République Algérienne Démocratique et Populaire

Ministère de l'Enseignement Supérieur et de la Recherche Scientifique

Université des Sciences et de la Technologie d'Oran Mohamed
Boudiaf (USTO-MB)

Faculté de Génie Electrique

Département d’Automatique

Systèmes Asservis Echantillonnés

Notes de Cours
Destiné aux étudiants en Licence 3 Automatique

Réalisé par : Pr. ZEMALACHE MEGUENNI kadda

Année universitaire 2019/2020

 Sommaire

Sommaire 1
Introduction 2
Premier chapitre : Echantillonnage des signaux 3
Exercices du premier chapitre 24
Deuxième chapitre : Systèmes asservis linéaires échantillonnés 25
Exercices du deuxième chapitre 39
Troisième chapitre : Analyse des systèmes échantillonnés 40
Exercices du troisième chapitre 56
Quatrième chapitre : Synthèse des systèmes échantillonnés 57
Exercices du quatrième chapitre 72
Cinquième chapitre : Synthèse d’un correcteur numérique polynomiale 76
Exercices du Cinquième chapitre 80
Références 81

1
Introduction

Ce document a été développé pour servir de support au cours du module "Systèmes

Asservis Echantillonnés" (SAE) de la Licence 3 Automatique du Département d’Automatique
de la Faculté de Génie Electrique (USTO-MB) et s’adresse principalement aux étudiants de la
Troisième Année (L3).
Ce cours permettra à l'étudiant d'acquérir des connaissances sur la théorie de la
commande des Systèmes Asservis Echantillonnés ainsi que sur les méthodes de modélisation,
représentation et d'analyse des systèmes échantillonnés.
En fait, ce polycopié est divisé en cinq chapitres Il rassemble une série de cours,
d’exemples et d’exercices ayant pour but de permettre à l’étudiant de mieux comprendre les
notions du module. Une attention particulière est suite portée sur la méthodologie de synthèse
de régulateurs PID numériques ainsi que la commande polynomiale.

2
 Premier chapitre
Echantillonnage des signaux
1.1. Définitions
Signal: Il s’agit d’une grandeur physique générée par un appareil ou appliquée à un
dispositif. Exemples : température, pression, courant, etc.

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

Signal discret : Dans un système d’acquisition de données, les mesures sont réalisées à
intervalles de temps réguliers. Le temps n’est plus traité comme une variable continue, mais il
est discrétisé (temps discret). En fait, un signal discret est obtenu par discrétisation d’un signal
continu en utilisant un pas de discrétisation variable. Contrairement au signal continu, un
signal discret est caractérisé par un nombre fini d’amplitude.

Signal échantillonné : Il s’agit d’un signal continu discrétisé par un pas de temps régulier. Ce
pas est appelé période d’échantillonnage.

Signal numérique : Il s’agit d’un signal échantillonné quantifié en amplitude.

Quantification : L’opération de quantification consiste à attribuer un nombre binaire à toute

valeur (amplitude) prélevée au signal lors de l’échantillonnage.

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

1.2. Principe de l’asservissement numérique

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

3
 a. l’échantillonnage d’un signal continu : cette opération consiste à relever les
informations prises par un signal continu à intervalle de temps régulier, appelé période
d’échantillonnage. On parle alors de signal échantillonné. Cela signifie que le calculateur ne
tiendra compte que des échantillons, c’est-à-dire des valeurs prises par le signal aux instants
d’échantillonnage.
b. la conversion d’un signal analogique en un signal numérique : il s’agit de convertir
la valeur prise par un signal analogique à l’instant d’échantillonnage en une valeur numérique
afin qu’elle soit traitée par le calculateur. Un tel signal peut, par exemple, provenir d’un
capteur. On parlera alors de signal de mesure.
c. la conversion d’un signal numérique en un signal analogique : cette opération
consiste à transformer le signal numérique issu du calculateur à l’instant d’échantillonnage
(on parlera de signal numérique de commande), en signal analogique de commande existant
sur toute la période d’échantillonnage, l’objectif étant de commander le système physique.
d. la synthèse d’un algorithme de calcul : il s’agit d’établir une loi d’évolution du
signal de commande numérique en fonction des signaux de mesure et de référence, également
numériques, afin de permettre au système asservi de satisfaire un cahier des charges. Cette
fonction est appelée correcteur numérique ou encore loi de commande numérique. Elle a pour
objectif de déterminer la valeur du signal numérique de commande à un instant
d’échantillonnage, à partir des valeurs antérieures des signaux numériques de commande, de
mesure et de référence. Concrètement, la loi de commande numérique s’exprime comme une
relation de récurrence qui permet aisément son implémentation dans un calculateur
numérique.

1.3. Structure d’un asservissement numérique

Analogique
Numérique

+ Algorithme de
CAN CNA
commande
-

Figure 1.1: Structure typique de la réalisation d’un asservissement

L’asservissement numérique se fait typiquement par le biais d’une structure schématisée par
la figure 1.1 et composée des objets fondamentaux suivants :

1. un comparateur : celui-ci fournit un signal d’écart qui réalise la différence entre

le signal analogique de référence et le signal analogique de mesure .
2. un CAN : celui-ci fonctionne à la période d’échantillonnage > 0. Il fournit à sa
sortie le signal numérique d’écart noté .
3. un algorithme de commande : celui-ci manipule des suites de nombres et a pour
fonction d’élaborer la loi de commande. Il délivre donc le signal numérique de commande un
.

4
 4. un CNA : celui-ci fonctionne à la période d’échantillonnage T > 0. Il transforme le
signal numérique de commande issu du calculateur en le signal analogique de commande
correspondant.
5. des transmittances et représentant respectivement la dynamique
du système et celle du capteur.

En pratique, l’opération de comparaison se fait également numériquement. Ainsi, une

autre structure typique d’asservissement peut être schématisée par la figure 1.2 où nous
pouvons remarquer la présence d’un CAN supplémentaire.

Analogique
Numérique

Algorithme de
CNA
CAN commande
+
-

CAN

Figure 1.2: Autre structure typique de la réalisation d’un asservissement

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

1.4. Modélisation des signaux échantillonnés

1.4.1. Introduction
L’Automatique des systèmes à temps continu repose sur une représentation
mathématique des échanges d’énergies, de forces, d’informations en tant que fonctions du
temps à valeurs réelles → .
Cette représentation ne tient pas compte de l’ensemble des réalités des échanges de
signaux rencontrés en pratique. En particulier, l’emploi accru de calculateurs numériques
conduit à considérer des signaux, dit à temps discret, qui n’admettent des valeurs qu’a certains
instants régulièrement espacés. Mathématiquement ils sont représentés par des suites →
.
Notons que les outils mathématiques associés aux suites sont aussi riches que ceux
employés dans le cas de fonctions. Un grand nombre de notions primordiales ont leur
équivalent telles que l’intégration qui correspond dans le cas de séquences discrètes
à l’opérateur somme ∑ , et la transformée de Laplace ℒ! "=$ dont
l’équivalent discret appelée transformée en % & ! " = $ % .

1.4.2. Définition
Soit e t un signal temporel causal. c’est-à-dire nuls pour les temps t < 0.
L’échantillonnage du signal e t consiste à transformer celui-ci en une suite discrète e kT de
valeurs prises aux instants . Ici est un entier naturel = 0,1,2, ⋯ et T est la période

5
d’échantillonnage. Les instants sont appelés instants d’échantillonnage. Les intervalles
! , + 1 " sont appelés intervalles d’échantillonnage.

causal

t
t=0

Figure 1.3: Signal causal

L’opération décrite précédemment peut se formaliser comme suit. On définit d’abord 0 ,

la fonction d’échantillonnage aux instants , donnée par :
34
0 =10 − 1.1

avec 0 − , la fonction de Dirac au temps .

La fonction d’échantillonnage 0 est aussi appelée peigne temporel. Elle est représentée
sur la figure 1.4.
0 ∗

t t
0 T 2T 3T 4T 0 T 2T 3T 4T
6 7
Figure 1.4 : 6 8 9:; <= > ?6 @6> 7 Signal peigné temporellement
L’application de la fonction d’échantillonnage au signal e t produit alors le signal
échantillonné ∗ (figure 1.4 (b)) défini comme suit :
1.4.3. Définition
Soit e t un signal temporel causal et la période d’échantillonnage. Le signal échantillonné
∗
est égal à :
34
∗
= e t 0 =e t 10 − 1.2

On dit aussi que le signal e t est peigné temporellement.

∗
En utilisant les propriétés de la fonction de Dirac, on peut réexprimer comme suit
:

6
 34
∗
=e t 10 − 1.3

34

=1e t 0 −
1.4

34

= 1 e kT 0 − 1.5

On est conduit alors à la définition suivante :

1.4.4. Définition
Soit e t un signal temporel causal, T la période d’échantillonnage et e∗ t le signal
échantillonné associé. On appelle signal numérique associé à e t , la suite de nombres
A , B , C ⋯ D,

avec = pour E 0.
Le signal numérique est aussi appelé suite des échantillons et , échantillon à l’instant .
La figure suivante permet de voir le peigne de Dirac sous MATLAB:

Peigne de Dirac

0.8

0.6
Amplitu

0.4

0.2

-0.2
-1 0 1 2 3 4 5
Temps (s)

Figure 1.5 : Représentation du peigne de Dirac

7
Remarque 1.1:
En automatique, le signal échantillonné e∗ t et le signal numérique représentent
formellement le même objet associé au signal e t . Ils présentent toutefois une différence
qu’il convient de rappeler. En effet, e∗ t est un signal à temps continu (mais nul presque
partout), qui possède une énergie et qui peut donc être l’entrée d’un système. Par contre, le
signal numérique est une suite de nombres dont la progression se fait en temps discret, et
"vivant" dans un calculateur numérique. Par la suite, il nous arrivera souvent de confondre le
signal e∗ t et la suite numérique =∗ , ∈ ℕ (voir la Figure 1.5). On représentera
indifféremment un signal échantillonné
34 e t par :
1 e kT 0 − < A , B, C ⋯ D.

Temps Fréquence

M
Signal continu $
MNB

M
Signal échantillonné ∗
$∗
MNB

P
O %=

Signal numérique $ %
O NB

Figure 1.5 : Relations de transitions permettant de passer d’un plan à l’autre

1.5. Exemples de signaux usuels échantillonnés

b. Echelon unitaire
a. Dirac centré Cette fonction est définie par :
Cette fonction est définie par : K =0 ∀ <0
0 =0 ∀ ≠ 0 et 0 = 1 et
K =1 ∀ E0
c. Rampe
Cette fonction est définie par :
K =0 ∀ ≤0
et
K = ∀ >0

8
 Impulsion de Dirac discrète échelon unité
échantillonné échelon
unité continu

1 1
0.8
0.8

0.6

Amplit
0.6
Amplit

0.4

0.4
0.2

0.2
0
-0.2 0
0 5 10 15 20 0 5 10 15 20 25 30
Temps (s) 6 Temps(s) 7
10 1
Rampe échantillonnée Signal sinusoïdal échantillonné
9 0.8
Rampe continue Signal sinusoïdal continu

8 0.6

7 0.4

6 0.2
Amplit

0
Amp
5

4 -0.2

3 -0.4

2 -0.6

1 -0.8

0 -1
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7
Temps(s) ? Temps(s) U
Figure 1.6: (a) Représentation de l’impulsion de Dirac discrète
(b) Echelon unité échantillonné VS Echelon unité continu

(c) Rampe échantillonnée VS Rampe continue

(d) Signal sinusoïdal échantillonné VS Signal sinusoïdal continu

1.6. Transformée en Q
Un signal discret R ou R est une séquence de nombres réels appelés échantillons.
L'indice est généralement associé à un instant d'échantillonnage: = . La période
d'échantillonnage est supposée constante. Par définition la transformée en % du signal R
est la fonction de la variable %, notée abusivement S % :
34
S % =& R = & R∗ = 1 R %N 1.6

Ici, T représente l’opérateur de la transformée en ‘%’.

Des exemples de transformées en z fréquemment utilisées sont données dans le tableau 1.1.

9
1.7. Table de transformée en ‘Q’ de signaux élémentaires
Le tableau suivant montre les transformées en ‘%’ de certains signaux élémentaires :

Transformé de Laplace Signal continu Signal échantillonné Transformée en z

S = ℒ !R " R R S % = & !R "
1 0 R =1,∀ ≠0 R =0 1
NVP
0 −6

NW P
0 −ℎ RW = 1 , ∀ ≠ ℎ R = 0 % NW

1 K 1 %
%−1
1 t kT %
C %−1 C
1 C C C
C
% %+1
Y Y
%−1
1 NV NV %
NV
+6 %−
1 NV NV NV
%
+6 C %− NV C
7−6 NV NZ NV NZ NV NZ
− − % −
+6 +7 %− NV %− NZ

6 %
%−6
−6 %
%+6
6 1− NV
1− NV
% 1 − NV
+6 %−1 %− NV
[ sin [ sin [ % sin [
C + [C % C − 2% cos [ + 1
cos [ cos [ % % − cos [
% C − 2% cos [ +1
C
+ [C
Tableau 1.1: Signaux échantillonnés et leurs transformées de Laplace
1.8. Propriétés de la transformée en Q

La transformée en % est une simple variante de la transformée de Laplace et elle

conserve ses propriétés à quelques modifications près. Voici les principales propriétés :

- Linéarité : pour un signal à temps discret on rappelle que :

&!aAR D + bA: D" = a&AR D + b&A: D

- Théorème de la valeur initiale : Soit R un signal temporel quelconque et S % sa

transformée en %. Alors, on a :
R = limR
→0 lim S %
= %→∞

1
 - Théorème de la valeur finale : Soit R un signal temporel quelconque et S % sa
transformée en %. Alors, si tous les pôles en % de S % sont dans le cercle trigonométrique,
%−1
limR = lim g S % h
→3∞
f→B %
- Théorème de la sommation : pour les signaux à temps discret on a :
34
T i1 jk m =
% S%
k l
%−1

- Théorème de convolution : Dans le cas des signaux à temps discret la convolution se

définit par :
34
& i1 RB . RC − m = S1 % . S2 %

- Théorème de l’avance : Si R 3n correspond au signal R avancé de > périodes et tel

que Ro = 0 pour tout 9 < 0, alors on a la relation suivante :
nNB

&!AR 3n D" = % p&!AR D" − 1 Ro % No q

n

o
- Théorème du retard : Si R Nn est le signal à temps discret R retardé de >
périodes,
alors, on a la relation suivante :

& !AR Nn D" = % Nn &!AR D" = % Nn S %

Exemple 1.1
Soit le signal discret tel que :
0 =1, ∀ ≠0 0 =0
Calculer la transformée en % du signal.
Solution
Le calcul de sa transformée en % est relativement direct.
En appliquant la définition on trouve :
34
&!0 " = 1 0 % N = 0 % =
1

Remarque
unitaire ou :encore
Le signal δs Sa
dirac. définit ici est usuellement
transformée en % vaut 1.désigné sous l’appellation de l’impulsion
Exemple 1.2
A partir de l’exemple précédent et des propriétés de la transformée en % les relations suivantes
sont obtenues.
1. Premièrement considérons le dirac retardé :
RW = 1 , ∀ ≠ ℎ R = 0
Calculer la transformée en % du signal.
Solution
On remarque que R = 0 NW , donc d’après le théorème du retard :

1
& !R " = & !0 NW " = % NW & !0 " =

% NW

1
Exemple 1.3
2. Considérons maintenant un signal du type échelon :
∀ E0 =1
Calculer la transformée en % du signal.
Solution
On remarque que = ∑ 0 , donc d’après le théorème de la sommation :
t
% %
&! " = & u1 0 v = &!0 " =
t
%−1 %−1
Exemple 1.4
3. Prenons en suivant le signal du type rampe :
∀ E0 = =
Calculer la transformée en % du signal.
Solution
Il est possible de constater que = = − + ∑ , donc en combinant la linéarité de la
t
transformée en % et le théorème de la sommation on trouve :

&!= " = −&! " + & u1

v
t
f
= −& ! "+ fNB
&! "
% &! "
= −1 +
%−1
1
= &!
% − 1"
%
=
%−1 C
Exemple 1.5
1) Calculer la transformée en % de la suite R = 2 pour = 0, 1, 2, ⋯
2) Calculer la transformée en % du signal R = NV .
Solution
1) Transformée en % de la suite R =2 .
L’utilisation de la définition de la transformée en % donne :
34 34
N
S % =1R % = 1 2 %N

Remarquons que, pour ce calcul, la période d’échantillonnage n’intervenant pas, il

convient de la considérer comme étant égale à 1@. Il est possible d’écrire :

S % = 1 + 2% NB + 4% NC + 8% NY + ⋯
En multipliant les deux membres de cette égalité par 2% NB, il vient :
2% NB S % = 2% NB + 4% NC + 8% NY + ⋯

La soustraction des deux égalités précédentes donne S % 1 − 2% NB = 1, soit :

1
 1
S % =
1 − 2% NB
soit encore :
%
S % =
%−2
B
De manière générale, la somme S = ∑34 , pour | | < 1, s’écrit BNz. Il suffit dans
NB
le calcul précédent d’identifier à 2% .
NV
2) Transformée en % du signal R = .

NV
Avec R = , la définition da la transformée en % donne :
34
NV
S % =1 %N

La série ci-dessus converge si % est tel que | NV % NB | < 1. En appliquant le même principe
que dans la question 1, en identifiant à NV % NB, il vient :
1 %
S % = NV NB
=
1− % % − NV
Exemple 1.6
Soit la fonction en % suivante :
0,387 % C
{ % =
% − 1 % C − 2,37% + 0,25

Trouvez la valeur de R en utilisant le théorème de la valeur finale.

Solution
Le théorème de la valeur finale est :
%−1
lim S % h
→3∞ S = lim
f→Bg %

Dans notre cas, on a :

0,387 % 2
1 − % NB S % = 1 − % NB
% − 1 %2 − 2,37% + 0,25
%−1 0,387 %2
= %
% − 1 %2 − 2,37% + 0,25
0,387 z
= C
% − 2,37% + 0,25
, Y € ‚
L'expression fƒ NC,Yf3 ,C„ n'ayant aucun pôle sur ou en dehors du cercle unité, alors le
théorème de la valeur finale peut être appliqué.
On obtient :
0,387 z
lim S = lim g C h = −0,345
→3∞ f→B % − 2,37% + 0,25

1
1.9. Signal échantillonné
1.9.1. Introduction

Dans ce paragraphe l’objet principal concerne l’utilisation de calculateurs numériques

utilisés en temps réel pour commander, piloter, guider... des procédés physiques qui par
essence sont le plus souvent à temps continu. La problématique est alors de représenter les
interactions entre des signaux physiques modélisés par des fonctions avec des signaux
assimilables par des calculateurs numériques qui se présentent sous forme de suites.
Sans entrer dans les détails du fonctionnement des différents éléments, la commande
par calculateur, ou processeur, d’un procédé nécessite la mise en œuvre d’un certain nombre
d’éléments (figure 1.7) :

Calculateur
CNA
+ Régulateur Numérique N/A Procédé

CA
N
A/N Capteur

Bloquer Procédé Capteur

Calculateur CNA CAN

Figure 1.7: Structure générale d’une commande de procédé par calculateur

- Un actionneur, ou organe de commande qui reçoit les ordres du processeur à travers un

convertisseur numérique-analogique,
- Un capteur, ou organe de mesure qui transmet au processeur les informations recueillies
sur le procédé, à travers un convertisseur analogique-numérique.
D’une façon générale, la commande par calculateur fait intervenir deux éléments
importants qui assurent l’interface entre la partie numérique et la partie analogique.
- Les échantillonneurs qui captent au rythme de la période d’échantillonnage la valeur
prise par les grandeurs continues afin d’en réaliser la conversion analogique-numérique.
- Les bloqueurs (d’ordre zéro) qui interviennent à la suite de CNA pour maintenir la
commande constante entre deux instants d’échantillonnage.

1.9.2. Conversion Analogique Numérique

D’un point de vue modélisation, l’ensemble capteur convertisseur analogique-

numérique peut être assimilé à une prise d’échantillons de la sortie continue à période
fixe (période d’échantillonnage). Si l’on fait l’hypothèse que le temps de codage est
négligeable (échantillonnage instantané) et qu’il n’y a pas d’erreur de quantification, on peut
représenter l’opération de conversion analogique-numérique selon le schéma de la figure 1.8.

1
 CAN
0 t k
0 1 2 3 4

Figure 1.8: Convertisseur analogique-numérique

Mathématiquement, l’opération d’échantillonnage peut être assimilée à la modulation

du signal continu par un train d’impulsions unitaires de période noté 0 (parfois appelé
également peigne de Dirac) :
34
∗
= 0 0 =10 − 1.7

Il vient :
34 34
∗
=1 0 − =1 0 − 1.8

où ∗ est un signal à temps continu égal à aux instants = et zéro ailleurs

et où = est la valeur de l’échantillon de à l’instant . Le signal échantillonné
est représenté par la séquence des valeurs mesurées avec la période :
≡ 1.9
Parmi les points les plus importants dans la mise en place d’une commande numérique
est le choix de la période d’échantillonnage . Pour trouver la période d’échantillonnage
convenable , et par conséquent pour avoir un bon échantillonnage, on utilise le théorème de
Shannon. Ce théorème de Shannon fournit les règles qui permettent de garantir un minimum
de pertes d’informations dues à l’échantillonnage.
1.9.2.1. Théorème de Shannon
L’échantillonnage conduit à une perte d’information au regard du signal continu. Cette
perte d’information est d’autant plus grande que la fréquence R = 1⁄ est petite. Idéalement
il faudrait donc échantillonner à une fréquence infinie, cependant, le choix de la période
d’échantillonnage dépend du type de procédé et des possibilités offertes par les outils
numériques. En tout état de cause, l’échantillonnage doit respecter le théorème de Shannon
qui précise que la fréquence d’échantillonnage R = 1⁄ doit être au moins égale à deux fois
la plus grande fréquence contenue dans le spectre du signal que l’on veut échantillonner.

En fait, en pratique :
- la période d’échantillonnage doit respecter le théorème de Shannon.

1
 - une période d’échantillonnage trop petite aura pour inconvénient de réduire l’efficacité de
la rétroaction face aux perturbations.
- une période d’échantillonnage trop élevée surcharge inutilement la mémoire de
l’ordinateur.

Le tableau suivant donne quelques indications valables pour un grand nombre de

procédés sur la période d’échantillonnage recommandée :

Signal à échantillonner Période d’échantillonnage ‡ recommandée

Courant dans les entrainements électriques 50 < < 100 ˆ@
Position en robotique 0,2 < < 1 @
Position en machine-outil 0,5 < < 10 @
Débit 1< <3 @
Niveau 5 < < 10 @
Pression 1< <5 @
Température 10 < < 45 @
Tableau 1.2 : Recommandations pour le choix effectif de la période d’échantillonnage

Le tableau 1.2, donne une collection de signaux continus classiques ainsi que leurs
transformées de Laplace et leurs représentations après échantillonnage.
Nous pouvons utiliser le diagramme de Nyquist parce qu’il représente tout le contenu
spectral d’un système échantillonné.
1.9.2.2. Définition : La fréquence de Nyquist est définie par R =

R⁄2.
La fréquence de Nyquist est d’une importance cruciale puisqu’elle définit la limite
fréquentielle supérieure pour laquelle les représentations graphiques usuelles, dans le domaine
fréquentiel, suffisent à représenter tout le contenu spectral d’un système échantillonné (voir
chapitre 3). En effet, les outils graphiques, comme les diagrammes de Bode, de Black-Nichols
ou de Nyquist, sont applicables aux systèmes échantillonnés et leurs tracés peuvent se limiter
à la bande de fréquence !0, R

".

1.9.3. Conversion Numérique Analogique

1.9.3.1. Bloqueur d’ordre zéro (BOZ)
Le processeur calculant la commande à appliquer au procédé travaille de manière
séquentielle et génère des valeurs numériques avec la même période que celle qui a été
choisie pour l’échantillonnage. L’opération de conversion numérique-analogique la plus
courante consiste à produire un signal de commande en escalier à partir des valeurs
selon le schéma de la figure 1.9.

k CNA t
0 1 2 3 4 0 1 2 3 4
1
Figure 1.9 : Convertisseur numérique-analogique

1
 Le modèle mathématique que l’on associe alors à la conversion numérique analogique
est le bloqueur d’ordre zéro dont la fonction de transfert ‰ peut être facilement
calculée.
En effet, c’est la transformée de Laplace de sa réponse impulsionnelle représentée sur la
figure 1.10.

0
0

1 ‰
1

CNA
0 0 t
T
Figure 1.10: Bloquer d’ordre zéro
La réponse impulsionnelle du bloqueur d’ordre zéro est de la forme :
1.10
K −K −

Où K représente l’échelon de position unitaire. Il vient donc :

N P N P
1 1−
‰ = − = 1.11

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

0.8

0.6
Amplit

0.4

0.2

-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
temps(s)

Figure 1.11: Réponse impulsionnelle d’un BOZ obtenue avec T = 1(s)

L’association échantillonneur-bloqueur d’ordre zéro permet une discrétisation par paliers d’un
signal continu (Figure 1.12). La figure de MATLAB suivante permet de représenter

1
graphiquement les deux signaux sinusoïdaux : continu et échantillonné-bloqué.
L’échantillonnage a été effectué avec = 0.25@.

0.8

0.6

0.4

0.2

0
Am

-0.2

-0.4

-0.6

-0.8

-1

0 1 2 3 4 5 6 7 8 9 10
temps(s)

Figure 1.12 : Signal sinusoïdal continu VS Signal sinusoïdal échantillonné- bloqué

(échantillonneur-bloqueur d’ordre zéro)

1.9.3.2. Bloqueur d’ordre un (BOU)

Le bloqueur d’ordre un (BOU) permet l’extrapolation entre les instants
d’échantillonnage ‘ ’et ‘ + 1 ’ à partir de R et de R +1 . Il permet donc de
reproduire un signal échantillonné. Le bloqueur BOU étant représenté par le schéma
fonctionnel suivant :
R∗ @
‰B

Figure 1.13: Schéma fonctionnel d’un bloqueur d’ordre un (BOU)

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

1+ 1.12
‰B = 1− N P CŠ C
‹

1.10. Méthodes de calcul de la transformée en ‘z’

Afin de calculer la transformée en ‘%’ d’un signal, deux méthodes de calcul peuvent être
utilisées.
1.10.1. Première méthode : Passage de j Œ à  Ž
En fait, la transformée∗ en ‘%’ d’un signal R correspond à la transformée de Laplace du
signal échantillonné R :

2
 4
∗ ∗
S % = T!R " = ℒ!R "|Ž ‡‘ =S |Ž ‡‘ =1R %N 1.13

Ce passage peut être défini suivant le diagramme suivant :

P
ℒ %=
∗
R R S∗ S %

Figure 1.14 : Diagramme montrant le passage de R àS %

Exemple 1.7

En appliquant le passage de R à S % , la transformée en ‘%’ de l’échelon unité est obtenue

comme suit :
4
∗
’ % = &! "=’ |f “ ”• =1 %N

4 4
N
= 1 1. % = 1 %N

1 %
= =
6– ? |% NB | < 1
1− % NB
%−1
Ici, la série ∑4 % N forme une série géométrique convergente de raison — = % NB .
alors :
4
1 %
’ % = 1 %N NB = % − 1
1−%
=

1.10.2. Deuxième méthode (Méthode des résidus) : Passage de  ‘ à  Ž

Lorsqu’on sait la transformée de Laplace d’un signal continu R , on peut calculer la

transformée ‘%’ du signal R en utilisant la méthode des résidus :
S
S % = 1 =o = 1 ™=é@9U @ U ›œ 1.14
NB P
P˜ P˜ 1− % P P˜

où :
o sont les pôles de la fonction S .
=o sont les résidus associés aux pôles o.
Ici, deux cas peuvent être considérés :

2
Cas 1 : Cas de pôles simples

P
Lorsque la fonction S = P a des pôles simples, le résidu correspondant à l’un de
ces pôles simples a pour expression :

S ž 1
=o = =é@9U @ U P NB
œ = o
P˜ NB
1.15
1− % Ÿ o 1− %
P P˜
¡ P
Avec Ÿ o = ¢
¡P
P P˜

Exemple 1.8

Calculer la transformée en % du signal R défini par sa transformée de Laplace S =

B
P P3C
, en utilisant la méthodes des résidus.

Solution
Transformée en % du signal R .

La fonction S a deux pôles simples. La transformée en % de S est donnée par :

;
ž 9
1
S % =1
Ÿ
′
1− 9 %−1 ¤
9=1 9 = 9

est la période d’échantillonnage, ; le nombre de pôles simples de S , o un pôle simple

P ¥ P
de S ,S =  P
et Ÿ = ¥P .
C
Les pôles de S sont B = 0 et C = −2. De plus, ž B = 1, ž C = 1, Ÿ = +2 ,
Ÿ = 2 + 1 et donc Ÿ B = 2, Ÿ C = −2.

En appliquant la formule générale, la transformée en z recherchée peut s’écrire :

1 1
S % = − ,
2 1− % NB 2 1 − NC % NB
Soit :
1 % 1 − NC
S % = ™ ›
2 % − 1 % − NC

Cas 2 : Cas de pôles multiples

Dans le cas où S possède des pôles multiples, le résidu correspondant à l’un de ces
pôles multiples a pour expression :
=o = 1 U §NB g − § 1
o .S .ℒ hœ 1.16
; − 1 ! U §NB 1 − P % NB
P P˜

pour un pôle multiple o d’ordre ;: (; est la multiplicité de pôle o ).

2
Remarque 1.2: Avant de déterminer une transformée en ‘%’ il est préférable de décomposer la
fonction S en éléments simples (méthode de décomposition par fractions rationnelles).
Exemple 1.9
Calculer la transformée en % du signal R défini par sa transformée de Laplace,
B
S = en, considérant que les transformées suivantes sont connues.
Pƒ P3C
B f B f B f
& P = fNB & Pƒ = fNB ƒ et & P3V = fN“ ¨©”

Solution
B
Transformée en % de S = ƒ
P P3C
La fonction de transfert peut être décomposée en éléments simples.
1 0,5 0,25 0,25
S = C = C − +
+2 +2
NC
L’utilisation directe de la transformée de chaque élément donne, en posant Ÿ = :

S % = 0,5 %C − 0,25% + 0,25%

%−1 %−1 %−Ÿ
En réduisant au même dénominateur, il vient :
! " ! "
S % = 0,25% 2 − 1 − Ÿ % −C 2 Ÿ − 1 − Ÿ
%−1 %−Ÿ
ou, sous forme développée :
!2 − 1 − Ÿ " % − !2 Ÿ − 1 − Ÿ "
S % = 0,25% Y
% − % C 2 + Ÿ + % 1 + 2Ÿ − Ÿ
1.11. Inversion de la transformée en ‘Q’

1.11.1. Définition
Le passage de la transformée S % en ‘%’ à la fonction continue R n’est pas unique.
En effet, S % est la transformée de la fonction continue R ∗ obtenue par échantillonnage de
période et le bloquage d’ordre zéro de la fonction continue R . En fait, la perte
d’information entre deux instants d’échantillonnage empêche la reconstitution de la fonction
R . On notera la transformation inverse & NB :
R∗ = AR D = & NB !S % " 1.17

1.11.2. Méthodes de calcul de la transformée inverse en ‘Ž’

Plusieurs méthodes permettent d’obtenir l’ensemble d’échantillons AR D, la
méthode des résidus, la division polynomiale, la décomposition en éléments simples ou la
méthode de l’équation aux différences.
a. Méthode des résidus
L’ensemble d’échantillons AR D est obtenu par l’expression suivante :

NB
R =R = 1 =o = 1 !=é@9U @ U % . S % "|f P 1.18
P˜ ‘ª ˜

2
 f
où sont les pôles de la fonction S % =  f.
o
On définit le résidu =o à un pôle d’ordre ; en % = o par :
§NB
=o = 1 U ! %− . NB . S % "œ
o§ 1.19
; − 1 ! U% §NB
f P˜
%

Exemple 1.10

Calculer la transformée en % inverse de la fonction S % avec :

% 1 − NV
S % = NV
%−1 %−

par la méthode des résidus. 6 est une constante réelle et est la période d’échantillonnage.

Solution
1. Transformée en % inverse de la fonction S % .

La transformée inverse d’une fonction S % ayant ; pôles o est donnée par :

§

& NB !S % " = R = 1!=é@9U @ U S % % NB

"|f P˜
o B
NV
La fonction considérée a deux pôles simples en % = 1 et % = .
L’application du théorème des résidus permet d’écrire :
% % − 1 1 − NV % % − NV 1 − NV
R = œ + œ
% − 1 % − NV % − 1 % − NV
f B f “ ¨©”

Soit finalement, après calculs :

NV
R =1−

b. Division polynomiale
La fonction S % se présente fréquemment comme une fraction rationnelle en ‘%’ ou
f f
en ‘% NB ’: S % =  f =  ¨
f ¨«. Il s’agit de diviser le numérateur par le dénominateur pour
NB
obtenir une série en ‘% .

Exemple 1.11

Soit la fonction de transfert en % suivante :

% Y − 2. % C + 2. %
{ % = % Y − 4. % C + 5. % − 2

Calculer la fonction de transfert en % en inverse de { % en effectuent la division polynomiale

suivant les puissances décroissantes de % NB .

2
Solution

On effectue la division polynômiale :

% Y − 2. % C + 2. % % Y − 4. % C + 5. % −
% Y − 4. % C + 5. % − 2
2. % C − 3. % 2 2
1 + 2. % NB + 5. % NC + 12. % NY + 27. % N® + ⋯
2. % C − 8. % + 10 − 4% NB
5. % − 8 + 4% NB
5. % − 20 +2 5% NB − 10% NC
12. % −21% NB +10% NC
12. % −48% NB +60% NC −54% NY
27% NB −50% NC +54% NY
⋯
ce qui donne directement les valeurs des échantillons cherchées :

:!0" = 0 :!1" = 2 :!2" = 5 :!3" = 12 :!4" = 27

c. Méthode de la décomposition en éléments simples

Le principe de cette méthode est décrit comme suit (voir l’exemple 1.9 et l’exemple 2.2):
¬ f
- Former la fonction f ;
¬ f
- Décomposer la fonction f en éléments simples ;
- Tirer l’expression de S % en fonction de ‘% NB ’ ;
- Déterminer les échantillons R = R en utilisant la table de la transformée en ‘%’.
d. Equations aux différences (équations récurrentes)
L’équation récurrente joue un rôle équivalent, dans l’étude des systèmes à temps
discret, à celui que joue l’équation différentielle dans l’étude des systèmes à temps continu.
Cette méthode sera développée dans le chapitre suivant.
1.12. Transformée en ‘Ž’ modifiée
La transformée en ‘%’ modifiée de R , que nous désignerons par & !R " (ou bien
S %, ), n’est donc autre chose que la transformée en ‘%’ de R − 1 − , avec
∈ !0,1". L’expression de & !R " peut être calculée en utilisant les deux formules
suivantes:

- Calcul par la série

4
NB
S %, = & !R " = T!R − 1− "=% 1R + %N 1.20

- Calcul par la méthode des résidus

N P
S
S %, = & !R " = & !R − 1− " = % NB 1 ™=é@9U @ U 1− P % NB ›œ 1.21
‘ª P P˜
avec : S = ℒ !R " et o sont les pôles de la fonction S .

2
 Exercices du premier chapitre

Exercice N° 1

Calculer la transformée en % de la fonction R définie par le tableau suivant :

0 1 2 3 4 5 6 7 8 ⋯ ∞
R 1 4 6 4 1 0 0 0 0 0 0

Même question pour la fonction causale suivante.

0 1 2 3 4 5 6 7 8⋯ ∞
R 0 0 0 1 4 6 4 1 0⋯ 0

Exercice N° 2

• Trouvez la transformée en % de la fonction f(t) = sin[t pour t E0.

• Trouvez la transformée en % de la fonction R = cos [ pour t E0.

• Considérons le signal suivant : ∀ E0 R =2

Calculer la transformée en z de cette fonction.

Exercice N° 3

Soit la fonction de transfert suivante :

P3Y
G(p) = P3B P3C

Trouvez la fonction de transfert en %, { % en utilisant la méthode de décomposition

en fraction simples.

Exercice N° 4

On considère un système échantillonné régi par la relation de récurrence suivante :

@ = 0.5 NB − 0.6@ NB

• Calculer la fonction de transfert en % de ce système et déterminer la valeur finale de

l’échantillon de sortie, soit lim @ lorsque le signal d’entrée est un échelon unité.
f→3∞

2
 Deuxième chapitre
Systèmes asservis linéaires échantillonnés
2.1 . Définitions

Automatique : Ensemble des techniques qui permettent d’assurer le contrôle d’un

système dynamique (procédé physique) sans intervention humaine. En fait, l’automatique est
une science qui traite de l’identification, de la modélisation et de la commande des systèmes
dynamiques.
Modélisation : Le principe de la modélisation est de développer un modèle qui imite
le plus fidèlement possible la dynamique d’un système réel.
Identification : D’un point de vue pratique, l’identification est utilisée pour obtenir, à
l’aide d’un modèle mathématique, une représentation approximative d’un système inconnu.
En fait, l’identification fait partie de la modélisation.
Commande : L’objectif de la commande est d’agir sur les entrées d’un système afin
de :
- maintenir la sortie du système constante : ‘mode en régulation’ ;
- faire suivre à certaines sorties du système une consigne variable: ‘mode en asservissement’.
Commande en boucle ouverte (BO) : Dans une commande en boucle ouverte (BO),
le signal de commande est indépendant du signal de sortie. Cette commande ne comporte pas
de contre-réaction entre la sortie et l’entrée.
Commande en boucle fermée (BF) : Dans une commande en boucle fermée (BF), le
signal de commande dépend d’une façon ou d’une autre du signal de sortie.
Systèmes monovariables : Un système est dit monovariable s’il possède un seul
signal d’entrée et un seul signal de sortie.
Systèmes continus : Un système est dit continu lorsque les grandeurs le caractérisant
délivrent une information à chaque instant continu (on parle de domaine du temps continu).
Systèmes
délivrent discrets à: chaque
une information Un système
pas deestdiscrétisation
dit discret lorsque(on
lesparle
grandeurs le caractérisant
de domaine du temps
o
discret : = o ).
Systèmes discrets au repos : Un système discret est au repos au temps 0 si sa sortie
: E 0 est déterminée uniquement par son entrée : E 0.
Systèmes discrets causals: Un système discret est causal si sa sortie à l’instant
ne dépend pas des valeurs prises par son entrée après , c’est-à-dire ne dépend pas de
: > .
Systèmes discrets invariants dans le temps : Un système discret est invariant dans le
temps ou stationnaire si un décalage temporel de l’impulsion unité appliquée à son entrée
provoque le même décalage temporel de la sortie.
Systèmes linéaires invariants dans le temps (Linear Time Invariant ‘LTI’) : Un
système est dit linéaire invariant dans le temps s’il est décrit par des équations différentielles
(ou des équations récurrentes) linéaires à coefficients constants réels.

2
 2.2 . Représentation des systèmes linéaires échantillonnés

Un système à temps discret se définit comme un opérateur entre deux signaux à temps
discret. Considérons le système représenté sur la figure 2.1 (a), où représente le terme
général de la séquence d’entrée et le terme général de la séquence de sortie. Un modèle
entrèe-sortie, appelé aussi modèle externe, ne fait intervenir que les variables d’entrée et
de sortie . Les systèmes LTI (Linear Time Invariant) discrets monovariables peuvent être
représentés par le schéma de la figure 2.1 (b).
$ % ² %
{ %
Système

6 7
Figure 2.1 :(a) Système à temps discret (b) : Schéma fonctionnel d’un système LTI

Nous allons aborder dans ce cours les trois façons pour la représentation des systèmes
linéaires échantillonnés invariants dans le temps, à savoir :

• fonctions de transfert discrètes ;

• équations aux différences (équations récurrentes) ;
• représentation par schéma-blocs.

2.2.1. Equations récurrentes

La modélisation initiale d’un système à temps discret conduit souvent à l’écriture

d’une équation récurrente entre différents termes des séquences d’entrée et de sortie. La forme
générale d’une équation récurrente linéaire peut être donnée par :
6§ 3§ + 6§NB 3§NB + ⋯ + 6B 3B + 6 2.1
= 7 3 + 7NB 3NB + ⋯ + 7B 3B + 7

Par hypothèse 6§ ≠ 0 et ; est appelé l’ordre du système. Le système est dit causal si
les sorties dépendent uniquement des évènements passés. Pour cela il doit obligatoirement
système à la≤donnée
vérifier ;. Dans
desceentrées/sorties
cas, il est possible d’écrire l’algorithme qui détermine la sortie du
précédentes:
6§ = −6§NB NB − ⋯ − 6B N§NB − 6 2.2

N§
+7 3N§ + ⋯ + 7B N§NB +7 N§

Cette formulation de l’équation récurrente est bien adaptée au calcul numérique. C’est
la forme sous laquelle seront présentés les algorithmes de commande des procédés. Le
système est entièrement défini et l’équation récurrente peut être résolue si l’on précise les
conditions “initiales” : , B , … §NB , , B , … , NB .

2
Exemple 2.1

Soit le système par une équation de récurrence de la forme :

− 2 NB + NC = 2 NC
avec les condition initiales = 0 et B = 0.

1. Proposer une méthode de résolution de cette équation de récurrence en mettant en

œuvre une méthode récursive, en considérant que = 1, E 0.

2. Résoudre l’équation de récurrence par la transformée en %.

Solution
1. Méthode résolution récursive.

La méthode récursive consiste à calculer, pour chaque valeur de , la valeur de

à l’aide de la relation :
=2 −1 − −2 +2 −2
Ainsi, pour les différentes valeurs de , il vient, en supposant −1 = −2 = 0 et
−1 = −2 = 0.
= 2 NB − NC + 2 NC = 0
B = 2 − NB + 2 NB = 0
C = 2 B− +2 =2
Y = 2 C − B + 2 B = 6 ⋯
Et ainsi de suite.

2. Résolution par la transformée en %

L’application de la transformées en % à l’équation de récurrence donne :
² % − 2% NB ² % + % NC ² % = 2% NC ’ %
Soit :
2
² % = C ’ %
% − 2% + 1
La fonction de transfert en % ne permet pas de faire apparaître les conditions initiales. Pour
faire apparaître les conditions initiales, il faut écrire l’équation de récurrence sous la forme
3C − 2 3B + = 2 . La transformée en % s’écrit :

% C ² % − % C − % B − 2 %² % − % + ² % = 2’ %
Pour cet exemple, le résultat obtenu est le même que précédemment car les conditions
initiales sont nulles. Pour une variable constante, il vient :

2 % 2%
² % = C
= Y
% − 2% + 1 % − 1 %−1

L’utilisation des tables de transformées permet de trouver , en écrivant = 1@. Il

faut pour cela faire apparaître les transformées de fonctions connues. D’après la relation :
% + 1 − % − 1 = 2, il vient :
2% = % % + 1Y − % % − 1Y
% − 1 Y %−1 %−1
Soit : = C− = −1

2
2.2.2. Fonction de transfert discrète

De la même manière que l’on associe à un système à temps continu, une fonction de
transfert, par application de la transformation de Laplace à son équation différentielle, on peut
associer à un système
transformation en % àà sontempséquation
discret, récurrente
une fonction de transfert
(Tableau en %, par application
de transformation en z). de la
Sous
l’hypothèse que les conditions “initiales” sont nulles ( = B = ⋯ = §NB = = B=
⋯ = NB = 0) il vient la relation suivante :
6 + 6B % + … + 6§NB % §NB + 6§ % § ² % = 7 + 7B % + … + 7NB % NB + 7 % ’ % 2.3

soit encore :
² % 2.4
{ % =
’ %
L’équation 2.4 est définie comme la fonction de transfert en % du système. La fonction de
transfert { % du système est le rapport entre la transformée en ‘%’, de la sortie ² % et celle
de l’entrée ’ % , (voir Figure 2.1 (b)).
D’un point de vue analytique, une fonction de transfert discrète d’un système linéaire
invariant dans le temps ‘LTI’ discret peut être décrite au moyen des trois formes suivantes :

• forme polynomiale en ‘%’;

• forme polynomiale en‘% NB ’;
• forme zéro-pôle et gain.

a. Fonction de transfert discrète sous forme polynomiale en ‘Ž’

Généralement, un système LTI discret peut être représenté par la fonction de transfert
polynomiale en ‘%’suivante :
ž % 7 + 7B % + … + 7NB % NB + 7 % 2.5
{ % = =
Ÿ % 6§ + 6B % + … + 6§NB % §NB + 6§
%
Avec ž % et Ÿ % représentent respectivement les polynômes numérateur ; et
dénominateur de la fonction { % . Le polynôme dénominateur est appelé polynôme
caractéristique du système.
Les racines du numérateur ž % représentent les zéros du système discret.
Les racines du dénominateur Ÿ % représentent les pôles du système discret.

Les pôles et les zéros d’un système discret jouent un rôle important dans son comportement,
et dans la conception d’une commande numérique.
Dans le cas général où les conditions initiales sont non nulles la représentation en % du
système s’écrit plus exactement :
ž % ³ % 2.6
² % = ’ % +
Ÿ % Ÿ %
où le polynôme ³ % ne dépend que des conditions initiales. Il influe sur la sortie du système
sans modifier le comportement dû au signal d’entrée ’ % .

2
Exemple 2.2
Soit la fonction de transfert suivante :
{ = 1
+6 C
Trouver la fonction de transfert en %, { % en utilisant la méthode de décomposition
en élément simple (fraction simple)

Solution

1 ‰
C
= C
+ +
+6 +6
1 C 1
= lim P→ C =
+6
6
U 1 C −1
‰ = lim Š C ‹ =
P→ U +6 36
U 1 1
= lim +6 =
P→N´ U C +6 36

Ce qui donne :
1 1⁄6 1⁄36 1⁄36
C
= C − +
+6 +6
La transformée en % de cette expression est (voir aussi Tableau 2.1):
1⁄6 1⁄36 1⁄36 1 % 1 % 1 − N´
&µ C − + ¶= ™ − ›
+6 6 % − 1 C 6 % − 1 % − N´

b. Fonction de transfert discrète sous forme zéro, pôle et gain

La factorisation du numérateur et du dénominateur conduit à la forme pôles, zéros,
gain suivante :
7 % − %B % − %C … . . % − % 2.7
{ % =
6§ % − B % − C … . % − §

avec : = 1, … , ; : Pôles % = 1, … , : Zéros = : Gain

o
Z·
V¸

Par définition les pôles du système sont les racines du polynôme dénominateur et les
zéros du système sont les racines du polynôme numérateur. Les uns et les autres sont par
défaut des nombres soit réels soit complexes.
N¹
c. Fonction de transfert discrète sous forme polynomiale en ‘Ž ’

Certains auteurs préfèrent une formulation en % NB de la fonction de transfert. On peut

l’obtenir à partir de la formulation en % comme suit :
7 1 + 7 ∗% +NB⋯ + 7 % ∗ N 2.8
{ % = 6 % N§ 1 +N∗6B % NB + ⋯ + ∗6 % N§
§ §NB

2
avec les notations suivantes : ∗
7o
∗
7t

7t = 6o =
7 7§
Elle correspond à l’équation (2.2) par opposition à (2.1). Son intérêt est de représenter
le où % NB les
“retard” qui au
système est plus près de saréaliste
réalitétandis
physique
que %dans le sens représente l’opérateur
physiquement NB suppose de prévoir instants futurs. Bien
entendu, les formulations en % et % sont équivalentes.
L’écriture (2.8) fait apparaître non seulement le gain, les pôles, les zéros mais
également un retard pur % N§ entre une excitation en entrée du système et son effet sur la
sortie.
Notons également que, comme dans le cas des systèmes à temps continu, le
dénominateur de la fonction de transfert est appelé également polynôme caractéristique du
système. Son degré ; correspond à l’ordre du système et ses racines sont les pôles du système
:
6§ % § + 6§NB % §NB + ⋯ + 6B % + 6 = 6§ % − B % − C … % − §

2.2.3. Représentation des systèmes LTI discrets par schéma-blocs

Afin de représenter un système LTI discret par un schéma-blocs, trois opérateurs

élémentaires peuvent être utilisés, à savoir : multiplication par un scalaire, sommation
algébrique et décalage temporel (retard).

a. Multiplication par un scalaire

= .
⇔
. . = .

Figure 2.2 : Symbole représentant l’opération de la multiplication par un scalaire

.
b. Sommation algébrique

. .
B
= B − C + Y
= B − C + Y
⇔ −1

.
C 1

Figure 2.3 : Symbole représentant l’opération de la sommation algébrique

c. Décalage temporel (retard)

² % = −
⇔
. %N
² =
. −

Figure 2.4 : Symbole représentant le décalage temporel (retard)

3
Exemple 2.3
Soit un système LTI discret défini par le schéma-blocs suivant :

7 % NB 1 . .
% NB

.
% NB
−1

−6B −2

Figure 2. 5 : Schéma-blocs d’un système LTI discret

Trouver l’expression de la fonction de transfert discrète.

Solution
A partir du schéma-blocs de la figure 2.5, on peut tirer facilement l’équation récurrente
correspondante :
+ 6B − 1 − 1 − 6B −2 =7 −1

Puis, déterminons la fonction de transfert discrète correspondante :

Pour ce faire, il suffit d’appliquer la transformée en %:
&! + 6B − 1 − 1 − 6B − 2 " = & !7 −1
"
En utilisant les propriétés de la transformée en %, on aura:

² % + 6B − 1 % NB ² % − 6B % NC ² % = 7 % NB ’ %
Ou bien :
² % !1 + 6B − 1 % NB − 6B % NC " = 7 % NB ’ %
Formons l’expression de la fonction de transfert discrète :
² % 7 % NB
{ % = =
’ % 1 + 6B − 1 % NB − 6B % NC
Ce sui donne aussi :
² % 7 % NB %C
{ % = = NB NC . C
’ % 1 + 6 B − 1 % − 6B % %
ou bien :
² % 7 %
{ % = = C
’ % % + 6 B − 1 % − 6B
finalement on trouve :
² % 7 %
{ % =
’ % = % + 6B % − 1

3
 2.3. Choix de la période d’échantillonnage
La commande par calculateur, ou processeur, d’un procédé nécessite la mise en œuvre
de conversions numérique-analogique et analogique-numérique. La modélisation conduit
donc à considérer simultanément dans la boucle un (ou plusieurs) organes à temps continu et
un (ou plusieurs) éléments à temps discret. Alors qu’il est mal aisé de faire l’analyse des
systèmes à temps discret en tant que systèmes à temps continu dont les entrées sorties sont
non nulles uniquement par instants, la démarche inverse se révèle être très riche.
Ainsi, l’analyse d’un système commandé par calculateur numérique passe par la
définition d’un système à temps discret, comprenant le procédé commandé de nature
généralement continue, et les convertisseurs numérique-analogique et analogique-numérique,
que l’on peut respectivement assimiler au bloqueur d’ordre zéro et à l’échantillonneur, selon
le schéma de la figure 2.6.

‰ Procédé

Figure 2.6 : Procédé échantillonné

Théorème 2.1 : En pratique, il est recommandé de choisir la fréquence d’échantillonnage
dans une fourchette de l’ordre de 6 à 24 fois la fréquence de coupure du procédé.

• Cas d’un système du premier ordre

Ainsi, pour un procédé d’ordre 1 :

1 2.9
{ =
1+»
La fréquence de coupure est R¼ = 1⁄ 2½» . La fréquence d’échantillonnage R = 1⁄
sera choisie telle que (soit approximativement):
0,25 » ≤ ≤ 1,25 » 2.10
• Cas d’un système du second ordre ¾ = l. ¿
Un système du second ordre peut être discrétisé si :
0,25 1,25 2.11
≤ ≤
[ [
où [ est la pulsation propre du système du second ordre à discrétiser.

2.4. Discrétisation des systèmes LTI monovariables continus

Soit un système LTI monovariable continu défini par une fonction de transfert
continue { , telle que :
$ ²
{

Figure 2.7 : Schéma fonctionnel d’un système LTI

3
 Plusieurs méthodes de discrétisation peuvent être utilisées afin de numériser ce
système LTI monovariable continu { , parmi elles on trouve : la discrétisation par un
bloqueur d‘ordre zéro (BOZ) ; la discrétisation par un bloqueur d‘ordre un (BOU) ; la
discrétisation par approximation de Tustin et la discrétisation par approximations d’Euler
(arrière et avant).
2.4.1. Discrétisation par un bloqueur d‘ordre zéro (BOZ)

Dans cette sous-section, la méthode de calcul qui permet à la donnée d’une fonction de
transfert d’un système à temps continu de déduire le modèle en % du système à temps discret
obtenu par échantillonnage est exposée. Elle se résume au théorème suivant.

Théorème 2.2
Soit un procédé continu modélisé par une fonction de transfert {¼ . Ce procédé,
échantillonné suivant le schéma de la figure 2.6 admet une fonction de transfert en % telle
que:
% − 1 {¼ 2.12
{ % = & !{ ‰ " &™ ›
%
=

Tout d’abord, il convient de détailler l’écriture & !À " où À est une fonction de
transfert d’un système continu. Cette notation recouvre l’opération suivante:
ℒ ¨« & 2.13
À ÁÂ ℎ →ℎ →À %
A la donnée d’une fonction de transfert À , il convient en premier lieu
D, de calculer
sa réponse impulsionnelle ℎ , puis d’échantillonner ce signal, Aℎ D ≡ Aℎ et enfin de
calculer sa transformée en & ℎ = À % .
Cette procédure est détaillée par la suite sur des exemples et un tableau de conversion
est fourni (Tableau 2.1).
2.4.2. Discrétisation par un bloqueur d‘ordre un (BOU)
La version discrète de la fonction de transfert continue { peut être obtenue en la
discrétisant par un bloqueur d‘ordre un (BOU) comme le montre la figure suivante :

‰B {

Figure 2.8 : fonctionnel figurant la discrétisation du système { continu par un BOU

La fonction de transfert discrète obtenue par le BOU est donnée par :

1+ 2.14
{ % = 1 − % NB C & g C { h

3
Système continu Décomposition en elt. simples Transformée en z Système échantillonné
{¼ {¼ { { % = & ! {¼ ‰ "
&™ ¼ ›

1 1 % 1
%−1
1 1 %
C
%−1 C %−1
7 7 ⁄6 7 ⁄6 7 %
−
7 % 7 1 − NV
− NV
+6 +6 6%−1 6%− 6 % − NV

7B + 7 7 7B − »7 N ⁄Ã
+ 7 % 7 ⁄» − 7 % 7B ⁄» % − 1 − 7 1 −
+ B
» +1 » +1 %−1 % − N ⁄à % − N ⁄Ã

1 −» 1 »C −»%
+
%
+
»% » N ⁄Ã
−»+ %+»− »+ N ⁄Ã
+ + C N ⁄Ã
» +1 C » +1 %−1 %−1 %− % − 1 % − N ⁄Ã

1 1 % % ℒP« − ℒPƒ
B− C %−1
− %− P« − %− Pƒ
− B − C − B − C %− P«
%− Pƒ
7B % + 7
% − P« % − Pƒ
B− P«
B− C B− % % % 7B = C − B + 2 C − B
C C B
C
− B
B
−
C + − B− − C %−1 + % −C P« − % B− Pƒ
+ C − 2 B Pƒ
C
P« 3Pƒ
7 = B− C
Pƒ
+ B + C P«

Tableau 2.1: Calcul des fonctions de transfert des systèmes échantillonnés

2.4.3. Discrétisation par approximation de Tustin

Il est également possible d’obtenir la version discrète du système { en utilisant
l’approximation de ‘Tustin’ (approximation bilinéaire) comme le montre la figure suivante:
2%−1
→
$ ² %+1 $ % ² %
{ { %

Figure 2.9 : Schéma fonctionnel figurant la discrétisation du système continu par

approximation de Tustin

C f NB
Il s’agit de remplacer la variable complexe de Laplace ‘ ’ par f3B
, par conséquent,
dans ce cas la fonction de transfert discrète s’obtient comme suit :

{ % ={ | 2.15
P Cf
f3B

2.4.4. Discrétisation par approximation d’Euler

Cette approche consiste à approximer la dérivée continue entre deux instants
d’échantillonnage (principe d’Euler). En fait, deux approximations sont considérées :
discrétisation arrière et discrétisation avant.

3
a. Discrétisation arrière :
Cette discrétisation est représentée par la figure suivante :

%−1
→
$ ² % $ % ² %
{ { %

Figure 2.10 : Schéma fonctionnel figurant la discrétisation du système { continu

par approximation d’Euler arrière
Dans ce cas, la fonction de transfert discrète est obtenue comme suit :

{ % ={ | 2.16
P ff

b. Discrétisation avant :
Cette discrétisation est représentée par la figure suivante :

%−1
→
$ ² $ % ² %
{ { %

Figure 2.11 : Schéma fonctionnel figurant la discrétisation du système { continu

par approximation d’Euler avant
Dans ce cas, la fonction de transfert discrète est obtenue comme suit :
{ % ={ | P 2.17
f

3
 2.5. Association des systèmes discrets
Comme dans le cas continu, on peut calculer la fonction de transfert équivalente de
deux systèmes LTI à temps discret mis en série, en parallèle ou en rétroaction.
a. Deux systèmes montés en série
Montage en série Schéma équivalent

$ % ² % $ % ² %
{B % {C % {B % . {C %

b. Deux systèmes montés en parallèle

Montage en parallèle Schéma équivalent

.
{B %
+ $ % ² %
{B % + {C %
$ %
² %
+
{C %

c. Deux systèmes montés en rétroaction

Montage à rétroaction

.
Schéma équivalent
{B %
² % $ % ² %
+
$ % {C %
{Bℒ %
- 1 + {B % . {C %

3
 2.6. Règles de transformation des schémas blocs
On peut simplifier les schémas de systèmes de commande numérique compliqués en
employant des transformations faciles à établir. A ce sujet, quelques règles courantes sont
recensées dans le tableau suivant :

.
Transformation Equation Schéma fonctionnel Schéma fonctionnel équivalent

.
Retrait d’un élément d’une Ç + Ë Ç + Ë
ȹ ȹ
chaîne d’action ± ÈÉ ÈÉ
Ë = ȹ . Ç ± È É Ç ±
ÈÉ

Retrait d’un élément d’une

Ë=È . Ç∓È Ë
Ç +
È
¹
. Ë Ç
¹
È
+ ȹ . ÈÉ
.
Ë

¹ É
boucle de retour ∓
ÈÉ

Í =Î ±Ç ± Î + + Í Î + + Í
Ë
Redisposition des comparateurs Ç ± ± Ë ± ±
Cas Ä
Ë Ç

Î + + Í Î + Í

Redisposition des comparateurs Í =Î ±Ç ±Ë Ç ± + +

Ç
Cas Å ±

Ë Ë ±

+ Ç + Í
Í = È. Ç ± Ë Ç Í È
È
Déplacement d’un comparateur ± ±
en amont d’un élément ¹ Ë
Ë
Í = È. Ç È

dérivation en amont d’un

Déplacement d’un point de
È . . È

élément Ë Ë È

Déplacement d’un point de

dérivation en aval d’un élément
Í = È. Ç
Ç

Ç
. È
Ë
Ç

Ç
È

¹
. Ë

Déplacement d’un point de

dérivation en amont d’un Í =Ç ±Ë Í ±
+

.
Ë ±
comparateur
Í ±
Ë

. + Í Ç
. Í

.
Ç +
Déplacement d’un point de
dérivation en aval d’un Í =Ç ±Ë
Ç Ë ±
comparateur
±

Ç ∓
Ë
+

Tableau 2.2 : Règles de transformation des schémas fonctionnels (schémas blocs)

3
Remarque : Les lettres {B , {B et { représentent des fonctions de transfert discrètes. Les lettres
Æ, $, ² et O représentent des signaux discrets.

3
 2.7. Propriétés du modèle échantillonné
Suite aux formules du tableau 2.1 qui permettent de déterminer le modèle à temps
discret d’un système continu échantillonné, nous pouvons mettre en avant quelques propriétés
fondamentales de cette opération :

- Un système linéaire continu reste linéaire après échantillonnage.

- L’ordre du système est conservé.
- Les pôles du système échantillonné se déduisent des pôles du système continu comme
suit:
8¡o = ϼo ∀9 = 1, … . , 2.18
;
où 8¼o sont les pôles du système continu, 8¡o les pôles du système échantillonné et
la période d’échantillonnage.
- La période d’échantillonnage conditionne fortement le modèle du
système échantillonné.
- L’échantillonnage du produit de deux fonctions de transfert n’est pas égal au produit de
leurs modèles échantillonnés respectifs. Cette dernière remarque est très importante. Le
calcul d’un système échantillonné n’a de sens que s’il correspond à un transfert entre un
bloqueur d’ordre zéro et un échantillonneur.

2.8. Avantages et inconvénients du réglage numérique

L’implantation d’algorithmes de commande sur ordinateur, comparée à une réalisation
purement analogique, offre de nombreux atouts, mais souffre aussi de quelques limitations,
les quels sont examinés dans les prochaines lignes.

2.8.1 Avantages
- Une souplesse d’emploi exceptionnelle. Il est très facile de modifier les logiciels codant
les algorithmes de réglage et de conduite.
- Des régulateurs mettant en jeu de grands paramètres, pour commander des procédés lents
(volume de calcul et encombrement)
- Poids, encombrement et consommation électrique sont réduits
- Une excellente fiabilité peut généralement être assurée (insensibilité aux bruits,
élimination des dérivés)
- Maîtriser les problèmes de compatibilité électromagnétique.

2.8.2 Inconvénients
- Une légère dégradation des performances dynamiques, provenant d’un retard associé au
Convertisseur Numérique-Analogique (CNA).
- Des incompatibilités entre des matériels de générations différentes surgissent.
- Les coûts d’entretien augmentent substantiellement.
- Les dispositifs numériques deviennent relativement vite démodés.
- Les concepts numériques sont moins intuitifs que leurs équivalents analogiques. Ceci
découle vraisemblablement du fait que l’environnement physique est, à l’échelle
macroscopique que l’on considère en automatique, régi par des lois différentielles, donc
analogiques.

3
 Exercices du deuxième chapitre

Exercice N° 1

On considère un système échantillonné de fonction de transfert :

¨«
BNf
{ % =BN ,C„f ¨«3 ,C„f ¨ƒ
Etablir la relation de récurrence entre les suites d’échantillons d’entrée et de sortie et calculer
les 9 premiers échantillons de sortie lorsque le signal d’entrée est un échelon unité.
Représenter graphiquement le signal de sortie et calculer sa valeur finale.

Exercice N° 2

On considère un signal échantillonné défini par :

,Yf
{ % = fNB fN ,

Déterminer les premiers éléments de la suite d’échantillons @ correspondant à ce signal et en

proposer une représentation graphique (pour une réponse impulsionnelle).

Exercice N°3

Soit les fonctions de transferts suivantes :

1.5
{B % =
1.5 − % NB

1.5 1 + % NB
{C % =
2.5 − 1.5% NB

1.2
{Y % =
% − 0.6

On choisira une fréquence d’échantillonnage TÐ = 0.5 s.

1. Calculer et tracer sur un même diagramme, pour chacun des trois fonctions, les
premiers éléments de la suite d’échantillons (9 échantillons) de sortie lorsque le signal
d’entrée est un échelon unité.

2. Calculer dans les trois cas la valeur finale de l’échantillon de sortie.

4
 Troisième chapitre
Analyse des systèmes échantillonnés
3.1. Réponse des systèmes à temps discret
Ce paragraphe fait le lien entre les différents modèles des systèmes à temps discret et
leur comportement dynamique en réponse à des entrées connues.

3.1.1. Calcul de la réponse (A partir de l’équation récurrente)

Un système à temps discret peut être représenté par une équation récurrente :
6§ = −6§NB NB − ⋯ − 6B N§NB − 6 3.1

N§
+7 3N§ + ⋯ + 7B N§NB +7 N§

Avec ≤ ; pour des raisons de causalité.

Cette modélisation est sous forme algorithmique directement adaptable à l’implantation dans
le processeur. Elle est bien adaptée à la formulation des lois de commande. Le modèle par
équation récurrente n’est pas celui que l’on choisit généralement pour un calcul manuel de
réponse. Il peut toutefois être utilisé pour calculer point par point la réponse comme le fait un
calculateur. L’exemple suivant illustre ce calcul.
Exemple 3.1
Soit le système à temps discret suivant :
3C − 3 3B + 2 = 3.2

Il est supposé initialement au repos, soit :

=0 ∀ ≤0

et on applique une entrée impulsionnelle telle que

=0 ∀ ≠ 0 et =1 3.3

Solution
L’application successive de l’algorithme conduit à :

B =3 − 2 NB + NB = 0 < = = −1
C =3 B − 2 + = 1 < = =0
Y =3 C − 2 B + B = 3 < = = 1
® =3 Y − 2 C + C = 7 < = = 2

On peut ici reconnaître (mais ce n’est pas toujours aussi évident) la suite :
NB
= −1 + 2 ∀ >0 3.4
qui donne l’expression analytique de la réponse cherchée.

3.1.2. Calcul de la réponse (A partir de la fonction de transfert)

Théorème 3.1: Soit { % une fonction de transfert et ’ % = & ! " la transformée en &
G

d’une séquence d’entrée, sous l’hypothèse de conditions initiales nulles, la réponse du

système est donnée par :
= & NB !{ % ’

4
3.5

4
 Comme dans le cas des systèmes à temps continu, la fonction de transfert permet un
calcul aisé des réponses uniquement dans le cas des systèmes initialement au repos (voir
l’exemple de TD).
Exemple 3.2
Soit le système échantillonné représenté par le schéma suivant :
×
+
1
‰
− +2

Figure 2.8 : Schéma fonctionnel du système

où ‰ est un bloqueur d’ordre 0 et le système est échantillonné avec une période

= 0.1 s.

1. Calculer la fonction de transfert échantillonnée de ce système en boucle fermée.

2. Calculer la valeur de y kT , le système étant soumis à un échelon unitaire de type
Г t , avec y 0 = 0.
Solution
1. Fonction de transfert échantillonnée du système en boucle fermée.
L’échantillonneur bloqueur implique le calcul de la fonction de transfert échantillonnée de
la chaîne d’action de la manière suivante :
{ % = & !‰ F p " = 1 − % NB & !S ⁄ "
Soit :
1
{ % = 1 − % NB & g
+2
h
L’utilisation da la table de transformée en % conduit à :
%−1 % 1−Ÿ
{ % =Š ‹
% 2 %−1 %−Ÿ
NC
Avec Ÿ = , soit après simplification :
1−Ÿ 0,0906
{ % = =
2 %−Ÿ % − 0,8187
Remarquons que le gain statique en boucle ouverte s’obtient en écrivant % = 1 dans la
fonction de transfert en boucle ouverte. Il vaut 1⁄2 et est égal à celui de la fonction de
transfert continue obtenu en écrivant = 0.

La fonction de transfert en boucle fermée avec retour unitaire d’un système

échantillonné de fonction de transfert de type { % s’écrit :
² % { %
=
Ö % 1+{ %
Soit, dans le cas présent, après simplification :
² %= 1 − Ÿ ⁄2 = 0,0906
Ö % % − 3Ÿ − 1 ⁄2 % − 0,7281

4
 2. Calcul de
Pour calculer la variable de sortie du système échantillonné soumis à un échelon unitaire
Г t = 1, des
méthode il faut calculer
résidus. le transformée
Le signal en % étant
de consigne inverse
un de ² % en
échelon, sa utilisant
transforméepar exemple la
en % s’écrit
f
Ö % = fNBet :
² %= % 1 − Ÿ ⁄2
Ö % % − 1 % − 3Ÿ − 1 ⁄2
Il vient :
1−Ÿ % %
= i œ + œ m
2 % − 3Ÿ − 1 ⁄2 %−1
f B f ,C€B

Soit :
1 3Ÿ − 1
= Ø1 − Š ‹ Ù
3 2
Ou, avec approximativement :

1 − 0,7281
=
3
Nous obtenons la réponse d’un modèle du premier ordre à un échelon, de gain statique
Ú et de pôle A, qui s’écrit =Ú 1− , en considération la condition initiale nulle.

3.2. Etude de la Stabilité

La conception d’un système asservi doit garantir avant tout la stabilité en boucle
fermée. Ce paragraphe est consacré à la présentation d’outils permettant l’étude de la stabilité
des systèmes asservis.
3.2.1. Fonction de transfert en boucle fermée
Tout comme les systèmes continus, les systèmes échantillonnés peuvent être asservis
selon le même principe de la boucle fermée (Figure 3.1).

Ö % +

−
% chaîne directe
%
. Û %
Sortie
(grandeur à réguler)

Û % chaîne de retour
‰ %

Figure 3.1 :Schéma général d’un système échantillonné asservi.

La chaîne directe et la chaîne de retour sont modélisées par leurs fonctions de transfert
en % et les signaux d’entrée et de sortie sont bien évidemment échantillonnés à une fréquence
R et possèdent chacun une transformée en % : Ö % et Û % . L’écart n’échappe pas à la
règle. Soit % sa transformée en %.
Tout comme dans le cas des systèmes à temps continu, on définit les fonctions de
transfert en boucle ouverte { % et en boucle fermée À % par :
{ % = % ‰ %

4
et :
%
À % =
1+ % ‰ %

Dans le cas d’une boucle à retour unitaire, on a ‰ % = 1 et, par conséquent :

{ % = %
Soit :
{ %
À % =
1+{ %
3.2.2. Théorème de stabilité
Soit le système discret décrit par la fonction de transfert :
ž % 7 + 7B % + … + 7NB % NB + 7 % 3.6
{ % = =
Ÿ % 6§ + 6B % + … + 6§NB % §NB + 6§
%

On définit les pôles o du système { % qui sont les racines de l’équation (polynôme)
caractéristique :
Ÿ % = 6 % § + 6B % §NB + ⋯ + 3.7

6§

alors Si | o | < 1 ⇔ Le système { % est stable

Comme en continu, les pôles de la fonction de transfert caractérisent la dynamique du

système. Il existe plusieurs méthodes d’analyse de la stabilité pour les systèmes
échantillonnées bouclées à savoir les méthodes analytiques et les méthodes graphiques.
Toutes ses méthodes se basent sur l’équation caractéristique du système.
3.2.3. Critères analytiques

Définition : Un système linéaire discret décrit par une fonction de transfert rationnelle { %
est stable si seulement si tous ses pôles sont à l’intérieur du cercle unité (de rayon R=1 et de
centre (0,0) dans le plan complexe ‘z’), comme le montre la figure suivante :
M9 9 U @ 679>9 é M9 9 U @ 679>9 é
|%| = 1
Ü =0

³ ³ %

1
P
Ü %=
−1 1 Ü %

−1 O<; @ 67>
|%| < 1

O<; @ 67> O<; 9;@ 67> O<; 9;@ 67>

Ü <0 Ü >0 |%| > 1

Ÿ< 69; U9@?

Ÿ< 69; ?<; 9;
8>6; ?< > ′%′
8>6; ?< > ′ ′

Figure 3.2: Correspondance entre le plan complexe ‘p’ et le plan complexe ‘z’ :
Passage du domaine continu au domaine discret

4
 Dans la figure 3.3, on trouvera quelques exemples de comportements de systèmes en
fonction du lieu du pôle.

³ %

...
Modes entretenus
... ...
... .
. ..
.... .......
.. Modes convergents
..
.
Ü %

.
. . ..
−1 0 1

. . .. . . .
.. .
. .
. . . . ..
...

4
. . . . Modes divergents

.
Figure 3.3 : Sortie d'un système en fonction de son pôle en %

4
 3.2.3.1. Critère de Jury (Cas général)
3.2.3.1.1. Définition
Il s’agit d’un critère algébrique permettant d’évaluer la stabilité d’un système discret à
partir des coefficients du dénominateur de sa fonction de transfert en boucle ouverte (ou bien
en boucle fermée). En fait, ce critère s’applique directement sur le polynôme caractéristique
du système. Soit un système discret dont la fonction de transfert est la suivante:
ž % 3.8
{ % =
Ÿ %
Le polynôme caractéristique du système est donné comme suit:
Ÿ % = 6 % § + 6B % §NB + ⋯ + 6§

Où : 6 , 6B , 6C ,…., 6§ sont des coefficients réels et avec 6 > 0.

Pour évaluer la stabilité par le critère de Jury, il faut construire le tableau de Jury comme
illustré ci-dessous :

Ligne % %B %C %Y ... % §NC % §NB %§

1 6§ 6§NB 6§NC 6§NY ... 6C 6B 6
2 6 6B 6C 6Y ... 6§NC 6§NB 6§
3 7§NB 7§NC 7§NY 7§N® ... 7B 7
4 7 7B 7C 7Y ... 7§NC 7§NB
5 ?§NC ?§NY ?§N® ?§N„ ... ?
6 ? ?B ?C ?Y ... ?§NC
. .
. .
. .
2; − 5 Y C B
2; − 4 B C Y
2; − 3 —C —B —
Tableau 3.1: Tableau de Jury
Avec :
6 6;−1−9
7o = ¢ ; 69+1
¢ pour 9 = 0, 1, 2, 3, … , ; − 1
60
7;−1 7;−2−9
?o = ¢ ¢ pour 9 = 0, 1, 2, 3, … , ; − 2
79+1
70

.
.
.
—o = ¢ 3 2−9 ¢ pour 9 = 0, 1, 2
0 9+1 3.9

4
3.2.3.1.2. Enoncé du critère de Jury
Un système ayant une équation caractéristique Ÿ % de la forme (3.7) est stable si
toutes les conditions suivantes sont satisfaites :
1. |6§ | < 6
2. Ÿ 1 > 0
3. −1 § Ÿ −1 > 0
4. |7§NB | > |7 |
|?§NC | > |? | 3.10
.
.
.
|—C | > |— |

Exemple 3.3

Soit le polynôme de second ordre:

Ÿ % = % C + % + 0,21
Solution
Donc
6 = 1, 6B = 1, 6C = 0,21

Dan ce cas, le tableau de Jury a 2; − 3 = 1 ligne (car ; = 2). Il faut donc vérifier les
trois premières conditions de Jury :

- Première condition : |6C = 0,21| < 6 = 1 ;

- Deuxième condition : Ÿ 1 = 1 + 1 + 0,21 = 2,21 > 0 ;
- Troisième condition : −1 C Ÿ −1 = 1 1 − 1 + 0,21 = 0,21 > 0.

Comme les trois conditions sont satisfaites, donc les racines du polynôme Ÿ % sont à
l’intérieur du cercle unité, et par conséquent, et d’après Jury, le système associé est stable.

Remarque 3.1: Si : 6 < 0 :

- d’abord, on construit un autre polynôme : ŸB % = −Ÿ % ;

- puis, on traite le nouveau polynôme ŸB % par le critère de Jury.

3.2.3.1.3. Critère de Jury (présenté pour le cas Þ ≤ ß)

Le critère de Jury adresse la stabilité à partir de la connaissance du polynôme
caractéristique :
8 % = 6§ % § + 6§NB % §NB + ⋯ + 6B % + 6 3.11

Il est ainsi possible d’évaluer la stabilité d’un système partant d’une fonction de
transfert en étudiant le polynôme au dénominateur sans en calculer les racines (Le critère de
Jury adresse la stabilité à partir de la connaissance du polynôme caractéristique).

Théorème 3.2: Un système linéaire à temps discret est asymptotiquement stable si et

seulement si les coefficients de son polynôme caractéristique vérifient les relations qui
suivent. Les conditions dépendent de l’ordre du système < = ; = 2 , 3 4 . Pour plus de

4
simplicité on suppose que 6§ > 0. Dans le cas contraire il suffit de multiplier tous les
coefficients par -1.
Pour n=1
On a : |6 | < 6B 3.12
Pour n=2
6 + 6B + 6C > 0
à 6 − 6B + 6C > 0 3.13
6C − |6 | > 0
Pour n=3
6 + 6B + 6C + 6Y > 0
−6 + 6B − 6C + 6Y > 0 3.14
6Y − |6 | > 0
6 6C − 6B 6Y − 6C + 6CY >
0
á
Pour n=4

ä 3.15
6 + 6 B + 6 C + 6 Y + 6® > 0
6 − 6 B + 6 C − 6 Y + 6® > 0
ã 6®C + 6C − |6 6Y − 6B 6® | > 0
C
á 6 − 6® 6 − 6 C + 6® + 6 B − 6 Y 6 6 Y − 6B 6® >

Il n’est pas toujours facile de calculer les pôles d’une fonction de transfert surtout
quand celui-ci se présente sous forme développée. Le critère de jury permet de déterminer la
stabilité d’un système à partir des coefficients du dénominateur.

3.2.3.2. Critère de Routh-Hurwitz

3.2.3.2.1 Transformation en å
Le critère de Jury atteste que les racines d’un polynôme appartiennent au disque unité
|%| < 1 sans avoir à les calculer. Le critère de Routh- Hurwitz quant à lui atteste que les
racines d’un polynôme appartiennent au demi-plan gauche Ü < 0 . Il n’est donc pas
directement applicable pour les systèmes à temps discret.
Lemme 3.1 : Soit 8 % un polynôme de degré n et soit 8æ ç le polynôme du même
degré obtenu par la relation suivante :
1+ 3.16
8æ ç = 1 − w é P Š
w
‹
1−w
Le polynômeæ 8 % a toutes ses racines dans le disque unité |%o | < 1 si et seulement si les
racines de 8 ç @ont dans le demi-plan gauche Ü ço < 0 .

Preuve 3.1: Soit la transformation bijective suivante :

1+w %−1 3.17
%= ⇔ç =
1−w %+1

Elle transforme la variable complexe z en une nouvelle variable w telle que :

4
 ƒ ƒ
ì 3í NB3Ctí 3.18
% = a + ëb ⇔ ç = ì3B ƒ 3íƒ

D’où |%| < 1 ⇔ a C + b C < 1 ⇔ Ü ç < 0 3.19

Le polynôme 8æ ç n’a aucune interprétation en Automatique.

3.2.3.2.2 Application du critère de Routh-Hurwitz

On construit le polynôme 8æ ç avec :

1+w
8æ ç = 1 − w PŠ é
‹
1−w
ce qui donne, après développement, l’équation caractéristique en ç :
8æ ç = + aéNB wéNB + ⋯ … + aB w é + a 3.20
é
aé w
Il est alors possible d’appliquer le critère algébrique de Routh, bien connu pour les systèmes
continus.

Il consiste, dans un premier temps, à former le tableau suivant à partir des coefficients de
l’équation caractéristique en ç :

aé aéNC aéN®

aéNB aéNY aéN„

7 7B 7C

? ?B ?C
.
.
.
.
U

Avec

7 = a a
éNB éNC −éa éNY aéNB aéN® − éa éN„
; 7B
aéNB aéNB
b aéNY− a éNBbB
? = ; ?B = b a éN„ − aéNB Cb
b b
Propriétés 3.1:
- Le critère de Routh dit qu’une condition nécessaire et suffisante de stabilité
asymptotique du système est que les éléments de la première colonne du tableau de Routh de
8æ ç soient tous strictement positifs ou strictement négatifs. On peut remarquer que, si un
seul des coefficients de 8æ ç est de signe différent des autres, le système est instable.
- Le nombre de racines instables (c’est-à-dire à partie réelle positive) est égal au
nombre de changements de signe dans la première colonne.

5
Remarques 3.2:
- Ce critère marche quel que soit l’ordre du système.
- Un tel critère ne donne aucune indication sur le degré de stabilité comme la marge de
gain ou la marge de phase.
- Il ne s’applique pas aux systèmes contenant un retard.

Exemple 3.4

Soit l’équation caractéristique d’une fonction échantillonnée suivante :

Ÿ % = % C − 1,6% + 0,64 + 0,16 avec >0

Etudier la stabilité de l’équation à l’aide du critère de Routh et Jury.

Solution

a- Critère de Routh
On a la relation suivante :
8æ ç = 1 − w é
PB3ñ
BNñ avec % = B3ñ
BNñ

La nouvelle équation caractéristique est :

1+ C
8æ ç = 1 − ç C
™Š − 1,6 Š1 + ç‹ + 0,64 + 0,16 ›
ç 1−ç
‹
1−ç

8æ ç = 3,24 + 0,16 ç C + 0,72 − 0,32 ç + 0,04 + 0,16

Déterminons les conditions de stabilité de ce système à l’aide du critère de Routh :

3,24 + 0,16 0,04 + 0,16

0,72 − 0,32

0,04 + 0,16

Ce qui donne
3,24 −
à0,72 + 0,32
0,16 >
> 00 > −3,24⁄0,16 > −20,25
0,04 + 0,16 > 0 ⇒ à < 0,72⁄0,32 ⇒ à < 2,25
> −0,04⁄0,16 > −0,25

Pour que le système est stable, il faut que : < 2,25 et puisque > 0 donc :

0< < 2,25

5
 b- Critère de Jury

Pour un système de deuxième ordre (n=2) et sachant que :

6C = 1, 6B = −1,6 et 6 = 0,64 + 0,16 , on a :

D’après le critère de Jury, le système est stable si et seulement si toutes les conditions
suivantes sont respectées :

6 +6 +6 >0
à6 − 6BB + 6CC > 0
6C − | 6 | > 0

1+
à1 − 1,6
1,6 +
+ 0,64
0,64 +
+ 0,16
0,16 >
>00 0,04 + 0,16 > 0 > −0,25
1 − 0,64 − 0,16 > 0 ⇒ à3,24 + 0,16 > 0 ⇒ à > −20,25
0,72 − 0,32 > 0 < 2,25

Donc pour que le système est stable, il faut que : 0 < < 2,25

3.2.3.3. Critère matriciel de Schur-Cohn

Ce critère est utilisable quel que soit l’ordre du système. Il permet de savoir si toutes
les racines de l’équation caractéristique sont de modules inférieur à 1, auquel cas, le système
est réputé stable en boucle fermée.
Définition : La matrice de Schur-Cohn s’écrit, en fonction des coefficients du polynôme de
l’équation caractéristique :
…
? 0 ⋯ 0 ?§ ?§NB ⋯ ⋯ ?§N 3B
ö ? û
õ B ⋱ ⋱ ⋮ 0 ⋱
ú
⋮ ⋱ ⋱ ⋮ ⋮ ⋱ ⋱
õ ú
õ ?
⋮ ⋱ ⋱ ⋱ 0 ⋮ ⋱ ⋱ ?§NB
NB ⋯ ⋯ ?B ? 0 ⋯ ⋯ 0 ?§ ú
Û =õ ⋯ ⋯ 0 ú
õ ?§ 0 ? ?B ⋯ ⋯ ? NB ú
3.21
õ ? ⋱ ⋱ ⋮
⋱ ⋱ ⋮ 0 ú
õ §NB ⋱ ú
⋮ ⋱ ⋱ ⋮ ⋮ ⋱ ⋱ ⋱ ⋮
õ ⋮ ⋱ ⋱ ⋱ ?B ú
⋱ 0 ⋮
?
ô §N 3B ⋯ ⋯ ? §NB ?§ 0 ⋯ ⋯ 0 ? ù
L’analyse de la stabilité passe par le calcul du déterminant de la matrice de Schur-Cohn.
Notons :
∆ =U Û 3.22

Le critère de stabilité de Schur-Cohn s’énonce ainsi :

Propriété 3.2: Le système échantillonné sera stable en boucle fermée si pour tout tel que
1≤ ≤; :

∆ < 0 pour impair

∆ >0 pour pair

5
3.2.4. Critères géométriques
Les critères géométriques sont très souvent utilisés dans l’étude de la stabilité des
systèmes asservis continus car, en plus de l’information "stable" ou "instable", ils permettent
d’avoir une mesure du degré de stabilité des systèmes asservis via la marge de gain et la
marge de phase. Ces mêmes critères sont applicables aux systèmes asservis échantillonnés
avec toutefois quelques précautions d’usage. Pour ceux-ci, les pôles de la fonction de transfert
en boucle fermée sont les racines d’une équation caractéristique pouvant être mise sous la
forme :
1+ { % =0 3.23
où est un scalaire positif.

3.2.4.1. Définition
Soit un système LTI discret défini par une fonction de transfert { % , sa réponse fréquentielle
s’obtient en faisant % = tü , donc on aura { tü . Cette réponse est caractérisée par deux
paramètres, qui sont :

- le gain : { = ý{ tü ý ;
- la phase : þ = 6=: { ë[ .

Comme dans le domaine continu, l’étude d’une réponse fréquentielle d’un système discret
peut être effectuée soit par :

- le lieu de Nyquist ;
- le diagramme de Bode ;
- le lieu de Black-Nichols.

3.2.4.2. Marges de stabilité

La marge de gain et la marge de phase sont des indicateurs du fait que le système
asservi est plus ou moins éloigné de l’instabilité. Elles quantifient la robustesse de la stabilité
vis-à-vis de modifications du processus.

a. Marge de gain È : c’est le gain multiplicatif, introduit dans la fonction

en
boucle ouverte, qui conduirait le système bouclé à la limite de stabilité.
b. Marge de phase  é : c’est la phase qu’il faut ajouter à l’argument de la
fonction de transfert en boucle ouverte pour que le système bouclé soit stable.

Les valeurs usuelles de marge de gain et de phase sont :

- Marge de gain : 10 à 12 dB.

- Marge de phase : 45° à 50°.

Le diagramme de Bode et lieu de Nyquist sont des outils très utiles pour apprécier les marges
de stabilité des systèmes stables en boucle ouverte.

5
 Les figures 3.4 et 3.5 montrent respectivement les marges de gain et de phase associés
au diagramme de Bode et au lieu de Nyquist, d’un système discret, obtenues en boucle
ouverte:
System: Gd Bode Diagram
10
Peak gain (dB): 1.09
At f requency (rad/sec): 0.672
0
M a g n itu d e

-10
System: Gd
System: Gd
Gain Margin (dB): 8.35
Gain Margin (dB): 26.8
At frequency (rad/sec): 1.62
-20 At frequency (rad/sec): 3.14
Closed Loop Stable? Yes
Closed Loop Stable? Yes

-30
0
System: Gd
System: Gd Phase Margin (deg): 67.3
-45 Phase Margin (deg): -180 Delay Margin (samples): 1.22
Delay Margin (samples): Inf At frequency (rad/sec): 0.961
-90 At f requency (rad/sec): 0 Closed Loop Stable? Yes
Phase(

Closed Loop Stable? Yes

-135

-180

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

Figure 3.4 : Figure montant les marges de gain et de phase sur un diagramme de
Bode d’un système discret en boucle ouverte
Nyquist Diagram
1.5

0.5
Imaginary

-0.5

-1

System: Gd
Phase-0.2Margin (deg):
0 67.3
0.2
Delay Margin
Real (samples):
Axis
-1.5 1.22
At f requency (rad/sec):
Figure 3.5 -1 -0.8
: Figure -0.6
montant -0.4 0.961
les marges
Closed Loop deStable?
gain Yes 0.4
et de phase 0.6
sur un0.8
lieu de1Nyquist d’un
système discret en boucle ouverte

5
3.2.4.3. Critère de Nyquist

Le critère de Nyquist permet de savoir si les racines d’une expression de la forme

(3.23) avec = 1 fixé, sont à partie réelle négative en raisonnant sur le lieu de Nyquist de la
fonction de transfert échantillonnée.
× (t) S(t)
e(t) +
G(p)
-

Figure 3.6: Schéma d’un asservissement échantillonné

Méthode pour le tracé du lieu de Nyquist pour les systèmes échantillonnés :

Pour les systèmes échantillonnés, le tracé du lieu de Nyquist peut être obtenu de deux
façons différentes :
- Soit à partir de la fonction de transfert { % puis en remplaçant % par tü . On calcule
alors le nombre complexe résultant du calcul de { tü . Dans ce cas, la pulsation [ varie de
0 à [ , pulsation de Nyquist où [ = 2½R = ½⁄ (voir le chapitre 1).
- Soit à partir de la fonction de transfert en [ de { % . Appelons {æ ç cette fonction de
transfert. On a la relation
{æ ç = { % 3.24
où
w+1 3.25
%=
w−1
et
%−1 3.26
ç =
%+1
tü
En remplaçant % par dans (3.26), on montre que :
[ 3.27
[ = ë tan Š ‹
2
ü

Or, lorsque [ varie de 0 à , tan varie de 0 à +∞. On pose alors

C
3.28
[
[ = tan Š
‹
2

On voit qu’en posant [ = ë[ , où [ varie de 0 à +∞, on obtient un changement de

variable
analogue au cas des systèmes continus lorsque l’on trace leur lieu de Nyquist.

C’est la deuxième approche que l’on préfère généralement utiliser car d’un point de vue
pratique, dès que l’on a calculé {æ ç , la démarche pour le tracé du lieu de Nyquist est
identique au cas des systèmes continus.

5
Remarque 3.3 : La
de la pulsation [. relation
Lorsque(3.28) montre la
l’on choisit quedeuxième
la variable [ n’a pas
approche, la signification
il faudra veiller à physique
faire la
correspondance inverse
2
[ = tanNB [ 3.29

Pour tracer le lieu de Nyquist de la fonction de transfert {æ ç , on procède suivant la

démarche suivante :
1. significatives
soient Dresser un tableau avec
pour le en première
tracé. Dans unecolonne,
deuxième uncolonne,
certain nombre
reporterdelavaleurs de [ qui
vraie pulsation [
correspondante. Sur une troisième colonne, reporter le calcul de la partie réelle de {æ ë[
pour chacune des valeurs de [ et en dernière colonne, la partie imaginaire de {æ ë[ .

[ [ Ü {æ ë[ ³ {æ ë[

Tableau 3.2:Tableau de Nyquist

2. Reporter sur un graphique représentant le plan complexe, la fonction ³ {æ ë[ =

R ŠÜ {æ ë[ ‹ point par point en précisant chaque valeur de [ , et en reliant ces points
dans
le sens des [ croissants.
3. Placer le point critique d’affixe −1 + ë0.

3.2.4.4. Critère de Nyquist simplifié (ou critère du revers)

Hypothèse 3.1: Le système est stable en boucle ouverte, autrement dit la fonction de transfert
en [, { [ , n’a pas de pôles à partie réelle strictement positive.
Dans ce cas, le système sera stable en boucle fermée si lorsque l’on parcours le tracé
du lieu de Nyquist dans le sens des [ croissants, le point critique reste à gauche.

³ {æ ë[ ³ {æ ë[

−1 −1
+ Ü Š{ ë[ ‹ Ü Š{ ë[ ‹
+

O<; @ 67> O<; 9;@ 67>

Figure 3.7 : Ttracé du lieu de Nyquist

Les marges de stabilité (marge de gain et marge de phase) se déduisent alors du lieu de
Nyquist comme dans le cas des systèmes continus.

5
3.2.4.5. Lieu de Bode et lieu de Black-Nichols

Les lieux de Bode et de Black-Nichols sont obtenus comme dans le cas continu lorsque l’on
considère {æ ç , transformée en [ de { % . Pour leur tracé, on peut alors s’aider du tableau
suivant :

[ [ ý{æ ë[ ý 6=: {æ ë[

Tableau 3.5: Les lieux de Bode et de Black-Nichols

et procéder de la même manière que pour le lieu de Nyquist. Pour le lieu de Bode, on peut
aussi faire un tracé asymptotique de la fonction de transfert {æ ç .

3.2.4.6. Lieu des racines (ou lieu d’Evans)

Ce graphique représente l’évolution des racines de l’équation (3.23) dans le plan complexe
O = + ë , lorsque varie de 0 à +∞. Ainsi, il est possible de visualiser la trajectoire de
chaque pôle depuis leur position en boucle ouverte. Il présente un intérêt puisque lorsque
= 1, les racines de (3.23) sont les pôles du système en boucle fermée.
Il existe des règles, dont nous nous ferons pas mention dans ces notes pour le tracé
asymptotique des trajectoires.

5
 Exercices du Troisième chapitre
Exercice N°1
La fonction de transfert du système s’écrit :
1
{ % =
%C − 3% + 2
Trouver la réponse impulsionnelle du système, en utilisant la méthode de décomposition
en éléments simples.

Exercice N°2

On considère le système régi par l’´equation récurrente suivante :

² 3C − 5² 3B + 6² = ’

Calculer sa réponse indicielle et sa réponse impulsionnelle.

Exercice N°3

On considère un système échantillonné de fonction de transfert { % placé dans une

boucle d’asservissement à retour unitaire, avec :
{ % = fN ,® fN ,€
avec k > 0

1. Calculer la fonction de transfert en boucle fermée et étudier les conditions de stabilité

de ce système en boucle fermée.
2. Le système étant sollicité, en boucle fermé, par un échelon, calculer les premiers
éléments de la suite des échantillons de sortie dans le cas K = 0,3 et dans le cas K = 1.

Exercice N°4

On considère un système échantillonné de fonction de transfert { % placé dans une

boucle d’asservissement à retour unitaire, avec :
f
{ % = fN ,
avec k > 0 réglable

1. Calculer la fonction de transfert en boucle fermée et étudier les conditions de stabilité

de ce système en boucle fermée.
2. Calculer l’erreur statique en fonction de K.
3. Le système étant sollicité, en boucle fermé, par un échelon, calculer les premiers
éléments
une erreurdestatique
la suiteégale
des échantillons
à 0,1. de sortie dans le cas où K est réglé de manière à obtenir

5
 Quatrième chapitre
Synthèse des systèmes échantillonnés
4.1. Etude de la Précision
En plus de la stabilité, un système asservi doit présenter d’autres qualités lui
permettant d’assurer des performances satisfaisantes. Dans ce paragraphe, la précision est
étudiée. Les systèmes bouclés considérés ici sont supposés stables.

Définition : La précision est la capacité d’un système à suivre un ensemble de consignes

particulières avec une erreur acceptable par le cahier des charges.

On distingue deux types de précision :

- la précision statique qui caractérise, pour une entrée donnée, la limite de l’erreur dite
statique au bout d’un temps infini, c’est-à-dire bien plus grand que la durée de la réponse libre
du système. On parle de régime permanent ou encore de régime établi,
- la précision dynamique qui tient compte des caractéristiques d’évolution du processus
principalement pendant le régime transitoire, c’est-à-dire sur un horizon de l’ordre de
grandeur de la durée de la réponse libre du système.

4.1.1. Précision statique

4.1.1.1. Erreurs de position et de vitesse

On définit, pour les systèmes à temps discret, les mêmes performances que pour les
systèmes à temps continu. Il en est ainsi de la précision des systèmes qui est ici, toujours
définie par les notions d’erreurs de position et de vitesse. Nous limiterons notre étude à la
précision statique (erreur statique en régime permanent).
Considérons un système échantillonné asservi de fonction de transfert en boucle
ouverte G(z), placé dans une boucle à retour unitaire et représenté sur la figure suivante.

E(z) + ×(z) S(z)

G(z)
-

Figure 4.1: Schéma d’un asservissement échantillonné à retour unitaire

On définit l’erreur de position ×P par : (pour un échelon unité)

×P = →3∞
lim × 4.1

En appliquant le théorème de la valeur finale, on obtient :

%−1 4.2
lim gŠ % ‹ × % h
×P = f→B

5
Or : × % =Ö % −Û % =Ö % −{ % × %

f
d’où : × % =B3 f
4.3

On a donc
%−1 Ö % 4.4
lim ™Š % ‹ 1 + { % ›
×P = f→B

Comme le signal d’entrée est un échelon unité, on a :

% 1 4.5
Ö % = ⇒ ×P = lim g h
%−1 f→B 1 + { %

On définit également l’erreur de vitesse × par : (pour une entrée rampe)

× = →3∞
lim × 4.6

On a toujours :

%−1 Ö %
› 4.7
f→B % 1+{ %
avec cette fois :

% 4.8
Ö% =
2 ⇒ ×– = lim g h
%−1 %→1 % − 1 !1 + { % "

L’erreur statique dépend de l’entrée test Ö % qui est appliquée au système, on rappelle que :
Ö?ℎ ><; Ü6 86=67<>
Ö % % % C
% %+1
%−1 %−1 C 2 %−1 Y

4.1.2. Précision d’un système échantillonné du premier ordre

On considère un système échantillonné de fonction de transfert en boucle ouverte G(z)

placé dans une boucle à retour unitaire (figure 4.1), avec :
7 7% 4.9
{ % = NB
= 6– ? 7 > 0 0 < 6 ≤ 1
1 − 6% %−6

Nous savons déjà que le système est stable en boucle fermée si l’unique pôle de la
fonction de transfert en boucle fermée est inférieur à 1.
V
Soit <1 4.10
Z3B

5
 a- Calcul de l’erreur de position

L’erreur de position de ce système asservi a pour expression :

1 1
×P = %→1
lim g1 + { % %→1 7
1 + 1 − 6% NB

fNV BNV
B
Soit ×P = f→B
lim ™ ›=lim
f→B Z3B fNV =Z3BNV 4.11
B3 ¨©

Remarque 4.1: Compte tenu de la condition de stabilité, le dénominateur de cette expression

ne peut être nul.

Cette erreur de position est nulle, autrement dit le système est parfaitement précis en boucle
fermée, si 6 = 1, donc si la fonction de transfert en boucle ouverte { % possède un pôle
égale à 1.

b- Calcul de l’erreur de vitesse

L’erreur de vitesse du système asservi a pour expression :

×– = %→1
lim u 7% v
%−1 1 %+− 6

4.12
fNV
Soit : × = lim → ∞
f→B fNB ! Z3B fNV"
donc infinie, sauf si 6 = 1, auquel cas :
fNB
× =f→B
lim fNB ! Z3B fNB" =Z 4.13

4.1.3. Généralisation

Considérons un système échantillonné asservi représenté sur la figure suivante :

× (t)
e(t) + y(t) s(t)
‰ (p) A(p)

∗
(t)

Figure 4.2 : Système asservi

5
De façon générale un système peut se mettre sous la forme :
f
‰ % =Ú fNB
, avec lim{ % = 1
f→B
4.14

Le nombre de pôles en % = 1, noté ? ∈ ℕ, est appelé la classe du système. Il s’agit du nombre

d’intégrateurs dans le bloc . Attention, il ne faut pas compter le terme 1⁄ issu du
bloqueur d’ordre zéro car il n’est pas associé à un intégrateur réel. Sa présence provient de la
modélisation du bloqueur. Le terme intégral du bloqueur est d’ailleurs compensé lors de
l’application du théorème de la valeur finale (équation 4.2) dans le calcul des différentes
erreurs statiques.

Les précisions statiques dépendent de la classe du système et de l’entrée appliquée, comme

l’indique le Tableau 4.1 suivant :

Classe
?=0 ?=1 ?=2 ?>2
Erreur ×P 1⁄ 1 + Ú 0 0 0
statique × ∞ ⁄Ú 0 0
C
×V ∞ ∞ ⁄Ú 0

Tableau 4.1 : Erreurs statiques pour un système échantillonné en fonction de la classe

Au coefficient près, il y a une analogie entre précision pour systèmes continus et systèmes
échantillonnés. Comme en continu, l’erreur statique est inversement proportionnelle au gain
Ú, à une classe fixée. Plus le gain en boucle ouverte augmente, plus la précision statique est
bonne, alors que la stabilité est dégradée. La précision statique et la stabilité sont deux
performances duales, a priori contradictoires.

La présence d’un intégrateur dans la fonction de transfert en boucle ouverte assure une
erreur de vitesse finie d’autant plus faible que la période d’échantillonnage est faible. La
présence d’au moins deux intégrateurs assure la nullité de l’erreur de vitesse.

6
4.2. Commande numérique de systèmes discrets
Les contrôleurs (régulateurs) Proportionnel-Intégral-Dérivé (PID) sont des organes de
contrôle permettant d'effecteur une régulation en boucle fermée d'un système industriel. Ce
sont les contrôleurs les plus utilisés dans l'industrie et permettent de contrôler la grande
majorité des procédés.

4.2.1. Transposition des contrôleurs PID analogiques

Afin de pouvoir importer un régulateur PID analogique dans un calculateur
numérique, il faut le transposé (numérisé) en utilisant les différentes techniques de
discrétisation.
Les régulateurs discrets élaborent une grandeur de commande discrète en fonction de
l’écart de réglage discret du système à commander. Selon la complexité du régulateur, la
grandeur de commande à l’instant est formée en fonction de la valeur de l’écart à cet
instant, mais aussi avec les instants précédents − 1, − 2, etc.

4.2.1.1. Discrétisation
Cette approche suppose que l’on ait réalisé la synthèse d’un correcteur analogique par
les méthodes d’étude des systèmes continus. On recherche alors un algorithme numérique qui
se rapproche le plus possible du correcteur analogique, en faisant des approximations de la
variable de Laplace , ou sur les pôles et zéros de la fonction de transfert du correcteur
analogique. Si on raisonne en termes de fonctions de transfert, on cherche à obtenir la
fonction de transfert Ü % d’un correcteur numérique par approximation de celle d’un
correcteur analogique Ü , comme illustré sur la figure 4.3.
e(t) + s(t)
Ü (p) G(p)
-

discrétisation
@(t) @
+
Ü¡ (z) ‰ (p) G(p)
-

Figure 4.3 : discrétisation d’un correcteur analogique

4.2.1.1.1. Approximation de la variable ‘

Le principe de l’approche consiste à déduire un correcteur Ü¡ % du correcteur ܼ en
choisissant une approximation de la variable , selon le schéma de la Figure 4.3.

6
 Ü (p)
Ü¡ (z)
=R %

Figure 4.4 : Approximation de la variable

Les approximations les plus utilisées pour approcher la dérivée et l’intégrale continues
sont résumées dans le tableau suivant :

Dérivation Intégration
Méthode d’Euler arrière
(Discrétisation arrière) %−1 1 %
→ →
% %−1

Méthode d’Euler avant

(Discrétisation avant) %−1 1
→ →
%−1

Méthode de Tustin
(Transformation bilinéaire) 2%−1 1 %+1
→ →
%+1 2%−1

Tableau 4.2: Différents approximations de la Dérivée et de l’Intégrale continues

Exemple 4.1

On considère le correcteur suivant :

ܼ = 1 + 0.53
1 + 0.21

On désire étudier le comportement de ce système dans le cas d’un régulateur numérique

calculé par discrétisation (Avant, Arrière et Tustin) du régulateur analogique précédent, pour
une période d’échantillonnage = 0.3@.

solution
f NB
1. Avec la discrétisation Avant : ( →
1 + 0.53
ܼ =
1 + 0.21

Cette dernière peut être écrite sous la forme suivante :

%−1
1 + 0.53
Ü¡ % = %−1
1 + 0.21

L’équation Ü¡ % correspondante est donnée par :

+ 0.53% − 0.53

6
Ü¡ % =
+ 0.21% − 0.21

6
Avec = 0.3 @, on trouve le régulateur avec la discrétisation Avant numérique suivant:

Ü¡ % = 0.53% − 0.23
0.21% + 0.09
f NB
2. Avec la discrétisation Arrière : ( → , on trouve le régulateur numérique suivant:
f
0.83% − 0.53
Ü¡ % =
0.51% − 0.21
C f NB
3. Avec la méthode de Tustin : → f3B
, on trouve le régulateur numérique suivant:

1.36% − 0.76
Ü¡ % =
0.72% − 0.12
4.2.1.1.2. Adaptation des pôles et des zéros
Cette approche (matched pole-zero method) consiste à appliquer la transformation % = P
aux pôles et aux zéros de la fonction de transfert du correcteur continu, avec un facteur
bien % → 1. permettant de conserver le gain aux basses fréquences c’est-à-dire pour → 0 ou
multiplicatif
Par exemple, le correcteur analogique :
ܼ = +6
+7
est approché par le correcteur discret :
NZ NV
Ü¡ % = 6 1 − NV % − NZ
71− %−
4.2.1.2. Réalisation des contrôleurs PID numériques
Dans cette section, nous allons utiliser l’approximation d’Euler arrière pour discrétiser
les différents contrôleurs analogiques.

a- Contrôleur P numérique
En utilisant la transformée en ‘%’, nous obtenons la fonction de transfert du contrôleur
8 numérique équivalent:
f 4.15
% = f =Ú
P

Ce régulateur est décrit par l’équation récurrente suivante :

= ÚP 4.16

Son schéma fonctionnel est donné comme suit :

ÚP

Figure 4.5: Schéma fonctionnel du contrôleur 8 numérique

6
 b- Contrôleur PI numérique
En utilisant l’approximation d’Euler arrière, nous trouvons :

f f

4.17
Ï % = = ÚP 1 +
= +f=B % NB fNB
=
1 − % NB
˜
L’équation récurrente suivante permet de décrire ce régulateur :

= NB += + =B NB 4.18

Avec : = =Ú 1+ ˜
et = = −Ú
P B

Son schéma fonctionnel peut être donné comme suit :

. +

+
ÚP

%
o
%−1

Figure 4.6: Schéma fonctionnel du contrôleur PI numérique

c- Contrôleur PD numérique
f NB
Sa version numérique est obtenue en utilisant l’approximation d’Euler arrière : = f
% = f = ÚP 1 + f NB 4.19
ϝ
f f

ou bien : ϝ % = = + =B % NB 4.20

Ce contrôleur est représenté par l’équation récurrente suivante :

== + =B NB 4.21

Avec : = = ÚP 1 + et =B = −ÚP

Son schéma fonctionnel est montré par la figure suivante :

6
 . +

+
ÚP

¡
%−1
%

Figure 4.7: Schéma fonctionnel du contrôleur PD numérique

d- Contrôleurs PID numériques

Dans cette section, deux structures des contrôleurs PID analogiques sont discrétisées
par la méthode d’Euler arrière. Par conséquent, leurs fonctions de transfert numériques
équivalentes et leurs équations récurrentes sont calculées ; et leurs schémas fonctionnels
correspondants sont présentés.

d-1- Structure PID numérique série

La structure série du contrôleur PID numérique est définie par la fonction de transfert :
’ % % ¡ 4.22
%−1
Ï  % = = ÚP Š1 + ‹ Š1 + ‹
Ö % %−1 %
o
Cette fonction de transfert peut être écrite :

= + =B % N B + =C % N C 4.23
Ï  % =
1 − % NB

L’équation récurrente correspondante est donnée par :

= NB += + =B NB + =C 4.24

NC

Par définition : = = ÚP C + o + ¡ o ⁄ o, =B = −ÚP +2 ¡ ⁄ et =C = ÚP ¡⁄ o

˜3
Avec : ÚP = ÚP , o = o + ¡ et ¡ = ˜
˜ ˜ 3

Cette structure, apparaissant sous forme de schéma fonctionnel dans la figure suivante :

ÚP . o
%−1
%
+
+
. ¡ %−1
% +
+

Figure 4.8: Schéma fonctionnel du contrôleur PID numérique série

6
 d-2- Structure PID numérique parallèle

Une structure parallèle du contrôleur PID numérique s’obtient en posant Úo = ÚP ⁄ o et

Ú¡ = ÚP ¡ . La structure parallèle du contrôleur PID numérique est définie par la fonction de
transfert :
’ % = Ú + Úo % + Ú¡ % − 1 4.25
Ï  % = P
Ö % %−1 %

Cette fonction de transfert peut être écrite en ‘% NB ’:

= + =B % N B + =C % N C 4.26
Ï  % =
1 − % NB

L’équation récurrente correspondante est donnée par :

= NB += + =B NB + =C NC 4.27

Cette structure, apparaissant sous forme de schéma fonctionnel dans la figure suivante :

ÚP

+
%−1
Úo %

.
+
+

Ú¡ % − 1
%

Figure 4.9: Schéma fonctionnel du contrôleur PID numérique parallèle

C
Par définition : = = Ú P + Ú ¡ ⁄ , =B = Úo − ÚP − 2Ú¡ ⁄ et =C = Ú¡

4.3. Choix du correcteur

La structure du correcteur PID fait apparaître trois actions : l’action Proportionnelle,
l’action Intégrale et l’action Dérivée.

a. Action qualitative
Action P : augmente la bande passante, donc la rapidité ; améliore la précision et dégrade la
stabilité.

6
Action I : ralentit le système ; améliore la précision en augmentant la classe du système et
peut dégrader la stabilité. De plus, peu robuste aux perturbations basses-fréquences sur le
signal de consigne.

6
Action D : augmente la bande passante du système donc sa rapidité, permet d’améliorer la
stabilité mais amplifie les bruits de mesure hautes fréquences.
L’action intégrale ³ présente d’autres inconvénients d’ordre pratique. Par exemple,
l’intégrateur pur n’est pas réalisable technologiquement car cela signifierait un gain infini
pour les basses fréquences. De manière similaire, l’action dérivée Ÿ présente un défaut
analogue mais dans les hautes fréquences.

b. Choix du correcteur

Correcteur P : améliore la précision, sans changer la classe du système.

Correcteur PI : augmente la classe du système et donc améliore la précision.

Correcteur PID : augmente la classe du système, donc améliore sa précision, mais aussi la
rapidité et la stabilité.

4.4. Réglage des contrôleurs PID numériques

Il existe plusieurs méthodes pour calculer les paramètres de régulateurs PID
numériques. Ces méthodes peuvent être empiriques, algébriques, ou fréquentielles. Cette
section présente quelques techniques de réglage des régulateurs PID numériques, comme la
méthode empirique proposée par Takahashi et la méthode de placement de pôles.
4.4.1. Méthode de TAKAHASHI de réglage du PID numérique
La structure du correcteur PID numérique étant fixée, tout comme en correction
analogique avec la méthode de Ziegler-Nichols, il faut déterminer la valeur des coefficients
P, o , et ¡ . La méthode de Takahashi, décrite ci-dessous, est une option possible pour le
choix de ces coefficients.
Cette méthode s’appuie sur l’analyse du comportement du système échantillonné,
quand il est soumis à plusieurs tests. Pour ce faire, on considère le schéma de la figure 4.10.

e(t) + s(t)
A(p)
-

Figure 4.10 : Structure de correction pour le réglage Takahashi

A partir d’une
l’augmente entrée en échelon,
progressivement jusqu’àon part de
la valeur la= valeur du gain proportionnel
qui correspond = zone
à la limite de la 0 et de
on
stabilité c’est-à-dire, à l’apparition d’un régime auto-oscillant.
Ce gain correspond à la marge de gain et le régime auto-oscillant s’effectue la
période . Les grandeurs et sont les seuls paramètres nécessaires pour régler le
correcteur PID. On obtient alors le tableau suivant :

6
 Correcteur Réglage
Action P = ÚP P = 0,5
Action PI = NB + Ï − NB + o P = 0,45 − 0,5 o
o = 0,54 ⁄
Action PID = NB + Ï − NB + o P = 0,6 − 0,5 o
¡ o = 1,2 ⁄
+ −2 NB + NC 3
¡ =
40
Tableau 4.3 : Réglage des correcteurs PID numériques par la méthode de Takahashi

Le couple de paramètres , peut aussi se lire sur le lieu de Nyquist du processus continu
:
³ ë[

Ü ë[
Ç Ç
−1
1
Š− ; 0‹
=1
=

Figure 4.11: Lieu de Nyquist du processus

La méthode de Takahashi provient d’un problème d’optimisation. Les coefficients du

correcteur PID sont ainsi déterminés pour minimiser le critère suivant :
4

1| | 4.28

4.4.2. Synthèse des contrôleurs PID numériques par placement de pôles

4.4.2.1. Introduction
Lors de la synthèse des contrôleurs PID numériques par placement de pôles (y compris
la compensation pôle-zéro) on impose le comportement du système bouclé. En fait, la
méthode de placement de pôles calcule les paramètres d’un régulateur PID à partir de la
spécification des pôles désirés en boucle fermée et en connaissant un modèle du système à
régler. Tandis que la méthode de compensation pôle-zéro permet de simplifier des pôles d’un
système à régler avec des zéros d’un régulateur.

4.4.2.2. Commande d’un système discret premier ordre par un PI numérique

Considérons un système discret du premier ordre commandé par un contrôleur PI

numérique, comme le montre le schéma-blocs suivant :

7
 w(k) (k) u(k) 7 % NB y(k)
+ = + B= % NB { % = 1 +B 6 % NB
% = 1 − % NB B
-
Contrôleur PI Système discret
numérique premier ordre

Figure 4.12 : Schéma-blocs d’une commande d’un système discret premier ordre par
un contrôleur PI numérique

a. Comportement en premier ordre

L’idée de cette méthode consiste à compenser le pôle du système du premier ordre par
le zéro du contrôleur PI numérique. Ce qui amène un comportement en boucle fermée du
premier ordre.
Considérons un système du premier ordre continu (système continu imposé) :

1 4.29
À =
1+»

En discrétisant cette fonction de transfert avec un BOZ, nous obtenons :

1− % NB 4.30
À % =
1− % NB
N”
Avec = . et » représentent respectivement la période d’échantillonnage et la
constante du temps du système continu du premier ordre imposé.

D’autre part, le système asservi de la figure 4.12 possède une fonction de transfert en
boucle ouverte :
3 « f ¨« Z« f ¨«
À % = . 4.31
BNf ¨« B3V f ¨«
«
Pour simplifier le pôle du processus, factorisant le coefficient = puis en posant
6B = =B⁄= , l’équation (4.31) devient alors sous la forme suivante :
= 7B % N B 4.32
À % =
1 − % NB

Ce qui amène un comportement en boucle fermée du premier ordre régit par la

fonction de transfert suivante :
= 7B % N B 4.33
À ¬ % =
1 + = 7B − 1 % NB

7
 En comparant cette dernière fonction de transfert avec la fonction de transfert discrète
du système continu du premier ordre imposé (équation (4.30)), nous obtenons alors, le réglage
du contrôleur PI numérique suivant :
BN
= = Z« 4.34
= B = 6B =

b. Comportement en second ordre

Ici, le principe consiste à obtenir en boucle fermée un système assimilable à un second
ordre discret. Pour ce faire, nous imposons un second ordre continu de fonction de transfert:
C
4.35
À =
C
+2 [ +
C
[
avec [ sa pulsation propre non amortie et ξ son coefficient d’amortissement

On a donc comme fonction de transfert discrète correspondante (obtenue par un BOZ):

7B % NB + 7C % NC 4.36
À % =
1 + !B % NB + !C % NC

Calculons la fonction de transfert en boucle ouverte du système asservi de la figure (4.12) :

7B = % NB + 7B =B % NC 4.37
À % =
1 + 6 − 1 % NB − 6B % NC
B

Dans ce cas, le comportement en boucle fermée est alors régi par un second ordre :

7B = % N B + 7B = B % N C 4.38
À ¬ % =
1 + !B % NB + !C % NC

Avec !B = 6B − 1 + 7B = et !C = 7B=B − 6B

Les coefficients du contrôleur PI numérique sont alors calculés par les relations suivantes :
= = BNV«3"«
Z«
4.39
6 1 + !2
=B =
7
1
Les valeurs de !B et !C sont calculées en comparant les deux fonctions de transfert (4.36) et
(4.38). Selon la dynamique désirée en boucle fermée, on aura :

- Si la dynamique désirée en boucle fermée est apériodique, il faut choisir deux

constantes de temps : »B et »C , telles que :
” ”
!B = − + = N « et = N ƒ 4.40
1 2 , !C = 1 2, B C

7
 - Si la dynamique désirée est oscillatoire, il faut choisir une pulsation propre [ et un
coefficient d’amortissement ξ:
N NC C 4.41
!B = −2 cos ? , !C = , = = [ et ? = [ #1 −

7
 Exercices du Quatrième chapitre
Exercice N°1

Un système échantillonné de fonction de transfert en boucle ouverte G z est placé dans une
boucle de régulation à retour unitaire.

% f .B´
{ % = f
= fN .€ ƒ
avec Ú > 0

La Période d’échantillonnage est = 0.1@.

1. Calculer la fonction de transfert en boucle fermée.

2. Déterminer la condition de stabilité du système en boucle fermée.
3. Le gain étant réglé sur Ú = 1, déterminer, en boucle fermée : l’erreur de position, et
l’équation de récurrence.

Exercice N°2

On considère un système échantillonné de fonction de transfert G(z) placé dans une

boucle d’asservissement à retour unitaire, avec :
{ % = fN ,´ &
avec k > 0 réglable

1. Calculer la fonction de transfert en boucle fermée et étudier les conditions de stabilité

de ce système en boucle fermée.

2. Calculer l’erreur statique en fonction de K et déterminer les valeurs minimales et maximales

de cette erreur statique.

On introduit à présent un intégrateur dans la chaîne directe. Calculer la nouvelle fonction

de transfert en boucle fermée et montrer que, dans ces conditions, il sera impossible de régler
K pour assurer la stabilité du système.

3. Étudier les conditions de stabilité du système dans ce cas.

Exercice N°3

On considère le système continu de fonction de transfert :

1
{ =
8

1. Etudier le comportement (stabilité) en fonction de K de ce système lorsqu’on le boucle

avec un régulateur :
{¼ =
8 +1

7
 2. On décide de mettre en œuvre une régulation numérique et on choisit une période
d’´echantillonnage T =1s. Calculer les régulateurs numériques obtenus par discrétisation de
utilisant les approximations suivantes :
f NB fNB C f NB
= ; = ; =
f f3B

3. Etudier en fonction de K le comportement (stabilité) du système échantillonné bouclé

avec bloqueur d’ordre zéro, en présence de ces différents régulateurs et comparer avec la
régulation continue (limite de stabilité).

Exercice N°4

On considère un système à temps discret de fonction de transfert GB z placé dans une

boucle à retour unitaire :
% − 0.2
{ % =
% − 0.7

1. Calculer l’erreur de position et étudier les conditions de stabilité de ce système en

boucle fermée.
2. Calculer puis tracer la suite des premiers échantillons (9 échantillons) de sortie en
considérant que le signal de consigne est un échelon unité.
B
On introduit un intégrateur dans la chaine directe, soit : % =
BNf ¨«
3. Monter que le système est toujours stable en boucle fermée et calculer puis tracer la
suite des premiers échantillons (9 échantillons) de sortie en considérant que le signal de
consigne est un échelon unité. Conclure.

Exercice N° 5

Soit la fonction de transfert À % d’un système :

² % 0.34468% C + 1.1408% + 0.2369

À % = = 10NY ™
’ % % − 0.6077 % C − 1.6674% + 0.7772

La période d’échantillonnage est T = 0,5s.

1. Etudier la stabilité du système.

En vue d’assurer l’asservissement en position, un correcteur analogique B de fonction
de transfert a été introduit dans la chaîne directe d’une boucle d’asservissement (voir figure
suivante).
1 + 0.028
B =5
8

7
 Ce correcteur a été calculé en utilisant la représentation par le diagramme de Bode de
la fonction de transfert À . Il est tel que le déphasage introduit par le correcteur soit faible
dans la bande passante du processus.
Ö ’ ²
B À
-
+

2. Déterminer la fonction de transfert échantillonnée B % du correcteur obtenu à partir

C ‚NB
du correcteur analogique calculé en utilisant l’approximation de Tustin : p =' ‚3B
et donner
le schéma de l’asservissement correspondant.
3. Calculer la fonction de transfert ÀB % en boucle fermée : HB z = ) .
‚
* ‚
4. Calculer la réponse échantillonnée à un échelon d’amplitude unité appliqué à
l’entrée Ö de l’asservissement.

On désire trouver un correcteur C % placé dans la chaîne directe et tel que le système
compensé se comporte comme un système du premier ordre retardé d’une période
d’échantillonnage et de gain statique unitaire ce qui correspond à une fonction de transfert
{ % telle que :
² % 1−6 NB
1−6
{ % = = NB % =
Ö % 1 − 6% %−6

Où la valeur du paramètre 6 fixe la dynamique de l’asservissement.

5. Calculer le correcteur C % qui permet d’obtenir cette fonction de transfert en boucle
fermée.
6. Ce correcteur est-il stable ?

Exercice N° 6

On désire réaliser la stabilisation en position d’un système à l’aide d’un correcteur

échantillonné % placé en cascade (voir figure suivante).

f(z) + (z)
E(z)
C(z) H(z)
+ -

On choisit le correcteur % de la forme :

% = + ;% NB
1 + —% NB

7
Avec
À % = 6% NB + 7% NC
1 + ?% NB + U% NC
- Calculer les valeurs de , ; et — de telle façon que les pôles échantillonnés du
système corrigé aient pour valeur :

%B = 0.8 %C = 0.5 + 0.3ë %Y = 0.5 − 0.3ë

Avec 6 = 7 = −7.4514 10N„ ? = −2.01788 U=1

, ; et — inconnus.

Exercice N° 7
Un procédé est caractérisé par la fonction de transfert continue suivante :
² 1
{ = = C
’ 18 + 9 + 1

1. En utilisant une période d’échantillonnage de 1 seconde, discrétiser le procédé en

prenant compte de la présence d’un bloqueur d’ordre zéro (BOZ).
2. Concevez un régulateur discret pour que le système en boucle fermée réponde selon
l’équation récurrente suivante:
= 0,7 − 1 + 0,2ç − 1 + 0,1ç −2
où ç représente la consigne.

Exercice N° 8
On considère un moteur à courant continu (MCC) de fonction de transfert du premier ordre:
² 1,1111
{ = =
’ 1 + 0,0139

1. En choisissant une période d’échantillonnage convenable, discrétiser la fonction du

moteur (MCC) en utilisant un bloqueur d’ordre zéro (BOZ). Exprimer le système discret
obtenu en fonction de puissances ‘% NB ’.
2. Ce moteur étant placé dans une boucle à retour unitaire, on introduit un correcteur PI
numérique de fonction de transfert :
= + =B % N B
% =
1 − % NB
2.1. On souhaite avoir une dynamique du second ordre oscillatoire caractérisée par une
pulsation propre [ = 25 =6U⁄@ et un coefficient d’amortissement = 0,7. En utilisant la
stratégie de la commande par placement de pôles, calculer le contrôleur PI numérique défini
par la fonction de transfert % .

2.2. En utilisant le critère de Jury, évaluer la stabilité du système discrétisé en boucle

ouverte et du système corrigé (système bouclé). Puis commenter.

7
 Cinquième chapitre
La commande Polynomiale
5.1. Performances Dynamiques D’un Système Échantillonné
Tout comme l’étude des systèmes à temps continu nous a conduit à mettre en évidence
des performances en boucle fermée telles que rapidité et limitation du dépassement, nous
allons à présent nous intéresser à ces performances dynamiques dans le cas des systèmes à
temps discret.
Nous allons à nouveau utiliser, mais cette fois-ci à propos des systèmes à temps
discret, la méthode qui consiste à assimiler le fonctionnement d’un système quelconque à
celui d’un système du second ordre.

5.1.1. Fonction de transfert échantillonnée équivalente à un système du second ordre

On considère un système à temps continu du second ordre, caractérisé en boucle
ouverte, par une fonction de transfert { telle que :
5.1
{ = C 2
+ [ +1
C §
[§
Nous nous limiterons à l’étude du cas ξ < 1, pour mettre en évidence les paramètres
liés au temps de montée et au dépassement. Cette fonction possède deux pôles complexes
conjugués :
C
B = −[§ , − ë# 1 − - et C = −[§ , + ë# 1 − C 5.2

- 5.3

ü¸ ƒ B B
Soit : { = PNP« PNPƒ
= [ C§ PNP« PNPƒ

Calculons à présent, à l’aide de la table d’équivalence (voir Tableau 2.1), la fonction

de transfert en % équivalente à { :
• ” • ”
B BN“ « BN“ ƒ
{ % = [§C − •« ” −B • ”
5.4
P« fN“ P
ƒ fN“ ƒ
Comme B C = [C 5.5
§

On obtient
P« Pƒ
1− 1− 5.6
{ % = P« Pƒ
%− %−
P«
Notons au passage que les deux pôles de la fonction de transfert en % sont et
Pƒ
et remplaçons pour finir B et C par leurs expressions.

On obtient

7
 NCξ ü¸ ” N ξ ü¸ ” C
Ú Ø1 + −2 ?<@ [ /1 − ξ Ù
§
{ % = 5.7
C N ξ ü¸ ” C NCξ ü¸ ”
% − 2% ?<@ [§ /1 − ξ +

5.2.2. Principe de la méthode polynomiale

Les méthodes polynomiales figurent parmi les méthodes de synthèse de correcteurs
numériques les plus utilisées. Elles sont en effet très souples et relativement simples à mettre
en œuvre.
Considérons un système échantillonné de fonction de transfert % placé dans une
boucle à retour unitaire en cascade avec un correcteur % que l’on cherche à déterminer
pour conférer au système complet, en boucle fermée, des performances dictées par un cahier
des charges : précision, amortissement, rapidité, marge de stabilité.

E(z) + S(z)
C(z) A(z)
-

Figure 5.1 : Boucle d’asservissement échantillonné avec correcteur

D’une manière générale, l’objectif de l’action corrective consiste à rechercher %
pour que cette boucle d’asservissement de fonction de transfert en boucle ouverte { %
possède les caractéristiques attendues.

E(z) + S(z)
G(z)
-

Figure 5.2 : Boucle d’asservissement équivalente

La technique de la synthèse par méthode polynomiale consiste à corriger le système de

sorte que { % corresponde à un système du second ordre, de fonction de transfert :
NCξ ü¸ ” N ξ ü¸ ” C
Ú Ø1 + −2 ?<@ [ /1 − ξ Ù
§
{ % =
N ξ ü¸ ” C NCξ ü¸ ”
% C − 2% ?<@ [ /1 − ξ +
§

Dans ces conditions, la fonction de transfert en boucle fermée À % est aussi une
fonction du second ordre :
¨ƒ 201 3¸01 ¨201 3¸01 ”
01 ØB3“ NC“ ¼45 ü¸01 /BN6ƒ Ù
À % = 5.8
”

¨201 3¸01 ” ¨ƒ 201 3¸01 ” 0

f ƒNCf“ ¼45 ü /BN6ƒ 3“
¸ 0

7
 Nous savons que les performances en boucle fermée, pour un tel système, se traduisent
par des conditions sur [§ ¬ pour la rapidité et sur ¬ pour la marge de stabilité et, bien
évidemment, pour l’amortissement.
Y Y 5.9
En effet : = = ü¸01
ü
5.10
∆7°
et ¬ =
B

: représente l’amortissement
[§ : pulsation de la réponse
[¼ : pulsation de coupure à 0 dB
∆þ : marge de phase

En ce qui concerne la précision, il suffit que { % possède un pôle égal à 1 pour que
l’erreur de position soit nulle.
Toutes ces considérations nous permettent donc de déterminer les fonctions À % et
{ % idéales, du second ordre, qui possèdent les performances requises. Pour que notre boucle
d’asservissement initiale (Figure 5.1) possède elle-même ces performances, il suffit d’avoir :
5.11
{ % = % %
et donc, de placer dans la chaîne directe, le correcteur de fonction de transfert :
{ % 5.12
% =
%

Exemple 5.1

On considère un système échantillonné (période = 0.2 s) de fonction de transfert :

% + 0.7
% =
% − 0.7

Ce système étant placé dans une boucle à retour unitaire, on souhaite qu’il soit
caractérisé par les performances suivantes : ε9 = 0, t : = 0.4 s et ξ;< = 0.6 (marge de phase
d’un système continu équivalent égale à 60° et dépassement de l’ordre10 %).

E(z) + S(z) E(z) + S(z)

C(z) A(z) G(z)
- -

Fig. 1 : Boucle d’asservissement échantillonné Fig. 2 : Boucle d’asservissement équivalente

avec correcteur

Calculer l’expression de la fonction de transfert du correcteur à temps discret qu’il faut

introduire dans la chaine directe pour satisfaire au cahier de charge.

7
 Pour garantir les performances exigées, on a :
¨ƒ 201 3¸01 ¨201 3¸01 ”
01 ØB3“ NC“ ¼45 ü¸01 /BN6ƒ Ù
(1)
À % = 0
”

¨201 3¸01 ” ¨ƒ 201 3¸01 ”

f ƒNCf“ ¼45 ü /BN6ƒ 3“
¸ 0

solution

Construisons la fonction de transfert en boucle ouverte globale { % a priori : elle

possède obligatoirement un pôle égal à 1 pour garantir une erreur de position nulle.
On a donc :

6
{ % =
%−1 %−7

d’où :
6 6 (2)
À % = =
% − 1 % − 7 + 6 %C − 1 + 7 % + 6 + 7

Or nous devons avoir, pour garantir les performances exigées À % (voir l’équation (1)):
avec : = 0,6 et [ = 7,5 =6U⁄@
¬
Y
=
·

d’où :

0,88 Ú ¬ (3)
À % = C
% − 0,29% + 0,17

Identifions les deux fonctions de transfert en boucle fermée (2) et (3) :

1 + 7 = 0,29 7 = −0,71
?6 + 7 = 0,17 ⇒? 6 = 0,88

Le gain statique en boucle fermée est bien sûr égal à 1 puisque l’erreur de position est nulle.

On a alors :
0,88
{ % =
% − 1 % + 0,71

d’où :
{ % = 0,88 % − 0,7
% =
% % − 1 % + 0,71 % + 0,7

7
 Exercices du Cinquième chapitre
Exercice N° 1

Considérons le système échantillonné à une période “ = 0.2 s de fonction de

transfert :
% + 0.3
% =
% − 0.8

On souhaite placer ce système dans une boucle à retour unitaire et on veut que le
système possède, en boucle fermée, les performances suivantes : ×P = 0, = 0.8 @ et
°
¬ = 0.45 (marge de phase d’un système continu équivalent égale à 45 et dépassement de
l’ordre20 %).

La fonction { % possède obligatoirement un pôle égal à 1 pour garantir une erreur de

position nulle.
Calculer l’expression de la fonction de transfert du correcteur à temps discret qu’il faut
introduire dans la chaine directe pour satisfaire au cahier de charge.

Pour garantir les performances exigées, on a :

Ú ¬ Ø1 + NC ξ‰S ü¸01 ”@
−2 Nξ‰S ü¸01 ”@
?<@ [§ ¬ “ /1 − ξC Ù
À % =
Nξ‰S ü¸01 ”@
% C − 2% ?<@ [§ ¬ “ /1 − ξC + NC ξ‰S ü¸01 ”@

Exercice N° 2
On considère un système échantillonné à une période TÐ = 0.5 s, de fonction de
transfert en boucle ouverte G z telle que :
Ú
{ % =
zC − az + b
Déterminer les valeurs de Ú, 6 et 7 de telle sorte que ce système, placé dans une
boucle à retour unitaire, soit caractérisé en boucle fermée, par une erreur de position égale à
20 %, un temps de montée = 2.5 @ [§ ¬ = 1.2 =6U⁄@ et un dépassement de 30 %
¬ = 0.35 .

Déterminer alors l’équation de récurrence du système et vérifier les performances à

l’aide du calcul et du tracé des premiers échantillons de sortie.
Pour garantir les performances exigées, on a :
NCA01 ü¸01”@ NA01 ü¸01”@
À % =
Ú ¬ 1+ −2 cos [§ ¬ “ #1 − C ¬
C NA01 ü¸01”@ C
“ #1
% − 2% cos [§ − + NCA01 ü¸01”@
¬

8
Bibliographie
[01] Dimitri Peaucelle : Système à temps discret (Commande numérique des
procédés), Avril 2003
[02] Yves Granjon : AUTOMATIQUE. Systèmes linéaires, non linéaires, à temps
continu, à temps discret, représentation d'état. Cours et exercices corrigés. 2010.
[03] Kharroubi Larbi : Eléments de régulation numérique (cours et exercices), Destiné
aux étudiants Master 2 Instrumentation, Université USTO-MB-, année 2018/2019.
[04] S. Tliba, M. Jungers et Y. Chitour : Commande des processus (Asservissements
numériques) Notes de cours, Université Paris-sud XI-ENS de Cachan Septembre 2005.
[05] Roland Longchamp : Commande numérique de systèmes dynamiques, Presses
Polytechniques et Universitaires Romandes, 1995.
[06] D. Jaume, S. Thelliez et M. Vergé : Commande des systèmes dynamiques par
calculateur, Editions Eyrolles, 1991.
[07] Philipe Vanheeghe, Christophe Sueur et Pierre Borne : Automatiques des
systèmes échantillonnés (éléments de cours et exercices résolus), Editions Technip, 2001.
[08] Michel Etique : Régulation numérique, Exercices (corrigé), rapport, septembre
2011.
[09] A. Crosnier : Automatique (commande numérique des systèmes), rapport, 2001.