Sae Cours Bokovi PDF

COURS
SYSTEMES ASSERVIS
ECHANTILLONNES (SAE)
Dr BOKOVI YAO
Ingénieur de Conception Génie Electrique
Maître-assistant
Enseignant-Chercheur à l’ENSI
Université de Lomé (UL)
E-mail : [email protected]
WhatsApp : +228 90 09 44 01
SOMMAIRE
Chapitre 1 : Modélisation des signaux et des systèmes échantillonnés.

Chapitre 2 : Stabilité et performance des systèmes échantillonnés asservis.
Chapitre 3 : Correction des systèmes échantillonnés et asservis.
Systèmes Echantillonnés Asservis Dr BOKOVI Yao

C hapitre 11
Modélisation des signaux

et des systèmes échantillonnés
11.1 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 11.1). 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 11.1 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 11.2).
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 2n 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.
206 11 • Modélisation des signaux et des systèmes échantillonnés
Figure 11.2 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.
11.2 PRINCIPES FONDAMENTAUX DE L’ÉCHANTILLONNAGE DES SIGNAUX

11.2.1 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 11.4, est :
s∗ (t) = p(t)s(t)
Figure 11.3 Fonction d’échantillonnage.
Figure 11.4 Échantillonnage d’un signal quelconque.
L’échantillonnage produit donc, à partir d’un signal s(t), la suite :

s(0), s(Te ), s(2Te ), . . . , s(nTe )
que l’on note, en général : s∗ (t) = {s0 , s1 , s2 , . . . , sn }
ou encore : s(k) = {s0 , s1 , s2 , . . . , sn }

11.2 Principes fondamentaux de l’échantillonnage des signaux 207
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.
11.2.2 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 : +∞
S( f ) = s(t) e− jvt dt avec v = 2p f
0
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 :

+∞
p(t) = An e jnVe t avec Ve = 2p/Te
n=−∞

+∞
On a alors : s∗ (t) = s(t)p(t) = s(t) An e jnVe t
n=−∞

+∞
+∞
∗
d’où : S (f) = s(t) An e jnVe t
e− jvt dt
−∞ n=−∞
+∞
+∞
∗ jnVe t − jvt
S (f) = An s(t) e e dt
n=−∞ −∞
+∞
+∞
S∗ ( f ) = An s(t) e− j(v−nVe )t dt
n=−∞ −∞

+∞
∗
soit : S (f) = [An S (f − nfe )] avec fe = Ve /2p = 1/Te
n=−∞
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 11.5 Spectre d’un signal échantillonné.

11.2.3 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 11.6 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.
11.3 EXEMPLES DE SIGNAUX ÉCHANTILLONNÉS SIMPLES

11.3.1 Impulsion unité
On définit l’impulsion unité échantillonnée par le signal :
d∗ (t) = {1, 0, 0, . . . , 0}
⎧
⎨d∗ (nTe ) = 1 pour n = 0
autrement dit :
⎩d∗ (nTe ) = 0 pour n = 0
Remarque : Nous considérerons comme nuls pour t négatif, tous les signaux que nous étudierons.
La figure 11.7 propose une représentation schématique de cette impulsion unité.
11.3 Exemples de signaux échantillonnés simples 209
Figure 11.7 Impulsion unité.
11.3.2 Échelon unité

On définit l’échelon unité échantillonné par le signal :
u∗ (t) = {1, 1, 1, . . . ,1}

⎧
⎨u(k) = 1 ∀ k 0
autrement dit :
⎩u(k) = 0 ∀ k < 0
La figure 11.8 propose une représentation schématique de cet échelon unité.
Figure 11.8 Échelon unité.
Cet échelon unité n’est rien d’autre que la somme d’impulsions unités décalées dans le temps :
u∗ (t) = d∗ (t) + d∗ (t − Te ) + d∗ (t − 2Te ) + · · ·

n
soit : u∗ (t) = d∗ (t − kTe )
k=0
On pose parfois : d∗ (t − kTe ) = dk
ce qui nous conduit à la notation :

n
u∗ (t) = dk
k=0
11.4 TRANSFORMÉE EN Z DES SIGNAUX ÉCHANTILLONNÉS

11.4.1 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 :
s∗ (t) = s0 d∗ (t) + s1 d∗ (t − Te ) + s2 d∗ (t − 2Te ) + ...

n
soit : s∗ (t) = sk d∗ (t − kTe )
k=0

n
d’où : s∗ (t) = sk dk
k=0
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) :

n
S∗ ( p) = sk D∗k ( p)
k=0
Dans cette expression, D∗k ( p) représente la transformée de Laplace d’une impulsion unité à l’instant kTe ,
représentée sur la figure 11.9.
Figure 11.9 Impulsion unité à l’instant k.
+∞
Par définition : D∗k ( p) = d∗k (t) e− pt dt
0
En appliquant le théorème du retard et en nommant D∗0 ( p) la transformée de Laplace de l’impulsion unité

en 0, on a :
D∗k ( p) = D∗0 ( p) e− pkTe
11.4 Transformée en z des signaux échantillonnés 211
+∞
avec : D∗0 ( p) = d∗0 (t) e− pt dt
0
Nous ne pouvons calculer cette intégrale directement. Aussi admettrons nous le résultat :
D∗0 ( p) = 1
Il vient alors : D∗k ( p) = e− pkTe

n
d’où : S∗ ( p) = sk e− pkTe
k=0
Remarque : Certains auteurs proposent une sommation de moins l’infini à plus l’infini. Dans le cas
des signaux causaux que nous étudions (signal nul pour t négatif), nous nous contenterons de cette
expression.
En posant z = e pTe , on définit la transformée en z du signal s(t) par :

n
S(z) = sk z−k
k=0
La transformation en z peut être notée :

s(t) → Z(s)
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.
11.4.2 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.
11.4.3 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−a S(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 → +∞.

lim sk = lim 1 − z−1 S(z)
k→+∞ z→1
d) Multiplication par le temps

Soit s(t) un signal quelconque possédant une transformée en z, S(z). Soit x(t) le signal défini par x(t) = t·s(t).
dS(z)
Alors : X(z) = −zTe
dz
e) Changement d’échelle
Soit s(t) un signal quelconque possédant une transformée en z, S(z). Soit (sk ) la suite échantillonnée corres-
pondant au signal s(t). Soit (xk ) la suite d’échantillons définie par :
xk = ak sk avec a = 0
Le signal x(t) correspondant à la suite (xk ) possède une transformée en z telle que :
z
X(z) = S
a
11.4.4 Transformée en z de signaux usuels

a) Impulsion unité
L’impulsion unité étant définie par :
dk = 1 pour k = 0
dk = 0 pour k = 0

+∞
On a : D(z) = dk z−k = z0 = 1
k=0
b) Échelon unité
L’échelon unité étant défini par :
uk = 1 pour k 0

+∞ +∞ k
1 1 1 z
On a : U(z) = z−k = = = −1
=
z 1− 1
z
1−z z−1
k=0 k=0
11.5 Fonction de transfert en z 213
c) Rampe unité
La rampe unité en temps continu est définie par :
v (t) = t pour t 0
En remarquant que v (t) = t · u(t) et en utilisant la propriété étudiée précédemment, on obtient :

dU(z) d z
V(z) = −zTe = −zTe
dz dz z − 1
(z − 1) − z
soit : V(z) = −zTe
(z − 1)2
zTe
d’où : V(z) =
(z − 1)2
d) Exponentielle décroissante
Soit s(t) le signal défini par s(t) = e−at pour t 0. La transformée en z de ce signal a pour expression :
+∞ k
+∞ +∞

aTe −k −k 1
S(z) = e−akTe z−k = e z =
eaTe z
k=0 k=0 k=0
1 eaTe z z
S(z) = = =
1 eaTe z − 1 z − e−aTe
1−
eaTe z
11.4.5 Calculs de transformées en z à l’aide de Mathematica

Les commandes ZTransform et InverseZTransform de Mathematica correspondent respectivement au calcul
de la transformée en z et de sa transformée inverse. Les syntaxes sont les suivantes :
Ztransform [f (k) ,k,z ]
InverseZTransform [f (z) ,z,k ]

Exemple
Soit f (k) = ak, un signal en rampe.
az
La commande Ztransform[a × k,k,z ] fournit le résultat : .
(z − 1)2

À l’inverse, la commande InverseZTransform az/ (z − 1)2 ,z,k donne : ak.
11.5 FONCTION DE TRANSFERT EN Z

11.5.1 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 11.10).
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 11.10 Schéma général d’un système de traitement numérique d’un signal.
a) Dispositifs de type MA en temps réel

Les dispositifs de traitement numérique les plus simples sont décrits par une relation du type :

p
sk = ai ek−i
i=0
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.
b) Dispositifs 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’échan-
tillons d’entrée, mais cette fois-ci, la connaissance d’échantillons d’entrée postérieurs à l’instant kTe est
nécessaire.

p
On a alors : sk = ai ek−i
i=−m
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 .
c) Dispositifs de type ARMA

Dans les dispositifs de type ARMA (Auto Regressive and Moving Average), l’échantillon de sortie à l’ins-
tant k est connu à partir d’échantillons d’entrée précédents et des q échantillons de sortie précédents. On
parle alors de relation de récurrence permettant de déterminer l’échantillon de sortie.

p

q
On a alors : sk = ai ek−i + bj sk−j
i=−m j=1
Dans le cas où la sortie sk peut être calculée uniquement à partir de q échantillons de sortie précédents et du
seul échantillon ek , on a affaire à un modèle récurrent pur (type AR) :
q
sk = a0 ek + bj sk−j
j=1
11.5 Fonction de transfert en z 215
11.5.2 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.

n
Rappelons que : S(z) = sk z−k
k=0

n
et : E(z) = ek z−k
k=0
Il est possible d’appliquer la transformation en z à l’expression :

p

q
sk = ai ek−i + bj sk−j
i=−m j=1
Cela revient à multiplier sk par z−k et à sommer pour k variant de 0 à n :

⎛ ⎞
n
n p
q
S(z) = sk z−k = ⎝ ai ek−i + bj sk−j ⎠ z−k
k=0 k=0 i=−m j=1
⎛ ⎞

n
p

q
S(z) = ⎝z−k ai ek−i + z−k bj sk−j ⎠
k=0 i=−m j=1
⎛ ⎞

n
p

q
S(z) = ⎝ ai ek−i zk + bj sk−j z−k ⎠
k=0 i=−m j=1
Les sommes étant indépendantes, elles peuvent être permutées :

n n
p
q

−k
S(z) = ai ek−i z +
k
bj sk−j z
i=−m k=0 j=1 k=0

n
Regardons d’un peu plus près le terme ek−i zk .
k=0
Il s’agit de la transformée en z du signal d’entrée retardé de i échantillons.

n
n
Par conséquent : ek−i zk = z−i ek zk = z−i E(z)
k=0 k=0

n
n
De même : sk−j zk = z− j sk zk = z− j S(z)
k=0 k=0

p

q
−i
On en déduit donc : S(z) = ai z E(z) + bj z− j S(z)
i=−m j=1
⎡ ⎤

q

p
soit : S(z) ⎣1 − − j⎦
bj z = E(z) ai z−i
j=1 i=−m

p
ai z−i
S(z) i=−m
En posant : G(z) = = ,
E(z) q
1− bj z− j
j=1
on définit la fonction de transfert en z, G(z) du système.
Remarque : Pour obtenir rapidement la fonction de transfert en z à partir d’une équation MA ou

ARMA, il suffit de remplacer chaque ek−i et chaque sk−j respectivement par z−i E(z) et z− j S(z).
p

q
L’équation sk = ai ek−i + bj sk−j donne donc immédiatement :
i=−m j=1

p

q
S(z) = ai z−i E(z) + bj z− j S(z)
i=−m j=1
11.5.3 Exemples de fonctions de transfert en z

a) Système MA en temps réel d’ordre p
On considère un système régi par l’équation :

p
sk = ai ek−i
i=0
Appliquons la transformation en z à chacun des membres :

p
S(z) = ai z−i E(z)
i=0
On en déduit immédiatement :
S(z) p
G(z) = = ai z−i = a0 + a1 z−1 + a2 z−2 + · · · + ap z− p
E(z)
i=0
b) Système AR en temps réel d’ordre q

On considère un système régi par l’équation :

q
sk = a0 ek + bj sk−j
j=1
Appliquons la transformation en z à chacun des membres :

q
S(z) = a0 E(z) + bj z− j S(z)
j=1
11.6 Transformée de Fourier à temps discret 217
On en déduit immédiatement :
S(z) a0 a0
G(z) = = =
E(z)
q
1 − b1 z−1 − b2 z−2 − · · · − bq z−q
1− bi z− j
j=1
11.6 TRANSFORMÉE DE FOURIER À TEMPS DISCRET

11.6.1 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. Soit S(z) sa transformée en z.

n
∗
Rappelons que : S ( p) = sk e− pkTe
k=0
et que la transformée en z a été obtenue en posant z = e pTe :

n
S(z) = sk z−k
k=0
Exactement comme nous pouvons calculer la transformée de Fourier d’un signal à temps continu en po-
sant p = jv (à condition qu’il soit à énergie finie, rappelons-le), nous pouvons tout autant poser e pTe = e jvTe
à condition, bien sûr, que la somme, ainsi transformée, converge vers une valeur finie, ce que nous suppo-
serons. On obtient alors :
n
S∗ ( jv) = sk e− jvkTe
k=0

n
ou encore : s( f ) = sk e− j2pk f /fe
k=0
La fonction s( f ) est appelée transformée de Fourier à temps discret du signal sk . Son module représente,
bien sûr, le spectre du signal échantillonné.
11.6.2 Exemple
Soit s(t) le signal défini par s(t) = e−t pour t 0. La transformée en z de ce signal, échantillonné à la
fréquence fe a pour expression :
z
S(z) =
z − e−Te
Posons : z = e jvTe
e jvTe
On obtient : s( f ) =
e jvTe − e−Te
Calculons à présent le spectre du signal :

e jvTe 1
|s( f )| = =
e jvTe − e |(cos vTe − cos Te ) + j (sin vTe + sin Te )|
−Te
1
|s( f )| =
(cos vTe − cos Te )2 + (sin vTe + sin Te )2
1
|s( f )| = √
2 − 2 cos vTe cos Te + 2 sin vTe sin Te
1 1
|s( f )| = √ =
2 − 2 cos (v + 1) Te (v + 1) Te
2 2 sin2
2
1 1
|s( f )| =
(v + 1) Te = (2p f + 1)

2 sin
2 sin
2 2 fe
Nous pouvons tracer ce spectre, en prenant soin de se souvenir que le signal a obligatoirement été échan-
tillonné en respectant le théorème de Shannon, autrement dit en considérant que le signal original possède
une largeur spectrale B < fe /2. On tracera donc ce spectre pour 0 f fe /2.
1 (2p f + 1) p 1
Comme : + ,
2 fe 2 fe 2 2 fe
1
on a : |s( f )| =
(2p f + 1)
2 sin
2 fe
1
Si fe est suffisamment grande, il s’agit d’un spectre qui décroît de smax = ≈ fe jusqu’à envi-
1
2 sin
2 fe
ron 1/2 (voir figure 11.11).
(2p f + 1) p
En réalité, le spectre possède un minimum pour = , autrement dit pour une fréquence déjà
2 fe 2
très élevée et voisine de fe /2.
Figure 11.11 Spectre du signal.

11.7 Comportement fréquentiel des systèmes echantillonnés 219
11.7 COMPORTEMENT FRÉQUENTIEL DES SYSTÈMES ECHANTILLONNÉS

11.7.1 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 11.12).
Figure 11.12 Schéma général d’un système échantillonné.
Le système est régi par l’équation : S(z) = G(z)E(z)
En posant z = e jvTe , on obtient : S(e jvTe ) = G(e jvTe )E(e jvTe )
Les termes E(e jvTe ) et S(e jvTe ) représentent respectivement les transformées de Fourier à temps discret des
signaux d’entrée et de sortie. Par conséquent, G(e jvTe ) 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(v) = G(e jvTe ) correspond, notamment, au gain réel du système en fonction de la
pulsation v. On 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.
11.7.2 Exemple
On considère un système échantillonné régi par la relation de récurrence :
1

sk = ek + sk−1
2
En appliquant la transformée en z à cette équation, on obtient :
1
S(z) = E(z) + z−1 S(z)
2
S(z) 0,5
d’où : G(z) = =
E(z) 1 − 0,5z−1

0,5 0,5
soit : G(v) = −
=

1 − 0,5 e jvTe |1 − 0,5 (cos vTe − j sin vTe )|
0,5
G(v) =
(1 − 0,5 cos vTe )2 + 0,25 sin2 vTe
0,5
Finalement : G(v) = √
1,25 − cos vTe
0,5 0,5
ou encore : G( f ) = √ =
1,25 − cos 2p fTe 1,25 − cos 2p ffe
Il convient de tracer cette fonction pour f variant de 0 à fe /2. Sur cet intervalle, cos 2p fTe décroît de 1 à
−1. G( f ) est donc une fonction strictement décroissante.
0,5
On a : Gmax = G(0) = √ =1
0,25

fe 0,5 0,5 1
et : Gmin =G =√ =√ =
2 1,25 − cos p 2,25 3
La figure 11.13 représente le diagramme de gain fréquentiel du système.
Figure 11.13 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.
11.8 RELATIONS ENTRE LES MODÈLES À TEMPS CONTINU

ET À TEMPS DISCRET
11.8.1 Problématique
Considérons (figure 11.14) un système à temps continu modélisé par sa fonction de transfert G( p). Nous
possédons une bonne connaissance de ce type de modèles et il est tout à fait légitime de s’interroger sur
l’existence d’un système échantillonné possédant les mêmes caractéristiques, c’est-à-dire le même compor-
tement temporel et le même comportement fréquentiel.
Figure 11.14 Recherche d’une équivalence temps continu – temps discret.
Le système échantillonné G(z) sera réputé équivalent au système G( p) si, soumis à un signal d’entrée
E(z) correspondant à l’échantillonnage du signal continu e(t) représenté par E( p), il délivre à sa sortie un
signal S(z) correspondant à l’échantillonnage du signal s(t) qui aurait été délivré par le système G( p).
11.8 Relations entre les modèles à temps continu et à temps discret 221
11.8.2 Équivalence à la dérivation

a) Définition
Une fonction de transfert en temps continu est issue d’une équation différentielle linéaire à coefficients
constants. Cette équation est formée de dérivées successives des signaux d’entrée et de sortie. Un des
moyens les plus simples d’effectuer le lien entre une représentation en temps continu et en temps discret
est de considérer que la variation dx/ dt en temps continu correspond à la variation du signal entre deux
instants d’échantillonnage :
dx xk − xk−1
≈
dt Te
Cette équivalence est d’autant plus vraie que la fréquence d’échantillonnage est grande.
Or la transformée en z de l’expression de droite est :

xk − xk−1 1

Z = X(z) 1 − z−1
Te Te
De même, le terme dx/ dt a pour transformée de Laplace : pX( p).
Par conséquent, l’équivalence naturelle entre une fonction de transfert continue en p et sa fonction de
transfert échantillonnée en z est :
1 − z−1
p↔
Te
b) Comparaison fréquentielle des deux modèles
L’une des questions fondamentales, lors de la proposition d’une équivalence de fonctionnement entre un
modèle à temps continu et un modèle à temps discret, réside dans la justesse du modèle d’un point de
vue fréquentiel. Il est relativement aisé de constater, après transformation, que les fonctions de transfert en
fréquence ne sont pas égales : p=jv
G( p) −−−−→ G( jv)
z=e jvTe
G(z) −−−−→ G( jv)
1 − z−1 1 − e− jvTe
La transformation p ↔ va donc se traduire par p ↔ .
Te Te
1 − e− jvTe
Il est clair que = jv mais, pour des valeurs faibles de la fréquence v/2p, on peut écrire :
Te
1 − e− jvTe 1 − (1 − jvTe )
≈ = jv
Te Te
Nous en concluons que le modèle échantillonné censé être équivalent au modèle à temps continu en utilisant
l’équivalence à la dérivation est relativement correct pour les basses fréquences.
c) Exemple
Soit un système à temps continu du premier ordre de fonction de transfert en boucle ouverte G( p) définie
par : K
G( p) =
1 + Tp
Effectuons la transformation proposée :
K K
G(z) = −1
=
1−z 1+
T T
− z−1
1+T
Te Te Te
Remarque : La connaissance précise de la fréquence d’échantillonnage est nécessaire pour disposer
de cette équivalence.
Comparons à présent les courbes de réponse fréquentielle de ces deux systèmes. À titre exceptionnel,
nous tracerons le gain fréquentiel du système à temps continu G( p), non pas sur un diagramme de Bode,
mais sur un diagramme à coordonnées cartésiennes linéaires afin de pouvoir comparer directement les deux
courbes.
Pour le modèle à temps continu, on a :
K
G(v) = |G( jv) =| √
1 + T 2 v2
Traçons cette courbe en pointillés sur la figure 11.15. Rappelons qu’une inflexion se produit à la fréquence
f = 1/2pT et notons, par ailleurs, que :
G (0) = K

fe K
G =
2
1 + 4p2 T 2 fe2
Pour le modèle à temps discret, on a :
K K
G(v) = =

1 + T T − jvTe 2 2
− e 1+
T
+
T
−
2T
1+
T
cos vTe
Te Te Te Te Te Te

fe K K K
Notons que : G = 2 = =
2 2T 1 + 2Tfe
2T 1+
1+ Te
Te
(cette valeur est nettement supérieure à celle fournie par le modèle à temps continu)
K
et que : G(0) = 2 2 =K
T T 2T T
1+ + − 1+
Te Te Te Te
(cette valeur est identique à celle fournie par le modèle à temps continu).
Traçons (en trait plein) la courbe représentative du gain du système à temps discret sur la même figure.
La conclusion est évidente : les deux courbes coïncident aux basses fréquences mais l’équivalence proposée
devient de moins en moins précise au fur et à mesure où l’on se rapproche de fe /2.
Remarque : Rappelons
que la courbe de réponse d’un système à temps discret n’a de sens que sur
fe
l’intervalle 0, .
2
Figure 11.15 Comparaison des deux modèles.

11.8 Relations entre les modèles à temps continu et à temps discret 223
11.8.3 Équivalence à l’intégration

a) Définition
L’équivalence à l’intégration, appelée également transformation bilinéaire propose une correspondance plus
précise que l’équivalence à la dérivation. Nous mentionnons ici cette équivalence sans la justifier :

2 1 − z−1
p↔

Te 1 + z−1
b) Exemple
Reprenons notre système à temps continu du premier ordre de fonction de transfert en boucle ouverte G( p)
définie par :
K
G( p) =
1 + Tp
Effectuons la transformation proposée :

K K 1 + z−1
G(z) =

=
2 1 − z−1 2T

1+T
1 + z−1 + 1 − z−1
Te 1 + z−1 T e

K 1 + z−1 K 1 + z−1
soit : G(z) =

2T
= 2T 2T −1
1 + z−1 + 1 − z−1 1+ + 1− z
Te Te Te
Remarque : La connaissance précise de la fréquence d’échantillonnage est toujours nécessaire pour

disposer de cette équivalence.
11.8.4 Équivalence à la réponse impulsionnelle. Équivalence modale

Il existe plusieurs méthodes permettant de déterminer des équivalents encore plus précis, en temps discret,
d’une fonction de transfert en temps continu. Une d’entre elles consiste à injecter (virtuellement, bien sûr)
un signal e(t) correspondant à une impulsion de Dirac dans le système à temps continu puis à calculer le
signal de sortie s(t). Cette opération est facilement réalisée à partir de l’équation de fonctionnement du
système à temps continu :
S( p) = G( p)E( p) = G( p)
On échantillonne alors s(t), qui n’est rien d’autre que l’original de la fonction de transfert, autrement dit on
calcule la suite d’échantillon sk qui lui correspond. Sachant que la suite ek est connue, on peut calculer les
transformées en z des deux signaux :

+∞
S(z) = sk z−k et E(z) = 1
k=0

+∞
On en déduit alors : G(z) = sk z−k
k=0
Remarque : La plupart du temps, cette technique génère des calculs longs et fastidieux qui sont suscep-
tibles de faire appel à des outils mathématiques sophistiqués : intégrale de Mellin-Fourier, théorème
des résidus, etc.
L’intérêt de ce type de calculs étant assez limité, nous nous contenterons, pour obtenir l’équivalent exact
en z d’une fonction de transfert en p, d’utiliser la table d’équivalence fournie en annexe D.
Attention : Ce type de transformation, s’il permet d’obtenir une représentation temporelle qui « colle »
parfaitement à la réalité temporelle, ne fournit cependant pas un équivalent exact entre le modèle à
temps continu et le modèle à temps discret, notamment en ce qui concerne la réponse fréquentielle.
On peut également, dans le même esprit de conformité entre les réponses impulsionnelles en temps
continu et en temps discret, proposer une approche modale de l’équivalence entre fonction de transfert en
temps continu et en temps discret. Cette équivalence est basée sur la concordance des pôles entre les deux
fonctions. On utilise alors la transformation :
p − pi ↔ z − e pi Te
Toutefois, ce type d’équivalence possède l’inconvénient de ne traiter que des pôles des fonctions. Il est
souvent nécessaire d’ajuster leurs numérateurs en fonction de critères particuliers. Moins contraignant mais
tout de même important : le problème de la concordance fréquentielle des deux modèles. Les expressions
fournies en annexe D correspondent à des fonctions de transfert que l’on a systématiquement adaptées pour
que leurs gains statiques concordent.

1 1 1 − e pi Te
Ainsi : G( p) = ↔ G(z) = −
p − pi pi z − e pi Te

1 1 1 − e pi Te
de sorte que : G(0) = ↔ G(1) = −
0 − pi pi 1 − e pi Te
Pour les systèmes simples, l’équivalence à la réponse impulsionnelle et l’équivalence modale fournissent
en général, des résultats comparables.
Il est également possible de retrouver ces résultats en utilisant la propriété suivante : si g(t) est l’original
de la fonction de transfert G( p), autrement dit sa réponse impulsionnelle, alors on peut calculer la fonction
de transfert G(z) à partir de la transformée de Laplace G( p)/p de la primitive de g(t).

z−1 G( p) z−1
On a : G(z) = ×Z = ×Z g(t) dt
z p z
Attention : Dans l’expression ci-dessus, G( p)/p représente la transformée de Laplace d’un signal et
non une fonction de transfert. La technique est donc la suivante : à partir de la fonction de transfert
G( p), on cherche, dans la table de transformées de Laplace (annexe A), le signal temporel correspon-
dant à G( p)/p. On cherche ensuite dans la table des transformées en z des signaux (annexe D), la
transformée en z de ce signal temporel. En multipliant le résultat obtenu par (z − 1) /z, on obtient la
fonction de transfert G(z). Ne pas confondre transformée en z d’un signal et fonction de transfert en z.
11.8.5 Équivalence d’une association de plusieurs systèmes

On ne peut déterminer l’équivalent G(z) d’un système de fonction de transfert en temps continu G( p) que
si ses signaux d’entrée et de sortie sont échantillonnés (figure 11.16).
Figure 11.16 Principe de l’équivalence Laplace – Z.

Exercices 225
Par conséquent, il est impossible, lorsque deux systèmes sont associés en cascade (figure 11.17) de
calculer l’équivalent de la fonction de transfert globale G0 ( p) = G1 ( p)G2 ( p) par la multiplication pure
et simple de G1 (z)G2 (z). En effet, en cherchant l’équivalent G0 (z) de G0 ( p), on suppose implicitement que
seuls les signaux d’entrée et de sortie de G0 sont échantillonnés. Et lorsque l’on écrit G1 (z)G2 (z), on suppose
que le signal sortant de G1 et entrant dans G2 est lui aussi échantillonné, sinon, on ne pourrait trouver ces
deux équivalents.
Figure 11.17 Principe de l’équivalence Laplace – Z pour une association en cascade.
En conclusion, on ne peut pas déterminer l’équivalent en z d’une association de plusieurs systèmes en

multipliant les deux fonctions de transfert en temps continu, puis en cherchant l’équivalent de la fonction
globale ; il faut impérativement calculer d’abord les fonctions de transfert en z de chaque système,
puis multiplier ces fonctions de transfert en z pour obtenir la fonction de transfert échantillonnée de
l’ensemble.
EXERCICES
11.1 Calcul de la transformée en z d’un train d’impulsion

On considère un signal échantillonné s∗ (t) défini par :
sk = 1 pour 0 k k0 ,
sk = 0 pour k < 0 et pour k > k0 .
Soit Te la période d’échantillonnage.
Calculer la transformée en z de ce signal.
11.2 Calcul de la transformée en z d’une sinusoïde échantillonnée

On considère un signal échantillonné s∗ (t) résultant de l’échantillonnage, à une période Te , du signal défini
par :
s(t) = sin vt pour t > 0,
s(t) = 0 pour t < 0.
Calculer la transformée en z de ce signal.
11.3 Fonction de transfert et relation de récurrence

On considère un système échantillonné régi par la relation de récurrence suivante :
sk = 0,5ek−1 − 0.6sk−1
Calculer la fonction de transfert en z de ce système et déterminer la valeur finale de l’échantillon de sortie,
soit lim sk lorsque le signal d’entrée est un échelon unité.
k→+∞
11.4 Calcul d’une série d’échantillons de sortie

On considère un système échantillonné de fonction de transfert :
1 − z−1
G(z) =
1 − 0,25z−1 + 0,25z−2
Établir la relation de récurrence entre les suites d’échantillons d’entrée et de sortie et calculer les 9 premiers
échantillons de sortie lorsque le signal d’entrée est un échelon unité. Représenter graphiquement le signal
de sortie et calculer sa valeur finale.
11.5 Représentation graphique d’un signal défini par sa transformée en z

On considère un signal échantillonné défini par :
0,3z−1
S(z) =

1 − 1,7z−1 + z−2
Déterminer les premiers éléments de la suite d’échantillons (sk ) correspondant à ce signal et en proposer
une représentation graphique.
11.6 Comportement en fréquence d’un système MA

On considère un système échantillonné régi par la relation suivante :
sk = 0,3ek−1 + 0,4ek
Calculer la fonction de transfert en z de ce système et déterminer sa courbe de réponse fréquentielle. On

notera fe la fréquence d’échantillonnage utilisée.
11.7 Étude d’un réjecteur de fréquence

On considère un système échantillonné régi par la relation suivante :
sk = ek−1 + ek+1
Calculer la fonction de transfert en z de ce système et déterminer sa courbe de réponse fréquentielle. On

notera fe la fréquence d’échantillonnage utilisée.
11.8 Calcul d’une transformée de Fourier à temps discret

Soit s(t) un signal défini par s(t) = A pour 0 t t et nul partout ailleurs, échantillonné à une fréquence fe .
Calculer la transformée de Fourier à temps discret du signal échantillonné.
Calculer son spectre et le tracer pour t = 19Te .
Exercices 227
11.9 Spectre du signal de sortie d’un système échantillonné

On considère un système échantillonné régi par la fonction de transfert en z suivante :
3 (z − 1)
G(z) =
z − 0,2
Calculer la transformée de Fourier à temps discret du signal de sortie du système lorsque le signal d’entrée
est un échelon unité. Tracer le spectre de ce signal.
11.10 Discrétisation par équivalence à la dérivation

Un système à temps continu possède une fonction de transfert G( p) définie par :
10
G( p) =
p (p + 10)
En utilisant l’équivalent à la dérivation, déterminer la fonction de transfert en z d’un système échantillonné

possédant le même comportement temporel.
11.11 Discrétisation par équivalence à l’intégration

2
G( p) =
(p + 1)3
En utilisant l’équivalent à l’intégration, déterminer la fonction de transfert en z d’un système échantillonné

possédant le même comportement temporel.
11.12 Comparaison des différentes équivalences temps continu - temps discret

3
G( p) =
(p + 1)
Calculer successivement les équivalents en z, à la dérivation et à l’intégration de ce système. Rechercher,

dans la table fournie en annexe, l’équivalent de ce système. On choisira une fréquence d’échantillonnage
Te = 0,5 s.
Calculer et tracer sur un même diagramme, pour chacun des trois équivalents, les premiers éléments de la
suite d’échantillons de sortie lorsque le signal d’entrée est un échelon unité. Calculer dans les trois cas la
valeur finale de l’échantillon de sortie.
Calculer et tracer les trois courbes de réponse fréquentielles et conclure.
C hapitre 12
Stabilité et performances
des systèmes échantillonnés asservis
12.1 MISE EN ÉQUATION DES ASSERVISSEMENTS ÉCHANTILLONNÉS

12.1.1 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 12.1).
Figure 12.1 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 ´(t) n’échappe pas à la règle. Soit ´(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 :
G(z) = A(z)B(z)
A(z)
et : H(z) =
1 + A(z)B(z)
Dans le cas d’une boucle à retour unitaire, on a B(z) = 1 et, par conséquent :
G(z) = A(z)
G(z)
soit : H(z) =
1 + G(z)
240 12 • Stabilité et performances des systèmes échantillonnés asservis
12.1.2 Relation temps continu – temps discret en boucle fermée

Considérons un système à temps continu asservi, selon le schéma général de la figure 12.2.
Figure 12.2 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),
comme cela a été étudié au chapitre précédent. Ces équivalents supposent que chacun de ces sous-systèmes
possèdent une entrée et une sortie échantillonnées (figure 12.3).
Figure 12.3 Conditions d’équivalence Laplace – Z.
Si on se contentait, dans le schéma de la figure 12.2, d’échantillonner uniquement le signal de consigne

et le signal de sortie, on obtiendrait le schéma de la figure 12.4, mais, dans cette configuration, le système
obtenu serait complètement différent de celui auquel on s’attend et qui est représenté sur la figure 12.5. En
effet, il n’est pas possible de déterminer l’équivalent A(z) de A( p) si son signal d’entrée n’est pas échan-
tillonné. Il est donc nécessaire de disposer d’un modèle dans lequel chaque signal est échantillonné.
Figure 12.4 Échantillonnage de la consigne et de la sortie.

12.2 Stabilité des asservissements échantillonnés 241
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 12.5) et calculer la fonction
de transfert en boucle fermée H(z) à partir de l’expression :
A(z)
H(z) =
1 + A(z)B(z)
Figure 12.5 Schéma de l’asservissement échantillonné attendu.
12.2 STABILITÉ DES ASSERVISSEMENTS ÉCHANTILLONNÉS

12.2.1 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 :
(p

−1 −2 −p a0 1 − zi z−1
a0 + a1 z + a2 z + · · · + ap z
H(z) = = qi=1

1 + b1 z−1 + b2 z−2 + · · · + bq z−q (
1 − pj z−1
j=1
Les zi et les pj sont respectivement les zéros et les pôles de la fonction de transfert.
z
Plaçons un échelon unité à l’entrée de ce système, soit : E(z) = .
z−1
p
(
a0 1 − zi z−1
z
On a alors : S(z) = H(z)E(z) = qi=1
· z−1
(
1 − pj z−1
j=1
D’après le théorème de la valeur finale, on a :

⎡ ⎤
p
(
−1
⎢ 0
a 1 − z i z ⎥
z−1 ⎢ ⎥
lim sk = lim S(z) = lim ⎢ qi=1
⎥ = lim H(z)
k→+∞ z→1 z z→1 ⎣ ( ⎦ z→1
1 − pj z −1
j=1
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 :

aj
H(z) =
pj
1−
z
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.
Généralisons donc ce résultat :
Un système échantillonné est stable si et seulement si tous les pôles pj de sa fonction de transfert sont
tels que |pj | < 1.
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’ordre 1 :
sk = bek + ask−1
En appliquant la transformée en z, on obtient :
S(z) = bE(z) + az−1 S(z)
S(z) b
d’où : G(z) = =
E(z) 1 − az−1
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 12.6), avec :
b bz
G(z) = =
1 − az−1 z−a
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 :
sk = bek + ask−1
Figure 12.6 Schéma d’un asservissement échantillonné à retour unitaire.
Étudions sa stabilité en boucle fermée.

bz
H(z) =
G(z)
= z−a = bz
1 + G(z) bz (b + 1)z − a
1+
z−a
Le système est stable en boucle fermée si l’unique pôle de cette fonction de transfert est inférieur à 1 :
a
<1
b+1
12.2.2 Critère algébrique de Jury

Pour les systèmes à temps continu, nous avions mis en évidence l’impossibilité, pour les systèmes d’ordre
élevé ou possédant des paramètres variables, d’utiliser le critère mathématique et c’est pour cela que le
critère de Routh avait été introduit. Il en est de même pour les systèmes échantillonnés : il existe un critère
algébrique, dit de Jury, qui permet de diagnostiquer la stabilité d’un système sans avoir à calculer ses pôles.
Il ressemble beaucoup au critère de Routh et est aussi simple à utiliser. Attention, toutefois, les calculs sont
légèrement différents.
a) Énoncé du critère
Soit H(z) la fonction de transfert en boucle fermée d’un système échantillonné asservi :
a0 + a1 z−1 + a2 z−2 + · · · + ap z− p
H(z) =
b0 + b1 z−1 + b2 z−2 + · · · + bq z−q
En multipliant le dénominateur de cette fonction de transfert par zq , on obtient :

zq a0 + a1 z−1 + a2 z−2 + · · · + ap z− p N(z)
H(z) = =
b0 zq + b1 zq−1 + b2 zq−2 + · · · + bq−2 z2 + bq−1 z + bq D(z)
Remarque : Il faut s’arranger pour que b0 soit positif.

À partir de l’expression D(z) du dénominateur de H(z), ainsi placé sous la forme d’un polynôme en z,
on construit un tableau similaire à celui du critère de Routh, de la manière suivante :
On place toute la suite de coefficients bj dans un tableau, sur une première ligne, dans l’ordre des
puissances de z décroissantes, puis, sur une deuxième ligne, on place les même coefficients mais en sens
inverse. On effectue ensuite un calcul pour créer une ligne supplémentaire de q − 1 valeurs cj , avec :
cj = b0 bj − bq bq−j
On dispose alors d’un tableau de trois lignes et on crée aussitôt une quatrième ligne avec la même suite de
coefficients cj , mais placée en sens inverse.
b0 b1 b2 ............ bq
bq bq−1 bq−2 ............ b0
c0 c1 c2 ............ cq−1
cq−1 cq−2 cq−3 ............ c0
La cinquième ligne est calculée à partir des deux lignes précédentes et cette fois, on calcule uniquement
q − 2 valeurs d j selon l’expression :
d j = c0 cj − cq−1 cq−j−1
Plutôt que de retenir cette expression, il est préférable de visualiser l’opération qui est faite, sur le tableau (fi-
gure 12.7).
Figure 12.7 Construction de la table de Jury.
Une sixième ligne est automatiquement ajoutée au tableau en disposant les coefficients d j en sens in-
verse. On itère le processus de calcul jusqu’à ce qu’il ne reste que 3 termes sur une ligne (bien noter qu’à
chaque série de calculs, on crée un terme de moins qu’il n’y en a sur les deux lignes précédentes). Le tableau
définitif doit comporter 2q − 3 lignes. Le système est stable si toutes les conditions suivantes sont réunies
simultanément :
⎧
⎪
⎪ D(1) > 0
⎪
⎪
⎪
⎪
⎪
⎪ D(−1) > 0 si n est pair, D(−1) < 0 si n est pair
⎪
⎪
⎪
⎪
⎪
⎪ b > |bq |
⎨ 0
|c0 | > |cq−1 |
⎪
⎪
⎪
⎪
⎪
⎪ |d 0 | > |d q−2 |
⎪
⎪
⎪
⎪
⎪
⎪ ...
⎪
⎪
⎩
|x0 | > |x2 |
Remarque : Il faut donc, en plus des conditions sur D(1) et D(−1), que sur chaque ligne créée de rang
impair, la valeur absolue du premier terme soit inférieure à celle du dernier.
b) Exemple : stabilité d’un système du second ordre

Soit H(z) la fonction de transfert en boucle fermée d’un système échantillonné asservi.
1 N(z)
Soit : H(z) = =
az2 + bz + c D(z)
Les coefficients a, b et c sont supposés strictement positifs. Comme le système est d’ordre 2, une seule
ligne suffit (2q − 3 = 1). Le tableau se limite donc à la liste des coefficients dans l’ordre des puissances
décroissantes :
a b c
L’analyse de la table nous conduit immédiatement à la condition : a > c.

Par ailleurs, on doit avoir :
D(1) > 0 ⇒ a + b + c > 0
et : D(−1) > 0 ⇒ a−b+c>0

En conclusion, le système est stable si : ⎧
⎪
⎪a>c
⎨
a+b+c>0
⎪
⎪
⎩
a−b+c>0
12.2.3 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.
z−1
Il suffit pour cela, d’effectuer le changement de variable x = et d’appliquer le critère de Routh
z+1
sur l’équation D(x) = 0 ainsi obtenue.
Remarque : Cette astuce n’est donnée qu’à titre indicatif car, hormis d’un point de vue académique,
son intérêt est somme toute, limité.
12.2.4 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 :
K
G( p) =
1 + Tp
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 :
Te
Te

− −
K 1−e T K 1−e T
G(z)
G(z) = Te
⇒ H(z) = = Te
Te

− 1 + G(z) − −
z−e T z − e T +K 1 − e T
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.
T Te
e
− −
Ce pôle a pour expression : p1 = K e T −1 + e T
Le système échantillonné sera stable si et seulement si :

T
e Te Te
K e− T −1 + e− T < 1 ⇔ (1 + K) e− T −K < 1

On peut donc avoir :

Te
−
(1 + K) e T −K < 1 ⇒ K > −1
ce qui ne nous intéresse guère,
Te
Te −
− 1+e T
ou bien : K − (1 + K) e T <1 ⇒ K< Te
−
1+e T
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 :
Te Te
− −
K − (1 + K) e T < 1 ⇒ − (1 + K) e T < 1 − K
−
Te 1−K Te 1−K 1−K
soit : e T > ⇒ − > ln ⇒ Te < T ln
1+K T 1+K 1+K
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.
12.3 Asservissements continus commandés ou corrigés en temps discret 247
12.3 ASSERVISSEMENTS CONTINUS COMMANDÉS OU CORRIGÉS

EN TEMPS DISCRET
12.3.1 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 12.8).
Figure 12.8 Asservissement continu avec correction numérique.
Dans d’autres cas, l’asservissement complet d’un système continu est piloté par un signal échantillonné
(figure 12.9).
Figure 12.9 Asservissement continu commandé par un signal échantillonné.
12.3.2 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 12.10. 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 12.11.
Figure 12.10 Signal issu du correcteur.
Figure 12.11 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 :
1 − e− pTe
B0 ( p) =
p
12.3.3 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 12.8. Le correcteur C(z) possède sans aucun doute
un équivalent en temps continu, soit C( p).
Figure 12.12 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 12.12).
12.4 Précision des asservissements échantillonnés 249
12.3.4 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 12.7. 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 12.13), 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 12.13 Équivalence en temps discret du système.
12.4 PRÉCISION DES ASSERVISSEMENTS ÉCHANTILLONNÉS

12.4.1 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 12.14.
Figure 12.14 Schéma d’un asservissement échantillonné à retour unitaire.
On définit l’erreur de position ´p par :
´p = lim ´k pour une entrée en échelon unité

k→+∞
En appliquant le théorème de la valeur finale, on obtient :

z−1
´p = lim ´(z)
z→1 z
Or : ´(z) = E(z) − S(z) = E(z) − G(z)´(z)
E(z)
d’où : ´(z) =
1 + G(z)

z−1 E(z)
On a donc : ´p = lim
z→1 z 1 + G(z)
Comme le signal d’entrée est un échelon unité, on a :

z 1
E(z) = ⇒ ´p = lim
z−1 z→1 1 + G(z)
On définit également l’erreur de vitesse ´v par :
´v = lim ´k pour une entrée en rampe

k→+∞

z−1 E(z)
On a toujours : ´v = lim
z→1 z 1 + G(z)
avec cette fois :

Te z Te
E(z) = ⇒ ´v = lim
(z − 1)2 z→1 (z − 1) [1 + G(z)]
12.4.2 Précision d’un système échantillonné du premier ordre

On considère un système échantillonné de fonction de transfert en boucle ouverte G(z) placé dans une
boucle à retour unitaire (figure 12.13), avec :
b bz
G(z) = −1
= avec b > 0 et 0 < a 1
1 − az z−a
Nous savons déjà (paragraphe 12.2.1 – 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
Soit : <1
b+1
a) Calcul de l’erreur de position

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

1 ⎢ 1 ⎥
´p = lim = lim ⎣ ⎦
z→1 1 + G(z) z→1 b
1+
1 − az−1
⎡ ⎤

⎢ 1 ⎥ z−a 1−a
´p = lim ⎣
bz ⎦ z→1 (b + 1) z − a
soit : = lim =
z→1 b+1−a
1+
z−a
12.4 Précision des asservissements échantillonnés 251
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 :
⎡ ⎤
⎢ Te ⎥
´v = lim ⎢ ⎥
z→1 ⎣ bz ⎦
(z − 1) 1 +
z−a

Te (z − a)
soit : ´v = lim →∞
z→1 (z − 1) [z(1 + b) − a]
L’erreur de vitesse d’un système du premier ordre placé dans une boucle d’asservissement est donc infinie,
sauf si a = 1, auquel cas :

Te (z − 1) Te
´v = lim =
z→1 (z − 1) [z(1 + b) − 1] b
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 :
1
G(z) =
n · A(z)
1 − z−1
Un tel système possède n pôles égaux à 1. On aussi dit que la fonction de transfert en boucle ouverte est
1
constituée, notamment, de n intégrateurs, étant donné que la forme correspond à une constante
1 − z−1
1
multiplicative près à l’intégration (voir tables des équivalents en annexe D).
p
L’erreur de position de ce système en boucle fermée a pour expression :
⎡ ⎤

1 ⎢ 1 ⎥ (z − 1)n
´p = lim = lim ⎢ ⎥ = lim
z→1 1 + G(z) z→1 ⎣ A(z) ⎦ z→1 (z − 1)n + zn A(z)
1+
n
1 − z−1
Quelle que soit la valeur de n supérieure ou égale à 1 : ´p = 0.
La présence d’au moins un intégrateur dans la fonction de transfert en boucle ouverte assure donc bien
la nullité de l’erreur statique.
L’erreur de vitesse du système en boucle fermée a pour expression :

Te Te
´v = lim =
z→1 (z − 1) [1 + G(z)] (z − 1) A(z)
limz→1 (z − 1) +
n
1 − z−1

Te (z − 1)n Te (z − 1)n−1
soit : ´v = lim = lim
z→1 (z − 1) (z − 1)n + zn A(z) z→1 (z − 1)n + zn A(z)

Te Te
Si n = 1 : ´v = lim = = 0
z→1 [(z − 1) + zn A(z)] A(1)

Te (z − 1)n−1 T
Si n 2 : ´v = lim = e lim (z − 1)n−1 = 0
z→1 (z − 1) + z A(z)
n n A(1) z→1
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.
12.5 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.
12.5.1 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 :
K
G( p) = 2
p 2jp
+ +1
v2n vn
Nous nous limiterons à l’étude du cas j < 1, pour mettre en évidence les paramètres liés au temps de
montée et au dépassement. Nous savons déjà (chapitre 4), que cette fonction possède dans ce cas deux
pôles complexes conjugués :

p1 = −vn j − j 1 − j2 et p2 = −vn j + j 1 − j2
Kv2n 1 1
Soit : G( p) = = Kv2n · ·
(p − p1 ) (p − p2 ) (p − p1 ) (p − p2 )
Calculons à présent, à l’aide de la table d’équivalence fournie en annexe, la fonction de transfert en z

équivalente à G( p) :

1 1 − e p1 Te 1 1 − e p2 Te
G(z) = Kv2n · − · −
p1 z − e p1 Te p2 z − e p2 Te
Comme : p1 p2 = v2n
12.5 Performances dynamiques d’un système échantillonné 253

K 1 − e p1 Te 1 − e p2 Te
on obtient : G(z) =

z − e p1 Te z − e p2 Te
Notons au passage que les deux pôles de la fonction de transfert en z sont e p1 Te et e p2 Te et remplaçons pour
finir p1 et p2 par leurs expressions.

K 1 + e−2jvn Te −2 e−jvn Te cos vn Te 1 − j2
On obtient : G(z) =
z2 − 2z e−jvn Te cos vn Te 1 − j2 + e−2jvn Te
12.5.2 Prévision des performances dynamiques

a) Principe
L’une des méthodes les plus simples consiste à rechercher l’équivalent en temps continu de la boucle d’as-
servissement en temps discret en prenant soin de ne pas oublier les bloqueurs d’ordre 0, si nécessaires. On
évalue alors les performances dynamiques de ce système en temps continu en assimilant son fonctionne-
ment à celui d’un système du second ordre.
Pour simplifier les calculs, on prend l’habitude d’effectuer une approximation sur la fonction de transfert
du bloqueur d’ordre 0, approximation qui apparaît comme raisonnable si la fréquence d’échantillonnage est
suffisamment élevée :
1 − e− pTe −
pTe 1
B0 ( p) = ≈e 2 ≈
p Te p
1+
2
b) Exemple
On considère le système échantillonné asservi représenté sur la figure 12.15 et soumis à un échelon unitaire ;
la période d’échantillonnage est réglée sur Te = 0,2 s.
Figure 12.15 Asservissement continu commandé par un signal échantillonné.
4
On donne : A( p) =
1+p
Recherchons l’équivalent en temps continu de cette boucle d’asservissement en temps discret : un bloqueur
d’ordre 0 est nécessaire pour assurer la commande du système A( p). On obtient alors le schéma équivalent
de la figure 12.16.
La fonction de transfert en boucle ouverte de ce système en temps continu a pour expression :
4 4
G( p) = = p
Te p 1+ (1 + p)
1+ (1 + p) 10
2
Figure 12.16 Équivalence du système en temps continu.
Calculons la pulsation de coupure à 0 dB et la marge de phase de ce système :
10
G(v) =
√ v2
1 + v2 1+
100

v2 v4 101v2
G(v) = 1 ⇔ 1 + v2 1+ = 16 ⇔ + − 15 = 0
100 100 100
La seule solution réelle positive de cette équation est : vc0 = 3,6 rad/s
Par conséquent, en considérant les relations approchées mises en évidence au chapitre 7 à propos des
performances des systèmes à temps continu, nous pouvons en déduire une estimation du temps de montée en
boucle fermée :
3
tm ≈ ≈ 0,8 s
vc0
Calculons à présent la marge de phase :
vc0
Dw = p + w (vc0 ) = p − arctan − arctan vc0
10
soit : Dw = 85◦ ⇒ jBF ≈ 0,85
Ce coefficient d’amortissement en boucle fermée correspond à un dépassement de 0,6 %, autrement dit, le

système devrait présenter un dépassement imperceptible.
En conclusion, nous considérerons que le système échantillonné initial possède pour performances dy-
namiques :
tm ≈ 0,8 s
dep ≈ 0
Cette étude a par ailleurs permis de démontrer que le dispositif était caractérisé par une marge de phase
relativement importante, montrant ainsi que le système est très stable en boucle fermée.
c) Validation des résultats obtenus

Considérons, pour valider les résultats obtenus précédemment, l’équivalent en z de la boucle d’asservisse-
ment étudiée (figure 12.17).

4 1 − e−Te
D’après la table d’équivalence : A(z) =

z − e−Te
12.5 Performances dynamiques d’un système échantillonné 255
Figure 12.17 Modèle à temps discret de la boucle d’asservissement.
La fonction de transfert en boucle fermée a pour expression :

A(z) 4 1 − e−Te
H(z) = =

1 + A(z) z − e−Te + 4 1 − e−Te
0,72
soit : H(z) =
z − 0,1
S(z) 0,72
Or : = ⇒ (z − 0,1) S(z) = 0,72E(z)
E(z) z − 0,1
soit : (z − 0,1) S(z) = 0,72E(z)
Ce qui correspond à l’équation de récurrence suivante :
sk = 0,1sk−1 + 0,72ek−1
Le système étant commandé par un échelon, la suite (ek ) est connue et cette équation nous permet de
calculer, échantillon par échantillon, les différentes valeurs de la suite (sk ) (tableau 12.1).
Tableau 12.1 SIMULATION DE LA SUITE D’ÉCHANTILLONS.
La figure 12.18 propose une représentation graphique de ces résultats. Nous y remarquons l’absence
de dépassement perceptible et pouvons y mesurer le temps de montée qui est tout à fait conforme aux
prédictions calculées à partir de notre modèle.
Nous pouvons également vérifier la valeur de l’erreur de position prévue par notre modèle :
1 z − e−Te
´p = lim = lim

z→1 1 + A(z) z→1 z − e−Te +4 1 − e−Te
1 − 0,82
soit : ´p = = 0,2 = 20 %
1 − 0,82 + 4 (1 − 0,82)
Ce qui est tout à fait conforme au graphe présenté.

Figure 12.18 Représentation temporelle du comportement du système en boucle fermée.
EXERCICES
12.1 Mise en équation d’un asservissement et étude de sa stabilité

On considère un système échantillonné de fonction de transfert G(z) placé dans une boucle d’asservissement
à retour unitaire, avec :
K
G(z) = avec K > 0
(z − 0,4) (z − 0,8)
Calculer la fonction de transfert en boucle fermée et étudier les conditions de stabilité de ce système en
boucle fermée.
Le système étant sollicité, en boucle fermée, par un échelon unité, calculer les premiers éléments de la suite
des échantillons de sortie dans le cas K = 0,3 et dans le cas K = 1.
12.2 Stabilité et précision d’un système échantillonné asservi

Kz
G(z) = avec K > 0 réglable
(z − 0,9)
boucle fermée.
Calculer l’erreur statique en fonction de K.
Le système étant sollicité, en boucle fermée, par un échelon unité, calculer les premiers éléments de la suite
des échantillons de sortie dans le cas où K est réglé de manière à obtenir une erreur statique égale à 0,1.
12.3 Influence d’un intégrateur sur la stabilité d’un système

K
G(z) = avec K > 0 réglable
(z − 0,6)3
Exercices 257
boucle fermée.
Calculer l’erreur statique en fonction de K et déterminer les valeurs minimales et maximales de cette erreur
statique.
On introduit à présent un intégrateur dans la chaîne directe. Calculer la nouvelle fonction de transfert en
boucle fermée et montrer que, dans ces conditions, il sera pratiquement impossible de régler K pour assurer
la stabilité du système.
12.4 Mesure des performances dynamiques d’un système échantillonné

Un système échantillonné de fonction de transfert en boucle ouverte G(z) est placé dans une boucle de
régulation à retour unitaire.
0,16K
G(z) = avec K > 0
(z − 0,8)2
La période d’échantillonnage est : Te = 0,1 s.
Calculer la fonction de transfert en boucle fermée et déterminer la condition de stabilité du système en
boucle fermée.
Le gain étant réglé sur K = 1, déterminer, en boucle fermée : l’erreur de position, l’équation de récurrence,
et calculer, puis tracer, les premiers éléments de la suite des échantillons de sortie lorsque l’entrée est un
échelon unitaire. En déduire la valeur du temps de montée et du coefficient d’amortissement en boucle
fermée.
Répondre aux mêmes questions en réglant le gain sur K = 2. Conclure.
12.5 Influence du choix de la fréquence d’échantillonnage sur la stabilité

Un système à temps continu de fonction de transfert G( p) est placé dans une boucle de régulation à temps
discret à retour unitaire et commandé numériquement. La fréquence d’échantillonnage Te est réglable.
K
On donne : G( p) =
p + 10
Déterminer, en fonction de K les conditions de stabilité du système échantillonné en boucle fermée. Com-
parer les conditions de stabilité du système pour Te = 1 s, Te = 0,1 s et Te = 0,02 s.
La valeur du gain étant réglée sur K = 50, déterminer la condition sur Te pour que le système soit stable.
12.6 Étude comparée de la stabilité sur plusieurs modèles à temps discret

On considère un système à temps continu régi, en boucle ouverte, par la fonction de transfert suivante :
K
G( p) = avec K > 0 réglable
(p + 1) (p + 3)
Calculer successivement, en boucle ouverte, les équivalents en z, à la dérivation et à l’intégration de ce

système, respectivement G1 (z) et G2 (z). Rechercher, dans la table fournie en annexe, l’équivalent de ce
système, soit G3 (z). On choisira une fréquence d’échantillonnage Te = 0,2 s.
Calculer les trois fonctions de transfert échantillonnés en boucle fermée et déterminer, pour chacune d’elles,
les conditions de stabilité sur K. Comparer les résultats et conclure.
12.7 Synthèse d’une fonction de transfert en temps discret

On considére un système échantillonné à une période Te = 0,5 s, de fonction de transfert en boucle ouverte
G(z) telle que :
K
G(z) = 2
z − az + b
Déterminer les valeurs de K, a et b de telle sorte que ce système, placé dans une boucle à retour unitaire,
soit caractérisé en boucle fermée, par une erreur de position égale à 20 %, un temps de montée tm = 2,5 s
et un dépassement de 30 %.
Déterminer alors l’équation de récurrence du système et vérifier les performances à l’aide du calcul et du
tracé des premiers échantillons de sortie.
12.8 Performances d’un système continu commandé en temps discret

Un système à temps continu de fonction de transfert A( p) est placé dans une boucle de régulation à temps
discret à retour unitaire et commandé numériquement. La fréquence d’échantillonnage Te est égale à 0,5 s.
K
On donne : A( p) =
p (p + 1)
On souhaite régler K pour limiter le dépassement à 20 % en boucle fermée.

Déterminer le schéma équivalent en temps continu de cet asservissement et en déduire la condition de
stabilité en boucle fermée.
Déterminer la valeur de K qui assure un dépassement de 20 % en boucle fermée et en déduire la fonction
de transfert échantillonnée correspondante.
Déterminer alors l’équation de récurrence du système et vérifier la valeur du dépassement à l’aide du calcul
et du tracé des premiers échantillons de sortie.
SOLUTIONS
12.1 Calculons la fonction de transfert du système en boucle fermée :
G(z) K
H(z) = =
1 + G(z) (z − 0,4) (z − 0,8) + K
Le dénominateur de la fonction de transfert est :
D(z) = z2 − 1,2z + 0,32 + K
D’après le critère de Jury, le système est stable si et seulement si toutes les conditions suivantes sont respectées :
⎧ ⎧
⎪
⎪D(1) > 0 ⎪
⎪0,12 + K > 0
⎨ ⎨
D(−1) > 0 ⇒ 2,52 + K > 0
⎪
⎪ ⎪
⎪
⎩ ⎩
1 > 0,32 + K K < 0,68
La condition de stabilité se résume donc à : K < 0,68.

C hapitre 13
Correction des systèmes échantillonnés

asservis
13.1 PRINCIPES GÉNÉRAUX

13.1.1 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 13.1 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.
13.1.2 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 13.2).
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.
13.1 Principes généraux 275
Figure 13.2 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 :
A(z)
Gi (z) = A(z)B(z)Hi (z) =
1 + A(z)B(z)
A(z)C(z)
et : Gc (z) = A(z)B(z)C(z)Hc (z) =
1 + A(z)B(z)C(z)
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.
13.1.3 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 13.3. Un bloqueur doit, bien entendu, être intercalé entre le correcteur numérique et le système à
commander.
Figure 13.3 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.
13.1.4 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.
276 13 • Correction des systèmes échantillonnés asservis
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 :
Action proportionnelle : C( p) = K ↔ C(z) = K

1
Action intégrale : C( p) = 1
↔ C(z) =
p 1 − z−1
Action dérivée : C( p) = p ↔ C(z) = 1 − z−1
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).
13.2 TENTATIVES D’ACTIONS CORRECTIVES SIMPLES

13.2.1 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 :
K
C(z) =
n
1 − z−1
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.
13.2 Tentatives d’actions correctives simples 277
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 :
2 2z
G(z) = −1
=
1 − 0,5z z − 0,5
2z
Soit, en boucle fermée : H(z) =
3z − 0,5
Ce qui correspond à l’équation de récurrence : sk = 0,17sk−1 + 0,67ek .
Ce système est stable en boucle fermée puisque l’unique pôle de la fonction de transfert en boucle
fermée est inférieur à 1.
0,5
Soit : p1 = = 0,17 < 1
3
Considérons les suites d’échantillons d’entrée (échelon unité) et de sortie (tableau 13.1) et représentons-les
graphiquement (figure 13.4).
Figure 13.4 Représentation temporelle du comportement du système en boucle fermée.
L’erreur de position a pour valeur :

1 1 1 − 0,5
´p = lim = lim = = 0,2 = 20 %
z→1 1 + G(z) z→1 2z 1 − 0,5 + 2
1+
z − 0,5
Introduisons un intégrateur dans la chaîne directe. On a, à présent :
K 2z 2z2
G(z) = · = avec K = 1 dans un premier temps.
1 − z−1 z − 0,5 (z − 1) (z − 0,5)
2z2 2z2
soit, en boucle fermée : H(z) = = 2
(z − 1) (z − 0,5) + 2z2 3z − 1,5z + 0,5
2
ou encore : H(z) =
3 − 1,5z−1 + 0,5z−2
ce qui correspond à l’équation de récurrence :
sk = 0,5sk−1 − 0,17sk−2 + 0,67ek
Les pôles de cette fonction de transfert (les racines de l’équation 3z2 −1,5z+0,5 = 0) se calculent aisément et
on peut vérifier sans peine que leurs modules sont inférieurs à 1. La condition de stabilité est donc toujours
vérifiée.
En effet : D = b2 − 4ac = (1,5)2 − 6 = −3,75

√
1,5 ± j 3,75
p1/2 = ⇒ | p1 | = | p2 | = 0,41
6
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 13.5).
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 13.5 Représentation temporelle du comportement du système en boucle fermée

après correction.
13.2.2 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 :
K 2z 2Kz2
G(z) = · = avec K = 1
1 − z−1 z − 0,5 (z − 1) (z − 0,5)
2Kz2
soit, en boucle fermée : H(z) =
(1 + 2K) z2 − 1,5z + 0,5
Cette fois, on a : D = b2 − 4ac = (1,5)2 − 2 (1 + 2K) = 0,25 − 4K
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 :
√
1,5 ± j 4K − 0,25
p1/2 =
2 (1 + 2K)

(1,5)2 + 4K − 0,25 1
soit : | p1 | = | p2 | = =√
2 (1 + 2K) 2 (1 + 2K)
Il suffit de choisir une valeur de K qui correspond à une valeur souhaitée pour le module de chaque pôle,
par exemple :
| p1 | = | p2 | = 0,25 pour K = 3,5
7
On a alors : H(z) =
8− 1,5z−1 + 0,5z−2
ce qui correspond à l’équation de récurrence :
sk = 0,1875sk−1 − 0,0625sk−2 + 0,875ek
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.

après correction.
13.2.3 Action dérivée

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

C(z) = K 1 − z−1 avec K > 0
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 :
1
A(z) =
(z − 0,1)
La fonction de transfert en boucle fermée du système non corrigé est :
A(z) 1
Hi (z) = =
1 + A(z) z + 0,9
L’unique pôle de cette fonction de transfert est :
p1 = −0,9
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 :
sk = −0,9sk−1 + ek−1
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.

avant correction.
En présence du correcteur à action dérivée, on a :

K 1 − z−1 K (z − 1)
G(z) = C(z)A(z) = =
z − 0,1 z (z − 0,1)
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 :
G(z) K (z − 1) K (z − 1)
H(z) = = = 2
1 + G(z) z (z − 0,1) + K (z − 1) z + (K − 0,1) z − K
L’équation de récurrence correspondante est :
sk = (0,1 − K) sk−1 + Ksk−2 + Kek−1 − Kek−2
Calculons les pôles de cette fonction de transfert.
Cette fois, on a : D = b2 − 4ac = (K − 0,1)2 + 4K

Ce discriminant étant toujours positif, on a :

− (K − 0,1) ± (K − 0,1)2 + 4K
p1/2 =
2

0,1 − K + (K − 0,1)2 + 4K
soit : | p1 | =
2

K − 0,1 + (K − 0,1)2 + 4K
et : | p2 | =
2
On peut représenter, sur un même graphique, les variations de | p1 | et de | p2 | en fonction de K (figure 13.8).
Pour que le système soit stable, il faut que les deux pôles aient un module inférieur à 1.
Figure 13.8 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 13.5 et figure 13.9). Dans ce cas, on a :
sk = −0,3sk−1 + 0,4sk−2 + 0,4ek−1 − 0,4ek−2

après correction.
13.3 Synthèse d’un correcteur numérique par discrétisation d’un correcteur continu 283
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 %.
13.3 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE PAR DISCRÉTISATION

D’UN CORRECTEUR CONTINU
13.3.1 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 13.10 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 fi-
gure 13.11) 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 13.11 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 :
1 − z−1
– l’équivalence à la dérivation : p ↔
Te

2 1 − z−1
– la transformation bilinéaire : p ↔

Te 1 + z−1
– l’équivalence modale : p − pi ↔ z − e pi Te
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.

1 1 1 − e pi Te
On donne : G( p) = ↔ G(z) = −
p − pi pi z − e pi Te

1 1 1 − e pi Te
De sorte que : G(0) = ↔ G(1) = −
0 − pi pi 1 − e pi Te
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.
13.3.2 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 :
– marge de phase Dw = 45◦ ,
– temps de montée tm = 0,2 s.
K
On donne : G( p) = 3 avec K > 0 réglable
p
+1
10
a) Synthèse du correcteur en temps continu

La valeur de K qui assure le temps de montée voulu se calcule en utilisant la relation approchée :
3
vc0 ≈ ≈ 15 rad/s
tm
On a alors : G(vc0 ) = 1 ⇒ K = 5,86
Pour cette valeur de K, on obtient une marge de phase égale à :
15
Dw = p + w(vc0 ) = p − 3 arctan = 11◦
10
Il est donc nécessaire d’introduire un correcteur à avance de phase caractérisé par une remontée de phase
de 34◦ centrée sur la pulsation vc0 .
13.3 Synthèse d’un correcteur numérique par discrétisation d’un correcteur continu 285
1 + aTp
Soit : C( p) =
1 + Tp
a−1
avec : wmax = arcsin ⇒ a = 3,55
a+1
1
et : √ = vc0 ⇒ T = 0,035 s
T a
1 + 0,124p
d’où : C( p) =
1 + 0,035p
b) Calcul du correcteur numérique équivalent

Utilisons, pour simplifier, l’équivalence à la dérivation :
1 − z−1
p↔
Te

1 − z−1
1 + 0,124
Te
Soit : C(z) =
1 − z−1
1 + 0,035
Te
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 :
5,86 1
G(2p fpas ) = ⎛ ⎞3 = √ ⇒ fpas = 2,8 Hz
2 2
4p2 fpas
⎝ + 1⎠
100
On choisit par exemple : fe = 100 Hz ⇔ Te = 0,01 s

1 + 12,4 1 − z−1 13,4z − 12,4
Finalement : C(z) =
=
1 + 3,5 1 − z−1 4,5z − 3,5
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 :
5,86 5,86
G(z) =
−1
3 =
3
1−z 11 − 10z−1
+1
10Te
La fonction de transfert en boucle fermée est :
C(z)G(z) 5,86 (13,4z − 12,4)
H(z) = =
3
1 + C(z)G(z) 11 − 10z−1 (4,5z − 3,5) + 5,86 (13,4z − 12,4)

5,86 13,4 − 12,4z−1
soit : H(z) =
3

11 − 10z−1 4,5 − 3,5z−1 + 5,86 13,4 − 12,4z−1
78,5 − 72,5z−1
H(z) =
6 068 − 21 066z−1 + 27 555z−2 − 16 050z−3 + 3 500z−4
d’où la fonction de récurrence correspondante :
sk = 3,47sk−1 − 4,54sk−2 + 2,65sk−3 − 0,58sk−4 + 0,01294ek − 0,01195ek−1
Figure 13.12 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.
On a alors : jBF = 0,3 ⇒ Dw ≈ 30◦
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.
13.4 Synthèse d’un correcteur numérique par méthode polynomiale 287
13.4 SYNTHÈSE D’UN CORRECTEUR NUMÉRIQUE

PAR MÉTHODE POLYNOMIALE
13.4.1 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 13.13 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 13.14 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 :

K 1 + e−2jvn Te −2 e−jvn Te cos vn Te 1 − j2
G(z) =
z2 − 2z e−jvn Te cos vn Te 1 − j2 + e−2jvn Te
(Voir chapitre 12, paragraphe 12.5.1.)
Dans ces conditions, la fonction de transfert en boucle fermée H(z) est aussi une fonction du second
ordre :
−2jBF vnBF Te −jBF vnBF Te
KBF 1 + e −2 e cos vnBF Te 1 − jBF
2
H(z) =
z2 − 2z e−jBF vnBF Te cos vnBF Te 1 − j2BF + e−2jBF vnBF Te
(Voir chapitre 12, exercice 12.7.)
Nous savons que les performances en boucle fermée, pour un tel système, se traduisent par des condi-
tions sur vnBF pour la rapidité et sur jBF pour la marge de stabilité et, bien évidemment, pour l’amortisse-
ment.
3 3
En effet : tm ≈ ≈
vc0 vnBF
Dw◦
et : jBF ≈
100
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
(figure 13.13) possède elle-même ces performances, il suffit d’avoir :
G(z) = C(z)A(z)
et donc, de placer dans la chaîne directe, le correcteur de fonction de transfert :
G(z)
C(z) =
A(z)
13.4.2 Exemple
Considérons le système échantillonné à une période Te = 0,2 s de fonction de transfert :
z + 0,3
A(z) =
z − 0,8
On souhaite placer ce système dans une boucle à retour unitaire et on veut que le système possède, en
boucle fermée, les performances suivantes : ´p = 0, tm = 0,8 s et jBF = 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.
a
On a donc : G(z) =
(z − 1)(z − b)
a a
d’où : H(z) = = 2
(z − 1)(z − b) + a z − (1 + b) z + a + b
Or nous devons, avoir, pour garantir les performances exigées :

−2jBF vnBF Te −jBF vnBF Te
KBF 1 + e −2 e cos vnBF Te 1 − jBF
2
H(z) =
z2 − 2z e−jBF vnBF Te cos vnBF Te 1 − j2BF + e−2jBF vnBF Te
3
avec : jBF = 0,45 et vnBF = = 3,75 rad/s
tm
0,39KBF
d’où : H(z) =
z2 − 1,12z + 0,51
Identifions les deux fonctions de transfert en boucle fermée :
⎧ ⎧
⎨1 + b = 1,12 ⎨b = 0,12
⇒
⎩a + b = 0,51 ⎩a = 0,39
Le gain statique en boucle fermée est bien sûr égal à 1 puisque l’erreur de position est nulle.
Exercices 289
0,39
On a alors : G(z) =
(z − 1)(z − 0,12)
G(z) 0,39(z − 0,8)

d’où : C(z) = =
A(z) (z − 1)(z − 0,12)(z + 0,3)
EXERCICES
13.1 Correction de la précision d’un système échantillonné

On considère un système à temps discret de fonction de transfert :
z − 0,2
G(z) =
z − 0,7
Ce système étant placé dans une boucle à retour unitaire, calculer l’erreur de position en boucle fermée et
calculer puis tracer la suite des premiers échantillons de sortie en considérant que le signal de consigne est
un échelon unité.
1
On introduit ensuite un intégrateur dans la chaîne directe, soit C(z) = .
1 − z−1
Montrer que le système est toujours stable et calculer puis tracer la suite des premiers échantillons de sortie
en considérant que le signal de consigne est un échelon unité. Conclure.
13.2 Synthèse par discrétisation du correcteur numérique d’un système à temps continu d’ordre 3
K
On considère un système de fonction de transfert G( p) = placé dans une boucle de régulation à
p( p + 4)2
retour unitaire. On souhaite avoir à la fois une marge de phase supérieure à 60◦ et un temps de montée plus
petit que 1,5 s et on envisage, pour ce faire, de corriger numériquement les performances de ce système.
Calculer la valeur de K qui assure, en boucle fermée, un temps de montée de 1,5 s. Calculer, pour cette
valeur de K la valeur de la marge de phase. En déduire l’expression de la fonction de transfert du correcteur
à temps discret qu’il faut introduire dans la chaîne directe pour satisfaire au cahier des charges.
13.3 Synthèse d’un correcteur par méthode polynomiale

On considère un système échantillonné (période Te = 0,2 s) de fonction de transfert :
z + 0,7
A(z) =
z − 0,7
Ce système étant placé dans une boucle à retour unitaire, on souhaite qu’il soit caractérisé par les perfor-
mances suivantes : ´p = 0, tm = 0,4 s et jBF = 0,6 (marge de phase d’un système continu équivalent égale
à 60◦ et dépassement de l’ordre de 10 %).
Calculer l’expression de la fonction de transfert du correcteur à temps discret qu’il faut introduire dans la
chaîne directe pour satisfaire au cahier des charges.
13.4 Correction de précision et de stabilité par placement des pôles

On considère un système à temps discret de fonction de transfert :
3z
G(z) =
z − 0,4
Ce système étant placé dans une boucle à retour unitaire, on introduit un correcteur de fonction de transfert :
K
C(z) =
1 − z−1
Calculer la valeur du pôle de la fonction de transfert en boucle fermée en l’absence de correcteur.
En présence du correcteur, dont la vocation est d’annuler l’erreur de position, calculer la valeur de K qui
permettra de placer les nouveaux pôles de la fonction de transfert en boucle fermée, à des valeurs telles que
leur module soit égal à celui du pôle calculé initialement en l’absence du correcteur.
SOLUTIONS
13.1 L’erreur de position, par définition, est égale à :
⎡ ⎤

1 ⎢ 1 ⎥
´p = lim = lim ⎢ ⎥ = 0,27 = 27 %
z→1 1 + G(z) z→1 ⎣ z − 0,2 ⎦
1+
z − 0,7
Cette erreur de position, bien évidemment, est inacceptable.
Calculons la fonction de transfert en boucle fermée :
G(z) z − 0,2
H(z) = =
1 + G(z) 2z − 0,9
Cette fonction de transfert correspond à l’équation de récurrence :
sk = 0,45sk−1 + 0,5ek − 0,1ek−1
Par ailleurs, ce système est stable en boucle fermée puisque l’unique pôle de la fonction de transfert en boucle fermée
est inférieur à 1.
0,9
Soit : p1 = = 0,45 < 1
2
Calculons la suite d’échantillons de sortie (tableau 13.7) et représentons-la graphiquement (figure 13.15).
Si on introduit un intégrateur dans la chaîne directe, on a :

1 z − 0,2 z (z − 0,2)
G(z) = · =
1 − z−1 z − 0,7 (z − 1) (z − 0,7)
soit, en boucle fermée :
G(z) z (z − 0,2) z (z − 0,2)
H(z) = = = 2
1 + G(z) z (z − 0,2) + (z − 1) (z − 0,7) 2z − 1,9z + 0,7
ANNEXE A
Table des transformées de Laplace
Fonctions temporelles Transformées de Laplace
u(t) = 1 1
U( p) =
p
v (t) = kt k
V( p) =
p2
s(t) = tn n!
S( p) =
pn+1
s(t) = e−at 1
S( p) =
p+a
s(t) = t e−at 1
S( p) =
(p + a)2
a
s(t) = 1 − e−at S( p) =
p (p + a)
s(t) = e−at − e−bt b−a

S( p) =
(p + a) (p + b)
1 e−at 1
s(t) = t − + S( p) =
a a p2 (p + a)
b a ab
s(t) = 1 + e−at − e−bt S( p) =
a−b a−b p (p + a) (p + b)
s(t) = 1 − e−at −at e−at a2

S( p) =
p (p + a)2
v
s(t) = sin vt S( p) =
p2 + v2
p
s(t) = cos vt S( p) =
p2 + v2
v
s(t) = e−at sin vt S( p) =
(p + a)2 + v2
p+a
s(t) = e−at cos vt S( p) =
(p + a)2 + v2
1,8
ξ = 0,1
ξ = 0,6
ξ = 0,2
1,6
ξ = 0,7 ξ = 0,3
1,4
ξ = 0,8 ξ = 0,4
1,2
ξ = 0,5
1
Sortie
0,8
0,6
ANNEXE B
ξ=2
ξ = 1,5
0,4
ξ=1
ξ = 0,9
0,2
0
0 1 2 3 4 5 6 7 8 9 10
ω nt
d’un système du second ordre
Abaque des réponses indicielles
ANNEXE C
Table des transformées en z
Fonctions temporelles Transformées en z
d(t) D(z) = 1
z
u(t) = 1 U(z) =
z−1
v (t) = kt zTe
V(z) =
(z − 1)2
s(t) = t2 z (z + 1) Te2
S(z) =
(z − 1)3
z
s(t) = e−at S(z) =
z − e−aTe
s(t) = t e−at zTe e−aTe

S(z) =
2
z − e−aTe

s(t) = 1 − e−at z 1 − e−aTe
S(z) =

(z − 1) z − e−aTe
z z
s(t) = e−at − e−bt S(z) = −
z − e−aTe z − e−bTe
1 e−at

s(t) = t − + zTe z 1 − e−aTe
a a S(z) = −

(z − 1)2 a (z − 1) z − e−aTe
b a z bz
s(t) = 1 + e−at − e−bt S(z) = +

a−b a−b z − 1 (a − b) z − e−aTe
az
−

(a − b) z − e−bTe
Annexe C 385
s(t) = 1 − e−at −at e−at

z z zaTe e−aTe
S(z) = − −
2
z − 1 z − e−aTe z − e−aTe
s(t) = sin vt z sin vTe

S(z) =
z2 − 2z cos vTe + 1
s(t) = cos vt z (z − cos vTe )

S(z) =
z2 − 2z cos vTe + 1
s(t) = e−at sin vt z e−aTe sin vTe

S(z) =
z2 − 2z e−aTe cos vTe + e−2aTe
s(t) = e−at cos vt z2 − z e−aTe cos vTe

S(z) =
z2 − 2z e−aTe cos vTe + e−2aTe
ANNEXE D
Équivalence entre fonctions de transfert

en temps continu et en temps discret
Il n’existe pas, à proprement parler, d’équivalents exacts entre une fonction de transfert en temps continu,
de type Laplace et une fonction de transfert en temps discret en z. Les équivalents proposés sont plus ou
moins précis, plus ou moins efficaces et plus ou moins délicats à manipuler. Le choix d’un type d’équivalent
est susceptible d’influencer la validité des résultats en termes de réponse temporelle ou de représentation
fréquentielle.
1 − z−1
Équivalence à la dérivation : p↔
Te

2 1 − z−1
Équivalence à l’intégration : p↔

Te 1 + z−1
Équivalence modale : p − pi ↔ z − epi Te
La table ci-dessous propose quelques équivalents basés sur l’équivalence à la réponse impulsionnelle et
justifiés, pour les plus simples, par l’équivalence modale. Ils sont spécifiquement adaptés pour conserver le
gain statique du système. Ces équivalents peuvent être obtenus par la relation :

z−1 G( p) z−1
G(z) = ×Z = ×Z g(t) dt
z p z
où G( p) est la transformée de Laplace de la réponse impulsionnelle du système à temps continu.

Annexe D 387
Fonction de transfert Fonction de transfert

en temps continu en temps discret
1 Te
G( p) = G(z) =
p z−1
1 1 − e−aTe
G( p) = G(z) =

p+a a z − e−aTe

1 1 − e−aTe 1 − e−bTe
G( p) = G(z) =

(p + a) (p + b) ab z − e−aTe z − e−bTe

1 Te 1 − e−aTe
G( p) = G(z) = − 2

p (p + a) a (z − 1) a z − e−aTe
ANNEXE E
Formulaire
➤ Trigonométrie
• sin2 x + cos2 x = 1 1
• 1 + tan2 x =
cos x cos2 x
• cot x =
sin x tan2 x
1 • sin2 x =
• 1 + cot2 x = 1 + tan2 x
sin2 x • sin(− x) = − sin x
1
• cos2 x = • tan(− x) = − tan x
1 + tan2 x
• cos(− x) = cos x • cos(p + x) = − cos x
• sin(p + x) = − sin x • sin(p − x) = sin x
• tan(p + x) = tan x
• tan(p − x) = tan x
• cos(p − x) = − cos x p
p • cos + x = − sin x
• sin + x = cos x 2
2 p
p • sin − x = cos x
• tan + x = − cot x 2
2 p
p
• tan − x = cot x
• cos − x = sin x 2
2
• cos(a + b) = cos a cos b − sin a sin b • cos 2a = 2 cos2 a − 1
• sin(a + b) = sin a cos b + cos a sin b • sin 2a = 2 sin a sin b
• cos(a − b) = cos a cos b + sin a sin b • tan(a + b) =
tan a + tan b
1 − tan a tan b
• sin(a − b) = sin a cos b − cos a sin b
tan a − tan b
2 x • tan(a − b) =
• 1 + cos x = 2 cos
2 1 + tan a tan b
p + q p − q • 1 − cos x = 2 sin
2 x
• sin p + sin q = 2 sin cos
2 2 2
sin x 2 tan x
• tan x = • sin 2x =
cos x 1 + tan2 x
Annexe E 389
➤ Nombres complexes
• z = a + jb • (z1 − z2 )∗ = z∗1 − z∗2

• (z1 + z2 )∗ = z∗1 + z∗2 ∗
z1 z∗
• = 1∗
• (z1 z2 )∗ = z∗1 · z∗2 z2 z2
√
• |z| = a2 + b2 z1 |z1 |
• =
• |z1 z2 | = |z1 | · |z2 | z2 |z2 |
• |z∗ | = |z| • arg z = arctan

b
a
z∗ z = |z|
2
•
• arg z∗ = − arg z
• ejx = cos x + j sin x
• (cos x + j sin x)n = cos nx + j sin nx •z = |z| ej arg z

ju ∗
• z∗ = a − jb • re = re- ju
➤ Dérivées
• (xn ) = nxn − 1
√ u
• u = √
2 u
1 1
• =− 2 • (cos x) = − sin x
x x

√ 1 • (ex ) = ex
• x = √
2 x 1
• (ln x) =
x
• (sin x) = cos x
• (uv ) = u v + uv
1
• (tan x) = = 1 + tan2 x • (u [v (x)]) = [u ◦ v (x)] = u [v (x)] · v (x)
cos2 x
u
• (un ) = nun − 1 u • (ln u) =
u

1 u u u v − uv
• =− 2 • =
u u v v2
➤ Infiniments petits (x voisin de 0)

• (1 + x)n ≈ 1 + nx • (1 − x)n ≈ 1 − nx
1
• ≈1 − x 1
1 + x • ≈1 + x
√ 1 − x
x
• 1 + x≈1 + √
2 x
• 1 − x≈1 −
• ln(1 + x) ≈ x 2
• sin x ≈ x (x en rad) • ex ≈ 1 + x
x2
• cos x ≈ 1 − (x en rad) • tan x ≈ x (x en rad)
2
390 E • Formulaire
➤ Primitives

xn + 1 sin ax
• xn dx = + Cte • cos axdx = + Cte
n + 1 a

cos ax eax
• sin axdx = − + Cte • eax dx = + Cte
a a

dx dx
• = ln |x| + Cte • = tan x + Cte
x cos2 x

ax
• ax dx = + Cte • tan xdx = − ln |cos x| + Cte
ln a

dx 1 x dx 1 a + x
• = arctan + Cte • = ln + Cte
a2 + x2 a a a2 − x2 2a a − x
ANNEXE F
Memento de calcul matriciel
➤ Addition de matrices
On ne peut additionner que des matrices de mêmes dimensions n × m :
[C] = [A] + [B] ⇔ cij = aij + bij
➤ Multiplications de matrices
On ne peut multiplier une matrice [A] de dimension n × m (n lignes et m colonnes) que par une matrice [B]
de dimension m × p, le résultat donnant une matrice [C] de dimension n × p. La multiplication n’est pas
commutative. Dans l’écriture qui suit, [A] est multipliée à droite par [B].

m
[C] = [A] [B] ⇔ cij = aik bkj
k=1
Le produit d’une matrice ligne, à droite par une matrice colonne, les deux matrices étant respectivement de
dimensions 1 × m et m × 1 donne donc un scalaire. En revanche, la multiplication d’une matrice colonne,
à droite par une matrice ligne, les deux matrices étant respectivement de dimensions n × 1 et 1 × p donne
une matrice de dimension n × p.
➤ Matrice nilpotente
Une matrice est dite nilpotente s’il existe un entier k tel que [A]k = [0] (matrice nulle). Toutes les puissances
de [A] supérieures à k sont nulles également.
➤ Transposée d’une matrice
La transposée [A]T d’une matrice n × m[A] (n lignes et m colonnes) est la matrice m × n obtenue en
permutant les lignes et les colonnes de [A].
392 F • Memento de calcul matriciel
➤ Déterminant d’une matrice carrée de dimension n

n

det [A] = (−1)i+ j aij det Mij , quelle que soit la valeur de j
i=1

Mij est la matrice extraite de [A] en supprimant la i ème ligne et la j ème colonne.

(−1)i+ j det Mij est le cofacteur de aij .
➤ Adjointe d’une matrice carrée de dimension n
La matrice adjointe d’une matrice [A] est la matrice adj [A] obtenue en transposant la matrice des cofacteurs.
➤ Inverse d’une matrice carrée de dimension n
La matrice inverse d’une matrice [A] est la matrice [A]−1 telle que :
[A] [A]−1 = [A]−1 [A] = I
La matrice [A]−1 est égale à la matrice adjointe de [A] divisée par son déterminant :
adj [A]
[A]−1 =
det [A]
Une matrice est dite régulière si elle est inversible, autrement dit, si son déterminant est non nul. Dans le
cas contraire, elle est dite singulière.
➤ Rang d’une matrice
Le rang d’une matrice est la dimension du plus grand déterminant non nul que l’on peut extraire d’une
matrice en supprimant lignes ou colonnes. Une matrice carrée régulière est toujours de rang n.
➤ Matrice carrée diagonale de dimension n
Une matrice carrée est dite diagonale si tous ses éléments aij avec i = j sont nuls. Seule la diagonale
a11 , a22 , · · · , ann contient des éléments non nuls.
➤ Matrice identité de dimension n
La matrice identité est la matrice diagonale notée I dont les éléments de la diagonale sont tous égaux à 1.
➤ Équation caractéristique d’une matrice carrée de dimension n
L’équation caractéristique est formée à partir du polynôme caractéristique de la matrice. Les solutions de
l’équation caractéristique sont les valeurs propres li de [A].
det [lI − A] = 0
Annexe F 393
➤ Vecteurs propres d’une matrice carrée de dimension n

Les vecteurs propres d’une matrice carrée [A] sont les vecteurs vi tels que :

[A] vi = li vi avec vi = (0)
Il existe une infinité de vecteurs propres pour une matrice : toute combinaison linéaire de vecteurs propres
est aussi un vecteur propre. Toute matrice [T] formée de n vecteurs propres linéairement indépendants est
appelée matrice modale de [A].
➤ Diagonalisation d’une matrice carrée de dimension n

La transformation [T]−1 [A] [T], où [T] est une matrice modale de [A], donne une matrice diagonale D
formée des valeurs propres de [A].

Sae Cours Bokovi PDF

Transféré par

Droits d'auteur :

Formats disponibles

Sae Cours Bokovi PDF

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

Sae Cours Bokovi PDF

Transféré par

Droits d'auteur :

Formats disponibles

COURS

Chapitre 1 : Modélisation des signaux et des systèmes échantillonnés.

Systèmes Echantillonnés Asservis Dr BOKOVI Yao

Modélisation des signaux

Figure 11.1 Traitement numérique d’un signal.

Figure 11.2 Échantillonnage et conversion analogique numérique d’un signal.

Remarque : On a souvent tendance, par abus de langage, à appeler échantillonnage l’ensemble de la

11.2 PRINCIPES FONDAMENTAUX DE L’ÉCHANTILLONNAGE DES SIGNAUX

Figure 11.3 Fonction d’échantillonnage.

Figure 11.4 Échantillonnage d’un signal quelconque.

L’échantillonnage produit donc, à partir d’un signal s(t), la suite :

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

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

11.2.2 Spectre d’un signal échantillonné

Figure 11.5 Spectre d’un signal échantillonné.

11.2.3 Théorème de Shannon

Figure 11.6 Spectre d’un signal échantillonné.

11.3 EXEMPLES DE SIGNAUX ÉCHANTILLONNÉS SIMPLES

Figure 11.7 Impulsion unité.

11.3.2 Échelon unité

u∗ (t) = {1, 1, 1, . . . ,1}

La figure 11.8 propose une représentation schématique de cet échelon unité.

Figure 11.8 Échelon unité.

u∗ (t) = d∗ (t) + d∗ (t − Te ) + d∗ (t − 2Te ) + · · ·

On pose parfois : d∗ (t − kTe ) = dk

ce qui nous conduit à la notation :

11.4 TRANSFORMÉE EN Z DES SIGNAUX ÉCHANTILLONNÉS

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

s∗ (t) = s0 d∗ (t) + s1 d∗ (t − Te ) + s2 d∗ (t − 2Te ) + ...

Figure 11.9 Impulsion unité à l’instant k.

En appliquant le théorème du retard et en nommant D∗0 ( p) la transformée de Laplace de l’impulsion unité

Il vient alors : D∗k ( p) = e− pkTe

La transformation en z peut être notée :

11.4.2 Intérêt de la transformée en z

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

on écrira alors : S(z) = G(z)E(z)

11.4.3 Propriétés de la transformée en z

X(z) = z−a S(z)

c) Théorème de la valeur finale

d) Multiplication par le temps

11.4.4 Transformée en z de signaux usuels

En remarquant que v (t) = t · u(t) et en utilisant la propriété étudiée précédemment, on obtient :

11.4.5 Calculs de transformées en z à l’aide de Mathematica

Ztransform [f (k) ,k,z ]

InverseZTransform [f (z) ,z,k ]

11.5 FONCTION DE TRANSFERT EN Z

a) Dispositifs de type MA en temps réel

b) Dispositifs de type MA en temps différé

c) Dispositifs de type ARMA

11.5.2 Définition de la fonction de transfert en z

Il est possible d’appliquer la transformation en z à l’expression :

Cela revient à multiplier sk par z−k et à sommer pour k variant de 0 à n :

Les sommes étant indépendantes, elles peuvent être permutées :

on définit la fonction de transfert en z, G(z) du système.

Remarque : Pour obtenir rapidement la fonction de transfert en z à partir d’une équation MA ou

11.5.3 Exemples de fonctions de transfert en z

Appliquons la transformation en z à chacun des membres :

b) Système AR en temps réel d’ordre q

Appliquons la transformation en z à chacun des membres :