2 Cours Systèmes Échantillonnés

Chapitre 1:
Introduction à la commande numérique des

systèmes
1.1 Signal analogique et signal numérique

Un signal peut être défini comme une quantité physique contenant une information. La
plupart des signaux mesurables dans notre environnement sont de nature analogique.
Un signal analogique prend les valeurs dans un ensemble infini. De plus il est continu dans le
temps. En revanche, un signal binaire (numérique) ne peut prendre que 2 valeurs: 0 ou +V
(« 0 » ou « 1 ») (Fig.1.1).
sa (t ) sn (t )
1 1 0 1 0 0
0 t 0 t
(a) (b)
Figure 1.1 : (a) Signal analogique, (b) signal numérique
1.2 Rôle du calculateur en automatique

1.2.1 Limite de la commande analogique
Nous avons vu dans la première partie (systèmes continus) qu’un régulateur (correcteur)
permet d’optimiser le fonctionnement autour d’un point de fonctionnement. Cette approche ne
peut souvent répondre d’une manière satisfaisante lorsque les paramètres de processus
évoluent. En effet, les actions du régulateur, réglées une bonne fois pour toute pour un point
de fonctionnement donné, ne sont plus optimales dès lors que l’on s’éloigne de celui-ci.
Exemple: Mouvement d’un robot (Fig. 1.2) :
Ce mouvement ne pourra être optimisé durant la totalité du cycle :
H. EL FADIL
2 Chapitre 1
variation permanente des moments d’inertie (par rapport aux axes articulaires) des éléments
de bras du robot durant le déroulement de la trajectoire imposée.
Figure 1.2 : Mouvement d’un robot
1.2.2 Apports des machines numériques:

Le manque d’auto-adaptabilité de la commande analogique peut être pallié par l’utilisation
des machines numérique: microprocesseurs, microcontrôleurs, DSP, ordinateurs, …
Les calculateurs peuvent exécuter les taches suivantes:
- Élaboration des consignes selon divers programme de commande,
- Le calcul des paramètres de réglage du régulateur (optimisation en temps réel),
- La gestion des données statistiques de production, de consommation, …
- La gestion simultanée et coordonnée des systèmes multi-boucles (génie chimique,
robotique, pilotage automatique, …),
- La gestion des alarmes et des défauts.
- Meilleure qualité des transmissions numériques : moins sensibles au bruit (forte
immunité au bruit),
- Possibilité d’utiliser le multiplexage, …
La figure 1.3 en illustre un exemple de l’utilisation de la commande numérique.
Figure 1.3 : transmission et commande numérique dans le pilotage de l’avion
H. EL FADIL
Introduction à la commande numérique 3
1.2.3 Structure de commande par calculateur :
Suivant l’importance du système et suivant le degré d’information souhaité, on peut

rencontrer différentes configurations:
 Machine numérique extérieure à la boucle de régulation (qui reste analogique):
- Élaboration de la consigne,
- Élaboration de la consigne + des modules de surveillance, de gestion, …
 Machine numérique intégrée à la boucle de régulation (en partie numérique). Dans ce
cas, les figures 1.4 et 1.5 illustrent les deux représentations possibles.
Calculateur (algorithme numérique)

Consigne Commande Sortie
+ Erreur Correcteur
Procédé
_ numérique CNA
Mesure
CAN Capteur
Figure 1.4 : Consigne et correcteur intégrés au calculateur
Calculateur
Consigne Erreur Cde Sortie
+ Correcteur
Procédé
CAN CNA
_ numérique
Mesure
Capteur
Figure 1.5 : Le correcteur est le seul qui est numérique
1.3 Signaux échantillonnés et discrets

1.3.1 Signal échantillonné
Échantillonner un signal analogique signifie le remplacer par une suite de valeurs prises à des
instants bien définis. L’échantillonnage joue un rôle capital en réglage automatique du fait
qu’un ordinateur traite des nombres plutôt que des grandeurs analogiques.
En analogique un signal continu x(t) possède une énergie finie sur un laps de temps:
t
w(t )   x( )d   (1.1)
0
H. EL FADIL
4 Chapitre 1
Le signal échantillonné x*(t), associé à un signal continu x(t), est composé d’une série
d’impulsions de Dirac apparaissant uniquement aux instants d’échantillonnage (figure 1.6).
Par la suite, on supposera que l’échantillonnage est périodique de période Te.
Signal Signal
analogique échantillonné
Figure 1.6 : Signal échantillonné
1.3.2 Signal discret
Un signal discret consiste en une séquence de valeurs

distinctes (valeurs numériques) qui ne sont définies qu’aux
instants d’échantillonnage. Un tel signal sera représenté par
une ligne pointillée et un point à une ordonnée correspondant à
la valeur numérique du signal x(t) continu associé, pris à
Fig. 1.7 : Signal discret
l’instant d’échantillonnage considéré (figure 1.7).
Un signal discret xn(t), associé au signal continu x(t), a pour valeur à l’instant kTe:
xk  x(kTe ) (1.2)
Il présente les propriétés suivantes :

- L’énergie d’un signal discret est nulle.
- Avec un signal discret, on peut faire toutes les opérations arithmétiques (addition,
soustraction, multiplication et division),
- En revanche, on ne peut pas exciter un système continu parce que l’énergie du signal
est nulle.
En résumé, on peut noter qu’à l’instant d’échantillonnage kTe:
- Le signal continu vaut: x(kTe )
- Le signal discret est : xk  x(kTe )
- Le signal échantillonné est représenté par une impulsion de Dirac: xk (t  kTe ) .
H. EL FADIL
Introduction à la commande numérique 5
1.4 Modélisation des systèmes à temps discret

1.4.1 Système continu
Les signaux qui transitent à travers les éléments d’un système de

commande subissent des transformations (ex: traitement par filtrage, u(t) y(t)
S
ou analyse spectrale, pour en extraire une information). Pour un
système S quelconque, ceci est pris en compte par la relation entrée-
sortie qui décrit le système.
Rappelons qu’un système continu est modélisé par sa fonction de transfert H(p) ou sa réponse
impulsionnelle h(t), obtenues par partie de sa description par des équations différentielles :
Y ( p)  H ( p).U ( p) (1.3a)
y(t )  h(t ) * u(t ) (* dénote le produit de convolution) (1.3b)

Soit alors :
y(t )  H u(t ) (1.3c)
1.4.2 Cas des systèmes à temps discret
1.4.2.1 Description par les équations récurrentes
Pour les systèmes à temps discrets (systèmes discrets ou échantillonnés) la relation entrée-
sortie peut s’écrire:
y(kTe )  H u(kTe ) (1.4)
Cette relation peut être décrite par une équation récurrente qui joue le même rôle que les
équations différentielles pour les systèmes continus.
L’équation récurrente, qui se prête bien à la programmation, définit l’algorithme de
génération de sa solution.
Exemple :
Soit un système à temps discret décrit par une équation récurrente du premier degré:
y(kT )  b. y(k  1)Te   u(kTe ) (1.5a)

Soit u(t) est un échelon unité, alors:
1  b k 1
y (kTe )  b k 1 y (Te )  (1.5b)
1 b
H. EL FADIL
6 Chapitre 1
1.4.2.2 Description par les transformées de Laplace échantillonnées
Si les signaux d’entrée et de sortie sont échantillonnés on peut caractériser le système par sa
fonction de transfert échantillonnée H*(p). Cette transmittance est établie à partir d’une
extension de la transformée de Laplace aux fonctions pulsées (transformée de Laplace
échantillonnée). On pourra écrire, par exemple:
Y * ( p)  H * ( p).U * ( p) (1.6)
Cependant le signal échantillonné u*(t) , de transformée de Laplace échantillonnée U*(p) , est

un train d’impulsions de Dirac, espacées de Te, et de poids uk=u(kTe) à l’instant kTe.
L’impulsion de Dirac étant un opérateur neutre en algèbre de convolution, on obtiendra sur
l’intervalle de temps [0, nTe]:
n
y (t )   u (kT )h(t  kT ) (1.7)
k 0
Le signal y(t), obtenu par convolution discrète, est continu. Si l’on s’intéresse au poids de
l’impulsion de sortie apparaissant à l’instant nTe, on a:
n
y (nT )   u (kT )h(n  k )T  (1.8)
k 0
Le signal de sortie échantillonné est alors:


y * (t )   y (nT ) (t  nT ) (1.9)
n 0
Le signal y*(t) est, donc, une suite d’impulsions de Dirac, espacées périodiquement de Te.
1.4.2.3 Description par les transformées en Z
L’écriture et la résolution des équations récurrentes sont facilitées par l’emploi de l’opérateur
z d’avance d’une période d’échantillonnage Te.
Cet opérateur est défini à partir de la variable complexe p de Laplace par la relation:
z  eTp (1.10)
Le système à temps discret peut alors être modélisé par une fonction de transfert en z, qui lie
l’entrée à la sortie:
Y ( z)  H ( z).U ( z) (1.11)
H. EL FADIL
Chapitre 2:
Echantillonnage et reconstitution du signal
2.1 Les éléments échantillonneurs

2.1.1 Echantillonnage idéal :
Un échantillonneur idéal fait correspondre à un signal continu x(t) un signal échantillonné

x*(t) : suite d’impulsions de Dirac régulièrement réparties dans le temps, selon la période.
L’échantillonneur est un interrupteur qui se ferme pendant des instants espacés de Te puis
s’ouvre instantanément (Figure 2.1).
Figure 2.1 : Echantillonnage idéal d’un signal analogique
Le signal x*(t) peut s’exprimer par:
x* (t )  x(t ) Te (t ) (2.1)

avec :  Te (t )    (t  nTe ) : train d’impulsions ou fonction-
n 0
peigne (Fig. 2.2).
 Fig. 2.2 : Peigne de Dirac

x* (t )  x(t )  (t  nTe )
n 0
soit alors
H. EL FADIL
8 Chapitre 2

x* (t )   x(t ) (t  nTe )
n 0
Il en résulte finalement que le signal échantillonné a pour expression

x* (t )   x(nTe ) (t  nTe ) (2.2)
n 0
2.1.2 Quantification
Après échantillonnage le signal (toujours sous forme analogique) doit être quantifié (figure
2.3). C’est-à-dire numérisé et transformé en différents niveaux qui sont codés en binaire.
C’est le rôle de Convertisseur Analogique Numérique (CAN).
Figure 2.3 : Quantification d’un signal
Pour le CAN on définit les caractéristiques suivantes :
- La valeur Pleine échelle (PE) : Full Scale (FS):
VPE  Vmax  Vmin (2.3)
- La résolution est liée au nombre de bits n du CAN. Elle se calcule en % de la valeur

PE:
1
R 100 (2.4)
2n
- Le quantum, noté q, correspond à la quantité élémentaire de variation du signal

analogique pour une variation d’un bit:
VPE
q (2.5)
2n
H. EL FADIL
Echantillonnage et reconstitution 9
- L’erreur absolue maximum de quantification est

 max  q (2.6)
La plupart des convertisseurs CAN actuels ont un nombre de bits supérieurs à 8 (10, 12 ou 16;
exceptionnellement plus). Le tableau 2.1 donne l’erreur absolue maximum commise pour une
plage d’entrée du CAN s’étendant de 0 à 10V. Pour des raisons de précision, il est en général
nécessaire de choisir une quantification très fine, c’est-à-dire inférieure à 1%.
Tableau 2.1 : Erreur absolue d’un CAN en fonction de son nombre de bits n
Nombre de bits n 8 10 12 16 20 24
Nombre de niveaux 256 1024 4096 65536 1,05.106 16,8.106
Erreur max (mV) 40 10 2,5 0,15 0,01 0,0006

Résolution (% ) 0,4 0,1 0,025 1,5.10-3 1,1.10-4 6.10-6
2.2 Transformée de Laplace d’un signal échantillonné

2.2.1 Première approche
Rappels : On appelle l’impulsion de Dirac la fonction (t):
 0 si t  0
 (t )   (2.7)
  si t  0
Elle présente les propriétés suivantes :

- 
 (t )dt  1 ,

- 
f (t ) (t )dt  f (0) ,
-  (t  t0 ) f (t )   (t  t0 ) f (t0 ) .
Fig. 2.4
En notant L la transformée de Laplace, on a:
- L ( (t ))  1
- L ( (t   ))  e p : Théorème de retard.
Fig. 2.5
La transformée de Laplace du signal échantillonné (2.2), peut alors s’écrire comme suit:
H. EL FADIL
10 Chapitre 2

X * ( p)   x(nTe )e nTe p (2.8)
n 0
Cette relation constitue une première expression de la transformée de Laplace d’un signal
échantillonné (transformée de Laplace échantillonnée).
2.2.2 Deuxième approche
La fonction-peigne (train d’impulsions unité) est un signal périodique de période Te. Il peut
donc être décomposé en série de Fourier; soit:
 2t
 jk
 T (t ) 
e c e
k  
k
Te
(2.9)
Le coefficient ck s’exprime par:
2
1 t Te jk
ck    T ( )e d
Te
(2.10)
Te t e
Comme sur une période [t, t+Te], n’apparait qu’une seule

impulsion-unité (de poids égal à 1) (Fig. 2.6), on a:
Fig. 2.6
1 t Te e jk 2n t Te e jk 2n 1

ck 
Te  t
 (  nTe )e jk 2n d 
Te t
 (  nTe )d 
Te

Te
(2.11)
Le signal Te(t) peut donc s’exprimer, compte tenu de (2.9), (2.10) et (2.11), comme suit
 2 t
 jk
1
 T (t ) 
e
Te
e
k 
Te
(2.12)
L’équation (2.1) peut alors se réécrire compte tenu de (2.12) comme suit
 2t
1  jk
x (t ) 
*
Te
 x(t )e
k  
Te
(2.13)
En utilisant le théorème de la translation dans le plan complexe ( L x(t )e at  X ( p  a) ) on  

obtient:
H. EL FADIL

1
X * ( p) 
Te
 X ( p  jk)
k  
(2.14)
2
avec   désigne la pulsation d’échantillonnage.
T
Remarque 2.1 :
1) La relation (2.14) n’est valable que si le signal x(t) est causal, c’est-à-dire si x(t)=0
pour t<0 et qu’il ne présente pas de discontinuité pour t=0, soit x(0+)=0.
2) De cette expression, il résulte que le spectre X*(j) de x*(t) est obtenu à partir de celui
de x(t), c’est-à-dire de sa réponse en fréquences X(j), par une infinité de translations
de valeur Ω=2/T. Le spectre du signal échantillonné est donc bien plus étendu que
celui du signal continu qui lui a donné naissance.
2.3 Reconstitution d’un signal échantillonné

2.3.1 Théorème de Shannon:
Le théorème de Shannon précise les conditions dans lesquelles un signal analogique peut être
reconstruit de façon unique à partir de sa version échantillonnée :
Théorème 2.1 :
Pour pouvoir reconstituer un signal continu à partir d’un train d’échantillons de période Te,
il faut que la fréquence d’échantillonnage Fe satisfait la condition suivante:
Fe  2Fmax (2.15)
où Fe=1/Te et Fmax la fréquence maximale du spectre du signal continu d’entrée.
Remarque 2.2 :
Pour les signaux à spectre de fréquence limité, on conseille de choisir Fe telle que:
6 f c  Fe  24 f c (2.16)
où fc désigne la fréquence de coupure à -3dB.
H. EL FADIL
12 Chapitre 2
2.3.2 Echantillonneur bloqueur (E/B)
En Automatique, on associe souvent à l’échantillonneur classique un élément de maintien

appelé bloqueur d’ordre zéro, car souvent:
- Le signal discret (échantillon) est mis en mémoire jusqu’à l’apparition de l’échantillon

suivant;
- Le signal échantillonné (impulsion de Dirac) est transformé en échelon de position,
entre deux prises d’informations, afin d’attaquer le système physique commandé.
2.3.2.1 Modélisation de l’E/B
A partir d’un signal échantillonné x*(t) on obtient à la sortie de l’E/B un signal mémorisé xm(t)
qui se présente comme une suite de paliers, changeant tous les instants nTe (figure 2.7).
Figure 2.7 : Blocage d’un signal échantillonné
On peut considérer que le bloqueur d’ordre zéro

(élément de maintien) résulte de la différence entre +1 (t )
B0 (t )
deux échelons-unitaires de position, décalés de Te t
0
(figure 2.8). -1  (t  Te )
Te
Figure 2.8 : Bloqueur d’ordre zéro
Ceci nous ramène à écrire
B0 (t )  (t )  (t  T ) (2.17)
Sa transformée de Laplace s’obtient comme suit
1 1 Te p 1  e Te p
B0 ( p)   e  (2.18)
p p p
H. EL FADIL
Si l’on considère le même élément de maintien, décalé de n périodes: B0(t-nTe), sa

transformée de Laplace aura pour expression : B0 ( p).e  nTe p .
Considérons maintenant un signal mémorisé xm(t); on peut l’écrire comme résultant d’une
suite d’éléments de maintien décalés les uns des autres de Te:

xm (t )   x(nTe ) B0 (t  nTe ) (2.19)
n 0
Sa transformée de Laplace s’écrit:
 
X m ( p)   x(nTe ) B0 ( p)e  nTe p
 B0 ( p) x(nTe )e nTe p (2.20)
n 0 n 0
ou encore
X m ( p)  B0 ( p) X * ( p) (2.21)
Expression que l’on peut illustrer par un bloc-

diagramme, associant bloqueur à un échantillonneur
(figure 2.9).
Fig. 2.9
2.3.2.2 Réalisation de l’E/B:
Le schéma de principe d’un échantillonneur bloqueur est illustré par la figure (2.10).
Figure 2.10 : Schéma de principe d’un E/B
H. EL FADIL
14 Chapitre 2
L’échantillonneur S est un commutateur analogique réalisé à base de transistor FET (transistor

à effet de champ) ou MOSFET. Il présente une résistance à la fermeture RON qui doit être la
plus faible possible afin de minimiser l’erreur lors de la prise d’un échantillon.
Le condensateur de maintien (blocage) C est sans pertes.
L’amplificateur A est monté en suiveur. Il évite la décharge de C sur le circuit en aval.
H. EL FADIL
Chapitre 3:
La transformée en z
3.1 Définitions et propriétés

3.1.1 Passage de Laplace à z
Rappelons la transformée de Laplace d’un signal échantillonné x*(t) :

Ou encore :

X * ( p)   x(nTe )e nTe p (3.1)
n 0
On pose :
z  eTe p (3.2)
z est appelé opérateur d’avance du temps Te.

On définit ainsi le transformée en z du signal x(t) comme suit:

X ( z )   x(nTe ) z n (3.3)
n 0
Remarques 3.1
1) X(z) ne dépend de x(t) qu’aux instants d’échantillonnage. Toutes les fonctions ayant
les mêmes échantillons ont la même transformée en z.
2) L’opérateur z est lié à une période d’échantillonnage donnée. Il est donc fondamental
que, dans un système discret, toutes les prises d’échantillons aient lieu en
synchronisme.
H. EL FADIL
16 Chapitre 3
3) Si la transformée de Laplace est appropriée à l’étude des signaux en systèmes continus

vis-à-vis du temps, la transformée en z joue un rôle identique en théorie des systèmes à
temps discret. La transformée en z est définie pour les fonctions causales.
4) Les notations suivantes sont identiques:
 
X ( z) , x( z) , Z x(t ) , Z x* (t ) , Z x(nT ) , Z X ( p)
3.1.2 Propriétés et règles de calcul:
Elles découlent naturellement des propriétés de la transformée de Laplace :
a) linéarité, homogénéité:
Z a1 x1 (t )  a2 x2 (t )  a1 X1 ( z)  a2 X 2 ( z) (3.4)
b) Translation temporelle (retard):
Z x(t  Te )  z  X ( z ) (3.5)
Notons qu’un retard pur d’une période d’échantillonnage Te se note : z 1 .
c) Translation complexe:
 
Z x( p  a)  Z e at x(t )  X ( zeaTe ) (3.6)
d) Produit de convolution

     
Z  y(t )  x(t )    yk n xn z k   yk n xn z k   ym xn z ( m n )
k 0  n 0  n 0 k 0 n 0 m 0
 
  ym z m  xn z n  Z  y (t ) Z x(t )
m 0 n 0
Z y(t )  x(t )  Z y(t ) Z x(t ) (3.7)
Propriété déjà connue pour la TL : TZ d’un produit de convolution est le produit des TZ.
e) Multiplication par tn :
 

Z t n x(t )   kTe  x(kTe ) z k
n
k 0
H. EL FADIL
Transformée en z 17
d k d k
z  kz( k 1)  kzk   z (z )
dz dz
Ainsi pour n=1 on a :

 
  d 
Z tx (t )   kTe x(kTe )z k   Te x(kTe )  z ( z k )   zTe  x(kTe ) z k
d
k 0 k 0  dz  dz k 0
Finalement il s’ensuit que
Z tx (t )   zTe Z x(t )

d
(3.8)
dz
Cette formule étant utilisée de manière récursive pour calculer la TZ de t n x(t ) .
f) Dérivation par rapport à un paramètre:
Les opérations d’intégration et de dérivation par rapport à un paramètre sont des opérations
linéaires qui doivent donc commuter avec la transformée de Laplace et la transformée en z.
d  d
Z  x(t )  Z x(t ) (3.9)
 da  da
g) Théorème de la valeur finale:
lim x(nTe )  lim( z  1) X ( z )  lim 

 z  1  
 1

 X ( z )  lim 1  z X ( z )  (3.10)
n  z 1 z 1
 z   z 1
h) Théorème de la valeur initiale:
   z  1 
lim x(nTe )  lim (1  z 1 ) X ( z )  lim 

 X ( z )  limX ( z ) (3.10)
n 0 z  z 
 z   z 
i) Théorème de la sommation:
Supposons que nous avons :
n
g (nTe )   x(kTe ) (3.11a)
k 0
Alors g (nTe )  g(n  1)Te   x(nTe )

En opérant la transformée en z on a : Z g (nTe )  Z g (n  1)Te   Z x(nTe )
H. EL FADIL
18 Chapitre 3
Ce qui implique que : G( z )  z 1G( z )  X ( z )

ou alors :
1 z
G( z )  1
X ( z)  X ( z) (3.11b)
1 z z 1
j) Théorème de la différence:
Soit :
x(nTe )  x(nTe )  x(n  1)Te  (3.12a)
Z x(nTe )  X ( z)  z 1 X ( z)  (1  z 1 ) X ( z)
z 1
D( z )  X ( z) (3.12b)
z
où D( z )  Z x(nTe ) .
3.1.3 Table de transformées en z
A partir de la définition de la transformée en z d’une fonction du temps, et des différentes

propriétés ci-dessus, il est aisé de construire une table de transformées en z de signaux et de
fonctions habituellement utilisées en Automatique.
On trouvera une table des transformées en z des fonctions les plus courantes en annexe.
3.2 Correspondance entre le plan des p et le plan des z

D’une façon générale, la variable p de Laplace est un nombre complexe de la forme:
p  x  jw (3.13)
Dans le plan des z, on aura alors:
z  eTe p  eTe x e jwTe (3.14)
Du fait de la périodicité du terme e jwTe , nous avons :
- à tout axe vertical d’abscisse x du plan des p correspondra un cercle de centre 0 et de

rayon eTe x dans le plan des z. (en particulier, l’axe imaginaire aura pour transformée
le cercle de centre 0 et de rayon-unité) (figure 3.1).
H. EL FADIL
- A tout point situé dans le demi-plan droit du plan complexe (plan des p) correspondra
un point situé à l’extérieur du cercle-unité dans le plan des z.
- inversement, l’intérieur de ce cercle correspondra au demi-plan gauche du plan
complexe.
Im( p) Im(z )
+1
Re( p) -1 +1 Re(z )
0 0
-1
Plan p Plan z
Figure 3.1 : correspondance entre le plan p et le plan z
Remarque 3.2
Le cercle-unité du plan z jouera le même rôle pour la stabilité des systèmes à temps discret,
que l’axe imaginaire vis-à-vis de celle des systèmes continus.
3.3 Inversion de la transformée en z

Pour une période d’échantillonnage Te, nous pouvons définir la correspondance suivante :
Z
x(t ) X ( z)
1
xz (t ) Z X ( z)
Avec Z désigne la transformée en z, et Z-1 sa transformée inverse.

xz (t ) est le résultat de la transformée en z inverse. xz (t ) n’est pas unique mais toutes les
fonctions coïncident avec x(t) pour tout t  kTe .
On distingue quatre méthodes d’inversion de la transformée en z:
- Deux sont de type analytique et fournissent donc un résultat sous la forme d’une
relation mathématique xz(t), continue vis-à-vis de la variable t : méthode des résidus et
la méthode de décomposition en fractions rationnelles.
H. EL FADIL
20 Chapitre 3
- Les deux autres sont de type numérique et ne donnent de x(t) que les valeurs
numériques de la fonction aux instants d’échantillonnage kTe: méthode de division
selon les puissances croissantes de z-1 et la méthode de l’équation récurrente.
3.3.1 Méthodes analytiques
3.3.1.1 Méthode des résidus
On rappelle la transformée en z d’un signal x(t):

X ( z )   x(nTe ) z n (3.15)
n 0
En multipliant par z  n les deux membres de cette relation on a
z n1 X ( z)  x(0) z n1  x(Te ) z n2    x(nTe ) z 1  x(n  1)Te z 2   (3.16)
or d’après le théorème de Cauchy on a :

1 1 pour k  1
I 
2j (C )
z k dz  
0 pour k  1
(3.17)
où (C) est un contour du plan des z, parcouru dans le sens trigonométrique, entourant tous les
pôles de X ( z )  z n1 .
Si on applique ce résultat au terme x(nTe ) z 1 à droite de (3.16) on obtient :
1

2j (C )
x(nTe ) z 1dz  x(nTe ) (3.18)
Toutes les autres intégrales du membre de droite du développement étant nulles, on peut
écrire :
1
2j (C)
x(nTe )  z n1 X ( z )dz (3.19)
Cette intégrale s’évalue par application du théorème des résidus :

x(nTe )   résidus de z n1 X ( z )  z  zi (3.20)
zi
où les zi sont les pôles de z n1 X ( z ) .

Or le calcul du résidu d’une fonction F(z) de variable complexe z par rapport à un pôle zi de
multiplicité m se fait par l’expression suivante
H. EL FADIL
 1 d ( m1) 
Résidu  F ( z ) z  zi   ( m 1)

( z  zi ) m F ( z )  (3.21)
 (m  1)! dz  z  zi
Finalement, en combinant (3.20) et (3.21), on obtient
 1 d ( m1) 
x(nTe )    ( m 1)

( z  zi ) m z n 1 X ( z )  (3.22)
zi  ( m  1)! dz  z  zi
Exemples :
Te z
1) Soit : X ( z )  . Cette fonction possède un pôle double en z=1.
( z  1) 2
 Pour n  0 :
 Tz  d  Te 
x(0)  résidu de z 1 e 2   ( z  1) 2 0
 ( z  1)  z 1 dz  ( z  1) 2  z 1
 Pour n quelconque >0 :
 Tz  d  T zn  d 
x(nTe )  résidu de z n1 e 2   ( z  1) 2 e 2   Te z n   nTe
 ( z  1)  z 1 dz  ( z  1)  z 1 dz  z 1

Il en découle que X ( z )  Te  n  z n , ce qui implique que :
n1
xz (t )  t  (t )
1 z n 1
2) Soit : X ( z )  , avec a et b réels. z n 1 X ( z )  .
( z  a)( z  b) ( z  a)( z  b)
 Pour n  1 : z n1 X ( z ) possède deux pôles simples a et b  deux résidus à calculer.
 1  a n1 b n1
Res z a  ( z  a) z n1  Res z b 
( z  a)( z  b)  z a (a  b)
;
 (b  a)
a n 1 b n1 a n1  b n1

x(nTe )   
(a  b) (b  a) ( a  b)
 Pour n  0 : z n1 X ( z ) possède trois pôles simples : a, b et 0  trois résidus à calculer.
1 1 1
Res z a  ; Res z b  ; Res z  0 
a ( a  b) b(b  a) ab
1 1 1
x(0)    0
a(a  b) b(b  a) ab
H. EL FADIL
22 Chapitre 3
3.3.1.2 Décomposition en fractions rationnelles
C’est la méthode la plus employée des deux méthodes analytiques. Elle consiste à
décomposer X(z) en éléments simples dont on trouve les originaux dans les tables. Ces
éléments sont en général des fractions rationnelles.
La fonction X(z) peut se mettre sous la forme polynomiale
N ( z)
X ( z)  (3.23)
D( z )
ou encore sous la forme pôles et zéros de X(z)
 (z  z ) k
X ( z)  K k
(3.24)
 (z  z )
i
i
a) Cas où les pôles sont simples :
Si le degré de N(z) est inférieur ou égal à celui de D(z) nous pouvons écrire dans le cas où
tous les pôles sont simples :
Ci z
X ( z)   (3.25)
i z  zi
où les coefficients Ci se calculent comme suit :
 X ( z) 
Ci  ( z  zi ) (3.26)
 z  z  zi
L’inversion sera telle que

x(nTe )   Ci zin (3.27)
i
Exemple :
z (5 z  3.6)
Soit : X ( z )  . Cette fonction possède deux pôles: z=0.8 et z=0.6.
z  1.4 z  0.48
2
Par séparation en fractions rationnelles et par identification, on obtient:

2z 3z
X ( z)  
z  0.8 z  0.6
t t
0.223 0.511
Soit en se reportant aux tables de transformées : xz (t )  2e T
 3e T
. Ou encore en
utilisant (3.27): x(nTe )  2  0.8n  3  0.6n
H. EL FADIL
b) Cas où les pôles sont multiples :
Dans l’équation caractéristique D( z )  0 , il se peut que zi soit une racine multiple d’ordre m :
D( z )  (.....)  ( z  zi )m  (.....) (3.28)
Dans ce cas la décomposition en éléments simples s’écrit :

Ci ,1 z Ci , 2 z Ci ,m z
X ( z)       (3.29)
z  zi ( z  zi ) 2
( z  zi ) m
Le calcul des coefficients Ci,q est réalisable en prenant des cas particuliers (z = 0, z  ) mais
cette méthode est vite limitée dès que m > 2. Pour une multiplicité plus grande on utilise la
forme générale suivante :
 1 d ( mq )  X ( z ) 
Ci ,q   ( mq ) 
( z  zi ) m  (3.30)
 (m  q)! dz  z  z  z
i
3.3.2 Méthodes numériques
3.3.2.1 Division suivant les puissances croissantes de z-1 :
Lorsque X(z) se présente sous la forme de fractions rationnelles en z (ou en z-1), il suffit de
diviser le numérateur par le dénominateur pour obtenir une série en z-1, dont les coefficients
sont les valeurs x(nTe) désirées.
 
En effet : X ( z )   xn z n , d’où x* (t )   xn (t  nTe ) avec xn  x(nTe )
n0 n0
Exemple :
z
Soit le signal : X ( z )  .
z  3z  2
2
La division du polynôme-numérateur par celui du dénominateur conduit à :
z z 2  3z  2
0  3  2 z 1
z 1  3z 2  7 z 3  15z 4  31z 5  
0  7 z 1  6 z 2
0  15z 2  14 z 3
0  31z 3  30 z 4
0  
D’où X ( z)  z 1  3z 2  7 z 3  15z 4  31z 5  
H. EL FADIL
24 Chapitre 3
Comme z  n est la transformée de  (t  nTe ) , on peut écrire :
x* (t )   (t  Te )  3 (t  2Te )  7 (t  3Te )  15 (t  4Te )  31 (t  5Te )  

Dans ce cas particulier, on peur reconnaître que le terme général x(nTe ) s’écrit :
x(nTe )  2n  1
3.3.2.2 Méthode de l’équation aux différences (équation récurrente) :
Cette méthode consiste à déduire la valeur de l’échantillon x(nTe) de la connaissance des

échantillons précédents aux instants: (n-1)Te, (n-2)Te, … (le nombre des échantillons
nécessaires dépend de l’ordre de la relation étudiée). On procède ainsi de manière itérative en
progressant pas à pas de période en période.
Y ( z) 1
Soit un système à temps discret S de fonction de transfert en z: 
U ( z ) z  0.5
On peut écrire: Y ( z )  0.5z 1Y ( z )  z 1U ( z )
soit: yz (t )  0.5 yz (t  Te )  u(t  Te )
Soit pour t = nTe: y(nTe )  0.5 y(n  1)Te   u(n  1)Te 
Que l’on peut écrire tout simplement: yn  0.5 yn1  un1
Si u(t) est un échelon-unité, tous les un valent 1, quelque soit n. D’autre part on suppose que le
système est de type causal, ce qui signifie que s(-nTe)=0. On peut alors calculer les premiers
termes de la réponse du système S à un échelon-unité:
y0  0
y1  0  1  1
y2  0.5x1  1  1.5
y3  0.5x1.5  1  1.75
d’où:

y * (t )   y  (t  nT )
n 0
n e
  (t  Te )  1.5 (t  2Te )  1.75 (t  3Te )  1.875 (t  4Te )  ...
En appliquant le théorème de la valeur finale, on voit que la réponse indicielle (réponse à un

échelon-unité) d’un tel système tend vers:
 z 1 1   z 1 1 z 
lim y(nTe )  lim  U ( z )  lim  2
n  z 1
 z z  0.5  z 1  z z  0.5 z  1
H. EL FADIL
Chapitre 4:
Fonction de transfert discrète
4.1 Représentation symbolique d’un système à temps discret

Dans un système à temps discret, se trouvent rassembler pour composer une chaîne de
commande:
- Des éléments de type analogique (continu),
- Des éléments de type numérique (discret),
- Des CAN et des CNA pour passer des uns aux autres.
Cette chaîne peut être symbolisée par le schéma figure 4.1.
Horloge
nTe
um(t) Système y(t) yn
CNA CAN
à régler
un
Ordinateur
Figure 4.1 : Chaîne de commande discrète
Extérieurement le système est discret, puisqu’à une entrée discrète un  u(nTe ) correspond un
signal discret yn  y(nTe ) .
On peut donc définir une fonction de transfert échantillonnée, qui modélise le système et qui
lie le signal discret d’entrée un au signal de sortie échantillonné yn.
En réalité, on peut représenter le processus de commande par calculateur numérique par le
schéma figure 4.2.
Après avoir été soumise à un algorithme de commande (détecteur d’écart, régulateur, …) la
grandeur de commande e(t) désirée par l’opérateur est mise en mémoire sous forme de
valeurs numériques quantifiées un.
H. EL FADIL
26 Chapitre 4
Registre 0
e(t) de sortie 1 C
0
Algorithme de un 1 um(t)
Mémoire N
commande 1
0
1 A
Temporisation Te 0
Figure 4.2 : Processus de commande par calculateur
A chaque période Te, le registre de sortie est chargé

sous forme d’octets et le CNA délivre un signal u(t) u*(t) um(t)
B0(p)
um(t) constant entre deux prises d’information. un
Tout se passe alors comme si le signal un, noté
Figure 4.3
également u*(t), résulte de l’échantillonnage de u(t)
(figure 4.3).
On pourra également représenter le CNA par un simple échantillonneur. A partir de ces
différentes considérations, on peut symboliser la chaîne de commande à temps discret par le
schéma figure 4.4.
H(p)
u(t) u*(t) um(t) y(t)
B0(p) F(p)
un
y*(t)
yn
Figure 4.4 : Représentation d’une chaîne de commande à temps discret
Dans la figure 4.4, F(p) représente la fonction de transfert classique du système (analogique) à
commander par ordinateur. D’une manière générale, on appellera H(p) la fonction de transfert
de tous les éléments compris entre deux échantillonneurs.
4.2 Notion de fonction de transfert échantillonné

4.2.1 Convolution discrète
Soit le système linéaire à temps discret (ou système échantillonné) figure 4.5.
u(t) u*(t) y(t) y*(t)

H(p)
U(p) U*(p) Y(p) Y*(p)
Figure 4.5 : Système linéaire à temps discret
H. EL FADIL
Fonction de transfert discrète 27
On peut écrire:
 
y(t )  h(t )  u* (t )  y (t )  h(t )   u (nTe ). (t  nTe )   u (nTe )  h(t )   (t  nTe )
n 0 n0
Ce qui implique alors :


y (t )   u (nTe )  h(t  nTe ) (4.1)
n0
Cette relation donne la convolution discrète qui lie la sortie à l’entrée. Notons que le terme :
u(nTe )  h(t  nTe ) n’existe qu’à partir de l’instant t  nTe .
Si on s’intéresse à la (n+1) période, on peut écrire qu’entre les instants nTe et (n+1)Te, la sortie
du système sera un signal continu répondant à :
n
y (t )   u (mTe )  h(t  mTe ) (4.2)
m0
Qui donne l’évolution de la réponse du système sur la période considérée. Cette réponse du
système est la somme des réponses impulsionnelles successives (figure 4.6).
y(t)
9Te 10Te
0 Te 2Te 3Te 4Te 5Te 6Te 7Te 8Te t
t1
Figure 4.6 : Evolution de la réponse (4.2)
Si l’on désire connaître la valeur de la réponse à l’instant t = nTe, il suffit d’écrire:
n
yn  y (nTe )   u (mTe )  h(n  m)Te  (4.3)
m 0
4.2.2 Fonction de transfert discrète
On sait que :

Y * ( p)   yn e nTe p (4.4)
n0
H. EL FADIL
28 Chapitre 4
Alors:

 n 
Y * ( p)    u (mTe )  h(n  m)Te e nTe p (4.5)
n 0 m 0 
Posons: n  m  k , d’où: n  k  m . Si n  0 alors k  m . L’équation (4.5) se réécrit comme

suit :
   
Y * ( p)    u(mT )  h(kT ) e
k  m m0
e e
kTe p
 e mTe p   h(kT )  e
k  m
e
 kTe p
  u (mTe )  e mTe p
m0
Du fait de la causalité de la réponse impulsionnelle, on peut écrire:
 
Y * ( p)   h(kTe )  e kTe p   u (mTe )  e mTe p (4.6)
k 0 m 0
Or la fonction de transfert échantillonnée du système étudié s’écrit :

H * ( p)   h(kTe )  e kTe p (4.7)
k 0
Il s’ensuit que :
Y * ( p)  H * ( p)  U * ( p) (4.8)
On peut donc représenter simplement un système échantillonné

par un bloc-diagramme élémentaire de la forme figure 4.7. U*(p) Y*(p)
H(p)
Il est évident que la relation entrée-sortie peut aussi s’exprimer

Figure 4.7
par les transformée en z:
Y ( z )  H ( z ) U ( z ) (4.9)
4.3 Fonctions de transfert des systèmes complexes

4.3.1 Système de commande en boucle ouverte
4.3.1.1 Système encadré par deux échantillonneurs
On reprend ici la figure 4.5 où H(p) peut représenter un système élémentaire ou la fonction de
transfert globale d’un système plus complexe:
H. EL FADIL
- Eléments en cascade: H ( p)  G1 ( p)  G2 ( p)

- Eléments en parallèle: H ( p)  G1 ( p)  G2 ( p)  
De la figure 4.5 on peut donc écrire :
Y ( p)  H ( p)  U * ( p)
Y * ( p)  H * ( p)  U * ( p)
Soit alors :
Y ( z )  H ( z ) U ( z ) (4.10)
4.3.1.2 Cas avec un échantillonneur intermédiaire dans la chaîne
Soit le schéma figure 4.8 suivante :
u(t) u*(t) x(t) x*(t) y(t) y*(t)

H1(p) H2(p)
U(p) U*(p) X(p) X*(p) Y(p) Y*(p)
Figure 4.8 : Echantillonneur intermédiaire entre deux blocs
On peut écrire :
X * ( p)  H1* ( p) U * ( p) et Y * ( p)  H 2* ( p)  X * ( p)
On obtient alors:
Y * ( p)  H1* ( p)  H 2* ( p) U * ( p)
La fonction de transfert globale est:
H * ( p)  H1* ( p)  H 2* ( p)
H ( z )  H1 ( z )  H 2 ( z ) (4.11)
4.3.1.3 Système continu précédé d’un bloqueur d’ordre zéro
C’est la configuration représentée par la figure 4.9.
H. EL FADIL
30 Chapitre 4
H(p)
u(t) u*(t) um(t) y(t) y*(t)
B0(p) F(p)
U(p) U*(p) Y(p) Y*(p)
Figure 4.9 : Système continu précédé d’un BOZ
Nous avons :

H ( p)  B0 ( p)  F ( p)
*
 *
avec B0 ( p) 
1  e Tp
p
 F ( p)   F ( p) 
H ( z)  Z    Z e Tp 
 p   p 
 F ( p)  1  F ( p) 
H ( z)  Z    z Z p 
 p   
Finalement on peut donc écrire
 F ( p) 
H ( z )  (1  z 1 ) Z   (4.12)
 p 
4.3.2 Systèmes bouclés
4.3.2.1 Détecteur d’écart (comparateur):
On peut voir immédiatement l’équivalence des deux schémas figure 4.10:
e(t) + (t) *(t) e(t) e*(t) + *(t)

- -
m(t) m*(t) m(t)
(a) (b)
Figure 4.10 : Comparateur
En effet, pour la configuration (a) nous avons :  *  (e  m)*  e*  m*

et pour la configuration (b) nous avons :  *  e*  m*
H. EL FADIL
4.3.2.2 Système asservi avec échantillonnage de l’erreur
Soit le schéma en boucle fermée figure 4.11.
e(t) +  (t) *(t) s(t) s*(t)

D(p)
-
m(t)
R(p)
Figure 4.11 : Système asservi avec échantillonnage de l’erreur
Nous avons :
M * ( p)
H ( p)  *  D( p)  R( p)
* *
(4.13)
 ( p)
B0
La FTBF s’écrit :
S * ( p) D* ( p ) D( z )
H ( p)  *
*
  H ( z)  (4.14)
E ( p) 1  H B* 0 ( p) 1  H B0 ( z)
BF
et l’erreur a pour expression :
1 1
 * ( p)  E * ( p)   ( z)  E( z) (4.15)
1  H B 0 ( p)
*
1  H B0 ( z)
4.3.2.3 Système asservi avec un échantillonnage supplémentaire
On considère ici un système asservi avec un échantillonnage supplémentaire dans la chaîne

directe (figure 4.12).
e(t) +  (t) *(t) x(t) x*(t) s(t) s*(t)

D1(p) D2(p)
-
m(t)
R(p)
Figure 4.12 : Système asservi avec échantillonnage supplémentaire
A partir de cette figure, on peut écrire
H. EL FADIL
32 Chapitre 4
H B* 0 ( p)  D1* ( p)  D2 ( p)  R( p)  H B 0 ( z )  D1 ( z )  Z D2 ( p)  R( p)

*
(4.16)
D1* ( p)  D2* ( p) D1 ( z )  D2 ( z )
*
H BF ( p)   H BF ( z )  (4.17)
1  H B* 0 ( p) 1  H B0 ( z)
Remarque 4.1 :
Cette dernière configuration est intéressante car elle représente le cas typique d’un
asservissement dont le correcteur (régulateur) est programmé dans le calculateur de
commande :
- On pourrait, ainsi, avoir: D1(p) = C(p) , fonction de transfert du correcteur numérique,
et D2(p), fonction de transfert des éléments analogiques de la chaîne de commande.
- Le capteur R(p) est supposé ici analogique. S’il est de type numérique, la prise
d’information s’effectue alors après l’échantillonneur de sortie.
4.4 Lieux de transfert
De même que pour les systèmes asservis linéaires continus, l’étude des performances d’un
système asservi échantillonné passe par certaines méthodes graphiques et nécessite donc le
tracé de son lieu de transfert échantillonné.
4.4.1 Incidence de l’échantillonnage sur le lieu de transfert d’un système
Le lieu de transfert H  ( j ) d’un système à temps discret se déduit de la connaissance du lieu

de transfert H ( j ) du système continu associé par la relation :

 H  j(  k)
1
H  ( j )  (4.18)
Te k 
2
avec   désigne la pulsation d’échantillonnage.
Te
En pratique, on trace plutôt le lieu Te H  ( j ) , tel que :

Te H  ( j )   H  j(  k)
k 
(4.19)
Le lieu échantillonné résulte donc d’une addition vectorielle dans le plan complexe comme
indiqué figure 4.13.
H. EL FADIL
Im
1  
1   1  2
/2 Re
0
H  j (1  )
1  2
H  j (1  2) H  j (1  )
H ( j1 )
1
Te H  ( j ) H ( j )
Figure 4.13 : Construction vectorielle du lieu échantillonné
Cette construction vectorielle, qui peut paraître bien compliquée, est facilitée par les
considérations suivantes :
- Le fait que la double sommation sur k se réduit bien souvent à quelques termes autour
de zéro. En effet, le module de H ( j ) tend rapidement vers zéro dès que la pulsation
prend des valeurs élevées. Or dans bien des cas, la pulsation d’échantillonnage est
elle-même élevée, ce qui fait que :
lim H  j (  k)  0 dès que k  3,4,5, (4.20)

 
- Le fait que la fonction Te H  ( j ) soit périodique (voir chapitre 2, (§2.2.2)) ; ce qui
confère au lieu Te H  ( j ) quelques propriétés intéressantes :
 Pour   0 Te H  ( j 0) est réel ou infini, selon que H ( j 0) est lui-même

réel ou infini.
  
 Pour    Te H  ( j ) est toujours réel, quelque soit H ( j ) .
2 Te 2
 Pour    Te H  ( j)  Te H  ( j 0)
Si Te H  ( j 0) est réel, ces deux points sont confondus. Le lieu de transfert est
cyclique et présente une périodicité  .
Si Te H  ( j 0) est infini, Te H  ( j) est infini et lui est symétrique par rapport à
l’axe réel ; le lieu se boucle alors à l’infini par un cercle de rayon infiniment
grand.
H. EL FADIL
34 Chapitre 4
Ainsi compte-tenu des règles ci-dessus, les lieux de transfert échantillonnés se présentent
comme indiqué dans la figure 4.14.
Im
/2 Re
/2 
0 0
Te H  ( j )
Figure 4.14 : Lieux de transfert échantillonnés
Remarque 4.2 :
Comme pour les systèmes continus, il est assez rare que l’on soit amené à travailler dans le
plan de Nyquist (ou plan complexe). L’intérêt de ce paragraphe se situe dans la mise en
évidence des propriétés liées aux lieux de transfert des systèmes échantillonnés par rapport
aux lieux des systèmes continus correspondants.
4.4.2 Lieux d’EVANS (ou lieu des racines)
La fonction de transfert d’un système asservi échantillonné peut s’exprimer par :
D( z )
H BF ( z )  (4.21)
1  H B0 ( z)
Sa fonction de transfert en BO pourra se mettre sous la forme :
H BO ( z )  K  G( z ) (4.22)
Les pôles de H BF (z ) , donc les racines de l’équation caractéristique (sensibilité (z ) de

l’asservissement) :
( z )  1  H BO ( z )  0 (4.23)
Dépendent du gain statique en boucle ouverte K, des pôles et des zéros de la fonction G(z).
H. EL FADIL
On peut donc tracer dans le plan des z le lieu géométrique décrit par les racines de l’équation
caractéristique ( z )  0 , lorsque le gain statique en boucle ouverte K varie de zéro à l’infini.
Ce lieu des racines en fonction du paramètre K est appelé lieu d’EVANS.
Les logiciels d’étude des systèmes, tels que MATLAB permettent d’obtenir le tracé de tous
ces lieux sans difficulté (voir tableau 4.1).
Tableau 4.1 : Exemples de commandes Matlab pour le tracé du lieu de transfert
Pour un système de fonction de transfert G(z):
bode(G) : trace le diagramme de Bode

nyquist(G) : trace le diagramme de Nyquist
nichols(G) : trace le diagramme de Black-Nichols
rlocus(G) : trace le lieu d’Evans
rlocfind(G) : donne les valeurs des pôles et du gain correspondant sur le lieu
d’Evans
Les figure 4.15 et 4.16 illustrent le tracé le tracé de lieu de Nyquist et le lieu d’Evans à partir
du programme programme Matlab suivant :
Programme Matlab pour le tracé des lieux de transfert
Num_C=[100];
Den_C=conv(conv([1 5],[1 4]),[1 1]);
%%fonction de transfert continue%%
H_cont=tf(Num_C,Den_C);
figure(1);
bode(H_cont);
%% fonction de transfert discrète %%
Te=0.1; % période d'échantillonnage;
H_disc=c2d(H_cont,Te);
figure(2);
nyquist(H_disc); % lieu de Nyquist
figure(3);
rlocus(H_disc); % lieu d’Evans
H. EL FADIL
36 Chapitre 4
Nyquist Diagram
4
2
Imaginary Axis
-1
-2
-3
-4
-1 0 1 2 3 4 5 6
Real Axis
Figure 4.15 : Lieu de Nyquist
Root Locus
5
Imaginary Axis
-5
-14 -12 -10 -8 -6 -4 -2 0 2
Real Axis
Figure 4.16 : Lieu d’EVANS
H. EL FADIL
Chapitre 5:
Stabilité des systèmes à temps discret
5.1 Notion générale de stabilité

5.1.1 Rappels
Tout réglage automatique, qu’il soit continu ou qu’il soit discret, doit absolument satisfaire
à des conditions strictes de stabilité. Nous avons vu au chapitre 4 de la partie systèmes
continus qu’un système peut se trouver dans l’une des situations suivantes :
- Système asymptotiquement stable.
- Système marginalement stable (limite de stabilité),
- Ou système instable.
Nous avons aussi vu que pour qu’un système de fonction de transfert H(p) soit stable, il faut
que sa réponse impulsionnelle h(t )  L1H ( p) satisfasse: lim h(t )  0 . Ceci n’est possible
t 
que si les pôles de la fonction de transfert H(p) sont tous à partie réelle négative ( Re( pi )  0 ).
5.1.2 Cas des systèmes discrets
Pour les systèmes à temps discret, la condition générale de stabilité s’écrit:

lim h(nT )  0 (5.1)
n
Sachant que la réponse impulsionnelle h*(t) est une suite d’échantillons:


h* (t )   h(nT )   (t  nT ) (5.2)
n 0
En supposant que le système possède des pôles  i , réels et/ou complexes conjugués, le terme
général de h(t) peut s’écrire:
H. EL FADIL
38 Chapitre 5
d
h(nT )   Ci in (5.3)
i 1
Cette expression tendra vers zéro si et seulement si tous les  i ont leur module inférieur à 1:
i  1 (5.4)
5.2 Stabilité des systèmes discrets dans le plan de Nyquist

5.2.1 Etude fréquentielle
Soit le système asservi à temps discret de la figure 5.1 suivante:
E ( p) +   ( p) 
S  ( p)
_ D ( p)
M  ( p)
R  ( p)
Figure 5.1 : Système échantillonné asservi
Sa fonction de transfert en boucle fermée s’écrit:

D* ( p )
*
H BF ( p)  (5.5)
1  D* ( p )  R * ( p )
Il a pour équation caractéristique (ou pour sensibilité):

* ( p)  1  D* ( p)  R* ( p)  1  H BO
*
( p)  0 (5.6)
Critère de Nyquist:
Un système asservi est stable si la variation de l’argument de sa fonction de transfert en
boucle ouverte, autour du point critique d’abscisse: -1, lorsque  varie de 0 à Ω=2/T, est
nulle. Il est instable dans le cas contraire.
Critère du Revers :
Un système asservi est stable si le lieu de transfert en boucle ouverte, n’entoure pas le point
critique d’abscisse: -1, il est instable s’il l’entoure.
5.2.2 Applications aux systèmes asservis à temps discret
La stabilité dépend souvent du réglage de la valeur du gain statique K car:

*
H BO ( j )  K  G* ( j ) (5.7)
H. EL FADIL
Stabilité des systèmes échantillonnés 39
Il est plus judicieux de considérer l’équation caractéristique * ( j )  0 sous la forme:

Te* ( j )  Te  K  TeG* ( j )  0 . Soit :
Te
TeG * ( j )   (5.8)
K
Sachant que le lieu TeG* ( j ) se déduit du lieu G(j) par construction vectorielle (voir
chapitre 4).
Te
Par ailleurs, le lieu critique C ( K )   , gradué en K, est porté par l’axe réel négatif (voir
K
figure 5.2).
Suivant les valeurs du gain statique K et la forme du lieu de transfert TeG* ( j ) , on peut donc
étudier les cas qui, par application du critère du revers, conduisent à la stabilité ou à
l’instabilité de l’ensemble .
Im

Critère de revers :
Si en parcourant le lieu de transfert en boucle
ouverte dans le sens des  croissantes, on laisse le
0 K0  Re
point critique d’abscisse  Te / K à gauche, alors Te /2 0
C(K )  
K
le système est stable.
TeG  ( j )
Trois cas se présentent: 
- K  K0  stabilité; 0
Figure 5.2 : Critère de Revers
- K  K0  instabilité;
- K  K0  G* ( j0 )  1 / K0 . On a alors affaire à un système juste oscillant à la

 
pulsation: 0   .
2 T
En effet, pour cette valeur de la pulsation, le lieu de transfert TeG* ( j0 ) coupe l’axe
réel (argument égal à -).
Ceci constitue un particularité importante des systèmes asservis à temps discret: c’est
l’échantillonnage qui impose la fréquence d’auto-oscillation.
5.3 Stabilité des systèmes discrets dans le plan de z

5.3.1 Considérations générales
On peut étudier les conditions de stabilité d’un système à temps discret en s’intéressant aux
pôles de sa fonction de transfert en z.
Soit le système asservi suivant:
H. EL FADIL
40 Chapitre 5
E (z ) +  (z ) S (z )
D(z )
_
M (z )
R(z )
D( z )
H BF ( z )  (5.9)
1  D( z )  R ( z )
Son équation caractéristique est:
( z)  1  D( z )  R( z)  1  H BO ( z )  0 (5.10)
Pour appréhender le degré de stabilité de ces systèmes à temps discret, sans avoir à résoudre
pour autant leurs équations caractéristiques, on peut s’appuyer sur:
- des critères de type algébrique: SCHUR-COHN, ROUTH et HURWITZ, JURY.
- des critères de type géométrique (comme précédemment): NYQUIST, EVANS.
5.3.2 Critère de JURY

Il s’agit d’une forme simplifiée du critère de SCHUR-COHN, qui est valable pour les
polynômes à coefficients réels.
Le critère de JURY donne des relations sous forme d’inégalités se basant sur les coefficients
akj de l’équation caractéristique en z:
D( z)  ( z)  d00  d10 z  d 20 z 2    d n0 z n (5.11)
5.3.2.1 Cas général

On construit la matrice de dimensions (n  1)  (n  1) suivante :
 d 00 d10 d 20  d n01 d n0 
 1 
 d0 d11 d 21  d n11 0
 d 02 d12 d 22  0 0 (5.12)
 
      
d n  2 d1n  2 d 2n  2  0 
 0 0
dont les éléments sont définis comme suit :
 d 0j d nj j k
 pour 0  k  n  j  1
d kj 1   d nj j d kj (5.13)
 pour k  n  j  1
 0
H. EL FADIL
Stabilité des systèmes échantillonnés 41
Le polynôme D(z) n'a aucun zéro de module supérieur à Im(z )

1 (zéro instable) (voir figure 5.3) si les n + 1 conditions
Instable +1
suivantes sont respectées :
1) d 00  d n0  0 -1
Stable
+1 Re(z )
0
2) d0j  d nj j  0 j  1,..., n  2
3) d n D(1)  0 -1
Figure 5.3
4) (1) n d n D(1)  0
5.3.2.2 Quelques cas particuliers
a) Polynômes du second degré:
d ( z)  ( z )  d 2 z 2  d1 z  d0 avec d2  0 (5.14)
Le critère de Jury impose les conditions suivantes:
1) d 0  d 2 (produit des racines inférieur à 1)
2) d (1)  (d0  d1  d 2 )  0
3) d (1)  (d0  d1  d 2 )  0
b) Polynômes du troisième degré
d ( z)  d3 z 3  d 2 z 2  d1 z  d0 avec d3  0 (5.15)
1) d 0  d 3 (produit des racines inférieur à 1)
2) d02  d32  d0 d 2  d1d3

3) d (1)  (d0  d1  d 2  d3 )  0
4) d (1)  (d0  d1  d 2  d3 )  0
c) Polynômes du quatrième degré
d ( z )  d 4 z 4  d3 z 3  d 2 z 2  d1 z  d0 avec d4  0 (5.16)
1) d 42  d02  d0 d3  d1d 4
2) (d0  d 4 )2 (d0  d 2  d 4 )  (d1  d3 )(d0 d3  d1d4 )  0

3) d (1)  (d0  d1  d 2  d3  d 4 )  0
4) d (1)  (d0  d1  d2  d3  d4 )  0
5.3.2.3 Exemple
Soit par exemple un système asservi discret à retour unitaire dont la fonction de transfert en
boucle ouverte associée est:
H. EL FADIL
42 Chapitre 5
K (1   )
T
K  e
H BO ( p)  B0 ( p)   H BO ( z )  K  G( z )  ;   e  1
(1  p) z 
Son équation caractéristique : ( z)  1  K  G( z)  0

conduit à étudier les racines du polynôme suivant: d ( z)  z    K (1   )
L’application du critère de Jury à ce polynôme du premier degré impose le respect des
conditions suivantes:
1)   1
2) d (1)  (1  K )(1   )  0 ; 1  K  0 ; soit K  1 (toujours vérifié, car K > 0)
1
3) d (1)  K (1   )  (1   )  0 ; K 
1
1 
Le système étudié est donc stable si : 0  K 
1
5.3.3 Lieu des racines ou lieu d’Evans
C’est une méthode graphique, utilisée souvent pour les systèmes continus. Elle peut être aussi
utilisée dans le plan des z pour tester les conditions de stabilité des systèmes asservis à temps
discret.
Exemple :
Soit un système asservi échantillonné, dont la fonction de transfert en boucle ouverte est :
z  1.755
H BO ( z )  K
z ( z  1)( z  0.368)
Le lieu des racines de son équation
caractéristique: ( z)  1  K  G( z)  0
c’est-à-dire des racines du polynôme:
d ( z)  z 3  1.368z 2  (0.368  K ) z  1.755K  0

est représenté figure 5.4 ci-contre.
Afin que le système testé soit stable, il faut que
les points représentatifs des racines, pour un gain
K donné, soient à l’intérieur du cercle-unité. Sur
l’exemple traité ci-dessus, le gain K doit
impérativement être limité à des valeurs Figure 5.4 : Lieu de racines
inférieures à 0.16.
H. EL FADIL
Chapitre 6:
Précision et rapidité des systèmes discrets
6.1 Précision statique

6.1.1 Constantes d’erreur
Soit un asservissement à temps discret, représenté en z, figure 6.1.
E (z ) +  (z ) S (z )
D(z )
_
M (z )
R(z )
On rappelle :
E( z)
 ( z)  (6.1)
1  H BO ( z )
avec H BO ( z )  D( z )  R( z )
Sollicité par une commande, il présentera en régime permanent une erreur statique, obtenue à
partir de:
E( z)
 ()  lim  (t )  lim  (nT )  lim ( z  1) (6.2)
t  n  z 1 1  H BO ( z )
H. EL FADIL
44 Chapitre 6
Pour calculer cette erreur, on introduit la notion de constante d’erreur, liée à l’ordre de
l’entrée appliquée
Considérons les entrées-test classiques de la forme:
tm
e(t )  e0 (t ) (6.3)
m!
On peut calculer ces constantes d’erreur pour les quelques entrées canoniques couramment
utilisées:
6.1.1.1 Echelon de position (m=0) :
Dans ce cas nous avons :
z
e p ( z )  e0 (6.4)
z 1
Il s’ensuit, compte tenu de (6.2) que l’erreur de position s’écrit
e0 z 1 e0 e
 p ()  lim ( z  1)  lim  0 (6.5)
z 1 z  1 1  H BO ( z ) z 1 1  H BO ( z ) k p
La constante d’erreur de position est telle que:
k p  lim1  H BO ( z ) (6.7)
z 1
6.1.1.2 Echelon de vitesse (m=1) :
Tz
ev ( z )  e0 (6.8)
( z  1) 2
e0T eT
 v ()  lim  0 (6.9)
z 1 ( z  1)1  H
BO ( z ) kv
kv  lim ( z  1) H BO ( z ) (6.10)
z 1
6.1.1.3 Echelon d’accélération (m=2) :
T 2 z ( z  1)
ea ( z )  e0 (6.11)
2( z  1)3
H. EL FADIL
Précision et rapidité 45
e0T 2 e0T 2
 a ()  lim  (6.12)
z 1 ( z  1) 2 1  H
BO ( z ) ka
ka  lim ( z  1) 2 H BO ( z ) (6.13)
z 1
6.1.1.4 Généralisation à une entrée d’ordre m quelconque:
tm
D’après ce qui précède, on voit qu’à une entrée (6.3): e(t )  e0 (t ) correspondre une
m!
constante d’erreur:
km  lim ( z  1) m 1  H BO ( z ) (6.14)
z 1
et une erreur:
e0T m
 m ( )  (6.15)
km
Remarque 6.1 :
Les signaux d’entrée d’ordre très élevé sont rares: par contre, une entrée quelconque peut être
décrite par un polynôme d’ordre élevé, tel que:
t2 tm
e(t )  (t )  t(t )   (t )     (t ) (6.16)
2 m!
Le système étant linéaire, l’erreur résultante sera la somme des erreurs constatées pour chaque
type d’entrée.
6.1.2 Evaluation de l’erreur statique:
Les constantes d’erreur que nous venons de déterminer dépendent en particulier de

l’expression de la FTBO du système étudié. Celle-ci peut s’écrire sous la forme:
K  P( z )
H BO ( z )  (6.17)
( z  1) n Q( z )
où: P(z) et Q(z) sont des polynômes en z qui ne possèdent pas de racines égales à 1 et qui
tendent vers une constante quand z tend vers 1. De plus, P(z) est de degré au plus égal à celui
du dénominateur de la transmittance en boucle ouverte considérée.
H. EL FADIL
46 Chapitre 6
n représente le nombre de pôles égaux à 1 de la fonction considérée (n joue un rôle équivalent

au nombre d’intégration de HBO(p) des systèmes continus).
La valeur de la constante d’erreur, et donc de l’erreur, dépend des valeurs relatives de m et n.
En particulier, si m=n:
 K  P( z ) 
km  lim ( z  1) m 1   (6.18)
 ( z  1) Q( z ) 
z 1 m
Km tend vers une constante non-nulle:
Selon l’ordre de l’entrée appliquée au système étudié et le nombre de pôles égaux à 1 de sa

FTBO, on peut établir le tableau 6.1 d’erreurs statiques suivant :
Tableau 6.1 : Erreur statique pour différentes combinaisons de m et n

Nombre de
pôles (z=1) Erreur de Erreur de Erreur
position  p vitesse  v d’accélération  a j
de HBO(z)
m0 m 1 m2 m3
n
e0
n0   
kp
e0Te
n 1 0  
kv
n2 e0Te2
0 0 
ka
e0Te3
n3 0 0 0
kj
Conséquences :
- Lorsque l’erreur existe (m=n), celle-ci est d’autant plus faible que la constante d’erreur
est plus élevée.
- On peut obtenir une précision parfaite si la FTBO du système possède au moins (m+1)
pôles égaux à 1.
Remarque 6.2 :
Comme pour les systèmes asservis continus, on peut développer le même type d’études à
propos de l’effet des perturbations sur la précision statique des systèmes discrets.
H. EL FADIL
6.2 La rapidité
6.2.1 Considérations sur le régime transitoire
On peut se faire une idée de la nature du phénomène transitoire dans un système discret en
observant la relation existant entre la réponse impulsionnelle et les pôles et les zéros de la
fonction de transfert correspondante.
Exemple:
Soit un système dont la FTBF est du premier ordre:
z
H BF ( z )  (6.19)
z 
Cette fonction possède un seul pôle  et un seul zéro nul, c’est-à-dire à l’origine.
On peut distinguer divers cas selon la position du pôle réel , par rapport à l’intervalle [-1,1]
du plan des z.
Le tableau 6.2 montre les six cas possibles selon que  est positif ou négatif,  est
supérieur ou inférieur à 1. Le zéro, nul, est représenté à l’origine.
Tableau 6.2 : Allure de la réponse impulsionnelle d’un système de 1 er ordre en

fonction de la position de son pôle
Position du pôle Allure de la réponse
Im h(t)
Re
t
z1  1.2 0
Im h(t)
Re t
z1  1.2 0
Im h(t)
Re t
z1  1 0
H. EL FADIL
48 Chapitre 6
Im h(t)
Re t
z1  1 0
Im h(t)
Re
t
z1  0.8 0
Im h(t)
t
Re
z1  0.8 0
6.2.2 Rapidité des systèmes discrets:
Pour tester la rapidité d’un système échantillonné, on procède tout à fait comme pour les
systèmes continus:

- Signal-test: échelon-unité ou échelon de position : * (t )   (nT )   T (t )
n 0
- Temps de réponse à ±5% de la réponse permanente,

- La fonction de transfert à prendre en considération est H(z) si on a affaire à un système
isolé ou en chaine ouverte, HBF(z) si on étudie le cas d’un système bouclé.
Les réponses indicielles des systèmes échantillonnés se présentent sous la forme des signaux
figure 6.2.
s*(t)/S0
1.05
1
0.95
t
0 Te
tr tr
Figure 6.2 : réponse indicielle des systèmes échantillonnés
H. EL FADIL
La réponse du système n’existant qu’aux instants d’échantillonnage (suite d’impulsions de

Dirac), le temps de réponse ne peut s’évaluer qu’en un nombre entier de périodes:
tr  jTe (6.20)
Remarque 6.3:
Comme pour les systèmes continus, la rapidité d’un système est liée à l’étendue de sa bande
passante.
6.3 Systèmes contraints

6.3.1 Dilemme précision-rapidité-stabilité
La précision dynamique d’un système en réponse à une entrée donnée, ainsi que sa rapidité
sont fortement liées. Du fait de la souplesse d’emploi des machines numériques et des
possibilités qu’elle offrent pour engendrer certaines fonctions uniquement par programmation,
on peut imposer certaines contraintes au système en BF, permettant de biaiser le dilemme
précision-rapidité, classique dans le réglage des systèmes asservis discrets.
Les deux systèmes contraints suivants sont intéressants du fait qu’ils présentent une rapidité
contrôlée et une erreur statique nulle:
6.3.2 Système minimal
Un système est dit minimal ou à temps d’établissement fini lorsque, pour une entrée spécifiée,
le régime définitif est atteint en un nombre fini des périodes; l’erreur correspondant à cette
entrée s’annulant.
Cette définition autorise des dépassements (oscillations) de la réponse obtenue, durant le
régime transitoire (figure 6.3).
s*(t)/S0
Réponse indicielle
t
0 Te T0
Figure 6.3 : réponse indicielle d’un système minimal
H. EL FADIL
50 Chapitre 6
6.3.3 Système à réponse-pile
Le système est dit à réponse-pile lorsque la sortie atteint son régime définitif, pour une entrée-
type donnée, en nombre fini d’échantillons, sans dépassement.
Après j périodes, sans dépassement, le système a atteint définitivement son régime permanent
(figure 6.4).
s*(t)/S0
Réponse indicielle
t
0 Te T0
Figure 6.4 : réponse indicielle d’un système à réponse pile
L’entrée appliquée n’est pas forcément un échelon-unité. La figure 6.5 montre un système à
réponse-pile pour une commande en rampe de vitesse.
s*(t)
t
0 Te T0
Figure 6.4 : réponse à une rampe d’un système à réponse pile
H. EL FADIL
Chapitre 7:
Compensation des systèmes asservis discrets
7.1 Nécessité des correcteurs

7.1.1 Avantages du numérique
Etant donné une installation de FT connue, réaliser sa synthèse consiste à rechercher un

réseau correcteur C(z). Ce correcteur est conçu de façon que l’ensemble corrigé satisfasse un
certain nombre de spécifications temporelles et/ou fréquentielles appelées cahier des charges.
L’utilisation des machines numériques (microprocesseur et autres, plus ou moins importantes)
pour commander les systèmes automatiques facilite grandement cette façon de procéder. En
effet, il est relativement aisé de programmer des éléments correcteurs difficilement réalisables
par éléments câblés:
- Correcteurs adaptatifs,
- Correcteurs robustes,
- …
7.1.2 Différents types de correcteurs
Le circuit correcteur est programmé au cœur de la machine numérique et tout se passe comme
si le système répondait au diagramme fonctionnel figure 7.1 suivant:
e(t) +  (t) *(t) y(t) y*(t)

C(p)
- TTe TTe
m(t) C*(p) ou C(z)
Figure 7.1 : diagramme fonctionnel d’un correcteur numérique
H. EL FADIL
52 Chapitre 7
Il peut se trouver cependant que l’on soit obligé d’utiliser des correcteurs de type câblé; dans
ce cas, on dispose de la structure-série classique figure 7.2 suivante:
Te
Figure 7.2 : correcteur câblé
7.2 Faisabilité des correcteurs
Afin de déterminer le réseau correcteur (câblé ou programmé) qui convient le mieux à un

système asservi commandé numériquement, on ramènera dans la suite, tout système à un
diagramme fonctionnel à retour unitaire (figure 7.3):
e(z ) +  (z ) y (z ) s(z )
C (z ) F (z )
_
Figure 7.3 : Système asservi à retour unitaire
Dans ce cas la FTBF s’exprime par:
C ( z)F ( z)
H BF ( z )  (7.1)
1  C ( z)F ( z)
Le cahier des charges impose certaines contraintes (de rapidité, de précision,…) au système
bouclé, on connait a priori la forme à donner à HBF(z).
Le processus de fonction de transfert F(z) étant lui-même connu, on en déduit que le
correcteur doit répondre à:
H BF ( z )
C( z)  (7.2)
F ( z )1  H BF ( z )
Généralement, le correcteur se présentera sous la forme d’un rapport de polynômes en z:
b0  b1 z  b2 z 2  ....  bn z n
C ( z)  (7.3)
a0  a1 z  a2 z 2  ....  ad z d
H. EL FADIL
Compensation des systèmes échantillonnées 53
La réalisation pratique du correcteur, déterminé par le calcul, implique que le développement

en série de sa fonction de transfert C(z) ne comporte pas de puissances positives de z (principe
de causalité à respecter impérativement). Cette condition se traduit par:
 
lim z 1C ( z )  0
z 
(7.4)
C’est-à-dire que l’on doit avoir:
nd (7.5)
La condition n  d est nécessaire, mais elle n’est pas suffisante. Par exemple, supposons que:
yn   n   n1   yn1  .... (7.6)
On voit qu’à l’instant nTe le signal de sortie yn du correcteur doit être synchrone de sa
commande n . Or les conversions AN et NA, d’une part, et le calcul de l’expression de yn,
d’autre part, ne sont pas instantanés: il faut un certain temps entre la prise d’échantillon  et la
commande y du processus. Si l’échantillonnage est très rapide, on aura intérêt à imposer des
conditions plus restrictives pour la faisabilité du correcteur:
lim C ( z )  0 c’est-à-dire nd (7.8)

z 
7.3 Critère de choix des correcteurs

7.3.1 Conditions générales et critères temporels
La détermination des correcteurs s’appuie sur un nombre de démarches qui font appel à des
critères spécifiques:
- La méthode des pôles dominants de ZDAN consiste à imposer à un système asservi de

présenter une fonction de transfert en BF dont le comportement soit voisin de celui
d’un deuxième ordre caractérisé par une paire de pôles dominants.
- On peut s’appuyer sur des critères temporels qui imposent au système de répondre à
une entrée donné, selon certaines spécifications sur ses régimes transitoire et
permanent: précision statique, rapidité, dépassement,…
7.3.2 Méthode de calcul
H. EL FADIL
54 Chapitre 7
Soit la structure fonctionnelle retenue pour représenter le système à corriger figure 7.3. On
peut exprimer le signal d’erreur :
 ( z)  e( z)  s( z)  e( z)1  H BF ( z) (7.9)
On a vu que la transformée en z d’une entrée canonique d’ordre m peut se mettre sous la

forme:
A( z )
e( z )  (7.10)
(1  z 1 ) m1
où A(z) est un polynôme en z-1, de degré au plus égal à m et dépourvu de racines égales à
l’unité.
 ( z) 
A( z )
1  H BF ( z) (7.11)
(1  z 1 ) m1
On peut définir un système en évaluant sa fonction de transfert en BF de telle façon que,

sollicité par une entrée donnée, il présente certaines conditions de précision en régime
permanent:
n z 1 z 1
 
lim  (nT )  lim (1  z 1 ) ( z )  lim A( z )(1  z 1 )  m 1  H BF ( z ) (7.12)
Ainsi, pour une entrée (d’ordre m fixé), on peut vouloir que:
lim  (nTe )  0 Précision parfaite (7.13)

n
lim  (nTe )  cste Précision relative (7.14)

n
Partant de ces considérations, la relation précédente permet de calcule HBF(z), puis d’en
déduire la fonction de transfert C(z) du correcteur.
Exemple :
Si l’on désire parvenir à un système présentant une précision parfaite pour une entrée d’ordre
m, il faudra que:
1  H BF ( z )  (1  z 1 ) m1 B( z ) (7.15)
H. EL FADIL
Alors:
lim  (nT )  lim (1  z 1 ) A( z ) B( z )  0 (7.16)

n z 1
et ceci quelque soit le polynôme B(z), pourvu que celui-ci ne présente pas de racines égales à
l’unité.
On déduit alors:
H BF ( z )  1  (1  z 1 ) m1 B( z ) (7.17)
et
 ( z)  A( z) B( z) (7.18)
Le correcteur qui permet d’atteindre ce résultat, s’il remplit les conditions de faisabilité, aura
pour expression:
C ( z) 

1  (1  z 1 ) m1  B( z )  (7.19)
(1  z 1 ) m1  F ( z )  B( z )
Le calcul montre que le signal d’erreur *(t) s’annule en un nombre fini d’échantillons ((z)
est un polynôme en z-1). Les systèmes répondant à ses spécifications sont donc à temps
d’établissement fini, pour l’entrée considérée.
7.3.3 Système rendu minimal absolu
Le calcul précédent nous a conduit à:
 ( z)  A( z) B( z) (7.20)
1  H BF ( z )  (1  z 1 ) m1 B( z ) (7.21)
A(z) étant imposé par l’entrée choisie, le système considéré sera dit minimal absolu, si
B( z )  1 (7.22)
alors
 ( z)  A( z) (7.23)
H. EL FADIL
56 Chapitre 7
H BF ( z )  1  (1  z 1 ) m1 (7.24)
Son régime transitoire sera alors minimal.

Comme A(z) est un polynôme en z-1 de degré au plus égal à m, l’erreur de l’asservissement
s’annulera au plus en (m+1) périodes.
7.4 Exemples de synthèse discrète

On se propose de calculer à chaque fois la FTBF d’un système qui serait astreint à être
minimal absolu pour différentes entrées:
7.4.1 Pour une entrée en échelon-unité (m=0):
Dans ca cas l’entrée est

e* (t )  * (t )   Te (t ) (7.25)
1
e( z )  (7.26)
1  z 1
Alors
 ( z)  A( z)  1 (7.27)
Ce qui implique que
 * (t )   (t ) (7.28)
Il faut donc que
H BF ( z )  z 1 (7.29)
Soit
h* (t )   (t  Te ) (7.30)
Les signaux sont illustrés par la figure 7.4.
H. EL FADIL
e (t )   (t ) h (t )
1 1 1
t t t
0 Te 0 Te 0 Te
Figure 7.4 : signaux d’un système rendu minimal absolu pour m=0
7.4.2 Pour une entrée en échelon de vitesse (m=1)
Nous avons
e* (t )  T  n. (t  nTe ) (7.31)

n
Tz 1
e( z )  (7.32)
(1  z 1 ) 2
Alors
 ( z )  Te .z 1 (7.33)
Soit
 * (t )  Te . (t  Te ) (7.34)
D’autre part
H BF ( z )  1  (1  z 1 ) m1  2 z 1  z 2 (7.35)
Soit
h* (t )  2 (t  Te )   (t  2Te ) (7.36)
Les différents signaux sont représentés dans la figure 7.5.
e (t )   (t ) h (t )
2
1
Te
t t t
0 Te 0 Te 0 Te
1
H. EL FADIL
58 Chapitre 7
7.4.3 Pour une entrée en échelon d’accélération (m=2)
L’entrée a pour expression

Te2
e* (t ) 
2
 n  (t  nT )
n
2
e (7.37)
soit
Te2 z 1 (1  z 1 )
e( z )  (7.38)
2 (1  z 1 )3
Il s’ensuit alors que
Te2 1
 ( z )  A( z )  z (1  z 1 ) (7.39)
2
Te2 T2
 * (t )   (t  Te )  e  (t  2Te ) (7.40)
2 2
En outre, on obtient
H BF ( z )  3z 1  3z 2  z 3 (7.41)
soit
h* (t )  3 (t  Te )  3 (t  2Te )   (t  3Te ) (7.42)
Les signaux sont illustrés par la figure 7.5
e (t )   (t ) h (t )
3
1 Te2
t 2 t 1 t
0 Te 0 Te 0 Te
1
3
H. EL FADIL
Chapitre 8:
Les régulateurs discrets standards
8.1 Généralités
Le régulateur discret élabore une grandeur de commande discrète y*(t) en fonction de l’écart
de réglage discret *(t) du système.
Selon la complexité du régulateur, la grandeur y* à t=nTe est formée en fonction de * à cet
instant, mais aussi aux instants précédents: (n-1)Te, (n-2)Te, …
Comme dans le cas des régulateurs continus qui réalisent généralement la relation:
1 t d (t )
y (t )  k p (t ) 
Ti   ( )d  T
0
d
dt
(8.1)
on crée des régulateurs discrets standard qui traduisent en valeurs discrète cette expression.
Les régulateurs les plus courants sont: P.I, P.D, P.I.D, voire P.D2 et P.I.D2.
8.2 Les différentes actions

8.2.1 Action intégrale I
Le régulateur I intègre l’écart de réglage en fonction du temps. Cependant, dans le domaine

des régulateurs discrets, l’intégration est remplacée par une sommation de l’écart de réglage
discret *(t). On parle, alors du régulateur-sommateur.
Équation discrète :
n
Te
y i (nTe )  K i   ( jTe ) Ki  (8.2)
j 0 Ti
H. EL FADIL
60 Chapitre 8
Équation récurrente:
y i (nTe )  y i [(n  1)Te ]  Ki (nTe ) (8.3)
Pour plus de commodité, on posera, à l’instant considéré:
y i  y1
i
 K i (8.4)
Fonction de transfert:
y i ( z) z
Ci ( z )   Ki (8.5)
 ( z) z -1
Diagramme structurel:
A l’aide de l’équation de l’équation récurrente (forme

 Ki
récursive) et en observant que le bloc z 1 introduit le
décalage de y i en yi 1 , on peut représenter la relation qui
+ + yi
lie y à  par un diagramme structurel. Ce diagramme
i z 1
yi 1
met en évidence la mise en mémoire de la valeur de la
grandeur y afin de l’utiliser à la période suivante (figure Fig. 8.1 : Action I
8.1 ci-contre).
8.2.2 Action Dérivée D
L’action dérivée se traduit par un terme proportionnel à la différence des écarts de réglage aux
instants d’échantillonnage nTe et (n-1)Te.
Équation discrète:
y d (nTe )  K d  (nTe )   [(n  1)Te ]

Td
Kd  (8.6)
Te
soit
y d  K d    1  (8.7)
Fonction de transfert :
Cd ( z ) 
y d ( z)
 ( z)
 Kd
z -1
z

 K d 1 - z -1  (8.8)
H. EL FADIL
Régulateurs standards 61

Le diagramme structurel d’une action dérivée est
illustré par la figure 8.2 ci-contre.
_ + yd
1
z Kd
8.2.3 Action Dérivée seconde D2  1
Fig. 8.2 : Action D
Soit le cas où le régulateur comporte un terme en
d 2 (t )
dérivée-seconde, du type:  2 .
dt 2
2
y d 2 (nTe )  K d 2  (nTe )  2 [(n  1)Te ]   [(n  2)Te ] Kd 2  (8.9)
Te2
soit
y d 2  K d 2   2 1   2  (8.10)
Cd 2 ( z ) 
y d 2 ( z)
 ( z)

 K d 2 1 - 2z -1  z 2  (8.11)

Le diagramme structurel d’une action  1 + + yd 2

1 1
z z Kd 2
dérivée seconde D2 est illustré par la  2 _
figure 8.3 ci-contre. 2
Fig. 8.3 : Action D2
8.3 Les régulateurs standards

8.3.1 Le régulateur PI
Le régulateur PI est une combinaison d’une action P et d’une action I.
n
y (nTe )  K p (nTe )  K i   ( jTe ) (8.12)
j 0
H. EL FADIL
62 Chapitre 8
Comme précédemment, l’action intégrale peut s’exprimer par:
n n 1
K i   ( jTe )  K i   ( jTe )  K i (nTe ) (8.13)
j 0 j 0
soit
y i (nTe )  y i (n  1)Te   Ki (nTe ) (8.14)
Equation récurrente :
y  yi 1  ( K p  Ki ) (8.15)
z b  b z 1
C ( z)  K p  Ki  1 01 (8.16)
z -1 1 z
Avec b1  K p  Ki et b0   K p
Le régulateur PI est un système discret du 1er ordre, ayant un pôle égal à 1. Le PI peut donc
annuler l’écart de réglage, en régime établi, dû, à une sollicitation en échelon de position.
Réponse impulsionnelle:
b1  b0 z 1
De l’équation (8.16) on peut écrire : y( z )  1
 (z) . Si  * (t)   (t) , alors  (z)  1 . Il
1 z
s’ensuit que
b1  b0 z 1 
y( z) 
1  z 1
 b1  
n 1
(b0  b1 )z n (8.17)
Soit

y( z )  ( K p  K i )  K i  z n (8.18)
n 1
Ce qui implique que

y * (t )  K p (t )  K i   (t  nTe ) (8.19)
n 0
La figure 8.4 illustre la réponse impulsionnelle d’un PI.
H. EL FADIL
y  (t )
K p  Ki
Ki
t
0 Te
Figure 8.4 : Réponse impulsionnelle d’un PI

Diagramme structurel: Ki Kp
Le diagramme structurel du régulateur PI se
i y
déduit aisément de son équation discrète (figure 1 + + y + +
z
8.5). yi 1
Fig. 8.5 : Action PI

8.3.2 Le régulateur PID
Le régulateur PID se base sur le régulateur PI auquel on ajoute une composante dérivée:
n
y(nTe )  K p (nTe )  K i   ( jTe )  K d  (nTe )   (n  1)Te   (8.19)
j 0
Soit
y(nTe )  y i (n  1)Te   ( K p  Ki  K d ) (nTe )  K d  (n  1)Te  (8.20)
ou encore
y  yi 1  ( K p  Ki  K d )  K d  1 (8.21)
Fonction de transfert:
z z - 1 b2 z 2  b1 z  b0
C ( z)  K p  Ki  Kd  (8.22)
z -1 z z ( z  1)
Avec : b2  K p  Ki  K d ; b1  ( K p  2K d ) ; b0  K d
H. EL FADIL
64 Chapitre 8
Le régulateur PID est un système du second ordre; sa fonction de transfert possède un pôle
nul et un pôle égal à 1. Comme le PI, il est capable d’annuler l’erreur de position en régime
permanent.
Réponse impulsionnelle:
On peut aussi écrire:

C ( z )  ( K p  K i  K d )  ( K i  K d ) z 1  K i  z n (8.23)
n2
Soit, si  * (t )   (t )

y * (t )  ( K p  K i  K d ) (t )  ( K i  K d ) (t  Te )  K i   (t  nTe ) (8.24)
n2
ou encore:
y* (t )  K p (t )  KiTe (t )  K d  (t )   (t  Te ) (8.25)
Il s’ensuit que la réponse impulsionnelle d’un PID se présente comme illustrée par la figure
8.6.
y  (t )
K p  Ki  K d
Ki
Ki  K d
t
0 Te
Figure 8.6 : Réponse impulsionnelle d’un PID

Le diagramme structurel du z 1  1
régulateur PID est illustré par la
Ki K p  Kd Kd
figure 8.7 ci-contre. Ce diagramme
_
est issu directement de l’équation i y
1 + + y + + +
z
récurrente (8.21) laquelle convient yi 1
mieux à la programmation.
Fig. 8.7 : Action PID
L’algorithme de cette équation peut
se présenter comme suit :
H. EL FADIL
Données:
Kp; Ki; Kd;
Initialisation:
x=0; ε-1=0;
Kpid= Kp+Ki+Kd;
Pour chaque Te faire:
Lire(ε);
y=Kpid*ε+x-Kd* ε-1;
sortir(y);
x=x+Ki*ε;
ε-1=ε;
Fin pour;
Remarque 8.1:
Bien souvent dans les régulateurs standards, l’action P est commune aux autres actions I et D.
La structure d’un PID se présente alors comme illustré par la figure 8.8.
 I Te 1 + + Kp
y
Ti 1  z 1
+
D Td
(1  z 1 )
Te
Fig. 8.8 : Régulateur PID
8.4 Choix et dimensionnement des régulateurs PID numériques

8.4.1 La boucle de régulation
La structure classique d’une boucle de régulation numérique est illustrée par la figure 8.9
suivante:
H ( p)
Régulateur Bloqueur Procédé
+ k C ( p) B0 ( p) F ( p)
_ Te Te
Figure 8.9 : Boucle de régulation numérique
L’ensemble Bloqueur-Processus a pour fonction de transfert:
H. EL FADIL
66 Chapitre 8
 F ( p)  B( z )
H ( z )  (1  z 1 ) Z    A( z ) (8.26)
 p 
Selon le type d’action choisie, le régulateur présente une fonction de transfert que l’on peut
mettre sous la forme:
R( z )
C ( z)  (8.27)
S ( z)
De plus, on introduit dans la chaîne une possibilité de réglage du gain statique en boucle
ouverte:
R( z ) B( z )
H BO ( z )  k   (8.28)
S ( z ) A( z )
Le choix et le dimensionnement des régulateurs-standard se basent sur le principe de la

compensation des pôles du système à régler par les zéros du régulateur.
8.4.2 Processus à régler sans comportement intégral
F(p) ne présente pas d’intégration (terme en 1 / p ). H (z) ne présente pas de pôle égal à 1: A(z)
ne possède pas de racine égale à 1.
On préconisera ici l’emploi d’un régulateur PID, dont on calculera les coefficients Kp, Ki et Kd
de telle sorte que l’on ait:
R( z )  A( z ) (8.29)
alors:
B( z )
H BO ( z )  k  (8.30)
S ( z)
soit
B( z )
H BO ( z )  k  (8.31)
z ( z  1)
Le pôle z  1 de HBO(z) assure alors un écart nul à une entrée en échelon de position (action
intégrale). Ensuite, on détermine k de manière à obtenir un système stable. On choisit donc k
de telle sorte que les racines de l’équation caractéristique:
H. EL FADIL
z( z  1)  kB( z)  0 (8.32)
soient à l’intérieur du cercle de rayon-unité.
8.4.3 Processus à régler avec comportement intégral
Le système à compenser possède une intégration, donc un pôle égal à 1; c’est le cas classique
de l’asservissement de position. L’ensemble Bloqueur-Processus présente une fonction de
transfert de la forme:
B( z )  B(1)  0
H ( z)  avec  (8.33)
( z  1) A' ( z )  A' (1)  0
La fonction H(z) possédant un pôle égal à 1 (comportement intégral), il est inutile d’en ajouter
un autre par une action intégrale. On utilisera par exemple un régulateur de type P.D.D2, dont
la fonction de transfert peut se représenter par:
C ( z)  C p ( z)  Cd ( z )  Cd 2 ( z ) (8.34)
ce qui conduit à:
b0  b1 z  b2 z 2 R( z )
C ( z)   (8.35)
z2 S ( z)
De la même façon que précédemment, en introduisant le coefficient multiplicatif k, on obtient:
R( z ) B( z )
H BO ( z )  k   (8.36)
S ( z ) ( z  1) A' ( z )
On calcule alors les coefficients b0, b1 et b2 de telle façon que l’on puisse obtenir l’égalité:
R( z )  A' ( z ) (8.37)
d’où
B( z )
H BO ( z )  k  (8.38)
( z  1) S ( z )
soit
H. EL FADIL
68 Chapitre 8
B( z )
H BO ( z )  k  (8.39)
( z  1) z 2
La présence du pôle égal à 1 assure une erreur de position nulle en régime permanent.
kB( z )
H BF ( z )  (8.40)
( z  1) z 2  kB( z )
Le coefficient k est déterminé pour assurer la stabilité de l’ensemble. C’est-à-dire qu’il est
choisi de telle façon, que les racines de l’équation caractéristique:
( z  1) z 2  kB( z )  0 (8.41)
soient toutes à l’intérieur du cercle de rayon-unité.
8.5 Transposition des correcteurs analogiques

Il est, a priori, dommage de synthétiser un correcteur analogique puis de le convertir en
correcteur numérique. Les méthodes de synthèses numériques précédentes (ou d’autres telles
que la méthode de ZDAN et le régulateur RST) donnent de meilleurs résultats en termes de
performances (robustesse, précision, rejet de perturbation). Néanmoins dans le cas où le
correcteur analogique est déjà synthétisé et qu'il ne s'agit que de le transposer en numérique,
la transformée bilinéaire donnée ci-après se révèle fort utile.
8.5.1 Les différentes approximations de la dérivée
La figure 8.10 présente le principe de calcul de la dérivée par différences finies : différences
vers l'avant et vers l'arrière.
f (nTe )
f ' (nTe )
Différence vers l’arrière Différence vers l’avant
t
0 Te
Figure 8.10 : Principe de calcul de la dérivée
H. EL FADIL
8.5.2 Différence vers l’arrière
En introduisant l'opérateur retard q.
dx x(t )  x(t  Te ) 1  q 1 q 1
  x(t )  x(t ) (8.42)
dt Te Te qTe
Il en résulte la transformation suivante :
Dérivation :
z 1
p (8.43)
zTe
Intégration :
1 Tz
 e (8.44)
p z 1
Cela correspond à l'approximation :
1 z 1
z  eTe p   p (8.45)
1  Te p zTe
La figure 8.11 illustre la transformée du domaine de

Im(z )
stabilité en p. Cette figure montre qu’un système continu
instable peut être transformé en un système discret stable.
Re(z )
En utilisant cette transformation le calcul numérique de
0
l'intégrale donne:
Figure 8.11
n
I   x( )d   x(kTe )Te
t
 in  in1  Te xn (8.46)
0
k 1
La figure 8.12 montre cette intégrale.
H. EL FADIL
70 Chapitre 8
x(t )
t
0 Te 2Te
Figure 8.12 : Méthode des rectangles : approximation par excès
8.5.3 Différences vers l'avant
dx x(t  Te )  x(t ) q  1
  x(t ) (8.47)
dt Te Te
Dérivation :
z 1
p (8.48)
Te
Intégration :
1 T
 e (8.49)
p z 1
z 1
z  eTe p  1  Te p  p (8.50)
Te
Im(z )
La figure 8.13 illustre la transformée du domaine de

stabilité en p. On remarque qu’un système continu stable Re(z )
peut être transformé en un système discret instable. 0
Figure 8.13
Calcul numérique de l'intégrale :
n1
I   x( )d   x(kTe )Te
t
 in  in1  Te xn1 (8.51)
0
k 1
H. EL FADIL

x(t )
t
0 Te 2Te
Figure 8.14 : Méthode des rectangles : approximation par défaut
8.5.4 Transformation bilinéaire
La dérivée numérique est proche de la moyenne des dérivées au point considéré et au point
précédent.
1  dx(t  Te ) dx(t )  x(t  Te )  x(t ) dx(t )  q  1 q  1

    x(t ) (8.52)
2  dt dt  Te dt  2  Te
Ce qui implique que
dx 2 q  1
 x(t ) (8.53)
dt Te q  1
Dérivation :
2 z 1
p (8.54)
Te z  1
Intégration :
1 T z 1
 e (8.55)
p 2 z 1
Te p Te p
1
2  2  Te p
2
e
z  eTe p   (8.56)

Te p
Te p 2  Te p
e 2 1
2
H. EL FADIL
72 Chapitre 8
La figure 8.15 illustre la transformée du domaine de Im(z )

stabilité en p. Les deux régions se correspondent
rigoureusement.
Re(z )
0
Figure 8.15
Calcul numérique de l'intégrale :
n
x((k  1)Te )  x(kTe ) Te
I   x( )d  
t
Te  in  in1  ( xn1  xn ) (8.57)
0
k 1 2 2
x(t )
t
0 Te 2Te
Figure 8.16 : Méthode des trapèzes
Remarque 8.2 :
La transformation bilinéaire introduit une distorsion des fréquences. Cette distorsion peut être
compensée à une pulsation donnée 1 par l'utilisation de
Dérivation :
1 z 1
p (8.58)
tan(1Te / 2) z  1
Remarque 8.3 :
Seule la transformée bilinéaire est directement implantée sous Matlab, les différences avant et
arrière ne le sont pas. La commande utilisée sous Matlb est c2d.
H. EL FADIL
ANNEXE
Table des transformée en z :

Rappel : Toutes les fonctions f(t) considérées sont de type causal, c'est-à-dire nulles pour tout
t  0.
f(t) F(p) F(z)
 (t ) 1 1
 (t  kTe ) e  kTe p z k
1 z 1
(t ) 
p z  1 1  z 1
1 Te z Te z 1

 
t
p2 z  12 1  z 1 2
1 2 1 Te2 z ( z  1) Te2 z 1 (1  z 1 )

 
t
2z  1
3 3
2 p3 2 1  z 1
t3 1 Te3  z ( z 2  4 z  1) 
 
6 p4 6  z  14 
a( z) A( z )

tm 1 z  1m1

1  z 1
m1

m! p m1
Avec lim A( z )  cste
z1
1 z 1
avec   e e
 aT
e  at 
pa z   1  z 1
1 Te z Te z 1
 at 
t.e
 p  a 2 
z   2 1   z 1 
2
t 2  at 1 Te2z Te2 2 z

2
.e
 p  a 3 2z    z   
2 3
a z (1   ) z 1 (1   )
1  e at 
p p  a  ( z  1)( z   ) (1  z 1 )(1  z 1 )
1  e  at a Te z (1   ) z
t 
a p  p  a
2
( z  1) a( z  1)( z   )
2
H. EL FADIL
74 Annexe
ba z z
e at  e bt 
( p  a)( p  b) z e  aTe
z  e  bTe
b  at a  bt ab z bz az
1 e  e  
a b a b p( p  a)( p  b) z  1 (a  b)( z  e ) (a  b)( z  e  bTe )
 aTe
Table de transformée en z pour les fonctions trigonométriques

f(t) F(p) F(z)
 z. sin(Te ) z 1. sin(Te )

sin(t ) 
p2   2 z 2  2 z. cos(Te )  1 1  2 z 1. cos(Te )  z 2
 z. . sin(Te )
avec   e
 aTe
e at sin(t )
( p  a)   2 2
z  2 z . cos(Te )   2
2
p zz  cos(Te ) 1  z 1. cos(Te )

cos(t ) 
p 2
2
z 2  2 z. cos(Te )  1 1  2 z 1. cos(Te )  z 2
pa z 2  z. cos(Te )

avec   e
 aTe
e  at
cos(t )
( p  a) 2   2 z 2  2 z . cos(Te )   2
2 z zz  cos(Te )
1  cos(t )  2
p( p   )
2 2
z  1 z  2 z. cos(Te )  1
Table de transformée en z pour les processus précédés d’un bloqueur d’ordre zéro
f(t) F(p) F(z)
K Te Kz 1
B0 ( p). K 
p z  1 1  z 1
processus
précédés d’un
bloqueur d’ordre
K KTe2 ( z  1) KTe2 (1  z 1 ) z 1
zéro : 
 
B0 ( p). 2
2z  1
2 2
p 2 1  z 1
Te p
1 e
B0 ( p) 
p
K (1   ) K (1   ) z 1
K 
B0 ( p). z  1  z 1
1  p 
Te
avec   e 
H. EL FADIL
Table des transformées en z 75
Kz  d (b1 z 1  b2 z 2 )
Ke  r p 1  z 1
B0 ( p). L Te
1  p
Te

avec   e 
; b1  1  e 
;
avec r  d .Te  L
  L
d entier ; 0  L  T b2    e  1 Te
 
 
zTe   (1   )  Te   (1   )
K
B0 ( p).
K ( z  1)( z   )
p(1  p) 
Te
avec   e 
b2 z 2  b1 z  b0
z 3  (2   ) z 2  (1  2 ) z  
Te2
b2   Te   2 (1   )
K 2
B0 ( p).
p (1  p)
2
T2
b1  ( e  2 2 )(1   )  Te (1   )
2
T
b0   2 (1   )  Te (  e )
2
z (1  1   2   )  1 2  
K
K ( z  1 )( z   2 )
B0 ( p).
(1   1 p)(1   2 p) 
Te
1

Te
2  2 1  1 2
avec 1  e ; 2  e ;
 2  1
K  1   Te (2  Te ) ( z  1) Te2 2 ( z  1) 
B0 ( p). K    2 
(1  p)3  z   2 ( z   )2  ( z   )3 
K (b2 z 2  b1 z  b0 )
z 3  (1  1   2 ) z 2  (1   2  1 2 ) z  1 2
Te

i
i  e
 12 (1  1 )   22 (1   2 )
B0 ( p).
K b2  Te 
p(1   1 p)(1   2 p) 1  2
b1  Te (1   2 )
 12 (1   2 )(1  1 )   22 (1  1 )(1   2 )

1   2
 12 2 (1  1 )   221 (1   2 )
b0  Te 1 2 
1   2
H. EL FADIL
76 Annexe
(b1 z  b2 ) (b1 z 1  b2 z 2 )
K 2 K
z  a1 z  a2 1  a1 z 1  a2 z 2
  
B0 ( p).
K avec b1  1       n   ;
2 p2   p 
1 p 
n n2  
avec   1 et b2   2    n     ;
 
 p 
 p  n 1   2 a1  2 ; a2   ; 2
  e  T ;   cos( pTe ) ;
n e
  sin( pTe )
A compléter avec d’autres fonctions :

f(t) F(p) F(z)
H. EL FADIL
Bibliographie
E. Ostertag, Automatique - Systèmes et asservissements continu. France : Ellipses, 2005.
B. Lang and V. Minzu, Commande automatique des systèmes linéaires continus. Cours avec
applications utilisant Matlab. France : Ellipses, 2001.
Y. Sevely, Systèmes et asservissements linéaires échantillonnés. Paris : Dunod Universit_e,

1973.
H. B•Uhler, Réglages échantillonnés, volume 1, traitement par la transformation en z.

Lausane, Suisse : Presses polythechniques et universitaires romandes, 1986.
Y. Granjon, Automatique. Dunod : Ellipses, 2001.
E. Godoy and E. Ostertag, Commande numérique des systèmes. France : Ellipses, 2005.
K. J. Astrom and T. Hagglund, PID Controllers : Theory, Design, and Tuning Second
Edition. Research Triangle Park, 1995.
Michel VILLAIN, Signaux et systèmes à temps continu et discret : Automatique 1, Edition

Ellipses, 1998.
Philippe DE LARMINAT, Automatique – Commande des systèmes linéaires, Edition Hermès,

1993.
Maurice RIVOIRE et Jean-Louis FERRIER, Cours d’Automatique – Tomes 1 et 2, Edition

Eyrolles, 1995.
A. Crosnier, G. Abba, B. Jouvencel, and R. Zapata, Ingénierie de la Commande des Systèmes,

Ellipses.
J.C. Gille, P. Decaulne, and M. Pélegrin, Dynamique de la Commande Linéaire, Dunod.
H. EL FADIL
SOMMAIRE
Chapitre 1: .................................................................................................................................. 1
Introduction à la commande numérique des systèmes ............................................................... 1
1.1 Signal analogique et signal numérique ........................................................................ 1
1.2 Rôle du calculateur en automatique............................................................................. 1
1.3 Signaux échantillonnés et discrets ............................................................................... 3
1.4 Modélisation des systèmes à temps discret ................................................................. 5
Chapitre 2: .................................................................................................................................. 7
Echantillonnage et reconstitution du signal ............................................................................... 7
2.1 Les éléments échantillonneurs ..................................................................................... 7
2.2 Transformée de Laplace d’un signal échantillonné ..................................................... 9
2.3 Reconstitution d’un signal échantillonné .................................................................. 11
Chapitre 3: ................................................................................................................................ 15
La transformée en z .................................................................................................................. 15
3.1 Définitions et propriétés ............................................................................................ 15
3.2 Correspondance entre le plan des p et le plan des z................................................... 18
3.3 Inversion de la transformée en z ................................................................................ 19
Chapitre 4: ................................................................................................................................ 25
Fonction de transfert discrète ................................................................................................... 25
4.1 Représentation symbolique d’un système à temps discret ........................................ 25
4.2 Notion de fonction de transfert échantillonné ........................................................... 26
4.3 Fonctions de transfert des systèmes complexes ........................................................ 28
4.4 Lieux de transfert ....................................................................................................... 32
Chapitre 5: ................................................................................................................................ 37
Stabilité des systèmes à temps discret ...................................................................................... 37
5.1 Notion générale de stabilité ....................................................................................... 37
5.2 Stabilité des systèmes discrets dans le plan de Nyquist ............................................ 38
5.3 Stabilité des systèmes discrets dans le plan de z ....................................................... 39
Chapitre 6: ................................................................................................................................ 43
Précision et rapidité des systèmes discrets ............................................................................... 43
6.1 Précision statique ....................................................................................................... 43
6.2 La rapidité .................................................................................................................. 47
6.3 Systèmes contraints ................................................................................................... 49
Chapitre 7: ................................................................................................................................ 51
Compensation des systèmes asservis discrets .......................................................................... 51
7.1 Nécessité des correcteurs ........................................................................................... 51
7.2 Faisabilité des correcteurs ......................................................................................... 52
7.3 Critère de choix des correcteurs ................................................................................ 53
7.4 Exemples de synthèse discrète .................................................................................. 56
Chapitre 8: ................................................................................................................................ 59
Les régulateurs discrets standards ............................................................................................ 59
8.1 Généralités ................................................................................................................. 59
8.2 Les différentes actions ............................................................................................... 59
8.3 Les régulateurs standards........................................................................................... 61
8.4 Choix et dimensionnement des régulateurs PID numériques .................................... 65
8.5 Transposition des correcteurs analogiques ................................................................ 68
ANNEXE ................................................................................................................................. 73
Bibliographie ............................................................................................................................ 77
Ecole Nationale des Sciences Appliquées
ENSA-Kénitra
Département GERST
COURS D’AUTOMATIQUE
Cours Asservissements
Echantillonnés
Semestre S1 cycle ingénieur

Filière : GE, RST
Professeur Hassan EL FADIL

2 Cours Systèmes Échantillonnés

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2 Cours Systèmes Échantillonnés

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 1:

Introduction à la commande numérique des

1.1 Signal analogique et signal numérique

Figure 1.1 : (a) Signal analogique, (b) signal numérique

1.2 Rôle du calculateur en automatique

Figure 1.2 : Mouvement d’un robot

1.2.2 Apports des machines numériques:

Figure 1.3 : transmission et commande numérique dans le pilotage de l’avion

1.2.3 Structure de commande par calculateur :

Suivant l’importance du système et suivant le degré d’information souhaité, on peut

Calculateur (algorithme numérique)

Figure 1.4 : Consigne et correcteur intégrés au calculateur

Figure 1.5 : Le correcteur est le seul qui est numérique

1.3 Signaux échantillonnés et discrets

Figure 1.6 : Signal échantillonné

1.3.2 Signal discret

Un signal discret consiste en une séquence de valeurs

Il présente les propriétés suivantes :

1.4 Modélisation des systèmes à temps discret

Les signaux qui transitent à travers les éléments d’un système de

y(t )  h(t ) * u(t ) (* dénote le produit de convolution) (1.3b)

1.4.2 Cas des systèmes à temps discret

1.4.2.1 Description par les équations récurrentes

y(kTe )  H u(kTe ) (1.4)

y(kT )  b. y(k  1)Te   u(kTe ) (1.5a)

1.4.2.2 Description par les transformées de Laplace échantillonnées

Cependant le signal échantillonné u*(t) , de transformée de Laplace échantillonnée U*(p) , est

Le signal de sortie échantillonné est alors:

1.4.2.3 Description par les transformées en Z

Echantillonnage et reconstitution du signal

2.1 Les éléments échantillonneurs

Un échantillonneur idéal fait correspondre à un signal continu x(t) un signal échantillonné

Figure 2.1 : Echantillonnage idéal d’un signal analogique

Le signal x*(t) peut s’exprimer par:

 Fig. 2.2 : Peigne de Dirac

Il en résulte finalement que le signal échantillonné a pour expression

Figure 2.3 : Quantification d’un signal

Pour le CAN on définit les caractéristiques suivantes :

- La valeur Pleine échelle (PE) : Full Scale (FS):

VPE  Vmax  Vmin (2.3)

- La résolution est liée au nombre de bits n du CAN. Elle se calcule en % de la valeur

- Le quantum, noté q, correspond à la quantité élémentaire de variation du signal

- L’erreur absolue maximum de quantification est

Nombre de niveaux 256 1024 4096 65536 1,05.106 16,8.106

Erreur max (mV) 40 10 2,5 0,15 0,01 0,0006

2.2 Transformée de Laplace d’un signal échantillonné

Rappels : On appelle l’impulsion de Dirac la fonction (t):

Elle présente les propriétés suivantes :

2.2.2 Deuxième approche

Le coefficient ck s’exprime par:

Comme sur une période [t, t+Te], n’apparait qu’une seule

1 t Te e jk 2n t Te e jk 2n 1

En utilisant le théorème de la translation dans le plan complexe ( L x(t )e at  X ( p  a) ) on  

2.3 Reconstitution d’un signal échantillonné

où Fe=1/Te et Fmax la fréquence maximale du spectre du signal continu d’entrée.

où fc désigne la fréquence de coupure à -3dB.

2.3.2 Echantillonneur bloqueur (E/B)

En Automatique, on associe souvent à l’échantillonneur classique un élément de maintien

- Le signal discret (échantillon) est mis en mémoire jusqu’à l’apparition de l’échantillon

2.3.2.1 Modélisation de l’E/B

Figure 2.7 : Blocage d’un signal échantillonné

On peut considérer que le bloqueur d’ordre zéro

B0 (t )  (t )  (t  T ) (2.17)

Cependant le signal échantillonné u(t) , de transformée de Laplace échantillonnée U(p) , est