une fonction périodique de période Te, ayant pour support l'impulsion de Dirac,
peut être remplacé par sa décomposition en série de Fourier selon les formules classiques soit :

Figure ‎2.2 Spectre d’un signal échantillonné.

bn = 0 (fonction paire)

Te T
2 2 2e
an 
Te  2
T
 e
2
 (t ) cos( nt )t   Te  (t ).1.t
Te  2

puisque le produit d (t).cos( ) est nul en dehors de t=0 où cos( ) = 1 ; pour les mêmes raisons , on
peut élargir l'intervalle d'intégration sans changer le résultat.

D'où finalement :

2  2
an 
Te 

 (t ).1.t 
Te

Puisque par, définition de l'impulsion de Dirac, l'intégrale indiquée vaut 1.

La série de Fourier correspondant au "peigne" peut s'écrire par conséquent :

2  2  e jnet  e jnet 1  jnet 2


Te n0
cos(net )  
Te n0 2
 e
Te 
avec: e 
Te

L'expression du signal échantillonné devient :

 1  
s* (t )  s (t )   e jnet 
 Te  

On cherche à calculer la transformée de Laplace de ce signal.

Rappelons d'abord certaines propriétés de la transformée d'un signal retardé :

Si :  f  t   F ( p)

7
 Chapitre 02: Echantillonnage des signaux

Alors :  f  t  x   e

 xp
F ( p) et  f  t  e xt   F ( p  x )

On en tire immédiatement :

1 
F ( p)   F  p  jne 
*

Te 

Le spectre du signal s'écrit par conséquent:

1 
F * ( p)   F  j   ne 
Te  

Remarque: on suppose que f(0+) = 0

Si on appelle "spectre de base" le spectre F(jw ) du signal non-échantillonné , on peut observer

que le spectre du signal échantillonné présente une périodicité : le spectre de base est reproduit tous
les w e .Cette remarque est à la base du théorème de SHANNON : pour restituer correctement un signal
après échantillonnage , il suffit de récupérer le spectre de base .Pour celà il faut que les spectres multiples
ne se recouvrent pas ( on parle de repliement ) afin qu'un bon filtre puisse bien isoler le spectre de base.

La condition de Shannon s'écrit : e  2.H

où wH représente la plus haute pulsation ( d'amplitude significative ) contenue dans le spectre de
base.

Les figures (2.3) et (2.4) illustrent ces considérations :

Figure ‎2.3 Echantillonnage sans repliement

 Echantillonnage sans repliement : un filtre passe-bas permet de récupérer le spectre de

base.

8
 Chapitre 02: Echantillonnage des signaux

Figure ‎2.4 Echantillonnage avec repliement

 Echantillonnage avec repliement : un filtre passe-bas ne permet pas de récupérer le spec-

tre de base sans distorsion.

2.4 Théorème de Shannon

À partir du spectre du signal échantillonné, il est possible de metre en evidence l’un des resultants
les plusfondamentaux de l’étude des signaux échantillonnés. Un des objectifs essentiels de
l’échantillonnage consiste à ne pas perdre d’information lors de la discrétisation dans le temps, ce qui peut
se traduire parle fait qu’il doit être possible, à partir du spectre du signal échantillonné, de reconstituer
simplement celui du signal original. Un simple coup d’œil au spectre |S*( f )| nous montre que ce la est
possible s’il n’existe aucun recouvrement entre les différents segments de spectre.

Pour préserver, lors de son échantillonnage, l’information contenue dans un signal, la fréquence
d’échantillonnage fe doit être supérieure au double de la larger spectral du signal.

9
 Chapitre 02: Echantillonnage des signaux

2.5 Exemples de signaux échantillonnés simples

2.5.1. Impulsion unité

On définit l’impulsion unité échantillonnée par le signal:

*
 (t )  1,0,0,...,0

 * ( kTe )  1 pour k  0

Autrement dit: 
 ( kTe )  0 pour k  0
*

Remarque: Nous considérerons comme nuls pour t négatif, tous les signaux que nous étudierons.
La figure (2.5) propose une représentation schématique de cette impulsion unité.

Figure ‎2.5 Impulsion unité

2.5.2. Échelon unité

On définit l’échelon unité échantillonné par le signal:

*
u(t )  1,1,1,...,1

u (k )  1 k  0
Autrement dit: 
u (k )  0 k 0

La figure (2.6) propose une représentation schématique de cet évhelon unité.

Figure ‎2.6 Echelon unité

10
 Chapitre 02: Echantillonnage des signaux

Cet échelon unité n’est rien d’autre que la somme d’impulsions unités décalées dans le temps:

*
u (t )   * (t )   * (t  Te )   * (t  2Te )  ...

* k
Soit u (t )  
k 0
*
(t  kTe )

On pose parfois :  * (t  kTe )   k

* k
Ce qui nous conduit à la notation: u (t )  
k 0
k

2.6 Choix en pratique de la période d’échantillonnage

2.6.1. Critère fréquentiel

 Fe : fréquence d’échantillonnage : elle doit être 6 à 24 fois plus grande que la fréquence de
coupure du système

 Exemple: soit Wc la fréquence de coupure du système, alors la période (s)

d’échantillonnage Te sera :

2 2  
 Te  ;  Te 
18c 9c 9 4.5


Système du 1er ordre :  Te  
4
 : constante de temps du procédé 1er ordre
Système du deuxième ordre

k
W ( p) 
p 2n p  n 2
2

0.25  nTe    0.7

2.6.2. Choix du periode d’echantillonnage pour la regulation des process

TYPE DE VARIABLE OU PPROCESS PERIODE D’ECHANTILLONNAGE (en s)

DEBIT 1-3

NIVEAU 5-10

PRESSION 1-5

11
 Chapitre 02: Echantillonnage des signaux

TEMPERATURE 10-45

DISTILLATION 10-180

ASSERVISSEMENTS 0.001-0.1

REACTEURS CATALYTIQUES 10-45

CIMENTERIES 20-45

SECHAGE 20-45

Globalement: Choisir une fréquence d’échantillonnage 5 fois plus petite que la constante de temps la plus
rapide que l'on veut contrôler en boucle fermée

2.6.3. Cas pratique

1). Si la fréquence d’échantillonnage Fe est trop petite :

 On perd de l’information du signal

 On doit bien faire l’interpolation pour reconstituer le signal

2). Si Fe égale à celle du signal:

 Le signal échantillonné paraitrait constant

3). Si la fréquence d’échantillonnage Fe est trop grande

 Taille du mémoire du fichier à gérer trop grande

 Signal bruité si on doit dériver (exemple dériver la position pour avoir la vitesse)

En pratique prendre la fréquence d’échantillonnage 10 fois la fréquence du signal

2.7 Reconstitution d’un signal continu

L’opération inverse de l’échantillonnage, c’est-à-dire la transformation d’une suite d’échantillons
en un signal continu acceptable technologiquement par les actionneurs, est appelée reconstitution, restitu-
tion ou encore extrapolation. Cette étape est indispensable en commande numérique ; en effet, à partir
des nombres générés par l’ordinateur (généralement un calculateur numérique), une grandeur de com-
mande analogique doit être construite afin d’activer le système à commander. En fait, cette opération est
réalisée à l’aide de filtres ou de bloqueurs.

12
 Chapitre 02: Echantillonnage des signaux

2.7.1. Bloqueur d’ordre zéro (BOZ)

Le développement important de la théorie des systèmes échantillonnés est dû principalement au
développement de la commande par calculateur numérique. Dans ce cas, souvent, le signal fourni par le
calculateur numérique est un signal en escalier, c’est-à-dire variant par paliers.

Un bloqueur d’ordre zéro (BOZ) est caractérisé par le fait que sa sortie s(t) entre les instants
d’échantillonnage kT et (k + 1)T est constante et égale à f(kT). Le BOZ permet de reproduire exactement un
signal constant échantillonné. Le bloqueur BOZ étant représenté figure suivante :

Figure ‎2.7 Schéma fonctionnel d’un bloqueur d’ordre zéro (BOZ)

Sa réponse impulsionnelle est définie comme suit :

hBO (t )  u (t )  u (t  T ), 0  t  T

La fonction de transfert continue du bloqueur BOZ s’écrit par :

1  eTP
B0 ( p) 
p

La figure de MATLAB suivante montre la réponse impulsionnelle de BOZ :

Figure ‎2.8 Réponse impulsionnelle d’un BOZ obtenue avec T = 1(s)

13
 Chapitre 02: Echantillonnage des signaux

En effet, l’association échantillonneur-bloqueur d’ordre zéro (Figure (2.9)) permet une discréti-
sation par paliers d’un signal continu (Figure (2.10)).

Figure ‎2.9 Schéma fonctionnel d’un échantillonneur-bloqueur d’ordre zéro

La figure de MATLAB suivante permet de représenter graphiquement les deux signaux sinusoï-
daux : continu et échantillonné-bloqué. L’échantillonnage a été effectué avec T = 0.25 (s).

Figure ‎2.10 Signal sinusoïdal continu VS Signal sinusoïdal échantillonné- bloqué

(échantillonneur-bloqueur d’ordre zéro)

2.7.2. Bloqueur d’ordre un (BOU)

Le bloqueur d’ordre un permet l’extrapolation entre les instants d’échantillonnage kT et (k +1)T à

partir de f(kT) et de f[(k-1)T]. Il permet donc de reproduire un signal échantillonné. Le bloqueur BOU étant
représenté par le schéma fonctionnel suivant:

Figure ‎2.11 Schéma fonctionnel d’un bloqueur d’ordre un (BOU)

14
 Chapitre 02: Echantillonnage des signaux

Sa fonction de transfert continue est donnée par l’équation suivante:

2  1  Tp 
B1 ( p )  1  e TP   2 
 Tp 
La figure de MATLAB suivante montre la réponse impulsionnelle de BOU :

Figure ‎2.12 Réponse impulsionnelle d’un BOU obtenue avec T = 1(s)

15
 Chapitre 02: Echantillonnage des signaux

Serie TD N° 1
Exercice N°1 : La suite de Fibonacci est définie par:
f k  2  f k 1  f k

Avec f0 =0 et f1 =1

1). En utilisant le théorème de l'avance, montrer que la transformée en zF(z) de la sui-

z
te de Fibonacci s'écrit sous la forme: F ( z ) 
z  z 1
2

2). On définit un système échantillonné G(z) telque, soumis à une entrée en échelon
U(z), sa sortie est le signal F(z). Donner la transmittance opérationnelle de G(z).

Exercice N°2 : On considère un signal échantillonné f(t) défini par:

1 pour 0  k  k 0
f (k )  
0 pour k<0 et pour k>k 0

Soit Te la période d’échantillonnage, Calculer la transformée en z de ce signal.

Exercice N°3 :

Considérons la suite x(k) définie par :

1 si k  0,1, 2,3, 4,5


x( k )  

0 sinon

1). Calculer la transformée en z de x, notée X(z) à partir de la définiton.

2). Retrouver ce résultat à l'aide des suites éhelons et du théorème de retard.

Exercice N°4 : Calculer les transformées en z des suites suivantes :

 xn  cos nT avec ω et T fixés (exprimer-la comme fonction de cos ωT).

sin(t ) pour t  0
 f (t )  
0 pour t  0

 x k   k 2  k u k 

 y  k   e 2 k u  k  1
16
 Chapitre 02: Echantillonnage des signaux

Exercice N°5 : Un système échantillonné est décrit par l’équation aux différences ci-dessous :

2 y(k )  5 y(k  1)  2 y(k  2)  x(k )

Avec x(0)  y(0)  0

Y ( z)
1). Déterminer la transmittance échantillonnée G(z) de ce système ( G ( z )  )
X ( z)

2). Pour x(k)=u(k) (échelon unitaire), déterminer Y(z) puis lim  z  1 Y ( z )

z 
1

3). Décomposer en éléments simples le dénominateur de G(z) et en déduire que le

théorème de la valeur finale ne s’applique pas.

Exercice N°6 : Résoudre, en utilisant la transformée en Z, l’équation récurrente d’ordre 2

xk  3xk 1  2 xk 2   0 (k )

Pour tout entier naturel n, avec, bien sûr, x(1)  x(2)  0

Exercice N°7 : Résoudre, en utilisant la transformée en Z, l’équation récurrente xk 1  2 xk  2k ,

pour tout n  , avec la condition initiale x0  1 .

17
 Chapitre 02: Echantillonnage des signaux

Solution serie TD N° 1
Exercice N°1 :

 On posant Z  f k   F ( z ), determiner Z  f k 1  en function de F ( z ) et des conditions initiales

 En déduire Z  f k  2  puis la transformée F ( z ) de la suite de Fibonacci

Z  f  k  k0Te   z k0 F ( z )  z k0 F (0)  z k0 1F (Te )  z k0 2 F (2Te )  ...   zF (k0  1)Te 

 k0 1

Z  f  k  k0Te   z k0  F ( z )   f (kTe ) z  k 
 k0 0 

Donc:

Z  f k   F ( z ),

Z  f k 1   zF ( z )  zf (0)

Z  f k  2   z 2 F ( z )  z 2 f (0)  zf (1)

Alors: z 2 F ( z)  z 2 f (0)  zf (1)  zF ( z)  zf (0)  F ( z)  z 2 F ( z)  z  zF ( z)  F ( z)

 F ( z )  z 2  z  1  z  F ( z ) 
z
z  z 1
2

 On déduire un système échantillonné G(z) tel que, soumis à une entrée échelon U(z), sa
sortie est le signal F(z).

z
F ( z) z  z  1 2z 1 z 1 1  z 1 
F ( z )  U ( z )G ( z )  G ( z )    2 
U ( z) z z  z  1 1  z 1  z 2
z 1

Exercice N°2 :

Le signal s * (t ) que nous pouvonsreprésenter graphiquement peut être écrit sous la forme d’une
différence de deux signaux : s* (t )  s*1 (t )  s*2 (t )

18
 Chapitre 02: Echantillonnage des signaux

Le signal s*1 (t ) est un échelon unitaire et lesignal s*2 (t ) est un échelon unitaire retardé de k0  1

Par conséquent : s( z )  s1 ( z )  s2 ( z )

z
Avec : s1 ( z ) 
z 1

z  k0 1
s2 ( z )  z
z 1

z  z  k0
D’où : s( z ) 
z 1

Exercice N°3 :

1 si n  0,1, 2,3, 4,5


xn  

0 sinon

1). Calcul de la transformée en z de x, notée X(z) à partir de la définiton.


D’après la definition: X ( z )   f (kT ) z
k 0
e
k

5
z  z 6
Alors: X ( z )   x(k ) z k  1  z 1 z 2  z 3  z 4  z 5 
k 0 z 1

2). Calcul de la transformée en z de x à l'aide des suites éhelons et du théorème de retard.

Le signal xn peut être écrit sous la forme d’une différence de deux signaux : x(n)  x1 (n)  x2 (n)

Le signal x1 (n) est un échelon unitaire et lesignal x2 (n) est un échelon unitaire retardé de k0  6

Par conséquent : x( z )  x1 ( z )  x2 ( z )

z
Avec : x1 ( z ) 
z 1

19
 Chapitre 02: Echantillonnage des signaux

z 6
x2 ( z )  z
z 1

z z 6 z  z 6
D’où : s ( z )   
z 1 z 1 z 1

Exercice N°4 :

 cos  kT 
2
 e  e  jT 
1 jT

Donc X ( z ) 
1
2
e   e
jT  jT


Or :  e   z ze
ak
a

 1  zz e   z  z  e jT  
 jT
1 z z
Donc : X  z       2 
 2  z  z  e  e   1 
jT
2 z e z  e  jT jT  jT

1  2z  z e  e    1  2 z 2  2 z cos T 
2 jT  jT

X  z   2  
2  z  2 z cos T  1  2  z 2  2 z cos T  1 
 

z 2  z cos T
X  z  2
z  2 z cos T  1

 sin  nT 
2j

1 jT
e  e  jT 

Donc F ( z ) 
1 
2j
e   e
jT  jT


Or :  e   z ze
ak
a

 1  zz e  z  e jT  
 jT
1  z z
Donc : F  z       2 
 2  z  z  e  e   1
jT
2j  z e z  e  jT jT  jT

20
 Chapitre 02: Echantillonnage des signaux

1  z  e jT  e  jT  
F  z   2 
2 j  z  z  e jT  e  jT   1 
 

z sin T
F  z 
z  2 z cos T  1
2

 x k   k 2  k u k 

x  k    k 2  k  u  k   k .  ku (k )  u (k ) 

z z
Or :  ku (k )  u (k )  
 z  1 z 1
2

 kx(k )   zX ( z )

 z 
z  2z 2
Donc : X ( z )   z    =
  z  1 z  1  z  13
2

 y  k   e 2 k u  k  1

y  k   e2 k u  k  1  e2 k 22u  k  1  e u  k  1 e2
2 k 1

z z
Or :  ku (k )  u (k )  
 z  1 z 1
2

 x(k  1)  z 1 X ( z )
 z  2
1 e2
Donc : Y ( z )  z  2 
e =
 z e  z  e2

Exercice N°5 :

2 y(k )  5 y(k  1)  2 y(k  2)  x(k ) avec x(0)  y(0)  0

Y ( z)
1. La transmittance échantillonnée G(z) de ce système ( G ( z )  )
X ( z)
D’après le théorème de retard : TZ  x(n  k )  Z k X ( z )

2 y(k )  5 y(k 1)  2 y(k  2)  x(k ) 

TZ
 2Y ( z)  5z 1Y ( z)  2 z 2Y ( z)  X ( z)
Y ( z) 1 z2
 Y ( z )  2  5 z 1  2 z 2   X ( z )   
X ( z ) 2  5 z 1  2 z 2 2 z 2  5 z  2
21
 Chapitre 02: Echantillonnage des signaux

2. Pour x(k)=u(k) (échelon unitaire), déterminer Y(z) puis lim

z 
1
 z  1 Y ( z)
z2
Y ( z)  X ( z)
2 z 2  5z  2
z
x(k )  u (k )  X ( z ) 
z 1

Alors : Y ( z )  z2 z
.
2 z  5z  2 z  1
2

z2 z z3 1
lim  z  1 Y ( z )  lim  z  1 2 .  lim 
z 
1 z 
1 2 z  5z  2 z  1 z 
 1 2z  5z  2 9
2

3. Factorisé (décomposer en éléments simples) le dénominateur de G(z) et en déduire que le

théorème de la valeur finale ne s’applique pas.
z2 1
G( z)  , p1   1, p2  2  1
 z  2  2 z  1 2

Le théorème de la valeur finale ne s’applique pas parce que : p2  2  1

Exercice N°6 :

xk  3xk 1  2 xk 2   0 (k )

On applique la ransformée en Z pour obtenir:

Z ( x)  3z 1Z ( x)  2z 2 Z ( x)  1

1 z2
On trouve donc: Z ( x) 1  3z 1  2 z 2   1  Z ( x)  
1  3z 1  2 z 2 z 2  3z  2

La decomposition en elements simple:

Z ( x) z 1 2 z z
 2    Z ( x)  2
z z  3z  2 z  1 z  2 z 1 z2

La transformée en z inverse:

x (k )  u (k )  2 k 1

Exercice N°7 :

xk 1  2 xk  2k

On applique la ransformée en Z pour obtenir:

22
 Chapitre 02: Echantillonnage des signaux

2z
z  Z ( x)  1  2Z ( x) 
 z  1
2

2z z
On trouve donc: Z ( x)  
 z  1  z  2 
2
 z  2
La decomposition en elements simple:
2 2 2 2
  
 z  1  z  2  z  2 z  1  z  12
2

3z 2z 2z
Alors: Z  x    
z  2 z  1  z  12
La transformée en z inverse:

x(k )  3  2k   2k  2  u ( k )

23