UE N° 52 : AUTOMATISME ET INFORMATIQUE

INDUSTRIEL
EC N° 521 : AUTOMATISMES ET SYSTEMES –
SYSTEMES ASSERVIS NUMERIQUES

AUTOMATISMES ET SYSTEMES – SYSTEMES ASSERVIS

NUMERIQUES

NIVEAU 3
CLASSE : LICENCE GIM
SEMESTRE 5
VOLUME HORAIRE : 30 heures

EQUIPE PEDAGOGIQUE :

Dr MENGATA MENGOUNOU G., CM XX h, TD XX h, TPE XX h

ASSE Jean-Bernard, CM XX h, TD XX h, TPE XX h

SOMMAIRE

SOMMAIRE....................................................................................................................................2
PROGRAMME DU COURS...........................................................................................................3

OBJECTIFS GENERAUX...............................................................................................................3

OBJECTIFS SPECIFIQUES............................................................................................................3

SOURCES DOCUMENTAIRES.....................................................................................................3

PREMIERE PARTIE : AUTOMISMES ET SYSTEMES...............................................................4

CHAPITRE I : PHYSIQUE DES CAPTEURS ET DIFFÉRENTS TYPES DE CAPTEURS.........4

Objectifs spécifiques.....................................................................................................................4

I.1 PHYSIQUE DES CAPTEURS...............................................................................................4

I.2 DIFFERENTS TYPES DE CAPTEURS................................................................................6

CHAPITRE II: MÉTROLOGIE.....................................................................................................10

II.1 Définition.............................................................................................................................10

II.2 Le mesurage.........................................................................................................................10

I.3 Erreur et incertitude de mesure............................................................................................11

DEUXIEME PARTIE : SYSTEMES ASSERVIS NUMERIQUES...............................................15

CHAPITRE I: MODELISATION DES SIGNAUX ET DES SYSTEMES ECHANTILLONNES15

I.1 INTRODUCTION..................................................................................................................15

I.2 PRINCIPES FONDAMENTAUX DE L’ÉCHANTILLONNAGE DES SIGNAUX.................................17

I.4 TRANSFORMÉE EN Z DES SIGNAUX ÉCHANTILLONNÉS.......................................................22

I.5. Fonction de transfert en z.................................................................................................26

I.6 COMPORTEMENT FRÉQUENTIEL DES SYSTÈMES ECHANTILLONNÉS..................................30

CHAPITRE II: STABILITE ET PERFORMANCE DES SYSTEMES ECHANTILLONNES

ASSERVIS.....................................................................................................................................32
 2.1 MISE EN ÉQUATION DES ASSERVISSEMENTS É C H A N T I L L O N N É S ..............................32

2.2 STABILITÉ DES ASSERVISSEMENTS ÉCHANTILLONNÉS.................................................35

2.3 ASSERVISSEMENTS CONTINUS COMMANDÉS OU CORRIGÉS EN TEMPS DISCRET..........42

2.4 PRÉCISION DES ASSERVISSEMENTS ÉCHANTILLONNÉS..................................................46

2.2 PERFORMANCES DYNAMIQUES D’UN SYSTÈME ÉCHANTILLONNÉ.................................50

CHAPITRE III: CORRECTION DES SYSTEMES ECHANTILLONNES ASSERVIS...............51

3.1 PRINCIPES GÉNÉRAUX......................................................................................................51

3.2 TENTATIVES D’ACTIONS CORRECTIVES SIMPLES............................................................54

3.3 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE PAR DISCRÉTISATION D’UN CORRECTEUR

CONTINU....................................................................................................................................64

3.4 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE PAR MÉTHODE POLYNOMIALE..................70

PROGRAMME DU COURS
PREMIERE PARTIE: AUTOMATISMES ET SYSTEMES
CHAPITRE1: Physique des capteurs et différents types de capteurs
CHAPITRE2: Métrologie
DEUXIEME PARTIE: SYSTEMES ASSERVIS NUMERIQUES
CHAPITRE1: Modelisation des signaux et des systems échantillonnés
CHAPITRE2: Stabilité et performance des systems échantillonnés asservis
CHAPITRE3: Correction des systems échantillonnés asservis
OBJECTIFS GENERAUX
Maîtriser l’architecture de base d’un automate programmable ;
Maîtriser les différents langages normalisés de programmation.
OBJECTIFS SPECIFIQUES
- Connaitre le fonctionnement des différents types capteurs : température,
position, mécanique, électrique, acoustique, etc… ;
- Connaitre la chaîne de mesure ; Métrologie.

SOURCES DOCUMENTAIRES
1- Maintenance électronique, Mazoughou GOEPOGUI
2- Réparez vous-même vos appareils électroniques, Eyrolle, 2è édition, Jean Boyer
3- Maintenance électronique (Méthodes et technique, Application aux systèmes
numériques et analogiques), CHAFAI Mahfoud
4 – Introduction au diagnostic de défaillances ; Laboratoire A2SI – ESIEE – Paris,
Tarik AL ANI
PREMIERE PARTIE : AUTOMISMES ET SYSTEMES
CHAPITRE I : PHYSIQUE DES CAPTEURS ET DIFFÉRENTS TYPES DE
CAPTEURS
Objectifs spécifiques :
Ce chapitre est destiné à donner des outils indispensables au développement et
compréhension du principe de fonctionnement des capteurs. A la fin de ce chapitre,
l’étudiant doit être capable de :
 Connaître quelques principes physiques de différents capteurs
 Connaître les caractéristiques et les limitations de différents capteurs
 Point de vue utilisateur :
• bon choix du capteur pour une application concrète
• savoir utiliser un capteur
 Point de vue développeur :
• concevoir et développer un capteur
I.1 PHYSIQUE DES CAPTEURS
Dans de nombreux domaines (industrie, recherche scientifique, services, loisirs ...), on a
besoin de contrôler de nombreux paramètres physiques (température, force, position,
vitesse, luminosité, ...).
Le capteur est l'élément indispensable à la mesure de ces grandeurs physiques.
I.1.1 Définitions
Un capteur est un organe de prélèvement d'information qui élabore à partir d'une grandeur
physique, une autre grandeur physique de nature différente (très souvent électrique). Cette
grandeur représentative de la grandeur prélevée est utilisable à des fins de mesure ou de
commande.

Figure1: Principe de fonctionnement d’un capteur

 Etendue de mesure : Valeurs extrêmes pouvant être mesurée par le capteur.
  Résolution : Plus petite variation de grandeur mesurable par le capteur.
 Sensibilité : Variation du signal de sortie par rapport à la variation du signal
d'entrée.
Exemple : Le capteur de température LM35 a une sensibilité de 10mV / °C.
 Précision : Aptitude du capteur à donner une mesure proche de la valeur vraie.
 Rapidité : Temps de réaction du capteur. La rapidité est liée à la bande passante.
I.1.2 Éléments fonctionnels d‘un capteur
Énergie d’excitation Énergie d’alimentation

Modification de
Signal
l’élément sensible
électrique Signal
Mesurande
Élément Transducteur Conditionneur utilisable
sensible

Grandeurs d’influence

(Perturbations)

Figure2: Élements fonctionnels d’un capteur

I.1.3 Choix du capteur

• nature du mesurande, capteur basé sur quel principe physique ?
• performances (résolution, précision, plage de mesure, ...) ?
• caractéristiques d‘environnement, grandeurs d‘influence ?
• encombrement ?
• prix ?
• fiabilité (MTBF : Mean Time Between Failures) ?
I.1.4 Caractéristiques statistiques d‘un capteur

Précision = Fidélité (répétabilité) + Justesse

Figure3: Caractéristiques statistiques d’un capteur
I.2 DIFFERENTS TYPES DE CAPTEURS
On distingue en général deux types de capteurs :
 Les capteurs actifs qui délivrent un courant ou une tension :
• capteurs piézoélectriques
• capteurs bathymétriques
 Les capteurs passifs qui produisent une variation d’impédance
(résistance, capacité ou inductance) et qui nécessitent des structures
additionnelles.
La classification choisie dans ce cours est celle liée aux principales grandeurs physiques
relevées. La liste des capteurs est vaste et ne sont repris ici que quelques grands principes,
mais la liste n'est pas exhaustive.
 Capteurs de position
 Capteurs optiques
 Capteurs température
I.2.1 Capteurs de position
Ils sont utilisés pour détecter la position précise d'un objet, la présence d'un objet, le
niveau d'un fluide, l'épaisseur d'une pièce, l'angle de rotation d'un arbre…
 Exemples de capteur de position:
a) Les capteurs pneumatiques
D'utilisation limitée, les capteurs pneumatiques sont habituellement associés à des
détecteurs électriques. Appelés aussi "capteurs à fuites", ils sont utilisés surtout pour
détecter des pièces à faible distance, sans contact et donc sans usure.

Figure4: Capteur pneumatique

b) Les capteurs mécaniques
En perte de vitesse, les capteurs mécaniques à contact sont les seuls encore largement
utilisés. L'action mécanique sur la partie mobile du capteur permet d'établir ou
d'interrompre un contact électrique.
Caractéristiques principales de ces capteurs :
• Pouvoir de coupure et type de contact (3)
• Taux moyen de bon fonctionnement
• Encombrement
• Indice de protection
• Type de palpeur (2)
I.2.2 Capteurs de température
Il existe une multitude de capteurs de température, tant par leur technique que par leurs
formes. Ils sont employés dans de nombreux domaines tant industriels que domestique.
Appareils électroménagers (four, réfrigérateur, …), automobile (moteur, habitacle),
l’industrie de transformation (plastique, alimentaire, chimie, automobile, électronique, …)
et les installations de chauffage urbain ou industriel. Comme pour les autres types de
capteurs, ils peuvent être actifs ou passifs. Leur choix dépend de la précision qu'on en
attend et de la gamme de température souhaitée.
a) Les thermocouples
Les thermocouples sont relativement peu onereux, tout en etant precis. Ils peuvent
fonctionner sur une large gamme de temperatures. Un thermocouple est créé lorsque deux
metaux differents entrent en contact, ce qui produit, au point de contact, une faible tension
en circuit ouvert qui correspond à la temperature. Vous pouvez utiliser cette tension
thermoelectrique, communement appelée tension Seebeck, pour calculer la temperature.
Pour de petites variations de temperature, la tension est approximativement lineaire.

Figure 6: Thermocouples
b) Sondes PT100
La sonde PT100 est une sonde très courante qui repose sur une variation linéaire positive
de sa résistance. Son nom vient du fait qu'elle dispose d'une résistance de 100Ω à 0°C

Figure 7: Sondes PT100

I.2.4 Autres types de capteurs
CHAPITRE II: MÉTROLOGIE
II.1 Définition
La métrologie est l’ensemble des techniques et des savoir-faire qui permettent d’effectuer
des mesures et d’avoir une confiance suffisante dans leurs résultats. La mesure est
nécessaire à toute connaissance, à toute prise de décision et à toute action.
La logique de toute activité est :
• observer/mesurer,
• comprendre,
• prévoir/agir,
• mesurer/vérifier.
II.2 Le mesurage
II.2.1 Définitions
 Mesurage : ensemble des opérations permettant de mesurer une grandeur
physique (mesurande)
 Mesurande : La grandeur physique particulière soumise à mesurage
- Méthode directe : la valeur du mesurande est obtenue directement par
lecture d’un appareil
- Méthode indirecte : la valeur du mesurande est fonction d ’autres mesures
 Mesure (x) : C'est l'évaluation d'une grandeur physique par comparaison
avec une autre grandeur de même nature prise pour unité.
 Grandeur physique:
 Tout attribut d'un phénomène, d'un corps ou d'une substance
susceptible d'être distingué qualitativement et déterminé
quantitativement. Repérable et Mesurable
 Les grandeurs comparables forment des ensembles : les masses, les
longueurs, ...
 Unité:
 Dans un ensemble de grandeurs, c'est une grandeur particulière
choisie comme référence à laquelle toutes les autres sont
comparées.
  Les longueurs sont mesurées en les comparant au mètre.
 Chaque unité est nommée et un symbole lui est attribué
 Valeur numérique ou Mesure d'une grandeur : La Valeur numérique
d'une grandeur n'a de sens qu'accompagnée de l'unité à laquelle elle a été
comparée pour obtenir cette valeur :
MESURE = VALEUR * Unité
II.2.2 Les grandeurs caractéristiques
 La grandeur (x) : Paramètre qui doit être contrôlé lors de l'élaboration
d'un produit ou de son transfert.
Exemple : pression, température, niveau.
On effectue des mesures pour connaître la valeur instantanée et l'évolution de certaines
grandeurs.
 L’incertitude (dx) : Le résultat de la mesure x d'une grandeur X n'est pas
complètement défini par un seul nombre. Il faut au moins la caractériser
par un couple (x, dx) et une unité de mesure.
Ainsi, on a : x-dx < X < x+dx
Exemple : 3 cm ±10%, ou 5 cm ± 1 cm.
I.3 Erreur et incertitude de mesure
Les erreurs de mesure sont liées à la nature et à la répartition probabiliste et fréquentielle
des perturbations possibles de la mesure.
I.3.1. Définitions
 Erreur systématique : décalage entre la valeur vraie et la valeur mesurée
• décalage constant ou lentement variable

• erreur de très basse fréquence (vieillissement, dérive en température)

 Erreur aléatoire : ensemble des perturbations dont le signe et l’amplitude

est aléatoire
• dispersion des mesures successives d’une même grandeur

 Erreur systématique
• se produit toujours de la même façon, avec pour origine :
– l’opérateur,
Maîtrise la mesure, rigueur et soin
– l’appareil (mauvais étalonnage)
Étalonnage
– la méthode (principe de mesure)
Facile à prendre en compte = facile à corriger
 Erreur aléatoire : Évaluation simplifiée de l’erreur (calcul non
statistique),
Détermination d’une borne raisonnable
Exemple 95% d’intervalle de confiance ou 5% de risque d’erreur
X = valeur vraie, x la valeur mesurée et ∆x « l’erreur maximale »
x- ∆x < X < x+ ∆
III.3.2. Analyse du processus de mesure
Les causes d’incertitude
Devoir : Analyser le processus de mesure de l’étalonnage d’un pied à coulisse
I.3.3 Estimation de l’incertitude
I.3.3 Caractéristiques d'une chaîne de mesure informatisée

La structure de base d'une chaîne de mesure comprend au minimum quatre étages :

 Un capteur sensible aux variations d'une grandeur physique et qui, à partir
de ces variations, délivre un signal électrique.
 Un conditionneur de signal dont le rôle principal est l'amplification du
signal délivré par le capteur pour lui donner un niveau compatible avec
l'unité de numérisation; cet étage peut parfois intégrer un filtre qui réduit
les perturbations présentes sur le signal.
 Une unité de numérisation qui va échantillonner le signal à intervalles
réguliers et affecter un nombre (image de la tension) à chaque point
d'échantillonnage.
 L'unité de traitement informatique peut exploiter les mesures qui sont
maintenant une suite de nombres (enregistrement, affichage de courbes,
traitements Mathématiques, transmissions des données …).
De nos jours, compte tenu des possibilités offertes par l'électronique et l'informatique, les
capteurs délivrent un signal électrique et la quasi-totalité des chaînes de mesure sont des
chaînes électroniques et informatiques.
DEUXIEME PARTIE : SYSTEMES ASSERVIS NUMERIQUES
CHAPITRE I: MODELISATION DES SIGNAUX ET DES SYSTEMES
ECHANTILLONNES
I.1 INTRODUCTION
Jusqu’à présent, nous n’avons étudié que des systèmes continus (linéaires ou non
linéaires), dont la princi- pale fonction consistait à traiter continûment, en temps réel,
des signaux eux-mêmes continus, c’est-à-dire des signaux représentés par des fonctions
continues du temps. On parle alors de signaux et de systèmes à temps continu.
Dans la réalité industrielle, la complexité des systèmes, ainsi que celle des
traitements à réaliser, néces- site souvent le recours à des outils numériques de
traitement : ordinateurs, calculateurs, systèmes numé- riques en tout genre.
De tels outils ne peuvent en aucun cas s’accommoder de signaux continus ; ceux-ci
doivent être trans- formés en suites de nombres pour pouvoir être traités (figure 1.1). De
même, ces systèmes délivrent, à leur sortie, des suites de valeurs numériques, autrement
dit, des signaux numériques.

Remarque : On parle aussi de systèmes et de signaux à temps discret par opposition

à la notion de temps continu.

Figure 1.1 Traitement numérique d’un signal.

Pour transformer un signal continu en une suite de nombres compatible avec un

système de traitement numérique, on a recours à deux opérations successives :
l’échantillonnage qui consiste à prélever, à inter- valles de temps réguliers, des valeurs
discrètes du signal, puis, la conversion analogique numérique qui transforme ces
échantillons en nombres, généralement codés sous forme binaire (figure 1.2).
L’échantillonnage réalise donc une discrétisation dans le temps, tandis que la
conversion analogique numérique réalise une discrétisation en amplitude. En effet, si on
considère qu’un convertisseur analogique numérique dispose de n bits en sortie pour

coder la valeur numérique du signal, celui-ci ne pourra prendre que 2 n valeurs. Cette
double discrétisation est bien évidemment susceptible d’engendrer des erreurs étant
donné que l’on ne connaîtra le signal qu’à des instants donnés et que, de surcroît, les
valeurs numériques correspondantes seront arrondies en fonction du nombre de valeurs
disponibles en sortie.

Figure 1.2 Échantillonnage et conversion analogique numérique d’un signal.

Par convention, on notera e∗(t) le signal échantillonné avant sa conversion analogique

numérique.
Remarque : On a souvent tendance, par abus de langage, à appeler échantillonnage
l’ensemble de la chaîne de transformation du signal, conversion comprise. Cet abus
de langage est sans conséquence, étant donné que les modèles que nous allons
étudier concernent la description globale de la transfor- mation du signal continu
jusqu’à la suite de nombres correspondante.
 Figure 1.2 Échantillonnage et conversion analogique numérique d’un signal.

Par convention, on notera e∗(t) le signal échantillonné avant sa conversion analogique

numérique.

Remarque : On a souvent tendance, par abus de langage, à appeler échantillonnage

l’ensemble de la chaîne de transformation du signal, conversion comprise. Cet abus
de langage est sans conséquence, étant donné que les modèles que nous allons
étudier concernent la description globale de la transfor- mation du signal continu
jusqu’à la suite de nombres correspondante.

I.2 PRINCIPES FONDAMENTAUX DE L’ÉCHANTILLONNAGE DES SIGNAUX

I.2.1 Définition

L’échantillonnage d’un signal temporel s(t) consiste à transformer celui-ci en une suite
discrète s(nTe) de valeurs prises à des instants nTe. Te est appelée période
d’échantillonnage. Les instants nTe sont appelés les instants d’échantillonnages.
Pratiquement, échantillonner un signal revient à le multiplier par une fonction
d’échantillonnage p(t), nulle partout, sauf au voisinage des instants nTe. Cette fonction,
qui porte souvent le nom de peigne, est représentée sur la figure 11.3. Le résultat d’une
opération d’échantillonnage, visible sur la figure 1.4, est :

s∗(t) = p(t)s(t)

Figure 1.3 Fonction d’échantillonnage.

 Figure 1.4 Échantillonnage d’un signal quelconque.
L’échantillonnage produit donc, à partir d’un signal s(t), la suite :

s(0), s(Te), s(2T e ),... , s(nTe)

que l’on note, en général : s∗ (t) = {s0 , s1 , s2 , . . . , sn }

ou encore : s(k) = {s0 , s1 , s2 , . . . , sn }

Remarque : En toute logique, cette suite ne correspond pas encore à des valeurs
numériques. Ce signal échantillonné est un signal analogique à temps discret.
Toutefois, on notera de la même manière la suite numérique obtenue après
conversion analogique numérique.
I.1.2 Spectre d’un signal échantillonné

Supposons qu’un signal s(t) à échantillonner soit à énergie finie et possède, par
conséquent, une transformée de Fourier :

Calculons alors la transformée de Fourier S∗( f ) du signal échantillonné s∗(t). Le signal

p(t) étant périodique, il possède une décomposition en série de Fourier que nous pouvons
écrire, sans la calculer :
La transformée de Fourier du signal échantillonné apparaît donc comme une
superposition des transformées de Fourier de s(t) aux points f −n fe, fe étant la fréquence
d’échantillonnage choisie. Pour n = 0, on retrouve le spectre |S( f )| du signal initial. Pour
n non nul, on retrouve ce même spectre, mais décalé, par rapport à
|S( f )| de n fe avec n ∈ Z. On dit aussi que S( f ) est périodique de fréquence fe. La

figure 11.5 présente les spectres comparés de s(t) et de s∗(t).

Figure 1.5 Spectre d’un signal échantillonné.

I.2.3 Théorème de Shannon

À partir du spectre du signal échantillonné représenté sur la figure 11.5, il est possible
de mettre en évidence l’un des résultats les plus fondamentaux de l’étude des signaux
échantillonnés. Un des objectifs essentiels de l’échantillonnage consiste à ne pas perdre
d’information lors de la discrétisation dans le temps, ce qui peut se traduire par le fait
qu’il doit être possible, à partir du spectre du signal échantillonné, de reconstituer

Simplement celui du signal original. Un simple coup d’œil au spectre |S∗( f )| nous
montre que cela est possible s’il n’existe aucun recouvrement entre les différents
segments de spectre.
 Figure 1.6 Spectre d’un signal échantillonné.
Si B est la largeur spectrale du signal s(t), autrement dit sa limite fréquentielle

supérieure, le premier segment décalé, dans le spectre de s∗(t), qui se trouve centré sur
la fréquence fe, s’étend de fe − B à fe + B. La condition de non recouvrement est donc,
de toute évidence :
B < fe − B

soit : fe > 2B

Cette inégalité constitue le théorème de Shannon qui peut également s’énoncer de la

manière suivante : Pour préserver, lors de son échantillonnage, l’information contenue
dans un signal, la fréquence d’échantillonnage fe doit être supérieure au double de la
largeur spectrale du signal.

I.2.4 EXEMPLES DE SIGNAUX ÉCHANTILLONNÉS SIMPLES

Impulsion unité

Remarque : Nous considérerons comme nuls pour t négatif, tous les signaux que
nous étudierons. La figure 1.7 propose une représentation schématique de cette
impulsion unité.

Figure 1.7 Impulsion unité.

Échelon unité

La figure 1.8 propose une représentation schématique de cet échelon unité.

Figure 1.8 Échelon unité.

Cet échelon unité n’est rien d’autre que la somme d’impulsions unités décalées dans le
temps:

I.4 TRANSFORMÉE EN Z DES SIGNAUX ÉCHANTILLONNÉS

I.4.1 Définition

Soit s(t) un signal continu quelconque que l’on échantillonne à une fréquence fe (soit une
période Te), en respectant, bien évidemment, le théorème de Shannon.
 On a : s∗ (t) = {s0 , s1 , s2 , . . . , sn }

avec : si = s (iTe)

ou encore : s(k) = {s0 , s1 , s2 , . . . , sn }

Cette suite n’est rien d’autre que la somme d’impulsions unités décalées dans le temps et
multipliées, chacune, par le coefficient sk :

Toute la modélisation des signaux que nous avons utilisée, dès les premières pages de cet
ouvrage, faisait appel à la transformation de Laplace. Nous pouvons toujours calculer la

transformée de Laplace de s∗(t):

Dans cette expression,

k
∆k∗(p) représente la transformée de Laplace d’une impulsion unité
à l’instant kTe, représentée sur la figure 1.9.
 Figure 1.9 Impulsion unité à l’instant k.

La transformée en z d’un signal n’existe, bien évidemment, que si la somme qui la définit
converge. On peut montrer que ce domaine de convergence est de la forme |z| > r avec r
∈ R. Dorénavant, nous ne nous intéresserons qu’à des signaux pour lesquels on peut
effectivement définir une transformée en z.
I.4.2 Intérêt de la transformée en z

Nous allons retrouver avec la transformée en z, le même intérêt que celui que nous
avions trouvé à la trans- formée de Laplace pour les signaux à temps continu. Lorsque
nous saurons modéliser le fonctionnement d’un système numérique par une fonction de
transfert en z, nous disposerons d’un outil complet permettant de décrire, donc d’étudier
leur fonctionnement.

Tout comme l’on écrivait : S( p) = G( p)E( p),

on écrira alors : S(z) = G(z)E(z)

Ce formalisme, qui peut paraître quelque peu ésotérique au départ n’est rien d’autre que
la méthode de modélisation, donc de description, des signaux et systèmes
échantillonnés.
I.4.3 Propriétés de la transformée en z

a) Linéarité

Soit s1(t) et s2(t) deux signaux quelconques possédant chacun une transformée en z,
S1(z) et S2(z). La transformée en z d’une combinaison linéaire ls1(t)+ ms2(t) de ces
deux fonctions est égale à lS1(z)+ mS2(z).

b) Théorème du retard

Soit s(t) un signal quelconque possédant une transformée en z, S(z) et soit x(t) = s(t −
aTe) correspondant au même signal retardé d’un temps aTe. La transformée en z de s(t
− aTe) est égale à :

X(z) = z−aS(z)

c) Théorème de la valeur finale

Soit s(t) un signal quelconque possédant une transformée en z, S(z). Soit (sk ) la suite
échantillonnée corres- pondant au signal s(t). Le théorème de la valeur finale permet de
connaître la valeur vers laquelle tend la suite (sk ) lorsque k → +∞, autrement dit
lorsque t → +∞.
I.5. Fonction de transfert en z
I.5.1 Relations entre échantillons de sortie et échantillons d’entrée

On considère un système de traitement numérique à l’entrée duquel on injecte un signal

échantillonné représenté par une suite de nombres ek. Soit sk la suite obtenue à la sortie
du système (figure 1.10). Il convient d’insister ici, sur le fait que ces séries de nombres
correspondent à une description temporelle des signaux : ek = e(kTe). Il paraît donc
naturel, a priori, pour décrire le fonctionnement du système, d’exprimer l’échantillon de
sortie sk à un instant quelconque kTe en fonction, par exemple, des échantillons
d’entrée.

Figure 1.10 Schéma général d’un système de traitement numérique d’un signal.
Dispositifs de type MA en temps réel
Les dispositifs de traitement numérique les plus simples sont décrits par une du type

Cela signifie que l’échantillon de sortie sk , c’est-à-dire à l’instant kTe, est connu à
partir des p+1 échantillons d’entrée aux instants d’échantillonnage précédents (instant
présent kTe inclus). Cette relation ne peut bien évidemment être écrite qu’à partir de
l’échantillon sp étant donné qu’elle nécessite la connaissance des p premiers
échantillons d’entrée pour pouvoir calculer un échantillon de sortie. En analysant
l’expression de sk , on remarque que l’algorithme de calcul correspond au calcul d’une
moyenne de plusieurs échantillons d’entrée passés affectés d’une suite de coefficients
ai. C’est pourquoi ces dispositifs sont appelés systèmes de type MA, pour Moving
Average, c’est-à-dire, moyenne mobile. Comme seuls les échantillons d’entrée passés
sont nécessaires pour calculer la sortie, ils sont également dits en temps réel car
 l’échantillon de sortie à un instant quelconque peut être immédiatement évalué.

Dispositif de type MA en temps différé

Il s’agit toujours de calculer l’échantillon de sortie à l’instant kTe à partir du calcul d’une
moyenne d’échantillons d’entrée ; mais cette fois ci, la connaissance d’échantillons
d’entrée postérieurs à l’instant kTe est nécessaire.

Cela signifie que la sortie sk , c’est-à-dire à l’instant kTe, est calculée à partir des p
échantillons d’entrée passés (instant présent kTe inclus) et des m échantillons d’entrée à
venir. Cette relation ne peut toujours être écrite qu’à partir de l’échantillon sp et un
échantillon de sortie sk n’est connu qu’à partir de l’instant (k + m) Te.
I.5.3 Définition de la fonction de transfert en z

Considérons un système régi par une équation de type ARMA. Soit E (z) la transformée
en z du signal d’entrée et S (z) celle du signal de sortie.
1.1.1 Exemples de fonctions de transfert en z
I.6 COMPORTEMENT FRÉQUENTIEL DES SYSTÈMES ECHANTILLONNÉS
I.6.1 Principes généraux

Considérons un système de fonction de transfert en z égale à G(z) sollicité par un signal

d’entrée possédant une transformée en z, E(z) et délivrant un signal de sortie de
transformée en z, S(z) (figure 1.12).

Figure 1.12 Schéma général d’un système échantillonné.

Le système est régi par l’équation : S(z) = G(z)E(z)

En posant z = e jωTe , on obtient : S(e jωTe ) = G(e jωTe )E(e jωTe )

Les termes E(e jωTe ) et S(e jωTe ) représentent respectivement les transformées de

Fourier à temps discret des signaux d’entrée et de sortie. Par conséquent, G(e jωTe )
représente le comportement fréquentiel du système : il s’agit de sa fonction de transfert
en fréquence. Comme pour les systèmes continus, ce comportement peut être représenté
graphiquement, par exemple sous forme de diagramme de gain.
. .
La fonction G(ω) = G(e jωTe ) correspond, notamment, au gain réel du système en
fonction de la pulsation ω.
n prendra soin, toutefois, de toujours limiter le tracé à l’intervalle << 0; fe /2 >>, afin de
respecter le théorème de Shannon : l’expression trouvée n’a en effet aucun sens au-delà de
fe/2.
 Figure 1.13 Diagramme de gain du système.

Remarque : A contrario des systèmes à temps continus, l’usage, pour les systèmes
échantillonnés, consiste à tracer la courbe de gain directement en coordonnées
cartésiennes linéaires. On peut certes exprimer le gain en décibels, mais on
préférera utiliser une échelle linéaire pour l’axe des abscisses.
CHAPITRE II: STABILITE ET PERFORMANCE DES SYSTEMES
ECHANTILLONNES ASSERVIS
2.1 MISE EN ÉQUATION DES ASSERVISSEMENTS É C H A N T I L L O N N É S

2.1.1 Fonction de transfert en boucle fermée

Tout comme les systèmes continus, les systèmes échantillonnés peuvent être asservis
selon le même principe de la boucle fermée (figure 2.1).

Figure 2.1 Schéma général d’un système échantillonné asservi.

La chaîne directe et la chaîne de retour sont modélisées par leurs fonctions de

transfert en z et les signaux d’entrée et de sortie sont bien évidemment échantillonnés à
une fréquence fe et possèdent chacun une transformée en z : E(z) et S(z). L’écart ε(t)
n’échappe pas à la règle. Soit ε(z) sa transformée en z.
Tout comme dans le cas des systèmes à temps continu, on définit les fonctions de
transfert en boucle ouverte G(z) et en boucle fermée H(z) par :
 2.1.2 Relation temps continu – temps discret en boucle fermée

Considérons un système à temps continu asservi, selon le schéma général de la figure

2.2.

Figure 2.2 Schéma général d’un système à temps continu asservi.

Chacun des sous-systèmes constitutifs A( p) et B( p) possède un équivalent en temps

discret A(z) et B(z). Ces équivalents supposent que chacun de ces sous-systèmes
possèdent une entrée et une sortie échantillonnées (figure 2.3).

Figure 2.3 Conditions d’équivalence Laplace – Z.

Si on se contentait, dans le schéma de la figure 2.2, d’échantillonner uniquement le

signal de consigne et le signal de sortie, on obtiendrait le schéma de la figure 2.4, mais,
dans cette configuration, le système obtenu serait complètement différent de celui
auquel on s’attend et qui est représenté sur la figure 2.5. En effet, il n’est pas possible de
déterminer l’équivalent A(z) de A( p) si son signal d’entrée n’est pas échantillonné. Il est
donc nécessaire de disposer d’un modèle dans lequel chaque signal est échantillonné.
 Figure 2.4 Échantillonnage de la consigne et de la sortie.

La principale conséquence de cette constatation est le mode de calcul de la fonction

de transfert en boucle fermée d’un système asservi à temps discret lorsque celui-ci est
déterminé à partir d’un modèle à temps continu : il n’est pas possible de déterminer la
fonction de transfert en z en boucle fermée à partir de l’équivalence de la fonction de
transfert en boucle fermée en temps continue H( p). Il faut déterminer indépendamment
les fonctions de transfert en z de chaque sous-système (figure 2.5) et calculer la fonction
de transfert en boucle fermée H(z) à partir de l’expression :

Figure 2.5 Schéma de l’asservissement échantillonné attendu.

 2.2 STABILITÉ DES ASSERVISSEMENTS ÉCHANTILLONNÉS

2.2.1 Critère mathématique de stabilité

a) Énoncé du critère

Pour les systèmes à temps discret, la définition de la stabilité reste la même : à une entrée
finie doit corres- pondre une sortie finie. Considérons un système échantillonné défini
par la fonction de transfert suivante:

Les zi et les pj sont respectivement les zéros et les pôles de la fonction de transfert.
Plaçons un échelon unité à l’entrée de ce système,
Soit:

Or le système sera stable si et seulement si sk tend vers une valeur finie.

La fonction de transfert peut naturellement être décomposée en éléments simples:

et il faudra qu’aucun de ces termes ne tende vers l’infini lorsque z → 1 pour assurer la
stabilité du système. Une première analyse nous montre que s’il existe un pôle réel égal à
1, la sortie sk ne pourra converger.
Toutefois, les pôles pj peuvent être complexes et dans ce cas, on peut montrer qu’un pôle
de module 1 entraînera également l’instabilité du système.
On sait par ailleurs que le domaine de convergence (donc d’existence) de la transformée
en z est tel que
|z| > r. Pour faire tendre z vers 1, il faut bien évidemment que le seuil de convergence r
soit inférieur à 1.
Le seul moyen de garantir qu’aucun terme de la décomposition en éléments simples
ne diverge lorsque
z tend vers 1 est donc de n’avoir que des pôles pj dont le module sera strictement
inférieur à 1.

Remarque : Ce développement théorique ne constitue pas, à proprement parler, une

démonstration, mais il permet d’avoir une approche simple du critère mathématique
de stabilité.

Un système échantillonné est stable si et seulement si tous les pôles pj de sa fonction

de transfert sont tels que |pj| < 1.

Généralisons donc ce résultat :

On traduit souvent cette propriété par la proposition suivante qui concerne la position
des pôles dans le plan complexe : un système est stable si et seulement si les pôles de sa
fonction de transfert se trouvent tous à l’intérieur du cercle de rayon 1.

b) Exemple : stabilité en boucle ouverte d’un système AR du premier ordre

On considère un système régi, en boucle ouverte, par une équation de récurrence

d’ordre1:
L’unique pôle de la fonction de transfert est a. Par conséquent, la condition de stabilité
est : |a| < 1

c) Exemple : stabilité en boucle fermée d’un système AR du premier ordre

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

placé dans une boucle à retour unitaire (figure 2.6), avec :

Les paramètres b et a sont positifs. De plus, on supposera que a < 1.

Rappelons que ce système correspond, en boucle ouverte, à l’équation de récurrence
suivante :
 Figure 2.6 Schéma d’un asservissement échantillonné à retour unitaire.

2.2.2 Utilisation du critère de Routh

Il est possible d’utiliser le critère de Routh pour l’étude la stabilité des systèmes
échantillonnés en compa- rant les deux critères mathématiques utilisés en temps continu
et en temps discret : pour un asservissement en temps continu, les pôles de la fonction
de transfert en boucle fermée doivent tous être situés dans le demi-plan complexe
correspondant aux parties réelles négatives. En temps discret, les pôles doivent être
situés à l’intérieur du cercle de rayon 1. Il suffit donc de transformer l’équation D(z) = 0
en utilisant une fonction qui transforme, dans le plan complexe, le disque de rayon 1 en
demi-plan correspondant aux parties réelles négatives.

Remarque: Cette astuce n’est donnée qu’à titre indicatif car, hormis d’un point de vue
académique, son intérêt est somme toute, limité.
2.2.3 Influence de la fréquence d’échantillonnage sur la stabilité
 a) Mise en évidence

Nous allons tenter, à partir d’un exemple simple, de montrer que la stabilité d’un
système échantillonné peut être grandement influencée par le choix de la période
d’échantillonnage.

Considérons un système de fonction de transfert en boucle ouverte G( p) placé dans une

boucle à retour unitaire avec :

Si on se réfère à la table des équivalents Laplace – z, le système échantillonné asservi qui

possédera le même fonctionnement aura pour fonction de transfert :

Remarque : Bien noter que l’on n’a pas le droit de déduire la fonction de transfert
échantillonnée en boucle fermée à partir de la fonction de transfert continue en boucle
fermée.

Alors que le système en temps continu H( p) est toujours stable, le système

échantillonné ne l’est pas toujours. En effet, H(z) possède un pôle dont le module est
susceptible d’être supérieur à 1.
Le système échantillonné peut donc être instable : pour une période d’échantillonnage
donnée, il existe une limite supérieure du gain statique qui délimite le domaine stable. Si
c’est le gain statique qui est fixé, on a :

La période d’échantillonnage doit donc être inférieure à une valeur qui dépend des
paramètres du système. Autrement dit la fréquence d’échantillonnage doit être
supérieure à un certain seuil.
Remarque : Il s’agit là d’un résultat important : en automatique, la fréquence
d’échantillonnage n’est pas uniquement dictée par le théorème de Shannon (d’ailleurs il
n’est pas toujours possible de connaître a priori les spectres des signaux dans le système)
mais aussi par les caractéristiques du système.
b) Choix de la fréquence d’échantillonnage

La règle traditionnellement adoptée par les automaticiens, en matière de choix de la

fréquence d’échan- tillonnage consiste à évaluer la bande passante fpas du système
asservi et de choisir une fréquence d’échan- tillonnage telle que :

6 fpas < fe < 25fpas

On rappelle que la bande passante est définie comme la limite supérieure de la plage de
fréquences pour lesquelles le gain est constant à 3 dB près.

2.3 ASSERVISSEMENTS CONTINUS COMMANDÉS OU CORRIGÉS EN TEMPS

DISCRET

2.3.1 Définition

Les systèmes asservis comportent assez souvent à la fois des éléments fonctionnant à
temps discret et d’autres qui fonctionnent à temps continu. Parmi ces systèmes, on
rencontre notamment des asservissements de systèmes continus pour lesquels on
envisage une correction par calculateur. Dans ce cas, les signaux de consignes et de
sortie sont continus; seuls les signaux entrant et sortant du correcteur sont
échantillonnés (figure 2.8).

Figure 2.8 Asservissement continu avec correction numérique.

 Dans d’autres cas, l’asservissement complet d’un système continu est piloté par un
signal échantillonné (figure 2.9).

Figure2.9 Asservissement continu commandé par un signal

échantillonné.

2.3.2 Interfaçage entre un système discret et un système continu

Un problème subsiste dans les deux cas que nous venons de mentionner : la connexion
d’un système échan- tillonné vers un système à temps continu n’est a priori pas
possible. En effet, le signal délivré par le système C(z) est un signal identique à celui
présenté sur la figure 2.10. Il s’agit même, en général, d’une suite de nombres délivrés
sous forme binaire. Ce type de signal est bien sûr incompatible avec l’entrée d’un
système à temps continu.
Pour retrouver un signal « admissible », il est nécessaire de reconvertir la suite
numérique en impulsions discrètes, au moyen d’un convertisseur numérique analogique,
puis (et c’est cela qui transforme véritable- ment le signal en temps discret en signal
continu) de procéder à un blocage du signal grâce à un système appelé bloqueur.
Le blocage consiste à maintenir la valeur de l’échantillon jusqu’à l’arrivée de

l’échantillon suivant. Le signal x∗(t), après blocage, devient le signal continu représenté
sur la figure 2.11.
 Figure 2.10 Signal issu du correcteur.

Figure 2.11 Signal continu obtenu après blocage du signal

échantillonné.

Remarque : Il existe plusieurs types de bloqueurs ; celui qui vient d’être décrit est appelé
bloqueur d’ordre 0.

On admettra qu’un bloqueur d’ordre 0 peut être modélisé par une fonction de transfert
en temps continu égale à :

2.3.3 Première méthode d’étude simple : recherche d’un système à temps

continu équivalent

La première méthode d’étude du système consiste à rechercher le système continu

auquel il est équivalent. Prenons l’exemple du système représenté sur la figure 2.8. Le
correcteur C(z) possède sans aucun doute un équivalent en temps continu, soit C( p).
 Figure 2.12 Équivalence en temps continu du système.

Nous pouvons alors proposer un schéma équivalent en continu, en veillant à ne pas

oublier le bloqueur d’ordre 0 qui, dans le modèle en temps continu, effectue
l’interfaçage entre le correcteur et le système à commander (figure 2.12).
2.3.4 Deuxième méthode d’étude simple : recherche d’un système à temps
discret équivalent

On peut également étudier le système en recherchant le système à temps discret auquel

il est équivalent. Reprenons l’exemple du système représenté sur la figure 2.7. Soit A(z)
et B(z) les équivalents en temps discrets des fonctions de transfert A( p) et B( p).
Nous pouvons immédiatement proposer le schéma équivalent en temps continu
(figure 2.13), en veillant, surtout, à ne pas y inclure le bloqueur d’ordre 0 qui, dans le
modèle en temps discret, n’a au- cune raison d’être.

Figure 2.13 Équivalence en temps discret du système.

2.4 PRÉCISION DES ASSERVISSEMENTS ÉCHANTILLONNÉS

2.4.1 Erreurs de position et de vitesse

On définit, pour les systèmes à temps discret, les mêmes performances que pour les
systèmes à temps continu. Il en est ainsi de la précision des systèmes qui est ici, toujours
définie par les notions d’erreurs de position et de vitesse.
Considérons un système échantillonné asservi de fonction de transfert en boucle
ouverte G(z), placé dans une boucle à retour unitaire et représenté sur la figure 2.14.

Figure 2.14 Schéma d’un asservissement échantillonné à retour

unitaire.
 2.1.1 Précision d’un système échantillonné du premier ordre

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

placé dans une boucle à retour unitaire (figure 2.13), avec :

Nous savons déjà (paragraphe 2.2.1 – c) que le système est stable en boucle fermée si
l’unique pôle de la fonction de transfert en boucle fermée est inférieur à 1.
a) Calcul de l’erreur de position

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

ne peut être nul. Cette erreur de position est nulle, autrement dit le système est
parfaitement précis en boucle fermée, si a = 1, donc si la fonction de transfert en boucle
ouverte G(z) possède un pôle égale à 1.

b) Calcul de l’erreur de vitesse

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

c) Généralisation

La présence d’un pôle égal à 1 dans la fonction de transfert en boucle ouverte assure
donc une bonne précision statique mais n’assure pas une bonne précision dynamique.
Considérons à présent un système de fonction de transfert en boucle ouverte G(z)
quelconque de la forme :
 En conclusion, la présence d’un intégrateur dans la fonction de transfert en boucle
ouverte assure une erreur de vitesse finie d’autant plus faible que la période
d’échantillonnage est faible. La présence d’au moins deux intégrateurs assure la nullité
de l’erreur de vitesse.
2.2 PERFORMANCES DYNAMIQUES D’UN SYSTÈME ÉCHANTILLONNÉ

Tout comme l’étude des systèmes à temps continu nous a conduit à mettre en évidence
des performances en boucle fermée telles que rapidité et limitation du dépassement,
nous allons à présent nous intéresser à ces performances dynamiques dans le cas des
systèmes à temps discret.
Nous allons à nouveau utiliser, mais cette fois-ci à propos des systèmes à temps
discret, la méthode qui consiste à assimiler le fonctionnement d’un système quelconque à
celui d’un système du second ordre.
2.2.1 Fonction de transfert échantillonnée équivalente à un système du second
ordre

On considère un système à temps continu du second ordre, caractérisé en boucle

ouverte, par une fonction de transfert G( p) telle que :

Nous nous limiterons à l’étude du cas ξ< 1, pour mettre en évidence les paramètres liés
au temps de montée et au dépassement.
CHAPITRE III: CORRECTION DES SYSTEMES ECHANTILLONNES
ASSERVIS
3.1 PRINCIPES GÉNÉRAUX

3.1.1 Rappel du cahier des charges d’un asservissement

Les systèmes échantillonnés comme les systèmes à temps continu, doivent en général
satisfaire à un cahier des charges qui impose, en boucle fermée, un certain nombre de
performances (qui d’ailleurs sont les mêmes qu’en temps continu) : précision, rapidité,
marge de stabilité et limitation du dépassement.

Figure 3.1 Schéma général d’un système échantillonné asservi.

Considérons un système constitué d’une chaîne directe et d’une chaîne de retour. La

plupart du temps, on ne choisit ni les lois de fonctionnement des systèmes A(z) et B(z),
ni, bien sûr, leurs fonctions de transfert qui, en général, sont des données imposées par
la conception même du système asservi en cours d’élaboration. Parfois, certains
paramètres sont réglables mais souvent, aucun d’entre eux ne l’est.
3.1.2 Rôle du correcteur

Si l’on s’en tenait là, nous ne pourrions malheureusement que prédire et constater les
performances (ou les contre-performances) de la boucle d’asservissement sans pouvoir
agir sur celles-ci. Il y a peu de chance, alors, que le cahier des charges soit respecté.
L’idée consiste, ici encore, à introduire dans la chaîne directe, en amont du système
A(z), un dispositif supplémentaire de fonction de transfert C(z), appelé correcteur
numérique et dont le rôle essentiel doit consister à modifier les performances du
système initial (figure 3.2).
Cela revient à dire que nous transformons les fonctions de transfert en boucle ouverte
et en boucle fermée de manière à imposer à l’ensemble de fonctionner selon le cahier
des charges voulu.

Figure 3.2 Schéma général d’un système échantillonné asservi et

corrigé.

Si Gi(z) et Hi(z) sont les fonctions de transfert en boucle ouverte et en boucle fermée
du système initial et Gc(z) et Hc(z) les fonctions de transfert en boucle ouverte et en
boucle fermée du système corrigé, on aura :

Tout l’art de la correction des systèmes échantillonnés consiste à choisir la bonne

fonction de transfert C(z) pour ce correcteur numérique de manière à régler chaque
performance sur sa valeur requise, sans per- turber, bien sûr, le fonctionnement du
système. Ces corrections sont en général assurées par un calculateur.
 3.1.3 Correction numérique d’un système à temps continu

Très souvent, on choisit, pour des questions de souplesse et de précision, de corriger

numériquement un système à temps continu. Le schéma de la boucle d’asservissement
correspondante est représenté sur la figure 3.3. Un bloqueur doit, bien entendu, être
intercalé entre le correcteur numérique et le système à commander.

Figure3.3 Asservissement continu commandé et corrigé

numériquement.

Dans ce cas, les techniques de recherche d’un équivalent de la boucle

d’asservissement étudiées au chapitre précédent pourront s’appliquer, que ce soit un
équivalent à temps continu ou à temps discret.
3.1.4 Problèmes spécifiques liés aux correcteurs numériques

Dans le cas des systèmes à temps continus, il a été relativement facile d’identifier les
trois actions correctives simples : action proportionnelle, action dérivée et action
intégrale et visualiser immédiatement, par exemple sur un diagramme de Bode,
l’influence que ce type d’action avait sur le comportement fréquentiel, donc sur les
performances.

Les choses ne sont pas si simples lorsqu’il s’agit d’asservissements échantillonnés.

En effet, les formes diverses et variées des équations de récurrence des systèmes posent
parfois problème lorsqu’il s’agit de conclure à des résultats généraux.
Certes, on peut toujours présupposer un principe d’équivalence entre les actions
correctives élémentaires en temps continu et la forme correspondante en z :
Toutefois, il est hors de question, ici, d’imaginer corriger intuitivement un système
échantillonné en in- troduisant telle ou telle action corrective élémentaire (hormis
l’action intégrale qui, elle, est sans trop de surprises et qui améliore systématiquement la
précision en boucle fermée). Ainsi, l’introduction du gain in- férieur à 1 n’augmente pas
obligatoirement la stabilité, de même que la rapidité n’est pas forcément affectée par
l’introduction d’un dérivateur.
Le paragraphe suivant, que nous avons volontairement intitulé « tentatives »
d’actions correctives simples, présente quelques exemples que nous considérerons
plutôt comme des études de cas permettant de sensibiliser le lecteur aux problèmes
spécifiques liés aux actions correctives sur les systèmes échan- tillonnés. Nous
étudierons ensuite des méthodes de synthèse de correcteurs numériques plus adaptées et
plus systématiques, telles que la technique de discrétisation des correcteurs (bien
adaptée à la correction numérique d’un système à temps continu) et les méthodes
polynomiales (classiques, efficaces et somme toute, assez faciles à mettre en œuvre).

3.2 TENTATIVES D’ACTIONS CORRECTIVES SIMPLES

3.2.1 Amélioration de la précision

Comme mentionné précédemment, peu de surprises ici. L’action intégrale améliore la

précision du système, mais, attention, elle peut bousculer les autres performances, de
manière souvent imprévisible (au sens de la perception temps continu que l’on a peut-
être de cette action corrective).

a) Correcteur à action intégrale

L’étude menée au chapitre précédent à propos de la précision d’un système asservi à

 temps discret nous a conduit à la conclusion suivante : la présence, dans la fonction de
transfert en boucle ouverte, d’un in- tégrateur (i.e. d’un pôle égal à 1) assure la nullité
de l’erreur de position, c’est-à-dire la précision statique parfaite. Si ce pôle est au moins
double (s’il y a au moins deux intégrateurs dans la chaîne directe), l’erreur de vitesse est
nulle, autrement dit la précision dynamique parfaite est assurée. Par conséquent, pour
amélio- rer simplement la précision, en boucle fermée, d’un système à temps discret, on
peut choisir un correcteur de fonction de transfert égale à :

On choisira n = 1 si le cahier des charges impose uniquement une condition de nullité de

l’erreur de position et n = 2 si l’erreur de vitesse doit être nulle également.

b) Conséquence sur les autres performances

Analysons au travers d’un exemple simple, l’influence de l’introduction d’un

intégrateur sur le comporte- ment global d’un asservissement. Soit un système à temps
discret de fonction de transfert en boucle ouverte G(z) placé dans une boucle à retour
unitaire, avec:
Considérons les suites d’échantillons d’entrée (échelon unité) et de sortie (tableau 3.1) et
représentons-les graphiquement (figure 3.4).

Tableau3.1 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

Figure 3.4 Représentation temporelle du comportement du système

en boucle fermée.
Toutefois, les modules de ces pôles sont plus proches de 1 que l’unique pôle du système
non corrigé (qui était égal à 0,17). On peut donc en déduire que la marge de stabilité est
légèrement diminuée par l’ajout du correcteur (elle reste néanmoins très confortable).
Construisons un tableau avec les suites d’échantillons d’entrée (échelon unité) et de
sortie (tableau 13.2) et représentons-les graphiquement (figure 3.5).

Tableau 3.2 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

On note la présence d’un faible dépassement (environ 6 %) ce qui corrobore la légère

perte de marge de stabilité et une rapidité accrue puisque le temps de montée correspond
à l’échantillon k = 1, soit tm = Te.
 Figure 3.5 Représentation temporelle du comportement du
système en boucle fermée après
correction.

3.2.2 Compensation de la perte de stabilité par placement des pôles

Reprenons le système que nous venons d’étudier en ajoutant un gain K dans la chaîne
directe en plus de l’intégrateur. On a donc maintenant:

Pour augmenter la marge de stabilité, on doit chercher à réduire le module des pôles. Le
discriminant restant négatif tant que K > 0,0625, nous pouvons partir du principe que les
pôles resteront complexes conjugués :
 Il suffit de choisir une valeur de K qui correspond à une valeur souhaitée pour le
module de chaque pôle, par exemple :

Tableau 3.3 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

On note bien la présence d’un amortissement plus prononcé, ce qui correspond bien à
une augmentation de la marge de stabilité

Remarque : on peut être surpris de corriger la stabilité d’un système à l’aide d’un
amplificateur de gain K > 1. Attention, il ne s’agit pas d’un cas général : c’est la
forme particulière du système qui amène ce résultat auquel nous sommes fort peu
habitués. L’étude qui vient d’être faite montre qu’il n’est pas aussi facile de corriger
« intuitivement » un système à temps discret, comme on peut avoir l’habitude de le
faire en temps continu. On retiendra de cette étude la technique de placement des
pôles, autrement dit du choix de la valeur de ceux-ci, ou plutôt de leurs modules.
 Figure 3.6 Représentation temporelle du comportement du
système en boucle fermée après correction.

3.2.3 Action dérivée

Un correcteur numérique à action dérivée possède une fonction de transfert C(z) égale à:

Analysons, au travers d’un exemple simple, l’influence d’un tel correcteur. Soit A(z) un
système échan- tillonné placé dans une boucle de régulation à retour unitaire et précédé
d’un correcteur à action dérivée, avec :

La fonction de transfert en boucle fermée du système non corrigé est :

L’unique pôle de cette fonction de transfert est :

Ce pôle possède bien un module inférieur à 1 mais sa valeur est proche de la limite
d’instabilité ; le système est donc stable en boucle fermée mais mériterait sans doute
d’être corrigé pour disposer d’une marge de sécurité plus confortable. L’équation de
récurrence en boucle fermée étant :

on peut aisément calculer et représenter graphiquement la suite des échantillons de

sortie lorsque l’entrée est un échelon unité pour constater qu’effectivement, le système
est stable, mais peu stable si l’on en croit le régime oscillatoire très peu amorti. De plus,
il est très peu précis.
Tableau 3.4 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

Figure 13.7 Représentation temporelle du comportement du

système en boucle fermée avant correction.
 En présence du correcteur à action dérivée, on a:

Remarque : compte tenu des connaissances que nous avons acquises pour les
systèmes à temps continu, nous nous attendons à ce que la stabilité du système soit
améliorée.

La fonction de transfert en boucle fermée du système corrigé est donc:

L’équation de récurrence correspondante est :

Calculons les pôles de cette fonction de transfert.

On peut représenter, sur un même graphique, les variations de | p1| et de | p2| en fonction
de K (figure 3.8). Pour que le système soit stable, il faut que les deux pôles aient un
module inférieur à 1.

Figure 3.8 Variations des modules des pôles en fonction du gain K.

On en déduit donc : K < 0,55

Choisissons par exemple K = 0,4 puis calculons et traçons la suite d’échantillons en
sortie du système lorsque celui-ci est soumis à un échelon unité (tableau 3.5 et figure
3.9). Dans ce cas, on a :

Tableau 3.5 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

 Figure 3.9 Représentation temporelle du comportement du
système en boucle fermée après correction.

Le système est effectivement plus stable puisqu’il converge vers une valeur finie
beaucoup plus vite, ce qui est conforme au calcul des nouveaux pôles.

Soit : | p1| = 0,5

et : | p2| = 0,8

Toutefois, ce type de correction est inacceptable puisque l’erreur de position atteint à

présent 100 %.

3.3 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE PAR DISCRÉTISATION D’UN

CORRECTEUR CONTINU

3.3.1 Principe

La méthode que nous allons présenter s’adapte particulièrement bien aux problèmes de
synthèse d’une cor- rection numérique d’un asservissement continu (figure 13.10). Nous
supposerons donc que nous cherchons à asservir un système de fonction de transfert A(
p) au moyen d’un correcteur C(z). Pour simplifier, nous supposerons que la boucle est à
retour unitaire.

Figure 3.10 Asservissement continu corrigé numériquement.

Remarque : un bloqueur d’ordre 0 assure l’interface entre la sortie numérique du

correcteur et l’entrée continue du système à asservir.

La technique consiste à étudier cet asservissement en temps continu (comme

représenté sur la figure 3.11) puis à rechercher le modèle numérique équivalent au
correcteur continu C( p) que nous auront calculé pour conférer au système les
performances d’un cahier des charges.
Figure 3.11 Modèle à temps continu de l’asservissement.

En théorie, il faut tenir compte de la présence du bloqueur dans l’étude en temps

continu. Toutefois, une fréquence d’échantillonnage suffisamment grande peut nous
permettre de le négliger. Dans ces conditions, on est ramené stricto sensu à l’étude du
système en continu.
Le cahier des charges imposé au système nous amène au calcul classique de la
fonction de transfert du correcteur et il suffit, ensuite, de rechercher un équivalent
discret de cette fonction de transfert. Les équivalences qui peuvent être utilisées sont :
 Remarque: rappelons à propos de cette équivalence temporelle que les tables fournies
en annexe proposent des équivalents qui sont spécifiquement adaptés pour conserver
le gain statique du système.

On peut choisir de conserver la valeur du gain pour une autre fréquence que la
fréquence nulle, notam- ment pour la fréquence autour de laquelle porte la correction
du système.
3.3.2 Exemple

On souhaite asservir un système continu de fonction de transfert G( p) en utilisant un

correcteur numérique et en imposant le cahier des charges suivant :
 b)Calcul du correcteur numérique équivalent
Utilisons, pour simplifier, l’équivalence à la dérivation:
 Choisissons la fréquence d’échantillonnage de sorte qu’elle soit comprise entre 6 fois et
25 fois la bande passante du système. Cette bande passante est telle que :

c) Validation des résultats

Validons ces résultats, bien évidemment en recherchant le modèle à temps discret
équivalent à l’ensemble de l’asservissement. Prenons l’équivalent le plus simple pour la
fonction G(p), autrement dit l’équivalent à la dérivation :
 Tableau 3.6 SIMULATION DE LA SUITE D’ÉCHANTILLONS.

Figure 3.12 Représentation temporelle du comportement du

système en boucle fermée après correction.

Le temps de montée peut être repéré vers le douzième échantillon, soit tm ≈ 0,12 s.
Par ailleurs, le dépassement, visiblement égal à 40 %, correspond à un coefficient
d’amortissement en boucle fermé d’en- viron 0,3.
Les performances constatées sont voisines des performances attendues, même si le
système est un peu plus rapide et un peu moins stable que prévu. Ces différences
s’expliquent par les nombreuses approximations que nous avons effectuées. Compte
tenu de l’ensemble de ces approximations, le résultat obtenu est relati- vement bon.

3.4 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE PAR

MÉTHODE POLYNOMIALE

3.4.1 Principe

Les méthodes polynomiales figurent parmi les méthodes de synthèse de correcteurs

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

Figure 3.13 Boucle d’asservissement échantillonné avec correcteur.

D’une manière générale, l’objectif de l’action corrective consiste à rechercher C(z)

pour que cette boucle d’asservissement de fonction de transfert en boucle ouverte G(z)
possède les caractéristiques attendues.
 Figure 3.14 Boucle d’asservissement équivalente.

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

de sorte que G(z) corresponde à un système du second ordre, de fonction de transfert :

Dans ces conditions, la fonction de transfert en boucle fermée H(z) est aussi une
fonction du second ordre :

Nous savons que les performances en boucle fermée, pour un tel système, se traduisent

par des conditions sur ωnBF pour la rapidité et sur ξBF pour la marge de stabilité et,
bien évidemment, pour l’amortissement.

En ce qui concerne la précision, il suffit que G(z) possède un pôle égal à 1 pour que
l’erreur de position soit nulle.
 Toutes ces considérations nous permettent donc de déterminer les fonctions H(z) et
G(z) idéales, du second ordre, qui possèdent les performances requises. Pour que notre
boucle d’asservissement initiale (figure3.13) possède elle-même ces performances, il
suffit d’avoir:

et donc, de placer dans la chaîne directe, le correcteur de fonction de transfert :

3.4.2 Exemple

Considérons le système échantillonné à une période Te = 0,2 s de fonction de transfert :

On souhaite placer ce système dans une boucle à retour unitaire et on veut que le
système possède, en boucle fermée, les performances suivantes: εp = 0, tm = 0,8s et

ξBF= 0,45 (marge de phase d’un système continu équivalent égale à 45 ◦ et dépassement
de l’ordre de 20 %).
Construisons la fonction G(z) a priori : elle possède obligatoirement un pôle égal à 1
pour garantir une erreur de position nulle.
Le gain statique en boucle fermée est bien sûr égal à 1 puisque l’erreur de position est
nulle.
 ANNEXES TABLE DES TRANSFORMEES

Transformée Signal Signal Transformée

de Laplace analogique échantillonné en Z

1 1

78
Transformée Signal Signal Transformée

de Laplace analogique échantillonné en Z

fonctions du temps

échantillonnées Transformée en Z

78
Transformée de fonctions du temps

Laplace échantillonnées Transformée en Z

78
78