0% ont trouvé ce document utile (0 vote)

510 vues141 pages

Cours Automatique

Ce document traite de l'analyse et de la commande des systèmes numériques. Il présente les concepts fondamentaux de la conversion analogique-numérique, de la représentation des systèmes numériques, de l'analyse temporelle et fréquentielle des systèmes échantillonnés et de la synthèse des correcteurs numériques.

Transféré par

siso

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

510 vues141 pages

Cours Automatique

Transféré par

siso

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Analyse et Commande

des Systèmes Numériques

Formation d’Ingénieurs en Partenariat

2ème année
Florent Nageotte

2007 − 2008
Table des matières

Introduction iii

I Analyse des systèmes numériques 1

1 Conversion AN et NA 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Effet de la conversion Analogique Numerique . . . . . . . . . . . . . . . . . 7
1.2.1 Echantillonnage idéal . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Echantillonnage réel . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Reconstruction des signaux échantillonnés . . . . . . . . . . . . . . . . . . 14
1.3.1 Reconstruction idéale . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Reconstruction approchée . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Représentation des systèmes numériques 23

2.1 La transformée en z (monolatérale) . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1 Propriétés de la transformée en z . . . . . . . . . . . . . . . . . . . 26
2.1.2 Calcul des transformées en z inverses . . . . . . . . . . . . . . . . . 27
2.2 Transmittance des systèmes échantillonnés . . . . . . . . . . . . . . . . . . 30
2.2.1 Système à temps discret (entrée et sortie numérique) . . . . . . . . 30
2.2.2 Transmittances des systèmes à entrée numérique . . . . . . . . . . . 31
2.2.3 Transmittances des systèmes à entrée analogique . . . . . . . . . . . 33
2.2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.5 Des fonctions de transfert numériques aux équations aux différences 34
2.2.6 Causalité des systèmes échantillonnés . . . . . . . . . . . . . . . . . 34
2.2.7 Calcul des transmittances en z des systèmes . . . . . . . . . . . . . 35

3 Analyse des systèmes échantillonnés 39

3.1 Relations entre pôles en s et pôles en z . . . . . . . . . . . . . . . . . . . . 39
3.1.1 Correspondances . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.2 Effet du BOZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2 Réponse temporelle des systèmes échantillonnés . . . . . . . . . . . . . . . 43
3.2.1 Modes propres associés aux pôles en z . . . . . . . . . . . . . . . . . 44
3.2.2 Cas particulier des systèmes d’ordre 1 et 2 . . . . . . . . . . . . . . 46
3.2.3 Précisions sur le théorème de la valeur finale . . . . . . . . . . . . . 47

i
3.3 Analyse de la stabilité des systèmes échantillonnés . . . . . . . . . . . . . . 48
3.3.1 Notion de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4 Réponse fréquentielle des systèmes échantillonnés . . . . . . . . . . . . . . 49
3.4.1 Réponse harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2 Gain statique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Critères algébriques de stabilité . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.1 Critère de Jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4 Analyse des boucles fermées 57

4.1 Critère de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1.1 Critère de stabilité de Nyquist . . . . . . . . . . . . . . . . . . . . . 60
4.1.2 Critère du revers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Marges de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3 Lieu d’Evans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.1 Exemple de tracé du lieu d’Evans . . . . . . . . . . . . . . . . . . . 68
4.3.2 Utilisation du lieu des racines . . . . . . . . . . . . . . . . . . . . . 70
4.4 Précision des systèmes numériques asservis . . . . . . . . . . . . . . . . . . 70
4.4.1 Classe d’un système numérique . . . . . . . . . . . . . . . . . . . . 71
4.4.2 Ecart en absence de perturbation . . . . . . . . . . . . . . . . . . . 73
4.4.3 Ecart en présence de perturbations . . . . . . . . . . . . . . . . . . 74
4.4.4 Importance de la chaı̂ne de retour . . . . . . . . . . . . . . . . . . . 75

II Correction numérique des systèmes 81

5 Synthèse des correcteurs numériques par transposition 85
5.1 Méthodes de transposition continu - numérique . . . . . . . . . . . . . . . 85
5.1.1 Transposition par échantillonnage - blocage . . . . . . . . . . . . . 86
5.1.2 Approximation bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . 88
5.1.3 Conservation des pôles et des zéros . . . . . . . . . . . . . . . . . . 93
5.1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.2 Choix de la période d’échantillonnage . . . . . . . . . . . . . . . . . . . . . 95
5.3 Prise en compte du bloqueur d’ordre zéro . . . . . . . . . . . . . . . . . . . 96
5.4 Calcul de la loi de commande et implémentation des correcteurs numériques 98
5.5 Correcteurs standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.5.1 Etude des PIDs numériques . . . . . . . . . . . . . . . . . . . . . . 101

6 Synthèse numérique des correcteurs 107

6.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.2 Synthèse fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.2.1 Exemple de synthèse fréquentielle . . . . . . . . . . . . . . . . . . . 109
6.3 Stabilité interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4 Placement de pôles numérique . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.4.1 Quelques conseils pour l’utilisation du lieu des racines pour le réglage
d’un correcteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.4.2 Exemple de réglage d’un correcteur par placement des pôles . . . . 117
Conclusion 121

Annexes 123

iii
iv
Introduction

L’automatique est la discipline qui s’intéresse à la modélisation, l’analyse et la com-

mande automatique des systèmes (Automatic System Control en anglais). Un système
est l’ensemble des phénomènes physiques qui relient un ou des signaux d’entrée à un ou
plusieurs signaux de sortie. Ces phénomènes physiques ainsi que les signaux d’entrée et
de sortie peuvent être de natures multiples :
– Electronique
– Mécanique
– Hydraulique
– Chimique
– ...
On rencontre également de nombreux systèmes faisant intervenir une multitude de phénomènes
physiques. Une automobile peut par exemple être considérée comme un système. Une des
entrées est la pédale d’accélérateur : son actionnement est de type mécanique. Les signaux
mécaniques sont ensuite tranformés en signaux électriques qui agissent sur un processus
chimique à l’intérieur du moteur. L’energie libérée par ce processus est ensuite trans-
formée en énergie mécanique pour faire accélerer la voiture. Au final, on est donc face
à un système ayant pour entrée un signal mécanique et une sortie qui est la vitesse de
rotation des roues. La plupart des systèmes que nous rencontrerons dans ce cours sont
bien sûr beaucoup plus simples.
L’automatique fournit un cadre homogène pour traiter l’ensemble des systèmes quel
que soit leur type. L’un des objectifs majeurs consiste à donner aux systèmes, ou plus
exactement aux signaux de sortie un comportement aussi proche que possible d’un com-
portement désiré.
Prenons l’exemple d’une douche dans votre club de sport préféré. Votre idéal est une
eau à 30 ˚.
Vous êtes amateur dans un petit club. Vous avez à votre disposition un seul bouton
poussoir qui met en fonctionnement le jet d’eau. La température de l’eau se stabilise à
une valeur que vous ne pouvez pas contrôler. Si vous ne supportez pas l’eau à 15˚, tant
pis pour vous. Vous faites l’expérience du système sans signal d’entrée.
Vos exploits ont été repérés par le meilleur club de votre canton dans lequel vous êtes
transféré pour la nouvelle saison. Ici, vous disposez de deux robinets : un pour l’eau chaude
et un pour l’eau froide. Vous ouvrez les deux robinets au hasard : avant de vous mettre
sous l’eau, vous ne savez pas quelle est sa température. Le système a bien une entrée
(deux en fait) mais aucun signal de mesure n’est disponible : impossible d’amener l’eau
à la température désirée sans tester. Vous découvrez alors la rétroaction manuelle. Vous
vous mettez sous la douche et en agissant par tâtonnement sur les deux robinets vous
finissez par atteindre la température désirée. Ici, la mesure de température (fournie par

v
votre système nerveux) est utilisée pour modifier l’entrée du système (les deux robinets).
C’est mieux mais cela peut prendre du temps !
Vous avez gagné un contrat professionnel. Vous disposez dans votre nouveau club
d’un régulateur de température composé de deux électro-vannes, et d’un capteur de
température. Ca vous ne le savez pas et peu importe de votre point de vue d’utilisa-
teur : il vous suffit de positionner une molette sur 30˚et au bout de quelques secondes la
température de l’eau est idéale. Vous venez de découvrir les systèmes régulés.
Dans cet exemple, les objectifs du concepteur du système régulé sont multiples :
– la température finale de l’eau doit être celle demandée, aussi bien en été qu’en hiver :
on dira que le système doit avoir une erreur statique nulle et doit être insensible aux
perturbations (la température extérieure).
– la température désirée doit être atteinte aussi vite que possible.
– il ne doit pas y avoir de dépassement important : vous voulez que la température
arrive à 30˚ sans passer par 50˚.
Afin d’arriver à ce résultat, le concepteur du système régulé doit :
– modéliser le système. Celui-ci est ici constitué de deux entrées : l’électro-vanne de
l’eau chaude et celle de l’eau froide et une sortie : la température de l’eau. Les
phénomènes physiques mis en jeu sont des échanges thermiques.
– A partir du modèle, trouver un correcteur qui permettra de respecter le cahier des
charges
Le cours d’automatique des systèmes analogiques vous a permis de connaı̂tre les outils
permettant d’arriver à ce résultat pour des systèmes analogiques linéaires mono-entrée et
mono-sortie.
L’objectif du cours de 2ème année est de fournir des outils similaires pour l’étude,
l’analyse et la commande des systèmes dits numériques.
Les systèmes automatisés sont omniprésents dans la vie courante, à tous les niveaux.
Au niveau le plus bas, tous les moteurs miniatures dans vos disques durs, lecteurs de
CD, sont asservis. A des niveaux plus élevés les régulateurs de vitesse des automobiles
modernes, les climatisations les systèmes de réglage d’assiette des avions sont des systèmes
régulés. On les trouve également et surtout dans l’industrie : machines outils, robots, mais
aussi systèmes chimiques tels que craquages pétroliers, transformations agro-alimentaires,
etc.

Quelques rappels
La figure 1 montre le schéma de principe général d’un système asservi. L’un des ob-
jectifs est de déterminer le correcteur qui permette à la sortie de suivre au mieux le
comportement de la consigne. Ce schéma est détaillé dans le cas d’un système analogique
(ou continu) sur la figure 2. On rappelle la dénomination des différents signaux et blocs
mis en oeuvre dans un tel asservissement :

1. Les signaux : leur valeur varie dans le temps et ils sont donc dépendants du temps t
– r est la consigne ou ”reference” en anglais. C’est le signal fourni par l’utilisateur,
en général le seul que l’utilisateur final puisse faire varier. Dans des systèmes
analogiques usuels, le signal de consigne est fourni à l’aide d’un générateur de

vi
perturbations

+
consigne commande sortie
correcteur processus
-

signal de mesure
mesure

bruit de mesure

Fig. 1 – Schéma de principe d’un système asservi

w(t) δy(t)

+ + + y(t)
r(t) (t) u(t) +
C(s) G(s)
+
-

ym(t) +
H(s)
+

v(t)

Fig. 2 – Système analogique asservi

vii
fonctions, ou simplement à l’aide d’un potentiomètre qui permet de régler une
valeur constante.
– y est la sortie du processus. C’est le signal que l’on cherche à réguler.
– ym est le signal mesuré à la sortie du dispositif de mesure. Ce sera par exemple
la tension fournie par le capteur de température placé dans votre douche.
– est l’erreur (ou l’écart) du signal mesuré par rapport à la consigne.
– u est le signal de commande : c’est le signal qui est envoyé au processus physique
proprement dit. Dans notre exemple, ce sera la tension d’entrée de l’étage de
puissance du système de chauffage de l’eau. Attention à ne pas confondre le signal
de commande avec le signal de consigne.
– w, v et δy sont des signaux de bruit, également appelés perturbations. Ils modélisent
des phénomènes physiques non pris en compte dans les modèles des systèmes. Ils
sont le plus souvent mal connus, voir complètement inconnus. w est une pertur-
bation d’entrée ou de charge. δy est appelée perturbation de sortie. v est un bruit
de mesure. Il peut correspondre à un défaut du système de mesure (offset, dérive,
etc.).
2. Les blocs du système : ils correspondent à des parties du système complet ayant un
rôle défini. Dans le cadre de ce cours, nous nous limiterons à des systèmes linéaires
et invariants dans le temps. En continu, ils peuvent être représentés par une fonction
de transfert (ou transmittance) qui est la transformée de Laplace de leur réponse
impulsionnelle, qui dépend de la variable de Laplace complexe s :
– G est le système à commander également appelé procédé ou encore processus. Il
est souvent noté P (s) (pour Plant ou Process) dans les ouvrages en anglais.
– H est le système de mesure ou capteur qui fournit un signal utilisable (souvent
électronique (tension ou courant)) à partir d’un signal d’un autre type (vitesse de
rotation, position, température, etc.)
– C est le correcteur (compensator ou controller en anglais) qui fournit un signal
de commande au processus en fonction du signal de consigne et du signal mesuré.

Depuis le milieu des années 90, la plupart des correcteurs sont implémentés sur des cal-
culateurs numériques : micro-contrôleurs, micro-processeurs ou même de plus en plus sur
des ordinateurs. Les avantages sont nombreux par rapport aux réalisations analogiques :
coût faible, faible sensibilités aux bruits, facilité d’implémentation et souplesse d’évolution
et de modification : alors que changer la structure d’un correcteur analogique requiert de
modifier des briques électroniques complètes, il suffit le plus souvent de modifier quelques
lignes de code pour arriver au même résultat en numérique. Toutefois, ces correcteurs ont
aussi quelques inconvénients dont une bande passante plus limitée : malgré l’augmenta-
tion constante de la vitesse des processeurs, il est encore difficile d’atteindre des périodes
d’asservissement inférieures au dixième de milliseconde. De plus il faut gérer deux types de
signaux et les faire cohabiter : signaux continus et numériques, car les processus physiques
à réguler sont dans la grande majorité des cas des systèmes analogiques.
Dans ce cours, nous étudierons les asservissements numériques, c’est-à-dire principa-
lement l’asservissement par calculateur numérique de systèmes analogiques tels que ceux

viii
Te w(t)

r(kTe) + (kTe) u(kTe) u(t) + y(t)

C(z) CNA G(s)
- +

ym(kte)

+
CAN H(s)
+

Te v(t)
partie numérique partie analogique

Fig. 3 – Schéma de l’asservissement numérique d’un processus analogique

représentés sur la figure 3, mais aussi plus généralement les systèmes contenant des signaux
numériques. La principale difficulté pour l’étude de tels systèmes est la gestion commune
de signaux de type différents : continus (ou analogiques) et discrets (ou échantillonnés,
ou numériques). Nous montrerons qu’il est possible d’appliquer un formalisme numérique
à tous les systèmes à l’intérieur desquels une partie des signaux est numérique. L’outil
fondamental de l’étude des systèmes analogiques était la transformée de Laplace. Pour les
systèmes numériques, ce sera la transformée en z qui joue un rôle équivalent.
Quelques références en français et en anglais sont fournies à la fin de ce cours [7], [5],
[2], [3], [1], [4], [6].

ix
x
Première partie

Analyse des systèmes numériques

1
Dans cette première partie, nous présenterons les principaux outils pour analyser les
systèmes numériques en boucle ouverte et en boucle fermée. Nous nous intéresserons dans
un premier temps aux effets de l’échantillonnage, c’est-à-dire la discrétisation temporelle
des signaux. Nous présenterons ensuite les outils mathématiques de modélisation des
systèmes numériques, principalement la transformée en z, et les notions de transmittance
numérique. Le chapitre 3 sera consacré à l’étude du comportement des systèmes en boucle
ouverte et aux outils d’analyse de la stabilité des systèmes en boucle ouverte. Le chapitre 4
concerne l’analyse des systèmes en boucle fermée à l’aide des outils tels que le lieu d’evans
ou le critère de Nyquist.

3
4
Chapitre 1

Conversion Analogique - Numérique

et Numérique - Analogique

1.1 Introduction
Comme nous l’avons expliqué dans l’introduction générale, de plus en plus de systèmes
font intervenir des calculateurs numériques, dont les plus courants sont les ordinateurs.
Ces calculateurs traitent des informations discrètes dans le temps et à valeurs discrètes.
Par exemple, un ordinateur travaillant avec des caractères sur 8 bits peut traiter 256
valeurs différentes. Les informations qui entrent et sortent d’un tel système sont donc
des successions de nombres du type : 123, 135, 34, 0, 255, etc. Les systèmes peuvent
être entièrement numériques (tous les signaux sont numériques), toutefois, la plupart du
temps une partie du système complet sera analogique, souvent le processus à commander
lui-même. Ce processus requiert à son entrée des signaux physiques à temps continu,
tels qu’une tension. De plus sa sortie est aussi un signal physique qui prend des valeurs
continues. Par exemple, la position angulaire d’un moteur peut prendre n’importe quelle
valeur dans l’intervalle [0, 2π] radians.
Afin d’interfacer ces deux types de signaux, il est nécessaire d’insérer à l’intérieur du
système des éléments de conversion analogique → numérique et numérique → analogique.
Nous ne détaillerons pas dans ce cours le fonctionnement de ces convertisseurs. Nous allons
en revanche nous intéresser à l’effet de ces convertisseurs sur la forme des signaux.
Un convertisseur analogique - numérique réalise principalement deux opérations (voir
figure 1.1) :
– l’échantillonnage du signal, c’est-à-dire sa discrétisation temporelle, avec une période
fixe qui sera généralement notée Te
– la quantification du signal, c’est-à-dire la discrétisation des valeurs qu’il peut prendre,
afin de mettre le signal sous un format de représentation compatible avec les calcu-
lateurs.
Le convertisseur numérique - analogique réalise les opérations inverses. Dans la grande
majorité des cas (et dans tous les cas considérés dans ce cours), les convertisseurs présents
dans un système travaillent avec une fréquence d’échantillonnage unique et de façon syn-
chrone.
En automatique, c’est surtout l’effet de la discrétisation temporelle (l’échantillonnage)
qui est important. L’effet de la quantification sera étudié mais nous montrerons qu’il peut

5
f (t) f (t)

t t
Te

f (t) f (t) quantification

de pas ∆q

∆q

t t

échantillonnage de période Te

Fig. 1.1 – Les 4 types de signaux : en haut à gauche un signal analogique. En haut à
droite un signal échantillonné (ou à temps discret), en bas à gauche un signal quantifié et
en bas à droite un signal numérique.

6
f (t)

t
Te

Fig. 1.2 – Principe de l’échantillonnage idéal

être assimilé à une perturbation appelée bruit de quantification. Dans un premier temps,
nous ne considérerons que l’effet de l’échantillonnage, et nous parlerons indifféremment
de signaux échantillonnés ou numériques. Ces signaux seront notés f (kTe ) ou f (k) en
considérant la période d’échantillonnage sous-entendue.

1.2 Effet de la conversion Analogique Numerique

Les calculateurs numériques traitent des informations discrètes dans le temps. Au
contraire les signaux fournis et acceptés par la plupart des processus physiques sont
des grandeurs (souvent électriques (tensions ou courants)) continues dans le temps. Le
découpage temporel d’une grandeur physique continue en une suite de données discrètes
s’appelle ”échantillonnage”.

1.2.1 Echantillonnage idéal

Effet temporel
L’échantillonnage idéal consiste à prélever à période fixe Te la valeur du signal continu,
comme représenté sur la figure 1.2.
Mathématiquement, cette opération peut se représenter de la façon suivante : à toute
fonction du temps f (t) l’échantillonnage associe la fonction fe (t) définie par :

fe (t) = f (t)δTe (t) (1.1)

où δTe (t) est le peigne d’impulsions de Dirac.

Le peigne de Dirac est une distribution périodique de période Te d’impulsions de Dirac
définie de la façon suivante :
∞
X
δTe (t) = δ(t − kTe )
k=−∞

Les propriétés des distributions de Dirac sont rappelées en annexe de ce document.

On notera que fe est définie pour toute valeur de t (elle n’est donc pas discrète au sens
strict du terme) mais elle est nulle pour tout t 6= kTe .

7
fe vaut donc :
k=∞
X +∞
X ∞
X
fe (t) = f (t) δ(t − kTe ) = f (t)δ(t − kTe ) = f (kTe )δ(t − kTe )
k=−∞ k=−∞ k=−∞

L’échantillonneur idéal sera représenté par le schéma suivant :

Effet fréquentiel de l’échantillonnage idéal

Afin d’observer l’effet de l’échantillonnage sur un signal, nous allons nous intéresser à
la densité spectrale d’amplitude du signal avant et après échantillonnage.
La densité spectrale d’amplitude d’un signal continu, également appelée spectre du
signal, représente le contenu fréquentiel de ce signal. Elle est définie par la transformée
de Fourier du signal : Z +∞
F (jω) = f (t)e−jωt dt (1.2)
−∞

Il s’agit d’une fonction complexe de la pulsation ω (chaque valeur F (jω) est un nombre
complexe). Afin de la représenter graphiquement, on l’exprime souvent sous forme d’ex-
ponentielle complexe, et on représente séparément son module et sa phase. On peut sim-
plement montrer (en séparant partie réelle et partie imaginaire) que le module est pair
(|F (−jω)| = |F (jω)|) et que la phase est impaire (ϕ(F (−jω)) = −ϕ(F (jω))).
Afin de connaı̂tre la densité spectrale du signal échantillonné, on a besoin de calculer
sa transformée de Fourier.

Transformées de Laplace et de Fourier d’un signal échantillonné

Les transformées de Laplace et de Fourier sont très proches, comme vous avez pu le
voir dans le cours d’automatique de 1ère année (pour un rappel, vous pouvez vous référer
aux annexes à la fin de ce document). Dans le cadre de l’automatique, ce qu’on nomme
transformée de Laplace est en fait la transformée de Laplace monolatérale, c’est-à-dire
calculée pour les valeurs de temps positif. Pour des signaux continus, elle est définie par :
Z +∞
F (s) = f (t)e−st dt (1.3)
0

où s est la variable complexe de Laplace (que vous trouverez parfois notée p en d’autres
lieux et ouvrages).

rem. 1 Dans le cadre de ce cours, on ne calculera la transformée de Laplace que pour

des signaux causaux, c’est-à-dire nuls ∀t < 0. Dans ce cas, la transformée de Laplace
monolatérale se confond avec la transformée bilatérale.

La transformée de Laplace d’un signal échantillonné peut être calculée de façon clas-
sique à partir de l’expression 1.3, puisque fe (t) est une fonction définie pour toutes valeurs

8
de t. Le calcul peut être mené de deux façons qui conduisent à des expressions différentes
(mais bien évidemment équivalentes) et qui seront intéressantes par la suite (le signal f (t)
est ici supposé causal) :
1. 1ère formulation

Z +∞ Z +∞ ∞
fe (t)e−st dt = f (kTe )δ(t − kTe ))e−st dt
X
Fe (s) = L(fe (t)) = ( (1.4)
0 0 k=−∞

En utilisant la causalité du signal f , on ramène la somme discrète de 0 à ∞, puis

en inversant somme et intégrale, on obtient :
+∞ Z +∞ ∞ Z +∞
f (kTe )δ(t − kTe )e−st dt) = δ(t − kTe )e−st dt
X X
Fe (s) = ( f (kTe )
k=0 0 k=0 0
(1.5)
où on reconnaı̂t la transformée de Laplace de l’impulsion de dirac décalée dans le
temps :
∞
X
Fe (s) = f (kTe )L(δ(t − kTe )). (1.6)
k=0

Or la transformée de Laplace de l’impulsion de Dirac vaut (revoir les propriétés de

l’impulsion de dirac) :
(
e−kTe s si k ≥ 0
L(δ(t − kTe )) = (1.7)
0 sinon

∞
f (kte )e−kTe s
X
D’où finalement : Fe (s) =
k=0

2. 2nde formulation
Cette seconde formulation se base sur la décomposition du peigne de Dirac qui est
une fonction périodique de période Te en série de Fourier :
∞
2πkt
ck ej
X
δTe (t) = Te (1.8)
k=−∞
avec T
1 Z +− 2e 2πkt
ck = δTe (t)e−j Te dt (1.9)
Te − 2
Te

Des propriétés de l’impulsion de Dirac on déduit simplement que

1
ck = (1.10)
Te
et
∞
X 1 j 2πkt
δTe (t) = e Te (1.11)
k=−∞ Te

9
Avec cette nouvelle expression du peigne de Dirac et de l’expression de fe donnée
par 1.1, la transformée de Laplace de fe s’exprime de la façon suivante :
Z +∞ +∞
1 j 2πkt
e Te )f (t)e−st dt
X
Fe (s) = ( (1.12)
0 T
k=−∞ e

1 +∞X Z ∞ 2πk
= ( f (t)e−(s−j Te )t dt) (1.13)
Te k=−∞ 0

où on reconnaı̂t la transformée de Laplace du signal continu décalée :

1 +∞X 2πk
Fe (s) = F (s − j )
Te k=−∞ Te

rem. 2 La seconde formulation est également valable dans le cas où les signaux ne sont
pas causaux, ce qui n’est pas le cas de la première formulation.

La transformée de Fourier d’un signal échantillonné se calcule de façon équivalente.

Il suffit de noter que Fe (jω) = F(fe (t)) = Lb (fe (t)) lorsque la variable de laplace est
purement imaginaire, c’est-à-dire : s = jω.
Remarque : Il s’agit ici de la transformée de Laplace bilatérale et il faut donc légèrement
modifier les calculs, ce qui pourra être fait à titre d’exercice.
En reprenant la seconde formulation, on aboutit après calcul à :
1 +∞X 2πk
Fe (jω) = F (j(ω − ))
Te k=−∞ Te
A partir de cette équation, on note que la transformée de Fourier (donc la densité
spectrale d’amplitude) du signal échantillonné est la somme des transformées de Fourier
du signal continu, décalées dans le domaine des fréquences de 2kπ Te
, avec k = −∞, ..., +∞.
1
et atténuées (ou amplifiées selon la valeur de Te ) de Te .
Le spectre d’un signal continu et du signal correspondant échantillonné sont représentés
sur la figure 1.3 : le spectre du signal échantillonné est la périodisation du spectre du signal
continu, avec une période de 2π Te
= 2πfe = ωe .

rem. 3 Il s’agit d’une période dans l’espace des pulsations et non pas d’une période tem-
porelle. C’est pourquoi sa dimension est en rad/s.

On observe donc plusieurs ”bandes” dont la largeur est ωe . La bande centrée autour de
0 Hz est appelée bande de base du signal échantillonné. Les autres bandes sont appelées
bandes complémentaires et numérotées à partir de la bande de base -1, -2, etc. pour les
pulsations négatives et +1, +2, etc. pour les pulsations positives.
Deux cas peuvent se présenter :
– si la densité spectrale du signal continu est nulle pour les pulsations supérieures à
ωe
2
, i.e. ωm < ω2e , alors les spectres périodisés sont disjoints, comme sur la figure 1.3.
– sinon, les spectres périodisés se superposent localement, comme sur la figure 1.4.
On dit qu’il y a repliement du spectre des bandes complémentaires dans la bande
de base (on parlera simplement de repliement spectral). On utilise également le
terme anglo-saxon ”aliasing”.

10
rem. 4 Même si la représentation graphique laisse penser que l’amplitude des spectres
périodisés s’ajoute, la combinaison est en réalité plus compliquée. Pour s’en convaincre,
il suffit de se souvenir que les transformées de Fourier sont des fonctions complexes
et que le module de la somme de deux complexes n’est pas égal à la somme des
modules de ces complexes.

1.2.2 Echantillonnage réel

L’échantillonnage idéal consiste à prélever la valeur d’un signal continu de façon ins-
tantanée, c’est-à-dire en une durée infiniment courte. En pratique, les convertisseurs ana-
logique - numérique ne peuvent pas acquérir un signal instantanément. Ils acquièrent le
signal sur une fenêtre de durée finie, et le signal continu est le plus souvent moyenné sur
cette fenêtre (voir figure 1.5).
Nous cherchons simplement ici à mettre en évidence la distorsion qui est créée par
l’échantillonnage réel par rapport à l’échantillonnage idéal. Pour cela, considérons un
signal continu sinusoı̈dal (non causal) de la forme f (t) = A sin (ωt). Le signal échantillonné
idéal est défini de la façon suivante : feid (kTe ) = A sin (ωkTe ).
Considérons maintenant un échantillonnage réel. Mathématiquement, il consiste à
moyenner le signal continu entrant sur une fenêtre de durée Tr < Te . On a donc :

1 Z kTe
fereel (kTe ) = A sin (ωt) (1.14)
Tr kTe −Tr

Après calcul, on obtient :

ωTr Tr
fereel (kTe ) = Asinc( ) sin (ω(kTe ) − ω ) (1.15)
2 2
sin(x)
où la fonction sinus cardinal est définie de la façon suivante : sinc(x) = x
.

On observe donc que l’amplitude du signal échantillonné est attenuée par sinc( ωT2 r ).
Plus Tr est grand et plus l’atténuation est importante. D’autre part, le signal est retardé
de la moitié de la durée d’acquisition du signal. Le retard est d’autant plus important que
Tr est important.
Il est évident au vu de cette étude qu’il est important d’utiliser des convertisseurs
analogique - numérique dont le temps d’intégration est le plus court possible. On pourra
considérer que l’échantillonnage réalisé par un convertisseur est idéal si Tr Te ce
qui est en général le cas. Dans la suite de ce cours, nous considérerons toujours des
échantillonneurs idéaux, sauf si le contraire est précisé. Toutefois, vous rencontrerez pro-
bablement des cas où le système de conversion analogique - numérique ne pourra pas
être considéré comme idéal. C’est notamment le cas lorsqu’on travaille à une période
d’échantillonnage élevée avec des capteurs optiques tels qu’une caméra : le signal numérique
(l’image) fournie par une caméra est le résultat de l’intégration de la lumière sur des cap-
teurs CCD pendant une durée de l’ordre de 10ms pour une caméra classique. La diminution
du temps d’intégration résulte en une diminution de la luminosité de l’image et elle n’est
donc pas souhaitable.

11
|F (jω)|

−ωm ωm ω
bandes complémentaires
-2 -1 |Fe(jω)| 1 2
− ω2e ωe
2
A
Te

−2ωe −ωe ωe 2ωe ω

bande de base
ϕ(F )

−ωm
ωm ω

ϕ(Fe)

−2ωe −ωe ωe 2ωe ω

ωe
Fig. 1.3 – Effet de l’échantillonnage sur le spectre d’un signal dans le cas où ωm < 2

12
A

−ωm ωm ω

− ω2e ωe
2

A
Te

−2ωe −ωe ωe 2ωe ω

ωe
Fig. 1.4 – Effet de l’échantillonnage sur le spectre d’un signal dans le cas où ωm > 2

f (t)

valeur de l’échantillon

Tr Te

Fig. 1.5 – Echantillonnage réel par moyennage sur une fenêtre d’acquisition de durée finie

13
1.3 Reconstruction des signaux échantillonnés
Les systèmes numériques rencontrés comportent également des convertisseurs numérique
- analogique qui transforment les signaux échantillonnés en signaux continus. La question
qui se pose est de savoir quelle valeur donner au signal continu reconstruit en dehors des
instants d’échantillonnage. L’idéal consisterait à pouvoir reconstruire le signal continu qui
par échantillonnage a donné le signal échantillonné dont on dispose.

1.3.1 Reconstruction idéale

Considérons le cas très simple où le signal numérique n’a pas été modifié, après son
échantillonnage comme dans le schéma ci-dessous :
Te

f (t) fe(t) fr (t)

CNA

L’objectif de la reconstruction est de retrouver le signal continu qui a donné lieu

par échantillonnage au signal entrant dans le convertisseur numérique - analogique :
idéalement, on souhaite avoir fr (t) = f (t)∀t.
Une analyse très simple du problème montre que dans le cas général, la reconstruction
parfaite n’est pas possible. En effet, si on considère les deux signaux f et g de la figure
1.6, on voit bien que f (kTe ) = g(kTe )∀k. Il n’est donc pas possible de reconstruire f et
g à partir de la seule information de f (kTe ) et g(kTe ) aux instants d’échantillonnage : il
faut une condition supplémentaire.
En fait, deux cas se présentent.
– Si le signal continu initial est tel que la pulsation maximale contenue dans son spectre
ωm vérifie ωm < ω2e (voir figure 1.3), il est théoriquement possible de retrouver le
signal continu à partir du signal échantillonné par un filtrage passe-bas idéal de
largeur ω2e et d’amplitude Te , comme cela est montré sur la figure 1.7.
– Sinon (voir figure 1.4), il est impossible de reconstruire le signal continu initial à
cause du repliement spectral.
rem. 5 On pourrait également filtrer une des bandes complémentaires au lieu de la bande
de base. Toutefois, la synthèse d’un filtre passe-bas est plus facile que celle d’un filtre
passe-bande.
Ces règles sont connues sous le nom de théorème de Shannon (1948) :
Th. 1 Soit un signal continu f (t) dont le spectre est contenu dans l’intervalle de fréquence
[−fm , +fm ] échantillonné à la fréquence fe . Pour pouvoir reconstruire le signal f sans
perte à partir des échantillons f (kTe ), il faut que fe > 2fm , ou encore que fm < f2e . Ces
conditions seront appelées conditions de Shannon et on appellera fréquence de Nyquist
fN = f2e la fréquence maximale du signal continu pour laquelle il n’y a pas de repliement
spectral.
Si on reprend l’exemple de la figure 1.6 à la lumière de ce théorème, on comprend que
le signal f peut être reconstruit, puisque fm = 0 < fN , mais qu’au contraire g ne peut
pas être reconstruit puisque fm = T1e > fN = 2T1 e .

14
f (kte) = g(kTe) = A
g(t) = A + sin(2π Tte )

Te
f (t) = A

Fig. 1.6 – Deux signaux continus différents peuvent donner deux signaux échantillonnés
identiques

Te
-2 -1 |Fe(ω)| 1 2
− ω2e ωe
2
A
Te

−2ωe −ωe ωe 2ωe ω

|Fr (ω)|
filtrage
A
passe-bas

Fig. 1.7 – Principe de la reconstruction idéale par filtrage passe-bas

15
Effet temporel de la reconstruction idéale

On considère le filtre passe-bas idéal permettant de reconstruire le signal continu à

partir du signal échantillonné. Sa fonction de tranfert harmonique est une fonction porte
de hauteur Te et de largeur ωe centrée sur 0 :
(
0 si |ω| > ω2e
H(jω) =
Te si |ω| ≤ ω2e

Le signal de sortie fr (t) de ce filtre a pour transformée de Fourier :

Fr (jω) = H(jω)Fe (jω)

Par transformée de Fourier inverse, en utilisant la propriété du produit de convolution,

on a :
fr (t) = F −1 (Fr (jω)) = F −1 (H(jω)) ∗ F −1 (Fe (jω)) = h(t) ∗ fe (t)

Or, on a (voir définition de la transformée de Fourier inverse en annexe) :

1 Z +∞
h(t) = F −1 (H(jω)) = H(jω)ejωt dω
2π −∞
ω
Te Z + 2e jωt
= e dω
2π − ω2e
Te πt
= sin( )
πt Te

Le calcul de fr donne alors :

Z +∞ Z +∞ +∞
X
fr (t) = h(t) ∗ fe (t) = fe (x)h(t − x)dx = f (kTe )δ(x − kTe )h(t − (1.16)
x)dx
−∞ −∞ k=−∞
+∞
X Z +∞
= f (kTe )h(t − kTe )dx (1.17)
k=−∞ −∞
+∞
X Te π(t − kTe
= f (kTe ) sin( )) (1.18)
k=−∞ π(t − kTe ) Te

Finalement, on obtient :

1 +∞X t − kTe
fr (t) = f (kTe )sinc( ) (1.19)
Te k=−∞ Te

Le signal reconstruit (identique au signal initial) est donc une somme infinie de sinus
cardinaux décalés et pondérés par les échantillons. La figure 1.8 montre l’effet temporel
de la reconstruction idéale pour un signal sinusoı̈dal.

16
éch. 1 à 2 éch. 1 à 10

éch. 1 à 20 éch. 1 à 100

Fig. 1.8 – Exemple de reconstruction idéale : f (t) = sin(2πt), Te = 0.2s, à partir de 2,

10, 20 et 100 échantillons

éch. 1 à 2 éch. 1 à 10

éch. 1 à 20 éch. 1 à 100

Fig. 1.9 – Tentative de reconstruction idéale lorsque les conditions de Shannon ne sont
pas respectées : f (t) = sin(2πt), Te = 0.6s, à partir de 2, 10, 20 et 100 échantillons

17
Filtres anti-repliement
La période d’échantillonnage d’un convertisseur analogique numérique doit être choisie
de sorte que les conditions de Shannons soient vérifiées pour les signaux d’intérêt. Toutefois
il est possible que des signaux de bruit haute fréquence, dont le spectre passe au-delà de
la fréquence de Nyquist, s’ajoutent aux signaux utiles. Il est donc utile de filtrer les
signaux avant leur conversion analogique - numérique. On utilise pour cela des
filtres passe-bas appelés filtres anti-repliement ou anti-aliasing.

Exercice Considérons un signal continu dont le spectre (module seulement) est représenté
sur la figure suivante :
|F (jω)|

-100 100 rad/s

Ce signal est perturbé par un bruit sinusoı̈dal additif de fréquence 204 Hz. Le signal
bruité est reçu par un convertisseur analogique numérique (supposé idéal) travaillant à
une fréquence de 50 Hz. Le signal numérique est ensuite transmis sur une ligne et reçu à
longue distance où il est converti en un signal analogique par un convertisseur numérique -
analogique idéal. Déterminez le spectre du signal de sortie et prédisez la forme temporelle
du bruit sur le signal reconstruit. Proposez une méthode pour rejeter ce bruit de façon
efficace.

1.3.2 Reconstruction approchée

Réaliser un filtre passe-bas parfait est problématique en pratique : il faudrait synthétiser
un filtre d’ordre infini à déphasage nul. Ce type de filtre est non-causal. Pour s’en rendre
compte, il suffit d’observer la forme temporelle du signal reconstruit idéal donnée par
l’équation 1.19 : pour obtenir la valeur du signal à un instant t, on a besoin de l’ensemble
des valeurs échantillonnées du signal : non seulement celles qui précèdent t mais aussi
celles du futur ! La reconstruction idéale n’est donc possible que si on dispose du signal
échantillonné complet (ou au moins sur une fenêtre assez large), mais elle ne peut pas
fonctionner en temps réel.
En pratique, les convertisseurs numérique - analogique réalisent simplement le blo-
quage de la valeur échantillonnée pendant une période d’échantillonnage, comme indiqué
sur le schéma 1.10.
On parlera de ”bloqueur d’ordre zéro”, car il réalise en fait une interpolation d’ordre
0 des valeurs du signal échantillonné (le seul ordre d’interpolation qui soit causal et qui
puisse par conséquent être réalisé en temps réel sans introduire de retard). La réponse
impulsionnelle de ce système est une fonction rectangle unitaire de largeur Te .

rem. 6 La réponse impulsionnelle d’un système est la réponse de ce système à une entrée
impulsion. En analogique, l’impulsion est représentée par un dirac. En numérique, elle

18
f (t)

fBOZ (t)

Fig. 1.10 – Principe de la reconstruction par bloqueur d’ordre 0

sera représentée par la suite numérique suivante : 1 0 0 0 0 ..., puisque nous avons vu
que chaque échantillon est équivalent à une impulsion de Dirac.

Effet fréquentiel du bloqueur d’ordre zéro

Nous allons déterminer dans cette section quel est la distorsion fréquentielle amenée par
le bloqueur d’ordre zéro par rapport à une reconstruction idéale. Calculons tout d’abord la
fonction de transfert du ”bloqueur d’ordre zéro”, que nous noterons pour abréger BOZ (ou
ZOH en anglais pour Zero-Order Holder). Cette fonction de transfert est la transformée
de Laplace de la réponse impulsionnelle du système.
La réponse impulsionnelle peut s’écrire

g(t) = Γ(t) − Γ(t − Te )

où Γ(t) est l’échelon unité. En calculant la transformée de Laplace de y(t) de façon usuelle,
on obtient (voir tableau des transformées de Laplace) :

1 e−Te s
G(s) = −
s s
Donc la fonction de transfert du BOZ est donnée par

1 − e−Te s
B0 (s) = .
s
Considérons un signal analogique vérifiant les conditions du théorème de Shannon.
Après échantillonnage (supposé idéal) et bloquage, le signal de sortie obtenu a pour trans-
formée de Fourier (donc comme spectre) :

1 − e−Te jω 1 +∞X
Fr (jω) = B0 (jω)Fe (jω) = F (jω − kωe )
jω Te k=−∞

– Dans la bande de base, i.e. pour ω ∈ [− ω2e , ω2e ],

19
Te Te
1 − e−Te jω 1 Te e
jω 2 − e−jω 2
Fr (jω) = F (jω) = e−jω 2 F (jω)
jω Te 2Te
D’où on tire
Te Te
Fr (jω) = e−jω 2 sinc(ω )F (jω)
2
Par conséquent, dans la bande de base, le signal échantillonné puis bloqué a un
spectre qui est celui du signal
initial
mais :
Te
– déformé en module par sincω 2 . Les composantes proches des limites de la bande

de base sont attenuées par sinc ω2e T2e = sinc( π2 ) ∼ 0.63. Afin que l’atténuation

soit aussi petite que possible, il est important que les fréquences contenues dans
le signal ne s’approchent pas trop près des limites de la bande de base. En
d’autres termes, il est souhaitable que la pulsation d’échantillonnage soit suffi-
samment grande pour que les fréquences utiles du signal ne soient pas trop près
des limites de la bande de base. Nous reviendrons sur ces notions par la suite,
lorsque nous parlerons de la transposition des correcteurs analogiques en correc-
teurs numériques.
– retardé de T2e . On peut noter que le retard est d’autant plus faible que la période
d’échantillonnage est petite. Il est donc aussi souhaitable que la période d’échan-
tillonnage soit aussi faible que possible.
– Dans les autres bandes : considérons la bande +n. Pour ω ∈ [nωe − ω2e , nωe + ω2e ]

1 − e−Te jω 1
Fr (jω) = F (j(ω − nωe ))
jω Te
où F (j(ω − nωe )) est le spectre du signal original (puisqu’on a supposé qu’il n’y
avait pas de repliement spectral) et on retrouve, après calcul,
Te Te
Fr (jω) = e−jω 2 sinc(ω )F (j(ω − nωe ))
2

Comme sinc(ω T2e ) devient très faible lorsque ω s’éloigne de 0, c’est surtout dans

les premières bandes complémentaires (+1 et -1) que l’effet du bloqueur d’ordre 0
est non négligeable. En observant le schéma de la figure 1.11, on se rend compte
que si le signal utile n’a pas de composante aux bords de la bande de base, alors
les composantes dans les bandes complémentaires sont très faibles. Dans les autres
cas, il pourra être utile de filtrer les bandes complémentaires à l’aide d’un filtre
passe-bas après reconstruction.

1.4 Conclusion
Nous avons donc vu que l’échantillonnage idéal réalise la périodisation du spectre du
signal continu (période T1e ). Un phénomène dit de repliement spectral apparaı̂t lorsque la
fréquence maximale contenue dans le spectre du signal est plus élevée que la fréquence de
Nyquist fN = f2e . En pratique, on considérera que l’échantillonnage est idéal si la durée

20
sinc( ωT2 e )

|Fr (jω)|

|F (jω)|

ωe
ωe ω
2

Fig. 1.11 – Spectre d’un signal reconstruit avec bloqueur d’ordre zéro

d’acquisition du signal continu par le convertisseur analogique numérique est faible par
rapport à la période d’échantillonnage (typiquement Tr < T10e ).
La reconstruction idéale d’un signal continu à partir de sa version échantillonnée n’est
possible que dans les conditions de Shannon énoncées plus haut. Afin de garantir ces
conditions, il est fondamental de filtrer les signaux continus avant leur échantillonnage
de sorte que leur spectre vérifie les conditions du théorème de Shannon. En pratique, la
reconstruction est réalisée par un bloqueur d’ordre zéro qui introduit un retard dans le
signal reconstruit.

21
22
Chapitre 2

Représentation des systèmes

numériques

Un système numérique linéaire invariant est défini par une relation de la forme suivante
entre son entrée u et sa sortie y :
n
X m
X
ai y(k − i) = bj u(k − j) (2.1)
i=0 j=0

Ce type d’équation est appelée équation aux différences ou équation récurrente, car
elle permet de calculer itérativement la valeur de la sortie aux instants d’échantillonnage
à partir de l’entrée à ces mêmes instants et des conditions initiales.

Exple 1 On considère l’équation aux différences suivante :

2y[k] + y[k − 1] − y[k − 2] = u[k] − u[k − 1]

Cette équation est dite d’ordre 2 car elle fait intervenir la sortie 2 pas d’échantillonnage
avant l’instant courant. Pour pouvoir déterminer la valeur de la sortie à chaque instant,
il est nécessaire de connaı̂tre deux valeurs successives de la sortie, appelées conditions
initiales.
On donne par exemple : y[−2] = 1 et y[−1] = 1. L’entrée est un échelon unité, i.e.
(
0 si k < 0
u(k) = Γ[k] =
1 si k ≥ 0

En isolant y[k] dans l’équation aux différences, on obtient :

1
y[k] = (u[k] − u[k − 1] − y[k − 1] + y[k − 2])
2
. On peut alors calculer :
– y[0] = 0, 5.(1 − 0 − 1 + 1) = 0, 5
– y[1] = 0, 5.(1 − 1 − 0, 5 + 1) = 0, 25
– y[2] = 0, 5.(1 − 1 − 0.25 + 0, 5) = 0, 125
– y[3] = 0, 5.(1 − 1 − 0.125 + 0.25) = 0.0625
– etc.

23
Dans ce cas particulier, on voit que y[k] = y[k−1]
2
. Cela peut se démontrer par récurrence.
On a montré que la relation est vraie à l’ordre 1. On suppose que la relation est vraie à
l’ordre k. Alors

y[k + 1] = 0.5.(1 − 1 − y[k] + y[k − 1]) = 0, 5.(−y[k] + 2 ∗ y[k]) = 0, 5y[k].

La relation est donc vraie à l’ordre k+1. Finalement, on obtient : y[k] = 0, 5k y[0] = 0, 5k+1 .

rem. 7 De manière générale, il n’est pas toujours aussi simple de déterminer l’expression
temporelle du signal de sortie à partir de l’équation récurrente. Nous verrons donc par
la suite d’autres méthodes permettant de résoudre de telles équations aux différences de
façon systématique.

Les systèmes analogiques linéaires (étudiés en 1ère année) ont été représentés par leur
fonction de transfert, qui est la transformée de Laplace de leur réponse impulsionelle.
Nous avons montré dans la première partie de ce cours qu’il est possible de calculer
la transformée de Laplace de signaux échantillonnés en considérant que ce sont des si-
gnaux à temps continu. Par conséquent, il est toujours possible de représenter un système
numérique linéaire par la transformée de Laplace de sa réponse impulsionnelle.
Toutefois, l’intérêt de la transformée de Laplace était de transformer l’équation différentielle
qui relie la sortie et l’entrée d’un système analogique linéaire en une équation polynômiale
résoluble manuellement. Malheureusement, la transformée de Laplace ne permet plus cette
transformation pour les systèmes échantillonnés : en d’autres termes, la transformée de
Laplace de la réponse impulsionnelle d’un système numérique linéaire ne peut pas se
mettre sous forme de fraction rationnelle.
Afin de pouvoir traiter les systèmes numériques de façon similaire aux systèmes conti-
nus, on définit une transformation mathématique appelée transformée en z.

2.1 La transformée en z (monolatérale)

Définition 1 La transformée en z d’un signal fe (t) échantillonné causal est la trans-
formée de Laplace (monolatérale) du signal, dans laquelle on a effectué le changement de
variable z = eTe s .

Rigoureusement, la transformée en z s’applique à un signal temporel. Toutefois, par

abus de notation, on écrira souvent Z{F (s)}. Cette notation est le raccourci de : Z{L−1 (F (s))}.
En reprenant la formulation 1 de la transformée de Laplace des signaux échantillonnés
et en posant z = eT s , on obtient :
+∞
f (kTe )z −k
X
F (z) = Z{fe (t)} =
k=0
De façon similaire, la transformée en z d’un signal numérique fn (t) est définie par :
k=+∞
f (k)z −k
X
F (z) = Z{fn (t)} =
k=0

rem. 8 On fait ici la différence entre un signal échantillonné qui est le résultat de l’échantillonnage
d’un signal continu à période Te et un signal numérique qui est une suite de valeurs.

24
rem. 9 La définition donnée est valable pour les signaux causaux uniquement. Pour des
signaux non causaux, la somme va rigoureusement de −∞ à +∞ (voir le calcul de la
transformée de Laplace des signaux échantillonnés : dans la première formulation, on uti-
lise la propriété de causalité des signaux pour obtenir le résultat similaire à la transformée
en z).
La transformée en z peut aussi être calculée pour un signal continu, mais il faut bien
comprendre qu’elle ne prend en compte le signal qu’aux instants d’échantillonnage et ne
contient aucune information sur ce signal en dehors de ces instants. Pour s’en rendre
compte il suffit de comparer la transformée en z de ces deux signaux :
Ex. 1 – f (t) = A
– g(t) = Asin(2πf t) avec f = 10 Hz
si la période d’échantillonnage est choisie à Te = 0.1s tout d’abord, puis à Te = 0.05s.
La transformée en z est une fonction de la variable complexe z, et elle n’est définie
que dans la partie du plan complexe pour laquelle la série entière qui la définit converge.
Cette zone est souvent l’extérieur d’un disque de rayon R0 centré en 0. Dans ce cas, on
appelle R0 le rayon de définition de la transformée en z. En toute rigueur mathématique,
il faut donc accompagner la transformée en z de son rayon de convergence. En pratique
on s’en dispensera souvent (sauf lorsque cela sera expressémment demandé !).
rem. 10 On notera qu’avec la majorité des signaux que nous rencontrerons, la conver-
gence se fait à l’extérieur du disque, et donc la zone de définition de la transformée en
z est d’autant plus grande que son rayon de définition R0 est petit !
Exple 2 Considérons le signal numérique défini par :
(
0 si k < 0
f (k) = (2.2)
(−1)k si k ≥ 0
Il s’agit d’une alternance entre 1 et -1. La transformée en z de ce signal se calcule de la
façon suivante :
k=+∞
(−1)k z −k
X
Z(f (k)) =
k=0
On reconnaı̂t la somme des termes d’une suite géométrique de raison r = − z1 . Cette série
1
converge si et seulement si |r| = |z| < 1 donc si et seulement si |z| > 1. Elle vaut alors
z
F (z) = 1+z .
rem. 11 Rappel de la formule de calcul de la somme des termes d’une suite géométrique
(souvent utile pour calculer une transformée en z) : on considère une suite géométrique
de raison r définie par x(k) = rk ∀k ≥ 0. La somme des termes successifs entre le terme l
et le terme n (n > l ≥ 0) vaut :
k=n
X rl − rn
x(k) =
k=l 1−r
Ce résultat se généralise au cas n → ∞ à
∞
X rl
x(k) =
k=l 1−r
à condition que |r| < 1.

25
2.1.1 Propriétés de la transformée en z
La tranformée en z a un certain nombre de propriétés intéressantes que nous présentons
ici. Considérons deux signaux à temps discret f (k) et g(k). On note F (z) et G(z) leurs
transformées en z respectives. α et β sont des réels quelconques.
On peut montrer que :
Linéarité
Z{αf (k) + βg(k)} = αF (z) + βG(z)
rem. 12 Pour les signaux usuels rencontrés en automatique, le rayon de conver-
gence de la transfromée en z de la combinaison linéaire des deux signaux est le plus
grand des rayons de convergence de F(z) et G(z).
Retard Pour des signaux causaux,

Z{f (k − n)} = z −n F (z)∀n ∈ N

De plus, comme la transformée de Laplace de f (t − nTe ) s’écrit e−nTe s F (s), on a :

Z{e−nTe s F (s)} = z −n F (z)

D’autre part, pour des signaux non causaux (ayant des conditions initiales non
nulles) :
n−1
Z{f (k − n)} = z −n F (z) + f (i − n)z −i ∀n ∈ N
X

i=0

Ces relations particulièrement utiles sont appelées théorème du retard.

Avance
i=n−1
Z{f (k + n)} = z n F (z) − f (i)z n−i ∀n ∈ N
X

i=0

Multiplication par une rampe / dérivation

dF (z)
Z{kf (k)} = −z
dz
Multiplication par une exponentielle

Z{e−ak f (k)} = F (zea )

Théorème de la valeur finale

lim f (t) = lim f (kTe ) = lim (1 − z −1 )F (z)

t→∞ k→∞ z→1

ATTENTION ! ! : Ce théorème n’est valable que lorsque f (t) converge

ou, de façon équivalente, lorsque le point 1 est à l’intérieur de la région
de définition de la transformée en z.
Par exemple, la séquence f (k) = 2k diverge quand k −→ ∞. Pourtant
z
F (z) = z−2 et limz→1 (1 − z −1 )F (z) = 0 ! !

26
Théorème de la valeur initiale

lim f (t) = lim f (kTe ) = lim F (z)

t→0 k→0 z→∞

Convolution
+∞
X +∞
X
(f ∗ g)(k) = f (k − n)g(n) = f (n)g(k − n)
n=−∞ n=−∞

k
X
Si f et g sont causales ((f ∗ g)(k) = f (n)g(k − n)) alors :
n=0

Z{(f ∗ g)} = F (z)G(z)

Le théorème du retard fait apparaı̂tre une propriété très intéressante de la transformée

en z : les retards multiples de la période d’échantillonnage sont linéarisés par cette trans-
formée.
Le calcul des transformées en z peut être délicat et nécessite une bonne connaissance
de la manipulation des séries entières. Par conséquent, les transformées en z des fonctions
usuelles ont été regroupées dans des tableaux de transformées comme celui fournit à la
fin de ce cours.

2.1.2 Calcul des transformées en z inverses

Il sera utile de déterminer les fonctions temporelles à partir des transformées en z
de ces signaux. En effet, pour déterminer le comportement temporel de la sortie d’un
système, nous utiliserons le même principe qu’avec la transformée de Laplace pour les
systèmes analogiques : connaissant u(t) signal d’entrée, on détermine sa transformée de
Laplace U (s) = L(u). On obtient la transformée de Laplace de la sortie d’un système
G par Y (s) = G(s)U (s). Le signal y est finalement obtenu par transformée de Laplace
inverse : y(t) = L−1 (Y (s)).
Il existe 4 méthodes permettant de déterminer l’inverse d’une transformée en z.

Formule d’inversion Comme pour la transformée de Laplace, il existe une formule

mathématique d’inversion donnée par :

−1 1 Z
f (k) = Z {F (z)} = F (z)z k−1 dz
2πj Γ

où Γ est un contour fermé du plan complexe contenant toutes les singularités de F (z).
L’intégrale se calcule en utilisant la méthode des résidus, mais cette technique d’inver-
sion est très rarement utilisée en pratique. Elle permet cependant de mettre en évidence
qu’il existe une relation unique entre un signal échantillonné et sa transformée
en z. Or nous avons vu que plusieurs signaux continus peuvent conduire à la même trans-
formée en z. La transformée en z inverse ne fournit que le signal temporel aux instants
d’échantillonnage et le signal continus initial ne peut être obtenu que si les conditions de
Shannon ont été respectées lors de son échantillonnage.

27
Tables de transformées Les tables de transformées répertorient les transformées en z
(mais aussi les transformées de Laplace) de la plupart des signaux couramment rencontrés.
L’examen de ces tables montre que les TZ sont des fractions rationnelles en z de la
forme :
N um(z)
F (z) =
Den(z)
avec le degré du dénominateur supérieur ou égal à celui du numérateur. En pratique, les
tables ne sont pas toujours aisées à utiliser pour les fonctions temporelles complexes. On
préférera donc souvent la méthode de calcul suivante.

Décomposition en éléments simples L’idée de cette méthode est de décomposer la

fraction rationnelle F (z) en éléments simples dont on pourra déterminer la transformée
inverse simplement à l’aide des tables. L’examen des tables montre qu’il faut pour cela
obtenir des termes simples de la forme :
Az
(z − c)n
F (z)
Pour cela on décompose la fraction z
au lieu de décomposer directement F (z) qui
conduirait à des termes de la forme
A
(z − c)n
qui ne figurent pas directement dans les tables.
La décomposition de F (z)
z
sur des pôles complexes conduit à :
n
F (z) X A
= pi
z i=0 (z − a)

avec en général pi = 1 ou pi = 2. On en déduit que :

n
X Az
F (z) = pi
i=0 (z − a)

L’inverse de chaque terme peut être déterminée par les tables et on obtient le signal
temporel complet par application des règles de linéarité. Cette méthode est souvent la
meilleure en pratique, d’autant qu’on verra par la suite qu’elle fait apparaı̂tre les modes
propres et forcés de la réponse d’un système.

Division polynômiale Cette technique s’appuie sur la définition de la transformée en

z d’un signal, qui est un polynôme de degré infini en z −1 . L’idée est d’obtenir le polynôme
terme à terme à partir de la fracton rationnelle F (z).
On commence par mettre F (z) sous forme de fraction rationnelle en z −1 :
m
N (z −1 ) −i
P
i=0 bi z
F (z) = = n
D(z −1 ) −j
P
j=0 aj z

On calcule ensuite le résultat de la division polynômiale de N (z −1 ) par D(z −1 ) selon

les termes croissants de z −1 .

28
On obtient de cette façon F (z) sous forme de polynôme de degré infini
F (z) = c0 + c1 z −1 + ... + ck z −k + ...
Par identification polynômiale avec la définition de la transformée en z, on reconnaı̂t
f (0) = c0 , f (1) = c1 , ...
Bien sûr cette méthode ne permet pas de déterminer directement le nième terme de la
séquence temporelle, ni l’expresion générale de celle-ci.
Elle est donc réservée à une programmation sur calculateur ou, comme elle est simple
et ne nécessite que peu de calculs, à la vérification des premiers termes obtenus par une
autre méthode de calcul.
2z
Ex. 2 Calculez la transformée inverse de F (z) = z2 −2z+3 à l’aide :
– de la décomposition en éléments simples
– des tables de transformées
– de la division polynômiale
Réponse (méthode par décomposition en éléments simples) : En mettant en facteur le
terme de plus haut degré (z 2 ) au numérateur et au dénominateur de F (z) on obtient :
−1
F (z) = 1−2z2z
−1 +3z −2 .

La division selon les puissances croissantes de z −1 se fait de la façon suivante :

2z −1 1 −2z −1 +3z −2
- 2z −1 −4z −2 +6z −3 2z −1 +4z −2 +2z −3 · · ·
−2 −3
0 4z −6z
−2
- 4z −8z −3 +12z −4
0 2z −3 −12z −4
On obtient donc la séquence suivante : f (0) = 0, f (1) = 2, f (2) = 4, f (3) = 2, etc.

Résolution des équations aux différences Un des intérêts majeurs de la transformée

en z est de permettre la résolution systématique des équations aux différences.
Considérons une équation aux différences de la forme :
n
X m
X
ai y(k − i) = bj u(k − j)
i=0 j=0

où la séquence u(k) est connue. On note Y (z) = Z{y(k)} et U (z) = Z{u(k)}.
Sachant que, d’après le théorème du retard, Z{y(k − i)} = z −i Y (z) + i−1 −l
l=0 z y[l − i],
P

la transformée en z de chaque terme de l’équation donne :

n n−1 m m−1
ai z −i Y (z) + cl z −l = bj z −j U (z) + dm z −m
X X X X

i=0 l=0 j=0 p=0

On obtient donc Y (z) sous forme de fraction rationnelle

Pm −j
j=0 bj z P
Y (z) = Pn −i
U (z) + Pn −i
i=0 ai z i=0 ai z

où P est un polynôme en z de degré ≤ max(n, m).

Pour déterminer la séquence solution y(k), il suffit de calculer la transformée en z
inverse de Y (z). La transformée en z a permis de transformer l’équation aux différences
en une équation polynômiale que l’on sait résoudre manuellement.

29
rem. 13 L’équation aux différences était ici donnée sous forme de retards. On peut traiter
une équation aux différences sous forme d’avances de façon identique en appliquant le
théorème de l’avance.

Ex. 3

2y[k] + y[k − 1] − y[k − 2] = u[k] − u[k − 1]

avec
u(k) = Υ[k]
et y[−2] = 1 et y[−1] = 1.
Déterminez l’expression temporelle de y(k). Comparez avec le résultat obtenu par
résolution manuelle de l’équation aux récurrences donné au début du chapitre.

2.2 Transmittance des systèmes échantillonnés

Dans cette partie, nous allons définir le concept de transmittance ou de fonction de
transfert pour les systèmes échantillonnés linéaires et invariants.

2.2.1 Système à temps discret (entrée et sortie numérique)

On considère un système numérique à entrée et sortie numériques comme représenté
sur la figure suivante.

u(k) y(k)
g[.]
u(kTe) y(kTe)

Ce système numérique linéaire est défini par une équation reliant à chaque pas d’échantillonnage
k une combinaison linéaire de sa sortie aux instants d’échantillonnage passés et courant
avec une combinaison linéaire de son entrée aux même instants. Cette relation est appelée
équation aux différences ou équation récurrente, et elle a la forme :
n
X m
X
ai y(k − i) = bj u(k − j) (2.3)
i=0 j=0

On appelle Y (z) et U (z) les transformées en z des signaux y(k) et u(k) définies avec
leurs rayons de convergence. En appliquant la transformée en z aux deux membres de
l’équation 2.3 et en utilisant la propriété de linéarité et le théorème du retard, on obtient
facilement :
n m
ai z −i Y (z) = bj z −j U (z)
X X
(2.4)
i=0 j=0

à condition de supposer que les conditions initiales pour le signal u(k) et le sortie y(k)
sont nulles.

30
Définition 2 On appelle transmittance discrète (ou fonction de transfert discrète) d’un
système numérique linéaire invariant la fraction rationnelle suivante :
m
bj z −j
P
Y (z)
G(z) = = Pj=0
n −i
(2.5)
U (z) i=0 ai z

où U (z) et Y (z) sont les transformées en z des signaux d’entrée et de sortie en prenant
des conditions initiales nulles pour u et y.

On note que dans cette expression z intervient uniquement sous la forme z −1 . Souvent,
les fonctions de transfert seront données sous forme de fractions rationnelles en z :
Pm p−j
j=0 bj z
G(z) = Pn p−i
(2.6)
i=0 ai z

avec p = max (m, n).

La fonction de transfert d’un système numérique s’exprime donc sous la forme d’une
fraction rationnelle en z, de façon similaire aux fonctions de transfert des systèmes ana-
logiques qui s’exprimaient comme des fractions rationnelles en s. Cette similarité nous
permettra d’utiliser en numérique des outils semblables à ceux utilisés en analogique (le
lieu d’Evans notamment).
Les fonctions de transfert des systèmes numériques ont la propriété suivante, similaire
à celle observée en continu.

Propriété 1 G(z) est la transformée en z de la réponse impulsionelle du système g(k).

En effet l’impulsion unité est

(
1 si k = 0
u(k) = δ(k) =
0 sinon

et par conséquent U (z) = 1.

2.2.2 Transmittances des systèmes à entrée numérique

Nous avons considéré dans la partie précédente des systèmes purement discrets.
Nous serons toutefois amenés à travailler avec des systèmes ou des parties de systèmes
pour lesquelles l’entrée sera échantillonnée mais la sortie sera continue. C’est par exemple
le cas d’un moteur commandé par un ordinateur.
Nous considérons dans cette partie des systèmes dont l’entrée est échantillonnée, mais
pour lesquels la sortie peut être soit continue soit échantillonnée, comme sur la figure
suivante.
Te
y(k)
Te y(kTe)
u(t) u(k)
G(s) y(t)
u(kTe)

31
On dispose ici de la fonction de transfert continue du système, mais pas des équations
aux différences qui le régissent. Les formules de la section précédente ne peuvent donc
pas être directement appliquées. La fonction de transfert G(s) d’un tel système peut être
obtenue comme la transformée de Laplace de sa réponse impulsionnelle g(t), puisqu’une
impulsion peut être aussi bien analogique que numérique (c’est ce que nous avons fait
dans le premier chapitre pour calculer la fonction de transfert d’un bloqueur d’ordre 0).
Cette fonction de transfert G(s) relie alors l’entrée échantillonnée à la sortie continue du
système.
Supposons qu’on ne soit intéressé par la sortie qu’aux instants d’échantillonnage. Cela
revient à ajouter un échantillonneur fictif à la sortie du système. La transformée de Laplace
du signal ye (t) aux instants d’échantillonnage s’écrit alors :

1 +∞X
Ye (s) = Y (s − jkωe )
Te k=−∞

Or
Y (s) = G(s)Ue (s)
où Ue (s) est la transformée de Laplace du signal échantillonné u(k). Donc

1 +∞X
Ye (s) = G(s − jkωe )Ue (s − jkωe ).
Te k=−∞

Mais Ue (s) est la transformée de Laplace d’un signal échantillonné à la pulsation ωe . Donc
Ue (s) est périodique de période ωe , et on a Ue (s − jkωe ) = Ue (s) ∀k. On en déduit alors
que
1 +∞
X
Ye (s) = G(s − kωe )Ue (s)
Te k=−∞
où on reconnaı̂t la transformée de Laplace de g(t) échantillonné que l’on note Ge (s) :

Ye (s) = Ge (s)Ue (s). (2.7)

En reprenant l’expression de
Y (s) = G(s)Ue (s)
, par abus de notation on écrira :

(G(s)Ue (s))e = Ge (s)Ue (s)

.
Finalement, en faisant le changement de variable z = eT s dans 2.7, on obtient :

Y (z) = G(z)U (z)

Définition 3 La fonction de transfert en z d’un système à entrée échantillonnée est :

Y (z)
G(z) = = Z{G(s)}
U (z)
où G(s) est la transformée de Laplace de la réponse impulsionnelle du système.

32
La transmittance en z (ou fonction de transfert échantillonnée) d’un système à entrée
échantillonnée et sortie continue est donc la transformée en z de la réponse impulsionnelle
du système.
Pour les systèmes linéaires invariants dans le temps, cette transmittance peut se mettre
sous la forme d’une fraction rationnelle en z.
Définition 4 Les pôles, resp. les zéros d’une fonction de transfert échantillonnée
sont les pôles, resp. les zéros, de la fraction rationnelle G(z).
Exple 3 On considère comme système un simple bloqueur d’ordre 0. La réponse impul-
sionnelle du BOZ est une fonction porte.
g(t) = Γ(t) − Γ(t − Te )
En utilisant les tables de transformées en z, on obtient :
z 1
G(z) = − = 1.
z−1 z−1
On en déduit que Y (z) = U (z). Par transformée en z inverse, on aboutit à y(kTe ) =
u(kTe ). La sortie du BOZ aux instants d’échantillonnage est donc égale à son entrée aux
instants d’échantillonnage. C’est bien le résultat attendu !

2.2.3 Transmittances des systèmes à entrée analogique

Considérons maintenant le cas d’un système dont l’entrée est analogique, comme
représenté sur la figure suivante.
Te
y(k)
y(kTe)
u(t)
G(s) y(t)

On a Y (s) = G(s)U (s) et

1 +∞X
Ye (s) = G(s − kωe )U (s − kωe )
Te k=−∞
Ici (contrairement à la section précédente où l’entrée était échantillonnée) U (s) n’est
pas périodique et il n’est pas possible d’extaire U (s) de la somme. Par conséquent, il
n’est pas possible de définir une fonction de transfert échantillonnée pour un
tel système.
En revanche, on peut appliquer le changement de variable z = eT s sur l’équation
précédente. On obtient alors :
Y (z) = Z(G(s)U (s)) 6= Z(G(s))Z(U (s))

2.2.4 Conclusion
– On peut représenter un système par une fonction de transfert en z si son entrée
est échantillonnée.
– La fonction de transfert en z est alors la transformée en z de la réponse impulsionnelle
du système

33
2.2.5 Des fonctions de transfert numériques aux équations aux
différences
Lorsqu’un système numérique possède une fonction de transfert numérique, il est pos-
sible de remonter aux équations aux différences qui régissent son comportement à partir
de la fonction de transfert.
On considère une fonction de transfert numérique exprimée en puissances de z −1 (éq.
2.5).
La transformée en z du signal de sortie du système Y (z) est alors reliée à la transformée
en z du signal d’entrée U (z) par
m −j
P
Y (z) j=0 bj z
= G(z) = Pn −i
U (z) i=0 ai z

Par produit en croix on obtient :

n m
ai z −i = U (z) bj z −j
X X
Y (z)
i=0 j=0

qui conduit après développement à

n m
ai z −i Y (z) = bj z −j U (z)
X X

i=0 j=0

En utilisant le théorème du retard (on rappelle que pour une fonction de transfert
les conditions initiales sont toutes nulles) et en calculant la transformée en z inverse de
chacun des termes des 2 sommes on obtient l’équation aux différences suivante :
n
X m
X
ai y(k − i) = bj u(k − j) (2.8)
i=0 j=0

Si la fonction
Pm de transfert initiale est exprimée en puissances de z
dj z j
G(z) = Pj=0n
c zi
en procédant de façon identique et en utilisant le théorème de
i=0 i
l’avance, on obtient :
n
X m
X
ci y(k + i) = dj u(k + j). (2.9)
i=0 j=0

Une autre solution consiste à d’abord transformer la fonction de transfert en z en une

fonction en z −1 en mettant en facteur au numérateur et au dénominateur le terme de plus
haut degré.

2.2.6 Causalité des systèmes échantillonnés

Un système est dit causal si sa sortie à un instant donné ne dépend de l’entrée du
système qu’aux instants passés et présent. Autrement dit, pour un système causal, si
∀k < 0 u(kTe ) = 0 alors y(kte ) = 0 ∀k < 0.
Les systèmes réels que nous rencontrerons en automatique sont tous causaux.

34
rem. 14 Attention à ne pas confondre la causalité d’un signal qui peut être modifiée par
un simple décalage de l’origine du temps et la causalité d’un système qui est une de ses
caractéristiques propres et qui n’est pas modifiée par des changements d’origine du temps.

On considère une fonction de transfert numérique exprimée en puissances de z −1 (éq.

2.5). Nous allons déterminer dans quelles conditions le système correspondant est causal.
En isolant y(k) dans l’expression 2.8, on obtient
m n
1 X X
y(k) = ( bj u(k − j) − ai y(k − i))
a0 j=0 i=1

à la condition que a0 soit non nul. On voit que la sortier au pas k (y(k)) ne dépend pas de
u à des instants > k et par conséquent les systèmes définis de cette façon sont causaux.
En revanche, si a0 = 0, on obtient
m n
1 X X
y(k − 1) = ( bj u(k − j) − ai y(k − i))
a1 j=0 i=2

et y à l’instant k − 1 dépend alors de u à l’instant k.

On en déduit donc que les systèmes définis par une fonction de transfert exprimée en
−1
z (après réduction complète de la fraction rationnelle) sont causaux si le terme constant
du dénominateur est non nul.
Considèrons maintenant une fonction de transfert numérique exprimée en puissances
de z (éq. 2.6). L’équation aux différences qui s’en déduit est donnée en 2.9. En isolant le
dernier terme de la réponse on obtient :

m n−1
1 X X
y(k + n) = ( dj u(k + j) − ci y(k + i)).
cn j=0 i=0

rem. 15 Ici cn 6= 0 car si ce n’est pas le cas l’ordre du système est réduit de 1.

On note donc que la sortie au pas k + n dépend de l’entrée au pas k + m.

On en déduit simplement que les fonctions de transfert exprimées en z sont causales
si le degré du dénominateur (n) est supérieur ou égal au degré du numérateur (m). Cette
condition est identique à la condition des systèmes propres en continu.

2.2.7 Calcul des transmittances en z des systèmes

A partir des règles qui ont été énoncées précédemment, on peut déterminer les expres-
sions des transmittances en z de tous les types de systèmes, en particulier les systèmes
bouclés qui nous intéresseront par la suite, à la seule condition que les entrées considérées
soient échantillonnées. Il est important de comprendre que les transmittances en z sont
particulièrement utiles puisqu’elles permettent de traiter avec un formalisme unique des
systèmes contenant un mélange de signaux continus et échantillonnés.

35
Systèmes en boucle ouverte
u(t) u(kTe) y(t)
G1(s) G2(s)

G(s)
Te Te
u(t) u(kTe) y(t)
G1(s) G2(s)

G(s)

Système analogique précédé d’un BOZ

Un des sous-systèmes qu’il est courant de calculer est celui composé d’un converti-
seur analogique numérique (BOZ) et d’un système continu classique, comme sur la figure
suivante :
u(t) u(kTe) y(t)
B0(s) G(s)

F (s)

Il s’agit d’un système à entrée échantillonnée et sortie analogique. Il est donc possible
de calculer une transmittance échantillonnée. D’après ce qui a été expliqué précédemment,
on a Y (z) = Z{B0 (s)G(s)}U (z). Pour bien comprendre ces notions nouvelles, nous allons
détailler le ”calcul”.
On a : Y (s) = G(s)U (s), U (s) = B0 (s)Ue (s) et Ye (s) = Y (s)e . La dernière équation
signifie simplement que le signal Ye est le signal Y échantillonné. En combinant ces trois
équations, on obtient : Ye (s) = (G(s)B0 (s)Ue (s))e . Comme Ue est un signal échantillonné,
cela peut aussi s’écrire Ye (s) = (G(s)B0 (s))e Ue (s). (Attention, comme ni G ni B0 ne sont
échantillonnés, on ne peut pas écrire Ye (s) = G( s)e B0 (s)e Ue (s).) En passant en z, on
obtient finalement : Y (z) = Z{G(s)B0 (s)}U (z).
On est donc amené à calculer la transformée en z de (G(s)B0 (s)). Les outils qui ont
été fournis dans la partie consacrée à la transformée en z ne permettent pas de résoudre
ce problème, car G(s)B0 (s) ne se met pas sous forme d’une fraction rationnelle. Il faut
donc revenir aux définitions de la transformée en z. On a :
1 − e−Te s
G(s)B0 (s) = G(s)
s
Donc
1 − e−Te s
Z{L−1 (G(s)B0 (s))} = Z{L−1 ( G(s))} (2.10)
s
G(s) G(s)e−Te s
= Z{L−1 ( − )} (2.11)
s s
G(s) G(s)e−Te s
= Z{L−1 ( )} − Z{L−1 ( )} (2.12)
s s
Or e−Te s correspond à un retard d’une période d’échantillonnage. Donc L−1 (F (s)e−Te s ) =
f (t − Te ) et d’après le théorème du retard, Z(f (t − Te )) = z −1 F (z).

36
Au final on obtient :
G(s)
Z{B0 G(s)} = (1 − z −1 )Z{
}
s
où G(s)
s
est une fraction rationnelle dont on peut calculer la tansformée en z de façon
classique.

Systèmes en boucle fermée

Voici plusieurs exemples de calcul des fonctions de transfert sur des systèmes couram-
ment rencontrés. Ces exemples seront complétés par des exercices de TD. Il est fonda-
mental que vous soyez capables de déterminer ces fonctions de transfert en comprenant
pourquoi vous avez le droit ou non d’utiliser les transformées en z.
Te
r(t) + (t) e(t) y(t)
G(s)
−
ym(t)

H(s)

Z{G(s)}
F T BF (z) =
1 + Z{GH}
Te
r(t) re(t)+ e(t) y(t)
G(s)
−
yme (t)
Te
ym(t)
H(s)

Z{G(s)}
F T BF (z) =
1 + Z{GH}
r(k) + (k) u(k) u(t) y(t)
C(z) B0(s) G(s)
−
ym(k)
Te

H(s)

C(z)Z{B0 (s)G(s)}
F T BF (z) =
1 + C(z)Z{B0 (s)G(s)H(s)}
p(t)
G2(s)

Te
r(k)
+ (k) u(k) u(t) + y(t) ye(t)
C(z) B0(s) G(s) +
-
ym(k)
Te
+
H(s)
+

n(k)

37
Dans ce cas, il n’est pas possible de définir une fonction de transfert par rapport à
la perturbation P puisque celle-ci est analogique. On peut toutefois déterminer la trans-
formée en z du signal de sortie en utilisant le théorème de superposition découlant direc-
tement de la linéarité de la transformée en z :
C(z)Z{B0 (s)G(s)} C(z)Z{B0 G}Z{G2 HP }
Y (z) = (R(z) − N (z)) + Z{G2 P } −
1 + C(z)Z{B0 (s)G(s)H(s)} 1 + C(z)Z{B0 GH}

38
Chapitre 3

Analyse des systèmes échantillonnés

L’objectif de ce chapitre est de donner les notions fondamentales permettant d’étudier

le comportement des systèmes échantillonnés, quelle que soit leur forme, à partir de leur
transmittance échantillonnée.

3.1 Relations entre pôles en s et pôles en z

Dans cette section, nous allons étudier les relations entre les fonctions de transfert
continues et les transmittances numérique qu’on obtient par échantillonnage.
On considère le système représenté sur la figure suivante.
Te
y(k)
Te y(kTe)
u(t) u(k)
G(s) y(t)
u(kTe)

Nous avons vu que la transmittance échantillonnée de ce système est donnée par :

Ye (s) 1 +∞X
Ge (s) = = G(s − jkωe )
Ue (s) Te k=−∞

Si G(s) a n pôles notés pi , i ∈ {1, n}, alors, Ge (s) a une infinité de pôles situés en
pi,k = pi + jkωe avec k ∈ N (voir figure 3.1).
A titre d’exemple, le dénominateur de

K nj=1 (s − zj )
Q
G(s) =
(s − p1 ) ni=2 (s − pi )
Q

s’annule pour s = p1 . Alors le dénominateur de

K nj=1 (s − jkωe − zj )
Q
G(s − jkωe ) =
(s − jkωe − p1 ) ni=2 (s − jkωe − pi )
Q

39
Im(s)
2jωe

jωe

Re(s)

−jωe

−2jωe

Fig. 3.1 – En noir et en gras les pôles de G(s). Les pôles de Ge (s) sont les pôles de G(s)
périodisés parallèlement à l’axe imaginaire avec une période ωe .

s’annule pour s = p1 + jkωe et par conséquent le dénominateur de Ge également.

Les pôles en s de Ge sont donc les pôles de G périodisés selon l’axe imaginaire
avec la période ωe = 2π Te
. On notera que cette propriété n’est pas vraie pour les
zéros du système.
Pour passer de Ge à la fonction de transfert en z, on fait le changement de variable
z = eTe s . En notant que eTe (s+jkωe ) = eTe s , il apparaı̂t que tous les pôles pi,k pour i fixé,
conduisent à un seul pôle en z, de valeur zi = eTe pi .
On dira que les pôles de différentes bandes issus d’un même pôle en s se recondensent
en un seul pôle en z, comme montré sur la figure 3.2. Il en résulte que la transmittance
en z a le même nombre de pôles que la fonction de transfert continue initiale.
Afin d’étudier plus en détail la relation entre les pôles de G(s) et les pôles de la
transmittance échantillonnée G(z), considérons le système continu linéaire propre (nombre
de pôles supérieur ou égal au nombre de zéros) à pôles simples ou doubles (on peut
généraliser à des ordres de multiplicité quelconque, mais on se restreint ici aux ordres de
multiplicité courants) suivant :

K m j=0 (s − zj )
Q
G(s) = Ql Qn 2
.
i=0 (s − pi ) i=l+1 (s − pi )

La fonction de transfert peut être décomposée en éléments simples :

n n
X Ai X Bi
G(s) = C + + 2
i=0 (s − pi ) i=l+1 (s − pi )

où les Ai et Bi sont des coefficients réels ou complexes.

40
Im(s)

jωe

Re(s)

−jωe

Fig. 3.2 – Les pôles de Ge (s) de différentes bandes, mais issus des mêmes pôles de la
fonction de transfert continue, conduisent à un seul pôle de la transmittance en z.

En utilisant les tables de transformées, on en déduit aisément que la fonction de

transfert en z s’écrit alors
n n
X Ai z X Bi Te z
G(z) = C + p T
+ pi Te )2
i=0 z − e i=l+1 (z − e
i e

On en déduit que les pôles de G(s) pi deviennent des pôles de G(z) en z = epi Te avec
la même multiplicité.
Attention, la réciproque n’est pas vraie ! Lorsque G(s) contient des retards, G(z)
peut avoir des pôles supplémentaires qui n’ont pas d’équivalent en s.
−2Te s
Exemple : G(s) = es−pi donne G(z) = z(z−e1pi Te ) avec un pôle en 0 sans équivalent en
s.

3.1.1 Correspondances
A partir de cette formule de transformation des pôles, on constate aisément que :
– les pôles réels stables en s (< 0) deviennent des pôles réels positifs inférieurs à 1
– les pôles réels instables deviennent des pôles réels positifs supérieurs à 1
– les pôles complexes conjugués stables deviennent des pôles complexes conjugués de
norme inférieure à 1
– les pôles complexes conjugués instables deviennent des pôles complexes conjugués
de norme supérieure à 1
– les pôles sur l’axe imaginaire deviennent des pôles complexes sur le cercle unité
On note également que les pôles simples en z réels négatifs n’ont pas d’équivalent en
s.
Ces résultats sont regroupés en figure 3.3.

41
11111111111111
00000000000000
00000000000000
11111111111111
00000000000000 plan
11111111111111
00000000000000
11111111111111 en s plan en z
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111 111111111111
000000000000
00000000000000
11111111111111
00000000000000
11111111111111 C1
000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111 000000000000
111111111111
000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111 000000000000
111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111
00000000000000
11111111111111

Fig. 3.3 – Correspondances entre les pôles des fonctions de transfert continues et
échantillonnées.

3.1.2 Effet du BOZ

Nous avons vu comment les pôles d’un système linéaire continu sont transformés par
échantillonnage. Toutefois, la plupart des systèmes rencontrés en pratique font intervenir
un convertisseur numérique analogique modélisé par un bloqueur d’ordre zéro dont la
−Te s
fonction de transfert continue n’est pas linéaire (rappel Bo (s) = 1−es ). Il est
donc utile d’étudier l’effet du BOZ sur les pôles du système numérique. Considérons le
système suivant :
Te
u(k) u(t) y(t)
BOZ G(s)

où G(s) est donnée par

Qm
j=1 (s − zj )
G(s) = K Ql Qn 2
i=1 (s − pi ) i=l+1 (s − pi )

alors
n n
G(s) C X Ai Bi
G(z) = (1 − z −1 )Z{ } = (1 − z −1 )Z{ +
X
+ }
s s i=1 (s − pi ) i=l+1 (s − pi )2
n n
Cz Ai z Bi Te z
= (1 − z −1 )(
X X
+ + )
z − 1 i=1 (z − e ) i=l+1 (z − epi Te )2
p i Te

N um
= C + Ql pi Te ) n pi Te )2
i=1 (z − e i=l+1 (z − e
Q

On voit donc que les pôles d’un système numérique composé d’un système continu
G de pôles pi et d’un bloqueur d’ordre zéro ont pour valeur epi Te et conservent la même
multiplicité.
Le bloqueur d’ordre zéro ne modifie donc pas les pôles du système échantillonné.
En revanche il modifie le numérateur de la fonction de transfert.

42
3.2 Réponse temporelle des systèmes échantillonnés
La réponse d’un système échantillonné à un signal d’entrée peut être déterminée de
différentes façons :
1. Résoudre l’équation aux différences analytiquement : cette solution consiste à déterminer
une loi de récurrence permettant ensuite d’exprimer une loi temporelle pour la sortie
y. Le principal inconvénient de cette méthode est qu’elle n’est pas systématique et
dépend en particulier des capacités mathématiques de l’utilisateur : donc à éviter.
2. Les calculateurs numériques permettent très simplement de programmer une équation
aux différences et de la résoudre. On obtient alors une solution numérique qui
nécessite de calculer le pas k pour déterminer la valeur de la sortie au pas k + 1.
Ces deux premières méthodes permettent de prendre en compte les conditions ini-
tiales du système.
3. Déterminer Y (z) = G(z)U (z) et calculer y(k) par transformée en z inverse en sup-
posant que les CI sont nulles. Pour cela on utilisera les tables de transformées en
z.
4. Décomposer Y z(z) en éléments simples et déterminer la réponse temporelle de chaque
élément de Y (z). Pour ces deux dernières méthodes de résolution, on obtiendra
la réponse du système en supposant que le système est initialement au repos (CI
nulles).
Afin d’étudier la réponse y(k) d’un système défini par sa transmittance échantillonnée
G(z) à une entrée quelconque u(k), nous allons utiliser la dernière méthode de résolution
qui fait apparaı̂tre les modes du système.
Soit un système numérique donné par

N um(G)
G(z) = Ql Qn 2
,
i=1 (z − pi ) i=l+1 (z − pi )

et un signal d’entrée u(k) dont la transformée en z est donnée par

N um(U )
U (z) = Qp fj
j=1 (z − bj )

(fj est l’ordre de multiplicité du pôle bj du signal d’entrée).

La décomposition en éléments simples de Y z(z) = G(z)U
z
(z)
conduit à
n
X n
X m
X
Y (z) = Gi + Gq + Uj
i=1 q=l+1 j=1

où
Ai z
– Gi = (z−pi )di
Aq zTe
– Gq = (z−pq )2
N
– Uj = (z−bj )fj

43
Le signal temporel y(k) peut être obtenu par transformée en z inverse de Y (z).
Par linéarité on obtient :
n
X n
X m
X
y(k) = gi (k) + gq (k) + uj (3.1)
i=1 q=l+1 j=1
n n m
Ci pki + Ck kpki +
X X X
= uj (3.2)
i=1 q=l+1 j=1

Le dénominateur des termes Gi (z) et Gk (z) ne dépend pas de l’entrée U (seuls les
coefficients Ai et Ak dépendent de U ). La réponse temporelle associée aux éléments Gi
et Gk a une forme qui est donc indépendante de u(k). Les signaux gi (k) sont appelés les
modes propres du système. A l’inverse, le dénominateur des termes Ui ne dépend que
de l’entrée u(k). On appelle donc les termes uj (k) les modes forcés du système.
Comme G(z) est la transformée en z de la réponse impulsionnelle du système, les
modes propres sont aussi les modes de la réponse impulsionnelle du système.

3.2.1 Modes propres associés aux pôles en z

Nous allons considérer ici les modes propres associés à des pôles réels simples et mul-
tiples et des pôles doubles. L’étude peut être étendue aux cas (rares) de pôles à ordre de
multiplicité supérieur.

– pôle simple réel

z
Gi = (z−p i)
=⇒ gi [k] = pki Υ(k)
– Si pi > 1 le mode est divergent
– Si pi < −1 le mode est oscillatoire divergent
– Si −1 < pi < 0 , le mode est oscillatoire amorti
– Si 0 < pi < 1 , le mode est amorti
– Si pi = 1 le mode est entretenu
– Si pi = −1 le mode est oscillatoire entretenu

– pôle réel multiple Gi = (z−pz i )di =⇒ gi [k] = Bk di −1 pki Υ(k)

– Si pi > 1 le mode est divergent
– Si pi < −1 le mode est oscillatoire divergent
– Si −1 < pi < 0, le mode est oscillatoire amorti
– Si 0 < pi < 1, le mode est amorti
– Si pi = 1 le mode est divergent
– Si pi = −1 le mode est oscillatoire divergent
On notera qu’un pôle double en 1 conduit à un mode divergent alors qu’un pôle
simple en 1 était convergent.

– paire de pôles complexes conjugués : pi = p∗j

Dans le cas d’une paire de pôles complexes conjugués, les coefficients des termes
simples correspondants aux deux pôles complexes de la paire sont aussi complexes
conjugués, soit :
Az A∗ z
Gi + Gj = +
(z − pi ) (z − pj )

44
Im(z)

Re(z)

Fig. 3.4 – Les modes associés à des pôles réels et complexes simples

En écrivant A et pi sous forme exponentielle, i.e. A = |A| ejθ et pi = |pi | ejϕ on

obtient :

k
yi [k] = (Apki +A∗ p∗k
i )Υ[k] = |A| |pi | (e
j(θ+kϕ)
+e−j(θ+kϕ) )Υ[k] = 2 |A| |pi |k cos(θ+kϕ)Υ[k]

On en déduit que :
– Si |pi | > 1 le mode est oscillatoire divergent
– Si |pi | < 1 le mode est oscillatoire amorti
– Si |pi | = 1, le mode est oscillatoire entretenu

L’ensemble de ces résultat a été rassemblé sur la figure 3.4.

Ces cas peuvent être condensés de la façon suivante :
– pôles simples sur le cercle unité =⇒ modes entretenus
– pôles multiples sur le cercle unité =⇒ modes divergents
– pôles à l’intérieur du cercle =⇒ modes amortis quelle que soit la multiplicité
– pôles à l’extérieur du cercle =⇒ modes divergents
– 2 sources d’oscillations : pôles complexes conjugués et pôles réels négatifs
– Réponse du système : somme pondérée des modes propres et modes forcés
On notera que dans le cas des systèmes échantillonnés il existe deux sources d’oscilla-
tions : les pôles complexes conjugués (comme en continu), et les pôles réels négatifs qui
créent des alternances positif - négatif qu’il faudra tenter d’éviter lors de la synthèse des
correcteurs. Comme nous l’avons noté précédemment, ces pôles n’ont pas d’équivalent en
continu.
De plus, on constate que la convergence des modes vers zéro est d’autant plus rapide
que le module du pôle pi est proche de zéro. On en déduit donc que
les pôles les plus rapides d’un système numérique sont les pôles
les plus proches du point 0.

45
3.2.2 Cas particulier des systèmes d’ordre 1 et 2
Les systèmes d’ordre 1 et 2 jouent un rôle particulier dans la synthèse de correcteurs.
En effet, comme en continu, on cherchera souvent à donner aux systèmes un comporte-
ment de type 1er ou 2ème ordre. Voici les équivalences entre continu et numérique pour ces
systèmes :

– Système d’ordre 1
K K 0z
G(s) = =⇒ G(z) =
s−p z − eTe p
– Système à 2 pôles réels
K K1 z K2 z Az + B
G(s) = =⇒ G(z) = T p
+ T p
=
(s − p1 )(s − p2 ) z−e e 1 z−e e 2 (z − e e p1 )(z − eTe p2 )
T

– Système à 2 pôles complexes conjugués

K K0 K 0∗
G(s) = = +
s2 + 2ζsωn + ωn2 (s − p) (s − p∗ )
√
avec p = −ζωn + jωn 1 − ζ 2
K 0z K 0∗
G(z) = +
(z − eTe p ) (z − eTe p∗ )
√
2
pôles complexes conjugués : z1,2 = e−Te ζωn e±jTe ωn 1−ζ
rem. 16 Attention : on note qu’un système continu sans zéro peut conduire à un système
numérique avec zéro. Il n’y a pas de relation directe entre zéros en continu et
zéros numériques

Les pôles complexes conjugués continus conduisent à des pôles complexes conjugués. Afin
de déterminer un comportement continu du deuxième ordre équivalent à un système
du deuxième ordre numérique, on peut tracer des abaques permettant de déterminer
graphiquement l’amortissement ζ et la pulsation propre du système (voir figure 3.5). Les
courbes d’iso-amortissement (des demi-droites en continu) deviennent des spirales partant
du point 1 et s’enroulant autour de 0. Les courbes d’iso-pulsation (des demi-cercles en
continu) deviennent des courbes reliant le demi-axe réel positif au cercle unité. Enfin, les
courbes à ζωn constant (des droites parallèles à l’axe imaginaire) deviennent des cercles
centrés sur 0, de rayon inférieur à 1. En se rappellant que la valeur de |ζωn | définit
la rapidité d’un système continu du second ordre, on voit que les systèmes numérique
d’ordre 2 rapides ont des pôles de module petit, alors que les systèmes lents ont des pôles
de module élevé (proche de 1).
rem. 17 Contrairement au cas continu, les points à l’intérieur du cercle unité corres-
pondent à une infinité de couples (ζ, ωn ). Pour prendre un exemple simple, le point 1
correspond à tous les couples (0, 2kπTe
). Toutefois, afin d’éviter le repliement spectral pour
les pulsations ωn , on choisira Te de sorte que ωn Te < π. Avec cette contrainte, les points
à l’intérieur du cercle unité ont un couple (ζ, ωn ) correspondant unique.

46
5π 4π
9 ζ=0 9
6π 3π
9 ζ = 0, 1 ωnTe = 9

ζ = 0, 2
7π 2π
9 ζ = 0, 3 ωnTe = 9

ζ = 0, 4
ζ = 0, 5
π
8π ζ = 0, 6 ωnTe = 9
9 ζ = 0, 7
ζ = 0, 8
ζ = 0, 9

Fig. 3.5 – Courbes d’iso-amortissement (en bleu) et d’iso-pulsation (en rouge) pour des
systèmes numériques d’ordre 2

Avec la contrainte de la remarque précédente, les pôles correspondant à des systèmes

bien amortis sont proches du demi-axe réel positif, alors que ceux des systèmes faiblement
amortis sont proches du cercle unité.

3.2.3 Précisions sur le théorème de la valeur finale

Nous avons vu lors de l’énoncé du théorème de la valeur finale, que celui-ci n’est valable
que lorsque le point 1 est à l’intérieur de la région de convergence de la série définissant
la transformée en z du signal considéré. Comme vous l’avez constaté, les transformées en
z sont généralement données sans leur rayon de convergence et la règle précédente est
donc difficilement applicable. L’analyse des modes des systèmes présentée précédemment
va nous permettre d’énoncer une règle différente plus facile à utiliser.
Le théorème de la valeur finale est valable à condition que le signal considéré f (k)
converge vers une valeur finie quand k → ∞. Le signal f (k) peut être décomposé en
plusieurs modes correspondants aux différents pôles de F (z).
X
lim f [k] = lim fi (k)
k→∞ k→∞
i

Or nous avons vu que les modes fi de f convergent si les pôles de F (z) sont à l’intérieur
du cercle unité sauf un pôle possible en 1 (le mode est alors constant et il a donc bien une
limite à l’infini).
Par conséquent, le théorème de la valeur finale

lim f [k] = lim (1 − z −1 )F (z)

k→∞ z→1

47
est valable ssi les pôles de F (z) sont à l’intérieur du cercle unité à l’exception
possible d’un pôle en 1.

3.3 Analyse de la stabilité des systèmes échantillonnés

3.3.1 Notion de stabilité
Il existe plusieurs approches de la notion de stabilité d’un système. Dans le cadre de
ce cours, nous nous limiterons à deux concepts : celui de BIBO stabilité qui concerne la
stabilité globale du système et que nous allons étudié ici, et la notion de stabilité interne
que nous étudierons dans le chapitre consacré à la synthèse des correcteurs.

Définition 5 Stabilité BIBO (Bounded Input Bounded Output) : Un système

est BIBO stable si sa réponse y à tout signal d’entrée u borné est également bornée :

si ∃Usup / |u[k]| < Usup ∀k alors ∃Ysup / |y[k]| < Ysup ∀k

On peut montrer les propriétés suivantes qui sont aussi des définitions alternatives de
la BIBO-stabilité.

Propriété 2 Un système est BIBO stable ssi sa réponse impulsionnelle est bornée et tend
vers 0 quand k → ∞

Dém. 1 Soit u(k) un signal d’entrée causal. D’après le théorème de la convolution, le

signal de sortie y s’écrit :
+∞
X k
X
y(k) = (g ∗ u)(k) = g(n)u(k − n) = g(n)u(k − n)
n=−∞ n=0

Supposons que la réponse impulsionnelle du système G(z) est bornée et tend vers 0.
Cela se traduit par le fait que tous les modes propres gi doivent être convergents vers 0,
ou encore que les pôles de G(z) doivent être à l’intérieur du cercle unité (strictement). Si
k
|u| < Usup et |g[k]| = i Ci pi < Gsup avec |pi | < 1 alors
P

Si la réponse impulsionnelle tend vers 0, le système est donc BIBO stable.

Si g est non amorti, alors il existe u bornée (u[k] = 1 si g[k] > 0, 0 sinon) telle que
P∞
n=0 g(n)u(k − n) ne converge pas.
Si la réponse impulsionnelle ne tend pas vers 0, le système n’est donc pas BIBO stable.

Propriété 3 Propriété fondamentale de la stabilité des systèmes linéaires : Un

système échantillonné linéaire est stable ssi tous ses pôles sont strictement à l’intérieur
du cercle unité.

48
Dém. 2 Si G(z) a un pôle à l’extérieur ou sur le cercle unité, la réponse impulsionnelle
du mode associé à ce pôle est non-amortie. Le système n’est donc pas BIBO stable.

Par abus de langage, on dira donc que les pôles d’un système échantillonné sont
”stables” s’ils sont à l’intérieur du cercle unité, et ”instables” s’ils sont à l’extérieur ou
sur le cercle unité.

Propriété 4 A un pôle stable d’un système continu (partie réelle négative) correspond
un pôle stable (module inférieur à 1) du système numérique équivalent.
A un pôle instable d’un système continu (partie réelle positive ou nulle) correspond un
pôle instable (module supérieur ou égal à 1) du système numérique équivalent.

Dém. 3 Cette propriété provient directement de la transformation des pôles p continus

en pôles numériques en pn = eTe p.

Propriété 5 Un système continu stable donne un système numérique stable lorsqu’on le

fait précéder d’un bloqueur d’ordre zéro

Dém. 4 Le BOZ ne modifie pas les pôles numériques d’un système.

3.4 Réponse fréquentielle des systèmes échantillonnés

Nous avons vu le comportement temporel des systèmes numériques. Nous allons main-
tenant nous intéresser à leur comportement fréquentiel et notamment à la réponse har-
monique, c’est-à-dire la réponse à une entrée sinusoı̈dale.

3.4.1 Réponse harmonique

Propriété 6 La réponse d’un système linéaire échantillonné stable de fonction de trans-
fert G(z) à une excitation sinusoı̈dale (causale)
est une sinusoı̈de en régime permanent,
jωTe
dont l’amplitude a été multipliée par G(e

) et déphasée de ϕ(G(ejωTe )).

Dém. 5 Soit un signal d’entrée échantillonné sinusoı̈dal

u(kTe ) = U0 sin(ωkTe )

Alors sa transformée en z vaut

U0 z sin(ωTe ) U0 z sin(ωTe )
=⇒ U (z) = =
z2 − 2z cos(ωTe ) + 1 (z − ejωTe )(z − e−jωTe )
La transformée en z du signal de sortie y(kTe ) s’écrit Y (z) = G(z)U (z) et se décompose
de la façon suivante :
X Nz N ∗z
Y (z) = Gi (z) + +
i z − ejωTe z − e−jωTe
avec
U0 sin (ωTe ) U0 G(ejωTe )
N = lim G(z) =
z→ejωTe z − e−jωTe 2j

49
Fig. 3.6 – Les diagrammes de Bode des systèmes numériques sont périodiques de période
2π
Te
. Le diagramme de module est pair, le diagramme de phase est impair.

Par transformée en z inverse, les modes propres obtenus des Gi tendent vers 0 lorsque
k → ∞ puisque le système est stable. Donc

lim y[k] = lim (N ejkωTe + N ∗ e−jkωTe ) = lim 2 |N | cos (kωTe + ϕ(N ))

k→∞ k→∞ k→∞
π
= lim G(ejωTe ) U0 cos (kωTe + ϕ(G(ejωTe )) − )

k→∞
2
jωTe jωTe
= lim G(e ) U0 sin (kωTe + ϕ(G(e )))

k→∞

CQFD

Pour représenter le comportement fréquentiel d’un système numérique on utilise donc

le diagramme de Bode qui représente d’une part le module et d’autre part la phase
de G(ejωTe ) en fonction de la pulsation ω. Comme en continu, on utilisera une échelle
jωTe
semi-logarithmique et on représentera 20 log(G(e )).

On notera la similitude avec les systèmes continus, puisque G(z = ejωTe ) = G(z =
eT s , s = jω). Toutefois, les diagrammes de Bode en continu et en numérique sont assez
différents. Tout d’abord, il apparaı̂t clairement que le diagramme de Bode d’un système
échantillonné est périodique de période 2π Te
(voir figure 3.6). De plus, le diagramme en
module est pair et le diagramme en phase impair. Le diagramme de Bode sera donc en
général représenté pour ω ∈ [0, Tπe ]. On trouvera aussi le diagramme de bode normalisé en
fonction de la variable ν obtenue en posant ν = ωT 2π
e
et tracé pour ν ∈ [0, 12 ].
Le phénomène de périodicité provient directement du repliement spectral : au delà
de la pulsation de Nyquist ωN = Tπe , le signal d’entrée du système de pulsation ω est
identique au signal de pulsation ω − 2k Tπe lorsqu’il sont échantillonnés à la période Te .
D’autre part, le tracé du diagramme de Bode peut être étendu aux systèmes ayant des
pôles en 1 même s’ils ne sont pas strictement stables.

50
rem. 18 Attention, les règles de tracé asymptotique vues en continu ne s’appliquent pas
directement, puisque G(ejωTe ) n’est pas une fraction rationnelle.

Propriétés Les propriétés des diagrammes de Bode des systèmes échantillonnés ne sont
pas toutes identiques aux propriétés des diagrammes en continu. Il convient donc d’être
prudent lors de l’analyse de ces diagrammes.
– Comme en continu, le diagramme de module est la somme algébrique des dia-
grammes de module des éléments séparés : gain, zéros et pôles
– De même le diagramme de phase est la somme algébrique des diagrammes de phase
des éléments séparés : gain, zéros et pôles
– Le diagramme de Bode d’un gain K est identique en continu et en numérique (droite
20 log(K) en module et droite 0o en phase).
– Effet d’un pôle réel stable positif (p ∈ [0, 1[)
– La phase chute de 0 à −180o entre ω = 0 et ω = Tπe
– Le gain décroı̂t
– La diminution de la phase et du gain se fait d’autant plus tôt que le pôle est
proche de 1.
rem. 19 Ce comportement est assez similaire à celui d’un pôle simple stable en
continu. Les pôles proches de 0 sont rapides et leur effet est plus visible en haute
fréquence. Mais attention, en numérique, chaque pôle amène un déphasage de 180o ,
au lieu de 90o en analogique.
– Effet d’un pôle en 1
– La phase chute de −90o à −180o entre ω = 0 et ω = Tπe
– Le gain décroı̂t
rem. 20 Contrairement au continu, en numérique un intégrateur (pôle en 1) n’a
pas une phase constante !
– Effet d’une paire de pôles complexes conjugués stable
– La phase chute de 0 à −360o entre ω = 0 et ω = Tπe
– Le gain augmente puis diminue (effet de résonance)
– La résonance est d’autant plus sélective que les pôles ont un amortissement
équivalent faible.
– Effet d’un pôle réel stable négatif (p ∈] − 1, 0]) :
– La phase chute de 0 à −180o entre ω = 0 et ω = Tπe
– Le gain augmente
– L’augmentation de gain et la chute de la phase se font d’autant plus tôt que le
pôle est proche de −1.
rem. 21 Ce comportement est difficile à expliquer par analogie avec le continu, du
fait que ces pôles n’ont pas d’équivalent en continu.
– Effet d’un zéro réel positif dans le domaine de stabilité (z ∈ [0, 1[)
– La phase augmente de 0 à +180o entre ω = 0 et ω = Tπe
– Le gain augmente
– Effet d’un zéro réel négatif dans le domaine de stabilité (z ∈] − 1, 0])
– La phase augmente de 0 à +180o entre ω = 0 et ω = Tπe
– Le gain diminue
– Effet d’un zéro réel positif en dehors du domaine de stabilité (z > 1)
– La phase part de 180o diminue et remonte à 180o en ω = Tπe

51
– Le gain augmente
– Effet d’un zéro réel négatif en dehors du domaine de stabilité (z < −1)
– La phase part de 0o augmente puis retombe à 0o en ω = Tπe
– Le gain diminue
Contrairement au cas continu, il est très difficile d’identifier la fonction de transfert
en z d’un système à partir de son diagramme de Bode.
Il est toutefois intéressant de comparer le diagramme de Bode d’un système continu
G(s) avec le diagramme de Bode numérique de G précédé d’un convertisseur numérique
analogique (bloqueur d’ordre zéro).
1
Exple 4 On considère le système suivant : G(s) = s+5
avec Te = 0.1s précédé d’un BOZ.

On constate que les diagrammes de Bode des systèmes continu et échantillonné sont très
proches pour les fréquences petites par rapport à la fréquence de Nyquist. Dans ce domaine,
l’effet du bloqueur d’ordre zéro est peu sensible. En revanche, on constate une déformation
en module et surtout en phase pour les pulsations proches de la pulsation de Nyquist. Ces
modifications en limite de bande de base sont liées à la mauvaise appoximation du continu
créée par le bloqueur d’ordre zéro. Comme nous l’avons vu dans le premier chapitre, le
bloqueur d’ordre zéro introduit un retard qui fait chuter la phase près de la fréquence de
Nyquist. En revanche le gain est légèrement supérieur en numérique du fait que le BOZ
fait apparaı̂tre des fréquences en dehors de la bande de base.
rem. 22 Si les fréquences en dehors de la bande de base sont filtrées par le convertisseur
numérique analogique, le gain du système numérique sera au contraire inférieur à celui
du système continu du fait de l’atténuation créée par le BOZ.
On note que le système numérique a une phase de −180o en ω = Tπe . De même un
système d’ordre 2 sans zéro verra sa phase passer en dessous de -180˚. Nous verrons que
cela a des conséquences sur la stabilité des systèmes en boucle fermée.

3.4.2 Gain statique

Le gain statique d’un système est le gain en régime harmonique lorsque la fréquence
tend vers 0. Il s’obtient donc comme
lim G(ejωTe ) = lim G(z)
ω→0 z→1

Le gain statique est défini lorsque le système est stable. Toutefois, on dira qu’un
système a un gain statique infini lorsqu’il n’y a pas de limite finie à l’équation précédente.

52
On peut montrer simplement que le gain statique est aussi le gain en régime permanent
du système en réponse à une entrée constante (échelon).
z
En effet, considérons une entrée U (z) = z−1 . Si le système est stable (on peut alors
appliquer le théorème de la valeur finale), on a

lim y[k] = lim (1 − z −1 )Y (z) = lim (1 − z −1 )G(z)U (z)

k→∞ z→1 z→1
= lim G(z)
z→1

3.5 Critères algébriques de stabilité

Nous avons vu que la stabilité d’un système numérique est liée à la position de ses
pôles par rapport au cercle unité. Il suffit donc de déterminer la valeur des pôles de la
transmittance échantillonnée (plus précisément leur module) pour savoir si un système
est stable ou non. Toutefois, pour des systèmes d’ordre supérieur à 2, le calcul des pôles
nécessite un outil numérique. De plus, les outils numériques ne permettent pas toujours
de déterminer la position des pôles en fonction de un ou plusieurs paramètres inconnus,
par exemple un gain ou une constante de temps.
Pour déterminer la stabilité dans ces cas, on dispose d’un outil mathématique puissant,
appelé critère (algébrique) de Jury.

3.5.1 Critère de Jury

Soit un système dont la transmittance est donnée par

N (z)
G(z) =
D(z)

avec D(z) = a0 + a1 z + a2 z 2 + ... + an z n appelé polynôme caractéristique de G (polynôme

à coefficients réels).
On note :


 a0,i = a i , ∀i ∈ {0, n}
a aj,n−j−i
aj+1,i = j,0 , ∀j ∈ {0, n − 1} et i ∈ {0, n − j − 1}


aj,n−j aj,i

Le polynôme D(z) a ses pôles à l’intérieur du cercle unité si et seulement si toutes les
inégalités suivantes sont vérifiées :
1. |a0 | − an < 0
2. D(1) > 0
3. (−1)n D(−1) > 0
4. |aj,0 | − |aj,n−j | > 0, ∀j ∈ {1, n − 2}
Remarques :
– La condition 1 impose que an > 0
– La condition 4 n’est à vérifier que pour les systèmes d’ordre 3 et plus

53
a0 a1 ... an−1 an
an an−1 ...
a1 a0
a0
a1,0 =
an a0
a1,1 =
an−1 ...
a0
a1,n−1 =
a1
an a0 an a1 an an−1
a1,n−1 a1,n−2 ... a1,0

a1,0 a1,n−1 a1,0 a1,n−2
a2,0 = a2,1 = ...
a1,n−1 a1,0 a1,n−1 a1,1
a2,n−2 a2,n−3 ...
. . .
. . .
. . .

an−3,0 an−3,3 an−3,0 an−3,2 an−3,0 an−3,1
an−2,0 = an−2,1 = an−2,2 =
an−3,3 an−3,0 an−3,3 an−3,1 an−3,3 an−3,2

Tab. 3.1 – Tableau pour déterminer la condition 4 du critère de Jury

– Pour un système d’ordre 3, la condition 4 se simplifie en :

2
a0 − a23 − |a0 a2 − a1 a3 | > 0
⇐⇒ a23 − a20 > |a0 a2 − a1 a3 |

étant donnée la première condition.

– Pour les systèmes d’ordre 4 et plus, il faut déterminer les coefficients aj+1,i . Pour
cela on peut tracer le tableau 3.1.
La première ligne contient les coefficients de D(z) dans l’ordre des puissances crois-
santes de z. La deuxième ligne est la première ligne écrite en sens opposé : le premier
coeff de la deuxième ligne est le dernier de la première, le deuxième de la deuxième
ligne est l’avant dernier de la première, etc.
Chaque ligne de numéro impair est calculée de la façon suivante : la première colonne
est obtenue comme le déterminant de la matrice 2×2 constituée des deux coefficients
des deux lignes précédentes de la première colonne et des coefficients des deux lignes
précédentes de la dernière colonne. La colonne 2 est le déterminant de la matrice
constituée des coefficients de la première colonne des deux dernières lignes et de
l’avant dernière colonne des deux dernières lignes, etc.
Chaque ligne de numéro paire est obtenue en inversant la ligne impaire qui la
précède.
A chaque ligne impaire, le tableau perd une colonne et on arrête la construction
du tableau lorsqu’il ne reste que 3 colonnes. La condition 4 du critère de Jury est
alors vérifiée si pour chaque ligne impaire, exceptée la première, le coefficient de la
première colonne est plus grand en valeur absolue que celui de la dernière colonne
non nulle.

3.5.2 Exemple
u(k)

On considère le système bouclé suivant (tous les signaux sont échantillonnés) :

54
En utilisant le critère de Jury, déterminez la stabilité du système en fonction du gain
K > 0 du correcteur.

Solution :

D(z) = z 3 − 0.5z 2 − 0.01z + 0.005 + K

1. −1.005 < K < 0.995

2. K > −0.495
3. K < 1.485
4. K < 0.8127
Conclusion : le système est stable pour K < 0.8127.

55
56
Chapitre 4

Analyse des boucles fermées

Dans ce chapitre, nous présentons des outils permettant d’analyser la stabilité des
systèmes en boucle fermée sur la base de l’étude des boucles ouvertes.

4.1 Critère de Nyquist

Le critère de Nyquist permet de déterminer la stabilité d’un système en boucle fermée
à partir de son comportement harmonique en boucle ouverte.
Ce critère s’applique à des systèmes asservis pour lesquels le signal d’écart (la différence
entre la consigne et la mesure) est un signal échantillonné, et ne comportant pas de pré-
filtre comme ceux de la figure 4.1.

rem. 23 1. On peut toujours rendre la contre-réaction négative en changeant le signe

d’un gain dans la boucle ouverte.
2. Si le système a un préfiltre, on coupera le système en 2 sous-systèmes : d’une part le
préfiltre, d’autre part la boucle fermée avec rebouclage sur l’entrée du sous-système
2. La stabilité du deuxième sous-système pourra ainsi être déterminée à l’aide du
critère de Nyquist, et la stabilité globale sera définie par la stabilité du pré-filtre et
la stabilité du deuxième sous-système.
3. On ne peut pas appliquer le critère de Nyquist à un système à entrée analogique, car
on aura besoin de l’expression de la fonction de transfert en z en boucle ouverte.

Comme pour les systèmes continus, le critère de Nyquist est basé sur un théorème dû
à Cauchy, énoncé ci-après et représenté sur la figure 4.2.

Th. 2 Théorème de Cauchy Soit un contour fermé Γ du plan complexe orienté dans le
sens trigonométrique. L’image de Γ par la fonction complexe F (z) est un contour fermé du
plan complexe qui entoure l’origine dans le sens trigonométrique n fois, avec n = Z − P ,
où Z et P sont le nombre de zéros et de pôles de F à l’intérieur du contour Γ.

57
+
r(k) y(t)
C(z) BOZ G(s)
−
Te
H(s)

Te
+
r(k) y(k)
C(z) BOZ G(s)
−

H(z)

Fig. 4.1 – Deux exemples de systèmes sur lesquels le critère de Nyquist peut être appliqué
directement

Im
Im
Γ F (z)

Fig. 4.2 – Le contour Γ entoure 2 zéros et un pôle de la fonction complexe F (z).L’image

de Γ par F entoure alors le point zéro 1 fois (les tours sont comptabilisés dans le sens
trigonométrique).

58
Im
Γ

Fig. 4.3 – Contour de Nyquist de FBO dans le cas où FBO a deux pôles complexes
conjugués sur le cercle unité.

Contour de Nyquist
On considère une fonction de transfert en boucle ouverte FBO (z).

Définition 6 Contour de Nyquist d’un système numérique

Le contour de Nyquist pour le système numérique FBO (z) est le cercle unité z = ejωTe
parcouru dans le sens trigonométrique de ωTe = −π à ωTe = +π. Dans le cas où FBO a
des pôles pi = ejα sur le cercle unité, le contour évite ces points par des demi-cercles dans
le sens trigonométrique de rayon infiniment petit ρ : z = pi + ρej(α+θ) avec θ ∈ [− π2 , + π2 ] .

Le contour de Nyquist est donc un contour fermé du plan complexe faisant la limite
entre zone de stabilité et d’instabilité pour les pôles des systèmes numériques (voir figure
4.3). Les cercles d’évitement des pôles de FBO (z) sur le cercle unité permettent que la
fonction FBO (z) soit définie en tout point du contour.

Lieu de Nyquist
e Le lieu de Nyquist d’un système numérique de fonction de transfert en boucle ouverte
FBO est l’image du contour de Nyquist de FBO par la fonction complexe FBO (z).
Le lieu de Nyquist a quelques propriétés qui facilitent son tracé et la détermination
de la stabilité du système en boucle fermée.

Propriété 7 – Symétrie Le lieu de Nyquist est symétrique par rapport à l’axe réel.
On se contente en général de tracer la partie pour ω ∈ [0, π] et on obtient la partie
pour ω ∈ [−π, 0] par symétrie.
– Image des demi-cercles d’évitement Les demi-cercles du contour de Nyquist
évitant les pôles sur le cercle unité parcourus dans le sens trigonométrique sont
transformés pas FBO en des demi-cercles de rayon infini parcourus dans le sens
anti-trigonométrique.
– Multiplication par un gain Lorsqu’on multiplie la boucle ouverte par un gain K,
le lieu de Nyquist subit une homothétie de facteur K et de centre 0.

Dém. 6 Image des demi-cercles d’évitement

Qm
(z − zj )
FBO (z) = K Qj=1
n
i=1 (z − pi )

59
Im
Im
Γ

FBO (z)
Re

Re -1

Fig. 4.4 – Le lieu de Nyquist est l’image du contour de Nyquist par FBO (z)

avec p1 = ejα pôle de FBO sur le cercle unité. Le demi-cercle évitant p1 est défini par :
z = p1 + ρej(α+θ) avec θ ∈ [− π2 , π2 ] et ρ → 0. L’image des points du demi-cercle par FBO
est obtenue par :
Qm j(α+θ)
j=1 (p1 + ρe − zj )
lim FBO (z) = lim K Qn j(α+θ) −
i=1 (p1 + ρe pi )
ρ→0 ρ→0
Qm
j=1 (p1 − zj )
= K j(α+θ) ) ni=2 (p1 − pi )
Q
(ρe
On en déduit que
lim |FBO (z)| = ∞
ρ→0

et que
ϕ(FBO (z)) ∼ ϕ0 − (α + θ)
où ϕ0 est une constante indépendante de θ.
Quand θ parcourt l’intervalle [− π2 , π2 ] ϕ(FBO (z)) parcourt [φ + π2 , φ − π2 ] c’est-à-dire
un demi-cercle dans le sens anti-trigonométrique. La constante φ qui définit la direction
moyenne du demi-cercle dépend de la position du pôle sur le cercle unité mais aussi de la
position des autres pôles et zéros de la fonction de transfert.
Par exemple, si p1 = 1, φ vaut 0 ou π.

4.1.1 Critère de stabilité de Nyquist

Th. 3 Théorème de Nyquist Un système numérique de fonction de transfert FBO (z)
en boucle ouverte est stable en boucle fermée si et seulement si le lieu de Nyquist de FBO
entoure le point −1 dans le sens trigonométrique un nombre de fois n égal au nombre de
pôles de FBO à l’extérieur du contour de Nyquist.

Dém. 7 La fonction de transfert de la boucle fermée a la forme

G(z)
FBF (z) =
1 + FBO (z)

60
Le système en boucle fermée est stable ssi les zéros de 1 + FBO sont tous à l’intérieur du
cercle unité.
Soit PBO et ZBO le nombre de pôles et de zéros de la boucle ouverte et P et Z le
nombre de pôles et zéros de 1 + FBO . Comme le système est causal, on a PBO ≥ ZBO et
donc Z = P = PBO .
L’image du contour de Nyquist par FBO est l’image du contour par 1 + FBO translatée
de −1 selon l’axe x. Donc, d’après le théorème de Cauchy, FBO entoure −1 n = Z+ − P+
fois où Z+ et P+ sont le nombre de zéros et de pôles de 1 + FBO à l’intérieur du contour
de Nyquist. Si le système bouclé est stable, alors Z+ = Z − Z− = Z − 0 = Z et finalement
n = Z − P+ = P − P+ = P− . Les pôles de FBO et 1 + FBO sont identiques, et donc P−
est aussi le nombre de pôles de FBO à l’extérieur du cercle unité. CQFD.

rem. 24 On pourrait aussi éviter les pôles du système bouclé sur le cercle unité par
l’intérieur sans rien changer au critère de Nyquist. On ajoute de cette façon l pôles à
l’extérieur du cercle unité, et la stabilité est obtenue lorsque le lieu de Nyquist fait l tours
supplémentaires autour de −1.

Exemple
On considère le système suivant :

r(k) + (k) u(k) u(t) y(t)

C(z) B0(s) G(s)
−
ym(k)
Te

H(s)

1.3863(z + 0.5)
C(z) =
z − 0.2
10
G(s) =
s + 6.931
H(s) = 1 et Te = 0.1s
On détermine tout d’abord la fonction de transfert de la boucle ouverte de manière
classique :
z + 0.5
FBO (z) =
(z − 0.5)(z − 0.2)
Comme FBO n’a pas de pôle sur le cercle unité, le contour de Nyquist de FBO est le cercle
unité. La boucle ouverte a donc
P− = 0
pôles à l’extérieur du contour de Nyquist. Le système bouclé sera donc stable ssi le lieu
de Nyquist de FBO n’entoure pas −1.

61
Le nombre de tours autour de −1 du lieu de Nyquist est déterminé de façon unique
par ses intersections avec l’axe réel du plan complexe et le sens de parcourt de ce lieu.
Si on souhaite uniquement déterminer la stabilité de la boucle fermée, il est suffisant de
rechercher les intersections avec l’axe réel et le sens de parcourt.
Il existe toujours au moins deux intersections avec l’axe réel qui correspondent à
l’image des points −1 et 1 puisque les coefficients de FBO sont réels. Ici :

FBO (z = 1) = 3.75

FBO (z = −1) = −0.2778

Pour déterminer d’autres intersections éventuelles, une façon simple de procéder est
d’annuler la partie imaginaire de FBO (z = ejθ ). Pour cela, on multiplie numérateur et
dénominateur de FBO par le conjugué du dénominateur afin de séparer partie réelle et
partie imaginaire.
z + 0.5
FBO (z) =
(z − 0.5)(z − 0.2)

jθ (ejθ + 0.5)(e−jθ − 0.5)(e−jθ − 0.2)

FBO (e ) =
(1.25 − cos θ)(1.04 − 0.4 cos θ)
0.65e−jθ − 0.65 + 0.1ejθ + 0.5e−2jθ
=
(1.25 − cos θ)(1.04 − 0.4 cos θ)

Alors,
−0.65sθ + 0.1sθ − 0.5s2θ
Im(FBO ) =
D
et l’annulation de la partie imaginaire conduit à :

θ = kπ ou θ = arccos (−0.55)

On retrouve les cas θ = 0 → z = 1 et θ = π → z = −1 et une intersection

supplémentaire obtenue pour θ = arccos(−0.55) = 2.1532. (En se basant sur la symétrie
du lieu de Nyquist, on se contente de rechercher les annulations pour θ ∈ [0, π]).
Pour connaı̂tre la position du point d’intersection, il faut évaluer la partie réelle de
FBO pour θ = arccos(−0.55). On obtient : Re(FBO ) = −0.5556.

Il y a donc 3 intersections du lieu de Nyquist avec l’axe réel et on connaı̂t leur ordre
lorsqu’on parcourt le contour de Nyquist. Il reste à déterminer le sens de parcourt du lieu
de Nyquist.
Cela peut se faire en déterminant le signe de la partie imaginaire de FBO aux environs
d’un point d’intersection.
On constate notament que quand θ → 0+ , Im(FBO ) < 0.
On peut donc tracer le lieu de Nyquist approché pour θ ∈ [0, π], le compléter par
symétrie et déterminer le nombre de tours autour de -1 : ici on obtient 0, et le système
est donc stable en boucle fermée (voir figure 4.5 pour le lieu exact).

62
z+0.5
Fig. 4.5 – Lieu de Nyquist de FBO (z) = (z−0.5)(z−0.2)
tracé à l’aide de Matlab

4.1.2 Critère du revers

Le critère de Nyquist prend une forme particulière dans le cas des systèmes stables en
boucle ouverte. En effet, pour de tels systèmes, on peut montrer que le lieu de Nyquist
coupe l’axe réel positif. Or le système bouclé sera stable si le lieu de Nyquist n’entoure
pas -1. On en déduit alors le critère suivant :

Définition 7 Critère du revers Un système dont les pôles de la fonction de transfert

en boucle ouverte sont à l’intérieur du cercle unité (sauf un ou 2 pôles en 1) est stable
en boucle fermée ssi le lieu de Nyquist de FBO tracé pour ωTe > 0 laisse le point −1 à sa
gauche.

Attention ! ! Le critère du revers n’est valable que pour des systèmes stables en boucle
ouverte (à l’exception de 2 pôles possibles en 1). De plus la notion de ”laisser à gauche”
peut-être délicate à interpréter. En cas de doute, il est fortement conseillé d’appliquer le
critère de Nyquist dans sa forme générale.

4.2 Marges de stabilité

Le critère de Nyquist, comme le critère de Jury, permet de déterminer si un système
est stable ou non, sans donner de renseignements sur la ”distance” à l’instabilité, c’est-
à-dire la robustesse de la stabilité du système à la variation ou la méconnaissance d’un
paramètre, un gain par exemple.

63
Im(z)

Re(z)
ϕM −1 1
GM

Fig. 4.6 – Marges de gain et de phase sur le diagramme de Nyquist

Ces informations de robustesse (ou de sensibilité) sont données par différents critères
qui peuvent être obtenus sur le lieu de Nyquist.
Dans les conditions du critère du revers on définit :
– Marge de gain : gain conduisant à l’instabilité du système en boucle fermée

GM = |FBO | quand ϕ(FBO ) = −π

– Marge de phase : c’est l’opposé du déphasage qui ajouté à FBO rend le système
en boucle fermé instable.

ϕM = 180 + ϕ(FBO ) quand |FBO | = 1

Plus la marge de gain GM et la marge de phase ϕM sont importantes plus le système

bouclé est loin de l’instabilité.
Ces marges peuvent être mesurées directement sur le lieu de Nyquist. La figure 4.6
z+0.5
montre ces marges sur le diagramme de Nyquist de FBO (z) = (z−0.5)(z−0.2) .
L’inverse de la marge de gain est la distance entre le point 0 et l’intersection du lieu de
Nyquist avec l’axe réel la plus à gauche. La marge de phase est l’angle entre le demi-axe
réel négatif et la tangente au lieu de Nyquist passant par l’origine.

rem. 25 – La marge de gain est souvent donnée en dB : GM dB = 20 log GM .

– Il existe d’autres marges de robustesse telles que la marge de retard, c’est-à-dire le
retard qui amène l’instabilité de la boucle fermée.

Marges de stabilité sur le diagramme de Bode

Le diagramme de Bode est aussi un outil très utile pour apprécier les marges de
stabilité des systèmes stables en boucle ouverte (ou comportant éventuellement 1 ou 2
pôles en 1 (les systèmes pour lesquels le diagramme de Bode de la boucle ouverte peut
être tracé)).
En effet la marge de gain (en dB) et la marge de phase apparaissent directement sur
les diagrammes de Bode du système en boucle ouverte.

64
15

5
Ampl. (dB)
0

−5
GM (dB)
−10

−15
0 1 2
10 10 10
w(rad/s)

−50
phase (deg)

−100

−150
ϕM
−200
0 1 2
10 10 10
w(rad/s)

Fig. 4.7 – Marge de gain et marge de phase sur le diagramme de Bode de la boucle
ouverte

z+0.5
La figure 4.7 illustre cela dans le cas de FBO (z) = (z−0.5)(z−0.2) .
On constate sur cet exemple que la phase d’un système échantillonné du deuxième
ordre peut passer en dessous de −180˚. Par conséquent, un système échantillonné du
deuxième ordre stable en boucle ouverte peut devenir instable en boucle fermée (marge
de phase négative) alors que ce n’était pas le cas pour les systèmes continus.

4.3 Lieu d’Evans

Le lieu d’Evans, également appelé lieu des racines (sous-entendu de la boucle fermée),
représente la localisation des racines d’un système en boucle fermée en fonction d’un gain
K de la boucle ouverte. Ce gain peut se trouver aussi bien dans un correcteur, être un
gain inconnu ou réglable du processus ou de la chaı̂ne de retour.
Le lieu d’Evans peut être tracé pour tous les systèmes asservis à contre-réaction
négative, pour lesquels l’écart est un signal échantillonné et ne comportant pas de pré-
filtre (l’écart est la différence entre la consigne et la sortie mesurée). En outre, le système
doit être complètement linéaire (contrairement au critère de Nyquist).

rem. 26 – On peut toujours rendre la contre-réaction négative en inversant le signe

d’un gain de la boucle ouverte.
– On se souvient que le lieu d’Evans ne pouvait pas être tracé pour les systèmes conti-
nus à retard, puisque l’expression du retard est non-linéaire dans l’espace des trans-
formées de Laplace. La linéarisation des retards introduite par la transformée en z
fait qu’il est possible de traiter les systèmes à retard à condition que le retard
soit un multiple de la période d’échantillonnage du système.

65
Voici deux exemples de systèmes pour lesquels il est possible de déterminer de lieu des
racines.
+
r(k) y(t)
KC(z) BOZ G(s)
−
Te
H(s)

Te
+
r(k) y(k)
C(z) BOZ KG(s)
−

H(z)

En extrayant le gain K, la fonction de transfert en boucle ouverte d’un système quel-

conque à écart échantillonné peut s’écrire :
KN (z)
FBO (z) =
D(z)
Alors la fonction de transfert de la boucle fermée s’écrit
KF (z) N 0 (z)
FBF (z) = =
1+KN (z)
D(z)
D(z) + KN (z)

où l’expression de F (z) dépend du positionnement des échantillonneurs dans la boucle et

où D(z) et N (z) sont le dénominateur et le numérateur de la boucle ouverte dont on a
extrait le gain K. On note que le gain K intervient directement sur les pôles de la boucle
fermée.
Définition 8 Lieu d’Evans Le lieu d’Evans (ou lieu des racines) représente la locali-
sation dans le plan complexe des pôles du système en boucle fermée FBF en fonction du
gain K > 0, c’est-à-dire la position des zéros du polynôme caractéristique du système :
D + KN ou encore les racines de l’équation 1 + FBO (z) = 0.
Le lieu d’Evans se trace à partir de la position des pôles et zéros de la boucle ouverte
et de règles simples. Ces règles sont identiques à celles du tracé du lieu d’Evans d’un
système continu. Par conséquent nous les donnons ici sans démonstration.
Soit Qm
(z − zi )
FBO (z) = K Qni=1
j=1 (z − pj )
L’équation caractéristique s’écrit :
Qm
(z − zi ) 1
1 + FBO (z) = 0 ⇐⇒ Qni=1 =−
j=1 (z − pj ) K
Par conséquent, un point d’affixe zM appartient au lieu d’Evans ssi :

66
1.
m (z − z )
Q
i=1 i 1
Qn =
(z − pj )

j=1 K

appelée condition des modules, et

2.
n
X n
X
arg(zm − zi ) − arg(zm − pj ) = (2λ + 1)π avec λ ∈ N
i=1 j=1

appelée condition des angles.

A partir de ces deux conditions on tire 8 règles permettant de tracer approximative-
ment le lieu des racines de façon très simple et de déterminer les points d’intérêt de ce
lieu, tels que points de séparation des branches et intersections avec le cercle unité.

– R1 Le lieu a n branches (nombre de pôles de la boucle ouverte). Les branches partent

des pôles de FBO pour K = 0 et arrivent aux zéros de FBO lorsque K → ∞. Il y a
donc n − m branches qui partent à l’infini.
– R2 Le lieu d’Evans est symétrique par rapport à l’axe réel
– R3 Les points de l’axe réel appartenant au lieu des racines ont un nombre impair
de points particuliers (pôles et zéros de la boucle ouverte comptés avec leur ordre
de multiplicité) à leur droite et sur l’axe réel.
– R4 Asymptotes : les n-m asymptotes des branches à l’infini font avec l’axe réel des
angles :
(2λ + 1)π
αλ = avec λ ∈ [0, n − m − 1]
n−m
Les asymptotes s’intersectent sur l’axe réel au point d’abscisse :
Pn
pj − m
P
j=1 i=1 zi
σ=
n−m
– R5 Intersection entre branches :
Pour rechercher les points d’intersection entre plusieurs branches, on détermine les
points du plan complexe pour lesquels :

d(1 + FBO (z)) d(FBO (z))

= =0
dz dz
Il s’agit d’une condition nécessaire pour déterminer une solution double à l’équation
1 + FBO (z) = 0. La condition est nécessaire et suffisante si l’équation 1 + FBO (z) = 0
est également vérifiée. Il faut donc aussi vérifier que les points trouvés appartiennent
bien au lieu d’Evans en cherchant à résoudre l’équation caractéristique pour ces
points : (1 + FBO (z) = 0). Si le point d’intersection déterminé est réel, il suffit de se
rapporter à la règle 3.
Au point d’intersection, les demi-branches font entre elles des angles Nπ où N est le
nombre de branches qui s’intersectent (en général N = 2).

67
– R6 Au départ d’un pôle complexe pk de multiplicité nk , les branches font des angles
m n
1 X X
βk = ( arg(pk − zi ) − arg(pk − pj ) − (2λ + 1)π) avec λ ∈ [0, nk − 1]
nk i=1 j=1,j6=k

avec l’axe réel.

A l’arrivée en un zéro complexe zk de multiplicité mk , les branches font des angles
n m
1 X X
γk = ( arg(zk − pj ) − arg(zk − zi ) − (2λ + 1)π) avec λ ∈ [0, mk − 1]
mk j=1 i=1,i6=k

avec l’axe réel.

– R7 Graduation du lieu en K : pour graduer le lieu des racines en fonction du gain
K, il faut déterminer au point d’affixe zM la valeur de K correspondante par :
D(zM
K=−
N (zM )
– R8 Intersections du lieu avec le cercle unité : les valeurs de K correspondant à des
intersections avec le cercle unité sont déterminées à l’aide du critère de Jury. La
position des points correspondant sur le cercle unité est obtenue en résolvant par
exemple l’équation caractéristique avec la valeur de K trouvée.

rem. 27 – La règle 5 peut être modifiée de la façon suivante : au lieu de rechercher

les solutions de dFdzBO = 0 on peut rechercher (ce qui est souvent plus simple) les
d( F 1 )
solutions de BO
dz
= 0. Les solutions sont les mêmes puisque
1
d( FBO ) − dFdzBO
=
dz (FBO )2
– Il existe aussi un lieu des racines complémentaire correspondant aux racines lorsque
K < 0. On peut le tracer en utilisant les mêmes règles que le lieu d’Evans principal
en modifiant simplement le signe de la fonction de transfert en boucle ouverte.

4.3.1 Exemple de tracé du lieu d’Evans

Traçons le lieu d’Evans du système proposé ci-dessous :
r(k) + (k) u(k) u(t) y(t)
C(z) B0(s) G(s)
−
ym(k)
Te

H(s)

1.3863K(z + 0.5)
C(z) =
z − 0.2

68
Fig. 4.8 – Lieu d’Evans obtenu à l’aide du programme rltool de Matlab

10
G(s) =
s + 6.931
H(s) = 1 et Te = 0.1s
On détermine tout d’abord la fonction de transfert de la boucle ouverte de façon
classique :
K(z + 0.5)
FBO (z) =
(z − 0.5)(z − 0.2)
On trace ensuite le lieu à partir des règles énoncées précédemment :
– R1 Il y a 2 pôles et un zéro, donc 2 branches et 1 branche à l’infini
– R3 Lieu sur l’axe réel : [−∞, −0.5] et [0.2, 0.5]
– R4 Angle de l’asymptote : π (l’axe réel vers −∞)

– R5
dFBO K(z 2 − 0.7z + 0.1) − (z + 0.5)(2z − 0.7)
=
dz D2
dFBO
= 0 ⇐⇒ −z 2 − z + 0.45 = 0 ⇐⇒ z = −1.33 ou z = 0.33
dz
On vérifie grâce à la règle 3 que ces deux points appartiennent bien au lieu des
racines et donc qu’ils sont deux points d’intersection valides.
– R6 Ne s’applique pas ici puisqu’il n’y a ni zéro ni pôle complexe.
– R7 En z = 0.33, K = 0.0266 ; En z = −1.33, K = 3.37
– R8

D(z) = K(z − 0.5) + (z − 0.5)(z − 0.2) = z 2 + (K − 0.7)z + 0.5K + 0.1

Le critère de Jury conduit à la condition de stabilité suivante : ⇒ K < 1.8.

Les points d’intersection pour K = 1.8 sont déterminés en calculant FBO (z) =
− K1 ⇒ z = −0.55 ± 0.83j
Le lieu d’Evans exact est donné en figure 4.8.

69
Fig. 4.9 – Utilisation du Lieu d’Evans pour placer les pôles de la boucle fermée

4.3.2 Utilisation du lieu des racines

Le lieu d’Evans permet de visualiser la position des racines du système en boucle
fermée en fonction d’un gain K.
Le système est bien sûr stable tant que tous les pôles de la boucle fermée restent à
l’intérieur du cercle unité.
En outre, combiné aux abaques représentant l’amortissement et la pulsation propre
des systèmes du deuxième ordre, le lieu d’Evans permet de prédire le comportement
du système en boucle fermée ainsi que les marges de robustesse par rapport au gain
du système. Cette propriété est particulièrement intéressante pour régler des correcteurs
proportionnels ou les gains de correcteurs plus complexes.

Pôles dominants Les pôles dominants d’un système numérique stable sont les pôles
stables les plus proches du cercle unité. Comme en continu, ce sont les pôles les plus lents,
c’est-à-dire ceux qui influencent le plus la réponse propre du système.
Considérons l’exemple de la figure 4.9 échantillonné à la période Te = 0.02s. Pour le
gain K = 0.13, les 3 pôles de la boucle fermée sont en 0.5 ± 0.5j et 0.06. Les deux pôles
complexes conjugués sont dominants et on lit sur l’abaque ζ = 0.41 et ωn = 43.7. On en
déduit que le système aura un comportement de type 2ème ordre amorti avec une période
propre d’oscillation de l’ordre de √2π 2 ∼ 0.16s.
ωn 1−ζ
La réponse indicielle du système dans cette situation donnée en figure 4.9 confirme
bien cette analyse.

4.4 Précision des systèmes numériques asservis

La précision des systèmes asservis est une des caractéristiques fondamentales des
systèmes automatisés. Elle représente la capacité du système à faire suivre à la sortie
le comportement de la consigne.
On considère deux types de précision :

70
r(k) (k) y(t)
C(z) CN A G(s)
+
−
ym(k)
Te
H(s)

Fig. 4.10 – Exemple de système pour le calcul de l’écart en régime permanent

– La précision en régime permanent, c’est-à-dire après établissement du régime per-

manent
– La précision dynamique qui prend également en compte la précision pendant le
régime transitoire
Nous nous limiterons ici à l’étude de la précision en régime permanent.
Un des objectifs de la correction des systèmes est d’annuler le signal d’écart en réponse
à une consigne d’un type donné, par exemple une consigne de type échelon. Une façon
d’étudier la précision des systèmes consiste donc à étudier le signal d’écart en régime
permanent en fonction du type de consigne et de perturbations possibles sur la boucle.
Nous considérerons ici des systèmes continus à commande numérique comme celui de
la figure 4.10 pour lesquels le signal d’écart est un signal échantillonné.
Il n’est pas possible d’étudier les écarts pour tous les types de consigne possibles. On
définit donc les consignes par leur ordre. Une entrée d’ordre n est une entrée polynômiale
de degré n, de la forme : r(k) = ni=0 ai k i Υ(k). La transformée en z de ce signal a alors
P

la forme R(z) = (z−1)N(n+1) (on notera l’exposant n + 1 du pôle en 1).

On parlera alors d’écart d’ordre n lorsque l’entrée est d’ordre n. Par exemple, on
appelle
– Erreur de position, l’erreur d’ordre 0, c’est-à-dire en réponse à un échelon : r(k) =
z
Υ(k), R(z) = z−1 . Cette erreur est également appelée erreur statique.
– Erreur de traı̂nage ou de vitesse l’erreur d’ordre 1, c’est-à-dire en réponse à
zTe
une rampe : r(k) = kΥ(k), R(z) = (z−1) 2

– Erreur d’accélération l’erreur d’ordre 2, c’est-à-dire en réponse à une parabole :

N (z)
rk = k 2 Υ(k), R(z) = (z−1) 3.

rem. 28 Les dénominations erreur de ”position” et de ”vitesse” proviennent directement

de l’asservissement en position d’un moteur. On prendra garde que si on asservit un
moteur en vitesse (i.e. la sortie qui est rebouclée est la vitesse du moteur), l’erreur de
position correspondra au signal d’écart lorsque la consigne est un échelon de vitesse !

4.4.1 Classe d’un système numérique

Considérons un système numérique G(z) d’entrée u(k) et de sortie y(k). Un pôle en 1
dans le système réalise l’intégration de l’entrée du système.

Dém. 8
Y (z) N
G(z) = =
U (z) D(z − 1)

71
y(k)

u(k)

Fig. 4.11 – Effet d’un intégrateur avec retard sur une entrée en échelon

On suppose que les pôles de G sont stables (à l’exception du pôle en 1). Alors
n
X m
X
Y (z)(z − 1) = Gi (z) + Uj (z)
i=1 j=1

où les Gi sont les modes propres stables du système et les Uj les modes forcés. Par trans-
formée en z inverse, on obtient :
n
X m
X
y(k + 1) − y(k) = gi (k) + uj (k)
i=1 j=1

Quand k → ∞, puisque les modes propres sont amortis, y(k + 1) → y(k) + m

P
j=1 uj (k).
A chaque pas on ajoute donc le signal d’entrée au signal de sortie du pas précédent : c’est
une intégration numérique.

Exemple simple : un intégrateur pur avec retard

1
G(z) =
z−1
alors
Y (z)(1 − z −1 ) = z −1 U (z)
et on obtient
y(k) = y(k − 1) + u(k − 1)
Le signal de sortie obtenu en réponse à une entrée en échelon est présenté en figure
4.11. Il s’agit d’une rampe, qui est bien l’intégrale d’un échelon.

Définition 9 Classe d’un système

La classe d’un système numérique asservi est le nombre de pôles en 1 dans la boucle
ouverte.

Les pôles en 1 de la fonction de transfert échantillonnée FBO (z) peuvent aussi bien pro-
venir de pôles en 1 d’éléments numériques (comme le correcteur), que de l’échantillonnage
d’éléments analogiques (comme le processus G(s)) ayant des pôles continus en 0.

72
4.4.2 Ecart en absence de perturbation
Nous étudions ici le signal d’écart dans le cas où la consigne est le seul signal d’entrée
activé.
On considère un système de classe l dont la boucle ouverte a pour transmittance
échantillonnée :
A(z)
FBO (z) =
B(z)(z − 1)l
et un signal de consigne d’ordre n

N (z)
R(z) =
(z − 1)n+1

Dans le cas d’un processus continu avec commande numérique, le signal d’écart est
échantillonné et on peut exprimer la transformée en z de ce signal de la façon suivante :
R(z) N (z)B(z)(z − 1)l
(z) = =
1 + FBO (z) (z − 1)n+1 (B(z)(z − 1)l + A(z))

On constate tout d’abord que (k) ne peut converger que si l ≥ n. Dans le cas contraire

(z) a deux pôles en 1 et le signal diverge.

Si l ≥ n alors on peut appliquer le théorème de la valeur finale :

lim (k) = lim (1 − z −1 )(z)

k→∞ z→1
N (1)B(1)(z − 1)l+1
= lim
z→1 (z − 1)n+1 (B(1)(z − 1)l + A(1))

On en déduit finalement que

– (k) → 0 ssi l > n
– Si l = n l’erreur tend vers une valeur finie
– Si l < n l’erreur est infinie (erreur non bornée)
Conclusion : Le signal d’écart s’annule en régime permanent si et seulement si la
classe de la boucle ouverte est plus grande que l’ordre de la consigne (la conclusion était
identique pour les systèmes continus).
Le tableau suivant exprime la valeur du signal d’écart en régime permanent dans
A(1)
quelques cas courants (on pose K = B(1) ):
z V0 z W0 z(z+1)
Entrée échelon R(z) = E0 z−1 rampe R(z) = (z−1)2
parabole R(z) = (z−1)3
E0
classe 0 1+K
∞ ∞
V0
classe 1 0 K
∞
2W0
classe 2 0 0 K

On note que dans le cas où l = n, l’erreur diminue quand on augmente le gain du système.
Toutefois on tend aussi en général à déstabiliser le système puisqu’on diminue sa marge
de phase. De même, lorsqu’on ajoute un intégrateur dans un système on diminue la marge
de phase. Il faut donc trouver un compromis entre précision et stabilité.

73
4.4.3 Ecart en présence de perturbations
Un autre élément important des systèmes asservis est leur aptitude à rejeter des
perturbations, c’est-à-dire des signaux pouvant être représentés comme des entrées non
maı̂trisées, tels que du bruit, des offsets, des dérives, etc.
On s’intéresse alors à l’erreur statique, c’est-à-dire au signal d’écart en régime perma-
nent lorsque la consigne est d’ordre 0. Idéalement, on souhaite que cette erreur soit nulle
malgré la présence des perturbations.
Définition 10 Erreur statique par rapport à une perturbation : Valeur en régime
permanent de l’écart entre consigne et mesure lorsque la consigne est nulle et une entrée
de perturbation activée
On définit également l’ordre de la perturbation comme cela a été fait pour la consigne.
Considérons le système suivant :
P (s)

+ y(t)
r(k) (k) +
C(z) CN A G1(s) G2(s)
+
−
ym(k)
Te
H(s)

La perturbation P (s) est d’ordre n (elle est ici continue, mais elle peut également
être numérique dans d’autres cas), la boucle ouverte est de classe l, l1 est la classe du
sous-système situé avant la perturbation (pôles en 1 de C(z) et pôles en 0 de G1 (s)) et l2
la classe du sous-système situé après la perturbation (G2 H) :

N um
P (s) = et R(z) = 0
sn+1
A(z)
FBO (z) =
B(z)(z − 1)l
N (z)
(G2 HP )(s) =
D(z)(z − 1)l2 +n+1
Le signal d’écart s’exprime alors de la façon suivante :
−Z(G2 HP ) −N (z)B(z)(z − 1)l
(z) = =
1 + FBO (z) (z − 1)n+1+l2 D(z)(B(z)(z − 1)l + A(z))

(k) converge à condition que l ≥ n + l2 ⇐⇒ l1 ≥ n. Dans ce cas,

lim (k) = lim (1 − z −1 )(z)

k→∞ z→1
−N (1)B(1)(z − 1)l+1
= lim
z→1 (z − 1)n+1+l2 D(1)(B(1)(z − 1)l + A(1))

74
On constate donc que
– (k) → 0 ssi l1 > n
– Si l1 = n l’erreur tend vers une valeur finie
– Si l1 < n l’erreur est infinie (erreur non bornée)

Conclusion : Une perturbation d’ordre n est rejetée si et seulement si le nombre d’intégrateurs

avant la perturbation est plus grand que l’ordre de la perturbation.
Voici les erreurs par rapport à des perturbations dans quelques cas courants (on pose
A(1)
K = B(1) et K2 = N (1)
D(1)
):
Perturbation échelon P (s) = Es0 rampe P (s) = Vs20 parabole P (s) = Ws30
l1 = 0 − E1+K
0 K2
∞ ∞
V0 K2
l1 = 1 0 − K ∞
W 0 K2
l1 = 2 0 0 − K

rem. 29 Lorsque l1 = n, l’erreur diminue quand on augmente le gain du correcteur. Mais

on tend aussi en général à déstabiliser le système. Il en va de même lorsqu’on ajoute
un intégrateur dans la boucle ouverte. Il faut donc trouver un compromis entre rejet de
perturbation et stabilité.

4.4.4 Importance de la chaı̂ne de retour

Dans la section précédente, nous avons étudié la précision du système bouclé sur le
signal d’écart .
En pratique, on est intéressé par l’erreur entre la sortie y(k) et la consigne r(k). La
différence entre y(k) et le signal de sortie mesuré utilisé pour calculer l’écart provient des
éléments de la chaı̂ne de retour. Nous allons brièvement étudier l’effet de ces éléments et
le comportement qu’on cherche à approcher.

Effet de la fonction de transfert de la chaı̂ne de retour Le cas idéal est obtenu

lorsque la chaı̂ne de retour H(s) ou H(z) a une fonction de transfert unitaire. Dans ce
cas ym (k) = y(k)∀k et l’annulation de l’écart correspond bien à l’égalité entre consigne et
sortie.
Toutefois, deux éléments doivent être pris en compte :
– la boucle de retour contient un capteur et il est souvent nécessaire d’amplifier les
signaux mesurés
– les capteurs ont des fonctions de transfert de type passe-bas
– des filtres anti-repliement doivent être utilisés pour éviter le phénomène de replie-
ment spectral qui introduit du bruit basse fréquence dans le système
La partie linéaire de la chaı̂ne de retour a donc une fonction de transfert de type
passe-bas de gain statique non nécessairement nul.
Pour obtenir le comportement désiré il faut donc que
– la bande passante de la chaı̂ne de retour (limitée par la pulsation de Nyquist ωN )
soit grande par rapport aux pulsations des signaux utiles afin de pouvoir approcher
la chaı̂ne de retour dans sa zone de fonctionnement par un simple gain H(0). Cela
implique donc que la période d’échantillonnage doit être suffisamment petite.

75
Te

r(k) + (k) u(k) y(t)

H(0) C(z) BOZ G(s)
-

ym(k)
Te
H(s)

capteur + filtre

régulateur numérique partie analogique

Fig. 4.12 – Principe de correction du gain statique de la chaı̂ne de retour par l’utilisation
d’un préfiltre

– prendre en compte le gain H(0) dans la consigne par l’ajout d’un préfiltre, comme
montré sur la figure 4.12.

Effet des perturbations sur la chaı̂ne de retour Dans le cas de perturbations

d’ordre n sur la chaı̂ne de retour, il suffit de n + 1 intégrateurs dans la chaı̂ne directe pour
annuler l’écart statique. Toutefois, dans ce cas la différence entre consigne et sortie est
non nulle.
Considérons le système de la figure suivante dans le cas d’une perturbation constante
d’amplitude P (z) = W . L’écart est annulé puisqu’il y a un intégrateur dans la chaı̂ne
directe.
r(k) (k) y(t)
C(z) CN A G1(s) G2(s)
+ z−1
−
ym(k)
Te
+
H(s)
+

P (z)

On voit alors clairement qu’en régime permanent y = r − W !

En fait, l’effet des perturbations sur la chaı̂ne de retour ne peut pas être
rejeté de l’erreur y − r, à moins de connaı̂tre explicitement la perturbation et de la
compenser par exemple en ajoutant un offset équivalent à la consigne.
Il faut donc prendre soin d’éviter tout bruit sur cette chaı̂ne particulièrement sensible.
On comprend bien que si la mesure est la seule information sur la sortie et qu’elle est
erronée, il est impossible de faire suivre à la sortie les valeurs de la consigne.

Effet du CAN Le convertisseur Analogique Numérique est un élément important de

la chaı̂ne de retour dans le cas de la commande numérique de systèmes continus. Parfois
le capteur est totalement numérique (par exemple un codeur incrémental) et il n’y a pas

76
de convertisseur à proprement parler, mais les effets sont similaires. Dans les deux cas il
y a quantification du signal : le signal ne peut prendre qu’un nombre de valeurs fini.
Les effets du CAN sont les suivants :
– Lorsque l’écart est nul, la différence y − r est ”nulle” à la résolution du CAN (ou
du capteur numérique) près.
Exemple : Soit un CAN 12 bits ayant une plage d’entrée [−10V ; +10V ]. Le pas de
quantification vaut ∆q = 220 12 ∼ 5mV . Lorsque l’écart est nul, |y − r| < 5mV pour

un quantifieur par troncature, |y − r| < 2.5mV pour un quantifieur par arrondi.

– Possibilité de cycle limite
Prenons l’exemple du système suivant :
r(k) + y(t)
BOZ
+

−0.8z −1 CAN

– Cas du CAN idéal sans quantification

1
Y (z) = R(z)
1 + 0.8z −1

=⇒ y(k) = −0.8y(k − 1) + r(k)

si r(k) = 0∀k et y(0) = 0.3, alors

y(k) = 0.3 ∗ (−0.8)k → 0 qd k → ∞

Le signal de sortie tend donc vers 0.

– Cas d’un CAN avec quantification dont le pas vaut ∆q = 0.1. Dans ce cas, le
signal numérique y(k) vaut

y(k) = −0.8 ∗ Q[y(k − 1)]

où Q[x] représente la quantification de la valeur x.

L’effet de la quantification dans ce cas particulier est présenté en figure 4.13.
On observe donc un cycle limite entre −∆q et +∆q à partir du pas 3.
Les effets de la quantification sont multiples. Voici quelques exemples de ce qu’on peut
observer sur le système de la figure 4.14 en fonction du pas de quantification et de la valeur
de la consigne. Pour chaque cas, on a représenté la consigne (rouge), la sortie (en bleu) et
l’écart (en vert).
– ∆q = 0.1 et r(k) = Γ(k) En régime permanent l’écart est nul, l’erreur y − r
également.

77
E

y(0)
y = −0.8x

y(2)

y(4)

S
−0.3 −0.2 −0.1 0.1 0.2 0.3

y(3)

y(1)

Fig. 4.13 – Effet de la quantification dans un cas simple. En ordonnée l’entrée du conver-
tisseur analogique numérique et en absisse sa sortie. Le système entre dans un cycle limite

(k) y(t)
r(k) 0.1 10
z−1 BOZ s+5
+
−
Te

CAN

Fig. 4.14 – Exemple pour l’étude des effets de la quantification

78
– ∆q = 0.2 et r(k) = Γ(k) L’écart reste nul, mais l’erreur ne l’est plus.

– ∆q = 0.2 et r(k) = 1.1Γ(k) L’écart est non nul et on observe un cycle limite

– ∆q = 0.5 et r(k) = 1.1Γ(k) L’écart est non nul, on observe un cycle limite dont la
forme est différente.

79
On voit donc que le CAN a un effet négatif sur la précision du système asservi. Il
est donc très important de choisir avec soin le pas de quantification du convertisseur en
fonction de la précision réelle que l’on souhaite atteindre.

80
Deuxième partie

Correction numérique des systèmes

81
Te w(t) δy(t)

r(k) u(k) u(t) + + y(t)

+ (k)
F (z) C(z) BOZ G(s)
- + +

ym(k)
Te
+
H(s)
+
capteur
v(t)
régulateur numérique partie analogique

Fig. 4.15 – Principe de la correction numérique d’un procédé analogique

Le principe de la correction numérique des systèmes est très similaire à la correc-

tion analogique. Le schéma bloc d’un procédé analogique asservi à l’aide d’un correcteur
numérique est présenté en figure 4.15.
Le correcteur est implanté sur un calculateur numérique, comme un micro-contrôleur,
un microprocesseur ou un ordinateur complet muni de cartes d’entrée - sortie.
Le problème consiste donc à déterminer la structure d’un correcteur numérique et
les valeurs des paramètres de cette structure afin de répondre à des contraintes pour le
comportement du système bouclé. Ces contraintes, données par un cahier des charges,
sont fournies en termes de stabilité du système, de performances (temps de réponse,
dépassement, précision, rejet de perturbations), et en termes de robustesse aux erreurs
de modèle (marges de stabilité). Elle peuvent être exprimées dans le domaine temporel
(temps de réponse, dépassement) ou dans le domaine fréquentiel (marge de phase et marge
de gain).
Il existe deux catégories de méthodes pour la synthèse des correcteurs numériques. La
plus utilisée est une synthèse par transposition du continu au numérique : elle consiste dans
une première phase à déterminer un correcteur analogique et ensuite à le transformer en
un correcteur numérique ayant des performances équivalentes. Ce type de méthodes très
utilisé dans l’industrie justifie pleinement l’étude de la correction analogique des systèmes
même si la grande majorité des correcteurs utilisés sont maintenant numériques.
Le deuxième type de méthodes de synthèse est appelé synthèse directe en numérique.
Moins utilisée dans l’industrie que la synthèse par transposition, elle permet toutefois des
réglages plus fins lorsque les modèles des procédés à asservir sont bien connus.

Outils pour la synthèse Un grand nombre des outils théoriques à notre disposition
pour synthétiser un correcteur répondant à un cahier des charges donné sont maintenant
connus. On peut y ajouter des outils de simulation (comme la toolbox Simulink de Matlab)
permettant de vérifier a posteriori la validité de choix ou d’hypothèses.
Pour la détermination de la stabilité du système bouclé, on dispose notamment de
critères algébriques (critère de Jury ou critère de Routh pour les synthèses en continu) et
du critère de Nyquist. Pour se conformer à des contraintes de performances, le lieu d’Evans
est un outil très puissant. On peut y ajouter les diagrammes fréquentiels comme les dia-
grammes de Bode et les méthodes de calcul des erreurs en régime permanent. En ce qui

83
concerne la robustesse du système bouclé, nous utiliserons principalement les diagrammes
harmoniques (Bode). C’est dans ce domaine que la simulation revêt une importance ca-
pitale, afin de tester le comportement du système bouclé vis-à-vis de différentes sources
d’erreurs sur les modèles (incertitudes, non-linéarités, dynamiques non modélisées, etc.).
En effet, les outils analytiques à notre disposition ne sont pas assez puissants pour pouvoir
simplement traiter ces erreurs.

84
Chapitre 5

Synthèse des correcteurs numériques

par transposition

Cette méthode de synthèse repose dans un premier temps sur la détermination d’un
correcteur analogique répondant au cahier des charges imposé. Pour ce faire, on peut
utiliser des méthodes de synthèse fréquentielles basées sur les diagrammes de Bode, des
synthèses par placement des pôles de la boucle fermée en utilisant le lieu des racines ou
choisir une structure de correcteur standard (P, PI, PD, PID), et déterminer les paramètres
de la structure par des méthodes empiriques.
Ces méthodes de synthèse sont supposées connues et ne sont donc pas détaillées dans
ce cours. Vous pouvez vous référer à l’ouvrage Systèmes et asservissements continus
d’Eric Ostertag, dont les références sont données en bibliographie [7].

5.1 Méthodes de transposition continu - numérique

La partie problématique de la synthèse de correcteur par une méthode par transposi-
tion est le choix d’une méthode de transposition. L’objectif de la transposition est de trou-
ver un correcteur numérique pour lequel le comportement de l’asservissement numérique
soit aussi proche que possible du comportement de l’asservissement analogique (voir figure
5.1). Etant donné l’effet de l’échantillonnage et de la quantification, on peut d’ores et déjà
penser qu’il n’est pas possible d’obtenir un comportement strictement identique.

rem. 30 Si le correcteur analogique a été synthétisé correctement, l’asservissement analo-

gique a le comportement optimal vis-à vis du cahier des charges fourni. On sent donc bien
que l’asservissement numérique résultant de la transposition sera au mieux équivalent
à l’asservissement analogique, mais en aucun cas meilleur. On voit donc tout de suite
poindre le principal point faible des méthodes de synthèse des correcteurs numériques par
transposition.

Plusieurs techniques de transposition sont couramment utilisées. Elles ont chacunes

leurs avantages et leurs inconvénients et sont plus ou moins adaptées aux problèmes que
vous aurez à traiter. Il n’y a pas de technique supérieure aux autres dans le cas général
et qui puisse être appliquée les yeux fermés. Les méthodes présentées ici sont
– l’échantillonnage - blocage d’ordre zéro

85
(t) u(t)
Cc(s)

Te
(t) u(t)
Cz (z) BOZ
(k) u(k)

Fig. 5.1 – Principe de la synthèse par transposition. Après synthèse de C(s), l’objectif
est de trouver un correcteur numérique Cz (z) de sorte que le schéma numérique (en bas)
ait un comportement aussi proche que possible de celui du schéma continu (en haut).

– la transformation d’Euler
– la transformation bilinéaire (sans et avec pré-warping)
– la transposition par conservation des pôles et des zéros
On peut également rencontrer la méthode par échantillonnage - blocage d’ordre un (ar-
gument ’foh’ de la fonction c2d de Matlab).

5.1.1 Transposition par échantillonnage - blocage

Cette méthode de transposition consiste simplement à remplacer un correcteur continu
par un système numérique constitué du correcteur continu précédé d’un échantillonneur
et d’un bloqueur d’ordre zéro (voir figure 5.2).
La fonction de transfert du correcteur numérique équivalent s’obtient donc simplement
en calculant la transformée en z du correcteur continu précédé d’un bloqueur d’ordre zéro.
Par exemple, si on souhaite transposer un correcteur C(s), le résultat de la transposition
sera
( )
−1 C(s)
C(z) = Z {B0 (s)C(s)} = (1 − z )Z (5.1)
s
Cette technique de transposition peut être appliquée avec Matlab en utilisant la com-
mande c2d avec l’argument ’zoh’ :

>> Cz = c2d(C, T e,0 zoh0 )

rem. 31 Lorsqu’on applique cette transposition à un procédé analogique précédé d’un

bloqueur d’ordre zéro, on obtient la fonction de transfert numérique du procédé. La com-
mande Matlab précédente pourra donc être utilisée avantageusement afin de vérifier les
calculs des fonctions de transfert numériques des procédés.

Voici quelques propriétés de la technique de transposition par échantillonnage - blo-

cage :
– Les pôles du correcteur C(z) sont en z = eTe pi où les pi sont les pôles du correcteur
analogique C(s). On dit que les pôles sont conservés.
– Si le correcteur C(s) est stable, alors le correcteur C(z) obtenu est également stable.
Cela découle directement de la conservation des pôles du correcteur. Attention ! On
parle ici de la stabilité du correcteur. Il n’y a en revanche aucune garantie sur la
stabilité de la boucle fermée (voir TP 1 sur l’effet de l’échantillonnage).

86
(t) u(t)
Cc(s)

Te
(t) u(t)
BOZ Cc(s) BOZ
Te (k) u(k)

C(z)

Fig. 5.2 – Principe de la transposition par échantillonnage blocage. Le correcteur

numérique équivalent est constitué du correcteur analogique précédé d’un échantillonneur
bloqueur.

Fig. 5.3 – Effet de la période d’échantillonnage sur la transposition par échantillonnage

- blocage. De gauche à droite : Te = 0.01s, Te = 0.1s et Te = 0.5s.

– Les zéros du correcteur ne sont pas conservés. Si C(s) n’a pas de zéros, alors C(z)
peut très bien en avoir, ou inversement.
– Le gain statique du correcteur (et donc de la boucle fermée lorsque celle-ci est stable)
est conservé
Avec cette méthode de transposition, la sortie du correcteur numérique est égale à
la sortie du correcteur analogique aux instants d’échantillonnage et est ensuite mainte-
nue pendant une période d’échantillonnage, comme cela est montré sur la figure 5.3. La
sortie numérique et donc toujours en retard sur la sortie analogique comme nous l’avons
remarqué lors de l’étude de l’effet fréquentiel du bloqueur d’ordre zéro.

Effet de la période d’échantillonnage En pratique, cette technique de transposition

donne des résultats corrects uniquement si la période d’échantillonnage est très petite
devant les temps de réponse des systèmes asservis. Dans ce cas, d’un point de vue temporel
on approche bien les signaux continus et, en outre, on travaille avec des signaux dont les
fréquences restent largement inférieures à la fréquence de Nyquist.
La figure 5.4 montre l’effet de la transposition par blocage d’ordre zéro sur le com-
portement harmonique d’un correcteur PD réel (C(s) = 10(s+5) s+50
). On observe que lorsque
la fréquence d’échantillonnage diminue l’approximation du comportement harmonique se
dégrade très fortement particulièrement sur la phase.
S’il n’est pas possible d’échantillonner très rapidement, il est fortement conseillé d’uti-

87
Fig. 5.4 – Effet de la fréquence d’échantillonnage sur la qualité de l’approximation par
transposition par blocage d’ordre zéro. Le correcteur approché est un PD réel (C(s) =
10(s+5)
s+50
).

liser une autre méthode de transposition moins sensible à l’augmentation de la période

d’échantillonnage.

5.1.2 Approximation bilinéaire

La transposition par échantillonnage-blocage présentée précédemment est souvent trop
brutale. D’autres méthodes plus complexes sont donc nécessaires. Ces méthodes sont
souvent basées sur une tentative d’approcher les équations différentielles qui régissent les
systèmes continus par des équations aux différences qui relient les signaux d’entrée et de
sortie numériques.
Les méthodes de transposition d’Euler que nous ne présentons pas ici sont par exemple
basées sur l’approximation numérique de la dérivation.
La méthode de transposition par approximation bilinéaire est basée sur l’approxima-
tion de l’intégration par la méthode des trapèzes. Elle est également appelée approxi-
mation homographique et vous trouverez également souvent l’appellation anglo-saxonne
”Tustin approximation”.
La figure 5.5 représente graphiquement l’approximation d’une intégrale par la méthode
des trapèzes.
On note I(t) l’intégrale du signal x(t). Avec cette approximation, on a

Te
I(kTe ) = I((k − 1)Te ) + (x(kTe ) + x((k − 1)Te ))
2
88
x(t)

1111
0000
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
0000
1111
Te t

Fig. 5.5 – Approximation d’une intégrale par la méthode des trapèzes

000000000000
111111111111 2+Tes
111111111111
000000000000
000000000000
111111111111
z= 2−Tes
000000000000
111111111111
000000000000
111111111111
000000000000
111111111111
000000000000
111111111111
000000000000
111111111111 1111111111111
0000000000000
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111
C1 1111111111111
0000000000000
0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111 0000000000000
1111111111111
0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111 0000000000000
1111111111111
000000000000
111111111111
000000000000
111111111111

Fig. 5.6 – Image de la zone de stabilité par la transformation bilinéaire. La stabilité du

correcteur est conservée.

Par transformée en z, on obtient :

Te (1 + z −1 )
I(z) = X(z)
2 (1 − z −1 )

Sachant qu’en continu une intégration est équivalente à une multiplication par 1s dans
le domaine fréquentiel, l’idée est d’approcher 1s par la fonction de transfert numérique
Te (1+z −1 )
2 (1−z −1 )
. Cela revient simplement à faire le changement de variable

2(z − 1)
s −→
Te (z + 1)

dans la fonction de transfert à transposer ou encore à poser z = 2+T es

2−Te s
.
On peut montrer que la transformation bilinéaire a les propriétés suivantes :
– La stabilité du correcteur est conservée. En effet, les pôles pi de C(s) sont trans-
formés en des pôles en z = 2+p i Te
2−pi Te
. Les pôles à partie réelle négative sont donc
amenés à l’intérieur du cercle unité. De plus, l’image de l’axe imaginaire par la
transformation bilinéaire est le cercle unité (voir figure 5.6).
– La transposition conserve l’intégration puisqu’un pôle analogique en s = 0 devient
un pôle numérique en z = 1.
– Le gain statique du correcteur et donc de la boucle fermée est conservé. En effet on
a s = 0 quand z = 1 et donc limz→1 C(z) = lims→0 C(s).

Effet fréquentiel Pour obtenir l’effet fréquentiel de la transformée bilinéaire, on pose

z = ejωTe (voir la section sur les diagrammes de Bode).

89
Fig. 5.7 – Diagrammes de Bode d’un intégrateur continu et de sa transformation bi-
linéaire.

2(z − 1) 2(ejωTe − 1) 2j ωTe tan ωT2 e

s∼ = = tan = jω ωTe
Te (z + 1) Te (ejωTe + 1) Te 2 2

à comparer avec s = jω en continu.

Contrairement à la transposition par blocage d’ordre zéro, la transformation bilinéaire
n’introduit pas de retard. Le comportement en phase sera donc globalement meilleur que
celui de la transformation par blocage d’ordre zéro. En amplitude, on note le filtrage par
tan ωTe
F (jω) = ωTe2 qui introduit une distorsion très importante pour les fréquences
2
proches de la fréquence de Nyquist.

Effets sur un intégrateur et un dérivateur D’après le calcul précédent, si C(s) =

s, on voit que les fréquences proches de la fréquence de Nyquist sont très fortement
amplifiées. Cela conduit à amplifier les bruits en très haute fréquence, ce qui n’est pas du
tout souhaitable.
L’effet sur un intégrateur est à l’inverse profitable, puisque les hautes fréquences sont
atténuées, comme cela apparaı̂t sur la figure 5.7.

Effet de la fréquence d’échantillonnage La figure 5.8 montre l’effet de la transpo-

sition bilinéaire pour un correcteur PD réel pour différentes fréquences d’échantillonnage.
On constate que pour une même période d’échantillonnage l’approximation est meilleure
que par blocage d’ordre zéro. De plus, la dégradation qui apparaı̂t lorsque la fréquence
diminue reste limitée aux fréquences proches de la fréquence de Nyquist. Toutefois on
observe une explosion du gain près de la fréquence de Nyquist qui peut être néfaste pour
la gestion du bruit.

1
Effet sur un filtre sélectif Soit le correcteur C(s) = 1+s 2 . On le transpose en numérique

à l’aide de la transformation bilinéaire avec la période d’échantillonnage Te = 0.5s. Les

diagrammes de Bode résultant sont donnés en figure 5.9. On note que la sélectivité du
filtre n’est pas affectée, mais les fréquences amplifiées sont décalées. Ce décalage provient
du filtrage F (jω) introduit par la transposition.

90
Fig. 5.8 – Effet de la fréquence d’échantillonnage sur la qualité de l’approximation par
transposition bilinéaire. Le correcteur approché est un PD réel (C(s) = 10(s+5)
s+50
).

Fig. 5.9 – Diagrammes de Bode pour un filtre sélectif transposé par transformation bi-
linéaire.

91
Fig. 5.10 – Comportement fréquentiel avec prewarping. A gauche en module et à droite
en phase.

Correction de la distorsion Afin de corriger la distorsion introduite par la transpo-

sition bilinéaire, on peut ajouter un terme de prewarping. Ce terme permet de corriger
la distorsion pour une fréquence particulière ω0 (la fréquence qui nous intéresse). Au lieu
d’utiliser le changement de variable précédent, on le modifie de la façon suivante :
ω0 Te
2 2 (z − 1)
s −→ .
tan ω02Te Te (z + 1)
ω0 Te
Le terme 2
ω T est simplement l’inverse du filtre F (jω) pour la pulsation ω0 . L’effet
tan 02 e
de ce prewarping est montré sur la figure 5.10. La pulsation ω0 choisie est la pulsation de
résonance du correcteur, c’est-à-dire 1rad/s.
On constate que comme espéré le comportement du correcteur numérique est mainte-
nant quasi-identique à celui du correcteur analogique.

rem. 32 Le ”prewarping” permet de corriger l’effet de la distorsion en une seule fréquence.

Il n’est donc pas possible d’approcher correctement un filtre doublement sélectif.

Conclusion La transformée bilinéaire permet de transposer efficacement les correcteurs

de type passe-bas. Associée à un prewarping, elle est également performante pour les filtres
sélectifs. Son très bon comportement en phase fait d’elle le premier choix pour approcher
les correcteurs du type avance ou retard de phase.
En revanche elle n’est pas adaptée pour les filtres ayant une bande passante large du
fait de l’amplification très importante des hautes fréquences qu’elle implique. Il faudra
notamment prendre garde lors de la transposition de correcteurs de type PD ou PID
lorsque les pôles du correcteur sont en haute fréquence.
Toutefois, la plupart des correcteurs couramment rencontrés étant de type passe-bas
ou passe-bande, elle est souvent le choix par défaut. Sous Matlab, elle s’obtient par l’option
’tustin’ :
>> Cz = c2d(C, Te, ’tustin’)

92
ou avec ’prewarp’ pour utiliser un prewarping à la pulsation w0 :
>> Cz = c2d(C, Te, ’prewarp’, w0)

rem. 33 Attention, l’argument par défaut de la commande c2d est 0 zoh0 !

5.1.3 Conservation des pôles et des zéros

Cette technique de transposition vise à conserver le comportement fréquentiel du cor-
recteur en transposant individuellement les pôles et les zéros. Cette technique porte le
nom de ”matched transform” en anglais.
KΠmj=1 (s − zj )
Le principe est le suivant. Considérons le correcteur continu C(s) = n
.
Πi=1 (s − pi )
Pour chaque pôle pi on détermine le pôle du correcteur numérique correspondant comme
Pi = eT pi . De même les zéros du correcteur numérique sont obtenus comme Zj = eT zj . On
détermine enfin le gain K 0 permettant de conserver le gain statique du correcteur. Deux
cas peuvent se présenter :
1. Si le correcteur initial analogique ne comporte ni intégrateur ni dérivateur (le gain
statique du correcteur est fini, non nul), on a simplement

KΠm n
j=1 (−zj )Πi=1 (1 − Pi )
K0 =
Πni=1 (−pi )Πm
j=1 (1 − Zj )

pour obtenir C(z = 1) = C(s = 0).

2. Si le correcteur analogique contient des intégrateurs ou des dérivateurs purs, la
conservation du gain statique n’est pas suffisante pour déterminer K 0 . On choisit
alors de calculer la valeur de K 0 qui conserve le gain du correcteur en une pulsation
particulière choisie en fonction de l’approximation recherchée.
Prenons l’exemple suivant : C(s) = 10(s+10)s(s+100)
. Ce correcteur contient un intégrateur
et son gain statique est donc infini.
La conservation des zéros et des pôles conduit pour une période d’échantillonnage
K 0 (z−0.9048)
de 0.01s à C(z) = (z−1)(z−0.3679) . Le gain statique de ce correcteur numérique est
également infini du fait de la présence de l’intégrateur (pôle en 1). Pour déterminer
K 0 on choisit de conserver le gain pour ω = ω0 . On cherche donc à avoir

K 0 (ejω0 Te − 0.9048)

10(jω + 10)
0
= jω T

− 1)(e jω T − 0.3679)

jω0 (jω0 + 100) (e 0 e 0 e

ce qui conduit pour ω0 = 1rad/s à K 0 = 0.0664.

Cette technique de transposition a les propriétés suivantes :
– Puisque les pôles sont conservés, la stabilité du correcteur est conservée. Attention,
cela ne signifie pas que le système bouclé reste stable !
– Le gain statique est conservé (par construction)
– La ”forme” de la réponse fréquentielle est conservée.

93
Fig. 5.11 – Effet de la fréquence d’échantillonnage sur la qualité de l’approximation par
conservation des pôles et des zéros. Le correcteur approché est un PD réel (C(s) = 10(s+5)
s+50
).

Effet de la fréquence d’échantillonnage La figure 5.11 montre l’effet de la transpo-

sition bilinéaire pour un correcteur PD réel pour différentes fréquences d’échantillonnage.
L’approximation en gain est très bonne même pour des fréquences d’échantillonnage
faibles. En revanche l’approximation en phase est moins bonne et se dégrade fortement
pour de faibles fréquences d’échantillonnage.

Effet sur un filtre sélectif L’effet de la transposition par conservation des pôles et
des zéros sur un filtre sélectif montre bien la conservation de la ”forme” de la réponse en
fréquence. La figure 5.12 montre en effet l’absence de décalage des fréquences. Toutefois,
on observe une déformation sur le diagramme en phase.
La transposition par conservation des pôles et des zéros est bien adaptée si on cherche
à approcher finement le comportement fréquentiel en amplitude du correcteur.

5.1.4 Conclusion
Toutes les méthodes de transposition présentées sont des tentatives d’approcher le com-
portement d’un correcteur analogique à l’aide d’un correcteur numérique. Bien évidemment,
il n’est pas possible de reproduire un comportement identique, et chacune de ces tech-
niques privilégie des caractéristiques particulières : par exemple les méthodes d’Euler
tentent principalement d’approcher le comportement en dérivation, alors que la trans-
formation bilinéaire tente d’approcher l’intégration. Il faut donc adapter le choix de la
méthode de transposition à la forme du correcteur. De manière générale on peut conseiller
le choix suivant :

94
Fig. 5.12 – La transposition par conservation des pôles et des zéros ne crée pas de décalage
en fréquence et est donc bien adaptée pour approcher des filtres sélectifs.

– Pour les correcteurs de type passe-bas ou passe-bande (les plus courants) la trans-
formation bilinéaire est bien adaptée.
– Pour des correcteurs très sélectifs, la technique de conservation des pôles et des
zéros est la plus adéquate. On peut également choisir la transformation bilinéaire
avec prewarping.
– Pour des correcteurs de type passe-haut, on privilégiera les méthodes d’Euler (non
présentées ici).
Ces techniques de transposition étant avant tout des approximations, il faut bien gar-
der à l’esprit que le comportement du correcteur numérique résultant sera nécessairement
moins bon que le comportement du correcteur analogique initial. Si vous trouvez un
meilleur comportement après transposition, c’est que le correcteur initial a mal été synthétisé !
En particulier, la stabilité de la boucle fermée n’est pas garantie ! Elle dépend avant tout
du choix de la période d’échantillonnage. La qualité de l’approximation est également liée
à la période d’échantillonnage. Plus celle-ci est petite, plus le comportement sera proche.
Il faut également ajouter que l’effet du bloqueur d’ordre zéro qui doit être ajouté entre
le correcteur numérique et le procédé n’a été pris en compte dans aucune des techniques
de transposition proposées. C’est une limitation importante des méthodes de synthèse
numérique par transposition.

5.2 Choix de la période d’échantillonnage

Comme nous venons de l’évoquer, la stabilité et le comportement global de la boucle
fermée sont dépendants de la période d’échantillonnage. Il est donc crucial de la choisir
convenablement.
Deux limites s’imposent pour ce choix
– la période d’échantillonnage doit être suffisamment longue pour que le calcul de la
commande à envoyer au procédé puisse avoir lieu. Cela dépend donc du matériel
(microprocesseur, micro-contrôleur) utilisé pour ce calcul.
Pour être plus précis, si le temps de calcul Tc est simplement inférieur à la période
d’échantillonnage Te , on introduit un retard d’une période d’échantillonnage dans
la chaı̂ne directe par rapport au correcteur analogique. Ce retard n’a pas été pris en
compte lors de la transposition du correcteur, et il peut avoir un effet déstabilisant

95
pour la boucle fermée.
Afin de réduire ce retard, on peut procéder à la désynchronisation de la lecture des
CAN et de l’écriture dans les CNA. On écrit la commande sur les CNA dès que le
calcul de la commande est terminé. Si le temps de calcul devient très petit devant
la période d’échantillonnage (Tc Te ∼ Tc < T10e ), on peut considérer d’un point de
vue théorique que l’échantillonnage et le blocage restent synchrones. Dans ce cas,
on n’introduit plus de retard dans la chaı̂ne directe (voir figure 5.13).
– La période d’échantillonnage doit être choisie suffisamment petite pour permettre
une bonne approximation du comportement du système analogique. Idéalement,
il faudrait que la fréquence de Nyquist fN = f2e soit plus grande que toutes les
fréquences utiles des signaux à échantillonner. Cette condition est difficile à évaluer
analytiquement, d’autant plus que les signaux à échantillonner dépendent du correc-
teur C(z) obtenu par transposition, celui-ci dépendant de la période d’échantillonnage
choisie.
En pratique on utilise une règle empirique pour le choix de Te . On considère que
τ
l’approximation du système analogique est bonne si Te ≤ 10 où τ est la constante
de temps du système analogique en boucle fermée. Cette règle est basée sur l’ob-
servation générale du comportement des systèmes et elle ne doit pas empêcher le
concepteur d’un système de vérifier la validité du choix de Te par des simulations
adéquates (par exemple en utilisant Simulink).
10
Exple 5 On considère le procédé donné par sa fonction de transfert G(s) = s(s+10) .
On synthétise un correcteur permettant d’obtenir un dépassement inférieur à 5%
et un temps de réponse à 2% inférieur à 1s. Un simple gain K = 5.2 répond à ce
cahier des charges. Le correcteur est ensuite transposé en numérique. On obtient
C(z) = 5.2 quelle que soit la méthode de transposition choisie. Le temps de réponse
tr étant de l’ordre d’une seconde, la constante de temps caractéristique de ce système
est d’environ τ = t3r ∼ 0.3s. La règle empirique conseille donc de choisir (si possible)
une période d’échantillonnage Te < 0.03s. Les réponses indicielles pour différents
choix de Te sont données en figure 5.14.
Un bon choix de la période d’échantillonnage par rapport aux fréquences utiles des
signaux ne suffit pas à garantir la validité du théorème de Shannon. En effet, aux
signaux utiles peuvent se superposer des signaux de bruit haute fréquence qui par
repliement spectral (c.f. TP1) se retrouvent dans la bande passante du procédé.
Il faut donc toujours ajouter avant l’échantillonneur un filtre anti-repliement (si
celui-ci n’est pas directement contenu dans le convertisseur analogique - numérique
utilisé).

5.3 Prise en compte du bloqueur d’ordre zéro

Les méthodes de transposition proposées ne prennent pas en compte l’effet du bloqueur
d’ordre zéro. Nous avons vu dans le premier chapitre de ce cours, que celui-ci introduit
– un retard d’une demi-période d’échantillonnage
– une atténuation de l’ordre de -4dB en limite de bande de base.
Lorsque les signaux à traiter ont des composantes proches de la fréquence de Nyquist,
il peut être nécessaire de prendre en compte l’effet du bloqueur d’ordre zéro. Une autre

96
échantillonnage - blocage
Te écriture CNA
lecture CAN
synchrone
Tc

écriture CNA
asynchrone
Tc

écriture CNA
quasi-synchrone
Tc

échantillonnage - blocage synchrone

r(k) + 1
y(t)
C(z) z BOZ G(s)
-
Te synchronisation

échantillonnage - blocage asynchrone

r(k) + y(t)
C(z) BOZ e−Tcs G(s)
-
synchronisation
Te

échantillonnage - blocage quasi-synchrone

r(k) + y(t)
C(z) BOZ G(s)
-
Te synchronisation

Fig. 5.13 – Effet du temps de calcul sur l’échantillonnage blocage. Si le temps de cal-
cul n’est pas négligeable devant la période d’échantillonnage, l’échantillonnage - blocage
synchrone introduit un retard d’une période d’échantillonnage non pris en compte dans
la transposition et modélisé par z1 . Pour diminuer ce retard, on peut désynchroniser
échantillonnage et blocage. L’analyse devient complexe car on introduit alors un retard
e−Tc s qui n’est pas multiple de la période d’échantillonnage. Toutefois, si le temps de calcul
est négligeable devant la période d’échantillonnage, on peut considérer que la synchroni-
sation est maintenue.
97
Fig. 5.14 – Effet de la période d’échantillonnage sur la réponse indicielle d’un système
bouclé

méthode consiste à l’inverse à choisir la période d’échantillonnage de sorte à ce que l’effet

du bloqueur d’ordre zéro reste négligeable.
Considérons un correcteur dont la pulsation de coupure est ωc . La perte de phase
introduite par le bloqueur d’ordre zéro (effet du retard) à la pulsation ωc vaut δϕ = ωc T2e .
Cette perte de phase diminue la marge de phase du système et risque donc de déstabiliser
la boucle fermée. Il est donc intéressant de pouvoir borner cette perte de phase. Si on
souhaite la limiter à 10˚ (0.17 rad.), il faudra imposer Te < 2∗0.17ωc
.
rem. 34 On s’est intéressé à la phase à la pulsation de coupure du correcteur en considérant
que les fréquences supérieures sont fortement atténuées par le correcteur.

5.4 Calcul de la loi de commande et implémentation

des correcteurs numériques
Les méthodes de synthèse par transposition (mais aussi les méthodes de synthèse
directes que nous verrons dans le chapitre suivant) fournissent des correcteurs sous la
forme de leur transmittance en z. Pour implanter un tel correcteur sur un calculateur
numérique, il faut exprimer la relation temporelle entre la sortie du correcteur (la com-
mande numérique) et son entrée (l’écart entre consigne et mesure), c’est-à-dire retourner
dans le domaine temporel.
On rappelle que la fonction de transfert numérique du correcteur est le rapport entre
les transformées en z des signaux de sortie et d’entrée. On a donc U (z) = C(z)(z). C(z)
peut être mis sous la forme
N (z) n0 + n1 z −1 + · · · + nm z −m
C(z) = = .
D(z) d0 + d1 z −1 + · · · + dn z −n
En faisant le produit en croix, on obtient U (z)D(z) = N (z)(z), soit
n m
−i
nj (z)z −j .
X X
di U (z)z =
i=0 j=0

98
En faisant la transformée en z inverse terme à terme (comme nous l’avons fait au chapitre
2 pour résoudre les équations aux différences), et en isolant u(k), on obtient :
1
u(k) = (n0 (k) + n1 (k − 1) + · · · + nm (k − m) − d1 u(k − 1) − · · · − dn u(k − n))
d0
On constate donc que la commande à envoyer au procédé au pas k dépend de l’écart
courant (si n0 6= 0) et des écarts aux m pas précédents, où m est le nombre de zéros
du correcteur, ainsi que des commandes déjà envoyées aux n pas précédents, où n est le
nombre de pôles du correcteur.
Il faudra donc conserver les écarts et les commandes passées pour pouvoir implémenter
la loi de commande correspondante. La solution pratique la plus simple consiste à conser-
ver les valeurs passées dans des tableaux. On aura besoin d’un tableau de taille minimale
m − 1 pour conserver les écarts passés et d’un tableau de taille minimale n − 1 pour
conserver les commandes passées. A chaque appel de la fonction calculant la commande
à envoyer au procédé il faudra gérer le ”décalage” des commandes et écart passés dans
leurs tableaux afin de toujours conserver les commandes et écarts qui nous intéressent
(voir TD, TP 2 et TP 3).

Remarques à propos de la commande numérique des systèmes Lorsqu’on tra-

vaille avec des correcteurs numériques il est particulièrement important de conserver suf-
fisamment de chiffres significatifs après la virgule (en général 3 ou 4) et de ne pas faire
d’approximations brutales, car de très petites erreurs sur les coefficients d’un correcteur
peuvent changer le comportement de celui-ci de façon importante. En effet, il faut se sou-
venir que les pôles numériques sont obtenus à partir des pôles analogiques par la formule
pnum = eT pana qui crée donc une échelle logarithmique pour la répartition des pôles.
En particulier il faudra prendre garde aux approximations de Matlab lors des opérations
de transposition. Considérons le correcteur analogique C(s) = 10(s+4) s(s+40)
contenant un intégrateur.
En utilisant la transposition bilinéaire pour une période d’échantillonnage Te = 0.01s,
2 −16.66z+8.003
Matlab fournit : C(z) = 8.67zz 2 −1.667z+0.6667
. On remarque que ce correcteur ne contient plus
d’intégrateur, alors que toutes les méthodes de transposition présentées (dont la transpo-
sition bilinéaire) ont la propriété de conserver les intégrateurs. Il ne s’agit pas d’une erreur
de Matlab mais d’un simple arrondi d’affichage. L’utilisateur non averti qui appliquerait
1
ce correcteur au système G(s) = (s+4) 2 n’obtiendrait pas le résultat escompté comme le

montre la figure 5.15.

5.5 Correcteurs standards

La forme des correcteurs standards les plus couramment rencontrés dans l’industrie,
tels que proportionnel intégral (PI), proportionnel dérivé (PD) et proportionnel intégral
dérivé (PID) peut facilement être obtenue en utilisant une technique ou une autre de trans-
position. Le tableau 5.1 donne la forme analogique et la forme numérique de ces correcteurs
obtenue par la transposition d’Euler (s −→ z−1 Te z
). On rappelle que les PD et PID sont
”réels” lorsque la dérivation pure est remplacée par une dérivation approchée constituée
d’un zéro en zéro et d’un pôle à plus haute fréquence. Cette ”modification” de la dérivation
pure permet de limiter le gain du correcteur en haute fréquence et évite d’amplifier trop
fortement les bruits haute fréquence très présents dans les systèmes électroniques.

99
Fig. 5.15 – Effet néfaste des arrondis pour les correcteurs numériques. En bleu la réponse
2 −16.66z+8.003
indicielle du système bouclé avec C(z) = 8.67z z 2 −1.667z+0.6667
, en rouge et pointillé la réponse
2 −16.66z+8.003
du système avec C(z) = 8.67z
z 2 −1.6667z+0.6667
.

type continu numérique

P C(s) = Kp C(z) = Kp

1 1 Te z

PI idéal C(s) = Kp 1+ C(z) = Kp 1+
Ti s Ti z − 1

!  
Td s N (z − 1) 
PD réel C(s) = Kp 1+ C(z) = Kp 1 +
1 + TNd s (1 + NTTde )z − 1

!  
1 Td s 1 Te z N (z − 1) 
PID réel C(s) = Kp 1+ + C(z) = Kp 1 + +
Ti s 1 + TNd s Ti z − 1 (1 + NTTde )z − 1

Tab. 5.1 – Formes classiques des correcteurs standards numériques obtenus par transpo-
sition d’Euler

100
P

r(k) (k) + + u(k)

Te z
Kp Ti (z−1) BOZ
+ I
- +

N (z−1)
(1+ NTTe )z−1
d
D approchée
Te
ym(k)

Fig. 5.16 – Représentation décomposée d’un correcteur PID numérique

5.5.1 Etude des PIDs numériques

L’étude que nous proposons ici pour les PIDs numériques est aussi valable pour les cor-
recteurs PDs et PIs numériques. Elle peut également être appliquée à d’autres formes des
PIDs obtenues par d’autres méthodes de transposition. Elle permet de mettre en évidence
les raffinements qui sont souvent appliqués aux correcteurs standards afin d’améliorer leur
comportement.
Une forme classique des PIDs numériques a été donnée dans le tableau 5.1. La com-
mande peut être décomposée en trois termes correspondant aux parties proportionnelle,
intégrale et dérivée de la commande comme représenté sur la figure 5.16.
De même, la valeur de la commande à chaque pas peut être décomposée en 3 termes
obtenus par transformée en z inverse de chacun des termes de la fonction de transfert :
u(k) = up (k) + ui (k) + ud (k) avec
up (k) = Kp (k)
Te
ui (k) = ui (k − 1) + Kp (k)
Ti
1
ud (k) = (ud (k − 1) + Kp N ((k) − (k − 1)))
1 + NTTde
C’est sous cette forme que sera généralement implémenté le correcteur PID, car
– elle limite le nombre de calculs par rapport à une expression brutale de la loi de
commande telle que présentée dans la section précédente
– elle permet de traiter séparément le terme dérivé et le terme intégral, ce qui permet
de leur appliquer les traitements présentés dans les paragraphes suivants.

Forme sans dérivation de la consigne La dérivation du signal d’écart entre la

consigne et la mesure est équivalente à la dérivation de la consigne moins la dérivation de la
mesure. La dérivation de la consigne est dans certains cas néfaste au bon fonctionnement
du système.
Pour comprendre cela, considérons un moteur que l’on asservit en position. On souhaite
amener le moteur en différentes positions successivement, en attendant à chaque fois que

101
r(k) (k) + + u(k)
Te z
Kp Ti (z−1) BOZ
+
- +

N (z−1)
−Kp (1+ NTTe )z−1
d

Te
ym(k)

Fig. 5.17 – PID numérique sans dérivation de la consigne

le moteur se soit stabilisé. La consigne est donc une succession de créneaux. A chaque fois
que le moteur s’est stabilisé, l’application d’un créneau sur la consigne crée, par dérivation,
un pic sur le terme de dérivation qui fait saturer les actionneurs (variateurs de vitesse)
(voir figure 5.18). Dans ce cas particulier, il est préférable de ne dériver que la mesure.
En dehors des changements brusques de position, la consigne est constante et il est donc
équivalent de dériver l’écart et de dériver l’opposée de la mesure.
Dans ce cas, le correcteur PID prend la forme donnée en figure 5.17 et le terme dérivée
temporel devient :

1
ud (k) = (ud (k − 1) − Kp N (ym (k) − ym (k − 1)))
1 + NTTde

rem. 35 L’application de l’effet dérivée à la mesure et non à l’écart doit être réservé aux
cas où la consigne est de type créneau. En effet, pour d’autres types de consigne (rampe,
sinusoı̈de, etc.) il est important de conserver le terme de dérivation de la consigne qui
renseigne sur la valeur future de la consigne. De plus, dans le cas où le signal de consigne
est continu (pas de saut brusque), il n’y a pas d’apparition de pic néfaste sur la commande.

Effet des saturations sur le terme intégral

Lors de l’implémentation d’une loi de commande numérique, il est très important
de prendre en compte les limitations physiques des actionneurs et même éventuellement
d’ajouter des limitations logicielles afin d’éviter d’amener les actionneurs en dehors de
leur zone de fonctionnement linéaire.
La saturation de la commande (matérielle ou logicielle) peut être représentée mathé-
matiquement par une fonction continue dérivable par morceaux :
– si u(k) > UM , ua (k) = UM
– si u(k) < Um , ua (k) = Um
– sinon ua (k) = u(k)
où UM est la saturation supérieure, Um la saturation inférieure, u(k) la commande calculée
au pas k et ua (k) la commande réellement envoyée vers l’actionneur (commande appliquée)
(voir figure 5.19).

102
10
Fig. 5.18 – Commande et réponse indicielle du système G(s) = (s+10)2
corrigé avec le
1210z 2 −2200z+10
PID numérique C(z) = z(z−1)
.
Lorsque la consigne est dérivée (à gauche), la
commande du système explose. En pratique le système sature et entre dans un régime
non-linéaire. Lorsque seule la mesure est dérivée (à droite), la commande est réduite au
prix d’un temps d’établissement plus long.

UM
u(k) ua(k)

commande commande appliquée

calculée
Um

Fig. 5.19 – Représentation d’une saturation sur la commande

103
r(t)
1111111111111111111
0000000000000000000
y(t)
0000000000000000000
1111111111111111111
0000000000000000000
1111111111111111111
0000000000000000000
1111111111111111111
S2
0000000000000000000
1111111111111111111
0000000000000000000
1111111111111111111
0000000
1111111
0000000000000000000
1111111111111111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
S1
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
0000000
1111111
t

Fig. 5.20 – Réponse d’un système bouclé avec un correcteur contenant un intégrateur. La
commande devient nulle et la réponse se stabilise lorsque l’aire S2 est égale à l’aire S1.

Fig. 5.21 – Réponse indicielle (rouge) et commande (bleu) pour un système sans satura-
tion (à gauche) et avec saturation de la commande (à droite).

Lorsque le correcteur contient une action intégrale, la saturation de la commande a un

effet néfaste qui se traduit par des dépassements importants et des temps d’établissement
allongés. Pour comprendre ce phénomène, intéressons nous à l’action intégrale du correc-
teur. La partie intégrale de la commande devient nulle lorsque l’intégrale de l’écart entre
consigne et mesure depuis la mise en route du système est nulle. En termes géométriques,
lorsque l’action intégrale s’arrête, l’aire située entre la consigne et la mesure est égale à
l’aire entre la mesure et la consigne, comme cela est représenté sur la figure 5.20.
Lorsque la commande est saturée, la pente du signal de sortie est limitée et la sur-
face S1 entre la consigne et la mesure augmente. Par conséquent la surface S2 doit
également augmenter, ce qui se traduit par une augmentation du dépassement et du
temps d’établissement. La figure 5.21, permet de comparer les réponses obtenues avec et
sans saturation de la commande pour le même système. On constate l’allongement du
temps d’établissement et l’augmentation du dépassement.

Dispositif d’anti-emballement du terme intégral Afin d’éviter ces problèmes, des

solutions ont été proposées pour empêcher l’emballement du terme intégral, c’est-à-dire
son augmentation alors que l’actionnement du système est bloqué par la saturation.
La solution la plus simple consiste à arrêter l’intégration dès que la commande sature.

104
Le calcul complet de la commande se fait alors de la façon suivante : on détermine la
valeur u0 (k) qui correspond à la valeur classique de la commande sans saturation. Si
u0 (k) est dans la zone en dehors des saturations, on applique u0 . En revanche, si on
détecte que u0 est au-delà des limites de saturations, on recalcule le terme intégral ui (k).
Plus précisément, on conserve la valeur précédente du terme intégral, c’est-à-dire qu’on
arrête l’intégration.
Te
– u0 (k) = up (k) + ui (k − 1) + Kp (k) + ud (k)
Ti
ui (k − 1) + Kp TTei (k) si Um < u0 (k) < UM
(
– ui (k) =
ui (k − 1) si u0 (k) > UM ouu0 (k) < Um
– u(k) = up (k) + ui (k) + ud (k)
Cette méthode d’anti-emballement est très simple, mais elle peut conduire à une com-
mande sous-optimale. En effet, si le terme ui (k) est prédominant par rapport à up et ud
le blocage de l’intégration diminue fortement la commande appliquée.
Afin d’obtenir la commande maximale à la limite de la saturation, on peut utiliser
le dispositif suivant qui consiste à recalculer le terme intégral qui amène la commande
appliquée juste à la valeur de saturation us .
Te
– u0 (k) = up (k) + ui (k − 1) + Kp (k) + ud (k)
 Ti
 UM − (up (k) + ud (k)) si u0 (k) > UM

– ui (k) = ui (k − 1) + Kp TTei (k) si Um < u0 (k) < UM


Um − (up (k) + ud (k)) si u0 (k) < Um
– u(k) = up (k) + ui (k) + ud (k) = us

105
106
Chapitre 6

Synthèse numérique des correcteurs

Dans ce chapitre, nous allons voir comment réaliser la synthèse d’un correcteur numérique
directement dans l’espace des transformées en z, sans passer par l’intermédiaire d’un cor-
recteur analogique.
Ces méthodes sont plus rarement utilisées en pratique, car elles nécessitent des outils
souvent mal maı̂trisés en numérique (diagrammes de Bode, lieu d’Evans). Pourtant, les
résultats obtenus sont plus précis que ceux obtenus par transposition, puisqu’il n’y a
plus besoin d’approcher des comportements continus par des correcteurs numériques. Ces
méthodes seront donc à privilégier pour des réglages fins lorsqu’on dispose de bons modèles
des procédés à asservir.

6.1 Principe
Pour réaliser une synthèse directe en numérique, nous devons travailler sur le modèle
numérique du procédé à asservir. La première étape est donc la détermination de la fonc-
tion de transfert numérique du procédé précédé du convertisseur numérique - analogique
souvent modélisé par un bloqueur d’ordre zéro.
Le calcul se fait simplement par :
( )
−1 G(s)
G(z) = Z {B0 (s)G(s)} = (1 − z )Z
s
rem. 36 Ce calcul peut être réalisé à l’aide de matlab en utilisant la commande c2d .
L’argument de la méthode à utiliser est alors ’zoh’ puisqu’on réalise en fait la ”transposi-
tion” du système continu en numérique en le faisant précéder d’un BOZ.

Le correcteur sera ensuite synthétisé de façon très semblable au continu en utilisant

soit
– des méthodes fréquentielles
– le placement des pôles de la boucle fermée
– des méthodes algébriques (qui ne seront pas traitées dans ce cours)

Avantages des méthodes directes

– Puisqu’on calcule G(z) dès le départ, on voit que la présence du convertisseur
numérique analogique est prise en compte explicitement.

107
– De même, la période d’échantillonnage est prise en compte depuis le début.
– Les correcteurs obtenus ne subissent pas les distorsions liées aux méthodes de trans-
positions.
– En raison des prises en comptes explicites précédentes, la synthèse numérique directe
est mieux adaptée pour synthétiser des correcteurs robustes vis-à-vis de la mauvaise
connaissance du système (non-linéarités, dynamiques non prises en compte, erreurs
de modèles)

Inconvénients Le principal inconvénient des méthode de synthèse directes en numérique

est d’utiliser des outils moins intuitifs que les méthodes continues. Les diagrammes de bode
des systèmes numériques sont par exemple plus difficiles d’utilisation que les diagrammes
de Bode en continu. De même, le positionnement des pôles de la boucle fermée à l’aide
du lieu d’Evans est plus délicat qu’en continu. Mais ces inconvénients deviennent vite
mineurs avec un peu de pratique.

6.2 Synthèse fréquentielle

Typiquement, une synthèse numérique fréquentielle peut être décomposée en 5 étapes
parfois interdépendantes.
1. On calcule tout d’abord la fonction de transfert numérique du procédé avec la
période d’échantillonnage choisie.
2. Il est nécessaire d’exprimer le cahier des charges en des termes fréquentiels. C’est-
à-dire que :
– les notions de rapidité doivent être exprimées sous forme de bande passante,
– les notions de stabilité, de dépassement doivent être exprimées sous forme de
marge de phase ou de marge de gain.
– On peut ajouter des contraintes de rejet de perturbations
– et de précision (gain statique, annulation d’erreurs d’ordre n par rapport à la
consigne, etc.)
3. A partir du cahier des charges, on peut partiellement décider de la structure du
correcteur. Par exemple, des contraintes de gain statique unité peuvent se traduire
par la présence d’un intégrateur dans le correcteur. Le correcteur peut être mis sous
la forme C(z) = Cimp (z)Clibre (z) avec une partie imposée par la simple lecture du
cahier des charges et une partie à déterminer.
4. L’outil principal des synthèses fréquentielles est le diagramme de Bode. On tracera
donc ici les diagrammes de Bode en amplitude et en phase du procédé numérique,
ou le plus souvent, de l’ensemble procédé + Cimp .
5. A partir des diagrammes de Bode on pourra déterminer la structure complète du
correcteur qu’on essaiera de garder la plus simple possible, et les paramètres du
correcteur seront déterminés à partir des diagrammes et du cahier des charges.
rem. 37 La démarche présentée ici peut très bien s’appliquer à la synthèse des correcteurs
analogiques, à l’exception de la première étape. D’autre part, lorsqu’on ne dispose pas
d’un modèle du système mais par exemple de son diagramme de Bode numérique relevé
expérimentalement, la première étape est supprimée.

108
Choix de la période d’échantillonnage La valeur de la période d’échantillonnage
agit sur la réponse fréquentielle du procédé. Pour pouvoir faire le réglage demandé par le
cahier des charges, il faut que la fréquence de Nyquist fN = f2e soit plus grande que la
bande passante désirée. Le cahier des charges apporte donc des contraintes sur le choix
de Te (quand celui-ci est possible).

Tracé des diagrammes de Bode La principale différence par rapport à une synthèse
fréquentielle en continue réside dans la difficulté de tracer sans outil informatique les
diagrammes de Bode en numérique. Notamment,
– les tracés asymptotiques ne s’appliquent pas en numérique,
– l’ajout d’un intégrateur ne déphase pas uniformément le diagramme de phase.
Le développement des outils numériques tels que Matlab offre de nombreuses solutions
pratiques. Il existe également une méthode permettant de profiter des tracés asympto-
tiques pour la synthèse. Elle est donnée ici à titre ”historique”.
Le principe est basé sur l’utilisation de la transformée en w.
– On applique la transformée en w à la fonction de transfert numérique G(z) :
Tw
1+ 2
G(w) = G(z = Tw ).
1− 2

Cette transformée projette le cercle unité sur l’axe imaginaire et permet de revenir
artificiellement aux conditions de tracé en continu.
– Pour obtenir le comportement harmonique, on prend z = ejωTe . Comme w = T2e z−1 z+1
,
ωTe ωTe
tan tan
cela revient à faire w = jω ωTe
2
. En posant ω 0 = ω ωTe
2
, G(jω 0 ) est une fraction
2 2
rationnelle en ω 0 .
– On trace les diagrammes de Bode de G(jω 0 ) en utilisant les techniques classiques
de tracé asymptotique.
– On synthétise un correcteur C(w) en utilisant les méthodes de synthèse fréquentielles
continues
– On calcule le correcteur numérique C(z) en utilisant la transformée en w inverse.
ωTe
tan
rem. 38 Le terme ωTe2 qui apparaı̂t dans ω 0 crée une distorsion des fréquences parti-
2
culièrement sensible près de la fréquence de Nyquist. La synthèse ne prend pas en compte
cette distorsion et le comportement final du système sera différent du comportement espéré
pour les fréquences proches de la fréquence de Nyquist.

rem. 39 Même s’il peut sembler que la synthèse a lieu en continu, il s’agit bien d’une
méthode de synthèse numérique puisqu’elle est appliquée à G(z). Le passage dans l’espace
en w n’est qu’un artifice permettant d’appliquer les règles de tracé asymptotique propres
aux fonctions rationnelles.

6.2.1 Exemple de synthèse fréquentielle

On souhaite asservir un procédé G(s) selon le schéma de la figure 6.1, où
10
G(s) =
(s + 10)(s + 3)

109
r(k) y(t)
C(z) BOZ G(s)
+
-

Fig. 6.1 – Schéma de l’asservissement

Le cahier des charges est le suivant :

1. Gain statique unitaire
2. Rejet des perturbations de charge constantes
3. marge de phase de 45˚
4. bande passante de 5 rad/s
La période d’échantillonnage est fixée à Te = 0.1s. La pulsation de Nyquist vaut alors
ωN = Tπe ∼ 31 rad/s et est compatible avec la bande passante désirée.
1.
( )
−1 G(s)
G(z) = Z{B0 (s)G(s)} = (1 − z )Z
s
0.0331(z + 0.649)
=
(z − 0.3679)(z − 0.7408)
rem. 40 La fonction de transfert G(z) peut être vérifiée à l’aide de Matlab en uti-
lisant la commande :
>> Gz = c2d(G, 0.1,0 zoh0 )
2. Le cahier des charges est exprimé en termes compatibles avec une synthèse fréquentielle
et n’a pas besoin d’être traduit.
3. L’analyse directe du cahier des charges permet de définir partiellement le correc-
teur : pour assurer le gain statique unitaire il faut un intégrateur dans le correcteur,
puisque G(s) n’en contient pas. Cet intégrateur est suffisant pour rejeter les pertur-
1
bations de charge constantes. On aura donc Cimp (z) = z−1 . Les autres contraintes
du cahier des charges nécessitent de tracer les diagrammes de Bode.
4. On trace les diagrammes de Bode de Cimp G. Ceux-ci sont donnés en figure 6.2.
5. L’analyse du diagramme de Bode montre que la bande passante est insuffisante (2.4
rad/s au lieu de 5 rad/s). Toutefois, si on augmente la bande passante jusqu’à 5
rad/s à l’aide d’un simple gain, la marge de phase devient négative puisque la phase
à ω = 5rad/s vaut environ −200˚. On comprend donc qu’il faut relever la phase aux
environs de 5rad/s. Cela peut se faire à l’aide d’un correcteur à avance de phase ou,
plus simplement, à l’aide d’un zéro dans le correcteur. Par souci de simplicité nous
pouvons opter pour la seconde solution (le correcteur sera bien causal). Le correcteur
complet aura alors la forme C(z) = K(z−z z−1
0)
qui est celle d’un PI numérique.
rem. 41 Rien ne garantit que l’ajout d’un zéro soit suffisant pour relever la phase
à la valeur désirée, car contrairement au cas continu l’ajout d’un zéro dans un cor-
recteur numérique ne permet pas nécessairement d’ajouter 90˚. Il faut donc essayer.

110
G(z)
Fig. 6.2 – Diagrammes de Bode de z−1

Si un zéro est insuffisant, on peut tenter d’ajouter un deuxième zéro. Pour que le
correcteur reste causal il faudra alors ajouter un deuxième pôle au correcteur (PID
réel).
Il faut maintenant déterminer où placer le zéro. Nous souhaitons amener la phase
de CG à −135˚ pour ωc = 5rad/s. Le calcul de la phase de CG donne :

G(ejωc Te )
!
jωc Te π
ϕ(CG(e )) = arg jωc Te + arg(ejωc Te − z0 ) = −200 ∗ + arg(ejωc Te − z0 )
e −1 180

ce qui conduit à résoudre l’équation

π
arg(ejωc Te − z0 ) = 65 ∗
180
Comme ejωc Te − z0 = cos ωc Te − z0 + j sin ωc Te , on a :

arg(ejωc Te − z0 ) = atan2(sin ωc Te , cos ωc Te − z0 )

et on obtient finalement
π
− sin ωc Te + tan 65 180 cos ωc Te
z0 = π = 0.6540
tan 65 180

Il suffit maintenant de déterminer le gain K du correcteur. Cela peut se faire analy-

tiquement en calculant le gain de CG à la pulsation ωc . On peut également retracer
les diagrammes de Bode de CG comme cela a été fait figure 6.3.

111
Fig. 6.3 – Diagrammes de Bode de CG avant réglage du gain.

On constate qu’il manque environ 14dB qui sont apportés par un gain K = 5.
Finalement, le correcteur obtenu est le suivant :

5(z − 0.6540)
C(z) =
z−1

et le diagramme de Bode de la boucle ouverte est donné en figure 6.4. La réponse in-
dicielle de la boucle fermée est présentée en figure 6.5. Comme espéré, le dépassement
est de l’ordre de 20%.

rem. 42 Le calcul du correcteur proposé est optimal puisqu’il amène juste la marge de
phase demandée. Une autre façon de procéder pour définir la valeur de z0 peut être de
compenser le pôle dominant du système comme dans le réglage en continu d’un correcteur
P I, à condition de disposer du modèle de la fonction de transfert. Dans le cas présenté
ici, le pôle dominant est le pôle en z = 0.7408.

6.3 Stabilité interne

Avant de présenter les méthodes de synthèse par placement de pôle, il est utile ici
de préciser les notions de stabilité. En effet, la notion de BIBO stabilité peut s’avèrer
insuffisante pour déterminer la stabilité des systèmes bouclés.
Prenons l’exemple de la figure suivante :
r(k) u(k) y(k)
C(z) G(z)
+
-

avec
0.3(z − 0.7)(z − 0.5) z−2
C(z) = et G(z) =
(z − 1)(z − 2)(z − 0.1) (z − 0.5)(z − 0.7)

112
Fig. 6.4 – Diagrammes de Bode de CG après réglage complet du correcteur.

Fig. 6.5 – Réponse indicielle de la boucle fermée après réglage du correcteur par une
synthèse numérique fréquentielle.

113
Fig. 6.6 – A gauche la réponse en simulation d’un système bouclé BIBO stable mais non
stable en interne. A droite la réponse du système après suppression du couple zéro / pôle
responsable de l’instabilité interne.

Le calcul de la fonction de transfert entre la consigne R et la sortie Y donne :

Y (z) 0.3 0.3
= 2 =
R(z) z − 1.1z + 0.4 (z − 0.55 − 0.31j)(z − 0.55 + 0.31j)
qui est une fonction de transfert BIBO stable puisque ses pôles sont à l’intérieur du cercle
unité.
Calculons maintenant la fonction de transfert entre la consigne R et la commande U .
On obtient :
U (z) 0.3(z − 0.7)(z − 0.5)
=
R(z) (z − 2)(z 2 − 1.1z + 0.4)
qui est une fonction de transfert non BIBO stable en raison du pôle en 2. Cela signifie
donc que le signal de commande peut devenir non borné pour un signal d’entrée borné.
Comment le signal de sortie Y peut-il alors rester borné ? La réponse est la suivante : le
signal de sortie diverge dès que se présente une perturbation aussi infime soit-elle.
La figure 6.6 montre la simulation du système à l’aide de Simulink : on constate que la
sortie diverge en raison des approximations numériques de Matlab. La même simulation
a été faite en supprimant le zéro en 2 de G et le pôle en 2 de C. La fonction de transfert
entre R et Y est théoriquement identique, mais on constate qu’alors la sortie reste stable.
Bien évidemment, en pratique, le système avec le couple pôle / zéro en 2 est instable
et donc inutilisable.
La notion de BIBO stabilité est donc insuffisante pour les systèmes bouclés. Il faut la
compléter par la notion de stabilité interne.

Définition 11 Un système est stable de manière interne si toutes les fonctions de trans-
fert entre les entrées externes et tous les points du système ont leurs pôles à l’intérieur
du cercle unité (à gauche de l’axe imaginaire pour les systèmes continus)

La conséquence directe est qu’il n’est pas possible de compenser des pôles à
l’extérieur du cercle unité. En effet la fonction de transfert entre une perturbation de
charge et la sortie contiendrait alors les pôles instables du procédé.
De même on ne peut pas compenser des zéros à l’extérieur du cercle unité,
car les pôles instables du correcteur apparaissent dans la fonction de transfert entre la
consigne et la commande.

114
rem. 43 La notion de stabilité interne n’est pas spécifique aux systèmes numérique. Elle
est également valable pour les systèmes analogiques.

rem. 44 On notera également que la compensation parfaite d’un pôle ou d’un zéro n’est
jamais possible : la plupart des systèmes ne sont pas parfaitement linéaires et la position
des pôles est toujours connue à une incertitude près. La mauvaise compensation d’un pôle
crée alors des branches du lieu des racines entre le pôle du procédé et le zéro du correcteur.
Sur ces branches se déplacent des racines de la boucle fermée. Si le pôle du procédé est
instable alors il existe un pôle instable pour la boucle fermée et le système bouclé n’est
même pas BIBO stable !

6.4 Placement de pôles numérique

L’objectif de cette méthode est de placer les pôles de la boucle fermée sur la carte des
pôles et des zéros en agissant sur le gain du correcteur et en plaçant des zéros et des pôles
du correcteur. Les techniques sont très similaires aux méthodes de placement des pôles
pour les systèmes analogiques.
On peut également décomposer la procédure de réglage en 5 phases.
1. On calcule tout d’abord la fonction de transfert numérique du procédé avec la
période d’échantillonnage choisie.
2. Il est confortable d’exprimer le cahier des charges en des termes de position des
pôles de la boucle fermée, en donnant un modèle (souvent de type 2ème ordre) de
cette boucle fermée :
– les notions de rapidité peuvent être exprimées sous forme de temps de réponse,
– les notions de stabilité peuvent être exprimées sous forme d’amortissement (ou de
dépassement).
– On peut y ajouter des contraintes de rejet de perturbations
– et de précision (gain statique, annulation d’erreurs d’ordre n par rapport à la
consigne, etc.)
Toutefois, les outils informatiques tels que rltool permettent de visualiser en temps
réel l’effet du déplacement des pôles sur les réponse indicielle, diagramme de Bode,
etc. de sorte qu’il devient possible de faire le réglage pour d’autres types de contraintes.
3. A partir du cahier des charges, on peut partiellement décider de la structure du
correcteur. Par exemple, des contraintes de gain statique unité peuvent se traduire
par la présence d’un intégrateur dans le correcteur. Le correcteur peut être mis sous
la forme C(z) = Cimp (z)Clibre (z) avec une partie imposée par la simple lecture du
cahier des charges et une partie à déterminer.
4. L’outil principal des synthèses par placement de pôles est le lieu d’Evans. On tracera
donc ici le lieu des racines du procédé numérique ou, le plus souvent, de l’ensemble
procédé + Cimp .
5. A partir du lieu d’Evans on pourra déterminer la structure complète du correcteur
qu’on essaiera de garder la plus simple possible, et les paramètres du correcteur
seront déterminés à partir du cahier des charges et des abaques du lieu des racines.

115
Choix de la période d’échantillonnage La période d’échantillonnage doit être com-
patible avec les contraintes du cahier des charges. On pourra notamment se baser sur
les temps de réponse espérés. Si le cahier des charges impose par exemple un temps
d’établissement à 2% d’une seconde, il est souhaitable d’avoir une période d’échantillonnage
inférieure à 100ms. Toutefois, contrairement aux synthèses par transposition, on peut
synthétiser un correcteur ayant un temps de réponse de l’ordre de 2 ou 3 périodes
d’échantillonnage seulement. Ces correcteurs, appelés ”correcteurs à temps d’établissement
finis”, sollicitent cependant des commandes fortes qui peuvent être mises en défaut par
des saturations de la commande.
Il faut également se souvenir que les pôles de G(z) sont en eTe pi où les pi sont les pôles
de G(s). En choisissant Te trop petite, on va concentrer les pôles de G(z) très proches
du cercle unité sur la carte des pôles et des zéros numériques. La conséquence en est un
réglage difficile du correcteur sur le lieu d’Evans.
Le choix de Te est également contraint lorsque le procédé contient un retard pur. Alors
qu’en analogique il n’était pas possible de faire une synthèse par le lieu des racines pour
les systèmes à retard, cela devient possible en numérique à condition que le retard du
procédé soit un multiple de la période d’échantillonnage. La transformée en z du retard
crée alors des pôles du système en 0. En choisissant Te trop petite par rapport au retard
τ , on crée un grand nombre de pôles qui rendent le réglage par le lieu d’Evans impossible.

6.4.1 Quelques conseils pour l’utilisation du lieu des racines

pour le réglage d’un correcteur
Le réglage d’un correcteur en utilisant le lieu des racines est plus délicat en numérique
qu’en analogique. Toutefois, un minimum de pratique permet de s’en sortir. Voici quelques
conseils pour les réglages :
– Les pôles et zéros du correcteur doivent être placés à l’intérieur du cercle unité dans
la très grande majorité des cas.
– Il est souvent utile de minimiser le nombre de branches du lieu d’Evans. Cela peut
se faire en compensant les zéros et pôles stables du procédé.
– On évitera de placer des pôles et zéros complexes conjugués (sauf pour compenser
des pôles ou zéros stables), car le lieu devient alors plus difficile à maı̂triser.
– Les zéros ont un effet attracteur sur les branches du lieu d’Evans. Lorsque des
branches sortent de la zone de stabilité il est souvent utile d’ajouter un zéro stable
à proximité de leur origine pour les faire rentrer dans le cercle unité. Inversement,
les pôles ont tendance à ”repousser” les branches.
– On rappelle également que les pôles dominants sont ceux qui sont situés le plus près
du cercle unité, alors que les pôles les plus rapides sont proches de 0.
– Les abaques d’iso-amortissement et d’iso-pulsation propres données dans le chapitre
4 et fournies par rltool sont valables pour des systèmes équivalents à un 2ème ordre,
c’est-à-dire ayant 2 pôles dominants. Cela signifie qu’il ne doit pas y avoir d’autre
pôle ni de zéros ayant une dynamique comparable.
– Attention ! Il est plus délicat qu’en continu de voir si un pôle peut être négligé par
rapport à un autre. La difficulté provient de l’exponentielle dans le passage des pôles
analogiques en numérique. La dominance d’un pôle par rapport à un autre apparaı̂t
très mal sur la carte des pôles et des zéros lorsque les pôles sont proches du cercle

116
unité. Ainsi, un pôle en 0.995 est aussi dominant par rapport à un pôle en 0.9512
qu’un pôle en 0.6065 par rapport à 0.0067 ou que 0.0067 par rapport à 1.9e−22 . C’est
pour cela qu’il faut éviter de prendre une période d’échantillonnage trop petite qui
concentre les pôles près du cercle unité.
– On évitera de positionner des pôles du correcteur dans la partie réelle négative,
car ils tendent à générer des commandes alternées (voir chapitre 3 sur l’étude des
modes) qui sont néfastes pour les parties mécaniques des procédés. De plus, ces pôles
n’ayant pas d’équivalent en analogique il est difficile de comparer leur effet avec les
autres.

6.4.2 Exemple de réglage d’un correcteur par placement des

pôles
On souhaite asservir le procédé G(s) donné par la fonction de transfert G(s) =
10
(s+10)(s+3)
selon le schéma de la figure suivante :
r(k) y(t)
C(z) BOZ G(s)
+
-

La période d’échantillonnage est fixée à Te = 0.1s et le cahier des charges est le suivant :
1. Erreur statique nulle
2. Erreur nulle par rapport aux perturbations de sortie constantes
3. Comportement de type 2ème ordre avec ζ = 0.7
4. Temps de réponse à 5% inférieur à 2s
La période d’échantillonnage semble compatible avec le temps de réponse imposé par
le cahier des charges.
1. On calcule
0.033(z + 0.649)
G(z) =
(z − 0.3679)(z − 0.7408)
2. La cahier des charges a une forme compatible avec une synthèse par placement de
pôles
3. La contrainte d’erreur statique nulle impose un intégrateur dans le correcteur. Cet
intégrateur est alors suffisant pour rejeter les perturbations de sortie constantes. Le
correcteur aura donc la forme C(z) = Cz−1 libre
.
4. On trace le lieu d’Evans de G(z) (figure 6.7) en imposant un intégrateur dans le
correcteur. En plaçant les pôles dominants sur la courbe d’iso-amortissement ζ =
0.7, on obtient la réponse indicielle donnée en figure 6.7.
Le temps d’établissement est de l’ordre de 5 secondes donc insuffisant pour répondre
au cahier des charges : il faut accélérer le système. D’autre part les deux branches
du lieu d’Evans allant vers l’infini tendent à sortir du cercle unité rapidement. Une
méthode possible pour les ramener dans le cercle consiste à placer un zéro du correc-
teur près de leur origine, par exemple en compensant le pôle dominant du procédé.
C’est ce que nous faisons ici. Le nouveau lieu d’Evans obtenu est donné en figure
6.8.

117
Fig. 6.7 – Lieu des racines et réponse indicielle après ajout d’un intégrateur.

Fig. 6.8 – Lieu d’Evans après compensation du pôle dominant du procédé.

118
Fig. 6.9 – Réponse indicielle du système bouclé après réglage du correcteur.

Le lieu n’a plus maintenant que deux branches. En plaçant les pôles de la boucle
fermée sur les courbes d’iso-amortissement ζ = 0.7 on obtient la réponse indicielle
donnée en figure 6.9.. Le temps de réponse est maintenant inférieur à 2s et le cor-
recteur est donc suffisant pour répondre au cahier des charges.

119
120
Conclusion

Ce cours a présenté les outils de base nécessaires à l’analyse et à la correction des

systèmes numériques linéaires et invariant dans le temps :
– Effet de l’échantillonnage sur les boucles fermées
– Outils mathématique de modélisation des systèmes numériques
– Outils d’analyse de stabilité des systèmes numériques
– Méthodes de synthèse par transposition et de synthèse directe
– Méthodes de synthèse fréquentielle et par placement de pôles.
– Principe de calcul des loi de commande numériques
L’avénement de l’informatique depuis le début des années 90 a permis le développement
de nombreuses autres tecniques de commande, dites ”avancées” pouvant s’appliquer à des
systèmes complexes, non-linéaires, à paramètres variant dans le temps, etc. et qui font de
l’automatique un domaine d’étude très vaste avec des champs d’application extrêmement
ariés allant du contrôle de processus au cryptage pour les télécommunications en passant
par la conduite autonome de véhicules et la robotique.
Parmi ces méthodes on peut citer :
– Les méthodes de placement de pôles algébriques : correction RST, correcteurs à
réponse pile
– Les méthodes de commande optimale et prédictive (MPC, GPC, etc.)
– Les méthodes de commande robuste (synthèse H∞ et µ analyse)

121
122
Annexes

Rappels mathématiques
Produit de convolution
f ∗ g est le produit de convolution des fonctions f et g. Il est défini comme :
Z +∞ Z +∞
f ∗g = f (τ )g(t − τ )dτ = f (t − τ )g(τ )dτ
−∞ −∞

Distributions et peignes de Dirac

La distribution de dirac également appelée Dirac ou impulsion de Dirac, notée δ(t),
est définie de la façon suivante :

δ(t) = 0∀t 6= 0
Z +∞
δ(t)dt = 1
−∞
Z +
δ(t)dt = 1 ∀ > 0
−

Cette distribution a les propriétés suivantes. f (t) est une fonction quelconque du
temps.

f (t)δ(t) = f (0)δ(t)

f (t)δ(t − τ ) = f (τ )δ(t)

f (t) ∗ δ(t) = f (t)

L’impulsion de Dirac est l’élément neutre du produit de convolution.

f (t) ∗ δ(t − τ ) = f (t − τ )

L’impulsion de Dirac décalée de τ retarde la fonction f par produit de convolution.

δTe (t), peigne de Dirac, est un peigne d’impulsions périodique de période Te . Il est
défini par :
∞
X
δTe (t) = δ(t − kTe )
k=−∞

123
δTe (t)

Te t

Il vérifie les propriétés suivantes :

–
∞
X
f (t)δTe (t) = f (t − kTe )δ(t − kTe )
k=−∞

Transformée de Laplace et de Fourier

La transformée de Laplace monolatérale d’un signal continu f (t) utilisée en automa-
tique continu est définie par :
Z +∞
F (s) = L{f (t)} = f (t)e−ts dt
0

La transformée de Laplace bilatérale utilisée en traitement du signal est quant à elle

définie par :
Z +∞
F (s) = Lbi {f (t)} = f (t)e−ts dt
−∞

Pour des signaux f (t) causaux, les deux transformées sont identiques.
La transformée de Fourier d’un signal f (t) est définie par :
Z +∞
F (jω) = F{f (t)} = f (t)e−jωt dt
−∞

On obtient la transformée de Fourier en faisant s = jω dans la transformée de Laplace

bilatérale.
On peut obtenir des signaux temporels uniques à partir de leurs transformée de Fourier
en utilisant la transformée de Fourier inverse donnée par :
1 Z +∞
f (t) = F (jω)ejωt dω
2π −∞

124
125
Tables de transformées en z et de
transformées de Laplace

f (t) F (s) f (kTe ) F (z)

δ(t) 1 δ(k) 1

1 z
Γ(t) s Γ(k)
z−1

1 Te z
t Γ(t) kTe Γ(k)
s2 (z − 1)2

1 2 1 1 Te2 z(z + 1)
t Γ(t) (kTe )2 Γ(k)
2 s3 2 2(z − 1)3

1 z
e−at Γ(t) ck Γ(k),
s+a z−c
c = e−aTe

1 cTe z
te−at Γ(t) kTe ck Γ(k),
(s + a)2 (z − c)2
c = e−aTe

a z(1 − c)
(1 − e−at )Γ(t) (1 − ck ) Γ(k),
s(s + a) (z − 1)(z − c)
c = e−aTe
ω z sin (ωTe )
sin(ωt)Γ(t) sin(ωkTe )Γ(k)
s2 + ω 2 z 2 − 2z cos (ωTe ) + 1

s z(z − cos (ωTe ))

cos(ωt)Γ(t) cos(ωkTe )Γ(k)
s2 + ω 2 z 2 − 2z cos (ωTe ) + 1

ω cz sin (ωTe )
e−at sin (ωt)Γ(t) 2 2
ck sin (ωkTe )Γ(k),
(s + a) + ω z 2 − 2zc cos (ωTe ) + c2
c = e−aTe

s+a z(z − c cos (ωTe ))

e−at cos (ωt)Γ(t) 2 2
ck cos (ωkTe )Γ(k),
(s + a) + ω z2 − 2zc cos (ωTe ) + c2
c = e−aTe

kTe aTe z sin (ωTe )

a sin (ωkTe )Γ(k)
z 2 − 2zaTe cos (ωTe ) + a2Te

kTe z(z − aTe cos (ωTe ))

a cos (ωkTe )Γ(k) 2
z − 2zaTe cos (ωTe ) + a2Te
Bibliographie

[1] Bernard Bayle. Cours d’automatique de FIP première année. ENSPS, Strasbourg.
[2] Philippe de Larminat. Automatique : commande des systèmes linéaires. Hermès, 1993.
[3] Philippe de Larminat. Automatique appliquée. Hermès, 2007.
[4] G. F. Franklin, J.D. Powell, and A. Emami-Naeini. Feedback control of dynamic sys-
tems. Prentice Hall, 2002.
[5] Emmanuel Godoy and Eric Ostertag. Commande numérique des systèmes. Technosup
- Ellipses, 2003.
[6] K. Ogata. Modern control Engineering. Prentice Hall, 2002.
[7] Eric Ostertag. Systèmes et asservissements continus. Technosup - Ellipses, 2004.

129

Vous aimerez peut-être aussi

Cours Alc VF
Pas encore d'évaluation
Cours Alc VF
76 pages
Corriger Du TD Asservissement n10
100% (2)
Corriger Du TD Asservissement n10
2 pages
Automatique Chapitre 3
Pas encore d'évaluation
Automatique Chapitre 3
17 pages
Cours Commande 2009 2010
100% (3)
Cours Commande 2009 2010
150 pages
Exercices sur les amplificateurs opérationnels
100% (1)
Exercices sur les amplificateurs opérationnels
2 pages
Chii Redressement Non Commande P1-P2
Pas encore d'évaluation
Chii Redressement Non Commande P1-P2
13 pages
Examen
100% (1)
Examen
7 pages
Cours - Eln de Puissance - Makhloufi - Salim
Pas encore d'évaluation
Cours - Eln de Puissance - Makhloufi - Salim
46 pages
Commande Des System
Pas encore d'évaluation
Commande Des System
152 pages
Synthèse et Discrétisation des Contrôleurs Numériques
Pas encore d'évaluation
Synthèse et Discrétisation des Contrôleurs Numériques
48 pages
13 TD7 Sa 2004 PDF
Pas encore d'évaluation
13 TD7 Sa 2004 PDF
2 pages
Sys Ass Lin Complet 19-20
Pas encore d'évaluation
Sys Ass Lin Complet 19-20
114 pages
C Bascules D
Pas encore d'évaluation
C Bascules D
5 pages
Rattrapage Automatique Linéaire ISMIN 1A
Pas encore d'évaluation
Rattrapage Automatique Linéaire ISMIN 1A
11 pages
Cours de Commande Robuste H Infini PDF
Pas encore d'évaluation
Cours de Commande Robuste H Infini PDF
45 pages
Chap3 Méthode 1er Harmonique
Pas encore d'évaluation
Chap3 Méthode 1er Harmonique
24 pages
Corriges 22 10 2013
Pas encore d'évaluation
Corriges 22 10 2013
15 pages
Cours D'automatique
Pas encore d'évaluation
Cours D'automatique
10 pages
Cours Techniques de Commande
100% (1)
Cours Techniques de Commande
46 pages
Introduction aux Systèmes Linéaires
Pas encore d'évaluation
Introduction aux Systèmes Linéaires
81 pages
Chapitre 3 Correction Des Systeme Asservis Lineaires
Pas encore d'évaluation
Chapitre 3 Correction Des Systeme Asservis Lineaires
7 pages
Cours sur les Actionneurs en Automatique
0% (1)
Cours sur les Actionneurs en Automatique
73 pages
CI05 TD13 Sujet - Déterminer Le Modèle de Connaissance D - Un Système Asservi
Pas encore d'évaluation
CI05 TD13 Sujet - Déterminer Le Modèle de Connaissance D - Un Système Asservi
8 pages
Série Dexercices 12 Avec Correction - Informatique Les Multivibrateur - Bac Informatique (2014-2015) MR BARHOUMI Ezedine
Pas encore d'évaluation
Série Dexercices 12 Avec Correction - Informatique Les Multivibrateur - Bac Informatique (2014-2015) MR BARHOUMI Ezedine
9 pages
Analyse Systèmes FTBO-FTBF
Pas encore d'évaluation
Analyse Systèmes FTBO-FTBF
65 pages
COURS Asservissements Linéaires 3 Me Ann e LMD Electrotechnique
Pas encore d'évaluation
COURS Asservissements Linéaires 3 Me Ann e LMD Electrotechnique
94 pages
Cours d'Automatique L2/S3 ISGE
Pas encore d'évaluation
Cours d'Automatique L2/S3 ISGE
77 pages
Automatique
Pas encore d'évaluation
Automatique
32 pages
TD 3 Filtrage Analogique Passifs Et Actifs
Pas encore d'évaluation
TD 3 Filtrage Analogique Passifs Et Actifs
7 pages
Stabilité des Systèmes en Boucle Fermée
Pas encore d'évaluation
Stabilité des Systèmes en Boucle Fermée
7 pages
TD N°4 Automatique
Pas encore d'évaluation
TD N°4 Automatique
3 pages
CHAPITRE 4 Synthèse Des Correcteurs Numériques
Pas encore d'évaluation
CHAPITRE 4 Synthèse Des Correcteurs Numériques
6 pages
TD6 Commande Mode Glissant
Pas encore d'évaluation
TD6 Commande Mode Glissant
4 pages
TD - Electronique Analogique II - 23 - 24
Pas encore d'évaluation
TD - Electronique Analogique II - 23 - 24
4 pages
Analyse Fréquentielle Des Circuits Électriques
100% (2)
Analyse Fréquentielle Des Circuits Électriques
30 pages
Chapitre 1 Performances Des Systemes Asservis Lineaire
Pas encore d'évaluation
Chapitre 1 Performances Des Systemes Asservis Lineaire
10 pages
TD2 Avec - Solution 4
Pas encore d'évaluation
TD2 Avec - Solution 4
14 pages
Systèmes Asservis Linéaires: BS2EL - Physique Appliquée
0% (1)
Systèmes Asservis Linéaires: BS2EL - Physique Appliquée
44 pages
Analyse des Filtres Passifs et Amplificateurs Sélectifs
Pas encore d'évaluation
Analyse des Filtres Passifs et Amplificateurs Sélectifs
9 pages
Validation de Commandes Moteur
Pas encore d'évaluation
Validation de Commandes Moteur
84 pages
Contre Réaction et Tension de Mode Commun
Pas encore d'évaluation
Contre Réaction et Tension de Mode Commun
35 pages
Algorithme & BD PDF
Pas encore d'évaluation
Algorithme & BD PDF
49 pages
TD4: Les Thyristors
Pas encore d'évaluation
TD4: Les Thyristors
14 pages
Polycopie CommandeIntelligente1
Pas encore d'évaluation
Polycopie CommandeIntelligente1
51 pages
Correction Systemes
Pas encore d'évaluation
Correction Systemes
29 pages
Asservissement en Sciences de l'Ingénieur
Pas encore d'évaluation
Asservissement en Sciences de l'Ingénieur
4 pages
Cours d'Automatique et Régulation
Pas encore d'évaluation
Cours d'Automatique et Régulation
139 pages
Analyse Et Commande. Des Systèmes Numériques. Master 1 MNE. Florent Nageotte
Pas encore d'évaluation
Analyse Et Commande. Des Systèmes Numériques. Master 1 MNE. Florent Nageotte
137 pages
Analyse des Systèmes Numériques
Pas encore d'évaluation
Analyse des Systèmes Numériques
159 pages
Cours Autom M1MNE 1617
Pas encore d'évaluation
Cours Autom M1MNE 1617
181 pages
Cours TICS
Pas encore d'évaluation
Cours TICS
75 pages
CMD Numerique 1
Pas encore d'évaluation
CMD Numerique 1
79 pages
Cours Asser
Pas encore d'évaluation
Cours Asser
62 pages
Commande Numérique des Systèmes Échantillonnés
Pas encore d'évaluation
Commande Numérique des Systèmes Échantillonnés
38 pages
Colp PDF
Pas encore d'évaluation
Colp PDF
60 pages
Cour Electronique Numériqueh.
Pas encore d'évaluation
Cour Electronique Numériqueh.
68 pages
Automatique 1A Poly
Pas encore d'évaluation
Automatique 1A Poly
127 pages
Poly Sle
Pas encore d'évaluation
Poly Sle
98 pages
These PDF
Pas encore d'évaluation
These PDF
70 pages
Quiz sur les Protocoles Réseau et OSI
100% (2)
Quiz sur les Protocoles Réseau et OSI
7 pages
Exercices sur les réseaux informatiques
Pas encore d'évaluation
Exercices sur les réseaux informatiques
4 pages
1 - Article 2011 La Valeur de L'écrit Électronique Uemoa
Pas encore d'évaluation
1 - Article 2011 La Valeur de L'écrit Électronique Uemoa
31 pages
Introduction à la Couche Transport TCP/UDP
100% (1)
Introduction à la Couche Transport TCP/UDP
25 pages
Etude de La Performance D Une Transmission DVB T
Pas encore d'évaluation
Etude de La Performance D Une Transmission DVB T
58 pages
Ministère de L'enseignement Supérieur Et de La Recherche Scientifique
Pas encore d'évaluation
Ministère de L'enseignement Supérieur Et de La Recherche Scientifique
67 pages
Haier Television
Pas encore d'évaluation
Haier Television
71 pages
Écran Arzopa FR S1 Mode D'emploi
Pas encore d'évaluation
Écran Arzopa FR S1 Mode D'emploi
22 pages
Cours de Réparation de Téléviseurs
Pas encore d'évaluation
Cours de Réparation de Téléviseurs
75 pages
Safari 2
Pas encore d'évaluation
Safari 2
6 pages
Télématique et Réglementation en Belgique
Pas encore d'évaluation
Télématique et Réglementation en Belgique
62 pages
Architecture D'ordinateur (P1-2)
Pas encore d'évaluation
Architecture D'ordinateur (P1-2)
77 pages
Commande à Distance des Équipements Domestiques
Pas encore d'évaluation
Commande à Distance des Équipements Domestiques
30 pages
BTS 3012
Pas encore d'évaluation
BTS 3012
4 pages
Politique Prenez Vos Appareils Personnels PAP v2.10
Pas encore d'évaluation
Politique Prenez Vos Appareils Personnels PAP v2.10
9 pages
Les Ressources Numériques Dans L'enseignement
Pas encore d'évaluation
Les Ressources Numériques Dans L'enseignement
12 pages
Ccna3 A
Pas encore d'évaluation
Ccna3 A
23 pages
Télécom PT ELEC
Pas encore d'évaluation
Télécom PT ELEC
18 pages
Réseau Projet EST
Pas encore d'évaluation
Réseau Projet EST
11 pages
Fiche XHORSE KEYTOOL MAX
Pas encore d'évaluation
Fiche XHORSE KEYTOOL MAX
1 page
Composants et entretien du micro-ordinateur
Pas encore d'évaluation
Composants et entretien du micro-ordinateur
3 pages
Conversion Analogique Numérique
Pas encore d'évaluation
Conversion Analogique Numérique
9 pages
Types D'ordinateurs
Pas encore d'évaluation
Types D'ordinateurs
4 pages
Impact d'Internet sur la communication humaine
Pas encore d'évaluation
Impact d'Internet sur la communication humaine
3 pages
Structure de Base D Un Ordinateur 1
Pas encore d'évaluation
Structure de Base D Un Ordinateur 1
4 pages
Guide Rapide Param-Gprs-Sim02 Ing
Pas encore d'évaluation
Guide Rapide Param-Gprs-Sim02 Ing
2 pages
8.2.3.7 Lab - Troubleshooting Advanced EIGRP
Pas encore d'évaluation
8.2.3.7 Lab - Troubleshooting Advanced EIGRP
9 pages
Cours4-Cours 4 AOP en Commutation
Pas encore d'évaluation
Cours4-Cours 4 AOP en Commutation
24 pages
Comprendre l'Exécution Logicielle
Pas encore d'évaluation
Comprendre l'Exécution Logicielle
3 pages
EOS 5D Mark IV Wi-Fi Instruction Manual FR
Pas encore d'évaluation
EOS 5D Mark IV Wi-Fi Instruction Manual FR
180 pages

Cours Automatique

Transféré par

Cours Automatique

Transféré par

Analyse et Commande

des Systèmes Numériques

Formation d’Ingénieurs en Partenariat

I Analyse des systèmes numériques 1

2 Représentation des systèmes numériques 23

3 Analyse des systèmes échantillonnés 39

4 Analyse des boucles fermées 57

II Correction numérique des systèmes 81

6 Synthèse numérique des correcteurs 107

L’automatique est la discipline qui s’intéresse à la modélisation, l’analyse et la com-

Fig. 1 – Schéma de principe d’un système asservi

Fig. 2 – Système analogique asservi

r(kTe) + (kTe) u(kTe) u(t) + y(t)

Fig. 3 – Schéma de l’asservissement numérique d’un processus analogique

Analyse des systèmes numériques

Conversion Analogique - Numérique

f (t) f (t) quantification

Fig. 1.2 – Principe de l’échantillonnage idéal

1.2 Effet de la conversion Analogique Numerique

1.2.1 Echantillonnage idéal

fe (t) = f (t)δTe (t) (1.1)

où δTe (t) est le peigne d’impulsions de Dirac.

Les propriétés des distributions de Dirac sont rappelées en annexe de ce document.

L’échantillonneur idéal sera représenté par le schéma suivant :

Effet fréquentiel de l’échantillonnage idéal

Transformées de Laplace et de Fourier d’un signal échantillonné

rem. 1 Dans le cadre de ce cours, on ne calculera la transformée de Laplace que pour

En utilisant la causalité du signal f , on ramène la somme discrète de 0 à ∞, puis

Or la transformée de Laplace de l’impulsion de Dirac vaut (revoir les propriétés de

Des propriétés de l’impulsion de Dirac on déduit simplement que

où on reconnaı̂t la transformée de Laplace du signal continu décalée :

La transformée de Fourier d’un signal échantillonné se calcule de façon équivalente.

1.2.2 Echantillonnage réel

Après calcul, on obtient :

−2ωe −ωe ωe 2ωe ω

−2ωe −ωe ωe 2ωe ω

−2ωe −ωe ωe 2ωe ω

1.3.1 Reconstruction idéale

f (t) fe(t) fr (t)

L’objectif de la reconstruction est de retrouver le signal continu qui a donné lieu

−2ωe −ωe ωe 2ωe ω

Fig. 1.7 – Principe de la reconstruction idéale par filtrage passe-bas

On considère le filtre passe-bas idéal permettant de reconstruire le signal continu à

Le signal de sortie fr (t) de ce filtre a pour transformée de Fourier :

Fr (jω) = H(jω)Fe (jω)

Par transformée de Fourier inverse, en utilisant la propriété du produit de convolution,

Or, on a (voir définition de la transformée de Fourier inverse en annexe) :

Le calcul de fr donne alors :

éch. 1 à 20 éch. 1 à 100

Fig. 1.8 – Exemple de reconstruction idéale : f (t) = sin(2πt), Te = 0.2s, à partir de 2,

éch. 1 à 20 éch. 1 à 100

-100 100 rad/s

1.3.2 Reconstruction approchée

Fig. 1.10 – Principe de la reconstruction par bloqueur d’ordre 0

Effet fréquentiel du bloqueur d’ordre zéro

g(t) = Γ(t) − Γ(t − Te )

– Dans la bande de base, i.e. pour ω ∈ [− ω2e , ω2e ],

Représentation des systèmes

Exple 1 On considère l’équation aux différences suivante :

2y[k] + y[k − 1] − y[k − 2] = u[k] − u[k − 1]

En isolant y[k] dans l’équation aux différences, on obtient :

y[k + 1] = 0.5.(1 − 1 − y[k] + y[k − 1]) = 0, 5.(−y[k] + 2 ∗ y[k]) = 0, 5y[k].

2.1 La transformée en z (monolatérale)

Rigoureusement, la transformée en z s’applique à un signal temporel. Toutefois, par

Z{f (k − n)} = z −n F (z)∀n ∈ N

De plus, comme la transformée de Laplace de f (t − nTe ) s’écrit e−nTe s F (s), on a :

Z{e−nTe s F (s)} = z −n F (z)

Ces relations particulièrement utiles sont appelées théorème du retard.

Multiplication par une rampe / dérivation

Z{e−ak f (k)} = F (zea )

Théorème de la valeur finale

lim f (t) = lim f (kTe ) = lim (1 − z −1 )F (z)

ATTENTION ! ! : Ce théorème n’est valable que lorsque f (t) converge

lim f (t) = lim f (kTe ) = lim F (z)

Z{(f ∗ g)} = F (z)G(z)

Le théorème du retard fait apparaı̂tre une propriété très intéressante de la transformée

r(kTe) + (kTe) u(kTe) u(t) + y(t)