Vous êtes sur la page 1sur 34

COMMANDE

NUMÉRIQUE DES
PROCESSUS

Z. KARDOUS 2AGI ENIT 2016-2017


Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Plan du cours
2

 Introduction à la commande numérique des processus


 Chapitre 1:
Conversion Analogique Numérique et Numérique Analogique
 Chapitre 2:
Modélisation des systèmes échantillonnés
 Chapitre 3:
Analyse des systèmes échantillonnés asservis
 Chapitre 4:
Synthèse des systèmes échantillonnés asservis
3 Introduction à la CNP
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
4

But de l’automatique :
Donner comportement désiré au système
à travers:
• Modélisation,
• Représentation,
• Analyse
• correction des systèmes
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
5

Boucle d’asservissement
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
6

Asservissement continu

C(p) G(p)

H(p)

• r(t) consigne • u(t) commande


• y(t) sortie du processus • w(t) perturbations de charge
• ym(t) mesure de la sortie • v(t) bruit de mesure
• ε(t) erreur par rapport à la consigne
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
7

Asservissement Numérique

G(p)

H(p)

Te : période d’échantillonnage CNA : Convertisseur Numérique Analogique


C(z) : transmittance discrète du correcteur CAN : Convertisseur Analogique Numérique
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
8

Pourquoi la commande numérique ?

 Exigences de performances
 Exigences matérielles: capteurs numériques
 Développement des outils numériques …
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
9

Comparaison
Correction numérique Correction
analogique
Simple à implémenter (algorithme) Système observé en continu
Algorithme adaptable Adaptée aux systèmes rapides
Mise au point souple Précis
Avantages

Grande capacité de mémoire


Convivialité (dialogue)
Sécurité (séquentiel)
Supervision et de commande à distance
Coût faible
Commande Numérique des Processus Z. Kardous ENIT 2016/2017

Introduction à la CNP
10

Comparaison

Correction numérique Correction analogique


•Boucle ouverte en dehors des instants •Structure rigide
Inconvénients

d’échantillonnage ( oscillations non •(PID ou approchée)


observées) •Mise au point et adaptation difficiles
•Discrétisation de la mesure •Disponibilité difficile
(manque de précision, non linéaire : risque •(valeurs des composants)
de cycle limite) •Non adapté aux systèmes lents
•Compromis ( précision et temps de calcul) •Coût plus élevé
•Limitée en bande passante
•Gestion de 2 types de signaux
(analogiques et numériques)
11 Chapitre 1

Conversion Analogique Numérique


et Numérique Analogique
Modélisation
Commande Identification
Numérique Estimation
des Processus Z. Kardous ENIT 2016/2017
Chap1: Conversion Analogique Numérique
et Numérique Analogique
12

Plan du chapitre
 Conversion Analogique Numérique
Notions d’échantillonnage et de quantification
 Transformée de Laplace d’un signal

échantillonné
 Spectre d’un signal échantillonné

 Restitution idéale d’un signal échantillonné

 Restitution approchée d’un signal échantillonné


Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Conversion Analogique Numérique


13

Signal échantillonné
Signal
continu
Signal analogique

Signal quantifié

Signal discret

Signal
numérique

Echantillonnage + Quantification = Numérisation


Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Echantillonnage idéal
14

f(t) fe(t)

Prélèvement d’une valeur du signal continu à période fixe Te.

Schéma d’un échantillonneur (préleveur):

Représentation mathématique : multiplication par un peigne de


Dirac
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Fonction Echantillonnée
15
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Transformée de Laplace d’un signal échantillonné


16

Rappel: Transformée de Laplace d’un signal continu



L f (t )  F ( p)   f  t  e  pt dt p : opérateur de Laplace
0

Transformée de Laplace d’un signal



L f e (t ) échantillonné
 Fe ( p)   f e  t  e  pt dt
0

Première Deuxième formulation


formulation
signal échantillonné causal signal échantillonné
 
 2k 
Fe  p    f  kT  e
k 0
e
 kTe p
Fe  p  
1
Te  F  p  j
k   
T


e 
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Transformée de Laplace d’un signal échantillonné


17

Première
 
formulation f e  t   f (t )    t  kT    f (kT )  t  kT 
Signal échantillonné
e e e
k   k  
Sa transformée de Laplace 
 
Fe  p   L f e  t    fe  t e   f (kTe )  t  kTe e  pt dt
 pt
dt 
0 0
k  

Causalité du signal f(t) On ramène la somme discrète de ∞ à 0 et on inverse ∑ et ∫


  
Fe  p    f (kTe )    t  kTe  e  pt
dt   f (kTe ) L  t  kTe 
0
k 0 k 0
Avec la transformée de Laplace

Fe  p    f  kTe  e  kTe p
de l’impulsion de Dirac (retardée):
 e  kTe p si k  0
L  t  kTe    k 0
0 sinon
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Transformée de Laplace d’un signal échantillonné


18

Deuxième formulation 
La fonction peigne de Dirac  Te  t      t  kT  est périodique de période T
k  
e e

Donc décomposable en série de Fourrier 2  kt


2  kt Te  j
 1 

j Te
 Te  t    ck   Te (t ) e
Te 2 dt
ck e avec Te
Te 
k   2
2  kt
Des propriétés de 1 
1 j

l’impulsion de Dirac on en
ck 
Te  Te  t   
k  
Te
e Te

déduit que:
D’où la transformée de Laplace de fe s’écrit:
2  kt  2k
 1  j    ( p j )t 
 T e   pt 1  
Fe ( p ) 
0  
 T e k  
f ( t) e  e dt 
Te  
k  
 0
f (t ) e Te
dt 

   

1  2k 
 
Fe p 
Te 
k  

F p  j
 Te



Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Spectre d’un signal échantillonné


19

Une première façon de connaître un signal est d’observer son allure en fonction
du temps donnée par l’oscillogramme.
Pour voir les fréquences contenues dans un signal, on le représente sous la forme
d’un diagramme amplitude-fréquence appelé spectre.
Signal sinusoïdal x(t) = 10sin(400t)
10

-2

-4

-6

-8

-10
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

Spectre d’un signal composite


8

-2

-4

-6

-8

-10

-12
0 2 4 6 8 10 12 14 16 18 20
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Spectre d’un signal échantillonné


20

Le spectre d’un signal nous renseigne donc sur les différentes


composantes fréquentielles qu’il contient
Exemples de spectres réels:
Signal triangulaire à 300Hz Signal audio entre 20Hz et 20kHz
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Spectre et Transformée de Fourier


21

La décomposition en série de Fourier est un outil simple et pratique pour


trouver le spectre d’un signal périodique
La transformation de Fourier est une extension du développement en série de
Fourier pour les signaux non périodiques
Transformée de Fourier d’un signal continu f(t) non périodique

F ( j )  

f ( t ) e  j  t dt avec e  jt  cos(t )  j sin(t )

F(jw) est une fonction complexe


Son module donne le Spectre de f

 M est la pulsation de coupure à 0dB

Largeur spectrale = 2ωM


Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Spectre du signal échantillonné


22

Transformée de Fourier du signal échantillonné fe(t)



1 2 k est une fonction
F e ( jw ) 
Te  F ( jw  j
Te
)
périodique de période w e 
2
k   Te
Le spectre de fe est une succession infinie de spectres issus de celui du
signal continu décalés en pulsations de we

L’échantillonnage a pour effet de périodiser le spectre du signal continu


et de multiplier son amplitude par 1
Te
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Spectre du signal échantillonné


23

we
Cas où wM 
2
Sans repliement

we
Cas où wM 
2
Avec repliement

Pour pouvoir restituer le spectre du signal continu, il ne faut pas avoir de


repliement au niveau du spectre du signal échantillonné.
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Echantillonnage réel des signaux


24

Acquisition du signal continu sur un


intervalle de temps fini
1 kTe
f eréel (kTe )  kTe Tr f (t )dt
Tr
Effet sur un signal harmonique
Exercice à faire à la maison:

Soit f (t )  A sin(t ) f eidéal (kTe )  A sin(wkTe )


1. Déterminer l’expression du signal échantillonné réel
2. En déduire l’effet de l’échantillonnage sur
l’amplitude et sur la phase du signal de départ
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution d’un signal échantillonné


25

Conversion numérique analogique


Objectif:
Exemple:

Théorème de Shannon
Soit un signal continu f(t) dont le spectre est contenu dans
f e  2T
l’intervalle de fréquence [−fM,+fM], échantillonné à la fréquence e

. M
Pour pouvoir reconstruire le signal f e  2 f f 
f Msans perte
où M à2 partir des
échantillons f(kTe), il faut avoir : fe
on appellera fréquence de Nyquist f N  2 la fréquence maximale
du signal continu pour laquelle il n’y a pas de repliement spectral.
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution d’un signal échantillonné


26
we
Cas où wM  Spectre échantillonné sans repliement
2
On peut reconstruire le signal initial
à l’aide d’un filtre passe-bas de
fréquence de coupure égale à la
fréquence maximale de son spectre.

we
Cas où wM  Spectre échantillonné avec repliement
2
On ne peut pas reconstruire le signal
initial par filtrage passe bas

Obligation de satisfaire
le théorème de Shannon
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution d’un signal échantillonné


27

Exemples

Sans repliement spectral Avec repliement spectral


Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution d’un signal échantillonné


28

Remarques
Une fréquence d’échantillonnage fe très petite entraine la perte d’informations
(rater des dynamiques, des variations brusques) et risque de causer l’instabilité
du système asservi.
Une fréquence fe très grande risque d’alourdir le calculateur par des calcul
inutiles pour faire des corrections par petits coups répétés.
En considérant juste la condition de Shannon (f e  2 f M ), il serait difficile de
supprimer toutes les fréquences strictement supérieures à la fréquence maximale
du signal continu fM, car ça nécessite un filtre passe parfait
En pratique on choisit des fréquences d’échantillonnage fe telles que:
5.fM < fe < 25.fM
En général, il faut filtrer les signaux analogiques avant échantillonnage pour
éliminer les bruits ayant des fréquences supérieures à la fréquence de Nyquist :
filtrage anti-repliement
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution idéale
29

Par filtre passe-bas idéal


Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution idéale
30

Expression du signal restitué


Elle doit être calculée par la transformée de Fourier inverse
qui est définie pour une fonction F(jw) par:

CNA :
h(t)
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution idéale
31

Expression du filtre passe bas idéal

Sinus cardinal

C’est un filtre cardinal dont la réponse impulsionnelle


est représentée ci-contre :
Ce filtre n’est pas causal, donc irréalisable pratiquement

On peut cependant faire une restitution approchée par


des filtres extrapolateurs comme les bloqueurs
d’ordre zéro et un
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution approchée d’un signal échantillonné


32

Par Bloqueur d’ordre zéro (BOZ)

Fonction de transfert: 1  e  Tp
B0  p  
p

Signal reconstruit:
f 0  t   f (nT ) pour nT  t  (n  1)T
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Restitution approchée d’un signal échantillonné


33

Par Bloqueur d’ordre un B1(t) f1(t)

2
 1  e Tp  1  Tp
Fonction de transfert: B1 ( p)    pour   T
 p  T
 
Signal reconstruit:
Chap1: Conversion AN et NA Z. Kardous ENIT 2016/2017

Conclusion
34

Conversion Analogique-Numérique
 Périodisation du spectre du signal analogique
 Repliement spectral si fM < fe /2
 Échantillonnage idéal si Tr<< Te
 Filtrage anti-repliement nécessaire avant l’échantillonnage

Conversion Numérique-Analogique
 Reconstruction idéale possible si fM < fe /2
 Condition pratique 5.fM < fe < 25.fM
 Reconstruction approchée par BOZ ou BO1