Ecole Nationale des Sciences Appliquées

ENSA-Kénitra

AUTOMATIQUE

Systèmes linéaires continus

Hassan EL FADIL
 SOMMAIRE

Chapitre 1: ............................................................................................................................................... 1
Introduction et notions de base ................................................................................................................ 1
1.1 Notion de signal....................................................................................................................... 1
1.2 Notion de système ................................................................................................................... 5
1.3 Notion d’automatique ............................................................................................................ 12
Chapitre 2: ............................................................................................................................................. 15
Représentation par fonction de transfert des SLI .................................................................................. 15
2.1 Représentation de base .......................................................................................................... 15
2.2 Fonction de transfert .............................................................................................................. 15
2.3 Propriétés de la FT ................................................................................................................ 16
2.4 Extension aux systèmes multivariables ................................................................................. 16
2.5 Fonction de transfert de systèmes composés : ....................................................................... 17
2.6 Détermination de la réponse d’un système:........................................................................... 18
2.7 Réponse impulsionnelle d’un SLI: ........................................................................................ 19
Chapitre 3: ............................................................................................................................................. 21
Analyse temporelle et fréquentielle des SLI ......................................................................................... 21
3.1 Analyse temporelle des SLI................................................................................................... 21
3.2 Analyse fréquentielle des SLI: .............................................................................................. 30
3.3 Relation entre rapidité et bande passante: ............................................................................. 42
Chapitre 4: ............................................................................................................................................. 43
Stabilité des systèmes linéaires ............................................................................................................. 43
4.1 Définitions ............................................................................................................................. 43
4.2 Exemples : ............................................................................................................................. 44
4.3 Stabilité et pôles d’un système linéaire : ............................................................................... 44
4.4 Stabilité et réponse impulsionnelle :...................................................................................... 44
4.5 Stabilité et bornitude entrée/sortie : ....................................................................................... 45
4.6 Systèmes stables à phase minimale ....................................................................................... 46
4.7 Critère algébrique de stabilité................................................................................................ 46
4.8 Cas des systèmes asservis...................................................................................................... 49
4.9 Marges de stabilité................................................................................................................. 50
Chapitre 5: ............................................................................................................................................. 53
Précision des systèmes linéaires asservis .............................................................................................. 53
5.1 Introduction ........................................................................................................................... 53
5.2 Définitions ............................................................................................................................. 53
5.3 Précision statique :................................................................................................................. 54
Chapitre 6: ............................................................................................................................................. 59
Compensation des systèmes asservis .................................................................................................... 59
6.1 Introduction ........................................................................................................................... 59
6.2 Les différentes actions d’un régulateur ................................................................................. 60
6.3 Combinaisons des trois types d’actions ................................................................................. 63
6.4 Réglage des régulateurs par la méthode de Zeigler Nichols ................................................. 68
6.5 Exemple de synthèse ............................................................................................................. 69
Chapitre 7: ............................................................................................................................................. 75
Identification des systèmes linéaires ..................................................................................................... 75
7.1 Introduction ........................................................................................................................... 75
7.2 Définitions ............................................................................................................................. 75
7.3 Notion d’identification .......................................................................................................... 76
7.4 Identification en boucle ouverte ............................................................................................ 77
7.5 Identification en boucle fermée ............................................................................................. 80
ANNEXE .............................................................................................................................................. 83
Bibliographie ......................................................................................................................................... 88

H. EL FADIL
 Chapitre 1:

Introduction et notions de base

1.1 Notion de signal

1.1.1 Définition

L’observation des phénomènes physiques se fait à l’aide de capteurs. Un capteur est donc
un dispositif qui a pour rôle de traduire une grandeur physique intéressante (température,
pression, radioactivité, PH, …) en une autre grandeur qui se prête plus facilement à
l’amplification, au filtrage, au codage, aux opérations algébriques et différentielles, à
l’enregistrement, à la transmission, ….

L’information délivrée par un capteur est appelé signal. On peut dire que plus de 90% des
capteurs industriels génèrent l’un des signaux suivants : une force, un déplacement, une
tension, un nombre (d’impulsions) ou une fréquence.

1.1.2 Classification des signaux

1.1.2.1 Classification physique

− Signaux temporels représentés par une fonction réelle du temps s(t) . La fonction s(t)
décrit l’évolution dans le temps d’un grandeur physique (température, pression, …)
− Signaux spatiaux représentés par une fonction réelle de la distance s(x).
− Signaux multidimensionnels :
• s(x,t) : température au point x à l’instant t.
• s(x,y) : niveau de gris (image) au point (x,y).
• s(x,y,t) : niveau de gris au point (x,y) à l’instant t → suite d’images.
• s(x,y,z,t) :pression au point (x,y,z) à l’instant t.

Exemple : Four Industriel (voir Figure 1.1) :

H. EL FADIL
2 Chapitre 1

− θ (t ) : température à la sortie au cours du temps

− T (x) : température le long du four (à un instant donné)

Matière
humide Air

Combustible

θ (t )
T ( x0 ) Matière sèche
(décarbonatée)
x
0 x0 L

θ (t ) T (x)

t x
0 0

Figure 1.1 : Température d’un four

1.1.2.2 Classification énergétique

a) Signaux à énergie finie :

+∞
Energie =: ∫ s (t ) 2 dt < ∞ (1.1)
−∞

b) Signaux à énergie infinie :

+∞
E = ∫ s (t ) 2 dt = ∞ (1.2)
−∞

c) Signaux à puissance moyenne finie :

1 +T / 2
T →∞ T ∫−T / 2
P =: lim s (t ) 2 dt < ∞ (1.3)

d) Signaux à puissance moyenne infinie :

1 +T / 2
T →∞ T ∫−T / 2
P = lim s(t ) 2 dt = ∞ (1.4)

H. EL FADIL
Introduction générale 3

1.1.3 Signaux usuels

1.1.3.1 Signaux à énergie finie (exemples) :

⎛t⎞ ⎛t⎞
rect⎜ ⎟ tri⎜ ⎟
⎝T ⎠ ⎝T ⎠
1 1

t t
T 0 T −T 0 +T
− +
2 2

a) Porte rectangulaire : b) Porte triangulaire :

intervient comme facteur
multiplicatif pour localiser un
segment T d’un signal
quelconque

Figure 1.2 : Exemples de signaux à support temporel borné

−t −t
e e cos(ω0t )
1

t t
0 0

a) signal exponentiel décroissant b) Signal oscillatoire exponentiel décroissant

Figure 1.3 : Exemples de signaux à support temporel non borné

1.1.3.2 Signaux à énergie infinie (exemples) :

a) Signaux signe et échelon

sign (t ) 1(t )
+1 +1

t t
0 0

-1
b) Signal Echelon :
Intervient comme facteur
multiplicatif pour construire
a) Signal Signe un signal causal

Figure 1.4 : Signaux Signe et Echelon

H. EL FADIL
4 Chapitre 1

b) Impulsion de Dirac δ(t)

Nous pouvons noter que :

1 ⎛t⎞
δ (t ) = lim rect⎜ ⎟ (1.5)
T →0 T ⎝T ⎠

1 ⎛t⎞ δ (t )
rect⎜ ⎟
T ⎝T ⎠
1/T T →0

t t
T 0 T 0
− +
2 2

Figure 1.5 : L’impulsion de Dirac

Quelques propriétés de l’impulsion de Dirac :

δ (t ) = 0 (t ≠ 0) ; δ (0) = indéfini (1.6)

+∞
∫ −∞
x(t )δ (t )dt = x(0) (1.7a)
+∞
∫ −∞
x(t )δ (t − t0 )dt = x(t0 ) (1.7b)
+∞ +∞
∫
−∞
δ (t )dt = 1 ; ∫ −∞
δ (t ) 2 dt = ∞ (énegie infinie) (1.8)

d1(t )
= δ (t ) (1.9)
dt
x(t )δ (t ) = x(0)δ (t ) impulsion d’amplitude x(0) (1.10a)
x(t )δ (t − t0 ) = x(t0 )δ (t − t0 ) (1.10a)
1
δ (at ) = δ (t ) (1.11)
a
c) Signaux périodiques

x(t + T0 ) = x(t ) (1.12)

Son énergie est infinie mais sa puissance moyenne est finie.

Exemple : Peigne de Dirac (opérateur d’échantillonnage) :

+∞
δ T (t ) =
0 ∑ δ (t − kT )
k = −∞
0 (1.13)

H. EL FADIL
Introduction générale 5

δ T (t )
0

t
− 2T0 − T0 0 T0 2T0 3T0

Figure 1.6 : Peigne de Dirac

1.2 Notion de système

1.2.1 Définition

On entend par système tout dispositif au sein duquel on peut distinguer ou moins une
entrée de commande et une sortie. L’entrée et la sortie sont des grandeurs physiques. L’état du
système est déterminé par le signal appliqué à l’entrée et observé par le signal de sortie.

1.2.2 Exemples de systèmes :

Entrée:
force/déplacement
R ℓ2
Tension Tension u
d’entrée u C y de sortie ℓ1 y
Sortie:
force/déplacement

a) Système électrique : cellule RC b) Système mécanique : levier

Figure 1.7 : Exemple d’un système électrique et d’un système mécanique

f1 Réservoir f2

p1 V p2
p

Entrées : p1 , p2 : pressions fluides Sortie : p : pression réservoir

f 1 , f 2 : ouvertures vannes

Figure 1.8 : Exemple d’un système pneumatique/hydraulique : cascade

1.2.3 Représentation par schéma bloc :

Un système peut être représenté par le schéma bloc fonctionnel suivant (Figure 1.9) :

H. EL FADIL
6 Chapitre 1

Perturbations
Perturbations

u1 y1
u Système y Système
monovariable up multivariable yq

Figure 1.9 : Représentation d’un système

Un système se caractérise par ses grandeurs d'entrée et de sortie. Les grandeurs d'entrée sont
les grandeurs qui agissent sur le système. Il en existe de deux types :
− Commandes : celles que l'on peut maîtriser
− Perturbations : celles que l'on ne peut pas maîtriser.

1.2.4 Classifications des systèmes :

1.2.4.1 Modèle d’un système :

Le modèle d’un signal est une fonction réelle : s (t ) , s ( x) , s ( x, t ) , s ( x, y ) , s ( x, y, t ) .

Le modèle d’un système est une équation :

F ( y ( n ) , L , y (1) , y, u ( m ) ,L , u (1) , u ) = 0 (1.14)

où F( ) est une fonction algébrique.

Exemples :
dy
RC + y=u cas de la cellule RC (1.15)
dt
l2
y= u cas du levier (1.16)
l1

1.2.4.2 Systèmes linéaires, systèmes non-linéaires :

Un système est linéaire s’il satisfait au principe de superposition :

⎧ u = u1 (t ) ⇒ y = y1 (t )
Si ⎨
⎩u = u 2 (t ) ⇒ y = y2 (t )

Alors u = λ1u1 (t ) + λ2u2 (t ) ⇒ y = λ1 y1 (t ) + λ2 y2 (t )

Exemples :
dy (t )
+ ay (t ) = bu (t ) linéaire
dt

H. EL FADIL
Introduction générale 7

dy (t )
+ a(t ) y (t ) = b(t )u (t ) linéaire
dt
y (t ) = u (t ) 2 non-linéaire
n
d i y (t ) m d i u (t )
∑ ai (t )
i =0 dt i
= ∑
i =0
bi (t )
dt i
linéaire

1.2.4.3 Systèmes stationnaires, systèmes non stationnaires :

Un système est stationnaire (invariant dans le temps) s’il satisfait au principe de permanence :

Si u (t ) engendre y (t ) alors u (t − τ ) engendre y (t − τ ) .

y (t )
u (t )

t t
0 0
u (t − τ ) y (t − τ )

0 τ t
0 τ t

Figure 1.10: Réponse d’un système stationnaire

Exemples :
dy (t )
+ ay (t ) = bu (t ) stationnaire (et linéaire)
dt
dy (t )
+ a(t ) y (t ) = b(t )u (t ) non stationnaire (mais linéaire)
dt
y (t ) = u (t ) 2 stationnaire (mais non-linéaire)

Dans le cadre de ce cours, on s’intéressera aux systèmes linéaires et stationnaires (invariants

dans le temps), SLI.

Le modèle des SLI s’écrira alors :

d n y (t ) d n −1 y (t ) dy (t )
n
+ a n −1 n −1
+ L + a1 + a0 y (t )
dt dt dt
d mu (t ) d m −1u (t ) du (t )
= bm m
+ bm −1 m −1
+ L + b1 + b0u (t ) (1.17)
dt dt dt

H. EL FADIL
8 Chapitre 1

où n ≥ m (système propre). Si n > m , le système est dit strictement propre.

La condition n ≥ m signifie que le système est réalisable physiquement.
Le nombre entier n est appelé ordre du système.

1.2.5 Systèmes de base:

1.2.5.1 Systèmes du 1er ordre:

a) Modèle

La forme normalisée du modèle d’un système de premier ordre s’écrit comme suit :

dy (t )
T + y (t ) = Ku (t ) (1.18)
dt

où T est la constante du temps ; K est le gain statique.

b) Exemple :

Pour la cellule RC (figure 1.7a), on a : T = RC et K = 1 .

1.2.5.2 Systèmes du second ordre:

a) Modèle (forme normalisée)

1 d 2 y (t ) ξ dy (t )
+2 + y (t ) = Ku (t ) (1.19)
ω0 dt
2 2
ω0 dt
où ω0 est la pulsation propre; ξ le coefficient d’amortissement et K le gain statique.

b) Exemple (cellule RLC)

R L

u C y

Figure 1.11 : Cellule RLC

d 2 y (t ) dy (t )
LC 2
+ RC + y (t ) = u (t ) (1.20)
dt dt
1 R C
ω0 = ;ξ= et K = 1 .
LC 2 L

H. EL FADIL
Introduction générale 9

1.2.5.3 Intégrateur:
a) Modèle :

t 1 t
y (t ) = K ∫ u (τ )dτ =
T ∫0
u (τ )dτ (1.21)
0

b) Exemples :
C
• Intégrateur à amplificateur opérationnel
R
-
+
1 t u y
RC ∫0
y (t ) = − u (τ )dτ (1.22)

Figure 1.12 : Intégrateur à AOP

• Réservoir à écoulement forcé :

Q1
Q2 = constante (fixé par la pompe) S

H
SdH = (Q1 − Q2 )dt
y = H ; u = Q1 − Q2 P Q2

Figure 1.13 : Réservoir à écoulement forcé

On peut donc écrire :

dy (t ) 1 1 t
= u (t ) ⇒ y (t ) = ∫ u (τ )dτ (1.23)
dt S S 0

• Ensemble distributeur-vérin hydraulique :

u : déplacement du tiroir du distributeur ; c’est y

l’entrée du système. u
y : déplacement du piston du vérin ; c’est la sortie
du système.
Pz , Ps : pressions d’alimentation et de retour, Pz
I I
supposées constantes. I-I A
A : surface du piston. Ps
b : largeur de la fenêtre du distributeur. b
v : vitesse d’écoulement à travers la fenêtre.
Figure 1.14 : distributeur-vérin hydraulique

Le comportement dynamique de ce système (autour d’un régime nominal) est décrit par :

H. EL FADIL
10 Chapitre 1

dy (t ) A
T = u (t ) avec T= (1.24)
dt bv

1.2.5.4 Dérivateur:
a) Modèle :

• Dérivateur théorique :

du (t )
y (t ) = T (1.25)
dt

Ce type de dérivateur n’est pas propre. Pratiquement on rencontre des dérivateurs de la forme
réelle suivante :
• Dérivateur réel :

dy (t ) du (t )
y (t ) + τ =T τ << T (1.26)
dt dt
b) Exemples:

• Dérivateur à amplificateur opérationnel R

C
-
+
u y
du (t )
y (t ) = − RC (1.27)
dt
Figure 1.15 : Intégrateur à AOP

• Amortisseur hydraulique

r : Raideur du ressort.
f v : Frottement visqueux. r
y

L’équilibre des forces implique :

⎛ du (t ) dy (t ) ⎞
ry (t ) = f v ⎜ − ⎟ (1.28) fv
⎝ dt dt ⎠
Il en résulte alors
dy (t ) du (t )
T + y (t ) = T (1.29)
dt dt u
fv Figure 1.16 : amortisseur hydraulique
où : T =
r

H. EL FADIL
Introduction générale 11

1.2.5.5 Retard pur (temps mort):

a) Modèle :

y (t ) = u (t − τ ) τ = cte (1.30)

b) Exemple : convoyeur à courroie :

u (t ) y (t )

Figure 1.17: Convoyeur à courroie

l
y (t ) = u (t − τ ) τ= (1.31)
v

1.2.5.6 Gain proportionnel:

a) Modèle :

y (t ) = Ku (t ) K : gain constant (1.32)

b) Exemples :

• Exemples électriques :

R2 R2
R1
- -
u P +
R2 y u y +
R1 y
u

R2 R2 R2
0≤K = ≤1 K =− ≤0 K = 1+ ≥1
P R1 R1
a) Gain à potentiomètre b) Gain négatif à AOP c) Gain positif à AOP

Figure 1.18: Gains proportionnel à base de circuits électriques

H. EL FADIL
12 Chapitre 1

• Engrenages (transmissions rigides) :

n1

n1 , n2 : nombres de dents.
ω1 = u
ω1 , ω2 : Vitesses de rotations. ω2 = y

n2
n n n
ω2 = 1 ω1 ⇒ y (t ) = 1 u (t ) ; K = 1 (1.33)
n2 n2 n2 Figure 1.19 : Engrenages

• Vérin pneumatique :
p=u A
L’équilibre des forces implique :

Fresoort = Fpression ⇒ ry = Ap
r

On pose u = p , il vient

A A y
y (t ) = u (t ) ; K= (1.34)
r r
Figure 1.20 : vérin pneumatique

1.3 Notion d’automatique

1.3.1 Définition

Automatique : Qui fonctionne tout seul ou sans intervention humaine.

Il existe deux domaines d'intervention de l'automatique :
− Dans les systèmes à événements discrets. On parle d'automatisme (séquence d'actions
dans le temps). Exemples d'applications : les distributeurs automatiques, les
ascenseurs, le montage automatique dans le milieu industriel, les feux de croisement,
les passages à niveaux.
− Dans les systèmes continus pour asservir et/ou commander des grandeurs physiques de
façon précise et sans aide extérieure. Quelques exemples d'application : l'angle d'une
fusée, la vitesse de rotation d'un moteur, la position du bras d’un robot, le pilotage
automatique d'un avion.
Dans ce cours, nous ne nous intéresserons qu'à l'automatique des systèmes continus.

1.3.2 Notion de boucle ouverte et boucle fermée

Un système est en boucle ouverte lorsque la commande est élaborée sans l'aide de la
connaissance des grandeurs de sortie : il n'y a pas de feedback. Dans le cas contraire, le
H. EL FADIL
Introduction générale 13

système est dit en boucle fermée (Figure 1.21). La commande est alors fonction de la
consigne (la valeur souhaitée en sortie) et de la sortie. Pour observer les grandeurs de sortie,
on utilise des capteurs. C'est l'information de ces capteurs qui va permettre d'élaborer la
commande.

Entrée Entrée Commande Sortie

Système Sortie Elaboration de la Système
Commande Consigne commande

a) Système en BO b) Système en BF

Figure 1.21 : Système en BO et en BF

1.3.3 Nécessité d’une contre réaction

Exceptionnellement, le système de commande peut opérer en boucle ouverte à partir du
seul signal de consigne. Mais la boucle fermée (contre réaction) est capable de
− stabiliser un système instable en BO
− compenser les perturbations externes
− compenser les incertitudes internes au processus lui-même
Un système de commande peut réaliser deux fonctions distinctes :
• l'asservissement : c'est à dire la poursuite par la sortie d'une consigne variable dans le
temps.
• la régulation : c'est à dire la compensation de l'effet de perturbations variables sur la
sortie (la consigne restant fixe).

H. EL FADIL
14 Chapitre 1

H. EL FADIL
 Chapitre 2:

Représentation par fonction de transfert des SLI

2.1 Représentation de base

Le modèle d’un système linéaire invariant (SLI) s’écrit sous la forme :

dny d n −1 y dy d mu d m −1u du
n
+ an −1 n −1 + L + a1 + a0 y = bm m + bm −1 m −1 + L + b1 + b0u (2.1)
dt dt dt dt dt dt

où n ≥ m , système propre (réalisable physiquement).

Si n > m le système est dit strictement propre.

2.2 Fonction de transfert

En transformant (utilisation de la transformée de Laplace) les deux membres de l’équation

différentielle (2.1) on obtient :

Y ( p) = G ( p)U ( p) + I ( p) (2.2)

G ( p) : Fonction de transfert
I ( p) : Conditions initiales
La fonction de transfert G ( p ) peut s’écrire sous l’une des formes suivantes :
bm p m + L + b1 p + b0
G ( p) = (2.3a)
p n + an −1 p n −1 + L + a1 p + a0
( p − z1 )( p − z2 ) L ( p − zm )
G ( p) = bm (2.3b)
( p − p1 )( p − p2 ) L ( p − pn )
(1 + τ 1 p )(1 + τ 2 p ) L (1 + τ m p)
G ( p) = K (2.3c)
(1 + T1 p)(1 + T2 p) L (1 + Tm p)
z1 ,K, zm : Zéros du système,

H. EL FADIL
16 Chapitre 2

p1 ,K, pn : Pôles du système,

T1 ,K, Tn : Constantes de temps du système,
K : Gain statique du système.
Le tableau 2.1 illustre quelques fonctions de transfert des éléments de base.

Tableau 2.1 : Quelques fonctions de transfert

Type d’élément Fonction de transfert G(p)

K
Premier ordre
1 + Tp
K
Second ordre 2ξ p2
1+ p+
ω0 ω02
K
Intégrateur simple
p
Tp
Dérivateur réel ; τ <T
1 + τp
Retard pur e −τp ; τ > 0

2.3 Propriétés de la FT

Il découle de (2.2) et (2. 3) quelques propriétés suivantes :

• Une fonction de transfert est définie pour un signal linéaire et invariant.
• La sortie d’un système est donnée par :

y (t ) = L -1 (G ( p )U ( p) ) (2.4)

Si les conditions initiales sont nulles.

• La fonction de transfert est indépendante du signal appliqué à l’entrée, u (t ) . Elle ne
dépend que du système.
• La fonction de transfert est caractérisée par les pôles, les zéros et le gain bm .

2.4 Extension aux systèmes y1

u1
multivariables
up yq
Pour un système multivariable on écrit :

yi ( p ) = Gi1 ( p)u1 ( p ) + L + Gip ( p)u p ( p) Figure 2.1 : Système multivariable

(2.5)
i = 1,L, q

H. EL FADIL
Représentation par FT 17

Ou encore sous une forme matricielle

Y ( p) = G ( p)U ( p) (2.6)

[
avec, Y ( p) = y1 ( p) L yq ( p) ] T
: vecteur de sortie.

Y ( p) = [u ( p ) ( p)]
T
1 L up : vecteur d’entrée.

⎡G11 ( p) L G1 p ( p)⎤
⎢ ⎥
G ( p) = ⎢ M M M ⎥ : matrice de transfert.
⎢Gq1 ( p) L Gqp ( p )⎥
⎣ ⎦

2.5 Fonction de transfert de systèmes composés :

2.5.1 Montage en série (en chaîne, en cascade) :

u ( p) y ( p)
G1 ( p ) G2 ( p ) Gn ( p )

G ( p)

Figure 2.2 : Montage en cascade

y ( p) n
G ( p) = = ∏ Gi ( p ) (2.7)
u ( p ) i =1

2.5.2 Montage en parallèle :

G1 ( p ) G1 ( p )
u ( p) + + y ( p) u ( p) - - y ( p)
G2 ( p ) G2 ( p )
+ -

Gn ( p ) Gn ( p )

G ( p) G ( p)
a b

Figure 2.2 : Montage en parallèle

H. EL FADIL
18 Chapitre 2

n
G ( p) = ∑ Gi ( p) pour cas (a)
i =1
n (2.8)
G ( p) = ∑ − Gi ( p ) pour cas (b)
i =1

2.5.3 Montage à retour :

u ( p) + y ( p) u ( p) + y ( p)
_ G1 ( p ) G1 ( p )
+
G2 ( p ) G2 ( p )

G ( p) a G ( p) b

Figure 2.2 : Montage à retour

G1 ( p)
G( p) = pour cas (a)
1 + G1 ( p )G2 ( p)
(2.9)
G1 ( p)
G( p) = pour cas (b)
1 − G1 ( p)G2 ( p)

2.6 Détermination de la réponse d’un système:

Soit u (t ) = u1 (t ) un signal donné, mais quelconque. La

u ( p) y ( p)
réponse du système à u1 (t ) est notée y1 (t ) = L -1 (G ( p )u1 ( p ) ) . G ( p)

Pour déterminer la réponse y1 (t ) on procède comme suit :

c) Décomposer G ( p )u1 ( p ) en éléments simples :

ki k ki
G ( p)u1 ( p ) = ∑ + ∑ nii + ∑ (2.10)
i (1 + Ti p) ni
i p i ⎛ ξi p2 ⎞
ni

⎜⎜1 + 2 p + 2 ⎟⎟
⎝ ωi ωi ⎠

d) Utiliser ; ensuite, la table des transformées de Laplace.

Exemple :

On désire trouver la réponse indicielle (entrée échelon) d’un système de fonction de transfert :

H. EL FADIL
Représentation par FT 19

1
G ( p) =
(1 + p)(1 + 0.5 p)

1
a) L’entrée est un échelon unité, donc u1 ( p) = . On opère ensuite la décomposition en
p
1
éléments simples de T ( p) = G ( p)u1 ( p) =
p(1 + p)(1 + 0.5 p)

λ β γ
G ( p)u1 ( p) = + + avec :
p (1 + p) (1 + 0.5 p)

λ = lim( p × T ( p) ) = 1 ; β = lim ((1 + p) × T ( p ) ) = −2 ; γ = lim ((1 + 0.5 p) × T ( p ) ) = 0.5

p →0 p → −1 p → −2

Finalement on obtient :

1 −2 0.5
G ( p)u1 ( p ) = + +
p (1 + p ) (1 + 0.5 p)

b) En utilisant la transformée de Laplace inverse de chaque élément simple on trouve :

y1 (t ) = L -1 (G ( p)u1 ( p) ) = 1 − 2e − t + e −2t

2.7 Réponse impulsionnelle d’un SLI:

2.7.1 Définition

La réponse impulsionnelle d’un système est sa réponse à l’impulsion de Dirac δ (t ) :

u (t ) = δ (t ) ⇒ y (t ) : réponse impulsionnelle .

u (t ) = δ (t ) ⇒ u ( p) = 1 ⇒ y (t ) = L -1 (G ( p)u ( p) ) = L -1 (G ( p) ) = g (t )

La réponse impulsionnelle d’un système est égale à la transformée de Laplace inverse de sa

fonction de transfert.

2.7.2 Allure de la réponse impulsionnelle en fonction des pôles du système :

L’allure de la réponse impulsionnelle dépend étroitement de la position des pôles du système

dans le plan complexe (voir Tableau 2.2).

H. EL FADIL
20 Chapitre 2

Tableau 2.2 : Allure de quelques réponses impulsionnelles

Position des pôles Allure de la réponse

Im y(t)
Réponse apériodique

Re

t
0

Im y(t) Réponse oscillatoire amortie

Re
0
t

Im y(t)=K 1(t)
Pôle simple
K
Re
0
t
K
G ( p) =
p

Im y (t ) = K sin(ω0t )
Kω
G ( p) = 2 0 2 K
p + ω0 Re
0
t
-K
2π / ω0

2.7.3 Réponse d’un SLI en fonction de sa réponse impulsionnelle:

Etant donné un SLI de fonction de transfert G ( p ) (de réponse impulsionnelle

g (t ) = L -1 (G ( p) ) . Soit u (t ) un signal d’entrée quelconque et y (t ) la réponse correspondante,
alors on a :
y (t ) = L -1 (G ( p )u ( p) ) = L -1 (G ( p ) ) ∗ L -1 (u ( p ) ) = g (t ) ∗ u (t )
Soit
y (t ) = g (t ) ∗ u (t ) (2.11)
(* désigne le produit de convolution).
Comme g (t ) et u (t ) sont des signaux causaux alors :
t
y (t ) = ∫ g (t − τ )u (τ )dτ (2.12)
0

H. EL FADIL
 Chapitre 3:

Analyse temporelle et fréquentielle des SLI

3.1 Analyse temporelle des SLI

3.1.1 Définition

L’analyse temporelle d’un système consiste à étudier le système sur la base de sa réponse à
des signaux types.

Le signal le plus utilisé pratiquement est l’échelon. La réponse correspondante est appelée
réponse indicielle.

u (t ) = 1(t ) ⇒ y(t) = réponse indicielle.

3.1.2 Expression analytique de la réponse indicielle

Soit G ( p) la fonction de transfert d’un système. On suppose que l’entrée est un échelon unité
1
( u (t ) =1(t ) ) ⇒ u ( p) = , il vient :
p

G ( p) ⎛ G( p) ⎞
Y ( p) = ⇒ y (t ) = L -1 ⎜⎜ ⎟⎟
p ⎝ p ⎠
Ou encore :

y (t ) = g (t ) ∗ ( 1(t ) ) = ∫ g (t − τ )dτ = ∫ g (τ )dτ

t t
(3.1)
0 0

La réponse indicielle est l’intégrale de la réponse impulsionnelle.

3.1.3 Indices d’évaluation du régime transitoire d’une réponse indicielle :

Pour un système stable, on distingue deux allures de la réponse indicielle (Figure 3.1) :
• Réponse indicielle apériodique

H. EL FADIL
22 Chapitre 3

• Réponse indicielle oscillatoire.

Dépassement
maximal ou absolu
y(t) y(t)
ym
1.05ym ∆
0.95ym ym
0.9ym 0.95ym
0.9ym

0.1ym 0.1ym
0 tm t
0 tm t
tr tr

a) Réponse indicielle apériodique b) Réponse indicielle oscillatoire

Figure 3.1 : Réponses indicielles

La réponse indicielle (d’un système stable) met en évidence deux phases :

• La phase transitoire,
• Le régime permanent.
Le comportement transitoire peut être évalué à l’aide de trois indices suivants :
• Le temps de montée : tm ,
• Le temps de réponse : t r ,
• Le dépassement relatif : D .

3.1.3.1 Temps de montée tm :

t m = t 2 − t1 (3.2)
L’instant t1 correspond à y (t1 ) = 0.1 y st ,
L’instant t2 correspond à y (t2 ) = 0.9 yst ,
La valeur yst correspond à la valeur finale de y (t ) : y st = lim y (t )
t →∞

3.1.3.2 Temps de réponse tr :

C’est le temps nécessaire pour que la réponse y (t ) entre dans un intervalle y st ± 5% y st . Ce
temps est souvent appelé temps de réponse à 5%. Il mesure la rapidité d’un système.
Pour une réponse apériodique on a : y (t r ) = 0.95 yst .

3.1.3.3 Dépassement relatif D :

C’est le rapport en % de l’amplitude ∆ du premier maximum sur la valeur finale yst :

H. EL FADIL
Analyse des SLI 23

∆
D= × 100 (en %) (3.3)
y st
∆ = sup( y (t ) − y st ) ≥ 0
t

3.1.4 Système de premier ordre

Fonction de transfert:
K
G ( p) = T >0 (3.4a)
1 + Tp
Réponse indicielle :
⎛ K u0 ⎞ ⎛ −
t
⎞
y (t ) = L ⎜⎜
-1
⎜
⎟⎟ = Ku0 ⎜1 − e T ⎟ (3.4b)
⎟
⎝ 1 + Tp p ⎠ ⎝ ⎠
avec, u0 la valeur de l’échelon d’entrée.
L’allure de la réponse indicielle est donnée figure 3.2.

Step Response

y(t) 1

Ku0
0.8
63%Ku0 T1
T2
T3
Amplitude

0.6

0.4

0 T1<T2<T3
T t
0.2

0
0 1 2 3 4 5 6 7 8 9 10
Time (sec)

Figure 3.2 : réponse d’un premier ordre

Les caractéristiques d’un système de premier ordre sont les suivantes :

yst
− =K ; K : gain statique.
u0
− y (3T ) = 0.95 yst ⇒ t r = 3T T : constante de temps.
dy (t ) Ku0
− La pente à l’origine : = >0
dt t =0 T

3.1.5 Système du second ordre :

Fonction de transfert:

H. EL FADIL
24 Chapitre 3

K
G ( p) = ξ ≥ 0 ; ω0 > 0 (3.5a)
ξ p2
1+ 2 p+ 2
ω0 ω0
Réponse indicielle :
⎛ ⎞
⎜ ⎟
-1 ⎜ K u0 ⎟
y (t ) = L ⎜ ⋅ (3.5b)
ξ p2 p ⎟
⎜⎜ 1 + 2 p+ 2 ⎟⎟
⎝ ω0 ω0 ⎠
La réponse prend des allures différentes suivant que les pôles de G ( p) sont réels ou
complexes.

3.1.5.1 Comportement aux limites de la réponse :

− Valeur initiale : lim y (t ) = lim pY ( p ) = 0

t →0 p→∞

dy (t ) ⎛ dy (t ) ⎞
− Tangente à l’origine : lim = lim pL ⎜ ⎟ = lim p 2Y ( p) = 0
t →0 dt p → ∞
⎝ dt ⎠ p → ∞

− Valeur finale : lim y (t ) = lim pY ( p ) = Ku0 si les pôles de G ( p) sont à

t →∞ p →0

partie réelle négative.

3.1.5.2 Expression analytique de la réponse :

Le comportement transitoire dépend des pôles de G ( p) , c'est-à-dire des racines de son

dénominateur :
ξ p2
1+ 2 p+ 2 (3.6)
ω0 ω0
On distingue alors trois cas selon la valeur de coefficient d’amortissement ξ :
1er cas : ξ 2 ≥ 1
Le système présente deux pôles réels :

1+ 2
ξ
ω0
p2
p + 2 = ( p − p1 )( p − p2 ) avec p1, 2 = −ω0 ξ ± ξ 2 − 1
ω0
[ ] (3.7)

et la réponse s’écrit :
⎛ Ku0 ⎞ ⎛ ω02 ω02 ⎞
y (t ) = L -1 ⎜⎜ ⎟⎟ = Ku0 ⎜⎜1 + e p1t + e p2t ⎟⎟ (3.8)
⎝ p ( p − p1 )( p − p2 ) ⎠ ⎝ p1 ( p1 − p2 ) p2 ( p2 − p1 ) ⎠
Les pôles p1 et p2 sont réels donc la réponse y (t ) est apériodique.
• Si ξ ≥ 1 , p1 et p2 sont négatifs ⇒ lim y (t ) = Ku0 (figure 3.3)
t →∞

• Si ξ ≤ −1 , p1 et p2 sont positifs ⇒ lim y (t ) = ∞ (figure 3.4)

t →∞

H. EL FADIL
Analyse des SLI 25

y(t)
ξ ≥1 Im
Ku0

Re
0

0 t

Figure 3.3 : réponse indicielle apériodique stable

y(t)
ξ ≤ −1 Im
Ku0

Re
0

0 t

Figure 3.4 : réponse indicielle apériodique instable

2ème cas : 0 < ξ 2 < 1

Le système présente deux pôles complexes conjugués :

[
p1, 2 = −ω0 ξ ± j 1 − ξ 2 ] (3.9)
La réponse indicielle du système devient :
⎡
y (t ) = Ku0 ⎢1 −
⎢⎣
e −ξω0t
1− ξ 2
(
sin ω0 1 − ξ 2 t + ϕ )⎤⎥⎥ avec ϕ = arctan 1− ξ 2
ξ
(3.10)
⎦
Les pôles p1 et p2 sont complexes donc la réponse y (t ) est oscillatoire.
• Si ξ > 0 , ( Re( p1, 2 ) < 0 ) ⇒ lim y (t ) = Ku0 (figure 3.5)
t →∞

• Si ξ < 0 , ( Re( p1, 2 ) > 0 ) ⇒ lim y (t ) = ∞ (figure 3.6)

t →∞

y(t)
0 < ξ <1 Im
Ku0

Re
0

0 t

Figure 3.5 : réponse indicielle oscillatoire stable

H. EL FADIL
26 Chapitre 3

y(t)
−1 < ξ < 0 Im

Ku0
Re
0
0 t

Figure 3.6 : réponse indicielle oscillatoire instable

3ème cas : ξ 2 = 0
Le système présente une paire de pôles complexes conjugués :
p1, 2 = ± jω0 (3.11)

⎡ ⎛ p 2 ⎞⎤
y (t ) = L -1 ⎢ Ku0 / p⎜⎜1 + 2 ⎟⎟⎥ = Ku0 [1 − cos(ω0t )] (3.12)
⎣ ⎝ ω0 ⎠ ⎦
La réponse est donc sinusoïdale (figure 3.7).

y(t)
ξ =0 Im 2Ku0

Re Ku0
0

0 t

Figure 3.7 : réponse sinusoïdale

3.1.5.3 Principales caractéristiques d’un second ordre :

Un système de second ordre présente quelques caractéristiques suivantes :
dy (t )
- Une tangente à l’origine nulle ⇒ =0
dt t =0
- Si les pôles de G ( p) sont à partie réelle négative ( Re( pi ) < 0 ), c'est-à-dire le cas
quand ξ > 0 , alors lim y (t ) = y st = Ku0 .
t →∞

- Les instants des maximums et minimums sont :

iπ
ti = ; i = 0, 1, 2,L (0 < ξ <1) (3.13)
ω0 1 − ξ 2
- Le dépassement relatif, quand 0 < ξ < 1 , est donné par :
πξ
−
y (t ) − Ku0 1−ξ 2
D = 100 1 = 100e (3.14)
Ku0

H. EL FADIL
Analyse des SLI 27

- Le temps de réponse réduit à 5% ( t rω0 ) est donné en fonction du facteur

d’amortissement ξ et sa courbe est illustrée par la Fig.3.8

Figure 3.8 : Temps de réponse réduit d’un système de second ordre

On constate qu’un système, décrit par une fonction de transfert du second ordre, présente la
plus grande rapidité pour un réglage à 0.707 de son facteur d’amortissement.

Pour ξ = 0.707 t rω0 = 2.93 ≈ 3

La figure 3.9 illustre le régime transitoire de la réponse indicielle d’un 2nd ordre pour ξ > 0 .
La figure 3.10 montre l’évolution du dépassement relatif D en fonction de ξ .

Step Response
1.8

1.6 ξ = 0 .1

1.4 ξ = 0 .3

1.2 ξ = 0 .5
ξ = 0 .7
1
Amplitude

0.8
ξ =1
0.6
ξ =2
0.4

0.2

0
0 1 2 3 4 5 6
Time (sec)

Figure 3.9 : Réponse indicielle d’un second ordre pour ξ > 0

H. EL FADIL
28 Chapitre 3

100

80

60
D%

40

20

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ξ
Figure 3.10 : Dépassement relatif D en fonction de ξ

3.1.6 Système intégrateur :

La fonction de transfert d’un intégrateur s’écrit comme suit :

1
G ( p) = (3.15)
Tp

Réponse indicielle :
⎛ 1 u ⎞ t
y (t ) = L -1 ⎜⎜ ⋅ 0 ⎟⎟ = u0 1(t ) (3.16)
⎝ Tp p ⎠ T

L’allure de cette réponse indicielle est illustrée par la figure 3.11.

y(t)

u0

0 T t

Figure 3.11 : Réponse indicielle d’un intégrateur

3.1.7 Système dérivateur :

Fonction de transfert théorique :

G ( p ) = Tp (3.17a)

H. EL FADIL
Analyse des SLI 29

Fonction de transfert réelle (pratique, réalisable) :

Tp
G ( p) = (τ < T ) (3.17b)
1 + τp

La réponse indicielle s’écrit :

⎛ Tp u0 ⎞ T −
t
y (t ) = L -1 ⎜⎜ ⋅ ⎟⎟ = u0 e τ (3.18)
⎝ 1 + τp p ⎠ τ

La figure 3.12 montre l’allure de la réponse indicielle d’un système dérivateur.

y(t)
T
u0
τ
u0 u(t)

0 τ t

Figure 3.12 : Réponse indicielle d’un dérivateur réel

3.1.8 Systèmes composés :

Pour étudier les systèmes composés on suit généralement la démarche suivante :
- Etudier d’abord le comportement aux limites (pour t = 0 et t → ∞ ),
G ( p)u0
- Décomposer en éléments simples,
p
- Chercher la transformée inverse de chacun des éléments simples,
⎛ u ⎞
- En déduire y (t ) = L -1 ⎜⎜ G ( p ) ⋅ 0 ⎟⎟ .
⎝ p⎠

Exemples :
p3
1) Soit la fonction de transfert suivante : G ( p ) = . Calculer sa réponse
( p − 1) 2 ( p + 1)
indicielle ?
- Décomposition en éléments simples :
G ( p)u0 ⎛ 1 3 1 ⎞
= u0 ⎜⎜ + + ⎟
2 ⎟
p ⎝ 4( p + 1) 4( p − 1) 2( p − 1) ⎠

H. EL FADIL
30 Chapitre 3

⎛1 3 1 ⎞
- Transformée inverse : y (t ) = ⎜ e −t + e t + te t ⎟u01(t ) (réponse divergente à
⎝4 4 2 ⎠
cause de pôle positif).
2) Calculer la réponse indicielle d’un système de fonction de transfert :
(1 + 3 p) p
G( p) = ?
( p + 1)( p 2 + 1)
- Décomposition en éléments simples :
G ( p)u0 ⎛ −1 2+ p ⎞ ⎛ −1 2 p ⎞
= u0 ⎜⎜ + 2 ⎟⎟ = u0 ⎜⎜ + 2 + 2 ⎟⎟
p ⎝ ( p + 1) ( p + 1) ⎠ ⎝ ( p + 1) ( p + 1) ( p + 1) ⎠
- ( )
Sa transformée inverse s’écrit : y (t ) = − e −t + 2 sin(t ) + cos(t ) u01(t ) .

3.2 Analyse fréquentielle des SLI:

3.2.1 Définition
L’analyse fréquentielle consiste à étudier le comportement d’un système en réponse à un
signal d’entrée sinusoïdal, pour différentes valeurs de la fréquence.

3.2.2 Fondement théorique

Soit un SLI de fonction de transfert G ( p ) . Sa réponse à un signal sinusoïdal

u (t ) = u0 sin(ω0t ) ⋅1(t ) est, en régime permanent, un signal sinusoïdal de même fréquence :

y (t ) = u0 G ( jω ) sin[ω0t + arg(G ( jω0 ) )] (3.19)

3.2.3 Transmittance fréquentielle

La fonction
G ( jω ) = G ( p) p = jω (3.20)

décrit parfaitement le comportement fréquentiel d’un SLI de fonction de transfert G ( p ) . On

l’appelle : transmittance fréquentielle (ou réponse en fréquence).

3.2.4 Lieu de transfert

On appelle lieu de transfert de G ( p) toute représentation graphique de G ( jω ) , 0 ≤ ω ≤ ∞ .

3.2.4.1 Lieu de transfert de Nyquist :

C’est l’ensemble des points du plan d’affixe G ( jω ) de coordonnées : (P (ω ), Q (ω ) ) où :

P (ω ) = Re(G ( jω ) ) , Q (ω ) = Im(G ( jω ) ) (3.21)

H. EL FADIL
Analyse des SLI 31

Im(G ( jω ) )
ω3

ω=∞ P(ω1 ) ω = 0 Re(G ( jω ) )

0
ϕ (ω1 )

G ( jω ) M (ω1 )
Q(ω1 )
ω1
ω2 0 < ω1 < ω 2 < ω 3 < ∞

Figure 3.13 : Illustration d’un lieu de Nyquist

3.2.4.2 Lieu de Black :

C’est l’ensemble des points de coordonnées (ϕ (ω ) , L(ω ) ) 0 ≤ ω ≤ +∞ avec :

ϕ (ω ) = arg(G ( jω ) ) , L(ω ) = 20 log G ( jω ) (3.22)

L ( ω ) dB
0 < ω1 < ω 2 < ω 3 < ∞ ω=0
ω1
ω2
0
ϕ (ω )
− 180° − 90°
ω3

ω →∞

Figure 3.14 : Définition de lieu de Black

Remarque : Le lieu de K ⋅ G ( jω ) s’obtient en translatant verticalement celui de G ( jω ) de

20 log K .

3.2.4.3 Lieu de Bode :

Il se compose de deux courbes :
- Courbe d’amplitude ou de gain : c’est l’ensemble des points de coordonnées
(log(ω ) , L(ω ) ) , avec L(ω ) = 20 log G ( jω ) (dB ) .

- Courbe de phase : ensemble des points de coordonnées (log(ω ) , ϕ (ω ) ) , avec

ϕ (ω ) = arg(G ( jω ) ) .

H. EL FADIL
32 Chapitre 3

Comme il y a deux courbes, on qualifie ce lieu de « Diagramme de Bode ». Le tracé de ce

diagramme se fait sur un papier semi-logarithmique (Figure 3.15).

Bode Diagram
L(ω ) 0

-10
Magnitude (dB)

-20

-30
Echelle linéaire

-40
ϕ (ω ) 0
Phase (deg)

-45

-90
-2 -1 0 1
10 10 10 10
Frequency (rad/sec) Echelle logarithmique

Figure 3.15 : Diagramme de Bode

Intérêt pratique des diagrammes de Bode :

Etant donné un système composé : G ( p) = G ( p )1 G2 ( p ) LGn ( p ) , alors la courbe d’amplitude
de G ( p) est obtenue en additionnant celles des éléments simples Gi ( p ) . De même pour la
courbe de phase :
L(ω ) = L1 (ω ) + L2 (ω ) + L + Ln (ω ) (3.23)

ϕ (ω ) = ϕ1 (ω ) + ϕ 2 (ω ) + L + ϕ n (ω ) (3.24)

où Li (ω ) = 20 log Gi ( jω ) ; ϕi (ω ) = arg(Gi ( jω ) ) .

3.2.5 Lieu de transfert des éléments du premier ordre :

3.2.5.1 Diagramme de Bode d’un élément du 1er ordre:

On rappelle la fonction de transfert d’un système de premier ordre (3.4a) :
K
G ( p) = T > 0, K > 0 . Le gain et la phase s’obtiennent comme suit :
1 + Tp

L(ω ) = 20 log G ( jω ) = 20 log K − 20 log 1 + T 2ω 2 (3.25a)

K
ϕ (ω ) = arg = − arg(1 + Tjω ) = − arctan Tω (3.25b)
1 + Tjω

H. EL FADIL
Analyse des SLI 33

a) Comportement aux limites

• lim L(ω ) = 20 log K
ω →0

• ω ~ ∞ → L(ω ) ~ 20 log K − 20 log Tω

• ω ~ 0 → ϕ (ω ) ~ 0°
• ω ~ ∞ → ϕ (ω ) ~ −90°
b) Diagramme asymptotique

L ( ω ) dB

20 log K
Les deux asymptotes 20dB
− 20dB / dec
20 log K et
20 log K − 20 log Tω se 0 1 10 ω
1 ϕ (ω ) T T
rencontrent en ω = ,
T 0 ω
dénommée pulsation de
cassure (brisure). − 90°
c) Diagramme réel Figure 3.16 : Diagramme asymptotique d’un premier ordre

(allure des L ( ω ) dB
courbes) :
20 log K ( 0)
3dB
(−1)
Le diagramme
asymptotique donne 0 1 ω
une bonne ϕ (ω ) T
approximation pour la 0 ω
courbe d’amplitude − 45°
uniquement. − 90°
La notation (−i ) signifie Figure 3.17 : Diagramme réel d’un premier ordre
une pente de
− 20i dB / dec . Im(G ( jω ) )

3.2.5.2 Lieu de Nyquist d’un ω=∞ ω=0

élément du 1er ordre: 0 Re(G ( jω ) )

Le lieu de Nyquist d’un système de

premier ordre (3.4a) est illustré par la
Un demi-cercle
figure 3.18. G ( jω )

Figure 3.18 : Lieu de Nyquist d’un premier ordre

H. EL FADIL
34 Chapitre 3

L’allure du lieu de Nyquist peut se déduire du diagramme de Bode.

Le tracé exact est déterminé par une analyse rigoureuse de G ( jω ) .
En pratique, on fait appel aux logiciel spécialisés (Matlab/Simulink, Scilab/Scicos, …).

3.2.5.3 Lieu de Black d’un élément du 1er ordre:

L ( ω ) dB
ω = 0 20 log K

L’allure du lieu de Black se déduit aisément

du diagramme de Bode. ϕ (ω )
Le tracé exact se fait par logiciel spécialisés − 90° 0

(Matlab/Simulink, Scilab/Scicos, …).

ω →∞

Figure 3.19 : Lieu de Black d’un premier ordre

3.2.5.4 Elément Proportionnel

Dérivée (PD):
La fonction de transfert d’un élément proportionnel dérivée est :

G ( p ) = K (1 + Tp ) (3.26)

a) Diagramme de Bode d’un PD

L ( ω ) dB
(+1)
3dB
20 log K
(0)
0 1 ω
ϕ (ω ) T
+ 90°

+ 45°

0 ω
Asymptote Courbe réelle

Figure 3.20 : Diagramme de Bode d’un Proportionnel Dérivé

H. EL FADIL
Analyse des SLI 35

b) Lieu de Nyquist d’un PD : Im(G ( jω ) )

ω=∞
G ( jω )
Nous avons : G ( jω ) = K (1 + Tjω ) , donc
Re(G ( jω ) ) = K et Im(G ( jω ) ) = KTω .
ω=0
Le lieu de Nyquist est illustré par la figure 0
K Re(G ( jω ) )
3.21. Figure 3.21 : Lieu de Nyquist d’un PD

c) Lieu de Black d’un PD : L ( ω ) dB ω →∞

A partir du diagramme de Bode on peut

facilement tracer le lieu de Black. La figure
3.22 en donne la forme.
20 log K ω = 0

0
+ 90° ϕ (ω )
Figure 3.22 : Lieu de Black d’un PD

3.2.5.5 Systèmes composés d’éléments de 1er ordre:

Soit un système dont la fonction de transfert est constitué d’éléments de premier ordre :
K (1 + T2 p)
G ( p) = (3.27)
(1 + T1 p)(1 + T3 p )
1 1 1
On suppose que les pulsations de cassure sont telles que : < <
T1 T2 T3
Les figures 3.23 et 3.24 donnent le diagramme de Bode, le lieu de Nyquist et le lieu de Black,
respectivement, du système (3.27).
L ( ω ) dB
(0)
20 log K
(−1)

(0)

ω
0 1 1 1 (−1)
T1 T2 T3
ϕ (ω )

0
ω

− 90°

Figure 3.23 : Diagramme de Bode du système composé (3.27)

H. EL FADIL
36 Chapitre 3

L ( ω ) dB
Im(G ( jω ) )
ω = 0 20 log K

K − 90°
0 ω=∞ ω = 0 Re(G ( jω ) ) 0 ϕ (ω )

G ( jω )

a) Lieu de Nyquist

ω →∞
b) Lieu de Black

Figure 3.24 : Lieu de Nyquist et lieu de Black du système (3.27)

Remarque : Tracés plus rigoureux des lieux de transfert

Pour la courbe du gain, le diagramme asymptotique est une bonne approximation. La
précision correspondante est suffisante dans l’élaboration d’avant-projets.
Par ailleurs, pour la courbe de phase on préfère utiliser l’approximation des 3 segments
(1/10ème, x10). L’erreur maximale commise avec cette approximation est inférieure à 5%. La
figure 3.25 en illustre l’exemple.
ϕ (ω )
90°
II

0
ω
I III
− 90°

ϕ (ω ) 1 10
1 1 10 10
10T1 10T2 T1 10T3 T2 T3
0
ω

− 90°

Figure 3.25 : Approximation 3 segments de la courbe de phase du système (3.27)

3.2.6 Lieu de transfert des éléments du second ordre :

3.2.6.1 Diagramme de Bode d’un élément du second ordre:

a) Expressions du Gain et de la phase

H. EL FADIL
Analyse des SLI 37

K
G ( p) = K >0 (3.28)
ξ p2
1+ 2 p+ 2
ω0 ω0
2
⎡ ⎛ ω ⎞2 ⎤ ⎛ ω⎞
2

L(ω ) = 20 log G ( jω ) = 20 log K − 20 log ⎢1 − ⎜⎜ ⎟⎟ ⎥ + ⎜⎜ 2ξ ⎟⎟ (3.29)

⎢⎣ ⎝ ω0 ⎠ ⎥⎦ ⎝ ω0 ⎠

ω
2ξ
⎛ ω ω⎞
2
ω0
ϕ (ω ) = arg G ( jω ) = − arg⎜⎜1 − 2 + j 2ξ ⎟⎟ = − arctan (3.30)
⎝ ω0 ω0 ⎠ ω2
1− 2
ω0

b) Courbe d’amplitude d’un élément du second ordre (équation 3.29)

• Comportement aux limites :
- lim L(ω ) = 20 log K
ω →0

ω
- ω ~ ∞ → L(ω ) ~ 20 log K − 40 log
ω0
Les deux asymptotes se rencontrent en ω = ω0 .
• Courbe asymptotique (Fig. 3.26)

L ( ω ) dB

20 log K
40dB
− 40dB / dec

0 ω0 10ω0 ω

Figure 3.26 : Courbe asymptotique du gain d’un élément du 2d ordre

• Allure de la courbe de gain (courbe réelle)

Les extremums de L(ω ) sont ceux de
2 2
⎛ ω2 ⎞ ⎛ ω⎞
f (ω ) = ⎜⎜1 − 2 ⎟⎟ + ⎜⎜ 2ξ ⎟⎟ (3.31)
⎝ ω 0 ⎠ ⎝ ω 0 ⎠

La dérivée de f (ω ) para rapport à ω est :

∂f (ω ) 4ω ⎛ ω 2 ⎞
= 2 ⎜⎜ 2 + 2ξ 2 − 1⎟⎟ (3.32)
∂ω ω0 ⎝ ω0 ⎠
La dérivée (3.32) est nulle pour les valeurs de ω suivantes :
1
ω=0 ou ω = ω R = ω0 1 − 2ξ 2 si ξ < (3.33)
2

H. EL FADIL
38 Chapitre 3

La pulsation ω R est appelée pulsation de résonance ( ω R < ω0 ).

La courbe réelle de gain est illustrée par la Fig. 3.27.

L ( ω ) dB
1
20 log K ξ<
1 2
ξ≥ − ( 2)
2

0 ωR ω0 ω

Figure 3.27 : Courbe réelle du gain d’un élément du 2d ordre

1
- Dans le cas où ξ ≥ ≈ 0.707 , le système est un passe bas classique. Son gain est
2
une fonction monotone décroissante.
- Dans le cas particulier ξ ≥ 1 , le système peut se décomposer en deux éléments du
1er ordre en série. Le tracé de G ( p) dans le plan de Bode se fait au §3.2.5.5.
1
- Dans le cas où ξ < , le système est un passe bas résonant. Son gain atteint son
2

maximum en ω = ω R = ω0 1 − 2ξ 2 et le gain maximum vaut :

K
L(ω R ) = 20 log dB (3.34)
2ξ 1− ξ 2
c) Courbe de phase d’un élément du 2d ordre (équation 3.30)
• Comportement aux limites :
- lim ϕ (ω ) = lim(− arg(1) ) = 0°
ω →0 ω →0

⎡ ⎛ ω 2 ⎞⎤
- lim ϕ (ω ) = lim ⎢− arg⎜⎜ − 2 ⎟⎟⎥ = −180°
ω →∞ ω →∞
⎣ ⎝ ω0 ⎠ ⎦
- ϕ (ω0 ) = − arg( j 2ξ ) = −90° ( si ξ > 0)
• Courbe asymptotique et réelle (Fig. 3.28)
ϕ (ω )
ξ 2 > ξ1

0 ω
ξ = ξ1 ξ = ξ2
− 90°

−180°
ω0

Figure 3.28 : Courbe asymptotique et réelle de phase d’un élément du 2d ordre

H. EL FADIL
Analyse des SLI 39

La figure 3.28 illustre le diagramme de Bode d’un élément du second ordre pour différentes
valeurs de ξ > 0 et K = 1 .

Bode Diagram
L ( ω ) 20
ξ = 0 .1
0
Magnitude (dB)

ξ =2
-20

-40

ϕ (ω ) -60
0
ξ = 0 .1
-45
Phase (deg)

-90 ξ = 2

-135

-180
-1 0 1
10 10 10
Frequency (rad/sec)

Figure 3.29 : Diagramme de Bode d’un élément de 2d ordre (K=1)

3.2.6.2 Allures des lieux de Nyquist et de Black pour un élément du 2d ordre:

Ces lieux se déduisent facilement du diagramme de Bode (Fig 3.30).

L (ω ) dB
Im(G ( jω ) )

ξ3
ω=∞ K
0 ω=0 Re(G ( jω ) ) ω=0
20 log K
ξ2
−180°
ξ1 0 ϕ (ω )
ξ2 ξ1
ξ 3 < ξ 2 < ξ1
G ( jω ) ξ3

ξ 3 < ξ 2 < 0.707 < ξ1

a) : Lieu de Nyquist d’un système du second ordre
ω →∞

b) : Lieu de Black d’un système du second ordre

Figure 3.30 : Allure des lieux de Nyquist et de Black d’un élément de 2d ordre

H. EL FADIL
40 Chapitre 3

3.2.7 Caractéristiques fréquentielles d’un SLI

Soit G ( p ) la fonction de transfert d’un SLI. Sa réponse en fréquence (ou sa transmittance

fréquentielle) G ( jω ) caractérise entièrement le comportement fréquentiel du système. Ainsi,
peut on citer les caractéristique de G ( jω ) suivantes (Fig. 3.31) :
• Pulsation de coupure à − λ dB : ωc : Elle est donnée telle que :

20 log G ( jωc ) = 20 log G (0) − λ dB (3.35)

1
Pour λ = 3 ⇒ G ( jωc ) = G (0)
2
1
Pour λ = 6 ⇒ G ( jωc ) = G (0)
2
Très généralement ωc est définie à -3dB.
• Pulsation de résonance ω R : c’est la pulsation pour laquelle nous avons :

G ( jω ) ≤ G ( jω R ) ∀ω (3.36)

• Facteur de résonance : Q

G ( jω R )
Q= (3.37)
G (0)

20 log G ( jω ) dB

20 log G ( jω R )
20 log Q
20 log G (0)
20 log G (0) − λ

0 ωR ωc ω

Figure 3.31 : Grandeurs fréquentielles caractéristiques d’un SLI

3.2.8 Etude d’un exemple :

Soit un système de fonction de transfert G ( p ) suivante :

1 + 002 p
G ( p) = = G1 ( p)G2 ( p)G3 ( p) (3.38)
(1 + 0.1 p )(1 + 0.1 p + 0.25 p 2 )

H. EL FADIL
Analyse des SLI 41

1 1
avec G1 ( p ) = ; G2 ( p) = ; G3 = 1 + 002 p
(1 + 0.1 p) 1 + 0.1 p + 0.25 p 2
a) Examen de l’élément du second ordre :
2ξ 1
= 0.1 et = 0.25 ⇒ ω0 = 2 , ξ = 0.1
ω0 ω02
b) Pulsations de cassure :
ω01 = 10 ; ω02 = ω0 = 2 ; ω03 = 50 (rd / s) ⇒ ω02 < ω01 < ω03
c) Tracés (voir Figures 3.32 , 3.33 et 3.34 ci-après)
d) Caractéristiques fréquencielles :
- ωc (−3dB) ≈ 3rd / s (voir figure 3.32)
- ω R ≈ 1.8rd / s
- QdB = 14.3 dB ⇒ Q = 5.17 (valeur réelle).

L(ω)dB
14.3
QdB ω02 ωc ω01 ω03
0 ωR
− 6 dB (0) ω
(−2)

(−3)

(−2)

ϕ (ω )

ω02 ω01 20 ω03 500

0 0.1 0.2 1 5 100
ω

−180°
Approximation 3-segments
− 270°

Figure 3.32 : Allure du diagramme de Bode du système (3.38)

H. EL FADIL
42 Chapitre 3

Bode Diagram
20

0
Magnitude (dB) System: G
-20
Frequency (rad/sec): 3.05
Magnitude (dB): -3
-40

-60

-80

-100
0

-45
Phase (deg)

-90

-135

-180

-225
-1 0 1 2
10 10 10 10
Frequency (rad/sec)

Figure 3.33 : Tracé précis du diagramme de Bode du système (3.38) avec la commande bode de Matlab

L (ω ) dB
Im(G ( jω ) ) − 270° −180° ω=0
− 90° 0
ϕ (ω )
ω =∞ ω=0
0 Re(G ( jω ) )

a) : Lieu de Nyquist
ω →∞ b) : Lieu de Black

Figure 3.34 : Allure des lieux de Nyquist et de Black du système (3.38)

3.3 Relation entre rapidité et bande passante:

La bande passante est définie à -3dB (atténuation tolérée de 30%). Elle s’étend, pour les
systèmes habituellement traités en Automatique, entre zéro et la pulsation de coupure ωc . Ces
systèmes sont dits passe bas.
D’une façon générale plus la bande passante d’un système est étendue plus il est rapide.
1
Dans le cas d’un système de 1er ordre : ωc = ; t r = 3T (T : constante de temps)
T
Pour un second ordre, pour un ξ donné sa bande passante est proportionnelle à sa pulsation
propre ω0 , tandis que son temps de réponse lui est inverse ( voir Fig. 3.8).

H. EL FADIL
 Chapitre 4:

Stabilité des systèmes linéaires

4.1 Définitions

Point d’équilibre : Un système est dans un état d’équilibre si, placé dans cet état, il ne le
quitte pas.

Stabilité : Un état d’équilibre est stable si, lorsqu’on éloigne le système de cet état, il finit par
y revenir. Dans le cas contraire, le point d’équilibre est instable.
Dans certain cas, cette propriété de stabilité n’est valable que si l’´eloignement est faible ; on
parle alors de stabilité locale. Si au contraire le système retourne dans son état d’équilibre
quelque soit l’amplitude de la perturbation, on parle alors de stabilité globale.

Autres définitions :
• Un système linéaire est stable si son état ne diverge pas quand il est abandonné à lui-
même (entrée u (t ) = 0 ), ( ∀ l'état initial x(0) borné).
• Il est asymptotiquement stable si son état converge vers zéro, ( ∀x(0) borné).

La figure 4.1 montre les différentes

y(t)
réponses d’un système selon sa (c )
(b)
stabilité : (a )

(a) Système asymptotiquement

stable.
(b) Système marginalement stable 0 t

(limite de stabilité) Figure 4.1 : Réponse d’un système à une perturbation

(c) Système instable.

H. EL FADIL
44 Chapitre 4

4.2 Exemples :

• Système de 1er ordre :

x& (t ) = ax(t ) ⇒ x(t ) = x(0)e at
- a<0 : système asymptotiquement stable
- a=0 : système stable (intégrateur)
- a>0 : système instable.
• Système de second ordre :
&x&(t ) = − a 2 x(t ) ⇒ x(t ) = x(0) cos(at )
Le système est stable mais pas asymptotiquement.

4.3 Stabilité et pôles d’un système linéaire :

a) Un système est stable si tous ses pôles multiples sont à Re < 0 et tous ses pôles simples
sont à Re ≤ 0 . ( Re : partie réelle).
b) Un système linéaire est asymptotiquement stable si tous ses pôles sont à Re < 0 .
Exemples simples :
K
• 1er ordre : G ( p) =
1 + Tp
- T >0 ⇒ stabilité asymptotique,
- T <0 ⇒ instabilité.
K
• Intégrateur : G ( p ) = ( n ≥ 1)
pn
- Intégrateur simple ( n = 1 ) : stable (non asymptotiquement),
- Intégrateur multiple ( n ≥ 2 ) : instable.
K
• Second ordre : G ( p ) =
2ξ p2
1+ p+
ω0 ω02
- ξ >0 : stabilité asymptotique,
- ξ =0 : stabilité non asymptotique ( ω0 ≠ 0 ),
- ξ <0 : instabilité.

4.4 Stabilité et réponse impulsionnelle :

a) Un système est stable si sa réponse impulsionnelle est bornée ( g (t ) = L -1 (G ( p ) )

bornée).

H. EL FADIL
Stabilité des SLI 45

b) Il est asymptotiquement stable si sa réponse impulsionnelle tend vers zéro

( lim g (t ) = 0 ).
t →∞

Le tableau 4.1 illustre la réponse impulsionnelle d’un système de second ordre en fonction de
la position de ses pôles dans le plan complexe.

Tableau 4.1 : Allure de la réponse impulsionnelle d’un système de second ordre

en fonction de la position de pôles
Position des pôles Allure de la réponse

ξ >1 Im y(t)

Re

t
0

0 < ξ <1 Im y(t)

Re
0
t

ξ =0 Im y (t )
K
Re
0
t
-K
2π / ω0

ξ ≤ −1 Im y(t)

Re
t
0

−1 < ξ < 0 Im y(t)

Re
t
0

4.5 Stabilité et bornitude entrée/sortie :

Un système linéaire invariant est asymptotiquement stable si et seulement si sa réponse à tout

signal d’entrée borné est un signal borné, c.à.d

H. EL FADIL
46 Chapitre 4

u (t ) borné ⇒ y (t ) borné (4.1)

C’est la stabilité BIBO (Bounded Input Bounded Output).

Remarque: En pratique, tous les systèmes vérifient (4.1). Cela ne signifie pas que tous les
systèmes sont stables, mais qu’ils ne sont pas linéaires invariants sur toute leur plage de
fonctionnement. Exemple : saturation à la sortie des AOP.

4.6 Systèmes stables à phase minimale

4.6.1 Définition
Un système stable est dit à phase minimale si :
1) Tous se zéros sont stables (à partie réelle négative)
2) Sa fonction de transfert ne comprend pas de terme « retard pur » : e −τ p .
Un système stable qui n’est pas à phase minimale est dit à non minimum de phase ou à
déphasage non minimal.

4.6.2 Exemples

1 + T1 p
a) G1 ( p) = T1 > 0 ; T2 > 0 : système à phase minimale,
1 + T2 p
1 − T1 p
b) G2 ( p) = T1 > 0 ; T2 > 0 : système à non minimum de phase
1 + T2 p
e −τ p
c) G1 ( p) = ξ > 0 ; ω0 > 0 : système à non minimum de phase.
2ξ p2
1+ p+
ω0 ω02

4.7 Critère algébrique de stabilité

Analyser la stabilité d’un système de fonction transfert

bm p m + L + b1 p + b0
G ( p) = (4.2)
an p n + an −1 p n −1 + L + a1 p + a0

équivaut à chercher la position de ses pôles par rapport à l’axe imaginaire.

Il existe une méthode, connue sous l’appellation de critère de « Routh-Hurwitz » permettant
de déterminer si les pôles de G ( p ) sont tous à partie réelle négative, sans calculer
explicitement ces pôles.

4.7.1 Critère de Routh-Hurwitz

Les racines de l’équation

H. EL FADIL
Stabilité des SLI 47

an p n + an −1 p n −1 + L + a1 p + a0 = 0 (4.3)

sont tous à partie réelle strictement négative si :

1) Les coefficients ai (i=0,…, n-1) sont tous strictement positifs
2) Les termes de la première colonne du tableau de Routh-Hurwitz sont tous strictement
positifs.
Remarques :
- Dans le cas où la 2ème condition n’est pas remplie, l’équation a autant de racines à
partie réelle positive que de changement de signe dans la première colonne.
- Si dans la première colonne il existe un élément nul, le système admet au moins un
pôle à partie réelle positive ou une paire de pôles conjugués imaginaires purs.

4.7.2 Tableau de Routh-Hurwitz

Le tableau de Routh-Hurwitz est illustré par le tableau 4.2 suivant:

Tableau 4.2 : Tableau de Routh-Hurwitz

pn an an − 2 an − 4 L
ème
p n−1 an−1 (pivot de la 3 ligne) an−3 an−5 L
an −1an − 2 − an an −3 an −1an − 4 − an an −5
p n−2 bn −1 = bn −3 = bn−5 L
an −1 an −1
bn −1an −3 − an −1bn −3 bn −1an −5 − an −1bn −5
p n −3 cn −1 = cn − 3 = c n −5 L
bn −1 bn −1
M M M M M
p0 zn−1 zn−3 zn − 5 L

4.7.3 Exemples
a) Exemple 1 : Etudier, par le critère de Routh-Hurwitz, la stabilité d’un système du second
b0
ordre : G ( p) = .
p + a1 p + a0
2

1) Première condition : a1 > 0 et a0 > 0

2) Deuxième condition : Tableau de Routh-Hurwitz :
p2 1 a0 0

p1 a1 0 0

p0 a1a0 − 1× 0 0 0
b1 = = a0
a1

H. EL FADIL
48 Chapitre 4

Condition : a1 > 0 et a0 > 0

Condition de stabilité : a1 > 0 et a0 > 0
Remarque : pour un système du second ordre, si tous les coefficients sont positifs le système
est donc stable.
b) Exemple 2 : Etudier la stabilité du système u ( p) + y ( p)
asservi Fig.4.2 ci-contre, par le critère de _ T ( p)
Routh-Hurwitz. On donne:
1
T ( p) = Figure 4.2 : Système asservi à retour unitaire
p( p + p + 3)
2

T ( p) 1
On commence par calculer la FTBF : G ( p) = = 3
1 + T ( p) p + p + 3 p + 1
2

1) Condition N°1 : remplie (tous les coefficients sont positifs)

2) Condition N°2 : construction du tableau de Routh-Hurwitz
p3 1 3 0

p2 1 1 0

p1 1× 3 − 1× 1 0 0
b1 = =2
1
p0 1 0 0

Conclusion :
Il n’y a pas de changement de signe dans la première colonne du tableau : Le système
asservi est donc stable.
On ajoute, maintenant, un gain proportionnel u ( p) + y ( p)
_
k T ( p)
k > 0 dans la boucle ouverte (Fig. 4.3).
Etudions la stabilité en fonction de k. La
k
FTBF devient : G ( p) = , il Fig. 4.3 : Système asservi avec gain de boucle
p + p + 3p + k
3 2

en résulte alors le tableau de Routh-Hurwitz suivant :

p3 1 3 0
p2 1 k 0
1× 3 − 1× k
p1 b1 = = 3− k 0 0
1
p0 k 0 0
Le système devient instable lorsque : 3 − k < 0 , c-à-d k > 3 .
En régle générale, augmenter le gain de la boucle ouverte se fait aux dépends de la
stabilité en boucle fermée.

H. EL FADIL
Stabilité des SLI 49

4.8 Cas des systèmes asservis

Dans cette partie nous illustrerons qu'on peut prévoir la stabilité en BF d’un système à partir
de la représentation graphique du gain et du déphasage en BO.

4.8.1 Définition du point critique

Soit le système en BF de la forme de la Fig. 4.2. Sa fonction de transfert en BF est :

T ( p)
G ( p) = (4.4)
1 + T ( p)

Nous avons vu que la stabilité du système asservi dépend de ses pôles de sa FTBF G(p). C'est-
à-dire des racines de son dénominateur :

Σ = 1 + T ( p) = 0 (4.5)

Σ = 0 : Fonction sensibilité du système.

Dans le cas harmonique p = jω , l’équation (4.5) peut se réécrire comme suit

T ( jω ) = −1 (4.6)

Pour évaluer la stabilité de l'asservissement (boucle fermée), le critère graphique consiste à

étudier la position de la courbe de réponse harmonique en BO par rapport au point critique
défini par :

T ( jω ) = 1 = 0dB ; arg(T ( jω ) ) = −180° (4.7)

Le critère le plus fréquemment utilisé s’appelle le critère de REVERS.

Im(T ( jω ) )
4.8.2 Critère de Revers dans le
plan de Nyquist Re(T ( jω ) )
−1 0

Un système asservi linéaire est stable

si en décrivant le lieu de Nyquist en T ( jω ) ω
BO dans le sens des fréquences ω Stable
croissantes, on laisse le point critique Juste oscillant
Instable
A(-1,0) à sa gauche (Fig.4.4).
Figure 4.4 : critère de Revers dans le plan de Nyquist

H. EL FADIL
50 Chapitre 4

T ( jω ) dB
4.8.3 Critère de Revers dans le
diagramme de Bode
0 ω0 ω
Soit ω0 la pulsation pour laquelle la
courbe de gain coupe l'axe 0dB et ωc Instable
Juste oscillant
la pulsation pour laquelle la courbe ArgT ( jω ) Stable
des phases passe par -180°. 0 ωc ω
L'asservissement est stable si −180°
ω0 < ωc .
Figure 4.5 : Critère de Revers dans le diagramme de bode
(voir Fig. 4.5).

Juste oscillant T ( jω ) dB
4.8.4 Critère de Revers dans le
plan de Black
Le point critique (-1,0) se transforme en
ArgT ( jω )
un point de coordonnées (0dB, -180°).
− 180° 0
Instable
Le système en BF sera stable si en
Stable
parcourant le lieu de la FTBO dans le sens ω ω
ω
des ω croissantes, on laisse le point
critique à droite (Fig. 4.6).
Figure 4.6 : Critère de Revers dans Lieu de Black

4.9 Marges de stabilité

Lors de la mise en équation d’un système asservi, on constate que dans le modèle élaboré
pour fixer ses performances il subsiste certaines incertitudes relatives au système à
automatiser lui-même : modélisation simplificatrice, actionneurs trop sollicités, bruits de
capteurs, conditions d’utilisation extrêmes,…
Les marges de gain et de phase permettent, alors, d’´evaluer le “degré de stabilité” ou encore
la “robustesse” d’un système asservi.
Les marges de stabilité d’un système en BF sont déterminées à partir de la fonction de
transfert du système en BO T ( jω ) et sont définies comme suit:

Marge de gain (en dB):

MGdB = − T ( jωπ ) (4.8)
Marge de phase (en °):
MP = arg(T ( jω0 ) + 180° (4.9)

H. EL FADIL
Stabilité des SLI 51

avec :
ωπ : pulsation pout laquelle la phase est égale à -180° : arg(T ( jωπ ) = −180° .
ω0 : pulsation pout laquelle le gain est égale à 0dB : T ( jω0 ) = 0dB .
Ces marges sont illustrées dans la figure 4.7.
Remarque :
Lorsqu’on ajoute un gain proportionnel dans la boucle (Fig. 4.3), la courbe du gain (Fig. 4.7a)
est translatée vers le haut (pour k > 1 ) de 20 log k . Il en résulte alors une diminution des
marges de stabilité. Là encore, l’augmentation du gain de la boucle ouverte peut provoquer
l’instabilité du système en BF.

T ( jω ) dB ImT ( jω)
+1
ω0 ωπ ω
0
MG

MG ReT ( jω)
ArgT ( jω ) −1 0 +1
ω MP
0

MP ω
−180° −1
a b

Figure 4.7 : Définition des marges de stabilité : a) dans le diagramme de bode ; b) dans le lieu de Nyquist

H. EL FADIL
52 Chapitre 4

H. EL FADIL
 Chapitre 5:

Précision des systèmes linéaires asservis

5.1 Introduction

Dans le chapitre précédent, nous avons vu que la stabilité d’un système asservi était
fonction du réglage du gain statique en boucle ouverte ; suivant la valeur de celui-ci, un même
système (par exemple de 3ème ordre ou plus) peut en effet être stable, juste oscillant ou
carrément instable.
Tout en se situant dans la plage des valeurs de k qui rendent le système stable, on conçoit
aisément que le choix d’un réglage donné de k aura une incidence sur les autres performances
que l’on est en droit d’attendre d’un système automatique, en particulier en ce qui concerne la
rapidité et la précision.

5.2 Définitions

La précision d’un système asservi s’appréhende par l’étude de la grandeur d’erreur,

disponible à la sortie du détecteur d’écart, qui fournit en permanence une indication entre ce
qui est souhaité (consigne) et une image de ce qui est effectivement réalisé (mesure) (Voir
Fig. 5.1).

Perturbations
Consigne Erreur Grandeur régulée
+ Procédé +
_ Correcteur

Mesure Capteur

Figure 5.1 : Configuration d’un système Automatique asservi

H. EL FADIL
54 Chapitre 5

Considérons un système asservi stable au repos. Une sollicitation du système entraîne une
évolution du signal d’erreur dans le temps ; cette erreur sera la somme d’un terme transitoire
et d’un terme permanent. On peut donc distinguer :
- Une précision dynamique, caractérisée par l’évolution du signal d’erreur pendant le
régime transitoire ; précision et rapidité sont intimement liées durant cette phase
d’évolution du système.
- Une précision statique correspondant à l’erreur permanente observée.
D’une façon générale, le signal d’erreur dépend du système et des entrées appliquées :
commande e(t) et/ou perturbation w(t). Il est souvent délicat de localiser avec précision les
points d’application des perturbations qui peuvent modifier le fonctionnement d’un système
asservi. Admettons cependant qu’une perturbation w(t) s’introduise dans la chaîne
conformément au schéma de la figure 5.2, où la chaîne directe est décomposée en une partie
amont (à la perturbation) de fonction de transfert D1(p) et une partie aval de FT D2(p).

w(t )
+
e(t ) + ε (t ) s (t )
_ D1 ( p ) D2 ( p )
+
m(t )
R( p)

Figure 5.2 : Configuration d’un système Automatique asservi

On peut facilement montrer que le signal d’erreur ε (t ) est lié aux deux entrées e(t) et w(t) par
la relation suivante :

1 ⎡ T ( p) ⎤
ε ( p) = ⎢ E ( p) + W ( p)⎥ (5.1)
1 + T ( p) ⎣ D1 ( p ) ⎦

où T ( p ) = D1 ( p ) D2 ( p ) R( p ) est la fonction de transfert en BO.

5.3 Précision statique :

5.3.1 Erreur due à l’entrée principale

Dans ce cas, l’erreur répond à la relation :

1
ε ( p) = E ( p) (5.2)
1 + T ( p)

H. EL FADIL
Précision des SLI 55

Nous nous intéressons à l’erreur statique permanente, que l’on peut obtenir directement en
appliquant le théorème de la valeur finale :

E ( p)
lim ε (t ) = lim pε ( p) = lim p (5.3)
t →∞ p →0 p →0 1 + T ( p)

On voit que l’erreur permanente dépend à la fois de la forme de l’entrée appliquée et du

système lui-même, par l’intermédiaire du comportement de sa fonction de transfert en boucle
ouverte lorsque p → 0 .
Les entrées classiquement appliquées aux systèmes bouclés (dites entrées canoniques)
peuvent se mettre sous la forme générale suivante :

A m
e(t ) = t .1(t ) (5.4)
m!

où m est l’ordre de l’entrée et A l’amplitude du signal (égale à 1 si l’on considère le signal

unité).
Les entrées les plus courantes correspondent à :
- m=0 échelon unité : 1(t )
- m =1 échelon de vitesse (rampe) : t ⋅1(t )
1 2
- m=2 échelon d’accélération : t ⋅1(t )
2
La transformée de Laplace de telles entrées est de la forme générale :

A
E ( p) = m +1
(5.5)
p

D’autre part, la plupart des fonctions de transfert en BO rencontrées dans les asservissements
peuvent se mettre sous la forme générale :

k
∏ (1 − z −1
i ⋅ p)
T ( p) = kG ( p) = n ⋅ j
(5.6)
p
∏ (1 − p −1
j ⋅ p)

où k est le gain statique en BO, et n le nombre de pôles nuls (ou nombre d’intégrations) de
T(p).

H. EL FADIL
56 Chapitre 5

k
En observant que T(p) se comporte come quand p → 0 , on peut écrire :
pn

p n−m
lim ε (t ) = lim A ⋅ (5.7)
t →∞ p→0 pn + k

L’exploitation de cette expression, selon l’ordre m de l’entrée appliquée à un système

présentant en BO n intégrations et un gain statique k, permet d’établir le tableau 5.1 suivant :

Tableau 5.1 : Erreur statique pour différentes combinaisons de m et n

Nombre Erreur de position Erreur de vitesse Erreur d’accélération

εp εv εa
d’intégrations Entrée en échelon de Entrée en échelon- Entrée en échelon
de T(p) position rampe d’accélération
m=0 m =1 m=2
n=0 A
→∞ →∞
1+ k
n =1 A
0 →∞
k
n=2 A
0 0
k
n=3 0 0 0

En conclusion :
• Pour annuler l’erreur statique à une entrée d’ordre m, il faut et il suffit que la fonction
de transfert en boucle ouverte du système considéré contienne (m+1) intégrations.
• Lorsque l’erreur permanente existe, celle-ci est d’autant plus faible que le gain en BO
de l’asservissement est grand.
La figure 5.3 suivante illustre ces différents cas, pour un asservissement sollicité par une
entrée-rampe (échelon de vitesse) :

Régime transitoire Régime permanent

m(t ) pour n ≥ 2 εv = 0
A
m(t ) pour n = 1 εv =
k
A
Entrée : εv =
k
e(t ) = At m(t ) pour n = 0 εv → ∞

εv → ∞

0 t

Figure 5.3 : Réponse indicielle d’un intégrateur

H. EL FADIL
Précision des SLI 57

5.3.2 Erreur due à une perturbation

Dans ce cas, le terme d’erreur dû à la perturbation s’exprime par :

1 T ( p)
ε ( p) = ⋅ ⋅W ( p) (5.8)
D1 ( p) 1 + T ( p)

où D1(p) représente la fonction de transfert des éléments de la chaîne directe, situés entre la
sortie du détecteur d’écart et le point d’application de la perturbation (Fig.5.2).
Soit k1 le gain de D1 ( p ) et n1 le nombre d’intégrations correspondant. On peut alors écrire :

p n1 k
lim ε (t ) = lim pε ( p ) = lim p ⋅ ⋅ n ⋅W ( p) (5.9)
t →∞ p →0 p →0 k1 p + k

En supposant que la perturbation affecte le système sous forme de l’une des entrées
canoniques :

A
W ( p) = m +1
(5.10)
p

Il vient :

kA p n1−m
lim ε (t ) = lim n ⋅ (5.11)
t →∞ p→0 p + k k1

En tenant le même raisonnement que précédemment, on constate que :

- l’existence ou non d’une erreur permanente due à une perturbation dépend
uniquement des intégrations placées en amont du point d’application de la
perturbation.
- De même, lorsque l’erreur existe, elle est d’autant plus faible que le gain statique de
la portion de la chaîne directe située en amont du point d’application est élevé.

5.3.3 Conséquences pratiques

En règle générale, la forme des perturbations est plutôt du type aléatoire et leurs points
d’application dans une chaîne sont difficilement localisables.

De l’étude précédente, on retiendra surtout que la précision statique d’un asservissement, liée
tant au signal de commande qu’aux perturbations possibles, sera d’autant meilleure que le
gain de la chaîne sera plus important immédiatement à la sortie du détecteur d’écart.

H. EL FADIL
58 Chapitre 5

Si le système tolère des intégrations supplémentaires, il faut également les placer le plus près
possible du détecteur d’écart (d’où la place donnée aux correcteurs, comme on le verra au
chapitre suivant).

5.3.4 Dilemme Précision-Stabilité

Si l’on raisonne d’un point de vue de la stabilité, le réglage optimal conduit à affecter au
système un gain statique en boucle ouverte k * , qui lui confère une certaine marge de phase
choisie à priori.

Si l’on raisonne d’un point de vue de la précision, l’on voit que :

- Celle-ci sera d’autant plus grande que le gain statique k sera plus élevé ; ceci au
détriment de la stabilité (réduction de la marge de phase, voire basculement dans
l’instabilité).
- Qu’elle sera absolue (erreur statique nulle), si le système possède m + 1 intégrations en
boucle ouverte. On est donc tenté de rajouter des intégrateurs dans la chaîne pour
atteindre une précision parfaite. Toutefois, l’augmentation inconsidérée du nombre
1
d’intégrations dans la chaîne conduit à l’instabilité (en effet, chaque terme en
p
π
induit un déphasage de − , quelque soit ω ).
2

On voit donc que l’augmentation de la précision ne peut se faire sans la détérioration de la

stabilité ; la recherche d’un compromis, tenant compte du dilemme Précision-Stabilité, est
absolument nécessaire.

H. EL FADIL
 Chapitre 6:

Compensation des systèmes asservis

6.1 Introduction

Dans le chapitre précédent, nous avons vu que ajouter un gain dans la chaîne directe
permettait d'améliorer la précision d'un asservissement (mais ce gain ne permet pas d'annuler
l'erreur de position ou de vitesse si cette erreur n'est pas nulle). Il n'est pas possible
d'augmenter ce gain de façon trop importante : il peut dégrader la stabilité du système (il
diminue la marge de gain - voire rendre le système instable). D'où le dilemme classique en
automatique :
- un gain faible donne un système stable mais peu précis
- un gain fort donne un système plus précis mais moins stable.
Afin de satisfaire toutes les exigences de performances souhaitées par l’asservissement
(stabilité, précision et rapidité), on intercale entre le détecteur d’écart et l’entrée du procédé
un organe de commande appelé compensateur, correcteur ou régulateur (Fig. 6.1).

Consigne ou
référence Correcteur Procédé
r (t ) + ε (t ) u (t ) y (t )
C ( p) G ( p)
_

Figure 6.1 : Compensation d’un système asservi

Un régulateur est souvent conçu de façon que l’ensemble corrigé satisfasse un certain nombre
de spécifications temporelles ou/et fréquentielles (appelées cahier des charges):

H. EL FADIL
60 Chapitre 6

Exigences temporelles: Exigences fréquentielles:

- Réponse temporelle imposée, - Marge de phase imposée,

- Temps de réponse minimal, - Bande passante à respecter,
- Dépassement maximal contrôlé, - Résonance spécifiée,
- Précision statique imposée, - ….
- ….

6.2 Les différentes actions d’un régulateur

Un régulateur contient le plus souvent une combinaison des actions suivantes :

- Une action proportionnelle P,
- Une action intégrale I,
- Une action dérivée D.

6.2.1 Action proportionnelle (P)

Le signal de commande u (t ) est proportionnel au signal d’erreur ε (t ) :

u (t ) =K p ⋅ ε( t ) (6.1)

Sa fonction de transfert est

u ( p)
C ( p) = = Kp (6.2)
ε ( p)

L’action P est ajustée de manière à obtenir la rapidité souhaitée. La précision de l’action P

reste imparfaite à cause de l’erreur statique. Elle peut être améliorée par augmentation du
gain, mais ceci au détriment de la stabilité. Sa mise en œuvre analogique est illustrée par la
figure 6.2.

R2 R2
R
R1 R1
- - R
-
+ +
ε u ε +
u

R2 R2
a) Gain négatif Kp = − <0 b) Gain positif Kp = >0
R1 R1

Figure 6.2: Réalisation analogique d’un gain proportionnel

H. EL FADIL
Compensation des systèmes asservis 61

6.2.2 Action intégrale (I)

Dans ce cas, le signal de commande u (t ) est l’intégral du signal d’erreur ε (t ) :

1 t
u (t ) =
Ti ∫ ε (τ )dτ
0
(6.3)

Sa fonction de transfert est

1
C ( p) = (6.4)
Ti p
Le diagramme de bode de cette action
Bode Diagram
est illustré par la figure 6.3 15

10
La constante du temps Ti est le temps
Magnitude (dB) 5

d’action intégrale ou le taux d’action 0

intégrale. Ce temps Ti est réglable et -5

-10
permet de doser la part d’action -89

intégrale du signal. On voit que pour -89.5

Phase (deg)

minimiser cette part, il faut -90

-90.5
augmenter Ti .
-91
1
L’action intégrale est favorable à une
0 1
10 10
Frequency (rad/sec) Ti
amélioration notable de la précision Figure 6.3. Diagramme de bode d’une action I
(ajout d’une intégration dans la FTBO). En
1
C( p) = − C
outre, son caractère passe bas permet de filtrer RCp

les bruits haute fréquence. En revanche ce type Ti = RC R

-
d’action tend à rendre l’asservissement instable +
ε u
π
par un déphasage supplémentaire de −
2
Figure 6.4 : Réalisation d’une action I
(dégradation de la marge de phase) ; elle doit
être alors combinée à d’autres types d’actions.

La réalisation analogique de cette action est donnée par la figure 6.4. Pour compenser le signe
négatif de C(p) de la figure 6.4 on ajoute un étage inverseur à la sortie du montage (montage
Fig.6.2a avec R1=R2).

6.2.3 Action dérivée (D)

Dans ce cas, le signal de commande u (t ) est la dérivée du signal d’erreur ε (t ) :

dε (t )
u (t ) = Td (6.5)
dt
H. EL FADIL
62 Chapitre 6

Sa fonction de transfert est

C ( p) = Td p (6.6)

Td est le temps d’action dérivée ou le taux d’action dérivée. Cette action procure au système
une avance de phase qui éloigne le lieu de transfert en BO du point critique. Ceci a pour
conséquence une augmentation de la stabilité du système asservi (c.f. chapitre 4). Son
caractère anticipatif se répercute sur la rapidité par une accélération de la réponse. Par contre,
elle présente deux inconvénients :

- Le gain statique en BO diminue. Cet accroissement de stabilité s’assortit d’une

diminution de la précision statique.
- Le terme “dérivée” procure un gain élevé aux hautes fréquences. Il favorise donc
l’amplification du bruit créé par les signaux parasites (de hautes fréquences) au
détriment du signal utile (basses fréquences).

On peut pallier ce dernier inconvénient en utilisant une dérivée-filtrée de fonction de

transfert :
Td p
C ( p) = (6.7)
T
1+ d p
N
où N >> 1 . La fonction (6.7) est forme pratique approchant l’action dérivée. En effet la
fonction de transfert (6.6) n’est pas propre (un système physique ne peut pas avoir un
numérateur de degré supérieur au
dénominateur). La figure 6.6 illustre le
Bode Diagram
diagramme de bode de l’équation (6.7) et 20

20 log N
la figure 6.5 en montre sa réalisation 10
Magnitude (dB)

analogique. 0

-10

-20
R2 C( p) = −
R2Cp 90
1 + R1Cp
R1 C
- Td = R2C
Phase (deg)

45
+ R
ε u N= 1
R2
N
Td
0
0 1 2 3
10 10 10 10
Frequency (rad/sec)

Figure 6.5 : Réalisation d’une action D filtrée Figure 6.6. Diagramme de bode d’une action D filtrée

H. EL FADIL
Compensation des systèmes asservis 63

6.3 Combinaisons des trois types d’actions

Les différentes actions précédentes sont utilisées par couple (PI ; PD) ou les trois en même
temps (PID), profitant des avantages de chacune d’entre elles et contrecarrant mutuellement
leurs inconvénients.

6.3.1 Régulateur PI

Le régulateur PI (action proportionnelle-intégrale) est une combinaison d'un régulateur P et

d'un régulateur I.

1 t
u (t ) = K pε (t ) +
Ti ∫ ε (τ )dτ
0
(6.8)

La forme parallèle de sa fonction de transfert est :

1
C ( p) = K p + (6.9a)
Ti p

et sa forme série est :

(1 + τ i p)
K (6.9b)
τi p

où K = K p et τ i = K pTi . La figure 6.7 montre son diagramme de bode.

Caractéristiques : Bode Diagram

60

- Effet statique (régime 50

Magnitude (dB)

permanent): annule l’erreur 40

statique (contient une 30 20 log K

intégration) 20
0
- Effet dynamique (régime
transitoire) : pourrait
Phase (deg)

-45
augmenter le temps de
réponse (système moins
-90 wi
-1 0 1 2
rapide). Il augmente 10 10
Frequency (rad/sec)
10 10

l’instabilité (introduit un Figure 6.7. Diagramme de bode d’un PI

déphasage supplémentaire de -90°).

H. EL FADIL
64 Chapitre 6

Réglage du correcteur
1
- Principe : on choisit la pulsation ωi = du correcteur trop petite devant la pulsation
τi
en boucle ouverte au gain 0dB ω0 . Ainsi, le retard de phase amené sera éloigné du
point critique et ne conduira à pas à rendre le système instable.
- Une méthode classique consiste à placer le correcteur par la méthode du pôle
dominant. Le pôle dominant ( τ max i ) du système correspond à la constante de temps la
plus grande, c’est donc lui qui limite la rapidité du système.
1) déterminer la fonction du système en boucle ouverte.
2) fixer τ i = τ max pour éliminer le pôle dominant.
3) déterminer K pour avoir la marge de phase du cahier des charges.

Réalisation
La réalisation analogique d’un PI est représentée par la figure 6.8.
Remarque : en régime permanent, un condensateur se comporte comme un circuit ouvert, le
montage intégrateur va alors se comporter comme un comparateur et sa sortie va saturer. Pour
palier à cet inconvénient, on rajoute en pratique une résistance R0>>R en parallèle avec R et
C.

R C R2 1 + RCp
R2 C ( p) = ⋅
R R1 R1 RCp
-
-
+ τ i = RC
ε +
u R2
K=
R1

Figure 6.8: Réalisation analogique d’un régulateur PI

6.3.2 Régulateur PD

Le régulateur PD est une combinaison d'une action proportionnelle et d’une action Dérivée :

dε (t )
u (t ) = K pε (t ) + Td (6.10)
dt

La fonction de transfert de ce régulateur avec version filtrée de l’action dérivée est

généralement mise sous la forme suivante :

(1 + aτ d p)
C ( p) = K (6.11)
1+τ d p

H. EL FADIL
Compensation des systèmes asservis 65

avec : K > 0 , τ d > 0 et a > 1 . Cette forme est souvent appelée « correcteur à avance de
phase ». Le diagramme de bode d’un tel correcteur est illustré par la figure 6.9.
Caractéristiques :
- L’intérêt principal de la
Bode Diagram
60

correction dérivée est son 50

g max 20 log( K ) + 20 log(a )

Magnitude (dB)
effet stabilisant, elle s’oppose 40

aux grandes variations de 30 20 log K 20 log( a )

l’erreur (donc aux
20

oscillations), elle permet donc ϕ max

90

de stabiliser le système et 60

Phase (deg)
d’améliorer le temps de 30
1
réponse. ωd =
0
aτ d
- En revanche elle augmente le 10
-2 -1
10 10
0 1
10
2
10 10
3

Frequency (rad/sec)

gain en hautes fréquences

Figure 6.9. Diagramme de bode d’un PD
donc une sensibilité accrue aux bruits.

Réglage du correcteur
En principe, l’objectif d’un tel correcteur est d’améliorer la marge de phase du système. Hors,
1
on voit que le correcteur apporte, autour de ωd = , une avance de phase maximale ϕ max
aτ d
telle que
a −1
sin ϕ max = (6.12a)
a +1

et qu’il apporte aussi, autour de cette pulsation, un gain

g max = 20 log K + 20 log a (6.12b)

Une solution pour un placement optimale est de fixer ωd = ω0 (pulsation au gain 0dB en BO)
et de régler K de telle sorte que le gain apporté autour de ω0 soit de 0dB.
1) Fixer ωd = ω0 .
2) Calculer l’avance de phase ϕ max à apporter pour respecter la marge de phase du cahier
des charges.
1 + sin ϕ max
3) Calculer a =
1 − sin ϕ max

4) Calculer K pour avoir 20 log C ( jω0 ) = 0dB .

H. EL FADIL
66 Chapitre 6

Réalisation
La réalisation analogique d’un régulateur à avance de phase est représentée par la figure 6.10.
C2
R2 1 + R1C1 p
C1 R2 C ( p) = ⋅
R R1 1 + R2C2 p
- R R2
- K= τ d = R2C2
R1 + R1
ε +
u aτ d = R1C1 R1C1 > R2C2

Figure 6.10: Réalisation analogique d’un régulateur PD (à avance de phase)

6.3.3 Régulateur PID

C'est le correcteur le plus connu et aussi le plus complet car il associe les trois types d’actions.
On le trouve sous plusieurs formes :

Forme parallèle :

1
C ( p) = K p + + Td p (6.13)
Ti p
Forme série :
⎛ 1 ⎞
C ( p ) = K p ⎜⎜1 + ⎟⎟(1 + Td p ) (6.14)
⎝ Ti p ⎠
Forme Mixte :
⎛ 1 ⎞
C ( p ) = K p ⎜⎜1 + + Td p ⎟⎟ (6.15)
⎝ Ti p ⎠

Dans ce chapitre on utilisera la forme mixte (propre et réalisable) suivante:

⎛ 1 + τ i p ⎞⎛ 1 + aτ d p ⎞
C ( p ) = K ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ (6.16)
⎝ τ i p ⎠⎝ 1 + τ d p ⎠

Ce correcteur correspond, en fait, à la mise en cascade d’un correcteur PI suivi d’un

correcteur PD. Il en résulte qu’il a une action sur toutes les fréquences. En basse fréquence, il
a une action intégrale qui permet d’annuler l’erreur statique. Aux moyennes fréquences, il
aura aussi un effet stabilisateur (autour de ω0 ). Il permet de répondre au compromis
précision–rapidité–stabilité. Le diagramme de bode de ce régulateur est illustré par la figure
6.11.

H. EL FADIL
Compensation des systèmes asservis 67

Bode Diagram
70
20 log(aK )
60
Action intégrale

Magnitude (dB)
50

Action dérivée
40

30

20
90
ϕ max
45
Phase (deg)

-45
1
ωd =
aτ d
-90
-3 -2 -1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)

Figure 6.11: Diagramme de bode d’un régulateur PID de la forme (6.16)

Caractéristiques :

- annule l’erreur statique,

- améliore la rapidité du système,
- améliore la stabilité du système.

Réglage du correcteur

Une méthode de placement simple consiste à dimensionner d’abord la cellule PI puis la

cellule PD. Si la rapidité n’est pas un critère fondamental, on pourrait fixer la pulsation
ωi = 1 / τ i dans le domaine des basses fréquences par rapport à ωd = 1 / aτ d ( ωi << ωd ). On
évalue le comportement du système en boucle ouverte avec la cellule PI puis on dimensionne
la cellule PD adéquate.
ω0
1) Fixer ωd = ω0 et ωi = ,
10
2) Evaluer la phase et la module du système en boucle ouverte avec la cellule PI,
3) Calculer l’avance de phase ϕ max à apporter pour respecter la marge de phase du cahier
des charges.
1 + sin ϕ max
5) Calculer a =
1 − sin ϕ max

4) Calculer K pour avoir le gain de la boucle ouverte corrigée à ω0 égale à 0dB.

H. EL FADIL
68 Chapitre 6

Réalisation
La réalisation analogique du régulateur PID (6.16) est illustrée par la figure 6.12.

C2 R2 1 + RCp 1 + R1C1 p
C( p) = ⋅ ⋅
R C R1 RCp 1 + R2C2 p
C1 R2
R2
R K= τ i = RC
- R1
-
+ τ d = R2C2 aτ d = R1C1
ε R1 +
u
RC >> R1C1 > R2C2

Figure 6.12: Réalisation analogique du régulateur PID (6.16)

6.4 Réglage des régulateurs par la méthode de Zeigler Nichols

Les correcteurs PI et PID sont parmi les correcteurs analogiques les plus utilisés. Le
problème principal réside dans la détermination des coefficients Kp, Ti, Td du correcteur.
Plusieurs méthodes expérimentales ont été développées pour déterminer ces coefficients. La
méthode développée par Ziegler et Nichols n’est utilisable que si le système étudié supporte
les dépassements.
Cette méthode est utilisée quand le processus est instable en boucle ouverte, ou qu’il n’est pas
techniquement possible d’ouvrir la boucle. On réalise alors un test de pompage (Figure 6.13).
Pour cela, on règle :
- Le gain proportionnel jusqu’au gain critique Kpc,
- L’action intégrale à ∞,
- L’action dérivée à 0.
On mesure alors la période des oscillations, Tosc, que fait la sortie du système.
À partir de ces valeurs Ziegler et Nichols proposent des valeurs permettant le réglage des
correcteurs P, PI et PID (voir tableau 6.1).

Tosc

ε (t )
e(t ) + y (t )
K p = K pc Processus
_

Figure 6.13 : Test de pompage

H. EL FADIL
Compensation des systèmes asservis 69

Tableau 6.1 : Réglage des paramètres des régulateurs standards par la méthode
de Ziegler et Nichols
Modes de
PI PI PID PID PID
régul. P
Série Parallèle série Parallèle Mixte
Actions
K pc K pc K pc K pc K pc K pc
Kp
2 2.2 2.2 3.3 1.7 1.7
Tosc 2Tosc Tosc 0.85Tosc Tosc
Ti ∞
1.2 K pc 4 K pc 2
Tosc K pcTosc Tosc
Td 0 0 0
4 13.3 8

6.5 Exemple de synthèse

Soit un système de fonction de transfert :

G0
G( p) = (6.17)
(1 + τ 1 p )(1 + τ 2 p )
avec : G0 = 40 , τ 1 = 1 et τ 2 = 4 .
On désire synthétiser un correcteur pour ce procédé de telle façon que la boucle fermée ait les
performances suivantes :
- Temps de réponse plus rapide ( t rBF < t rBO ) (performance de rapidité),
- Erreur de position nulle (performance de précision),
- Un marge de phase MP=45° (performance de stabilité).

6.5.1 Essais en BO
A l’aide du logiciel Matlab on %%% SYSTEME 40/(1+p)(1+4p) %%%
G=tf(40,[4 5 1]); % fonction de transfert
élabore la réponse indicielle et le figure(1);
digramme de bode du système step(G); % réponse indicielle
grid;
(6.17) (voir figures 6.14 et 6.15). figure(2);
bode(G); % digramme de bode
margin(G); % marges de stabilité
A partir de la réponse indicielle on grid;

relève le temps de réponse à 5% en

BO : trBO = 13.1s
La commande margin permet de relever les marges de stabilité. On obtient la marge de phase
sans correction suivante MPSC = 22.6° à la pulsation ω0 SC = 3.08 rad/s .

H. EL FADIL
70 Chapitre 6

Step Response
40

System: G
35
Time (sec): 13.1
Amplitude: 38
30

25

Amplitude
20

15

10

0
0 5 10 15 20 25
Time (sec)

Figure 6.14 : réponse indicielle du système (6.17)

Bode Diagram
Gm = Inf dB (at Inf rad/sec) , Pm = 22.6 deg (at 3.08 rad/sec)
40

20
Magnitude (dB)

-20

-40

-60
0

-45
Phase (deg)

-90

-135

-180
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)

Figure 6.15 : Diagramme de bode du système (6.17)

6.5.2 Synthèse du régulateur

Comme la FTBO ne contient aucune intégration et afin de satisfaire une erreur de position
nulle il faut que le correcteur ramène une intégration. Les correcteurs PI et PID sont les seuls
qui en contiennent une.

6.5.2.1 Régulateur PI
On rappelle la forme série de sa fonction de transfert:
K (1 + τ i p )
C PI ( p) = (6.18)
τi p

H. EL FADIL
Compensation des systèmes asservis 71

On se propose de compenser le pôle dominant du système qui est lié à la constante du temps
la plus grande. Il vient alors
τ i = τ 2 = 4s (6.19)
La FTBO devient
KG0
T ( p) = C PI ( p)G ( p) = (6.20)
τ i p(1 + τ 1 p )
La marge de phase s’écrit :

MP = arg(T ( jω0 ) + 180° = −90 − arctan(τ 1ω0 ) + 180 = 90 − arctan(τ 1ω0 ) (6.21)

On désire une MP de 45°, il s’ensuit, compte tenu de (6.21), que la pulsation ω0 doit être
choisie telle que :
arctan(τ 1ω0 ) = 45° (6.22)
Ce qui implique
1
ω0 = = 1rad/s (6.23)
τ1
La pulsation étant définie pour un gain T ( jω0 = 1 . Il découle de (6.20) que le gain K du PI
doit être choisi comme suit :
τ iω0 1 + (τ 1ω0 ) 4× 2
K= = = 0.1414 (6.24)
G0 40
Finalement la fonction du transfert du PI s’écrit :
0.1414(1 + 4 p )
C PI ( p) = (6.25)
4p
Remarque :
On remarque qu’il n’ya aucun moyen de régler le temps de réponse pour assurer la rapidité.
Cette troisième performance est en fait une conséquence des deux autres critères déjà imposés
qui sont la précision et la stabilité.

6.5.2.2 Régulateur PID

Pour ce régulateur on se propose d’utiliser la forme mixte (6.16) suivante:

⎛ 1 + τ i p ⎞⎛ 1 + aτ d p ⎞
C PID ( p ) = K ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ (6.26)
⎝ τ i p ⎠⎝ 1 + τ d p ⎠

Comme pour le PI on commence par compenser le pôle dominant à l’aide de la partie PI

du PID. Il en résulte alors

H. EL FADIL
72 Chapitre 6

τ i = τ 2 = 4s (6.27)
Avec ce choix la FTBO devient
K ⎛ 1 + aτ d p ⎞ G0
T ( p ) = C PID ( p )G ( p ) = ⎜ ⎟ (6.28)
τ i p ⎜⎝ 1 + τ d p ⎟⎠ (1 + τ 1 p )
et la marge de phase se réécrit comme suit :

MP = −90 + ϕ max − arctan(τ 1ω0 ) + 180 = 90 + ϕ max − arctan(τ 1ω0 ) (6.29)

Afin de répondre au critère de stabilité qui stipule une MP de 45°, la phase maximale ϕ max
que la partie PD doit apporter satisfait, compte tenu de (6.29), à la relation suivante :

ϕ max = arctan(τ 1ω0 ) − 45° (6.30)

Cette équation montre parfaitement qu’on pourrait choisir la pulsation ω0 la plus grande
possible. Ceci conduit à choisir une bande passante assez large et par conséquent une rapidité
accrue en BF.
Pour l’instant on pourrait se contenter du choix suivant :

ω0 = 10 × ω0 SC = 30.8 rad/s (6.31)

Ceci implique une avance de phase suivante

ϕ max = arctan(30.8) − 45° = 43.14° (6.32)

Le coefficient a peut être obtenu, compte tenu de 6.12a et 6.32, comme suit

1 + sin ϕ max
a= = 5.325 (6.33)
1 − sin ϕ max

Par ailleurs, la constante du temps τ d peut être obtenue comme suit

1 1
ωd = = ω0 ⇒ τ d = = 14.1 ms (6.34)
aτ d aω0

1
Avec un tel choix on vérifie bien que ωi = << ωd .
τi

H. EL FADIL
Compensation des systèmes asservis 73

Il reste maintenant à choisir le gain K afin qu’à la pulsation ω0 le gain de la FTBO soit égal à

l’unité : T ( jω0 = 1 . Il découle de (6.28) que ce gain est :

1 1 + (τ 1ω0 )
2
K = τ iω 0 = 41.13 (6.35)
a G0

Finalement le régulateur PID obtenu a pour expression :

⎛ 1 + 4 p ⎞⎛ 1 + 75.08 ×10 −3 p ⎞
C PID ( p ) = 41.13⎜⎜ ⎟⎟⎜⎜ −3
⎟⎟ (6.36)
⎝ 4 p ⎠⎝ 1 + 14.1× 10 p ⎠

Afin de comparer les performances des deux régulateurs PI et PID obtenus nous avons simulé
le système en BF à l’aide du logiciel Matlab-Simulink comme le montre la figure 6.16. Les
réponses indicielles des deux systèmes à une référence de valeur 10 sont illustrées par la
figure 6.17.

%%% Commandes Matlab utilisées pour l’affichage des réponses

>> plot(temps,reference,':',temps,sortie_PI,temps,sortie_PID)
>> grid

A partir de la figure 6.17 nous pourrions tirer les conclusions suivantes

- Les deux réponses convergent vers leur référence de valeur 10. L’erreur de position est
donc nulle. Ceci est bien prévisible car les deux correcteurs contiennent une
intégration.
- Le temps de réponse d’un PI est de trPI = 6.125s et celui d’un PID est de
trPID = 0.186 s . En comparant ces deux temps avec celui de la boucle ouverte
trBO = 13.1s , on remarque que les deux correcteurs rendent la boucle fermée plus
rapide avec une suprématie notable du PID. Avec le PID, nous pourrions diminuer
davantage ce temps en réglant ω0 (augmentation de la bande passante), en revanche, il
n’ya aucun moyen de contrôler cette rapidité avec le PI.
- Comme le système est de second ordre, un régulateur de type PI pourrait donc être
suffisant pour le corriger (facilité d’implantation).

H. EL FADIL
74 Chapitre 6

PI

PID

Figure 6.16 : Diagramme Simulink du système (6.17) corrigé par un PI et un PID

14

Réponse du PID
12
Réponse du PI

10

0
0 5 10 15

Figure 6.17 : Réponses indicielles du système (6.17) corrigé par un PI et un PID

H. EL FADIL
 Chapitre 7:

Identification des systèmes linéaires

7.1 Introduction

Un système linéaire a une fonction de transfert qui peut se calculer en établissant les
équations différentielles qui relient entrée et sortie. Ces équations théoriques sont parfois
difficiles à écrire car on n’a pas forcément toute la connaissance du système nécessaire :
valeurs numériques, processus mis en jeu, non linéarité... Souvent, un modèle dont le
comportement ressemble à celui du système à étudier est suffisant pour élaborer une loi de
commande adaptée.

7.2 Définitions

Un modèle est toute représentation mathématique décrivant l’évolution des sorties du système
sous l’effet de ses entrées. Il sert à :

- prédire la réponse du système à une entrée donnée,

- construire un simulateur du système,
- élaborer un régulateur, …

Il existe 2 types de modèles:

- Modèles de connaissance,
- Modèles de commande.

7.2.1 Modèle de connaissance

H. EL FADIL
76 Chapitre 7

Par modèle de connaissance on entend le modèle obtenu en appliquant au système les lois de
la physique, de la chimie, de la biologie, de l’économie, …
Les modèles de connaissance permettent une description complète du système et ils sont
caractérisés par des paramètres qui admettent une signification physique (résistance, masse,
…). Ils sont donc utilisés pour la conception des procédés ou l'élaboration de simulateurs de
ces derniers. En revanche à cause de leur complexité, ils sont rarement utilisés en commande.

7.2.2 Modèle de commande

On appelle modèle de commande, ou de conduite ou de représentation, tout modèle

représentatif du procédé d’un point de vue entrée-sortie, permettant d’élaborer un régulateur.
Les modèles de commande ne constituent pas une description complète du système. Leurs
paramètres n’ont pas forcément une interprétation physique. On distingue 2 types de modèles
de commande:

- Les modèles non-paramétriques (réponse indicielle, réponse impulsionnelle, réponse

fréquentielle, …).
- Les modèles paramétriques (fonction de transfert, représentation d’état, …)

7.3 Notion d’identification

L’identification est l’opération expérimentale qui consiste à déterminer un modèle de

commande à partir du comportement entrée-sortie (Fig. 7.1).

u (t ) y (t )
Procédé

Protocole
d’identificati

Modèle

Figure 7.1 : Identification d’un système

L’identification est une approche « boite noire » pour l’obtention de modèles. Elle comprend
quatre phases illustrées par la figure 7.2. Ce chapitre présente différentes méthodes pour
obtenir un modèle sous forme de fonction de transfert équivalente en terme de réponse à un
système dont on ne sait pas modéliser le comportement (ou le modèle de connaissance est trop
complexe).

H. EL FADIL
Identification 77

1
• Choix à priori de la structure du modèle
• Définition du protocole d’expérimentation

2
• Génération de signaux de test
• Acquisition de données et mesure
Connaissances
3 à priori sur le
Obtention des valeurs numériques des système réel à
paramètres du modèle identifier

4
Validation du modèle (de la structure et des
valeurs des paramètres)

Non
Satisfait ?

Oui Utilisation du modèle

Figure 7.2 : Phases d’une identification

7.4 Identification en boucle ouverte

On identifie la réponse indicielle en BO du système à celle d'un modèle dont la forme est
prédéfinie avec certains paramètres. La méthode consiste à calculer les meilleurs paramètres
en fonction de la forme de la réponse réelle.

7.4.1 Méthode de Strejc

Cette méthode permet d’identifier un processus présentant une réponse indicielle sans
dépassement. Le modèle mathématique proposé par Strejc pour représenter ce processus est:

Y ( p) K e −τ p
G ( p) = = 0 (7.1)
U ( p ) (1 + Tp ) n

Les paramètres à identifier sont donc :

- le gain statique K0,
- le retard purτ,
- la constante de temps T,
- et l'ordre n.

On excite le système par une entrée en échelon et on relève sa réponse indicielle (Fig.7.3).

H. EL FADIL
78 Chapitre 7

Pour identifier le système, la méthode peut se décomposer en :

1) Le gain statique K0 est mesuré directement par la valeur finale de la sortie. Celle-ci
vaut K 0U 0 , où U 0 est l'amplitude de l’échelon d'entrée.
2) On trace la tangente au point d'inflexion Q pour déterminer deux valeurs : Tu et Ta .
3) Relever Tu et Ta en déduire l'ordre n en utilisant le tableau 7.1. Entre deux lignes du
tableau, on choisit la valeur de n la plus petite.
4) Déterminer la constante de temps T à partir de Ta / T du tableau.
5) Déterminer le retard τ quand il existe à partir de la différence entre la valeur de
Tu mesurée et celle donnée par la colonne Tu / T du tableau.

u (t ) y (t )
K 0U 0
U0

u (t ) Processus y (t )
réel Q

0 t 0 Tu t
Ta

Figure 7.3 : Méthode de Strejc

Tableau 7.1 : Tableau pour estimer l’ordre, la constante du temps et le retard

du modèle de Strejc
n Ta/T Tu/T Tu/Ta
1 1 0 0
2 2,718 0,282 0,104
3 3,695 0,805 0,218
4 4,463 1,425 0,319
5 5,119 2,1 0,41

7.4.2 Méthode de Broϊda

Le modèle proposé pour approcher le comportement du système est un premier ordre avec un
retard pur. Sa fonction de transfert est :

K 0e −τ p
G( p) = (7.2)
1 + Tp

H. EL FADIL
Identification 79

Le principe est d'ajuster les paramètres τ et T pour que les courbes de réponse du modèle et
du processus aient deux points communs judicieusement choisis. Les points communs C1 et
C2 habituellement utilisés correspondent respectivement à 28% et 40% de la valeur finale
(Fig. 7.4).

u (t ) y (t )
K 0U 0
U0

u (t ) Processus y (t ) 0.4 K 0U 0 C2
réel
0.28 K 0U 0 C1

0 t 0 t1 t 2 t

Figure 7.4 : Méthode de Broϊda

Le modèle de Broϊda donne les points C1 et C2 pour les dates suivantes :

y (t1 ) t1 − τ
= 0,28 ⇒ = 0,328 (7.3a)
K 0U 0 T

y (t 2 ) t −τ
= 0,40 ⇒ 2 = 0,51 (7.3b)
K 0U 0 T

où t1 et t 2 sont les temps au bout desquels la réponse expérimentale atteint respectivement

28% et 40% de la valeur finale. En résolvant le système d’équations données (7.3.a-b), on
obtient :

T = 5,5(t 2 − t1 ) τ = 2,8t1 − 1,8t 2 (7.4)

7.4.3 Processus intégrateur

y (t )
Les systèmes contenant un intégrateur ont une
réponse indicielle en rampe, en régime
a
permanent. L’asymptote de cette réponse est une
droite d’équation y = a (t − t1 ) de pente a et qui
0 t1 t
coupe l’axe des abscisses pour t = t1 (voir figure
Fig. 7.5 : Courbe réelle approchée par un
7.5 ci-contre). intégrateur retardé

H. EL FADIL
80 Chapitre 7

On identifie la réponse du système réel à la réponse d’un système intégrateur pur avec retard,
c'est-à-dire avec la fonction de transfert suivante :

Ke −τ p
G ( p) = (7.5)
p

Les paramètres de ce système sont donnés par :

a
K= τ = t1 (7.6)
U0

où U 0 est l’amplitude de l’échelon appliqué en entrée.

7.5 Identification en boucle fermée

Cette méthode d’identification s’applique aux processus stables, d’ordre supérieur à 2 et

s’appuie sur une étude fréquentielle du processus asservi.

7.5.1 Principe

Le système à identifier (de fonction de transfert K ⋅ G ( p) ) est asservi par une boucle de
régulation munie d’un correcteur proportionnel de gain K p (voir figure 7.6).

ε (t ) Processus
e(t ) + y (t )
_
Kp K ⋅ G ( p)

Figure 7.6 : Identification en BF avec correcteur proportionnel

La fonction de transfert en BO de ce système est :

T ( p) = K p ⋅ K ⋅ G ( p) (7.7)

Pour une certaine valeur du gain K p = K 0 , on peut mettre le système en limite de stabilité.
C'est-à-dire que ce système va osciller continûment tout seul. On appelle ceci le pompage. La
pulsation de ces oscillations de pompage ω0 correspond à la pulsation pour
laquelle T ( jω0 ) = −1 :

H. EL FADIL
Identification 81

K p ⋅ K ⋅ G ( jω 0 ) = 1 ϕ (ω0 ) = −π (7.8)

7.5.2 Modèle de Strejc

Par commodité, on prend le modèle de Strejc sans retard ( τ = 0 ).

K KpK
K ⋅ G ( p) = ⇒ T ( jω ) = (7.9)
(1 + Tp ) n (1 + jTω ) n

En BF, on cherche le pompage (obtenu pour K p = K 0 ) et on mesure à partir de la période des

oscillations Tosc la pulsation ω = ω0 . L’identification consiste à résoudre le système

⎧ K0 K
=1
⎪
⎨ (
1 + T 2ω02
n

⎪ϕ = −n ⋅ arctan(ω T ) = −π
) (7.10)
⎩ 0

Le gain statique K est déterminé par une réponse indicielle en BO ou en BF. La résolution des
équations donne l’ordre n par :

n
⎛ 1 ⎞
K 0 ⋅ K = ⎜⎜ ⎟⎟ (7.11)
⎝ cos(π / n) ⎠

Et la constante de temps par :

1
τ= . tan(π / n) (7.12)
ω0

7.5.3 Modèle de Broϊda

Le modèle de Broϊda est le suivant :

K ⋅ e −τ ⋅ p K p ⋅ K ⋅ e − jτω
K ⋅ G ( p) = ⇒ T ( jω ) = (7.13)
1 + Tp 1 + j ωT

Pour identifier ce modèle, on doit déterminer les paramètres K , T et τ . En BF, on cherche le

pompage (obtenu pour K p = K 0 ) et on mesure à partir de la période des oscillations la

pulsation ω = ω0 . L’identification consiste à résoudre le système

H. EL FADIL
82 Chapitre 7

⎧ K0 K
⎪ =1
⎨ 1 + T 2ω02 (7.14)
⎪ϕ = −ω τ − arctan(ω T ) = −π
⎩ 0 0

Le gain statique K est déterminé par une réponse indicielle en BO ou en BF. La résolution des
équations donne la constante de temps par :

1
T= . (K0 ⋅ K )2 −1 (7.15)
ω0

Le retard est calculé à partir de :

τ=
1
ω0
[π − arctan( (K ⋅ K ) − 1)]
0
2
(7.16)

H. EL FADIL
 ANNEXE

A1 : Table des transformée de Laplace

F(p) f(t)

1 δ (t )

e − kTp δ (t − kT )

1
Γ(t )
p
1
t
p2
1 1 2
t
p3 2
1 t3
p4 6
1 tm
p m+1 m!
1
e− at
p+a
1
t.e− at
( p + a )2
1 t 2 − at
.e
( p + a )3 2
1 1
t n−1.e −at n ∈ ℵ*
( p + a )n (n − 1)!
a
1 − e− at
p( p + a )
1 t
1 − (1 + )e −t / τ
p (1 + τp )
2
τ
1
t − 2τ + (t + 2τ )e −t / τ
p (1 + τp )
2 2

H. EL FADIL
84 Annexe

a 1 − e − at
t−
p ( p + a)
2
a
ω
sin(ωt )
p +ω2
2

ω
e − at sin(ωt )
( p + a) 2 + ω 2
p
cos(ωt )
p +ω2
2

p+a
e − at cos(ωt )
( p + a) 2 + ω 2
1 1 − cos(ωt )
p( p + ω 2 )
2
ω2
1
( p + a )( p + b)
1
b−a
(
e−at − e −bt )
p
( p + a )( p + b)
1
a −b
(
ae−at − be−bt )
p+c
( p + a )( p + b)
1
b−a
(
(c − a)e −at − (c − b)e−bt )
1
p (1 + τ 1 p )(1 + τ 2 p )
1−
1
τ1 −τ 2
(
τ 1e−t / τ1 − τ 2e−t / τ 2 )
1
p (1 + τ 1 p )(1 + τ 2 p )
2
t − (τ 1 + τ 2 ) +
1
τ1 − τ 2
(
τ 12e−t / τ1 − τ 22e−t / τ 2 )
1 1
ξ <1 e −ξω0t sin(ωt ) ω = ω0 1 − ξ 2
p + 2ξω0 p + ω02
2
ω

1
1
r2 − r1
(
er2⋅t − er1⋅t )
ξ >1
p 2 + 2ξω0 p + ω02 r1, 2 : racines de l’équation caractéristique

1 ⎛ ω0 −ξω0t ⎞
1 2 ⎜
1− e sin(ωt + ϕ ) ⎟
ξ <1 ω0 ⎝ ω ⎠
p ( p 2 + 2ξω0 p + ω02 )
ω = ω0 1 − ξ 2 ϕ = arccos(ξ )
1 1 ⎛⎜ ω02 ⎛ e r2 ⋅t e r1⋅t ⎞ ⎞⎟
ξ >1 1 − ⎜ − ⎟
p ( p 2 + 2ξω0 p + ω02 ) ω02 ⎜⎝ r2 − r1 ⎜⎝ r2 r1 ⎟⎠ ⎟⎠
1 1 ⎛ 2ξ 1 −ξω0t ⎞
ξ <1 ⎜1 −
2 ⎜
+ e sin(ωt + ϕ ) ⎟⎟
p ( p + 2ξω0 p + ω02 )
2 2
ω0 ⎝ ω0 ω ⎠
a
sinh(at )
p − a2
2

p
cosh(at )
p − a2
2

H. EL FADIL
Annexe 85

A2 : Décomposition en éléments simples

Considérons une fraction rationnelle F(p) sous sa forme générale suivante, où N(p) et D(p)
sont des polynômes de la variable p :

N ( p)
F ( p) = (A.1)
D( p)

On rappelle que les racines de l’équation N(p) = 0 sont appelés les ‘zéros’ de F(p), et que les
racines de l’équation D(p) = 0 sont appelés les ‘pôles’ de F(p). Nous supposerons par la suite
que N(p) est un polynôme de degré m, que D(p) est un polynôme de degré n, avec m < n, et
que le coefficient multiplicateur de p n de D(p) est égal à l’unité.

Cas où F(p) a un pôle simple noté α :

F(p) s’écrit alors sous la forme suivante, où D1(p) = 0 ne possède pas de racine en p = α et
b1
où est l’élément simple associé au pôle α :
p −α

N ( p) N ( p) b
F ( p) = = 1 + 1 (A.2)
( p − α ) D1 ( p) D1 ( p ) p − α

La valeur du coefficient b1 (appelé résidu) peut être obtenue par la relation suivante :

b1 = [( p − α ) ⋅ F ( p )]p =α (A.3)

Cas où F(p) présente un pôle multiple :

Si α est un pôle de multiplicité m, alors les m éléments simples associés au pôle α seront de
bj
la forme avec j ∈ {1,2,L, m} :
(p −α)j

N ( p) N1 ( p) m bj
F ( p) = = +∑ (A.4)
( p − α ) D1 ( p) D1 ( p) j =1 ( p − α ) j
m

Comme précédemment, D1(p) = 0 ne possède pas de racine en p = α : Les coefficients bj sont

donnés par :

H. EL FADIL
86 Annexe

⎡ d ( m− j ) ⎤
bj =
1
(m − j )! ⎣ dp
m
{
⎢ ( m− j ) ( p − α ) ⋅ F ( p) ⎥ } (A.5)
⎦ p =α

Dans le cas d’un pôle simple (m = 1), la relation précédente se simplifie pour redonner (A.3) :

⎧m = 1 1 ⎡ d ( 0) ⎤
⎨ ⇒ b1 = ⎢ ( 0 ) ( p − α )1 ⋅ F ( p ) ⎥ { }
= [( p − α ) ⋅ F ( p)]p =α (A.6)
⎩ j =1 0! ⎣ dp ⎦ p =α

Dans le cas général où F(p) présente des pôles simples et des pôles multiples, la
décomposition en éléments simples de F(p) est obtenue en ajoutant les éléments simples
associés à chacun des pôles.

Exemple :

Calculer la décomposition en élément simple de la fraction rationnelle suivante :

p2 + 2 p + 3
F ( p) = (A.7)
( p + 1)3

Le pôle α1 = −1 est triple, i.e. m=3. Il vient :

b3 b2 b
F ( p) = + + 1
( p + 1) 3
( p + 1) 2
p +1 (A.8)

En multipliant F(p) par ( p + 1)3 et en l’évaluant sa valeur en p = -1, il vient :

[( p + 1) 3
⋅ F ( p) ]
p = −1 [
= b3 + ( p + 1)b2 + ( p + 1) 2 b1 ]
p = −1
[ ]
= b3 = p 2 + 2 p + 3 p=−1 = 2 (A.9)

En prenant la dérivée première de ( p + 1)3 F ( p ) et en l’évaluant sa valeur en p = -1, il vient :

⎡d ⎤
⎢ dp ( p + 1) ⋅ F ( p )⎥
3
= [b2 + 2( p + 1)b1 ]p=−1 = b2 = [2 p + 2]p=−1 = 0 (A.10)
⎣ ⎦ p = −1

Enfin, en prenant la dérivée seconde de ( p + 1)3 F ( p ) et en l’évaluant sa valeur en p = -1, il

vient :

⎡ d2 ⎤
⎢ dp 2 ( p + 1) ⋅ F ( p)⎥
3
= [2b1 ]p=−1 = 2b1 = [2]p=−1 = 2 ⇒ b1 = 1 (A.11)
⎣ ⎦ p=−1

H. EL FADIL
Annexe 87

Remarque : sous MatlabTM, la décomposition en éléments simples d’une fraction rationnelle

s’obtient par la commande residue. Ainsi pour l’exemple précédent, l’expansion du
dénominateur donne :

p2 + 2 p + 3 p2 + 2 p + 3
F ( p) = = 3
( p + 1)3 p + 3 p2 + 3 p + 1
Commandes MatlabTM : Résultat :
Num=[1 2 3] ; a= b= c=
Num=[1 3 3 1] ; 1.0000 -1.0000 []
[a,b,c]=residue(Num,Den) ; 0.0000 -1.0000
2.0000 -1.0000

Comme les 3 valeurs du vecteur b sont identiques, le résultat indique que F(p) se décompose
comme suit :

a(1) a(2) a(3)

F ( p) = + + (A.12)
p − b(1) ( p − b(2) ) ( p − b(3) )3
2

Dans le cas où les valeurs du vecteur b sont différentes, F(p) se décompose comme suit :

a(1) a(2) a ( n)
F ( p) = + +L+ + c( p ) (A.13)
p − b(1) p − b(2) p − b( n)

H. EL FADIL
 Bibliographie

Philippe DE LARMINAT, Automatique – Commande des systèmes linéaires, Edition Hermès,

1993.

Maurice RIVOIRE et Jean-Louis FERRIER, Cours d’Automatique – Tomes 1 et 2, Edition

Eyrolles, 1995.

Michel VILLAIN, Signaux et systèmes à temps continu et discret : Automatique 1, Edition

Ellipses, 1998.

Michel VILLAIN, Systèmes asservis linéaires : Automatique 2, Edition Ellipses, 1998.

P. Borne, G. Dauphin-Tanguy, J.P. Richard, F. Rotella, and I. Zambettakis, Modélisation et

Identification des Processus, Technip, 1992.

C. Sueur, P. Vanheeghe, and P. Borne, Automatique des Systèmes Continus, Technip, 1997.

M. Rivoire and J.L. Ferrier, Cours d’Automatique, Eyrolles, 1994.

R.H. Bishop, Modern Control Systems Analysis and Design using Matlab and Simulink,
Addison-Wesley, 1997.

J.L. Martin de Carvalho, Dynamical Systems and Automatic Control, Prentice-Hall.

C.L. Phillips and R.D. Harbor, Feedback Control Systems, Prentice-Hall.

V. Minzu and B. Lang, Commande Automatique des Systèmes Linéaires Continus - Cours
avec Applications utilisant Matlab, Ellipses.

J.J. DiStephano, A.R. Stubberud, and I.J. Williams, Systèmes Asservis, McGraw-Hill.

E. Ostertag, Systèmes et Asservissements Continus, TechnoSup, Ellipses.

G.F.Franklin, J.D. Powell, and A. Emami-Noeimi, Feedback Control of Dynamical Systems,

Addison-Wesley.

P. Siary, Automatique de Base, Ellipses.

A. Crosnier, G. Abba, B. Jouvencel, and R. Zapata, Ingénierie de la Commande des Systèmes,

Ellipses.

J.C. Gille, P. Decaulne, and M. Pélegrin, Dynamique de la Commande Linéaire, Dunod.

H. EL FADIL