Ministère de l’Enseignement Supérieur Ministère de la Défense Nationale

et de la Recherche Scientifique

‫المدرسة العليا المتعددة التقنيات‬

Ecole Supérieure Polytechnique

Commande Numérique des Systèmes

Réalisée par :
Othman NASRI Chef de département 3EA
 1. Principe de l’asservissement numérique
Afin de mettre en œuvre les asservissements en milieu industriel, l’usage d’outils informatiques comme organes de contrôle des

processus asservis est essentiel.

 C’est le cas par exemples des ordinateurs ou des microcontrôleurs qui peuvent, entre autre, assumer des fonctions de

calculateurs numériques. Mais de tels instruments sont à base de composants électroniques (microprocesseurs, mémoires, ...)

et fonctionnent avec des signaux binaires, porteurs d’informations numériques, on parle alors de signaux numériques.

 Se pose alors un problème fondamental, à savoir qu’un outil numérique ne peut s’accommoder de signaux analogiques,

pourtant quasi exclusifs dans la majorité des systèmes physiques.

 En effet, le mode de traitement des informations imposé par un calculateur est de nature numérique et cadencé dans le temps de

façon périodique grâce à une horloge.

 Le temps et l’amplitude du signal sont donc des grandeurs discrètes.

 Schématiquement, cela signifie que tout signal vivant dans l’ordinateur est une suite de nombres.
Semestre 5 Cours CNS 2
 1. Principe de l’asservissement numérique
Les problèmes qu’il s’agit de résoudre pour le contrôle des processus continus concernent les points suivants :

(1) l’échantillonnage d’un signal continu : cette opération consiste à relever les informations prises par un signal continu à intervalle de

temps régulier, appelé période d’échantillonnage.

 On parle alors de signal échantillonné. Cela signifie que le calculateur ne tiendra compte que des échantillons, c’est-
à-dire des valeurs prises par le signal aux instants d’échantillonnage.

(2) la conversion d’un signal analogique en un signal numérique : il s’agit de convertir la valeur prise par un signal analogique à l’instant

d’échantillonnage en une valeur numérique afin qu’elle soit traitée par le calculateur.

 Un tel signal peut, par exemple, provenir d’un capteur. On parlera alors de signal de mesure.

(3) la conversion d’un signal numérique en un signal analogique : cette opération consiste à transformer le signal numérique issu du

calculateur à l’instant d’échantillonnage (on parlera de signal numérique de commande), en signal analogique de commande existant sur

toute la période d’échantillonnage,

 l’objectif étant de commander le système physique.

Semestre 5 Cours CNS 3
 1. Principe de l’asservissement numérique
(4) la synthèse d’un algorithme de calcul : il s’agit d’établir une loi d’évolution du signal de commande numérique en fonction des

signaux de mesure et de référence, également numériques, afin de permettre au système asservi de satisfaire un cahier

 Cette fonction est appelée correcteur numérique ou encore loi de commande numérique.

 Elle a pour objectif de déterminer la valeur du signal numérique de commande à un instant d’échantillonnage, à partir

des valeurs antérieures des signaux numériques de commande, de mesure et de référence.

 Concrètement, la loi de commande numérique s’exprime comme une relation de récurrence qui permet aisément son

implémentation dans un calculateur numérique.

Semestre 5 Cours CNS 4

 1. Principe de l’asservissement numérique
 Définition

 L’objet permettant de réaliser les opérations (1)-(2) s’appelle un Convertisseur-Analogique-Numérique ( abbr. CAN).

 L’objet permettant de réaliser l’opération (3) s’appelle un Convertisseur- Numérique-Analogique ( abbr. CNA).

Semestre 5 Cours CNS 5

 1. Principe de l’asservissement numérique
 Remarques
 Dans la pratique, le signal analogique traité par le CAN est quantifié sur une échelle finie de valeurs.
 La quantification de l’amplitude du signal échantillonné implique donc une approximation de la valeur réelle du signal analogique
correspondant.
 Cela peut aboutir à la propagation d’erreurs d’arrondis dans le calculateur et avoir des conséquences sur le comportement
global du système asservi (précision, stabilité, robustesse...).
 Bien que cela ne fasse pas l’objet de ce cours, il est important de noter que l’étude de la quantification et du codage est
essentielle pour la mise en œuvre pratique d’un asservissement numérique.
 Dans le cadre de ce cours, la loi de commande numérique est une fonction linéaire en les variables de commande, de mesure et
de référence et à coefficients constants.
 Dans ce cours, on aura tendance, par abus de langage, à appeler échantillonnage, l’ensemble de la chaîne de transformation du
signal, conversion comprise.
 Cela est sans conséquence, puisque les modèles que nous allons étudier prennent en compte la description globale, de la
transformation du signal jusqu’à la suite de nombres correspondante.
Semestre 5 Cours CNS 6
 2. Structure d’un asservissement numérique

1. un comparateur : celui-ci fournit un signal d’écart ϵ qui réalise la différence entre le signal analogique de référence et
le signal analogique de mesure .
2. un CAN : celui-ci fonctionne à la période d’échantillonnage 0. Il fournit à sa sortie le signal numérique d’écart noté .
3. un algorithme de commande : celui-ci manipule des suites de nombres et a pour fonction d’élaborer la loi de commande. Il
délivre donc le signal numérique de commande .
4. un CNA : celui-ci fonctionne à la période d’échantillonnage 0. Il transforme le signal numérique de commande issu du
calculateur en le signal analogique de commande correspondant.
5. des transmittances et représentant respectivement la dynamique du système et celle du capteur.
Semestre 5 Cours CNS 7
 2. Structure d’un asservissement numérique
En pratique

Dans toute structure d’asservissement est inséré un calculateur numérique réalisant, entre autre, les tâches de l’algorithme de commande.

 Un tel calculateur peut être à base de microprocesseurs et faire partie d’un microcontrôleur, d’une carte électronique dite

d’acquisition et de traitement temps réel, type DSP, réalisant également les opérations de conversion.

Semestre 5 Cours CNS 8

 3. Modélisation des signaux échantillonnés
 Définition (Signal)
Un Signal peut être vu comme une quantité, notée f, qui varie dans le temps, de sorte que f(t) est une fonction ou une distribution du temps.

Un distinction sur le temps

 Signaux à temps continu « signaux continus »
 Ils sont tels que l’amplitude f est définie quel que soit le temps t (cas (a) et (b))
 Signaux à temps discret « signaux discrets »
 Ils sont tels que l’amplitude f est définie à des instants précis du temps. Le temps est alors «
discrétisé » (cas (c) à (f))

Un distinction sur l’amplitude f

 Signaux non quantifiés
 Pour lesquels f peut prendre n’importe quelle valeur dans un intervalle continu (cas (a-c-e))
 Signaux quantifiés
 Pour lesquels f est un nombre quantique  f ne peut prendre que des valeurs discrètes bien

Semestre 5 définies  l’amplitudeCours

estCNS
alors discrète (cas (b), (d) et (f)). 9
 3. Modélisation des signaux échantillonnés

Remarques

1. Un signal continu et non-quantifié est appelé

analogique (analog signal en anglais)  cas (a)

2. Un signal discret et quantifié est qualifié de

numérique (digital signal en anglais)  cas (d) et (f)

Semestre 5 Cours CNS 10

 3. Modélisation des signaux échantillonnés
 Transformation de signaux
Echantillonnage (ou discrétisation)
Transformer un signal continu en un signal discret
Remarque:
Les instants d’échantillonnage ne sont pas nécessairement régulièrement espacés dans le temps.

Quantification (ou discrétisation)

Transformer un signal non quantifié en un signal quantifié
Exemple
Forcer les valeurs non admissibles de f(t) aux valeurs quantiques admissibles les plus proches.
Remarque:
On peut quantifier un signal discret
 Généralement les valeurs admissibles d’un signal quantifié sont régulièrement espacées.
L’écart entre 2 valeurs est le quantum de conversion, noté q

Il est possible de recourir à l’échantillonnage et à la quantification à la fois. L’on parle alors de numérisation.
Semestre 5 Cours CNS 11
 3. Modélisation des signaux échantillonnés
 Définition (Echantillonnage)
Sauf mention particulière, tous les signaux considérés dans ce cours seront causaux.

Echantillonnage

Suite discrète de valeurs

prises aux instant
Signal temporel causal

 est un entier naturel

 est la période d’échantillonnage.
 Les instants sont appelés instants d’échantillonnage.
 Les intervalles , sont appelés intervalles d’échantillonnage.

Semestre 5 Cours CNS 12

 3. Modélisation des signaux échantillonnés
 Définition (Echantillonnage)
Soit p t la fonction d’échantillonnage aux instants nT, donnée par :

avec , la fonction de Dirac au temps (arbitraire).

 La "fonction" , désignant le produit du signal et , doit être comprise comme l’unique "fonction" telle que,
pour tout signal on ait

Semestre 5 Cours CNS 13

 3. Modélisation des signaux échantillonnés
 Définition (Echantillonnage)
Soit p t la fonction d’échantillonnage aux instants nT, donnée par :

avec , la fonction de Dirac au temps (arbitraire).

Peigne temporel causal Signal peigné temporellement.

 L’application de la fonction d’échantillonnage au signal produit alors le signal échantillonné ∗

Semestre 5 Cours CNS 14

 3. Modélisation des signaux échantillonnés
 Définition (Signal échantillonné)
Soit e(t) un signal temporel causal et T la période d’échantillonnage. Le signal échantillonné ∗
est égal à:

En utilisant les propriétés de la fonction de Dirac

Semestre 5 Cours CNS 15

 3. Modélisation des signaux échantillonnés
 Définition (Signal numérique)

Soit e(t) un signal temporel causal et T la période d’échantillonnage et ∗ lesignal échantillonné associé.

 On appelle signal numérique associé à e(t), la suite de nombres:

 Le signal numérique est aussi appelé suite des échantillons et , échantillon à l’instant nT.

Semestre 5 Cours CNS 16

 3. Modélisation des signaux échantillonnés

 Remarque
En automatique, le signal échantillonné ∗
et le signal numérique en représentent formellement le même objet associé au signal e(t) .
 Ils présentent toutefois une différence qu’il convient de rappeler.
o En effet, ∗
est un signal à temps continu (mais nul presque partout), qui possède une énergie et qui peut donc être l’entrée
d’un système.
o Par contre, le signal numérique en est une suite de nombres dont la progression se fait en temps discret, et "vivant" dans un
calculateur numérique.

Il nous arrivera souvent de confondre le

signal ∗ et la suite numérique

Semestre 5 Cours CNS 17

 3. Modélisation des signaux échantillonnés

 Signaux usuels

 Impulsion unité : L’impulsion unité échantillonnée, ∗

, est définie par :

o Le signal numérique associé est égal à 1,0,0, … . .

o On pose parfois:
La dernière égalité est en fait une convention.

 Echelon unité : L’échelon unité échantillonnée, ∗

, est définie par :

o Le signal numérique associé est égal à 1,1,1, … . .

On rappelle que l’échelon unité (ou encore fonction de Heaviside) est définie, en temps continu, par:

1 pour 0.
Semestre 5 Cours CNS 18
 3. Modélisation des signaux échantillonnés

 Théorème de Shannon
Parmi les préoccupations essentielles de l’échantillonnage, on a celle qui consiste
à ne pas perdre d’informations lors de la discrétisation temporelle
du signal continu

 Pour que cela soit possible, une des conditions à remplir est que le signal e(t) que l’on doit échantillonner ait une largeur spectrale

(exprimée en Hz ou rad/s) finie, on parle alors d’un spectre de type passe-bas.

 On rappelle que la largeur spectrale d’un tel signal est définie par l’intervalle 0, où est la plus grande fréquence présente

dans le spectre fréquentiel de ce signal.

 Cette condition découle du phénomène de recouvrement (ou repliement) de spectre (voir cours traitement du signal)

Semestre 5 Cours CNS 19

 3. Modélisation des signaux échantillonnés

 Théorème de Shannon

Pour préserver, lors de l’échantillonnage d’un signal e(t), le contenu spectral de ce signal, la fréquence

d’échantillonnage, 1/ , doit être supérieure au double de , la largeur spectrale du signal :

Semestre 5 Cours CNS 20

 3. Modélisation des signaux échantillonnés

 Fréquence de Nyquist

La fréquence de Nyquist est d’une importance cruciale puisqu’elle définit la limite fréquentielle

supérieure pour laquelle les représentations graphiques usuelles, dans le domaine fréquentiel,

suffisent à représenter tout le contenu spectral d’un système échantillonné.

 En effet, les outils graphiques, comme les diagrammes de Bode, de Black-Nichols ou de Nyquist, sont applicables aux

systèmes échantillonnés et leurs tracés peuvent se limiter à la bande de fréquence 0, .

PRÉCAUTION : Avant l’échantillonnage, il est nécessaire de filtrer le signal analogique brut par
un filtre analogique de type passe-bas. Un tel filtre est appelé Filtre Anti-Repliement (FAR).

Semestre 5 Cours CNS 21

 3. Modélisation des signaux échantillonnés

 Remarque
Le choix de la fréquence d’échantillonnage d’un signal filtré dépend des caractéristiques du FAR utilisé, c’est-à-dire
son ordre et sa fréquence de coupure.

 Le théorème de Shannon ne permet d’avoir qu’une borne inférieure sur la fréquence d’échantillonnage à
ne pas dépasser. Mais pour bien éviter le phénomène de recouvrement de spectre, il est, en pratique, indispensable
de choisir une fréquence d’échantillonnage bien plus élevée, fonction du niveau d’atténuation obtenu au delà de la
fréquence grâce au FAR.

 Pour la mise en œuvre d’un asservissement numérique, le choix de la fréquence d’échantillonnage est un
problème bien plus complexe. Il dépend de la fréquence de coupure caractérisant la bande passante du système à
asservir (FAR inclus) et des performances recherchées.

Semestre 5 Cours CNS 22