Académique Documents
Professionnel Documents
Culture Documents
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
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 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.
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.
+ Algorithme de
CAN CNA
commande
-
L’asservissement numérique se fait typiquement par le biais d’une structure schématisée par
la figure 1.1 et composée des objets fondamentaux suivants :
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.
Analogique
Numérique
Algorithme de
CNA
CAN commande
+
-
CAN
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
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
6
34
∗
=e t 10 − 1.3
34
=1e t 0 −
1.4
34
= 1 e kT 0 − 1.5
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)
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
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
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
9
1.7. Table de transformée en ‘Q’ de signaux élémentaires
Le tableau suivant montre les transformées en ‘%’ de certains signaux élémentaires :
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
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
o
- Théorème du retard : Si R Nn est le signal à temps discret R retardé de >
périodes,
alors, on a la relation suivante :
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 :
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 + ⋯
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
1
1.9. Signal échantillonné
1.9.1. Introduction
Calculateur
CNA
+ Régulateur Numérique N/A Procédé
CA
N
A/N Capteur
1
CAN
0 t k
0 1 2 3 4
Il vient :
34 34
∗
=1 0 − =1 0 − 1.8
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 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
".
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 −
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)
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)
2
4
∗ ∗
S % = T!R " = ℒ!R "|Ž ‡‘ =S |Ž ‡‘ =1R %N 1.13
P
ℒ %=
∗
R R S∗ S %
Exemple 1.7
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−%
=
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
Solution
Transformée en % du signal R .
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 = :
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
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
% 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 % .
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
% Y − 2. % C + 2. %
{ % = % Y − 4. % C + 5. % − 2
2
Solution
% 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 :
2
Exercices du premier chapitre
Exercice N° 1
0 1 2 3 4 5 6 7 8 ⋯ ∞
R 1 4 6 4 1 0 0 0 0 0 0
0 1 2 3 4 5 6 7 8⋯ ∞
R 0 0 0 1 4 6 4 1 0⋯ 0
Exercice N° 2
Exercice N° 3
Exercice N° 4
2
Deuxième chapitre
Systèmes asservis linéaires échantillonnés
2.1 . Définitions
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 :
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
Solution
1. Méthode résolution récursive.
% 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
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 :
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´
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 ’
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 … % − §
= .
⇔
. . = .
.
b. Sommation algébrique
. .
B
= B − C + Y
= B − C + Y
⇔ −1
.
C 1
² % = −
⇔
. %N
² =
. −
7 % NB 1 . .
% NB
.
% NB
−1
−6B −2
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
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
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.
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 {
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«
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
3
a. Discrétisation arrière :
Cette discrétisation est représentée par la figure suivante :
%−1
→
$ ² % $ % ² %
{ { %
{ % ={ | 2.16
P ff
b. Discrétisation avant :
Cette discrétisation est représentée par la figure suivante :
%−1
→
$ ² $ % ² %
{ { %
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 %
+ $ % ² %
{B % + {C %
$ %
² %
+
{C %
.
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
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
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
élément Ë Ë È
Ç
. È
Ë
Ç
Ç
È
¹
. Ë
.
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
+
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 :
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
Exercice N° 2
,Yf
{ % = fNB fN ,
Exercice N°3
1.5
{B % =
1.5 − % NB
1.5 1 + % NB
{C % =
2.5 − 1.5% NB
1.2
{Y % =
% − 0.6
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.
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.
N§
+7 3N§ + ⋯ + 7B N§NB +7 N§
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.
Théorème 3.1: Soit { % une fonction de transfert et ’ % = & ! " la transformée en &
G
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
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.
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
‰ %
4
et :
%
À % =
1+ % ‰ %
On définit les pôles o du système { % qui sont les racines de l’équation (polynôme)
caractéristique :
Ÿ % = 6 % § + 6B % §NB + ⋯ + 3.7
6§
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
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§
.
.
.
—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
Dan ce cas, le tableau de Jury a 2; − 3 = 1 ligne (car ; = 2). Il faut donc vérifier les
trois premières conditions de Jury :
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.
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).
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.
3.2.3.2.1 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 .
4
ƒ ƒ
ì 3í NB3Ctí 3.18
% = a + ëb ⇔ ç = ì3B ƒ 3íƒ
Il consiste, dans un premier temps, à former le tableau suivant à partir des coefficients de
l’équation caractéristique en ç :
aé aéNC aéN®
? ?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
a- Critère de Routh
On a la relation suivante :
8æ ç = 1 − w é
PB3ñ
BNñ avec % = B3ñ
BNñ
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 :
5
b- Critère de Jury
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
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
Propriété 3.2: Le système échantillonné sera stable en boucle fermée si pour tout tel que
1≤ ≤; :
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.
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.
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.
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(
-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
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
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
[ [ Ü {æ ë[ ³ {æ ë[
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[ ‹
+
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[
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 .
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
² 3C − 5² 3B + 6² = ’
Exercice N°3
Exercice N°4
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.
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.
%−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
% 1 4.5
Ö % = ⇒ ×P = lim g h
%−1 f→B 1 + { %
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
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
fNV BNV
B
Soit ×P = f→B
lim ™ ›=lim
f→B Z3B fNV =Z3BNV 4.11
B3 ¨©
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.
×– = %→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
∗
(t)
5
De façon générale un système peut se mettre sous la forme :
f
‰ % =Ú fNB
, avec lim{ % = 1
f→B
4.14
Classe
?=0 ?=1 ?=2 ?>2
Erreur ×P 1⁄ 1 + Ú 0 0 0
statique × ∞ ⁄Ú 0 0
C
×V ∞ ∞ ⁄Ú 0
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.
4.2.1.1. 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)
-
6
Ü (p)
Ü¡ (z)
=R %
Dérivation Intégration
Méthode d’Euler arrière
(Discrétisation arrière) %−1 1 %
→ →
% %−1
Méthode de Tustin
(Transformation bilinéaire) 2%−1 1 %+1
→ →
%+1 2%−1
Exemple 4.1
ܼ = 1 + 0.53
1 + 0.21
solution
f NB
1. Avec la discrétisation Avant : ( →
1 + 0.53
ܼ =
1 + 0.21
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
= ÚP 4.16
ÚP
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
. +
+
ÚP
%
o
%−1
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
Ï
f f
ou bien : Ï % = = + =B % NB 4.20
== + =B NB 4.21
Avec : = = ÚP 1 + et =B = −ÚP
6
. +
+
ÚP
¡
%−1
%
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.
= + =B % N B + =C % N C 4.23
Ï % =
1 − % NB
= NB += + =B NB + =C 4.24
NC
˜3
Avec : ÚP = ÚP , o = o + ¡ et ¡ = ˜
˜ ˜ 3
Cette structure, apparaissant sous forme de schéma fonctionnel dans la figure suivante :
ÚP . o
%−1
%
+
+
. ¡ %−1
% +
+
6
d-2- Structure PID numérique parallèle
= NB += + =B NB + =C NC 4.27
Cette structure, apparaissant sous forme de schéma fonctionnel dans la figure suivante :
ÚP
+
%−1
Úo %
.
+
+
Ú¡ % − 1
%
C
Par définition : = = Ú P + Ú ¡ ⁄ , =B = Úo − ÚP − 2Ú¡ ⁄ et =C = Ú¡
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 PID : augmente la classe du système, donc améliore sa précision, mais aussi la
rapidité et la stabilité.
e(t) + s(t)
A(p)
-
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
=
1| | 4.28
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.
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
1 4.29
À =
1+»
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
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 =
7B % NB + 7C % NC 4.36
À % =
1 + !B % NB + !C % NC
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 :
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
Exercice N°2
Exercice N°3
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
Exercice N°4
Exercice N° 5
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
-
+
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
Exercice N° 6
f(z) + (z)
E(z)
C(z) H(z)
+ -
% = + ;% 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 :
, ; et — inconnus.
Exercice N° 7
Un procédé est caractérisé par la fonction de transfert continue suivante :
² 1
{ = = C
’ 18 + 9 + 1
Exercice N° 8
On considère un moteur à courant continu (MCC) de fonction de transfert du premier ordre:
² 1,1111
{ = =
’ 1 + 0,0139
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.
- 5.3
ü¸ ƒ B B
Soit : { = PNP« PNPƒ
= [ C§ PNP« PNPƒ
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 +
E(z) + S(z)
C(z) A(z)
-
E(z) + S(z)
G(z)
-
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
”
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
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 %).
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
”
solution
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
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
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 %).
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 .
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.