SYSTEMES ASSERVIS ECHANTILLONNES

Mohammed M’SAAD
École Nationale Supérieure d’Ingénieurs de Caen
6 Boulevard du Maréchal Juin
F-14050 Caen cedex
Tel : 02 31 45 27 08

Courriel : [email protected]

Mohammed
c M’SAAD

Version juillet 2017

2
 3

A LA MEMOIRE
DE
AMIN E T AHAN I

• Si tu chantes la beauté, même dans la solitude du désert, tu

trouveras une oreille attentive.

• L’espace n’est point ce qui sépare la terre du soleil aux yeux

de celui qui se penche pour regarder par les fenêtres de la
voie lactée.

Gibran Khalil Gibran

4
 5

Avant-propos

La rétroaction est l’essence de tous les systèmes ingénieux indépendamment de leur nature, on
peut l’exploiter judicieusement pour l’enseignement comme le montre la figure 1. Les blocs
ELEVES et EQP sont respectivement constitués par les élèves et l’équipe pédagogique en
charge de l’enseignement, alors que les blocs CM-BE et EVA sont respectivement consti-
tués des supports pédagogiques et des outils adoptés pour l’enseignement et l’évaluation des
connaissances acquises par les élèves. La séquence {c∗ (t)} (resp. {c(t)}) représente les connais-
sances spécifiques à l’enseignement considéré (resp. les connaissances acquises par les élèves).
La séquence {ve (t)} (resp. {va (t)}) englobe toutes les causes réductrices des degrés d’attention
et de concentration des élèves (resp. les imperfections des supports pédagogiques adoptées).
Quant à la séquence {η(t)}, elle est intrinsèque aux imperfections inéluctables d’une évaluation
des connaissances et d’un échange relativement faible entre les élèves et l’équipe pédagogique
en charge de l’enseignement.
va (t) ve (t)

c∗ (t) ? ?
- c(t)
SUPED - EQP - ELEVES -
-


EVA
6

η(t)

F IGURE 1 – Diagramme fonctionnel d’un enseignement rétroactif

On notera que les composantes dominantes de la séquence {ve (t)} sont essentiellement dues
aux lacunes en matière des connaissances préalables requises ou un manque de motivation par
rapport à la nature de l’enseignement considéré, qui se manifestent par des absences et des
bavardages soutenues .... Alors que les composantes dominantes de la séquence {va (t)} sont
principalement issues d’un manque de maturité de l’équipe pédagogique en charge de l’en-
seignement considéré résultant d’une divergence de conception de l’enseignement et/ou d’une
éventuelle défaillance d’une partie des membres de l’équipe pédagogique en charge de l’ensei-
gnement.

L’ultime motivation d’un enseignement est de doter les élèves des connaissances qui lui sont
intrinsèques indépendamment de toutes les causes susceptibles d’entraver son bon déroulement,
soit  
{c(t)} ∈ V ({c∗ (t)}) / {ve (t)} , {va (t)} , {η(t)}
6

Un tel objectif est réalisable modulo une appréciation des connaissances préalables des élèves,
des causes susceptibles de réduire leur attention et concentration durant toutes les activités asso-
ciées à l’enseignement considéré et des limites de l’efficacité des supports pédagogiques adop-
tées.

Compte tenu de toutes ces considérations, le succès d’un enseignement rétroactif requiert deux
conditions sur ses composantes.

C1. Une équipe pédagogique mature et soucieuse de l’émancipation de ses élèves qui se dis-
tingue par des supports pédagogiques d’excellente qualité, une démarche méthodologique
efficace et rationnelle et une écoute continue de ses élèves. Ainsi, elle peut définir d’une
manière claire, concise et précise les connaissances spécifiques à l’enseignement consi-
déré, i.e. la séquence {c∗ (t)}, soutenir les élèves qui ont des lacunes ou des difficultés,
élaborer des bureaux d’études et des examens qui permettent de réaliser toutes les mo-
tivations de l’enseignement tout en appréciant les connaissances acquises par les élèves,
i.e. la séquence {c(t)}, et émerveiller les élèves par la rigueur de la partie fondamentale
de l’enseignement et ses retombées sur l’ingénierie des systèmes.

C2. Des élèves motivés et conscients de la pluralité des compétences requises pour relever
les défis d’une ingénierie des systèmes à haute valeur ajoutée indépendamment de leur
spécialité. Ils se distinguent par une curiosité scientifique remarquable et un travail mé-
thodique et acharné qui sont favorables aux exigences d’un environnement privilégié pour
un apprentissage rétroactif.

Ce document est une introduction rigoureuse et compréhensive aux problématiques d’analyse

et de synthèse des asservissements dans le cas des systèmes linéaires échantillonnés invariants
dans le temps. Cette introduction a été développée à partir des devoirs de l’équipe pédagogique,
i.e. la condition C1 d’un enseignement réussi sur les systèmes asservis. Elle permet d’acquérir
le language, les bases et les limites des systèmes de commande échantillonnés à partir d’une
approche système pragmatique. Une attention particulière est réservée aux quantificateurs de
performances nominales et de robustesse en stabilité d’un asservissement et à la synthèse mo-
dale. Les problèmes et devoirs proposés permettent de développer et conforter les connaissances
acquises sur l’analyse et la conception des systèmes asservis. Les logiciels Matlab et Simulink
peuvent être utilisés pour initier un savoir faire sur les asservissement industriels, e.g. on peut
développer un système de conception assistée par ordinateur pour illustrer les performances des
asservissements considérés.

Aux élèves motivés au sens des sensibilités requises par la condition C2, ce document offre
une belle promenade à cheval dans les champs du potentiel de de l’approche système adoptée
pour mieux apprécier le concept d’échantillonnage, le génie de la rétroaction qui est au coeur
des sciences de l’ingénieur et les possibilités offertes par le concept de prédiction.

Le beau rêve d’un enseignement des systèmes asservis

par un enseignant en rétroaction avec ses élèves n’est pas une utopie.
7
8
 9

Notations utilisées
(N , Z) Ensemble des entiers naturels et ensemble des entiers relatifs.
(R, C) Ensemble des nombres réels et ensemble des nombres complexes.
(Re (a), Im (a)) Parties réelle et imaginaire du nombre complexe a.
(In , Io (a)) Matrice identité et matrice nulle de dimension n.
A∗ , AT


Conjuguée transposée et transposée de la matrice A.
k.k Norme euclidienne.
E{.} Espérance mathématique.
(Te , ωe ) Période et pulsation d’échantillonnage.
(f, fe ) Fonction continue et fonction échantillonnée sous-jacente.
(ρ, s) Opérateur différentiel et variable complexe de la transformée de Laplace.
(q −1 , z) Opérateur retard et variable complexe associée à la transformée en z.
F (f (t)) Transformée de F ourier de la fonction f .
L (f (t)) Transformée de Laplace de la fonction f .
Z (fe (t)) Transformée en z de la séquence {f (kTe )}.
(Ds , Cu ) Disque et cercle de centre l’origine et rayon unitaire du plan complexe en z.
(Dsa , Dsp ) Domaines de stabilité asymptotique et de stabilité et de performances.
R[x] Ensemble des polynômes en x à coefficients réels.
Rdn [x] Ensemble des polynômes de degré nul.
Rsa [x] Ensemble des polynômes en x à coefficients réels dont toutes les racines
sont situées à l’intérieur du domaine de stabilité.
Rsm [x] Ensemble des polynômes en x à coefficients réels dont toutes les racines
sont situées dans le domaine de stabilité avec au moins une racine sur
la frontière du domaine de stabilité et dont toutes les racines situées sur la
frontière du domaine de stabilité sont simples.
Rsu [x] Ensemble des polynômes en x à coefficients réels dont toutes les racines
sont simples et situées sur la frontière du domaine de stabilité.
Rsp [x] Ensemble des polynômes en x à coefficients réels dont toutes les racines
sont situées à l’intérieur du domaine de stabilité et de performance.
(u(t), U(z)) Entrée du système et sa transformée en z.
(y(t), Y (z)) Sortie du système et sa transformée en z.
(v(t), V (z)) Séquence des perturbations et sa transformée en z.
(η(t), E(z)) Bruit de mesure et sa transformée en z.
(y ∗(t), Y ∗ (z)) Séquence de référence et sa transformée en z.
(δ(kTe ), α(kTe )) Impulsion et échelon unitaires.
{g(kTe )} Réponse impulsionnelle du système.
{G(ejωTe )} Réponse fréquentielle du système.
(Gu (z), Gv (z)) Fonctions de transfert du système.
(Rr (z), Rp (z)) Fonction de transfert du régulateur.
Gsas (s) Fonction de transfert du système asservi.
Gij (s) Fonctions de transfert du système asservi.
Go (z) Fonction de transfert en boucle ouverte.
Dr (z) Fonction de transfert de la différence de retour.
(S(z), T (z)) Fonction de sensibilité et fonction de sensibilité complémentaire.
RS(z) Fonction de sensibilité × fonction de transfert du régulateur.
GS(z) Fonction de sensibilité × fonction de transfert du système.
10

Abréviations

APRS Affinement des performances et de la robustesse en stabilité.

CM (SYS) Configuration des modes du système.
CP (SYS) Configuration des pôles du système.
CZ (SYS) Configuration des zéros du système.
CPP Compensation parfaite des perturbations.
CESAS Composantes des signaux d’entrée-sortie du système asservi.
DSC Dépollution du signal de commande.
EDS Equation aux différences du système.
EP Erreur de poursuite .
EPES Erreurs de poursuite d’entrée-sortie.
FT S Fonction de transfert du système.
IBM Insensibilité aux bruits de mesure.
MCS Modèle de commande du système.
MGP Modèle générateur des perturbations.
MGCI Modèle générateur des composantes indésirables.
MGC Modèle générateur de la séquence de consigne.
MGR Modèle générateur de la séquence de référence.
PID Régulateur caractérisé par des actions proportionnelle, intégrale et dérivée.
PA Poursuite admissible.
PM Précision maximale.
PP Poursuite parfaite
PRED Prédicteur.
PSN Propriété de stabilité nominale.
PSP Poursuite semi-parfaite.
PSS Processus stochastique stationnaire.
REG Régulateur.
REP Représentation d’état partiel.
RES Représentation (Réalisation) d’état du système.
RHS Réponse harmonique du système.
RIS Réponse impulsionnelle du système.
RPD Réalisation des performances dynamiques.
RR Réalisation du régulateur.
SAZI Séquence assimilable à un zéro ingénieur.
SAS Système asservi.
SVAI (0, σ 2 ) Séquences de variables aléatoires de moyenne nulle et de variances finies.
SAZI Ensemble des séquences assimilables à un zéro ingénieur.
SYS Système.
Table des matières

1 Introduction 13

2 Opérateur retard et transformée en z 17

2.1 Opérateur retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Transformées en z élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Propriétés de la transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5 Inversion de la transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Problèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3 Échantillonnage et reconstruction 33
3.1 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Reconstruction physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5 Problèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4 Modélisation 53
4.1 Réponse impulsionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Réponse harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3 Fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4 Equation aux différences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.5 Systèmes à retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6 Représentation d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.7 Réalisations d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.8 Modélisation des perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.10 Problèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

5 Stabilité 87
5.1 Stabilité externe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.1 Stabilité EBSB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.2 Stabilité externe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.1.3 Limitation fondamentale. . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.2 Stabilité interne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.2.1 Stabilité au sens de Lyapunov. . . . . . . . . . . . . . . . . . . . . . . 94
5.2.2 Illustration usuelle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2.3 Critère de Lyapunov. . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

11
12

5.3 Test de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

5.4 Résultats remarquables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.5 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.6 Problèmes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

6 Systèmes asservis 107

6.1 Le système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.2 Le régulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.3 Le système de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.3.1 Equations du système asservi . . . . . . . . . . . . . . . . . . . . . . . 113
6.3.2 Interprétation systémique . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.3.3 Régulateurs admissibles . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.4 Robustesse en stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.4.1 Critère de N yquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.4.2 Théorème des petits gains . . . . . . . . . . . . . . . . . . . . . . . . 136
6.5 Modelage des fonctions de sensibilité . . . . . . . . . . . . . . . . . . . . . . 140
6.6 Commande avec modèle interne . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.8 Problèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

7 Commande modale 151

7.1 Synthèse modale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7.2 Commande PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
7.3 Mise en œuvre du régulateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
7.4 Commande d’un réacteur chimique . . . . . . . . . . . . . . . . . . . . . . . . 165
7.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
7.6 Problèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174

8 Conclusion 179

9 Devoirs 183
Chapitre 1

Introduction

La révolution continue du circuit intégré a particulièrement impulsé un développement des tech-

nologies des sciences de l’information dont la théorie des systèmes échantillonnés représente
l’essence de l’innovation dans ce domaine des sciences de l’ingénieur. Les ingénieurs disposent
actuellement d’une théorie rigoureuse des systèmes linéaires échantillonnés qui traite tous les
problèmes fondamentaux auxquels ils sont confrontés, à savoir la modélisation, la commande
et la supervision des systèmes dynamiques. De nombreux systèmes de conception assistée par
ordinateur ont été développés et sont disponibles sur le marché. Les applications industrielles
réussies ont imposé des valeurs scientifiques telles que le traitement numérique du signal, la
régulation industrielle par calculateur et les interfaces Homme ⇋ Machine pour la supervision
des systèmes dynamiques.

L’ingénierie des systèmes linéaires échantillonnés a été développée à partir d’une recherche
méthodologique vigoureuse comme en témoignent les conceptions assistées par ordinateur. La
synthèse d’un système de commande se fait en trois étapes comme l’indique la figure 1.1.

• La première étape consiste à élaborer un modèle de commande qui représente au mieux le

comportement d’entrée-sortie du système par rapport aux performances requises comme
l’indique la figure 1.2. On dispose pour ce faire de la théorie de l’identification des sys-
tèmes dont les ouvrages [12] et [13] représentent le plus récent sinon le meilleur état de
l’art. Les signaux d’entrée-sortie sont préalablement traités pour réduire les effets des per-
turbations qui affectent le fonctionnement du système et les bruits de mesure. Toutes les
connaissances disponibles sur le système doivent être prises en compte aussi bien pour
la spécification de la structure du modèle d’identification que pour sa validation. Cette
dernière est faite à partir des propriétés de la méthode d’identification considérée, des
connaissances disponibles et des performances requises du système de commande.

• La deuxième étape consiste à déterminer les paramètres d’un régulateur en fonction des
performances requises. Pour ce faire, on utilise la théorie de la commande que l’on peut
agréablement lire dans les ouvrages d’enseignement des grandes écoles d’automatique (
[2], [3], [12], [24]). Notons que la spécification des performances à partir du cahier des
charges constitue la tâche essentielle du concepteur qui doit formuler l’ultime motivation
d’un problème de commande, i.e. maintenir la séquence de sortie du système dans un
voisinage de la séquence de référence indépendamment des perturbations qui affectent le
fonctionnement du système et des bruits de mesure inéluctables , en un objectif de com-
mande réalisable. Pour ce faire, une bonne culture de la théorie de la commande associée
à une bonne conception assistée par ordinateur sont requises.

13
14 Chapitre 1

• La troisième étape consiste à mettre en œuvre le régulateur déterminé sur un calculateur

fonctionnant en temps réel. Pour ce faire, il faut faire partie du club des fans de program-
mation, disposer d’une bonne librairie d’analyse numérique et accorder une attention à la
veille technologique en matière de systèmes embarqués.

SPECIFICATIONS - CAHIER
DES  DES
PERFORMANCES CHARGES
6

T HEORIE MODELISAT ION

DE ET
LA COMMAN DE IDEN T IFICAT ION

? ?
METHODE MODELE
DE  DE
SYNTHESE COMMANDE

EN VIRON N EMEN T

v(t)
? ?
y ∗(t)
- u(t) y(t)
REGULATEUR - SYSTEME -
-

F IGURE 1.1 – Le problème d’automatique

 Introduction 15

v(t)

?
u(t) y(t)
- SYSTEME -

TRAITEMENT
- DES 
DONNEES

STRUCTURE
DU 
MODELE

ALGORITHME
D’ADAPTATION
PARAMETRIQUE

?
VALIDATION
- DU 
- MODELE

 MODELE SATISFAISANT ?

oui non

F IGURE 1.2 – Identification des systèmes

16 Chapitre 1

Cet ouvrage présente d’une manière compréhensive les bases des systèmes asservis échantillon-
nés à partir des études vigoureuses d’analyse et de synthèse des systèmes échantillonnés. Son
organisation est conforme à la démarche naturelle d’un ingénieur qui souhaite acquérir un po-
tentiel sur la modélisation, la stabilité et la commande des systèmes échantillonnés pour mieux
apprécier cette lapalissade des temps modernes : "donnez moi un calculateur et je maîtriserais
le monde". Outre une présentation concise des outils mathématiques spécifiques aux systèmes
échantillonnés, on distingue quatre parties principales.

• La première partie concerne les problèmes d’échantillonnage des signaux continus et la

reconstruction des signaux échantillonnés. Ceci permet de mieux apprécier les deux ré-
sultats fondamentaux qui constituent l’essence du concept d’échantillonnage. Le premier
résultat est le fruit d’une analyse spectrale d’une fonction échantillonnée alors que le se-
cond résultat n’est autre que le célèbre théorème de Shannon.

• La seconde partie est consacrée aux problèmes de modélisation et de stabilité des sys-
tèmes échantillonnés. On traite d’abord le problème de représentation, en l’occurrence la
réponse impulsionnelle et la réponse harmonique, l’équation aux différences, la fonction
de transfert et la représentation d’état, en accordant une attention particulière aux sys-
tèmes qui exhibent un retard et à la modélisation des perturbations. Les concepts de stabi-
lité externe et interne sont ensuite présentés d’une manière concise à partir de la réponse
impulsionnelle du système et la trajectoire d’état du système autonome sous-jacent. La
vraisemblance entre la stabilité externe et la stabilité entrée bornée-sortie bornée EBSB
est particulièrement mise en exergue. La présentation de la stabilité interne est faite en
adoptant une approche de Lyapunov qui s’est imposée par sa simplicité et son efficacité.

• La troisième partie est dédiée au problème d’automatique à partir d’une classe de sys-
tèmes asservis suffisamment générale pour englober tous les asservissements disponibles.
Les problèmes de stabilité et de performances sont particulièrement étudiés à partir d’une
approche systémique judicieuse. On montre que les fonctions de sensibilité usuelles (resp.
la dynamique de poursuite et les diverses composantes de la sortie du système) des as-
servissements sont des quantificateurs de performances nominales et de robustesse en
stabilité (resp. des quantificateurs de poursuite) qui doivent être utilisées dans toute dé-
marche méthodologique efficace et rationnelle. Les limitations intrinsèques la commande
avec modèle interne ont été aisément mises en exergue à partir des résultats fondamen-
taux obtenus.

• La quatrième partie est consacrée à la synthèse modale des systèmes asservis, i.e. l’as-
signement des modes du système asservi. Quelques éléments de régulation industrielle
sont présentés pour mieux appréhender ses limitations, notamment la sensibilité des sys-
tèmes de commande PID aux bruits de mesure inéluctables et l’invariance des modes du
système par une loi de commande avec modèle interne. Un problème d’asservissement
de température d’un réacteur chimique est traité pour montrer la capacité d’une synthèse
modale à réaliser aisément un bon compromis perforamces/robustesse par rapport aux
techniques dominantes de régulation industrielle, en l’occurrence la commande PID et
la commande avec modèle interne.
Chapitre 2

Opérateur retard et transformée en z

L’analyse et la synthèse des systèmes linéaires échantillonnés ont été principalement dévelop-
pées à partir de quatre outils fondamentaux, en l’occurrence l’opérateur retard et la transformée
en z. L’opérateur retard (resp. la transformée en z) est pour les systèmes échantillonnés ce
qu’est l’opérateur différentiel (resp. la transformée de Laplace) pour les systèmes continus. Ce
chapitre présente d’une manière compréhensible ces deux outils mathématiques.

2.1 Opérateur retard

L’opérateur retard est à la base d’une algèbre d’analyse et de synthèse des systèmes échantillon-
nés. Il est défini par

q −1 / {f : Z −→ R} −→ {f : Z −→ R}
{f (kTe )} −→ {fr1 (kTe )}
avec
fr1 (kTe ) = f ((k − 1) Te ) pour tout k ∈ Z

Pour mieux apprécier un telle définition, on notera que l’opérateur retard est la cellule élément-
aire de l’approche systèmes dans le contexte des systèmes échantillonnés que l’on peut repré-
senter comme l’indique la figure 2.1.

f (kTe ) -
q −1 - fr1 (kTe )

F IGURE 2.1 – Représentation d’un retard unitaire

Remarque 2.1 On peut définir un retard de i périodes d’échantillonnage comme suit

q −i / {f : Z −→ R} −→ {f : Z −→ R}
{f (kTe )} −→ {fri (kTe )}
avec
fri (kTe ) = f ((k − i) Te ) pour tout k ∈ Z

17
18 Chapitre 2

La séquence {fri (kTe )} est communément notée {f ((k − i)Te )} pour des considérations de
simplicité ; la propriété suivante permet de conforter cette notation
(
∂   1 si i = j
f ((k − i) Te ) =
∂f ((k − j) Te ) 0 autrement

L’opérateur retard est linéaire, il permet de définir un opérateur polynomial à partir de l’anneau
des polynômes en l’opérateur retard à coefficients réels, i.e. R[q −1 ], comme suit

A q −1


/ {f : Z −→ R} −→ {f : Z −→ R}

{f (kTe )} −→ {fa (kTe )}

avec
na na
−1

  X X
fa (kTe ) = A q f (kTe ) = ai fri (kTe ) = ai f ((k − i) Te )
i=o i=o

Comme l’opérateur différentiel pour les systèmes continus, l’opérateur retard permet de récrire
les équations aux différences d’une manière plus concise et effectuer aisément le calcul aux dif-
férences dans le contexte des systèmes échantillonnés. Les propriétés remarquables suivantes
sont au coeur de cette aisance.

P1. ∀ (A(q −1 ), B(q −1 )) ∈ R[q −1 ] × R[q −1 ] et ∀ (α, β) ∈ R × R, on a

αA(q −1 ) + βB(q −1 ) (f (kTe )) = αA(q −1 ) (f (kTe )) + βB(q −1 ) (f (kTe ))

P2. ∀ (A(q −1 ), B(q −1 )) ∈ R[q −1 ] × R[q −1 ], on a

A(q −1 ) B(q −1 ) (f (kTe )) = A(q −1 )B(q −1 ) (f (kTe )) = B(q −1 ) A(q −1 ) (f (kTe ))

P3. ∀ (F (q −1 ), G(q −1 )) ∈ R[q −1 ]∗ × R[q −1 ], on a

1    
1   G(q −1 )  
−1 −1
G(q ) f (kTe ) = G(q ) f (kTe ) = f (kTe )
F (q −1) F (q −1 ) F (q −1)

Remarque 2.2 La propriété suivante permet de mieux assimiler le concept d’opérateur poly-
nomial si besoin est
∂ 
 
A q −1 f (kTe ) = ai pour tout i ∈ Z
∂f ((k − i) Te )

On n’insistera jamais assez sur la nature produit de convolution de l’opérateur polynomial pour
mieux le maîtriser.
 Opérateur retard et transformée en z 19

2.2 Transformée en z
Dans le contexte de la théorie des systèmes, on utilise plutôt la transformée en z unilatérale dont
la définition est donnée ci-dessous.

Définition 2.1 Soit f : R+ −→ R une fonction temporelle continue, la transformée en z uni-

latérale de f est une fonction complexe F : {z ∈ C / | z | > Rf } −→ C définie par la série
de Laurent
∞
X
F (z) = Z {f (t)} = f (kTe )z −k
k=o

où Rf désigne le rayon de convergence.

Le domaine de convergence d’une transformée en z est complètement caractérisé à partir du

résultat suivant

Résultat 2.1 La série de Laurent définissant la transformée en z converge pour tout nombre
complexe satisfaisant la condition
p
| z | > Rf avec Rf = lim sup k | f (kTe ) |
k→∞

Et si la séquence {f (kTe )}k∈N est majorée à l’infini par une fonction exponentielle, i.e.

∃(n∗ , α, r) ∈ N × R × R / | f (kTe ) | ≤ αr kTe pour tout k > n∗

alors F (z) converge au moins pour toutes les valeurs de z telles que | z | > Rf .

Par ailleurs, il est possible de remonter à la séquence {f (kTe )}k∈N à partir de sa transformée
en z comme l’indique le résultat suivant

Résultat 2.2 La séquence {f (kTe )}k∈N est reliée à sa transformée en z par la relation inté-
grale
1
I
f (nTe ) = z n−1 F (z)dz
2πj C
où C est un contour fermé entourant l’origine du plan complexe z, orienté dans le sens direct et
situé complètement dans le domaine de convergence de F (z), c’est-à-dire toujours situé à une
distance supérieure au rayon de convergence Rf par rapport à l’origine.

Preuve. Ce résultat est principalement dû au théorème de Cauchy qui stipule que

(
1 1 si k = -1
I
z k dz =
2πj C 0 autrement

En effet, on a
∞
X ∞
X
−k
z n−1
F (z) = z n−1
f (kTe )z = f (kTe )z −k+n−1
k=o k=o
20 Chapitre 2

soit
z n−1 F (z) = f (0)z n−1 + f (Te )z n−2 + . . . . . . + f (nTe )z −1 + . . . . . .

On aura alors
 
1 1
I I
n−1 −1
z F (z)dz = z dz f (nTe )
2πj C 2πj C

qui n’est autre que le résultat recherché.

CQF D.

Remarque 2.3 Comme seules les valeurs de la fonction aux instants d’échantillonnage kTe
sont utilisées, la transformée en z est complètement définie par la séquence {f (kTe )}k∈N , on
peut alors écrire
∞
X
F (z) = Z {f (kTe )} = f (kTe )z −k pour | z | > Rf
k=o
C’est pourquoi, on indique généralement la transformée en z indifféremment sous les formes
F (z), Z {f (t)}, Z {F (s)} et Z {f (kTe )} où F(s) désigne la transformée de Laplace unilaté-
rale de f , soit
Z ∞
F (s) = L {f (t)} = f (t)e−st dt pour ℜ(s) > rf
o

2.3 Transformées en z élémentaires

Dans ce qui suit, on détermine à titre d’exercice quelques transformées en z d’un ensemble de
signaux usuels.

• Impulsion unitaire
∞
(
1 pour k = 0 X
f (kTe ) = δ(kTe ) = =⇒ F (z) = δ(kTe )z −k = 1
0 autrement k=o

• Echelon unitaire
∞
X
f (t) = α(t) =⇒ F (z) = α(kTe )z −k
k=o
∞
X z
= z −k = pour | z |> 1
k=o
z−1
• Rampe unitaire
∞
X
f (t) = r(t)α(t) =⇒ F (z) = kTe z −k
k=o
∞
X
= Te kz −k
k=o
Te z
= pour | z |> 1
(z − 1)2
 Opérateur retard et transformée en z 21

• Fonctions exponentielles
∞ ∞
X
kTe −k
X
k
t
f (t) = a α(t) =⇒ F (z) = a z = aTe z −1
k=o k=o
z
= T
pour | z |>| aTe |
z−a e

∞ ∞
−at
X
−akTe −k
X
k
f (t) = e α(t) =⇒ F (z) = e z = e−aTe z −1
k=o k=o
z 1
= −aT
pour | z |> aTe
z−e e e
• Fonctions harmoniques
∞
X
f (t) = sin(ωt)α(t) =⇒ F (z) = sin(ωkTe )z −k
k=o
∞
1 X jωkTe −k
z − e−jωkTe z −k


= e
2j k=o
 
1 1 1
= −
2j 1 − ejωTe z −1 1 − e−jωTe z −1
z sin(ωTe )
= 2 pour | z |> 1
z − 2 cos(ωTe )z + 1
∞
X
f (t) = cos(ωt)α(t) =⇒ F (z) = cos(ωkTe )z −k
k=o
∞
1 X
ejωkTe z −k + e−jωkTe z −k


=
2
k=o 
1 1 1
= +
2 1 − ejωTe z −1 1 − e−jωTe z −1
z 2 − cos(ωTe )z
= 2 pour | z |> 1
z − 2 cos(ωTe )z + 1

Remarque 2.4 Dans la plupart des applications des systèmes échantillonnés, la transformée
en z peut être mise sous la forme d’une fraction rationnelle propre en z comme l’indique la
table 2.1 des transformées en z usuelles, soit

B(z) bo z nb + b1 z nb−1 + . . . . . . + bnb−1 z + bnb

F (z) = = na
A(z) z + a1 z na−1 + . . . . . . + ana−1 z + ana

ou d’une manière équivalente sous la forme d’une fraction rationnelle en z −1 qui pourrait être
plus appropriée pour une certaine conception des systèmes échantillonnées.

B(z) bo z −na+nb + b1 z −na+nb−1 + . . . . . . + bnb z −na

F (z) = =
A(z) 1 + a1 z −1 + . . . . . . + ana−1 z −na+1 + ana z −na

On notera que les racines des polynômes B(z) et A(z) sont respectivement les zéros et les pôles
de F (z)
22 Chapitre 2

Signal continu Transformée de Laplace Transformée en z

α(t) 1 z
s z−1

tα(t) 1 Te z
s2 (z − 1)2

1 2 1 Te2 z(z + 1)
t α(t)
2 s3 2(z − 1)3

e−at α(t) 1 z
s+a z − e−aTe

te−at α(t) 1 Te ze−aTe

(s + a)2 (z − e−aTe )2

k 
tk −at (−1)k
 
1 ∂ z
e α(t)
k! (s + a)k+1 k! ∂a z − e−aTe

ω z sin(ωTe )
sin(ωt)α(t)
s2 + ω 2 z 2 − 2 cos(ωTe )z + 1

s z(z − cos(ωTe ))
cos(ωt)α(t)
s2 + ω 2 z 2 − 2 cos(ωTe )z + 1

ω ze−aTe sin(ωTe )
sin(ωt)e−at α(t)
(s + a)2 + ω 2 z 2 − 2 cos(ωTe )e−aTe z + e−2aTe

−at s+a z 2 − cos(ωTe )e−aTe z

cos(ωt)e α(t)
(s + a)2 + ω 2 z 2 − 2 cos(ωTe )e−aTe z + e−2aTe

TABLE 2.1 – Table des transformées en z usuelles

 Opérateur retard et transformée en z 23

2.4 Propriétés de la transformée en z

On donne ci-dessous les propriétés fondamentales de la transformée en z. Pour ce faire, on uti-
lisera des fonctions temporelles continues f , g et h dont les transformées sont respectivement
données par F , G et H. Les rayons de convergence de F (z), G(z) et H(z) seront respective-
ment notés Rf , Rg et Rh .

• Linéarité. Soient α et β deux nombres complexes, on a

Z {αf (t) + βg(t)} = αZ {f (t)} + βZ {g(t)} = αF (z) + βG(z)

Notons que le rayon de convergence de αF (z) + βG(z) est égal à max(Rf , Rg ).

• Translation temporelle. Soit n un entier naturel, on a

n−1
!
X
n −k
Z {f (t + nTe )} = z F (z) − f (kTe )z
k=o
et
Z {f (t − nTe )} = z −n F (z)

Preuve. Ces résultats peuvent être obtenus à partir des définitions de la transformée en z.
En effet, on a
∞
X
Z {f (t + nTe )} = f (kTe + nTe )z −k
k=o
∞
X
= z n
f ((k + n)Te )z −(k+n)
k=o
"∞ n−1
#
X X
= zn f (kTe )z −k − f (kTe )z −k
k=o k=o
n−1
X
= z n F (z) − f (kTe )z n−k
k=o

et
∞
X
Z {f (t − nTe )} = f (kTe − nTe )z −k
k=o
∞
X
= z −n f ((k − n)Te )z −(k−n)
k=o
∞
" #
X
= z −n f (kTe )z −k
k=−n
"∞ #
X
−n −k
= z f (kTe )z = z −n F (z)
k=0
24 Chapitre 2

• Translation fréquentielle. Il s’agit d’une translation complexe donnée par les propriétés
suivantes

Z e−at f (t) = F (eaTe z) et Z eat f (t) = F (e−aTe z)

 

Preuve. Ces résultats sont naturellement obtenus à partir des définitions de la transformée
en z comme suit
∞ ∞
X X
−k
Z e−at f (t) = e−akTe f (kTe )z −k = f (kTe ) eaTe z = F (eaTe z)

k=o k=o
et
∞ ∞
X −k
X
−k
f (kTe ) e−aTe z = F (e−aTe z)
 at akTe
Z e f (t) = e f (kTe )z =
k=o k=o

• Théorème de la valeur initiale. Si lim F (z) existe, alors la valeur initiale de f est don-
z→∞
née par

lim f (kTe ) = lim F (z)

k→0 z→∞

Preuve. Ce résultat est une simple conséquence du développement suivant

f (Te ) f (2Te ) f (nTe )

F (z) = f (0) + + 2
+ ...... + + ......
z z zn

Il permet de vérifier rapidement si le calcul d’une transformée en z est erroné.

• Théorème de la valeur finale. Si lim f (t) existe, i.e. tous les pôles de F (z) sont à l’in-
t→∞
térieur du cercle unité à l’exception éventuelle d’un pôle simple sur le cercle unité, alors
on aura
z−1
lim f (kTe ) = lim F (z)
k→∞ z→1 z

Preuve. Notons d’abord que l’hypothèse faite sur les pôles de F (z) assure l’existence de
lim f (kTe ). Par ailleurs, on a
k→∞

∞
X z−1
(f (kTe ) − f (kTe − Te )) z −k = (1 − z −1 )F (z) = F (z)
k=o
z
Et comme
∞
X
(f (kTe ) − f (kTe − Te )) = lim f (kTe )
k→∞
k=o
on aura bien
z−1
lim f (t) = lim F (z)
t→∞ z→1 z
 Opérateur retard et transformée en z 25

• Théorème de sommation. Il s’agit d’un résultat concernant l’intégration discrète, soit

( n )
X z
Z f (kTe ) = F (z) pour tout n > 1
k=o
z−1

Preuve. Posons
n
X
g(nTe ) = f (kTe )
k=o

on a

g(nTe ) = g((n − 1)Te )) + f (nTe )

soit
z
G(z) = z −1 G(z) + F (z) ⇐⇒ G(z) = F (z)
z−1

Une application naturelle consiste à calculer la somme des termes d’une série conver-
gente, soit

n  
X z−1 z
lim f (kTe ) = lim F (z) = F (1)
n→∞
k=o
z→1 z z−1

d
• Dérivation complexe. Considérons l’opérateur −Te z , on a
dz
m

m d
Z {t f (t)α(t)} = −Te z Z {f (t)α(t)}
dz
 i
d
Preuve. Notons que si F converge sur Df , alors F converge sur Df pour tout i
dz
∈ N . Par ailleurs, on a

∞
d X d
−Te z F (z) = (kTe )f (kTe )z −k soit Z {tf (t)α(t)} = −Te z Z {f (t)α(t)}
dz dz
k=o
 
d
On peut généraliser ce résultat en appliquant successivement l’opérateur −Te z à la
dz
transformée en z de la fonction f .

La dérivation complexe peut être utilisée pour calculer la transformée en z d’une fonction
temporelle à partir de celle de sa dérivée, e.g.

d Te z
Z {tα(t)} = −Te z Z {α(t)} =
dz (z − 1)2
26 Chapitre 2

• Intégration complexe. Considérons la séquence {g(kTe )}k∈N définie par

f (kTe )



 kT pour k 6= 0
e
g(kTe ) =

 lim g(kTe )

pour k = 0
k→∞

en supposant que lim g(kTe ) existe et est finie, on a

k→∞

∞  
1 F (η)
Z
Z {g(kTe )} = dη + lim g(kTe )
Te z η k→0

Preuve. Notons d’abord que

∞
X
G(z) = g(kTe )z −k
k=o
on aura alors
∞ ∞
d 1 X z −1 X F (z)
G(z) = − f (kTe )z −k−1 = − f (kTe )z −k = −
dz Te k=o Te k=o Te z

soit

∞
1 ∞ F (η)
  Z  
d
Z
G(z) dz = G(∞) − G(z) = − dη
z dz Te z η

• Dérivation et intégration par rapport à un paramètre. On a

 
∂ ∂
Z f (t, a) = F (z, a)
∂a ∂a
et
Z c  Z c
Z f (t, a)da = F (z, a)da
b b

Preuve. Ces résultats sont naturellement obtenus à partir de la définition de la transfor-

mée en z. En effet, on a
  ∞  
∂ X ∂ ∂
Z f (t, a) = f (kTe , a) z −k = F (z, a)
∂a ∂a ∂a
k=o

soit
Z c  X∞ Z c  Z c
−k
Z f (t, a)da = f (kTe , a)da z = F (z, a)da
b k=o b b
 Opérateur retard et transformée en z 27

On peut utiliser ce résultat pour calculer la transformée en z de la fonction f définie

par f (t) = t2 e−at α(t). On a

 
∂ ∂ 
Z t2 e−at α(t) = Z (−te−at α(t)) Z −te−at α(t)

=
∂a ∂a
∂ Te e−aTe z −1
=
∂a (1 − e−aTe z −1 )2
Te2 e−aTe ((1 + e−aTe z −1 )z −1 )
=
(1 − e−aTe z −1 )3
• Théorèmes de convolution. Considérons le produit de convolution
k
X
h(kTe ) = (f ∗ g)(kTe ) = f (iTe )g((k − i)Te )
i=o
on a
Z {h(t)α(t)} = Z {f (t)α(t)} Z {g(t)α(t)}

Preuve. Ce résultat est obtenu en utilisant la définition de la transformée en z comme suit

∞ k
!
X X
H(z) = Z {h(t)α(t)} = f (iTe )g((k − i)Te ) z −k
k=o i=o
∞ ∞
!
X X
= f (iTe )g((k − i)Te ) z −k
k=o i=o
X∞ ∞
X
−i
= f (iTe )z g((k − i)Te )z −(k−i)
i=o k=o
X∞ X∞
= f (iTe )z −i g(jTe )z −j = F (z)G(z)
i=o j=o

Par ailleurs, considérons le produit de deux fonctions défini par

h(t) = f (t)g(t)

on a
1 |z|
I
Z {h(t)α(t)} = η −1 G(η)F (η −1z)dη pour Rg < | η | <
2πj C Rf

Preuve. Ce résultat est obtenu en utilisant la définition de la transformée en z et de son

inverse comme suit

∞
X
Z {h(t)α(t)} = f (kTe )g(kTe )z −k pour | z | > Rh
k=o
∞  
1
X I
−k k−1
= f (kTe )z η G(η)dη
k=o
2πj C
28 Chapitre 2

soit
∞ I
1 X
Z {h(t)α(t)} = η k−1 G(η)f (kTe )z −k dη
2πj k=o C
∞
1
I
−1
X
−k
= η G(η) f (kTe ) η −1 z dη
2πj C k=o
1
I
η −1 G(η)F η −1 z dη


=
2πj C

où C est un cercle de centre l’origine contenue dans le domaine défini par

|z|
Rg <| η |< avec | z |> Rh
Rf

• Théorème de Parseval. On a

∞
1
X I
2
(f (kTe )) = z −1 F (z)F (z −1 )dz
k=o
2πj C

Preuve. Ce résultat est une conséquence directe du théorème de convolution et du théo-

rème de sommation. En effet, on a

∞
X
(f (kTe ))2 = lim Z {f (t)f (t)α(t)}
z→1
k=o
1 1
I
= z −1 F (z)F (z −1 )dz pour R <| z |<
2πj C R

2.5 Inversion de la transformée en z

Les transformées en z usuelles sont données dans des tables que l’on peut utiliser pour la dé-
termination des transformées en z inverses mais ces inversions ne sont pas toujours évidentes
lorsque la transformée en z est relativement complexe pour être facilement décomposée à partir
des transformées en z qui figurent dans les tables disponibles. On distingue quatre méthodes qui
sont généralement utilisées pour l’inversion des transformées en z et donc pour la résolution des
équations aux différences à partir d’équations algébriques appropriées

• Utilisation des tables. Cette méthode consiste tout simplement à décomposer la transfor-
mée en z à inverser à partir des transformées en z disponibles dans les tables, soit
nb
Y
bo (z − zi ) n
i=1
X
F (z) = na = Fi (z)
Y
i=1
(z − pi )
i=1

où {zi }i∈[1,nb] et {pi }i∈[1,na] sont respectivement les zéros et les pôles de F (z) alors que
 Opérateur retard et transformée en z 29

Fi (z) est une transformée en z que l’on peut déterminer relativement facilement à partir
des transformées en z disponibles dans les tables. L’inversion est alors simplement obte-
nue à partir des transformées en z inverses fi (t) des Fi (z), soit
n
X
f (t) = fi (t)
i=1
• Division euclidienne. Les transformées en z communément utilisées en traitement de si-
gnal et en automatique peuvent se mettre sous la forme d’une fraction rationnelle propre
que l’on peut récrire sous la forme

B(z −1 ) bo + b1 z −1 + . . . . . . + bnb z −nb

F (z) = =
A(z −1 ) 1 + a1 z −1 + . . . . . . + ana−1 z −na+1 + ana z −na

On peut alors déterminer la séquence {f (kTe )}k∈N en effectuant une division euclidienne
de B(z −1 ) par A(z −1 ). En effet, on a

∞
X
−k bo + b1 z −1 + . . . . . . + bnb z −nb
F (z) = f (kTe )z =
k=o
1 + a1 z −1 + . . . . . . + ana−1 z −na+1 + ana z −na
soit
∞
nb
! na
! !
X X X
−i −j −k
bi z = 1+ aj z × f (kTe )z
i=o j=1 k=o

et donc
na
X
f (kTe ) = bk − ai f ((k − i)Te )
i=1
où bi = 0 pour i > nb et i < 0 et ai = 0 pour i > na et i < 0.

• Equation aux différences. Cette méthode consiste à effectuer une simulation à partir
d’une équation aux différences associée à la transformée en z à inverser. En effet, on peut
récrire une transformée en z sous la forme
nb
X
bi z −i
i=o
F (z) = na ∆(z) avec ∆(z) = 1
X
−j
1+ aj z
j=1
ou d’une manière équivalente
na
! nb
!
X X
1+ aj z −j F (z) = bi z −i ∆(z)
j=1 i=o

On aura donc un algorithme que l’on peut mettre en oeuvre relativement facilement sur
un quelconque calculateur comme suit
na
X nb
X
f (kTe ) = − ai f ((k − i)Te ) + bi δ((k − i)Te )
i=1 i=o
30 Chapitre 2

• Méthode des résidus. Elle est basée sur la transformée en z inverse, soit
1
I
f (nTe ) = z n−1 F (z)dz
2πj C

Pour ce faire, il suffit de choisir un contour qui entoure en plus les pôles de F (z) et d’ap-
pliquer le théorème des résidus. On aura donc
X n o
f (kTe ) = Résidus de z k−1 F (z)
z=pi
pi

avec
 mi −1 
n o 1 d 
Résidus de z k−1 F (z) = lim (z − pi )mi z k−1 F (z)
z=pi (mi − 1)! z→pi dz

où pi est un pôle multiple d’ordre mi de z k−1 F (z).

2.6 Conclusion
La motivation principale de ce chapitre a été de présenter les outils mathématiques incontour-
nables pour l’étude des systèmes linéaires invariants échantillonnés, notamment l’opérateur re-
tard et la transformée en z. L’opérateur retard a été défini et ses propriétés usuelles ont été
données. La définition de la transformée en z a été précisée avec une attention particulière sur
son domaine de convergence et l’existence d’une transformée en z inverse. Les transformée
en z des signaux élémentaires ont été déterminées à titre d’exercice. Toutes les propriétés de
la transformée en z ont été établies. Les méthodes d’inversion de la transformée en z ont été
présentées.

2.7 Problèmes

Problème 2.1 Montrer que la transformée en z de la fonction harmonique généralisée f défi-

nie par

f (t) = r t cos(ωt)α(t) avec r > 0

peut se mettre sous la forme

z(z − z1 )
F (z) = pour | z |>| r Te |
(z − p1 )(z − p2 )
avec
z1 = r Te cos(ωTe )

p1 = r Te (cos(ωTe ) + j sin(ωTe )) et p2 = r Te (cos(ωTe ) − j sin(ωTe ))

On étudiera le comportement de la fonction harmonique généralisée f pour r = 1, r > 1 et

r < 1.
 Opérateur retard et transformée en z 31

Problème 2.2 Chercher la fonction dont la transformée en z est donnée par

z2
Z {f (t)} = F (z) =
(z − 1)2 (z − e−aTe )

en utilisant la méthode des résidus.

Problème 2.3 Déterminer les séquences {gn (kTe )}, {g2 (kTe )}, {gm (kTe )} et {gℓ (kTe )} dont
les transformées en z sont données par

Nn (z)
Z {gn (kTe )} = Gn (z) = n
Y
(z − pi )
i=1

N2 (z)
Z {g2 (kTe )} = G2 (z) =
(z − p)(z − p∗ )
Nm (z)
Z {gm (kTe )} = Gm (z) =
(z − p)m
Nℓ (z)
Z {gℓ (kTe )} = Gℓ (z) =
zℓ

où pi ∈ C pour i ∈ [1, n] désigne un pôle simple et non nul, (p, p∗ ) représente une paire de
pôles complexes conjugués, Nn (z), N2 (z), Nm (z) et Nℓ (z) sont des polynômes en z de degrés
n, 2, m et ℓ, respectivement. Pour ce faire, on suggère de procéder progressivement comme suit.

1) Montrer que la transformée en z inverse de

z
Gi (z) = avec i ≥ 2
(z − p)i
est donnée par
i−2
1 Y
gi (kTe ) = (k − j)pk−i+1α(kTe )
(i − 1)! j=o

2) Montrer que les fonctions de transfert échantillonnées Gn (z), G2 (z), Gm (z) et Gℓ (z)
peuvent se factoriser comme suit
n  
X z z − pi
Gn (z) = Gn (0) + γi avec γi = lim Gn (z)
i=1
z − pi z→pi z

 
z ∗ z z−p
G2 (z) = G2 (0) + γ +γ avec γ = lim G2 (z)
z−p z − p∗ z→p z

m i  !
(z − p)m

X z 1 d
Gm (z) = Gm (0) + γi avec γm−i = lim Gm (z)
i=1
(z − p)i z→p i! dz z
32 Chapitre 2

ℓ  i !
X 1 1 d
z ℓ Gℓ (z)


Gℓ (z) = γi i avec γℓ−i = lim
i=0
z z→0 i! dz

3) En déduire les séquences {gn (kTe )}, {g2 (kTe )}, {gm (kTe )} et {gℓ (kTe )}

4) Etudier le comportement des séquences en fonction des pôles correspondants, notamment

| pi |< 1 pour tout i ∈ [1, n]

| pi |= 1 pour tout i ∈ [1, n]

et
| pi |> 1 pour tout i ∈ [1, n]

5) Traiter les exemples suivants à titre illustratif

z+3
G(z) =
z2 − 3z + 2
3z 2 + 0.5z
G(z) = 2
z − z + 0.5
z 3 − 2z 2 + 2z
G(z) =
(z − 1)2 (z − 2)
z+1
G(z) =
z 2 (z
− 1)
Chapitre 3

Échantillonnage et reconstruction

La commande d’un système par un calculateur, dont le schéma fonctionnel est donné par la
figure 3.1, permet d’illustrer convenablement ce qu’est un système échantillonné sans occulter
aucun problème. L’horloge permet de définir les instants d’échantillonnage qui sont suppo-
sés être régulièrement espacés, i.e. {kTe }k∈Z où Te désigne la période d’échantillonnage ; elle
constitue ainsi le coeur des applications temps réel. Le convertisseur analogique-numérique
(CAN ) et le convertisseur numérique-analogique (CN A) permettent d’interfacer le système,
qui est intrinsèquement continu, au calculateur qui est fondamentalement un système discret
puisqu’il ne manipule que des nombres. Le CAN transforme un signal continu en une suite de
nombres, i.e.

{f (t)}t∈R −→ {f (kTe )}k∈Z

Quant au CN A, il permet de restituer un signal continu à partir d’une suite de nombres, i.e.

{f (kTe )}k∈Z −→ {fb (t)}t∈R

Cette restitution est réalisée par un bloqueur via une interpolation adéquate du signal échantill-
onné.

u(t) y(t)
- SYSTEME

CN A  HORLOGE - CAN

6
?

CALCULATEUR 
u(kTe ) y(kTe )

F IGURE 3.1 – Commande numérique d’un système

33
34 Chapitre 3

Vu du calculateur numérique, on a manifestement un système échantillonné dont l’entrée et la

sortie sont respectivement les valeurs des signaux d’entrée et de sortie aux instants d’échan-
tillonnage, i.e. les séquences {u(kTe )}k∈Z et {y(kTe )}k∈Z . Il peut être décrit par un modèle
stroboscopique reliant les valeurs de la sortie à celles de l’entrée aux instants d’échantillon-
nage, soit
SYSE : {u(kTe )}k∈Z −→ {y(kTe )}k∈Z

Dans le cas des systèmes linéaires échantillonnés, ces modèles ont été fondamentalement élabo-
rés à partir d’une modélisation des convertisseurs CAN et CN A et des modèles utilisés pour la
représentation du système continu sous-jacent, notamment la réponse impulsionnelle, la réponse
harmonique, l’équation différentielle, la fonction de transfert et la représentation d’état. Cette
approche de modélisation est l’essence de l’ingénierie des systèmes linéaires échantillonnés qui
a été développée à partir d’une recherche méthodologique vigoureuse comme en témoignent les
conceptions assistées par ordinateurs utilisées au quotidien dans les bureaux d’études.

Ce chapitre est particulièrement consacré aux problèmes d’échantillonnage et de reconstruction

des signaux en vue de modéliser les convertisseurs : le préalable de la modélisation des systèmes
échantillonnés, i.e. la cascade CN A −→ SYST EME −→ CAN . On présente les deux résul-
tats fondamentaux qui sont au coeur du concept d’échantillonnage. Le premier concerne une
analyse spectrale d’une fonction échantillonnée alors que le second n’est autre que le célèbre
théorème de Shannon qui est le seul et unique résultat fondamental disponible pour la spéci-
fication de la période d’échantillonnage. Le théorème de Shannon requiert l’existence d’une
fréquence maximale au delà de laquelle le spectre du signal à échantillonner est identiquement
nul. C’est pourquoi, les signaux sont préalablement filtrés avant leur échantillonnage pour évi-
ter un éventuel repliement du spectre du signal. Par ailleurs, la reconstruction exacte du signal
continu ne peut être faite que par un filtre non causal. Dans les applications temps réel, cette
reconstitution est généralement faite avec des bloqueurs d’ordre zéro dont la modélisation sera
particulièrement développée. Un récapitulatif de ce qu’il faut absolument retenir est donné en
guise de conclusion.

3.1 Echantillonnage
L’échantillonnage des signaux se fait à partir d’un CAN qui transforme un signal continu en
une suite de nombres comme le montre la figure 3.2. La modélisation du CAN est générale-
ment faite en supposant que sa résolution est suffisamment grande pour négliger les erreurs de
quantification et que le temps de conversion est suffisamment petit pour être considéré comme
nul. Ces hypothèses seront prises en considération lors de la modélisation globale du système
échantillonné pour ne pas nuire à la rigueur des sciences de l’ingénieur. On peut alors représen-
ter un CAN par un échantillonneur élémentaire comme l’indique la figure 3.3 et considérer le
signal échantillonné comme le résultat de la modulation d’un train d’impulsions unitaires par le
signal continu comme le montre la figure 3.4. On aura alors
∞
X
fe (t) = f (t) m(t) avec m(t) = δ (t − kTe )
k=−∞

où m est une distribution communément appelée peigne de Dirac. Il faut bien remarquer que
la fonction échantillonnée fe a été introduite beaucoup plus pour une commodité mathématique
que pour une quelconque considération physique. En effet, la seule information disponible dans
 Échantillonnage et reconstruction 35

la pratique consiste en la séquence des valeurs de la fonction f aux instants d’échantillonnage.

La commodité mathématique résulte du potentiel de la théorie des distributions qui constitue
l’une des plus belles oeuvres de l’Ecole F rançaise des Mathématiques ([20]).

f (t) f (kTe )
6 6
66
6
6
- CAN - 6
6

- -

t kTe

F IGURE 3.2 – Conversion analogique-numérique



-  -
f (t) ? fe(t)
Te

F IGURE 3.3 – Echantillonneur élémentaire

m(t)

f (t) - MODULAT EUR - fe (t)

F IGURE 3.4 – Fonction d’échantillonnage

Le résultat fondamental suivant représente l’essence du concept d’échantillonnage. C’est une

analyse spectrale qui précise la relation entre les transformées de Laplace d’une fonction f et
la fonction échantillonnée fe qui lui est associée, i.e.

F (s) = L{f (t)} −→ Fe (s) = L{fe (t)}

Résultat 3.1 Soit f une fonction dont la transformée de Laplace est F et soit Fe la transformée
de Laplace de la fonction fe qui résulte d’un échantillonnage de f à la cadence Te . Supposons
36 Chapitre 3

que F (s) soit strictement propre alors on a

+∞
X
Fe (s) = f (kTe ) e−kTe s
k=−∞
et
+∞  
1 + 1 X 2π
Fe (s) = f (0 ) + F s + kj
2 Te Te
k=−∞

Si de plus sF(s) est strictement propre alors on a

+∞  
1 X 2π
Fe (s) = F s + kj
Te k=−∞ Te

Preuve. Le premier résultat découle des propriétés élémentaires de la transformée de Laplace

comme le montrent les manipulations suivantes
( +∞ )
X
Fe (s) = L {fe (t)} = L f (kTe ) δ (t − kTe )
k=−∞
soit
+∞
X
Fe (s) = L {fe (t)} = f (kTe )e−kTe s
k=−∞

Le dernier résultat du théorème est un simple corollaire du second résultat. En effet, si sF (s)
est strictement propre, alors lim sF (s) = 0 et donc f (0+ ) = lim sF (s) en vertu du théorème
s→∞ s→∞
de la condition initiale.
CQF D.

Le second résultat représente donc la pierre d’achoppement de cette analyse spectrale, il sera
démontré en appliquant le théorème des résidus dont nous rappelons avec plaisir l’énoncé.

Résultat 3.2 Soit F : s ∈ C −→ F (s) ∈ C une fonction analytique sur une courbe simple et
fermée C , sauf en des singularités pi pour i ∈ [1, n] intérieures à C pour lesquelles les résidus
de F sont Rk pour k ∈ [1, n], alors l’intégrale de F (s) le long de C est égale à 2πj fois la
somme des résidus de F en les singularités contenues dans C , soit
Z n
X
F (s)ds = 2πj Rk
C k=1

Preuve. Rappelons que le résidu d’une fonction complexe F pour un pôle pi d’ordre de multi-
plicité mi est donné par
 mi −1   !
  1 d mi 
Résidu de F (s) = s − pi F (s)
s=pi (mi − 1)! ds
s=pi

et que la formule d’inversion de Mellin-F ourier pour les fonctions continues par morceaux
 Échantillonnage et reconstruction 37

donne
c+j∞
1 1
 Z
f (t) = f (t+ ) + f (t− ) = F (µ)eµt dµ pour tout réel c > σf
2 2πj c−j∞

Et comme on ne considérera que des signaux causaux, i.e. f (t) = 0 pour t < 0, on aura
Z c+j∞
1 + 1
f (0 ) = F (µ)dµ pour tout réel c > σf
2 2πj c−j∞

On peut donc récrire la transformée de Laplace de la fonction échantillonnée comme suit

+∞
X
Fe (s) = f (kTe ) e−kTe s
k=o
+∞
!
1 1 X
= f (0+ ) + f (0+ ) + f (kTe )e−kTe s
2 2 k=1
Z c+j∞ +∞
!
1 1 X
= f (0+ ) + F (µ)dµ + f (kTe )e−kTe s
2 2πj c−j∞ k=1
Z c+j∞ +∞ Z c+j∞ !
1 1 X 1
= f (0+ ) + F (µ)dµ + e−kTe s F (µ)eµkTe dµ
2 2πj c−j∞ k=1
2πj c−j∞

soit
+∞
!
c+j∞
1 1
Z X
Fe (s) = f (0+ ) + F (µ) e−kTe (s−µ) dµ
2 2πj c−j∞ k=o

Et puisque
+∞
X 1
e−kTe (s−µ) = pour | e−Te (s−µ) | < 1
k=o
1− e−Te (s−µ)

on obtient
c+j∞
1 1 1
Z
Fe (s) = f (0+ ) + F (µ) dµ pour Re(s) > c > σf
2 2πj c−j∞ 1 − e−Te (s−µ)
L’évaluation de l’intégrale
c+j∞
1
Z
F (µ) dµ
c−j∞ 1− e−Te (s−µ)
peut être effectuée en appliquant le théorème des résidus avec un contour convenablement
choisi ; e.g. le contour Cd obtenu en complétant la droite Dc = {µ ∈ C / Re(µ) = c} par un
demi cercle de rayon infini à droite Γd . Ce choix est motivé par la configuration des pôles de la
F (µ)
fonction rationnelle dans le plan complexe µ donnée par la figure 3.5. Les pôles
1 − e−Te (s−µ)
de F (µ) se trouvent à gauche de la droite Dc puisque Re(pi ) < σf < c alors que les pôles de
1
−T
, soit pi = s + kjωe pour k ∈ Z, se trouvent à droite de la droite Dc puisque
1 − e e (s−µ)
c < Re(s).
38 Chapitre 3

Im(µ)
6
6
×
6 ωe
× ?
×
×
× × × -
σf c σ Re(µ)
×
×
×
pôles de 1
pôles de F (µ)
× 1 − e−Te (s−µ)

F IGURE 3.5 – Configuration des pôles

En effet, si l’on applique le théorème des résidus avec le contour Cd , on trouve

1 1 1
Z Z Z
F (µ) dµ = F (µ) dµ + F (µ) dµ
Cd 1− e−Te (s−µ) Γd 1− e−Te (s−µ) Dc 1− e−Te (s−µ)
!
X
= − 2πj Rk
pk =s+kjωe

avec
 
F (µ)
Rk = Résidu de
1 − e−Te (s−µ) pk =s+kjωe

puisque le contour d’intégration Cd est parcouru dans le sens négatif. Et comme F (s) est stric-
tement propre et que eTe µ −→ ∞ lorsque µ parcours Γd , on obtient

1
Z
F (µ) dµ = 0
Γd 1 − e−Te (s−µ)
On aura donc
!
c+j∞
1
Z X
F (µ) dµ = − 2πj Rdk
c−j∞ 1− e−Te (s−µ) pk =s+kjωe

La transformée de Laplace de la fonction échantillonnée est alors donnée par

1 X  F (µ)

+
Fe (s) = f (0 ) − Résidu de
2 p =s+kjω
1 − e−Te (s−µ) µ=pk
k e

1
Et comme les pôles de sont simples, les résidus associés sont donnés par
1− e−Te (s−µ)
 Échantillonnage et reconstruction 39

 
F (µ) 1
Rk = Résidu de =− F (s + kjωe )
1 − e−Te (s−µ) µ=s+kjωe Te

On retrouve alors l’expression recherchée de la transformée de Laplace de la fonction échantill-

onnée, soit
+∞
1 1 X
Fe (s) = f (0+ ) + F (s + kjωe )
2 Te k=−∞
CQF D.

Remarque 3.1 La transformée de Laplace du signal échantillonné peut être évaluée en appli-
quant le théorème des résidus avec un contour Cg obtenu en complétant la droite Dc par un
demi cercle de rayon infini à gauche Γg . Pour ce faire, il suffit de remarquer que
1
Z
F (µ) −T (s−µ)
dµ = jπf (0+ )
Γg 1−e e

car F (s) est supposée être strictement propre et eTe µ = 0 lorsque µ parcours Γg . On en déduit
alors que
 
X F (µ)
Fe (s) = Résidu de
1 − e−Te (s−µ) µ=pk
pk = pôles de F (µ)

On peut en déduire deux aspects vitaux pour le concept d’échantillonnage. On supposera plus
particulièrement que f (0) = 0 sans nuire à la généralité des choses.

A1. L’échantillonnage étale le spectre de fréquences de la fonction continue jusqu’à l’infini,

i.e.
+∞
1 X
Fe (jω) = F {fe (t)} = F (j (ω + kωe ))
Te k=−∞
Ce spectre est symétrique par rapport à l’axe réel et périodique de période la pulsation
d’échantillonnage, i.e.

| Fe (jω) | = | Fe (−jω) | pour tout ω ∈ R+

et
| Fe (jω) | = | Fe (j(ω + kωe )) | pour tout k ∈ Z

On peut donc déterminer le spectre d’une fonction échantillonnée à partir de sa représent-

ωe π
ation sur l’intervalle de pulsations [0, ωn ] où ωn = = est la pulsation de N yquist.
2 Te
Rappelons toutefois que la relation entre les transformées de F ourier d’une fonction
échantillonnée et la fonction continue sous-jacente n’est généralement pas valable pour
les spectres d’énergie définis à partir des modules correspondants puisque
∞
X
| Fe (jω) | ≤ | F (j(ω + kωe )) |
k=−∞

L’égalité n’est vérifiée que dans le cas de situations exceptionnelles où la phase de F (s)
est constante.
40 Chapitre 3

A2. L’échantillonnage induit une duplication infinie des pôles et des zéros de la transformée
de Laplace de la fonction continue, i.e. les pôles de Fe (s) sont égaux aux pôles de F (s)
modulo jωe . Autrement dit, pour un pôle pci de F (s), il correspond une infinité de pôles
{pik }k∈Z de Fe (s) donnée par

pik = pci − kjωe pour k ∈ Z

Remarque 3.2 Le résultat concernant la série de F ourier décrivant le peigne de Dirac peut
être obtenu en remarquant que les coefficients de F ourier correspondants sont donnés par
+ T1
1 1
Z
e
cn = δ(t)e−jkωe t dt =
Te − T1 Te
e

3.2 Théorème de Shannon

L’intérêt porté à l’échantillonnage des signaux a été principalement motivé par le développe-
ment des calculateurs numériques, qui de par leur nature, ne peuvent manipuler que des suites
de nombres. La question de base qui se pose est de savoir si le fait d’échantillonner une fonction
continue f n’est pas intrinsèquement accompagné par une perte de l’information contenue dans
cette fonction, i.e. peut-on reconstruire {f (t)}t∈R ou {F (jω)}ω∈R à partir de la seule connais-
sance de {fe (t)}t∈R ou {Fe (jω)}ω∈R ? Un simple examen de ce problème dans le domaine
temporel montre qu’il n’est pas possible de reconstruire {f (t)}t∈R à partir de {fe (t)}t∈R dans
le cas général. En effet, il existe une infinité de fonctions temporelles qui prennent toutes les
mêmes valeurs aux instants d’échantillonnage. Autrement dit, une fonction arbitraire du temps
n’est pas complètement définie par ses valeurs à des instants arbitraires même s’ils sont réguliè-
rement espacés. Il va falloir chercher les conditions supplémentaires que devrait satisfaire cette
fonction du temps pour qu’elle soit parfaitement définie par ses valeurs aux instants d’échan-
tillonnage. Cette recherche est loin d’être évidente si l’on adopte une approche temporelle. Le
problème correspondant est généralement étudié dans le domaine fréquentiel : il consiste à res-
taurer {F (jω)}ω∈R à partir de {Fe (jω)}ω∈R dans les meilleures conditions possibles. En guise
d’illustration, considérons un signal continu dont l’amplitude et la phase sont respectivement
données par les figures 3.7 et 3.8. On notera que les pulsations sont normalisées par rapport à la
pulsation d’échantillonnage ωe et que le spectre est identiquement nul au-delà d’une pulsation
maximale ωm . Les figures 3.9 et 3.10 montrent que l’on peut reconstruire un signal continu à
partir de ses valeurs aux instants d’échantillonnage pourvu que la pulsation maximale de son
spectre soit inférieure à la moitié de la pulsation d’échantillonnage, i.e. ωe > 2ωm . Lorsque la
pulsation d’échantillonnage est trop faible par rapport à la pulsation maximale contenue dans
le signal, il apparaît un phénomène de recouvrement qui induit un repliement de fréquences
comme l’indiquent les figures 3.11 et 3.12. Cet exemple montre que la reconstitution d’un signal
continu à partir du signal échantillonné correspondant dépend du choix de la période d’échan-
tillonnage. Par ailleurs, on voit que pour reconstruire un signal ressemblant à la fonction f , la
sagesse oblige de procéder à un filtrage approprié du signal échantillonné comme le montre la
figure 3.6. Ce filtrage permettrait d’éliminer toutes les composantes hautes fréquences particu-
lièrement introduites par l’échantillonnage. On notera toutefois que même si ce filtre est parfait,
on ne peut espérer retrouver exactement le signal continu à moins que son spectre ne soit nul
ωe
au-delà de la pulsation de N yquist ωn = .
2
 Échantillonnage et reconstruction 41

fe (t) - Fr (s) - f (t)

F IGURE 3.6 – Filtre reconstructeur

1.2

0.8
Amplitude

0.6

0.4

0.2

0
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.7 – Amplitude du spectre du signal continu

300

200

100
Phase

−100

−200

−300
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.8 – Phase du spectre du signal continu

42 Chapitre 3

1.2

0.8
Amplitude

0.6

0.4

0.2

0
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.9 – Amplitude du spectre du signal échantillonné

600

400

200
Phase

−200

−400

−600
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.10 – Phase du spectre du signal échantillonné

 Échantillonnage et reconstruction 43

1.2

0.8
Amplitude

0.6

0.4

0.2

0
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.11 – Recouvrement du spectre

600

400

200
Phase

−200

−400

−600
−1.5 −1 −0.5 0 0.5 1 1.5
Fréquence Normalisée

F IGURE 3.12 – Recouvrement de la phase

44 Chapitre 3

Le résultat fondamental suivant est le célèbre théorème de Shannon qui précise les conditions
requises sur un signal continu pour que l’on puisse le recouvrir à partir de ses valeurs prises à
des instants d’échantillonnage régulièrement espacés.

Résultat 3.3 Un signal {f (t)}t∈R dont la transformée de F ourier est nulle à l’extérieur de
l’intervalle [−ωm , ωm ] est parfaitement défini par son signal échantillonné {f (kTe )}k∈Z si la
période d’échantillonnage Te est telle que ωe > 2ωm . Le signal {f (t)}t∈R est obtenu comme
suit
k=∞
X sin (ωn ((t − kTe ))
f (t) = f (kTe )
k=−∞
ωn (t − kTe )

Preuve. Le théorème de Shannon stipule qu’il est théoriquement possible de reconstruire une
fonction continue à partir de ses valeurs aux instants d’échantillonnage pourvu que la fréquence
d’échantillonnage soit au moins deux fois plus grande que la fréquence maximale contenue dans
le spectre de cette fonction. Dans ce cas particulier, on peut définir parfaitement {F (jω)}ω∈R
en fonction de {Fe (jω)}ω∈R à partir de la relation

 Te Fe (jω) si | ω | ≤ ωn
F (jω) =
0 si | ω | > ωn


On obtiendrait alors {f (t)}t∈R en faisant passer {fe (t)}t∈R dans un filtre passe-bas idéal carac-
térisé par la réponse fréquentielle

 Te si | ω | ≤ ωn
Fr (jω) =
0 si | ω | > ωn


Cette manière de faire découle essentiellement du fait que

F (s) = Fr (s)Fe (s)

Elle permet de retrouver le résultat de reconstruction de Shannon en effectuant un retour dans

le domaine temporel où ces relations deviennent
Z +∞
1 Te +ωn
Z
jωt
f (t) = F (jω)e dω = Fe (jω) ejωt dω
2π −∞ 2π −ωn
soit
+∞
Te +ωn X
Z
f (t) = f (kTe )e−jωkTe ejωt dω
2π −ωn k=−∞

Et en effectuant la permutation des opérations d’intégration et de sommation, on obtient

+∞ +ωn +∞
Te sin (ωn (t − kTe ))
X Z X
jω(t−kTe )
f (t) = f (kTe ) e dω = f (kTe )
k=−∞
2π −ωn k=−∞
ωn (t − kTe )
 Échantillonnage et reconstruction 45

Ainsi, si l’on désigne par {fs (t)}t∈R la réponse impulsionnelle du filtre passe-bas idéal de
fonction de transfert Fs , la fonction f peut être définie à partir du produit de convolution
  +∞
X
f (t) = fe ∗ fs (t) = f (kTe ) fs (t − kTe )
k=−∞

Cette opération de filtrage transmettrait toutes les composantes de fréquences inférieures à la

fréquence de N yquist et supprimerait complètement toutes les composantes de fréquences qui
y sont plus élevées. Elle n’est pas physiquement réalisable puisque sa réponse impulsionnelle
n’est pas causale. On peut cependant construire des filtres dont la réponse impulsionnelle est
voisine de celle du filtre idéal à condition d’introduire un retard ([11], [18])
CQF D.

Remarque 3.3 La transformée de Laplace de la fonction échantillonnée

n o X∞
Fe (s) = L fe (t) = f (kTe ) e−kTe s
k=−∞

peut se récrire sous la forme d’une transformée en z moyennant le changement de variable

z = eTe s , i.e.
Fe (s) = F (z) pour z = eTe s

Le potentiel de la transformée en z est présenté d’une manière complète dans l’ouvrage du père
J ury ([9]) ou dans le "best seller" du père Ogata ([17]). Une synthèse concise a été présentée
dans le chapitre précédent consacré aux préliminaires mathématiques.

Le passage du plan complexe en s au plan complexe en z est donc effectué par la transfor-
mation complexe
s −→ z = eTe s

Cette transformation d’échantillonnage n’est pas bijective puisque les bandes de l’espace com-
plexe en s définies par
Bk = {s ∈ C / (2k − 1) ωn ≤ Im (s) ≤ (2k + 1) ωn pour tout k ∈ Z}
ont la même image : c’est le plan complexe en z. On distingue plus particulièrement la bande
centrale du plan complexe en s
Bs = {s ∈ C / Im (s) ∈ [−ωn , +ωn ]}
qui permet d’accéder directement à l’information utile sur la fonction continue pourvu que la
période d’échantillonnage soit spécifiée conformément au théorème de Shannon. Ceci justifie
l’appellation bande de Shannon communément utilisée pour désigner Bs .

Il est important de remarquer que la duplication des pôles dans le plan complexe en s n’est
pas percevable dans le plan complexe en z puisque
e(s+kjωe)Te = esTe pour tout (s, k) ∈ C × Z
En guise d’illustration, on donne ci-après les images de certaines parties du plan complexe en
p par cette transformation d’échantillonnage.
46 Chapitre 3

• L’image de l’origine est le point (1, 0), i.e

Image (0) = 1

• L’image de l’axe imaginaire est le cercle de centre l’origine et de rayon unitaire, i.e.

Image ({s ∈ C / Re (s) = 0}) = {z ∈ C / | z |= 1}

• L’image du plan complexe de gauche est le disque de centre l’origine et de rayon unitaire,
i.e.
Image ({s ∈ C / Re (s) < 0}) = {z ∈ C / | z |< 1}
• L’image du plan complexe de droite est l’extérieur du disque de centre l’origine et de
rayon unitaire, i.e.

Image ({s ∈ C / Re (s) > 0}) = {z ∈ C / | z |> 1}

• L’image d’une droite horizontale d’ordonnée ω est une droite oblique passant par l’ori-
gine de pente ωTe , i.e.

Image ({s ∈ C / Im (s) = ω}) = {z ∈ C / Arg (z) = ωTe }

• L’image d’une droite verticale d’abscisse α est le cercle de centre l’origine et de rayon
eαTe , i.e.
Image ({s ∈ C / Re (s) = α}) = z ∈ C / | z |= eαTe


• L’image des demi-droites obliques passant par l’origine du plan complexe de gauche, i.e.
les courbes iso-amortissement ζ ∈ [0, 1], est une cardioîde.
( )!
ζ
Image s ∈ C / Re (s) = ± p Im (s)
1 − ζ2
=
n √ o
1−ζ 2 Te
z ∈ C / z = eζωTe e±jω

Cet aspect vital de l’échantillonnage constitue la motivation principale de l’utilisation de la

transformée en z pour l’analyse et la synthèse des systèmes échantillonnés. La transformation
d’échantillonnage peut être interprétée comme un pont de passage entre les systèmes continus
et les systèmes échantillonnés.

Remarque 3.4 Le théorème de Shannon est le seul résultat fondamental disponible pour la
spécification de la période de l’échantillonnage et il ne concerne que les signaux dont le spectre
d’énergie est parfaitement limité. Comme cette hypothèse relève beaucoup plus de l’exception
que de la règle dans la pratique, on est amené à procéder à un traitement préalable du signal
pour recouvrir un contexte conforme à l’application du théorème de Shannon. Ce traitement vi-
tal est réalisé avec un filtre anti-repliement (F AR) de fréquences que l’on place entre le signal
à échantillonner et le CAN comme l’indique la figure 3.13. Ce filtre est généralement composé
d’une cascade de filtres du second ordre de gain statique unitaire qui éliminent les composantes
de fréquences indésirables. Cette cascade peut être décrite par la fonction de transfert
ℓ
ωn2

F (s) = avec ℓ ≥ 2
s2 + 2ζωn s + ωn2
 Échantillonnage et reconstruction 47

où le coefficient d’amortissement ζ est supérieur à 0.7 et la pulsation propre ωn est spécifiée en

fonction de la bande passante désirée. Cette dernière dépend essentiellement de la fréquence
d’échantillonnage. Ce filtrage conditionne amplement le succès d’une quelconque application
avec calculateur. Les filtres anti-recouvrement sont disponibles sur le marché : une information
susceptible d’éveiller l’intérêt de ce filtrage.

- SYSTEME - F AR - CAN -

F IGURE 3.13 – Emplacement du filtre anti-repliement

3.3 Reconstruction physique

La reconstitution physique d’un signal est fondamentalement basée sur un développement en
série de T aylor de la fonction temporelle f au voisinage d’un instant d’échantillonnage t = kTe ,
i.e.
  τi  i 
f (kTe + τ ) = f (kTe ) + τ ρf (t) + ...+ ρ f (t) + . . . pour τ ∈ [0, Te )
t=kTe i! t=kTe

Ce développement est généralement évalué en utilisant une approximation des dérivées succes-
sives par des différences finies, en l’occurrence
1  
ρf (kTe ) ≈ f (kTe ) − f ((k − 1)Te )
Te
et
1  
ρ2 f (kTe )) ≈ f (kTe ) − 2f ((k − 1)Te ) + f ((k − 2)Te )
Te2

La reconstruction du signal sera d’autant meilleure que l’on prendra plus de termes dans le
développement. Pour des considérations technologiques, on utilise généralement une approxi-
mation d’ordre zéro

f (kTe + τ ) = f (kTe ) pour tout τ ∈ [0, Te )

La réalisation de l’approximation d’ordre zéro est effectuée par un bloqueur d’ordre zéro. Ce
dernier est à l’origine du concept de blocage : une opération qui permet de transformer une suite
de nombres en un signal continu, soit

{f (kTe )}k∈Z −→ {fb (t)}t∈R

satisfaisant la propriété
48 Chapitre 3

fb (t) = f (kTe ) pour tout k ∈ [kTe , (k + 1)Te )

Il s’agit d’une extrapolation du signal échantillonné réalisée par des CN A comme l’indique la
figure 3.14. Le bloqueur élémentaire peut être représenté comme l’indique la figure 3.15 où BI
et BOZ désignent respectivement un bloqueur impulsionnel et un bloqueur d’ordre zéro. Le
bloqueur impulsionnel est un artifice mathématique destiné à l’étude des bloqueurs alors que le
bloqueur d’ordre zéro est au coeur de la technologie des CN A.

fe (t) fb (t)
6 6
66
6
6
6 - CN A -
6

- -

kTe t

F IGURE 3.14 – Conversion numérique-analogique

f (kTe ) - BI - BOZ - fb (t)

fe (t)

F IGURE 3.15 – Bloqueur d’ordre zéro

δ(t)
6 6

6
- Bo (s) -

- -
t Te t
F IGURE 3.16 – Réponse impulsionnelle d’un bloqueur d’ordre zéro

La figure 3.16 montre la réponse impulsionnelle d’un bloqueur d’ordre zéro que l’on peut inter-
préter comme un intégrateur systématiquement réinitialisé à zéro à chaque instant d’échantil-
lonnage, soit
 Échantillonnage et reconstruction 49

βo (t) = α(kTe ) − α(kTe − Te )

La réponse du bloqueur au signal défini par une fonction échantillonnée fe est alors donnée par

∞
X  
fb (t) = f (kTe ) α(t − kTe ) − α (t − (k + 1)Te )
k=o

Et si l’on applique la transformée de Laplace à cette équation de comportement d’entrée-sortie,

on obtient

k=∞
  X e−kTe s − e−(k+1)Te s 1 − e−Te s
Fb (s) = L fb (t) = f (kTe ) = Fe (s)
s s
k=o

Le bloqueur d’ordre zéro peut être alors décrit par sa fonction de transfert comme suit

1 − e−Te s
Fb (s) = Bo (s)Fe (s) avec Bo (s) = L (βo (t)) =
s

Remarque 3.5 La théorie des systèmes échantillonnés a été principalement développée avec
une reconstruction réalisée par un bloqueur d’ordre zéro. Néanmoins, de nombreuses études ont
été dédiées au problème de reconstruction d’un signal et sont disponibles dans des publications
ou des monographes de recherche.

3.4 Conclusion
Les résultats fondamentaux du concept d’échantillonnage ont été développés d’une manière
concise et précise en interprétant un signal échantillonné comme le résultat de la modulation
d’un train d’impulsions unitaires par le signal continu, soit
∞
X
fe (t) = f (kTe )δ(t − kTe )
k=−∞
On distingue

• Le résultat d’analyse spectrale qui précise la relation entre les transformées de Laplace
d’une fonction f et la fonction échantillonnée fe qui lui est associée
+∞
1 1 X
Fe (s) = f (0+ ) + F (s + kjωe )
2 Te k=−∞

Cette relation est l’essence d’une propriété vitale : l’échantillonnage étale le spectre du
signal continu jusqu’à l’infini.
50 Chapitre 3

• Le théorème de Shannon stipule qu’il est théoriquement possible de reconstruire une

fonction continue à partir de ses valeurs aux instants d’échantillonnage pourvu que la fré-
quence d’échantillonnage soit au moins deux fois plus grande que la fréquence maximale
contenue dans le spectre de cette fonction.
  +∞
X
f (t) = fe ∗ fs (t) = f (kTe ) fs (t − kTe )
k=−∞
avec
sin (ωn t)
fs (t) =
ωn t

On notera que {fs (t)}t∈R est la réponse impulsionnelle du filtre passe-bas idéal. On no-
tera que ce filtre n’est pas réalisable.

• La transformation d’échantillonnage qui permet de passer du plan complexe en s au plan

complexe en z, i.e.

s −→ z = esTe

Cette transformation est au coeur de la commodité de la transformée en z pour la modélis-

ation, l’analyse et la synthèse des systèmes échantillonnés.

• Les nuances entre la transformée de Laplace d’une fonction échantillonnée et sa transfor-

mée en z, notamment la relation entre les configurations des pôles correspondantes.

3.5 Problèmes

Problème 3.1 On propose de faire un bilan sur les résultats fondamentaux de ce chapitre en
répondant d’une manière concise et précise aux deux questions suivantes.

1) Décrire brièvement les incidences de l’échantillonnage à partir des résultats fondamen-

taux qui lui sont associés.

2) Comment spécifier la période d’échantillonnage dans le cas d’un système dont la dyna-
mique est caractérisée par un mode dominant d’amortissement unitaire et de pulsation
propre ω ? Préciser si un filtre anti-recouvrement est nécessaire et si oui donner sa fonc-
tion de transfert.

Problème 3.2 Soit f une fonction dont la transformée de F ourier est F et soit Fe la transfor-
mée de F ourier de la fonction fe qui résulte d’un échantillonnage de f à la période Te . Montrer
que
+∞
1 X
Fe (jω) = F (jω + kjωe )
Te k=−∞
 Échantillonnage et reconstruction 51

an admettant que le peigne de Dirac peut être définie à partir de son développement en série
de F ourier comme suit
∞
X ∞
X
δ(t − kTe ) = ck ejkωet
k=−∞ k=−∞
avec
1
ck =
Te

Que peut-on conclure sur le spectre d’un signal échantillonné ?

Problème 3.3 On se propose de faire la démonstration du théorème de Shannon autrement en

procédant comme suit

1) Exprimer la transformée de F ourier de la fonction continue en fonction de la transformée

de F ourier de la fonction échantillonnée correspondante dans le contexte du théorème
de Shannon et en déduire que la transformée de F ourier de la fonction échantillonnée
peut se récrire sous la forme d’une série de F ourier
+∞
X
Fe (ω) = f (kTe ) e−jωkTe
k=−∞

2) Montrer que
+ωn +∞
Te
Z X
f (t) = f (kTe ) e−jωkTe ejωt dω
2π −ωn k=−∞

et en déduire que
+∞
X Te sin (ωn (t − kTe ))
f (t) = f (kTe )
π t − kTe
k=−∞
52 Chapitre 3
Chapitre 4

Modélisation

La modélisation des systèmes échantillonnés est développée à partir d’une application de com-
mande par calculateur dont le schéma fonctionnel est donné par la figure 4.1. Cette application
est communément réalisée conformément aux étapes suivantes.

E1. Attendre le top d’horloge.

E2. Acquérir la sortie du système : conversion et sauvegarde.

E3. Déterminer le signal de commande selon l’algorithme de commande considéré.

E4. Appliquer le signal de commande au système.

E5. Aller en E1.

Ces étapes conduisent inéluctablement à un retard fractionnaire égal à la somme des temps de
conversion analogique ⇋ numérique et du temps d’execution de l’algorithme de commande.
Ce retard doit être intégré dans le retard pur du système qui sera particulièrement pris en consi-
dération lors de la modélisation du système échantillonné.

u(t) y(t)
- SYSTEME

CN A  HORLOGE - CAN

6
?

CALCULATEUR 
u(kTe ) y(kTe )

F IGURE 4.1 – Commande numérique d’un système

53
54 Chapitre 4

Vu du calculateur numérique, on a manifestement un système échantillonné dont l’entrée et la

sortie sont respectivement les valeurs des signaux d’entrée et de sortie aux instants d’échantillon-
nage, i.e. les séquences {u(kTe )}k∈N et {y(kTe )}k∈N . Il peut être décrit par un modèle stro-
boscopique reliant les valeurs de la sortie à celles de l’entrée aux instants d’échantillonnage, soit

SYSE : {u(kTe )}k∈N −→ {y(kTe )}k∈N

Ce modèle est fondamentalement développé à partir d’une modélisation des convertisseurs, i.e.
CAN et CN A, et du modèle utilisé pour la description du système continu, notamment la ré-
ponse impulsionnelle, la réponse harmonique, l’équation différentielle, la fonction de transfert
et la représentation d’état.

Le théorème d’analyse spectrale d’une fonction échantillonnée et le théorème de Shannon per-

mettent de développer un formalisme rigoureux pour la modélisation, l’analyse et la synthèse
des systèmes échantillonnés. Ces derniers peuvent être représentés comme l’indiquent les fi-
gures 4.2 et 4.3.

HORLOGE

? ?

- CN A - SYSTEME - CAN -

? ? ? ?
u(kTe ) ub (t) y(t) y(kTe )

F IGURE 4.2 – Diagramme fonctionnel d’un système échantillonné

HORLOGE

"" 
" 
- " - BOZ - SYSC -  -
? ?
Te Te
? ? ? ? ?
u(t) ue (t) ub (t) y(t) ye (t)

F IGURE 4.3 – Modélisation d’un système échantillonné

 Modélisation 55

Supposons que le système continu sous-jacent est décrit par un opérateur d’entrée-sortie SYSC
défini par

SYSC : Ub = {ub : R+ −→ R} −→ Y = {y : R+ −→ R}

ub (t) −→ y(t) = SYSC (u(t))

alors le système échantillonné correspondant peut être représenté comme l’indique la figure 4.3.
Un tel système peut être décrit par un opérateur entrée-sortie défini comme suit

SYSE : U = {u : Z + −→ R} −→ Y = {y : Z + −→ R}

u(kTe ) −→ y(kTe ) = SYSE (u(kTe ))

Comme pour les systèmes continus, les systèmes échantillonnés peuvent être décrits par plu-
sieurs représentations qui seront progressivement présentées ci-dessous. Pour ce faire, on utili-
sera l’opérateur retard et la transformée en z ainsi que le résultat suivant qui permet de déter-
miner la fonction échantillonnée du produit de convolution d’une fonction continue avec une
fonction échantillonnée.

Résultat 4.1 Soient f et g deux fonctions qui admettent des transformées de Laplace alors la
fonction échantillonnée du produit de convolution h = g ∗ fe est donnée par

he (t) = (ge ∗ fe ) (t)

et donc
L {he (t)} = Ge (s) × Fe (s)

Preuve. La démonstration est faite à partir de la définition du produit de convolution et de la

fonction échantillonnée d’une fonction continue, soit
Z +∞  Z +∞
he (t) = g(t − τ )fe (τ )dτ m(t) = g(t − τ )m(t)f (τ )m(τ )dτ
−∞ −∞

Et comme la fonction m est périodique de période Te et qu’elle est identiquement nulle sauf
aux instants d’échantillonnage, on trouve

Z +∞
he (t) = g(t − τ )m(t − τ )f (τ )m(τ )dτ = ge (t) ∗ fe (t)
−∞

La seconde partie du résultat est une conséquence directe du théorème de convolution associé à
la transformée en z.
CQF D.
56 Chapitre 4

Ce chapitre est consacré aux problèmes fondamentaux de la modélisation des systèmes échan-
tillonnés dans l’esprit d’une approche système. Les diverses représentations des systèmes échan-
tillonnés sont présentées progressivement. On présente d’abord les modèles non paramétriques,
i.e. les réponses impulsionnelle et harmonique, et on passe ensuite aux modèles paramétriques,
notamment la fonction de transfert, l’équation aux différences et la représentation d’état. Le pro-
blème du retard pur du système est particulièrement étudié pour montrer qu’il n’est pas aussi
crucial que dans le cas des systèmes continus.

La représentation d’état utilise l’exponentielle d’une matrice qui est définie à partir de la série
convergente
1 2 1 k
eA = In + A + A + ... + A + ...
2 k!
soit
∞
X tk k
eAt = A
k=o
k!

Elle vérifie les propriétés usuelles P1 à P9 données dans le problème 4.2. Par ailleurs, on no-
tera que pour toute matrice A ∈ Rn×n , la matrice (sIn − A) ∈ Cn×n est inversible puisque son
déterminant, qui n’est autre que le polynôme caractéristique de associée à la matrice A, n’est
pas nul. Le résultat suivant donne un algorithme pour calculer (sIn − A)−1 qui est communé-
ment appelée matrice résolvante associée à la matrice A ∈ Rn×n , soit

P our tout A ∈ Rn×n on a : L eAt α(t) = (sIn − A)−1

Le résultat suivant donne un algorithme adéquat qui permet de calculer la matrice résolvante.

Résultat 4.2 La matrice résolvante associée à une matrice A ∈ Rn×n est donnée par

1
(sIn − A)−1 = Adj (sIn − A)
det (sIn − A)
avec
det (sIn − A) = ao sn + a1 sn−1 + . . . + an−1 s + an
et
Adj (zIn − A) = A1 sn−1 + A2 sn−2 + A3 sn−3 + . . . + An−1 s + An

où {ak }k∈[0,n] et {Ak }k∈[1,n] sont respectivement données par les algorithmes suivants
1
ao = 1 et ak = − trace(Mk A) pour k ∈ [1, n]
k!
avec
Mo = 0n et Mk = Mk−1 A + ak−1 In pour k ∈ [1, n]
et
k−1
X
Ak = ai Ak−i−1 pour k ∈ [1, n]
i=o
 Modélisation 57

4.1 Réponse impulsionnelle

Cette représentation est obtenue à partir de la réponse impulsionnelle du système continu sous-
jacent, que l’on notera {gc (t)}t∈R+ , soit
 Z +∞ Z t
SYSC y(t) = gc (τ )ub (t − τ )dτ = gc (τ )ub (t − τ )dτ (4.1)
−∞ o

La sortie du système échantillonné est donc donnée par

Z ∞ ∞ Z
X ℓTe
y(kTe ) = gc (τ )ub (kTe − τ )dτ = gc (τ )ub (kTe − τ )dτ
o ℓ=1 (ℓ−1)Te

Et comme kTe − ℓTe < kTe − (ℓ − 1)Te , on a

ub (kTe − τ ) = u(kTe − ℓTe ) pour τ ∈ ((ℓ − 1)Te , ℓTe ]

et donc
∞ Z
X ℓTe 
y(kTe ) = gc (τ )dτ u(kTe − ℓTe )
ℓ=1 (ℓ−1)Te

Cette expression peut se mettre sous la forme d’un produit de convolution discret
∞
X
y(kTe ) = g(ℓTe )u(kTe − ℓTe ) (4.2)
ℓ=1
avec
Z ℓTe
g(ℓTe ) = gc (τ )dτ (4.3)
(ℓ−1)Te

On reconnaît la réponse impulsionnelle du système échantillonné, i.e. la séquence {g(kTe )}k∈N .

Rappelons que cette appellation est justifiée par la propriété suivante

   
u(kTe ) = δ(kTe ) =⇒ y(kTe ) = g(kTe ) pour tout k ∈ N

où {δ(kTe )}k∈N n’est autre que l’impulsion unitaire caractérisée par une transformée en z égale
à un, soit

 1 pour k = 0
Z (δ(kTe )) = 1 ⇐⇒ δ(kTe ) = (4.4)
0 autrement


Et si l’on utilise l’opérateur retard, qui a été dûment présenté au chapitre 2, on peut récrire le
produit de convolution discret sous la forme

∞
X
−1 −1
g(ℓTe )q −ℓ



y(kTe ) = G q u(kTe ) avec G q = (4.5)
ℓ=1
58 Chapitre 4

Remarque 4.1 L’opérateur de convolution discrète peut se mettre sous la forme d’une fraction
rationnelle en l’opérateur retard puisqu’on peut toujours effectuer une division euclidienne
dans l’anneau des polynômes R[q −1 ], soit

−1

−1 bo + b1 q −1 + . . . + bnb q −nb −1
−1 B (q )
G q = q = q
1 + a1 q −1 + . . . + ana q −na A (q −1 )

Cette forme permet de mettre en évidence un effet secondaire de l’échantillonnage : le bloqueur

d’ordre zéro introduit un retard d’une période d’échantillonnage dans le cas où la réponse im-
pulsionnelle du système continu admet une limite finie en zéro, i.e. lim gc (t) existe et est f inie.
t−→0
Cette condition stipule que le système continu est strictement propre et sera confortée lorsqu’on
abordera la représentation par fonction de transfert.

Remarque 4.2 Si l’on applique la transformée en z aux deux membres de la description d’un
système par une réponse impulsionnelle, on obtient

  ∞
X  
−ℓ
Z y(kTe ) = g(kTe ) Z q u(kTe )
ℓ=1

⇐⇒

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

avec
∞
∆
X bo + b1 z −1 + . . . + bnb z −nb ∆ Bσ (z)
G (z) = g(ℓTe )z −ℓ = z −1 =
1 + a1 z −1 + . . . + ana z −na Aσ (z)
ℓ=1

On peut alors représenter le système comme le montre la figure 4.4 qui met en évidence le
transfert entre l’entrée échantillonnée et la sortie échantillonnée. On retrouvera ce résultat
autrement lorsqu’on abordera la représentation par fonction de transfert.

u(kTe ) - G (z) - y(kTe )

F IGURE 4.4 – Représentation d’un système échantillonné

4.2 Réponse harmonique

On peut déterminer aisément la réponse du système à une entrée harmonique généralisée uni-
taire, i.e. u(kTe ) = ejωkTe α(t), pourvu qu’elle existe. En effet, on a
 Modélisation 59

∞
X
−1 jωkTe
g(ℓTe )ejω(kTe −ℓTe )


y(kTe ) = G q e =
ℓ=1
soit
∞
X
−jωTe −jωTe
jωkTe
g(ℓTe )e−jωℓTe



y(kTe ) = G e e avec G e = (4.6)
ℓ=1

On retrouve la réponse harmonique du système échantillonné qui n’est autre que la transformée
de F ourier discrète de sa réponse impulsionnelle, soit

G e−jωTe = F ({g(kTe )}) = M(jω)ejϕ(ω)

avec

M (jω) =| G e−jωTe | et ϕ (ω) = arg G e−jωTe

Et comme la réponse harmonique est périodique et symétrique par rapport à l’axe imaginaire,
i.e.

G ej(ω+ωe )Te = G ej(ωTe )

pour tout ω ∈ R

et


∗
G e−j(ω)Te = G ej(ω)Te


pour tout ω ∈ R

on en déduit que les fonctions module et
argument associées sont respectivement
paire et im-
paire. La réponse fréquentielle {G ejωTe }ω∈R se déduit donc du lieu {G ejωTe }ω∈[0,ωn ] . On
retrouve l’essence du théorème de Shannon selon laquelle les pulsations au delà de la pulsation
de N yquist ωn ne sont pas fondamentales pour un échantillonnage effectué convenablement.

La réponse harmonique est caractérisée par les diagrammes de Bode, N yquist et Black selon la
motivation courante. Les deux aspects suivants sont généralement rencontrés lors de l’évalua-
tion d’une réponse harmonique.

A1 Si la fonction de transfert G (z) contient un pôle z = 1 de multiplicité m, reflétant l’effet

des intégrateurs, alors la fonction G : R −→ C n’est pas définie pour ω = 0. On peut
toutefois utiliser l’approximation suivante au voisinage de la pulsation nulle

G ejωTe ≈ (jωTe )−m

qui permet de postuler que

π
| G ejωTe | est grand et arg G ejωTe ≈ −m




2
dans le domaine des basses fréquences.
60 Chapitre 4

A2 Un retard pur de ℓ périodes d’échantillonnage se traduit par ℓ pôles à l’origine. Ceci ne

jωTe


change pas le module de
jωTe

G e ne change pas mais retarde son argument de −ωℓTe .
Ainsi, le lieu {G e }ω∈[0,ωn ] autour de l’origine dans le sens négatif lorsque ω croît.

Les figures 4.5 et 4.6 montrent les lieux de N yquist d’un système échantillonné avec et sans
retard.

Nyquist Diagrams

0.8

0.6

0.4
Imaginary Axis

0.2

−0.2

−0.4

−0.6

−0.8

−1
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8
Real Axis

F IGURE 4.5 – Lieu de N yquist d’un système sans retard

Nyquist Diagrams

0.8

0.6

0.4
Imaginary Axis

0.2

−0.2

−0.4

−0.6

−0.8

−1

−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8

Real Axis

F IGURE 4.6 – Lieu de N yquist d’un système exhibant un retard

 Modélisation 61

4.3 Fonction de transfert

Considérons le système échantillonné de la figure 4.3 et supposons que le système continu sous-
jacent soit décrit par sa fonction de transfert, i.e.


SYSC Y (s) = Gc (s) Ub (s) avec Gc (s) = L (gc (t))

Alors, on a
Y (s) = G(s) Ue (s) avec G(s) = Gc (s)Bo (s)

en vertu de la modélisation du bloqueur d’ordre zéro. Cette équation permet de déterminer di-
rectement la sortie du système à partir de la réponse impulsionnelle associée à la fonction de
transfert de la cascade composée du bloqueur et du système, soit

y(t) = (g ∗ ue )(t) avec g(t) = L−1 {Gc (s)Bo (s)}

La sortie échantillonnée du système peut être alors aisément déduite en vertu du résultat 4.1,
soit
ye (t) = (ge ∗ ue )(t)

On peut alors décrire le comportement entrée-sortie du système échantillonné comme suit

Ye (s) = Ge (s) Ue (s) avec Ge (s) = L {ge (t)}t∈R

Cette équation suggère de considérer Ge (s) comme la fonction de transfert du système échantill-
onné. Or cette dernière a une dimension infinie en vertu de la duplication infinie des pôles et des
zéros induite par l’échantillonnage et n’est donc pas commode pour l’ingénierie des systèmes
échantillonnés. On peut pallier ce problème en puisant dans le potentiel de la transformée en z
puisqu’on peut emprunter la transformation d’échantillonnage z −→ esTe pour récrire l’équa-
tion de comportement d’entrée-sortie du système échantillonné sous la forme



SYSE Y (z) = G(z) U(z) avec G(z) = Z {g(kTe )}k∈N (4.7)

Et comme tenu de l’expression de la séquence donnée plus haut, on aura

 
−1 1
g(t) = gcind (t) − gcind(t − Te ) avec gcind (t) = L Gc (s)
s
Une telle équation est beaucoup plus appropriée pour définir la fonction de transfert d’un sys-
tème échantillonné à partir de G(z). Cette fonction de transfert peut être déterminée aisément
à partir de réponse indicielle du système continu sous-jacent comme suit

z−1

G(z) = Z {gcind (kTe )}k∈Z (4.8)
z

Une telle relation montre que la dimension de la fonction de transfert définie à partir de la
transformée en z préserve la dimension du système continu contrairement à la transformée de
62 Chapitre 4

Laplace du comportement d’entrée-sortie échantillonné. Aussi rassurante que puisse être cette
propriété vitale, on peut se demander si cette infiniment grande réduction de dimension du
modèle du système échantillonnée n’est pas faite au prix d’une perte d’information sur le sys-
tème continu ? La réponse à cette question fondamentalement légitime résulte du théorème de
Shannon en tenant compte de la discussion faite sur les aspects d’échantillonnage, en l’occur-
rence la périodicité de la transformée de Laplace Ge (s) et le fait que le plan complexe en z est
l’image des bandes
n o
Bk = s ∈ C / (2k − 1) ωn ≤ Im (s) ≤ (2k + 1) ωn pour tout k ∈ Z

Ceci permet de faire le postulat suivant : si la période d’échantillonnage est spécifiée confor-
mément au théorème de Shannon, alors on peut se contenter de la bande de Shannon
n o
Bs = s ∈ C / Im (s) ∈ [−ωn , +ωn ]

pour décrire le système échantillonné. La fonction de transfert G(z) est donc une description
parfaite de la dynamique du système pourvu que les exigences de Shannon soient satisfaites.
Ce postulat naturel met l’accent sur l’importance du théorème de Shannon pour l’ingénierie des
systèmes échantillonnés et la subtilité entre G(z) et Ge (s) qui est bien au delà du changement
de variable z = esTe comme le laisse entendre certaines idées reçues.

Par ailleurs, la relation entre la réponse impulsionnelle et la fonction de transfert du système

échantillonné est donnée par
∞
X Z ℓTe
−ℓ
G (z) = g(ℓTe )z avec g(ℓTe ) = gc (τ )dτ
ℓ=1 (ℓ−1)Te

On peut donc récrire la fonction de transfert sous la forme d’une fraction rationnelle en z comme
pour l’opérateur de convolution, soit
B(z −1 )
G (z) = z −1
A(z −1 )

−1 bo + b1 z −1 + . . . + bnb z −nb
= z avec na > nb
1 + a1 z −1 + . . . + ana z −na

bo z na−1 + b1 z na−2 + . . . + bnb z na−nb−1

=
z na + a1 z na−1 + . . . + ana−1 z + ana

Bσ (z)
=
Aσ (z)
Ceci permet de récrire le modèle fonction de transfert du système échantillonné comme suit

B(z −1 ) Bσ (z)
Y (z) = z −1 −1
U(z) ⇐⇒ Y (z) = U(z)
A(z ) Aσ (z)

La table 4.1 donne des fonctions de transfert usuelles ; on peut l’enrichir à volonté à partir de
ses propres exercices dans le domaine des systèmes échantillonnés.
 Modélisation 63

z−1
b1 z n−1 + b2 z n−2 + . . . + bn

Gc (s) G(z) = Z {gcind (kTe )}k∈Z =
z z n + a1 z n−1 + . . . + an

1 Te
s z−1

1 Te2 (z + 1)
s2 2(z − 1)2

m m  
1 z − 1 lim (−1) ∂ z
sm z a→0 m! ∂am z − e−aTe

e−sTe 1
z

a 1 − e−aTe
(s + a) z − e−aTe

a 1 aT − 1 + e−aTe
, b = 1 1 − e−aTe − aT e−aTe

b1 = a
s(s + a) e 2 a e

a1 = −(1 + e−aTe ), a2 = e−aTe

b1 = 1 − e−aTe (1 + aTe )
a2 b2 = e−aTe (e−aTe + aTe − 1)
(p + a)2
a1 = −2e−aTe , a2 = e−2aTe

s Te e−aTe (z − 1)
(s + a)2 (z − e−aTe )2
64 Chapitre 4

ab b(1 − e−aTe ) − a(1 − e−bTe )

b1 =
(s + a)(s + b) b−a
a(1 − e−bTe )e−aTe − b(1 − e−aTe )e−bTe
a 6= b b2 =
b−a
a1 = −(e−aTe + e−bTe ), a2 = e−(a+b)Te

c
c
e−bTe − e−aTe + 1 − e−bTe − 1 − e−aTe


s+c b1 = b a
(s + a)(s + b) a−b
a 6= b b2 = c e−(a+b)Te + b − c e−aTe + c − a e−bTe
ab b(a − b) a(a − b)
−aTe −bTe −(a+b)Te
a1 = −e −e , a2 = e

ωo2 ζω ζω
   
b1 = 1 − α β + ω o γ , b2 = α2 + α ω o γ − β
s2 + 2ζωos + ωo2
ζ <1 p a1 = −2αβ, a2 = α2
ω = ωo 1 − ζ 2 , α = e−ζωo Te , β = cos(ωTe ), γ = sin(ωTe )

s b1 = −b2 = ω 1 e−ζωo Te sin(ωT )

e
s2 + 2ζωos + ωo2
ζ <1 a1 = −2e−ζωo Te cos(ωT
p e ), a2 = e
−2ζωo Te

ω = ωo 1 − ζ 2

a2 b1 = b2 = 1 − cos(aTe )
s + a2
2

a1 = −2cos(aTe ), a2 = 1

s 1 sin(aT )
b1 = b2 = a e
s2 + a2
a1 = −2cos(aTe ), a2 = 1

b1 = 1 −2 a + Te T2e − a1
 
a 2 
Te
a b2 = (1 − e −aTe
) 2 − 2 + Tae (1 + e−aTe )
2
s2 (s + a) a
− 1) + e−aTe Te T2e + a
  
b3 = (1 − e−aTe 1
) 2 (e −aTe 1
a
a1 = −(e−aTe + 2), a2 = 2e−aTe + 1, a3 = −e−aTe

TABLE 4.1 – Transmittances échantillonnées usuelles

 Modélisation 65

Remarque 4.3 La relation entre la fonction de transfert d’un système échantillonné et celle du
système sous-jacent, soit
z−1

G(z) = Z {gcind(kTe )}k∈Z
z
recouvre un fait naturel des systèmes échantillonnés, en l’occurrence la réponse indicielle d’un
système échantillonné n’est autre que la séquence des valeurs de la réponse indicielle du sys-
tème continu sous-jacent aux instants d’échantillonnage.

Remarque 4.4 La fonction de transfert d’un système échantillonné peut se récrire sous la
forme d’une fraction rationnelle en z
nz
Y
(z − zi )
Z(z)
G (z) = = γ i=1
np
P (z) Y
(z − pi )
i=1

Cette expression de la fonction de transfert permet de déterminer directement les pôles et les
zéros du système, soit les solutions des équations caractéristiques Z(z) = 0 et P (z) = 0.
On peut alors déterminer les zéros du système, i.e. CZ (SYS) = {z1 , . . . , znz }, les pôles du
système, i.e. CP (SYS) = {p1 , . . . S
, pnp }, et la configuration pôles-zéros du système, i.e. l’en-
semble CPZ (SYS) = CP (SYS) CZ (SYS).

A la lumière des aspects vitaux du concept d’échantillonnage qui ont été mis en évidence à
partir du résultat 3.1, on peut en déduire aisément que les pôles d’un système échantillonné
dans le plan complexe z, i.e. pei pour i ∈ [1, np], sont reliés aux pôles du système continu
sous-jacent dans le plan complexe en s, i.e. pci pour i ∈ [1, np], comme suit
pei = epci Te pour i ∈ [1, np]

Par contre, il n’existe pas de relation générale entre les zéros d’un système échantillonné et
ceux du système continu sous-jacent comme l’indique la table 4.1 des fonctions de transfert
usuelles des systèmes échantillonnés. Cet aspect des choses peut être particulièrement illustré
en considérant un système continu décrit par la fonction de transfert
1
Gc (s) =
sn

La fonction de transfert du système échantillonne correspondant est donnée par

Ten Bn (z)
 
z−1 1
G(z) = Z =
z sn+1 n! (z − 1)n
avec
Bn (z) = b1 z n−1 + . . . + bn−1 z + bn

où les coefficients bk pour k ∈ [1, n] sont déterminés comme suit

k
X (n + 1)!
bk = in (−1)k−i
i=1
(n + 1 − k + i)!
66 Chapitre 4

On constate que l’échantillonnage génére des zéros dans le cas des systèmes continus de degré
relatif supérieur à deux comme l’indique clairement la table 4.2 et que ces zéros ne sont pas
nécessairement dans le domaine de stabilité.

n Bn (z)

1 1

2 z+1

3 z 2 + 4z + 1

4 z 3 + 11z 2 + 11z + 1

5 z 4 + 26z 3 + 66z 2 + 26z + 1

TABLE 4.2 – Zéros d’un intégrateur multiple

La figure 4.7 permet de mieux apprécier la configuration des zéros d’un système échantillonné.
Elle montre l’évolution des pôles et des zéros d’un système échantillonné issu d’un système
continu stable sans aucun zéro. Deux observations peuvent être faites. La première est que les
trois pôles du système sont proches du cercle unité pour des périodes d’échantillonnage relati-
vement petites. La seconde est que l’échantillonnage introduit des zéros et que ces zéros sont à
l’extérieur du disque unité pour des périodes d’échantillonnage relativement raisonnables.

Périodes d’échantillonnage: initiale=0,1s finale=3s

1.5

0.5
partie imaginaire

−0.5

−1

−1.5

−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1

partie réelle

F IGURE 4.7 – Pôles et zéros d’un système échantillonné

 Modélisation 67

4.4 Equation aux différences

Le modèle du type fonction de transfert peut se récrire comme suit

A(z −1 )Y (z) = z −1 B(z −1 )U(z)

avec

A(z −1 ) = 1 + a1 z −1 + . . . + ana z −na

B(z −1 ) = bo + b1 z −1 + . . . + bnb z −nb

Compte tenu des expressions des polynômes A(z −1 ) et B(z −1 ), on obtient

na
X nb
X
−i
Y (z) + ai z Y (z) = bi z −i z −1 U(z)
i=1 i=o

Cette équation permet de déterminer l’équation aux différences du système échantillonné en

vertu du théorème du retard associé à la transformée en z, soit

na
X nb
X
y(kTe ) + ai y(kTe − iTe ) = bi u(kTe − iTe − Te )
i=1 i=o

Et en utilisant l’opérateur retard, on obtient

A(q −1 )y(kTe ) = q −1 B(q −1 )u (kTe ) (4.9)

avec

A(q −1 ) = 1 + a1 q −1 + . . . + ana q −na (4.10)

B(q −1 ) = bo + b1 q −1 + . . . + bnb q −nb (4.11)

L’équation aux différences peut être interprétée comme un opérateur linéaire décrit par une frac-
tion rationnelle en l’opérateur retard, soit

B(q −1 )  −1 
y(kTe ) = q u (kTe ) (4.12)
A(q −1 )

On peut alors en déduire naturellement la relation entre l’équation aux différences et la réponse
impulsionnelle, i.e.

B(q −1 )
G q −1 = q −1


(4.13)
A(q −1 )
68 Chapitre 4

4.5 Systèmes à retard

Supposons que le système continu exhibe un retard pur τd que l’on peut exprimer en fonction
de la période d’échantillonnage comme suit

τd = (d + 1) Te − η avec d ∈ N et 0 ≤ η < Te (4.14)

Alors sa réponse impulsionnelle vérifie la propriété suivante

gc (t) = 0 pout tout t < τd (4.15)

Et compte tenu de la relation entre la réponse impulsionnelle du système continu et celle du

système échantillonné correspondant, soit
Z kTe
g(kTe ) = gc (τ )dτ
(k−1)Te

on peut en déduire aisément que la réponse impulsionnelle du système échantillonné est donnée
par


 0 pour k ∈ [0, d]








Z (d+1)Te

g(kTe ) = gc (τ )dτ pour k = d + 1 (4.16)

 (d+1)Te −η



 Z kTe




 gc (τ )dτ pour k > d + 1
(k−1)Te

L’opérateur de convolution discrète associé à cette réponse impulsionnelle est alors donné par

bo + b1 q −1 + . . . + bnb q −nb
G q −1 = q −d−1


(4.17)
1 + a1 q −1 + . . . + ana q −na

On peut donc en déduire aisément la fonction de transfert du système échantillonné par une
simple application de la transformée en z à la réponse impulsionnelle qui donne

bo + b1 z −1 + . . . + bnb z −nb
G z −1 = z −d−1


(4.18)
1 + a1 z −1 + . . . + ana z −na

Ce développement montre clairement que le problème du retard pur n’est pas aussi crucial pour
les systèmes échantillonnés dans la mesure où la fonction de transfert associée est de dimension
finie contrairement au cas des systèmes continus à retard dont la dimension est infinie. Rappe-
lons par ailleurs que la mise en œuvre des algorithmes de commande conduit inéluctablement à
un retard fractionnaire égal au temps de conversion et de calcul du signal de commande.
 Modélisation 69

Remarque 4.5 Compte tenu de l’expression de la fonction de transfert d’un système exhibant
un retard pur, l’ordre et le degré relatif du système sont respectivement donnés par

∆
n = max (na, nb + d + 1)
et
∆
r = n − min (na, nb + d + 1)

On distingue alors deux cas qui permettent de mieux apprécier la configuration pôles-zéros du
système.

• Le cas na ≥ nb + d + 1 où l’on peut récrire la fonction de transfert du système échan-

tillonné comme suit

B (z −1 ) nb
r z B (z )
−1
G (z) = z −d−1 = z
A (z −1 ) z na A (z −1 )
avec
r = na − nb − d − 1

Outre les na pôles et nb zéros du système, qui sont respectivement les zéros des polynômes
z na A (z −1 ) et z nb B (z −1 ), on aura r zéros à l’origine.

• Le cas na < nb + d + 1 où l’on peut récrire la fonction de transfert du système échan-

tillonné comme suit

B (z −1 ) 1 z nb B (z −1 )
G (z) = z −d−1 =
A (z −1 ) z r z na A (z −1 )
avec
r = nb + d + 1 − na

Outre les na pôles et nb zéros du système, qui sont respectivement les zéros des polynômes
z na A (z −1 ) et z nb B (z −1 ), on aura r pôles à l’origine.

4.6 Représentation d’état

Supposons que le système continu sous-jacent est décrit par la représentation d’état donnée par


 ρx(t) = Fc x(t) + Gc u(t) avec x(0) = xo
SYSC (4.19)
y(t) = Hc x(t) + Ec u(t)


où {x(t)} ∈ Rn représente la trajectoire de l’état du système et (Fc , Gc , Hc , Ec ) désigne une

réalisation d’état du système de dimensions appropriées. La figure 4.9 montre une représenta-
tion du système qui illustre bien la nature intrinsèque des variables d’état : une mémoire parfaite
du système qui permet de réaliser une prédiction parfaite du comportement futur du système
dans le contexte idéal considéré comme l’indique le résultat suivant.
70 Chapitre 4

- Esc

 R x(t) ?

u(t) - Gsc - + - - Hsc - + - y(t)
 
6

Fsc 

F IGURE 4.8 – Représentation d’état

Résultat 4.3 Les trajectoires d’état et de sortie des systèmes linéaires invariants dans le temps
décrits par une réalisation d’état sont respectivement données par

 Z t
Fc (t−to )
x(t) = e x(to ) + eFc (t−τ ) Gc u(τ )dτ




to
T ESC Z t (4.20)
 Fc (t−to )
 y(t) = Hc e x(to ) + Hc eFc (t−τ ) Gc u(τ )dτ + Ec u(t)


to

Preuve. Notons d’abord que l’équation d’état du système peut se récrire comme suit

e−Fc t (ρx(t) − Fc x(t)) = e−Fc t Gc u(t)

ou d’une manière équivalente

ρ e−Fc t x(t) = e−Fc t Gc u(t)

 

En effet, si l’on intègre les deux membres de cette équation entre les instants to et t, on obtient
Z t
−Fc t −Fc to
e x(t) = e x(to ) + e−Fc τ Gc u(τ )dτ
to

ou d’une manière équivalente

Z t
Fc (t−to )
x(t) = e x(to ) + eFc (t−τ ) Gc u(τ )dτ
to

On retrouve bien la trajectoire d’état du système et on peut en déduire aisément sa trajectoire

de sortie à partir son équation de sortie.
CQF D.
 Modélisation 71

Le résultat suivant donne la représentation d’état du système échantillonné issu du système

continu (4.19).

Résultat 4.4 Considérons le système continu décrit par la réalisation d’état (4.19), le système
échantillonné correspondant est décrit par la représentation d’état


 x((k + 1)Te ) = F x(kTe ) + Gu(kTe )
SYSE (4.21)
y(kTe ) = Hx(kTe ) + Eu(kTe )

avec
Z Te 
Fc Te Fc τ
F =e , G= e dτ Gc , H = Hc et E = Ec (4.22)
o

Preuve. Le système échantillonné est complètement défini par la relation entre les variables
d’état (4.20) aux instants d’échantillonnage kTe et (k + 1)Te . Cette relation peut être obtenue à
partir de la trajectoire d’état du système avec to = kTe et t = (k + 1)Te , soit
Z (k+1)Te
Fc ((k+1)Te −kTe )
x((k + 1)Te ) = e x(kTe ) + eFc ((k+1)Te −τ ) Gc u(τ )dτ
kTe

Compte tenu du bloqueur d’ordre zéro, on a

u(τ ) = u(kTe ) pour tout τ ∈ [kTe , (k + 1)Te )

Et si l’on effectue le changement de variable (k + 1)Te − τ = η, on obtient

Z Te 
Fc Te Fc η
x((k + 1)Te ) = e x(kTe ) + e Gc dη u(kTe )
o

Le système échantillonné est donc bien décrit par les équations d’état et de sortie (4.22) puisque

y(kTe ) = Hc x(kTe ) + Ec u(kTe ) pout tout k ≥ 1

CQF D.

Le système échantillonné peut être représenté comme l’indique la figure 4.9. Par ailleurs, on
montre aisément que les trajectoires d’état et de sortie sont respectivement données par les ex-
pressions suivantes pour tout k > ℓ.


 k−1
X
x(kTe ) = F (k−ℓ) x(ℓTe ) + F (k−j−1) Gu(jTe )





j=ℓ


T RESE (4.23)

 k−1
X

y(kTe ) = HF (k−ℓ)
x(ℓTe ) + HF (k−j−1) Gu(jTe ) + Eu(kTe )





j=ℓ
72 Chapitre 4

- E

 x(t) ?

u(t) - - + - −1 - H - + - y(t)
G  z 
6

F 

F IGURE 4.9 – Représentation d’état

La trajectoire d’état permet de déduire la matrice de transition du système échantillonné définie

∆
par φ(kTe ) = F k−ℓ , soit la matrice de passage de l’état x(ℓTe ) à l’état x(kTe ) pour une entrée
identiquement nulle. Cette matrice n’est autre que la solution de l’équation aux différences

φ ((k + 1)Te , ℓTe ) = F φ (kTe , ℓTe ) avec φ (ℓTe , ℓTe ) = In (4.24)

La matrice de transition est régulière puisque la matrice d’état d’un système échantillonné, i.e.
F = eFc Te , est régulière. Quant à la trajectoire de sortie, elle peut se récrire comme suit

k−1
X
k
y(kTe ) = HF xo + HF (k−i−1) Gu(iTe ) + Eu(kTe )
i=o

Cette forme permet de préciser la relation entre une réalisation d’état et la réponse impulsion-
nelle du système, soit

 HF (k−1) G pour k > 0
g(kTe ) = (4.25)
E pour k = 0


Par ailleurs, si l’on applique la transformée en z aux équations d’état et de sortie du système
échantillonné, on obtient
    
zIn − F −G X(z) zx(0)
= (4.26)
H E U(z) Y (z)

Cette description permet d’introduire naturellement la matrice système définie par la matrice
complexe
 
zIn − F −G
Ms (z) = (4.27)
H E

et de déterminer la fonction de transfert du système à partir de sa réalisation d’état

G(z) = H (zIn − F )−1 G + E (4.28)

 Modélisation 73

On notera que cette fonction de transfert peut s’écrire sous la forme

HAdj (zIn − F ) G + det (zIn − F ) E ∆ Bσ (z)

G(z) = = (4.29)
det (zIn − F ) Aσ (z)

qui permet de mettre en évidence que les modes d’un système, qui ne sont autres que les valeurs
propres de la matrice d’état F , ne sont pas nécessairement des pôles du système puisque

CP (SYS) ⊂ CM (SYS) = V (SYS)

Remarque 4.6 Compte tenu de l’expression de la matrice résolvante donnée par le résultat
4.2, le passage d’une relation d’état d’un système échantillonné à sa fonction de transfert peut
être exprimée comme suit
n
1 X
G (z) = (HAk G + ak E) z n−k avec Ao = 0n
det (zIn − F ) k=o

Cette expression montre clairement que le retard d’échantillonnage est bien intrinsèque aux
systèmes continus strictement propres. En effet, la propriété suivante est toujours vraie

bo z n + b1 z n−1 + . . . + bn−1 z + bn
(E 6= 0) =⇒ G (z) =
z n + a1 z n−1 + . . . + an−1 z + an

Rappelons que les systèmes physiques se comportent généralement comme des systèmes stric-
tement propres, i.e. Ec = 0. Les systèmes échantillonnés correspondants sont alors décrits par


 x ((k + 1) Te ) = F x (kTe ) + Gu (kTe )
SYSE
y (kTe ) = Hx (kTe )


et peuvent être représentés comme l’indique la figure 4.10.

 x(t)
- - - - -
u(t) G +
 z −1 H y(t)
6

F 

F IGURE 4.10 – Représentation d’état des systèmes strictement propres

74 Chapitre 4

4.7 Réalisations d’état

La représentation d’état est plurielle

puisqu’on peut passer d’une réalisation (F, G, H, E) à une
autre réalisation F̄ , Ḡ, H̄, Ē modulo une matrice de transformation T . En effet, si l’on ef-
fectue le changement de base dans l’espace d’état défini par

x (kTe ) = T x̄ (kTe )

où T ∈ Rn×n est une matrice de transformation régulière, alors on peut récrire les équations du
système pour le vecteur d’état x̄ (kTe ) modulo quelques manipulations algébriques relativement
simples comme suit

x̄(((k + 1) Te ) = T −1 x ((k + 1) Te ) = T −1 F T x̄ (kTe ) + T −1 Gu (kTe )

y (kTe ) = H (T x̄ (kTe )) + Eu (kTe ) = HT x̄ (kTe ) + Eu (kTe )

On aboutit alors au système équivalent suivant


 x̄(((k + 1) Te ) = F̄ x̄ (kTe ) + Ḡu (kTe )
SYS (4.30)
y (kTe ) = H̄ x̄ (kTe ) + Ēu (kTe )


avec

F̄ = T −1 F T, Ḡ = T −1 G, H̄ = HT et Ē = E (4.31)

La pluralité de la représentation d’état concerne aussi la matrice-système.

On montre aisément
que la matrice-système associée à la réalisation d’état F̄ , Ḡ, H̄, Ē , soit M̄s (z), est reliée à la
matrice-système associée à la réalisation d’état (F, G, H, E), soit Ms (z), comme suit

T −1 0
   
T 0
M̄s (z) = Ms (z) (4.32)
0 Ip 0 Im

Contrairement à la matrice-système, la fonction de transfert du système est un invariant par

un changement de base dans l’espace d’état comme le montre les simples manipulations algé-
briques suivantes
 −1
Ḡ(z) = H̄ zIn − F̄ Ḡ + Ē
 −1
= HT T −1 zIn T − T −1 F T T −1 G + E
   −1
= HT T −1 zIn − F T T −1 G + E
 −1
= H zIn − F G+E
= G(z)
 Modélisation 75

Ce résultat est tout à fait naturel dans la mesure où la fonction de transfert est une représen-
tation externe qui n’a aucune raison d’être différente pour un même système. Cette unicité de
représentation est vraie pour toutes les représentations externes, notamment la réponse impul-
sionnelle et la réponse harmonique.

Remarque 4.7 Le polynôme caractéristique d’un système est invariant par changement de
base. En effet, on a

det zIn − F̄ = det T −1 zIn T − T −1 F T = det T −1 (zIn − F ) T = det (zIn − F )

Le problème de réalisation consiste en le passage d’une fonction de transfert à une réalisa-

tion d’état. Comme la représentation d’état est plurielle, on s’intéressera aux réalisations d’état
usuelles qui sont particulièrement motivées par des considérations d’analyse et/ou de synthèse.
Pour des considérations purement pédagogiques, ces réalisations seront principalement dévelo-
ppées pour des cas particuliers.

La forme canonique de commandabilité est une représentation d’état que l’on peut détermi-
ner à partir de la description suivante du comportement d’entrée-sortie du système.
 
−1 1
Y (z) = B(z ) U(z)
A(z −1 )
avec
Y (z) = Z ({y(kTe )}) et U(z) = Z ({u(kTe )})

Cette description peut se récrire, en introduisant une nouvelle variable, sous la forme

 A(z −1 )Z(z) = U(z)
REP
Y (z) = B(z −1 )Z(z)

avec
Z(z) = Z ({z(kTe )})

dite représentation d’état partiel et que l’on peut exprimer dans le domaine temporel comme suit

 A(q −1 )z(kTe ) = u(kTe )
REP
y(kTe ) = B(q −1 )z(kTe )


Considérons le cas d’un système de troisième ordre décrit par la fonction de transfert

B(z −1 ) bo + b1 z −1 + b2 z −2 + b3 z −3
G(z) = =
A(z −1 ) 1 + a1 z −1 + a2 z 2 + a3 z −3

La représentation d’état partiel correspondante est donnée par


 z(kTe ) = −a1 z((k − 1)Te ) − a2 z((k − 2)Te ) − a3 z((k − 3)Te ) + u(kTe )
REP
y(kTe ) = bo z(kTe ) + b1 z((k − 1)Te ) + b2 z((k − 2)Te ) + b3 z((k − 3)Te )

76 Chapitre 4

Cette forme suggère de définir un vecteur d’état à partir de la variable z(kTe ) comme suit
   
xc1 (kTe ) z((k − 1)Te )
xc (kTe ) =  xc2 (kTe )  =  z((k − 2)Te ) 
xc3 (kTe ) z((k − 3)Te )

En effet, compte tenu de la représentation d’état partiel, on obtient

xc1 ((k + 1)Te ) = −a1 xc1 (kTe ) − a2 xc2 (kTe ) − a3 xc3 (kTe ) + u(kTe )
xc2 ((k + 1)Te ) = xc1 (kTe )
xc3 ((k + 1)Te ) = xc2 (kTe )
y(kTe ) = (b1 − bo a1 ) xc1 (kTe ) + (b2 − bo a2 ) xc2 (kTe ) + (b3 − bo a3 ) xc3 (kTe )
+ bo u(kTe )

Le système peut être alors décrit par les équations d’état et de sortie

 xc ((k + 1)Te ) = Fc xc (kTe ) + Gc u(kTe )
F CC
y(kTe ) = Hc xc (kTe ) + Ec u(kTe )


où (Fc , Gc , Hc , Ec ) est une réalisation du système, dite forme canonique commandable, don-
née par
     
−a1 −a2 −a3 1 b1 − bo a1
Fc =  1 0 0  , Gc =  0  , HcT =  b2 − bo a2  et Ec = bo
0 1 0 0 b3 − bo a3

On notera que (Fc , Gc , Hc , Ec ) est une réalisation commandable : c’est ce qui justifie l’appel-
lation forme canonique commandable. Quant à l’appellation état partiel, elle est naturellement
motivée par le fait que z(kTe ) est une variable d’état du système.

Remarque 4.8 En adoptant la même approche, on peut déduire que la forme canonique com-
mandable associée à la fonction de transfert

B(z −1 ) bo + b1 z −1 + . . . + bn−1 z −n+1 + bn z −n

G(z) = =
A(z −1 ) 1 + a1 z −1 + . . . + an−1 z n−1 + an z −n

est donnée par

   
−a1 −a2 . . . −an 1
 
b1 − bo a1
 0 
 0
   b2 − bo a2 
Fc =  ..  , Gc =  ..  , HcT =   et Ec = bo
 
 In−1 .   .   ... 
0 0 bn − bo an
 Modélisation 77

La forme canonique d’observabilité est une représentation d’état que l’on peut déterminer à
partir de la description suivante du comportement d’entrée-sortie du système
1  −1

Y (z) = B(z ) U(z)
A(z −1 )
ou d’une manière équivalente
n
X  
−i
Y (z) = bo U(z) + z − ai Y (z) + bi U(z)
i=1

Considérons le cas du système de troisième ordre, cette équation peut se récrire sous la forme
   
Y (z) = bo U(z) + z −1 − a1 Y (z) + b1 U(z) + z −1 − a2 Y (z) + b2 U(z) .........
 
............. + z −1 − a3 Y (z) + b3 U(z)

Ce système comporte trois retards purs dont les sorties peuvent être considérées comme des
variables d’état que l’on peut définir à partir du comportement d’entrée-sortie comme suit
   
Xo1 (z) = z −1 − a1 Y (z) + b1 U(z) + z −1 − a2 Y (z) + b2 U(z) .........
 
............. + z −1 − a3 Y (z) + b3 U(z)
   
Xo2 (z) = z −1 − a2 Y (z) + b1 U(z) + z −1 − a3 Y (z) + b3 U(z)
 
Xo3 (z) = z −1 − a3 Y (z) + b3 U(z)

avec
Y (z) = bo U(z) + Xo1 (z)

En substituant l’expression ci dessus de la sortie du système dans ses équations de variables

d’état, on obtient

xo1 ((k + 1)Te ) = −a1 xo1 (kTe ) + xo2 (kTe ) + (b1 − bo a1 ) u(kTe )
xo2 ((k + 1)Te ) = −a2 xo1 (kTe ) + xo3 (kTe ) + (b2 − bo a2 ) u(kTe )
xo3 ((k + 1)Te ) = −a3 xo1 (kTe ) + (b3 − bo a3 ) u(kTe )
y(kTe ) = xo1 (kTe ) + bo u(kTe )

Le système peut être alors décrit par les équations d’état et de sortie

 xo ((k + 1)Te ) = Fo xo (kTe ) + Go u(kTe )
F CO
y(kTe ) = Ho xo (kTe ) + Eo u(kTe )


où (Fo , Go , Ho , Eo ) est une réalisation du système, dite forme canonique observable, donnée
par
78 Chapitre 4

   
−a1 1 0 b1 − bo a1  
Fo = −a2 0 1
  , Go =  b2 − bo a2  , Ho = 1 0 0 et Eo = bo
−a3 0 0 b3 − bo a3

On notera que (Fo , Go , Ho, Eo ) est une réalisation observable : c’est ce qui justifie l’appellation
forme canonique observable.

Remarque 4.9 La forme canonique observable aurait pu être déduite aisément à partir de la
forme canonique commandable. Il suffit de remarquer que la fonction de transfert du système
peut se récrire comme suit

G(z) = Hc (zIn − Fc )−1 Gc + Ec

T
= Hc (zIn − Fc )−1 Gc + Ec

−1 T
= GTc zIn − FcT Hc + EcT
= Ho (zIn − Fo )−1 Go + Eo

Remarque 4.10 En adoptant la même approche, on peut déduire que la forme canonique ob-
servable associée à la fonction de transfert

B(z −1 ) bo + b1 z −1 + . . . + bn−1 z −n+1 + bn z −n

G(z) = =
A(z −1 ) 1 + a1 z −1 + . . . + an−1 z n−1 + an z −n

est donnée par

   
−a1 b1 − bo a1
 −a2 In−1   b2 − bo a2   
Fo =   , Go =   , Ho = 1 0 . . . 0 et Eo = bo
   
.. ..
 .   . 
−an 0 ... 0 bn − bo an

Les formes modales sont obtenus à partir d’une décomposition modale du système. Pour des
considérations de simplicité, on ne traitera qu’un exemple illustratif du problème de réalisation
à partir d’une fonction de transfert décomposée en éléments simples comme suit

γ11 γ12 γ21 γ22 γ23 γ31

G(z) = + 2 + + 2 + 3 +
z − p1 (z − p1 ) z − p2 (z − p2 ) (z − p2 ) z − p3

La sortie du système peut se récrire comme suit

Y (z) = γ12 X1 (z) + γ11 X2 (z) + γ23 X3 (z) + γ22 X4 (z) + γ21 X5 (z) + γ31 X6 (z)

où les variables Xi (z) pour i ∈ [1, 6] sont respectivement définies par

 Modélisation 79

1 z −1
X1 (z) = X2 (z) = X2 (z)
z − p1 1 − p1 z −1
1 z −1
X2 (z) = U(z) = U(z)
z − p1 1 − p1 z −1
1 z −1
X3 (z) = X4 (z) = X4 (z)
z − p2 1 − p2 z −1
1 z −1
X4 (z) = X5 (z) = X5 (z)
z − p2 1 − p2 z −1
1 z −1
X5 (z) = U(z) = U(z)
z − p2 1 − p2 z −1
1 z −1
X6 (z) = U(z) = U(z)
z − p3 1 − p3 z −1

On peut donc définir des variables d’état comme suit

x1 ((k + 1)Te ) = p1 x1 (kTe ) + x2 (kTe )

x2 ((k + 1)Te ) = p1 x2 (kTe ) + u(kTe )
x3 ((k + 1)Te ) = p2 x3 (kTe ) + x4 (kTe )
x4 ((k + 1)Te ) = p2 x4 (kTe ) + x5 (kTe )
x5 ((k + 1)Te ) = p2 x5 (kTe ) + u(kTe )
x6 ((k + 1)Te ) = p3 x6 (kTe ) + u(kTe )

pour aboutir à la réalisation d’état modale


 xm ((k + 1)Te ) = Fm xm (kTe ) + Gm u(kTe )
RMOD
y(kTe ) = Hm xm (kTe )


avec
     
p1 1 0 0 0 0 0 γ12

 0 p1 0 0 0 0 


 1 


 γ11 

 0 0 p2 1 0 0   0  T
 γ23 
Fm =   , Gm =   et H = 
m


 0 0 0 p2 1 0 


 0 


 γ22 

 0 0 0 0 p2 0   1   γ21 
0 0 0 0 0 p3 1 γ31

4.8 Modélisation des perturbations

Le problème de modélisation des perturbations a reçu une attention particulière puisqu’il est im-
possible de concevoir des systèmes de commande réalisant une compensation des perturbations
ou des filtres réalisant une estimation optimale du signal utile sans aucune connaissance sur la
nature des perturbations ou des bruits de mesure ([2], [7]), [18]). On distingue deux classes de
perturbations selon leur réalisation, e.g. une réalisation déterministe où une réalisation aléatoire.
80 Chapitre 4

• La transformée en z d’une perturbation déterministe {v (kTe )}k∈N peut se récrire sous la

forme

V (z) = H z −1 = H z −1 ∆ (z)



(4.33)
avec
∆ (z) = Z (δ(kTe )) (4.34)

Une perturbation déterministe peut être alors interprétée comme la réponse impulsion-
nelle d’un système dynamique dont la fonction de transfert est égale à la transformée en
z de cette perturbation comme l’indique la figure 4.11.

- H z −1 -


δ(kTe ) v(kTe )

F IGURE 4.11 – Générateur d’une perturbation déterministe

Les autres représentations peuvent être déduites de la fonction de transfert, e.g. la réponse
impulsionnelle et l’équation aux différences respectivement définies par

n o n o 
= H z −1


v(kTe ) avec Z v(kTe ) (4.35)
k∈N k∈N

v (kTe ) = H q −1 δ (kTe )


(4.36)

En guise d’illustration, on peut respectivement représenter les perturbations du type éche-

lon et une perturbation harmonique de pulsation ω comme suit

1 − q −1 v (kTe ) = vδ (kTe )

et

1 − 2cos (ωTe ) q −1 + q −2 v (kTe ) = vsin (ωTe ) δ ((k − 1) Te )

• Une perturbation aléatoire {v((kTe )}k∈N est généralement décrite par un processus sto-
chastique ergodique et stationnaire comme suit

v (kTe ) = H q −1 γ (kTe )


(4.37)
avec
n o 
−jωTe


H e = S v(kTe ) (4.38)
k∈N
 Modélisation 81

- H z −1 -


γ(kTe ) v(kTe )

F IGURE 4.12 – Générateur d’une perturbation aléatoire

où H (z −1 ) est une fonction de transfert propre dont le module sur le cercle unité est
égal au spectre de la séquence {v((kTe )}k∈N et {γ (kTe )}k∈N est une séquence de va-
riables aléatoires indépendantes de moyenne nulle et de variances finies. Une perturba-
tion aléatoire peut être alors interprétée comme la réponse à un bruit blanc d’un système
dynamique dont la réponse harmonique peut être déterminée à partir du spectre de cette
perturbation comme l’indique la figure 4.12.

Les différentes représentations d’un générateur des perturbations peuvent être déduites naturel-
lement à partir de l’opérateur H (q −1 ). Ce dernier peut être obtenu à partir d’une expérience
d’identification adéquate ([8], [12], [13], [22]) dont l’ultime motivation est de développer une
approche rationnelle et efficace pour traiter les problèmes de prédiction et de filtrage inhérents
à la théorie des systèmes .

4.9 Conclusion
Ce chapitre a été consacré à la modélisation des systèmes linéaires échantillonnés à partir
des représentations des systèmes continus sous-jacents, notamment la réponse impulsionnelle
{gc (t)}t∈R+ , la fonction de transfert Gc (s) et la réalisation d’état (Fc , Gc , Hc , Ec ). On retiendra
qu’un système échantillonné issu d’un système linéaire continu est complètement caractérisé
par une application linéaire de l’ensemble de ses entrées vers l’ensemble de ses sorties qui peut
être représentée de plusieurs manières selon l’ultime motivation de la modélisation. On dis-
tingue

• La réponse impulsionnelle donnée par la séquence {g (kTe )}k∈N définie comme suit
∞
X Z kTe
−1 −kTe


G q = g (kTe ) q avec g (kTe ) = gc (τ )dτ
k=d+1 (k−1)Te

• La réponse harmonique, si elle existe, donnée par la séquence G ejωTe ω∈[0,ωn ] définie


comme suit
∞
X
jωTe
g (kTe ) e−jωTe


G e =
k=d+1

• La fonction de transfert donnée par

z−1
Bσ (z) ∆ −d−1 B(z −1 )

G (z) = Z {gcind(kTe )}k∈Z = =z
z Aσ (z) A(z −1 )
82 Chapitre 4

• L’équation aux différences donnée par

B(q −1 )
G q −1 = q −d−1


A(q −1 )

• La réalisation d’état donnée par

   Z Te 
Fc Te Fc t
F, G, H, E = e , e Gc dt, Hc , Ec
o

• La matrice système donnée par

  
zIn − F G
SYS Ms (z) =
−H E

Les relations entre les diverses représentations ont été particulièrement précisées, en l’occur-
rence
B(q −1 )
G q −1 = q −d−1


A(q −1 )

n o ∞
X
G(e jωTe
)=F g (kTe ) = g (kTe ) e−jωkTe
k∈N
k=d+1

n o B(z −1 ) Bσ (z)
G(z) = Z g (kTe ) = H (zIn − F )−1 G + E = z −d−1 −1
=
k∈N A(z ) Aσ (z)

Une attention particulière a été accordée aux problématiques du retard et de modélisation des
perturbations. En effet, la représentation d’un système échantillonné issu d’un système continu
exhibant un retard pur a permis de mettre en exergue le principal atout des systèmes échan-
tillonnés, i.e. la dimension des systèmes échantillonnés est finie indépendamment de la valeur
du retard pur du système continu sous-jacent. Cette propriété est l’essence du développement
vigoureux du concept de prédiction linéaire dans le contexte des systèmes échantillonnés. Quant
au problème de modélisation des perturbations, il a été brièvement traité à partir des résultats
disponibles pour souligner la vraisemblance entre les signaux et les systèmes : les perturbations
peuvent être modélisées comme la sortie d’un système dont l’entrée est une impulsion d’ampli-
tude inconnue (resp. une séquence de variables aléatoires indépendantes de moyenne nulle et
de variances finies) selon que l’on considère un contexte déterministe (resp. stochastique), soit

v (kTe ) = H q −1 δ (kTe ) v (kTe ) = H q −1 γ (kTe )

Il est important de noter que le problème de modélisation des systèmes échantillonnés consi-
déré a été fondamentalement étudié en supposant que la précision des convertisseurs est infinie
et que le temps de conversion et de calcul sont nuls. La seconde hypothèse n’est pas cruciale
puisqu’on peut intégrer les temps de conversion et de calcul dans le retard du système. Quant
aux erreurs de quantification, ils sont mis sur le compte des bruits de mesure qui conditionnent
les performances du système de traitement envisagé. Une recherche vigoureuse est développée,
au sein des communautés d’automatique et de traitement du signal, sur la robustesse numérique
([5], [15], [23]).
 Modélisation 83

Remarque 4.11 Comme il est supposé implicitement que la spécification de la période d’échanti-
llonnage est faite sous la bénédiction du théorème de Shannon, on peut se permettre un abus
de notation en désignant l’instant d’échantillonnage kTe par t et donc (k − i)Te par t − i. Ceci
nous amène à récrire l’équation aux différences sous la forme

A(q −1 )y (t) = B(q −1 )u (t − d − 1)

ou
B(q −1 )
y (t) = u (t − d − 1)
A(q −1 )

Cette forme est adoptée dans les principales contributions sur la théorie des systèmes dont les
ouvrages utilisés dans les grandes écoles d’automatique.

4.10 Problèmes

Problème 4.1 On se propose de faire une évaluation des connaissances issues de ce chapitre
en traitant les questions suivantes.

1) Déterminera les dérivées partielles suivantes

∂  
1 − 1.8q −1 + 0.81q −2 x(t) pour i ∈ [0, 2]


∂x(t − i)

2) Donner les relations entre les modèles de représentation d’un système continu et ceux
du système échantillonné sous-jacent et en déduire la fonction de transfert du système
échantillonné dans le cas où le système continu exhibe un retard τ .

3) Donner les configurations des pôles et des zéros de la classe des systèmes décrits par la
fonction de transfert

z −d−1 bo + b1 z −1 + . . . + bnb z −nb

−1 z −d−1 B(z −1 )
G(z ) = =
A(z −1 ) 1 + a1 z −1 + . . . + ana z −na

On traitera le cas des fonctions de transfert

2z −1 − z −2 0.5z −2 − z −4
G1 (z −1 ) = et G2 (z −1
) =
1 − 1.3z −1 + 0.4z −2 1 − 1.6z −1 + 0.64z −2

4) Préciser la relation entre la réponse impulsionnelle (resp. la réponse harmonique) et la

fonction de transfert d’un système.

5) Préciser la relation entre la fonction de transfert et l’équation aux différences d’un sys-
tème.

6) Préciser la relation entre la réalisation d’état et la fonction de transfert d’un système.

7) Donner la configuration modale d’un système et indiquer sa relation avec la configura-

tion de ses pôles. On traitera les exemples suivants
84 Chapitre 4

     
1 −1 1  
F = , G= , H= 1 0
0 1 0
et
     
2 −1 1  
F̄ = , Ḡ = , H̄ = 0 1
1 0 1

8) Donner les équations aux différences décrivant des générateurs des perturbations du type
échelon, i.e. v(t) = vα(t), et du type harmonique de pulsation connue ω, i.e. v(t) =
vsin (ωt) α(t)), où v désigne l’amplitude des perturbations qui est supposée inconnue.

Problème 4.2 Soit une matrice A ∈ Rn×n , on demande de retrouver les propriétés suivantes

P1. e0n = In

P2. AeA = eA A


P3. λ ∈ V (A) =⇒ eλ ∈ V eA

P4. eA(t+τ ) = eAt eAτ pour tout (t, τ ) ∈ R2

P5. e(A+B)t = eAt eBt ⇐⇒ AB = BA

 At −1
P6. e = e−At pour tout t ∈ R

P7. ρeAt = AeAt = eAt A pour tout t ∈ R

P9. L eAt α(t) = (sIn − A)−1

Problème 4.3 Déterminer les réponses impulsionnelles et les équations aux différences des
deux systèmes respectivement décrits par les fonctions de transfert
z+2 z+2
G1 (z) = z −1 − 1.6z −2 + 0.64z −3 , G2 (z) = et G3 (z) = 2
(z + 1)(z − 0.5) z (z − 1)(z − 0.5)

Problème 4.4 On se propose de déterminer la fonction de transfert du systèmes échantillonné

correspondant au système continu décrit par la fonction de transfert

Bc (s)
Gc (s) = e−τ s
Ac (s)
avec
τ = (d + 1) Te − η avec d ∈ N et 0 < η ≤ Te

Pour ce faire on propose de procéder progressivement comme suit

 Modélisation 85

1) Traiter d’abord le cas particulier

a
Gc (s) = e−τ s avec a > 0
s+a
et en déduire la configuration des pôles et des zéros du système échantillonné en précisant
ce qui se passe lorsque le scalaire η tends vers 0 ou 1.

2) Montrer ensuite que la fonction de transfert du système échantillonné issu d’un système
continu décrit par la fonction de transfert Gc (s) est donnée par

1 Be (z)
G (z) =
z d+1 Ae (z)

Problème 4.5 Montrer qu’un système décrit par une réalisation d’état (F, G, H, E) peut être
représenté comme l’indique la figure 4.13 avec G(z) = H (zIn − F )−1 G + E et H(z) =
H (zIn − F )−1 F + H et en déduire une interprétation des conditions initiales.

xo δ(t) - H(z)

?
+n - y(t)
6

u(t) - G(z)

F IGURE 4.13 – Représentation du système

Problème 4.6 On se propose de déterminer le modèle échantillonné correspondant à la classe

des systèmes dont le comportement entrée-sortie peut être raisonnablement décrit par un mo-
dèle de second ordre caractérisé par un amortissement ζ et une fréquence propre ω donné par
la fonction de transfert

ω2
Gc (s) = pour ζ < 1
s2 + 2ζωs + ω 2

Pour ce faire, on demande de procéder progressivement comme suit

1) Montrer que le système continu sous-jacent admet une réalisation d’état donnée par
   
0 ω 0  
Fc = , Gc = , Hc = 1 0 et Ec = 0
−ω −2ζω ω
86 Chapitre 4

2) Donner une réalisation d’état du système échantillonné (F, G, H, E) et en déduire sa

configuration modale.

3) Montrer que la fonction de transfert du système échantillonné est donnée par

∆ Bσ (z) b1 z + b2
G(z) = = 2
Aσ (z) z + a1 z + a2
en précisant les expressions des paramètres. Et en déduire ses configurations des pôles et
des zéros.

4) Préciser la nature du système lorsque ζ = 0 .

Problème 4.7 Considérons la classe des perturbations données par

v(t) = vh sin (ωt + φ) + ve α(t)

Préciser la nature des perturbations et montrer qu’elles peuvent être décrites par une réalisa-
tion d’état.

Problème 4.8 Montrer que la fonction de transfert d’un système peut être exprimée en fonction
de sa matrice système Ms (z) comme suit

det (Ms (z))

G(z) =

det zIn − F

On précisera les atouts de la matrice système.

Chapitre 5

Stabilité

La stabilité d’un système a été d’abord intuitivement liée à sa capacité à produire des sorties
bornées à partir d’entrées bornées. Cette intuition a permis de développer le concept de stabilité
entrée bornée-sortie bornée (EBSB) le concept de stabilité externe qui constitue l’essence du
concept de stabilité externe. Le concept de stabilité interne a été ensuite introduit à partir de
l’aptitude d’un système à produire des variables d’état bornées à partir d’entrées bornées pour
pallier ainsi la limitation intrinsèque au concept de stabilité externe. Cette limitation peut être
naturellement mise en exergue en étudiant la stabilité des systèmes interconnectés, en l’occur-
rence la stabilité externe d’un système interconnecté ne garantit pas que les sorties des sous-
systèmes qui le composent sont nécessairement bornées. Le concept de stabilité interne a été
principalement développé à partir des approches de Lyapunov : un mathématicien de la presti-
gieuse école russe des artisans des sciences pour l’ingénieur.

La motivation de ce chapitre est de faire une présentation compréhensible des bases de la sta-
bilité des systèmes échantillonnés issus des systèmes linéaires invariants dans le temps. On
présente d’abord le concept de stabilité externe à partir d’un résultat fondamental sur la stabilité
EBSB. Le concept de stabilité interne est ensuite introduit à partir d’une analyse de stabilité
d’une cascade de deux systèmes ayant un pôle et un zéro communs en utilisant la fonction de
transfert et une réalisation d’état appropriée de la cascade. Les résultats fondamentaux issus du
concept de stabilité interne sont présentés à partir d’une approche de Lyapunov qui a permis de
développer des outils efficaces d’analyse de stabilité pour l’ingénierie des systèmes. L’étude de
la stabilité interne des systèmes linéaires invariants dans le temps est particulièrement illustrée
au travers du résultat fondamental sur la décomposition spectrale d’une matrice. Une attention
particulière est accordée aux résultats usuels sur la caractérisation de la réponse d’un système
stable à des classes d’entrées spécifiques et au test de stabilité à partir d’un critère algébriques.

Trois représentations de la classe des systèmes échantillonnés considérée seront utilisées pour
ce faire, en l’occurrence la réponse impulsionnelle, la fonction de transfert et la réalisation d’état
respectivement données par
Bσ (z)
{g(t)}t≥0 , G (z) = et (F, G, H, E)
Aσ (z)
et reliées par
G (z) = H (zI − F )−1 G + E = Z {g(t)}

Les résultats de stabilité externe et interne sont respectivement donnés en fonction des configu-
rations des pôles et des modes du systèmes qui sont éventuellement différentes puisque

87
88 Chapitre 5

CP (G (z)) ⊂ CM ((F, G, H, E)) = V {F }

L’étude de la stabilité interne des systèmes linéaires invariants dans le temps est particulière-
ment illustrée au travers du résultat fondamental sur la décomposition spectrale d’une matrice
que nous rappelons ci après.

Résultat 5.1 Pour toute matrice A ∈ C n×n , il existe une matrice régulière T ∈ C n×n et une
matrice bloc diagonale J ∈ C n×n telles que

T −1 AT = J = diag {J1 , J2 , . . . , Jr }

avec
Ji = λi Iνi + Ni pour i ∈ [1, r]

où Ji ∈ C νi ×νi désigne l’un des ni blocs de Jordan associé à la valeur propre λi d’ordre de
multiplicité mi , on a alors
X r Xni
mi = n avec mi = νi
i=1 j=1

   
λi 1 0 1

 λi 1 


 0 1 

Ji = 
 .. ..  et Ni = 
  .. .. 
. . . . 
   
 λi 1   0 1 
λi 0

Remarque 5.1 Si les valeurs propres de la matrice A sont distinctes, alors la matrices J n’est
autre que la matrice diagonale Λ = diag {λi } et les matrices T et T −1 sont particulièrement
données par
T
et T −1 =
  
T = V1 . . . Vi . . . Vn W1 . . . Wi . . . Wn

où Vi et Wi sont respectivement les vecteurs propres à droite et à gauche associés à la valeur

propre λi .

Rappelons qu’une valeur propre multiple admet autant de blocs de Jordan que de vecteurs
propres indépendants et qu’elle est dite non défective (resp. défective) si les blocs de Jordan
qui lui sont associés se réduisent à des scalaires, soit Ji = λi (resp. si elle admet un bloc de
Jordan de dimension supérieure ou égale à deux).
 Stabilité 89

5.1 Stabilité externe.

Dans ce paragraphe, on introduit d’abord naturellement le concept de stabilité externe à partir
du concept de stabilité EBSB en exploitant judicieusement une propriété fondamentale de sta-
bilité EBSB d’un système qui dépend essentiellement de sa réponse impulsionnelle. Ensuite,
on présente ensuite un résultat fondamental de stabilité externe à partir de la configuration des
pôles du système. La stabilité interne est enfin motivée par une limitation fondamentale de la
stabilité externe qui est mise en exergue à partir d’un exemple académique approprié.

5.1.1 Stabilité EBSB.

La stabilité d’un système est étroitement liée à son aptitude à produire des sorties bornées à
partir d’entrées bornées comme l’indique la définition suivante

Définition 5.1 Un système est stable au sens EBSB si pour toute entrée bornée, la sortie reste
bornée.

Le résultat fondamental suivant permet de caractériser la stabilité EBSB des systèmes échantillo-
nnés issus des systèmes linéaires et invariants dans le temps.

Résultat 5.2 Un système linéaire invariant est stable au sens EBSB si et seulement si sa ré-
ponse impulsionnelle vérifie la propriété suivante

∞
X
∃ Kg ∈ [0, ∞) / | g(kTe ) | ≤ Kg (5.1)
k=0

Preuve. Montrons d’abord que la condition est suffisante. Pour ce faire, considérons le produit
de convolution
k
X ∞
X
y(kTe ) = g(jTe )u(kTe − jTe ) = g(jTe )u(kTe − jTe )
j=0 j=0

En vertu de l’inégalité de Schwartz, on a

∞
X
| y(kTe ) | ≤ | g(jTe ) || u(kTe − jTe ) |
j=0

Et si l’entrée est bornée, soit ∃ Ku ∈ [0, ∞) / | u(kTe ) | ≤ Ku pour tout k ∈ N , alors on a

∞
X
| y(kTe ) | ≤ Ku | g(jTe ) | pour 0 ≤ Ku < ∞ pour tout k ∈ N
j=0

la condition est bien suffisante puisque si la propriété 5.1 est varie alors la réponse du système
à une entrée bornée est bornée puisque

| y(kTe ) | ≤ Ky = Ku Kg
90 Chapitre 5

Montrons maintenant que la condition est nécessaire en utilisant la contraposée de la propriété

de stabilité au sens EBSB, en l’occurrence
n
X
∗

∗ ∗
+
∀ K ∈ R , ∃n ∈ N / | g(kTe ) | > K ∗ (5.2)
k=0

Pour ce faire, on procédera d’une manière constructive en considérant la séquence d’entrée dé-
finie par
( ∗
u (kTe ) pour k ∈ [0, n∗ ]
u(kTe ) = (5.3)
0 ailleurs
avec
1 si g((n∗ − k)Te ) > 0



u∗ (kTe ) = 0 si g((n∗ − k)Te ) = 0 pour k ∈ [0, n∗ ] (5.4)

−1 si g((n∗ − k)Te ) < 0


La sortie du système qui en résulte à l’instant n∗ Te est donnée par

n
X
∗ n
X
∗

∗ ∗
y(n Te ) = g(jTe )u((n − j)Te ) = | g(jTe ) |
j=0 j=0

Il est clair que la séquence d’entrée bornée (5.3)-(5.4) ne conduit pas à une sortie bornée lorsque
la réponse impulsionnelle vérifie la propriété (5.2). Cette propriété n’est autre que la négation
de la propriété considérée sur la réponse impulsionnelle puisque
n
X
∗ n
X
∗

| g(kTe ) | ≥ | g(kTe ) |
k=0 k=0
CQF D.

5.1.2 Stabilité externe.

La stabilité externe d’un système linéaire invariant dans le temps peut être alors fondamenta-
lement définie à partir de sa réponse impulsionnelle en vertu du fait que la propriété 5.1 est
satisfaite si et seulement si la réponse impulsionnelle est asymptotiquement nulle.

Définition 5.2 Considérons un système échantillonné linéaire et invariant dans le temps décrit
par sa réponse impulsionnelle. On dira que

D1. le système est stable si sa réponse impulsionnelle est asymptotiquement nulle, i.e.

lim g(kTe ) = 0
t→∞

D2. le système est marginalement stable s’il n’est pas stable et que sa réponse impulsionnelle
est bornée, i.e.

{g(kTe )} est bornée et si elle converge, alors sa limite n’est pas nulle
 Stabilité 91

D3. le système est instable si sa réponse impulsionnelle n’est pas bornée, i.e.
{g(kTe )} n’est pas bornée

Le domaine de stabilité des systèmes échantillonnés issus des systèmes linéaires et invariants
dans le temps est manifestement l’image du domaine de stabilité des systèmes continus sous-
jacents par l’opération d’échantillonnage puisque le concept de stabilité est un invariant par
échantillonnage. Et comme l’opération d’échantillonnage est caractérisée par la fonction com-
plexe s 7→ z = esTe , on retrouve naturellement le disque ouvert de centre l’origine et de rayon
∆
unitaire du plan complexe en z, soit Dsa = {z ∈ C / | z | < 1}. La stabilité d’un système
échantillonné linéaire et invariant dans le temps est complètement caractérisée par la configura-
tion de ses pôles du système comme l’indique le résultat fondamental suivant.

Résultat 5.3 Considérons un système échantillonné linéaire et invariant dans le temps décrit
par sa fonction de transfert G (z), alors les propositions suivantes sont vraies.

P1. Le système est stable si et seulement si tous ses pôles sont situés à l’intérieur du domaine
de stabilité, i.e. Aσ (z) = 0 =⇒ | z | < 1.

P2. Le système est marginalement stable si et seulement si tous ses pôles sont situés dans le
domaine de stabilité, i.e. Aσ (z) = 0 =⇒ | z | ≤ 1, qu’il admet au moins un pôle sur la
frontière du domaine de stabilité et que tous ses pôles situés sur la frontière du domaine
de stabilité sont simples.

P3. Le système est instable si et seulement si il admet au moins un pôle à l’extérieur du

domaine de stabilité ou un pôle multiple sur la frontière du domaine de stabilité.

Preuve. Notons d’abord décrits par leurs fonctions de transfert, i.e. une une fraction rationnelle
propre que l’on peut toujours décomposer en éléments simples comme suit
mi
r X mo r mi
X z X 1 XX z
G(z) = γij j
= γoj j + γij
i=0 j=1
(z − pi ) j=1
z i=1 j=1
(z − pi )j

où mo et {mi }i∈[1,r] désignent respectivement les ordres de multiplicité du pôle nul, z = 0, et

des pôles non nuls, z = pi pour i ∈ [1, r], et {γij }(i,j)∈[0,r]×[1,mi] sont des nombres complexes.
La réponse impulsionnelle du système est donc donnée par
mo
X
g(kTe ) = γoj δ((k − j)Te )
j=1

j−2
n mi
!
X X γij Y
+ γi1 pki + (k − ℓ) pk−j+1
i α(kTe )
i=1 j=2
(j − 1)! ℓ=o
avec
" j  #
(z − pi )mi

1 d
γi(mi −j) = lim G(z) pour j ∈ [0, mi − 1]
z→pi j! dz z
92 Chapitre 5

En remémorant les critères d’Alembert et de comparaison des séries, il est clair que la réponse
impulsionnelle est asymptotiquement nulle si et seulement si tous les pôles sont situés à l’in-
térieur du domaine de stabilité. Par ailleurs, il est évident que la réponse impulsionnelle est
bornée si et seulement si tous les pôles sont situés dans le domaine de stabilité et que tout pôle
situé sur la frontière du domaine de stabilité est simple.
CQF D.

Remarque 5.2 Compte tenu de la vraisemblance des concepts de stabilité externe et de stabilité
EBSB, on utilisera le vocable EBSB stable pour se referrer aussi bien à la stabilité EBSB qu’à
la stabilité externe. Cette précision de la nature de stabilité permettra de différencier le concept
de stabilité externe du concept de stabilité interne qui est beaucoup plus général pour s’y référer
sans aucun qualificatif.

5.1.3 Limitation fondamentale.

Les systèmes sont généralement conçus à partir d’un ensemble d’interconnections appropriées
de systèmes qui ont éventuellement des pôles et des zéros communs. Ces pôles et zéros com-
muns ne sont pas nécessairement reliés à l’entrée et/ou la sortie du système et ne sont donc pas
perceptibles à partir du comportement d’entrée-sortie du système, e.g. ils n’apparaissent pas
dans la fonction de transfert du système. Le concept de stabilité externe d’un système occulte
les éventuelles simplifications entre les pôles et les zéros des systèmes qui le composent. Et si
les pôles simplifiés ne sont pas situés dans le domaine de stabilité, alors les variables internes
sous-jacentes ne sont pas bornées. A titre illustratif, considérons le système issu d’une cascade
de deux systèmes, comme le montre la figure 5.1, respectivement décrits par les fonctions de
transfert

0.1 z−µ
G1 (z) = et G2 (z) =
z−µ (z − 0.5) (z − 0.8)

y1 (t) y2 (t)
u(t) - G1 (z) - G2 (z) - y(t)
u1 (t) u2 (t)

F IGURE 5.1 – Interconnection en cascade

La fonction de transfert du système est alors donnée par

0.1
G (z) = G2 (z) G1 (z) =
(z − 0.5) (z − 0.8)
Le pôle p = µ du système 1 a été simplifié par le zéro z = µ du système 2 et n’apparaît pas dans
la configuration des pôles de la cascade, soit CP (G (z)) = {0.5, 0.8}. On peut alors conclure
que la cascade est stable au sens EBSB indépendamment du scalaire µ. Néanmoins, comme le
système 1 n’est pas stable pour µ > 1, sa sortie n’est pas bornée pour toute entrée bornée de
la cascade. Cette instabilité interne peut être naturellement perçue à partir d’une représentation
 Stabilité 93

d’état de la cascade que l’on peut définir à partir des variables d’état des sous-systèmes qui la
composent, soit
   
x1 (t) x1 (t)
∆
x(t) =  x2 (t)  =  x21 (t) 
x3 (t) x22 (t)
avec
x1 (t + 1) = µx1 (t) + 0.1u(t)

      
x21 (t + 1) 1.3 1 x21 (t) 1
= + x1 (t)
x22 (t + 1) −0.4 0 x22 (t) −µ
et
y(t) = x1 (t)

La cascade peut être alors décrite par la réalisation d’état

   
µ 0 0 0.1

F = 1 1.3 1  , G =  0  , H = 0 1 0 et E = 0
−µ −0.4 0 0

qui permet de déterminer aisément ses trajectoires d’état et de sortie issues d’une entrée impul-
sionnelle d’amplitude unitaire, soit

x (kTe ) = F k xo
(
T ESC
y (kTe ) = HF k xo
Et comme la matrice d’état F peut être décomposée comme suit

F = T ΛT −1
avec    
1 0 0 µ 0 0
T = 0 1 1  et Λ =  0 0.5 0 
−1 −0.8 −0.5 0 0 0.8

on peut en déduire aisément que les trajectoires d’état et de sortie du système issues d’une en-
trée impulsionnelle d’amplitude unitaire vérifient la propriété suivante
 k 
µ
lim x(t) =  0  et lim y(kTe ) = 0
k−→∞ k−→∞
0

Il apparaît alors clairement que la sortie du système, qui constitue sa seconde variable d’état,
est asymptotiquement nulle indépendamment du scalaire µ. Ce fait corrobore la propriété de
stabilité externe. Quant au comportement de la première variable d’état du système, il dépend
du scalaire µ comme suit

 ∞ si µ > 1
lim x1 (t) = 1 si µ = 1
k−→∞
0 si µ < 1

94 Chapitre 5

Ceci nous amène au concept de stabilité interne qui concerne l’aptitude d’un système à produire
des variables d’état bornées à partir d’entrées bornées.

5.2 Stabilité interne.

L’étude de la stabilité interne est effectuée en adoptant une approche de Lyapunov qui s’est
imposée par sa généralité et l’efficacité. La généralité est essentiellement due au fait que cette
approche peut être utilisée aussi bien pour les systèmes linéaires invariants dans le temps que
pour les systèmes linéaires variants dans le temps, notamment les algorithmes d’estimation et
d’adaptation paramétrique qui constituent la pierre angulaire des observateurs et des méthodes
d’identification en temps réel. Quant à l’efficacité, elle est motivée par les outils puissants qui
ont été développés à partir de cette approche pour le test de stabilité des systèmes.

5.2.1 Stabilité au sens de Lyapunov.

Le concept de stabilité des systèmes échantillonnés est généralement développé à partir du sys-
tème autonome

SA x((k + 1)Te ) = f (x(kTe )) avec f (xe ) = xe (5.5)

où x(kTe ) ∈ Rn désigne l’état du système à l’instant d’échantillonnage kTe , xe est un état

d’équilibre du système et f est une fonction continue par morceaux qui permet de définir une
classe de systèmes relativement large, notamment les systèmes linéaires variants dans le temps.
On présente ci-après le concept de stabilité au sens de Lyapunov qui est généralement définie
par rapport aux états d’équilibre comme suit

Définition 5.3 L’état d’équilibre xe du système autonome (5.5) est dit

D1. stable au sens de Lyapunov si pour tout réel ε > 0, il existe un réel δ(ε) > 0 tel que

kx(0) − xe k < δ(ε) =⇒ kx(kTe ) − xe k < ε pour tout k ≥ 0

D2. asymptotiquement stable s’il est stable au sens de Lyapunov et s’il existe un réel δ > 0
tel que
kx(0) − xe k < δ =⇒ lim kx(kTe ) − xe k = 0
k→∞

D3. exponentiellement stable s’il est asymptotiquement stable au sens de Lyapunov et s’il
existe deux scalaires 0 ≤ γ < ∞ et 0 ≤ λ < 1 tels que

kx(kTe ) − xe k ≤ γλk kxo k

D4. instable s’il n’est pas stable au sens de Lyapunov

Ces définitions montrent clairement que le concept de stabilité au sens de Lyapunov est fonda-
mentalement local dans la mesure où il ne concerne que des conditions initiales qui se trouvent
dans un voisinage de l’état d’équilibre. En effet, la stabilité au sens de Lyapunov garantit que la
trajectoire d’état du système reste dans un voisinage de l’état d’équilibre pourvu que les condi-
tions initiales soient suffisamment proches de cet état d’équilibre. La stabilité est dite globale
 Stabilité 95

lorsqu’elle est indépendante des conditions initiales. On notera que la stabilité asymptotique
permet d’étendre le concept de stabilité au sens de Lyapunov dans la mesure où elle garantit
que la trajectoire d’état du système s’approche de plus en plus de l’état d’équilibre pourvu que
les conditions initiales soient prises dans un voisinage de cet état d’équilibre. Par ailleurs, il
faut remarquer que la stabilité au sens de Lyapunov est définie pour des états d’équilibre du
système, et non pour le système. C’est l’essence du concept de stabilité au sens entrée bornée-
sortie bornée.

5.2.2 Illustration usuelle.

Pour illustrer les concepts de stabilité au sens Lyapunov, considérons le cas des systèmes li-
néaires invariants qui nous préoccupent essentiellement et dont les systèmes autonomes corres-
pondants sont décrits par

SA x((k + 1)Te ) = F x(kTe ) avec x(0) = xo (5.6)

où F ∈ Rn×n désigne la matrice d’état du système. La stabilité est une propriété intrinsèque du
système et non d’un état d’équilibre donné du système comme l’indique le résultat suivant

Résultat 5.4 Considérons le système linéaire autonome (5.6), alors les propriétés suivantes
sont vraies

P1. xe = 0 est un état d’équilibre du système

P2. L’état d’équilibre xe = 0 est stable au sens de Lyapunov si et seulement si la séquence

{kF k k}k≥0 est bornée.

P3. L’état d’équilibre xe = 0 est asymptotiquement stable si et seulement si la séquence

{kF k k}k≥0 converge vers zéro, soit lim kF k xo k = 0 pour tout xo .
k→∞

P4. Si xe = 0 est un état d’équilibre asymptotiquement stable, alors il est unique.

La preuve de résultat est triviale. Il suffit de remarquer que la trajectoire d’état à partir de l’ins-
tant initial nul est donnée par

x(kTe ) = F k xo pour tout k > 0

soit
kx(kTe )k = kF k xo k ≤ kF k k kxo k pour tout k > 0

Comme les conditions initiales sont bornées et ne sont pas nécessairement nuls, il apparaît clai-
rement que

{kx(kTe )k}k≥0 est bornée si et seulement si {kF k k}k≥0 est bornée

et
lim kx(kTe )k = 0 si et seulement si {kF k k}k≥0 est asymptotiquement nulle
k→∞
96 Chapitre 5

Et on notera que

lim kx(kTe )k = ∞ si et seulement si {kF k k}k≥0 diverge

k→∞

CQF D.

On notera que la stabilité des systèmes linéaires invariants peut être étudiée à partir d’une ana-
lyse spectrale de la matrice d’état comme l’indique le résultat fondamental suivant

Résultat 5.5 Considérons le système autonome (5.6), on a alors les propositions suivantes.

P1. xe = 0 est un état d’équilibre stable au sens de Lyapunov si et seulement si toutes les
valeurs propres de la matrice d’état sont situées à l’intérieur ou sur le cercle unité et que
toute valeur propre de module égal à un ne soit pas défective, i.e. le bloc de Jordan qui
lui est associé est diagonal.

P2. L’état d’équilibre xe = 0 est asymptotiquement stable si et seulement si toutes les valeurs
propres de la matrice d’état F sont situées à l’intérieur du cercle unité.

P3. xe = 0 est un état d’équilibre instable au sens de Lyapunov si et seulement si la matrice

d’état a au moins une valeur propre à l’extérieur du cercle unité ou une valeur propre
multiple défective sur le cercle unité, i.e. le bloc de Jordan qui lui est associé n’est pas
diagonal.

La preuve de ce théorème peut être faite en étudiant la séquence des matrices de transition
{F k }k≥0 et par conséquent les solutions des systèmes autonomes linéaires et invariants dans
le temps (5.6). Une telle étude peut être effectuée à partir de la décomposition de Jordan de la
matrice d’état. En effet, il existe toujours une matrice régulière T ∈ C n×n et une matrice bloc
diagonale J ∈ C n×n telles que

T −1 F T = J = Diag {J1 , . . . , Jr }

avec
   
λi 1 0 1

 λi 1 


 0 1 

.. .. .
Ji =   = λi Iνi + Ni avec Ni =  0 ..
   
. . 
   
 λi 1   0 1 
λi 0

où Ji ∈ C νi ×νi désigne l’un des ni blocs de Jordan associés à la valeur propre λi d’ordre de
Xni
multiplicité mi = νj . Rappelons qu’une valeur propre multiple admet autant de blocs de
j=1
Jordan que de vecteurs propres indépendants et qu’elle est non défective si les blocs de Jordan
qui lui sont associés se réduisent à des scalaires, soit Ji = λi .
 Stabilité 97

Cette décomposition permet de déterminer aisément la matrice de transition du système au-

tonome (5.6) puisque
n o
F k = T J k T −1 = T Diag Jik T −1 = T Diag (λi Imi + Ni )k T −1


Comme Ni est une matrice nilpotente d’ordre νi , soit Nij = 0 pour tout j ≥ νi , la formule du
binôme donne
i −1
νX
k!
Jik = Nij λik−j pour tout k ∈ N
j=o
j!(k − j)!
La solution de l’équation d’état peut alors se mettre sous la forme usuelle pour l’analyse des
systèmes linéaires invariants, soit
νi
r X
X k!
x(kTe ) = λik+1−j Γij x(0) pour tout k ∈ N
i=1 j=1
j!(k − j)!
où les Γij sont des matrices complexes qui dépendent de la matrice de transformation T et des
matrices nilpotentes Ni . Les propositions du théorème peuvent alors être déduites en compa-
rant dans chaque cas une croissance exponentielle et une croissance polynomiale et en tenant
compte des résultats du théorème précédent.
CQF D.

Remarque 5.3 Si la matrice F est diagonalisable, i.e. les valeurs propres multiples ne sont pas
défectives, alors il existe une matrice régulière T ∈ C n×n telle que

F k = T Diag λki T −1


avec T
et T −1 =
  
T = Vd1 . . . Vdi . . . Vdn Vg1 . . . Vgi . . . Vgn

où V(F ) = {λ1 , . . . , λi , . . . , λn } désigne le spectre de la matrice d’état F, Vgi et Vdi sont res-
pectivement les vecteurs propres à gauche et à droite associés à la valeur propre λi .

La réponse libre du système autonome (5.6) est donc donnée par

n
X
x(kTe ) = λki Γi x(0)
i=1
où les Γi sont des matrices complexes qui dépendent de la matrice de transformation T . Il
apparaît clairement que les valeurs propres non défectives de la matrice d’état qui sont sur le
cercle unité ne conduisent pas à l’instabilité du système.

5.2.3 Critère de Lyapunov.

L’analyse de la stabilité des systèmes autonomes (5.6) est généralement effectuée avec la se-
conde méthode de Lyapunov qui représente l’un des outils les plus puissants des sciences de
l’ingénieur ([10], [14]). Le principe de cette méthode consiste à introduire une fonction que
l’on peut assimiler à l’énergie totale du système et à montrer qu’elle est décroissante le long des
trajectoires d’état du système. Une telle fonction est définie comme suit
98 Chapitre 5

Définition 5.4 V : x ∈ Rn −→ V (x) ∈ R est dite fonction de Lyapunov du système auto-

nome SA dans un voisinage V(xe ) de son état d’équilibre si elle vérifie les propriétés suivantes

P1. V est continue sur V(xe )

P2. V est définie positive dans V(xe ), soit

V (xe ) = 0 et V (x) > 0 pour tout x ∈ V(xe ) − {xe }

P3. La fonction ∆V : x ∈ Rn −→ ∆V (x) = (V (f (x)) − V (x)) ∈ R est définie négative

dans V(xe ), soit

∆V (xe ) = 0 et ∆V (x) < 0 pour tout x ∈ V(xe ) − {xe }

Le résultat suivant, qui précise ce point de vue, constitue le critère de Lyapunov qui est com-
munément utilisé aussi bien pour l’analyse de la stabilité que pour la synthèse des systèmes.
Résultat 5.6 Considérons le système autonome (5.6) et supposons qu’il admet une fonction de
Lyapunov V dans un voisinage V(xe ) de son état d’équilibre, alors on a les propositions sui-
vantes

P1. L’état d’équilibre est asymptotiquement stable dans V(xe ).

P2. Si la fonction de Lyapunov V est de plus radiale, i.e. lim V (x) = ∞, alors l’état
kxk−→∞
d’équilibre est asymptotiquement stable dans Rn .

P3. Si la fonction ∆V est définie non négative, i.e. ∆V (x) ≤ 0 pour tout x ∈ V(xe ), alors
l’état d’équilibre xe est stable au sens de Lyapunov.

Il faut remarquer que le critère de Lyapunov ne fournit que des conditions suffisantes de sta-
bilité. On peut toutefois étudier l’instabilité des états d’équilibre à la lumière du résultat suivant

Résultat 5.7 Considérons le système autonome SA et supposons qu’il admet une fonction V
satisfaisant les propriétés suivantes dans son voisinage de l’état d’équilibre V(xe ).

P1. V est continue.

P2. V est définie positive.

P3. ∆V est définie positive.

alors l’état d’équilibre est instable dans son voisinage V(xe )

Dans le cas des systèmes linéaires invariants, la seconde méthode de Lyapunov fournit des
conditions nécessaires et suffisantes comme le montre le résultat suivant

Résultat 5.8 Considérons le système linéaire invariant (5.6), alors les propositions suivantes
sont équivalentes
 Stabilité 99

P1. xe = 0 est un état d’équilibre asymptotiquement stable du système autonome 5.6.

P2. Pour toute matrice symétrique et définie positive Q, il existe une matrice unique symé-
trique et définie positive P qui vérifie l’équation de Lyapunov F T P F − P = −Q

P3. Il existe une fonction de Lyapunov quadratique V définie par V (x) = xT P x avec P =
P T > 0 qui prouve la stabilité asymptotique.

Preuve. Notons que l’implication P2 =⇒ P3 est triviale, il suffit donc de montrer que

P3 =⇒ P1 et P1 =⇒ P2

Montrons d’abord que P3 =⇒ P1 par application de la seconde méthode de Lyapunov. La

proposition P3 permet de définir une fonction de Lyapunov pour le système autonome 5.6, en
l’occurrence la fonction V : x ∈ Rn −→ V (x) = xT P x ∈ R+ . En effet, elle vérifie les
propriétés P1 et P2 sur Rn et est radiale car xT P x tend vers l’infini lorsque kxk tend vers
l’infini. Quant à la propriété P3, elle est satisfaite puisque la fonction ∆V est bien définie
négative sur Rn . En effet, on a

∆V (x) = xT (kTe )F T P F x(kTe ) − xT (kTe )P x(kTe )

= xT (kTe ) F T P F − P x(kTe )

= −xT (kTe )Qx(kTe )

On peut donc conclure que xe = 0 est un état d’équilibre asymptotiquement stable du système
autonome 5.6.

Montrons maintenant que P1 =⇒ P2. Pour ce faire, introduisons la série définie par la
matrice
k
X
P (k) = (F T )i QF i avec Q = QT > 0
i=0

qui est symétrique et définie positive comme la matrice Q. Cette série converge si la proposition
P1 est vraie puisque {kF k k}k≥0 serait asymptotiquement nulle conformément à la propriété
P3 du résultat 5.4. On aura donc
+∞
X
0 < P (k) ≤ P = (F T )i QF i pour tout k ≥ 0
i=0

Par ailleurs, on peut exprimer la matrice Q à partir de la définition de la matrice P (k) comme
suit
k
X k
X k−1
X k
X
T i i T i i T i T i
−Q = (F ) QF − (F ) QF = (F ) F QF F − (F T )i QF i
i=1 i=o i=0 i=0

ou sous la forme de l’équation aux différences de Lyapunov

F T P (k − 1)F − P (k) = −Q

La limite P de {P (k)}k≥0 vérifie donc l’équation algébrique de Lyapunov, soit

100 Chapitre 5

−Q = F T P F − P

Il reste à montrer l’unicité de la matrice P . Pour ce faire, supposons que l’équation de Lyapunov
a une autre solution P̄ , alors elle vérifie l’équation de Lyapunov

F T P̄ F − P̄ = −Q
et peut se mettre comme suit
+∞
X +∞
X +∞
X +∞
X
T i i T i i T i i
P̄ = (F ) P̄ F − (F ) P̄ F = (F ) P̄ F − (F T )i F T P̄ F F i
i=o i=1 i=o i=o

soit
+∞
X +∞
X
(F T )i P̄ − F T P̄ F F i = (F T )i QF i = P


P̄ =
i=o i=o

CQF D.

Les deux remarques suivantes permettent d’apprécier la valeur ajoutée de l’approche de Lyapunov
par rapport au concept de stabilité externe.

Remarque 5.4 Le concept de stabilité au sens de Lyapunov est beaucoup plus général que
celui de la stabilité EBSB qui ne concerne que le comportement entrée-sortie du système.
On montre aisément qu’un système asymptotiquement stable est stable au sens EBSB mais la
réciproque n’est pas vraie dans le cas d’une réalisation non minimale comme on le verra dans
le chapitre suivant.

Remarque 5.5 L’approche de Lyapunov sera utilisée pour l’analyse de stabilité des systèmes
linéaires variants dans le temps que l’on peut rencontrer dans les problèmes d’estimation d’état
ou d’adaptation paramétrique en utilisant des fonctions de Lyapunov quadratiques, soit

V (x) = xT P (t)x avec P (t) = P (t)T > 0

Pour mieux apprécier une telle remarque, on suggère de faire le problème 5.5.

5.3 Test de stabilité

Le test de stabilité d’un système linéaire invariant dans le temps peut être effectué par des
solveurs de racines d’un polynôme ou des valeurs propres d’une matrice. Or les solveurs des
racines d’un polynôme disponibles sont conçues à partir de procédures heuristiques dont la pré-
cision n’est pas prouvée indépendamment de l’habilité de leur architectes. Il en est de même
pour les solveurs des valeurs propres d’une matrice qui n’est pas symétrique. On présente dans
ce qui suit deux critères algébriques pour tester la stabilité des systèmes échantillonnés issus
des systèmes linéaires invariants dans le temps.

Le premier critère est issu de l’approche de Lyapunov en vertu de la proposition P2 du ré-

sultat 5.8) que nous rappelons ci dessous.
 Stabilité 101

Un système linéaire invariant dans le temps décrit par une réalisation d’état (F, G, H, E) est
asymptotiquement stable si et seulement si pour toute matrice symétrique et définie positive Q,
il existe une matrice unique symétrique et définie positive P qui vérifie l’équation de Lyapunov.

F T P F − P = −Q

Pour tester la stabilité d’un système linéaire invariant dans le temps, il suffit de montrer que
l’équation de Lyapunov F T P F − P + In = 0 admet une solution symétrique et définie po-
sitive, soit P = P T > 0. Pour ce faire, on dispose d’une procédure efficace qui consiste à
résoudre l’équation de Lyapunov et à tester la positivité de la solution en calculant ses valeurs
propres. Ce test est réalisable avec les solveurs robustes de valeurs propres des matrices symé-
triques.

Pour tester la stabilité d’un système linéaire invariant dans le temps, il suffit de montrer que
l’équation de Lyapunov F T P F − P + In = 0 admet une solution symétrique et définie po-
sitive, soit P = P T > 0. Pour ce faire, on dispose d’une procédure efficace qui consiste à
résoudre l’équation de Lyapunov et à tester la positivité de la solution en calculant ses valeurs
propres. Ce test est réalisable avec les solveurs robustes de valeurs propres des matrices symé-
triques.

Remarque 5.6 Supposons que le critère de stabilité de Lyapunov ne soit pas vérifiée d’une
manière stricte, i.e. ∃ P = P T > 0 / F T P F − P ≤ 0, alors les valeurs propres de F sont
situées dans le domaine de stabilité et celles qui sont situées sur la frontière du domaine de
stabilité sont non défectives. Physiquement, cela se traduit par l’existence de solutions libres
bornées : c’est le cas d’un intégrateur ou d’un oscillateur.

Le second critère relève des méthodes algébriques qui ont été spécifiquement élaborées pour
vérifier directement si les zéros d’un polynôme à coefficients réels, e.g.
A(z) = ao z n + a1 z n−1 + a2 z n−2 + . . . . . . + an−2 z 2 + an−1 z + an

sont situés dans le disque ouvert de centre l’origine et de rayon unité. On distingue plus parti-
culièrement le critère de J ury qui consiste à réaliser les deux étapes suivantes.

E1. Construire le tableau 5.1 de 2n + 1 lignes comme suit : les deux premières lignes sont
respectivement constituées des coefficients du polynôme A(z) selon les puissances dé-
croissantes et croissantes, soit
anj = aj pour j ∈ [0, n]

Les autres lignes sont obtenues deux par deux par récurrence comme suit
aii
ai−1
j = aij − αi aii−1 et αi = i pour(i, j) ∈ [n, 1] × [0, i − 1]
ao
La dernière ligne est ainsi constituée d’un seul élément.

E2. Conclure sur la position des racines du polynôme A(z) à partir du résultat suivant
102 Chapitre 5

ano an1 ... ... ann−1 ann

ann
ann ann−1 ... ... an1 ano → αn =
ano
aon−1 a1n−1 ... n−1
an−2 n−1
an−1
n−1
n−1 n−1 an−1
an−1 an−2 ... a1n−1 aon−1 → αn−1 =
aon−1
.. .. ..
. . .
a11 a1o
a11
a11 a1o → α1 =
a1o
aoo

na
X
TABLE 5.1 – Tableau de J ury du polynôme A(z) = ai z n−i
i=o

Résultat 5.9 Le polynôme A(z) a toutes ses racines de module strictement intérieur à
un si et seulement si tous les coefficients aio pour i ∈ [0, n − 1] sont non nuls et de même
signe que le coefficient ao . Par ailleurs, si tous les coefficients aio pour i ∈ [0, n] sont non
nuls, le nombre de coefficients aio pour i ∈ [0, n − 1] qui ne sont pas de même signe que
le coefficient ao correspond au nombre de racines de A(z) à l’extérieur du disque unité.

On notera que si tous les aio pour i ∈ [1, n − 1] sont du même signe que ao , alors aoo est du
même signe que ao . Le résultat suivant donne une condition nécessaire pour qu’un poly-
nôme ait toutes ses racines de module strictement inférieur à un. Cette condition permet
de vérifier rapidement si un test de stabilité est erroné.

Résultat 5.10 Un polynôme A(z) a toutes ses racines à l’intérieur du disque unité si
A(1) et (−1)n A(−1) sont du même signe que le coefficient ao .

A titre illustratif, considérons le polynôme suivant A(z) = z 2 + a1 z + a2 . Les conditions néces-

saires et suffisantes pour que toutes les racines du polynôme A(z) soient situées dans le disque
de centre l’origine et de rayon unitaire sont obtenues à partir du tableau de J ury 5.2. On aura

a21 (1 − a2 ) 1 − a2  
1 − a22 > 0 et 1 − a22 − = (1 + a2 )2 − a21
1 + a2 1 + a2
ou d’une manière équivalente

−1 < a2 < 1 et (1 + a2 )2 > a21

soit les relations

(1 + a2 > a1 si a1 ≥ 0) et (1 + a2 > −a1 si a1 ≤ 0)

qui définissent le domaine de stabilité d’un système de second ordre.

 Stabilité 103

1 a1 a2
a2 a1 1 → α2 = a2
1 − (a2 )2 a1 (1 − a2 )
a1
a1 (1 − a2 ) 1 − (a2 )2 → α1 =
1 + a2
(a1 )2 (1 − a2 )
1 − (a2 )2 − 1 + a2

TABLE 5.2 – Tableau de J ury du polynôme A(z) = z 2 + a1 z + a2

Remarque 5.7 Le critère algébrique de J ury est relativement limité pour en faire un outil in-
génieur comme l’indiquent les faits suivants.

F 1. Il ne permet de répondre à la question de stabilité que d’une manière dichotomique, i.e.

par un oui ou un non.

F 2. Il est sensible aux incertitudes, sur les paramètres du polynôme considéré, issues des er-
reurs de modélisation inéluctables.

F 3. Le volume de calcul mis en jeu augmente fortement avec l’ordre du système à analyser.

5.4 Résultats remarquables

En vertu des résultats fondamentaux de modélisation et de stabilité externe, on peut en déduire
trois résultats remarquables sur la caractérisation de la réponse d’un système stable à des classes
spécifiques d’entrée. Ces résultats constituent les outils fondamentaux pour l’analyse des per-
formances des systèmes asservis.

Résultat 5.11 La réponse d’un système stable à une entrée asymptotiquement nulle est asymp-
totiquement nulle. Plus précisément, considérons un système stable décrit par

B(q −1 )
y(kTe ) = u(kTe )
A(q −1 )
Alors on a

lim u(kTe ) = 0 =⇒ lim y(kTe ) = 0

k7→∞ k7→∞

Résultat 5.12 La réponse d’un système stable à une séquence de variables aléatoires de moyenne
nulle et de variances finies est une séquence de variables aléatoires de moyenne nulle et de va-
riances finies. Plus précisément, considérons un système stable décrit par

B(q −1 )
y(kTe ) = u(kTe )
A(q −1 )
Alors on aura
   
E {u(kTe )} = 0 et E u2 (kTe ) = σ 2 =⇒ E {y(kTe )} = 0 et E y 2 (kTe ) = γσ 2
 
104 Chapitre 5

Résultat 5.13 La réponse d’un système stable à une entrée bornée que l’on peut considérer
comme la réponse impulsionnelle d’un système marginalement stable est asymptotiquement
nulle si et seulement si les pôles du générateur de cette entrée situés sur le cercle unitaire sont
des zéros du système. Plus précisément, considérons un système stable décrit par

B(q −1 )
y(kTe ) = u(kTe )
A(q −1 )
et supposons que la séquence d’entrée est générée comme suit

C(q −1 )
u(kTe ) = δ(kTe )
Dsa (q −1 )Dsu (q −1 )
avec
Dsa (q −1 ), Dsu (q −1 ) ∈ Rsa z −1 × Rsu z −1

   

Alors on aura
lim y(kTe ) = 0 ⇐⇒ Dsu (q −1 ) divise B(q −1 )
k→∞

Ce dernier résultat conforte le fait que les zéros d’un système sont perceptibles dans la nature
des entrées qui produisent des sorties nulles.

5.5 Conclusion.
Ce chapitre est une présentation compréhensible sur la stabilité des systèmes linéaires échantill-
onnés à partir d’une lecture attentive des résultats disponibles. Cette présentation a été faite pro-
gressivement en trois parties. La première partie a été réservée au concept de stabilité externe
qui a été défini à partir du comportement de la réponse impulsionnelle du système en vertu
d’un résultat fondamental sur la stabilité EBSB. Cette définition a été confortée par un résultat
fondamental sur la caractérisation de la nature de la stabilité d’un système en fonction de la loca-
lisation de ses pôles. Ce résultat a été utilisé pour mettre en exergue la limitation du concept de
stabilité externe à partir d’une étude du comportement d’une cascade de deux systèmes conve-
nablement choisis. Cette limitation nous amène naturellement à la seconde partie consacrée au
concept de la stabilité interne qui a été défini à partir conformément à l’approche de Lyapunov
qui s’est avérée vitale pour les sciences pour l’ingénieur. Des résultats fondamentaux ont été
présentés pour illustrer l’approche et montrer comment effectuer une analyse efficace de stabi-
lité des systèmes linéaires échantillonnés. La troisième partie est dédiée au test de stabilité et la
caractérisation de la réponse d’un système asymptotiquement stable à des entrées spécifiques.
Deux critères algébriques sont proposés pour le test de stabilité. Le premier est réalisé par des
solveurs efficaces issu de l’approche de Lyapunov, alors que le second n’est autre qu le critère
de J ury qui ne constitue pas un outil ingénieur. Et pour investir dans la mémoire ingénieur,
on peut retenir les aspects suivants sur les systèmes échantillonnés issus des systèmes linéaires
invariants dans le temps.

• Les domaines de stabilité (rep. stabilité asymptotique) est le disque de centre l’origine du
plan complexe en z et de rayon un (resp. le disque de centre l’origine du plan complexe
en z et de rayon strictement inférieur à un), i.e.
 
∆ ∆
Ds = {z ∈ C / | z | ≤ 1} resp. Dsa = {z ∈ C / | z | < 1}
 Stabilité 105

• Un système est stable au sens EBSB (resp. asymptotiquement stable) si et seulement

si tous ses pôles (resp. ses modes) sont situés à l’intérieur du domaine de stabilité, i.e.
CP (SYS) ⊂ Dsa (resp. CM (SYS) ⊂ Dsa ).

• Un système asymptotiquement stable est stable au sens EBSB mais la réciproque n’est
pas vraie.

• Un système asymptotiquement stable est un système exponentiellement stable.

• Un système est asymptotiquement stable si et seulement si tous ses modes sont situés à
l’intérieur du domaine de stabilité, i.e.

V (A) ⊂ Dsa ⇐⇒ ∃! P = P T > 0 / F T P F − P < 0n

• Un système est stable au sens de Lyapunov si et seulement si tous ses modes sont situées
dans le domaine de stabilité et les modes situés sur la frontière du domaine de stabilité
correspondent à des valeurs propres non défectives de la matrice d’état, i.e.

∃! P = P T > 0 / F T P F − P ≤ 0n

• Soit une matrice carrée A ∈ Rn×n et un vecteur borné x ∈ Rn , on a

lim Ak x = 0 pour tout x ∈ Rn ⇐⇒ V (A) ⊂ Dsa

k−→∞

5.6 Problèmes.
Outre une auto-évaluation des connaissances acquises tout au long de ce chapitre, on suggère
d’effectuer les preuves qui ont été jugées relativement faciles pour mieux apprécier le potentiel
minimal souhaité.

Problème 5.1 Considérons un système décrit par sa fonction de transfert


SYS Y (z) = G(z)U(z)
avec
(1 − z −1 )(1 − 2cos(ωTe )z −1 + z −2 )
G(z −1 ) = −1 −1
avec (α1 , α2 ) ∈ R2
(1 − α1 z ) (1 − α2 z )

On demande de traiter les aspects suivants du système

1) Donner la configuration pôles-zéros du système et étudier sa stabilité en fonction des

scalaires α1 et α2 comme l’indique le tableau suivant. On utilisera les acronymes SST ,
SMS et SIS pour désigner que le système est stable, marginalement stable et instable,
respectivement.

2) Préciser le cas où le système admet une réponse harmonique et en déduire son gain sta-
tique.
106 Chapitre 5

| α2 |> 1 α2 = 1 | α2 |< 1
| α1 |> 1
α1 = 1
| α1 |< 1

3) Donner l’équation aux différences du système.

4) Supposons que le système est stable, préciser la classe des entrées qui sont asymptotique-
ment rejetées par le système.

Problème 5.2 Considérons la classe des systèmes échantillonnés décrite par la réalisation
d’état    
f1 0 g1  
F = , G= et H = h1 h2
0 f2 g2
où f1 , f2 , g1 , g2 , h1 et h2 sont des scalaires qui représentent les paramètres du système. Donner
les expressions des trajectoires d’état et de sortie du système et étudier la stabilité interne du
système en fonction de ses paramètres.

Problème 5.3 Etudier la stabilité des systèmes autonomes linéaires invariants dans le temps
décrits par l’équation (5.6) en supposant que la matrice d’état F est diagonalisable.

Problème 5.4 Etablir les preuves des résultats remarquables 5.11, 5.12 et 5.13 à partir des
résultats fondmentaux sur la stabilité des systèmes linéaires échantillonnés.

Problème 5.5 Etudier la stablité des systèmes linéaires vraints dans le temps décrits par


SALVT x((k + 1)Te ) = F (kTe ) x(kTe )

où la séquence matricielle {F (kTe )} est bornée et vérifie la propriété suivante

F T (kTe )P F (kTe ) − P < 0 pour tout k ≥ 0

pour une certaine matrice symétrique et définie positive P .

Chapitre 6

Systèmes asservis

La figure 6.1 montre un diagramme fonctionnel d’un système asservi qui résulte naturellement
d’une interconnection du type rétroaction de deux systèmes dynamiques qui ne sont autres que
le système et le régulateur. {u(t)} et {yσ (t)} désignent respectivement les séquences d’entrée et
de sortie du système, {y(t)} désigne la séquence de sortie mesurée du système, {v(t)} et {η(t)}
représentent respectivement les perturbations qui affectent le fonctionnement du système et des
bruits de mesure inéluctables et {y ∗ (t)} est la séquence de référence. L’ultime motivation d’un
asservissement est de
maintenir la séquence de sortie du système dans un voisinage d’une séquence de référence
indépendamment des perturbations qui affectent le fonctionnement du système
et des bruits de mesure inéluctables, soit {yσ (t)} ∈ V ({y ∗ (t)}) / ({v(t)} , {η(t)})

v(t)

?
y ∗ (t + d + 1)
- u(t) yσ (t)
REGULATEUR - SYSTEME -
-
y(t)

?

+ 

η(t)
F IGURE 6.1 – Diagramme fonctionnel d’un système asservi

La synthèse d’un asservissement est généralement effectuée à partir d’un modèle de commande
qui reproduit au mieux le comportement d’entrée-sortie du système et d’un ensemble de spéci-
fications qui constituent le cahier des charges du système asservi. On distingue cinq propriétés
fondamentales d’un asservissement.

• La stabilisation : le système asservi doit être asymptotiquement stable indépendamment

du fait que le système soit stable ou instable.

• Les performances : le système asservi doit réaliser une poursuite admissible, i.e. une er-
reur de poursuite aussi petite que possible, avec une dynamique de régulation donnée.

107
108 Chapitre 6

• L’insensibilité : le système asservi doit être insensible aux bruits de mesure inéluctables.

• La robustesse : le système asservi doit être robuste par rapport aux erreurs de modélisa-
tion inéluctables.

• La simplicité : la structure du régulateur doit être relativement simple pour une mise en
œuvre aisée et une interprétation comprehensible de ses actions principales.

On présente dans ce chapitre les bases de la commande linéaire des systèmes échantillonnés
à partir d’une structure générale des systèmes asservis. Les modèles de commande considérés
sont ceux qui sont communément utilisés pour représenter au mieux le comportement d’entrée-
sortie des systèmes. Les régulateurs utilisés sont dotés d’une structure suffisamment flexible
pour pouvoir y incorporer toutes les lois de commande linéaires disponibles. Les équations du
système asservi sont établies sous des formes appropriées pour effectuer une analyse fondamen-
tale de stabilité et de performances du système asservi. Une attention particulière est accordée
aux quantificateurs de performances des systèmes asservis, en l’occurrence les réponses har-
moniques de la dynamique de poursuite et des fonctions de sensibilité usuelles qui représentent
la dynamique de régulation, et les erreurs de poursuite d’entrée-sortie sous-jacentes. Les résul-
tats de cette analyse ont permis de caractériser la classe de régulateurs admissibles par rapport
à l’ultime motivation d’un asservissement. Une analyse de robustesse du système asservi est
faite pour montrer que les fonctions de sensibilité usuelles sont aussi des quantificateurs de
robustesse en stabilité.

6.1 Le système
Le système à commander est la cascade constituée du convertisseur numérique analogique, du
système continu et du convertisseur analogique numérique comme l’indique la figure 6.2.

v(t)

? ? ?

- - - -
CN A SYSTEME CAN

u(t) yσ (t)

F IGURE 6.2 – Le système

Le comportement d’entrée-sortie du système et son environnement est généralement approximé

par des équations aux différences de la forme

 A(q −1 )yσ (t) = B(q −1 )u(t − d − 1) + E(q −1 )v(t)
MC (6.1)
−1 −1
D(q )v(t) = C(q )δv (t)

 Systèmes asservis 109

où {δv (t)} est une impulsion d’amplitude inconnue v. Ces équations représentent un modèle de
commande du système que l’on peut récrire sous la forme


 yσ (t) = Gu (q −1 ) u(t) + Gv (q −1 ) v(t)
MC (6.2)
v(t) = H(q −1 ) δv (t)


avec

B(q −1 ) E(q −1 ) C(q −1 )

Gu (q −1 ) = q −d−1 , Gv (q −1
) = et H(q −1
) = (6.3)
A(q −1 ) A(q −1 ) D(q −1 )

Cette représentation est à la base de la figure 6.3. La fonction de transfert Gu (z −1 ) représente la

dynamique dominante du système alors que les fonctions de transfert Gv (z −1 ) et H(z −1 ) sont
des descriptions des effets des perturbations externes.

-
u(t) Gu(z −1 )

?
+n - yσ (t)
6

-
Gv (z −1 )
v(t)


H(z −1) vδ(t)

F IGURE 6.3 – Modèle de commande

Remarque 6.1 Comme la séquence des perturbations n’est pas nécessairement de moyenne
nulle et que la séquence d’entrée {vδ(t)} est bornée, on peut conclure naturellement que le
générateur des perturbations est marginalement stable et que son inverse est stable, soit

D(q −1 ) ∈ Rdn [q −1 ] ∪ Rsu [q −1 ] et C(q −1 ) ∈ Rsa [q −1 ]

Le polynôme D(q −1 ) représente la nature des perturbations de charge qui affectent le fonction-
nement du système, e.g. les perturbations du type échelon et du type harmonique sont respecti-
vement caractérisées par

v(t) = vα(t) =⇒ D(q −1) = 1 − q −1

ou
v(t) = vsin(ωt + ϕ)α(t) =⇒ D(q −1 ) = 1 − 2cos (ωTe ) q −1 + q −2
110 Chapitre 6

6.2 Le régulateur
Le régulateur est un système dynamique qui a deux entrées, i.e. la séquence de sortie mesurée
du système {y(t)} et la séquence de référence {y ∗(t)}, et une sortie, i.e. la séquence d’entrée
du système {u(t)}, comme l’indique la figure 6.4. Il peut être alors décrit par les équations
différentielles données par

 Rd (q −1 )u(t) + Rn (q −1 )y(t) = Rp (q −1 )y ∗ (t + d + 1)
REG (6.4)
∗ −1 ∗ ∗ −1 ∗
A (q )y (t) = B (q )u (t)


On notera que la séquence de référence est issue d’un filtrage approprié de la séquence de points
de consigne {u∗ (t)} défini par la seconde équation aux différences.

y ∗ (t + d + 1) -
REGULATEUR - u(t)
y(t) -

F IGURE 6.4 – Le régulateur

Pour mieux apprécier la nature du régulateur considéré, on notera que son équation peut se ré-
crire sous la forme

 u(t) = −Rr (q −1 ) y(t) + Rp (q −1 ) y ∗(t + d + 1)
REG (6.5)
∗ ∗ −1 ∗
y (t) = G (q ) u (t)

avec
Rn (q −1 ) Rp (q −1 ) ∗ −1
−d−1 B (q )
Rr (q −1 ) = , Rp (q −1
) = et G ∗ −1
(q ) = q (6.6)
Rd (q −1 ) Rd (q −1 ) A∗ (q −1 )

On distingue deux degrés de liberté comme le montre la figure 6.5. Le premier degré de liberté,
i.e. Rr (q −1 ), est consacré aux performances en régulation alors que le second degré de liberté,
i.e. Rp (q −1 ), permet de modeler les performances en poursuite par rapport à celles de la régu-
lation en utilisant la dynamique du générateur de la séquence de référence, i.e. G ∗ (q −1 ).

Remarque 6.2 Le cas Rp (q −1 = q −d−1 Rn (q −1 ) correspond à la classe des régulateurs avec

retour unitaire décrits par l’équation aux différences

u(t) = R(q −1 ) y ∗ (t) − y(t)



RU (6.7)

Ces régulateurs sont décrits par la fonction de transfert R(z −1 ) = Rr (z −1 ) = Rp (z −1 ) et

n’admettent donc qu’un seul degré de liberté. Ils sont communément utilisés dans les asservis-
sements industriels où la séquence de référence et les perturbations qui affectent le fonctionne-
ment du système sont du type échelon. Une action intégrale est incorporée dans la synthèse de
ces asservissements pour les doter d’une erreur statique nulle.
 Systèmes asservis 111


G ∗ (z −1) u∗ (t + d + 1)

y ∗ (t + d + 1)

-
Rp (z −1)

?
±n - u(t)
6

-
y(t) Rr (z −1)

F IGURE 6.5 – Régulateur à deux degrés de liberté

Remarque 6.3 Le régulateur PID est issu d’une composition d’une action proportionnelle,
d’une action intégrale et d’une action dérivée filtrée, soit
1 1 − z −1
R(z −1 ) = γp + γi + γ d
1 − z −1 1 + ϕd z −1
Il peut être ainsi décrit par une fonction de transfert de second ordre avec deux zéros et deux
pôles avec un pôle en un.
ro + r1 z −1 + r2 z −2
R(z −1 ) =
(1 − z −1 ) (so + s1 z −1 )
On montre que l’action intégrale est l’essence de ce type de régulateur dans la mesure ou elle
permet de réaliser un rejet asymptotique des perturbations du type échelon.

6.3 Le système de commande

La figure 6.6 montre une représentation du système de commande qui met en évidence ses trois
entrées, en l’occurrence la séquences de référence et celle des perturbations et du bruit de me-
sure, et ses deux sorties, notamment les sorties du système et du régulateur. On distingue le
système de commande réel du système de commande nominal qui lui est associé. Le premier
est constitué par le système en rétroaction avec le régulateur comme l’indique la figure 6.7.
Le système de commande nominal sous-jacent est obtenu à partir du système de commande
réel en supposant que le comportement d’entrée-sortie du système est parfaitement décrit par
le modèle de commande comme l’indique la figure 6.8. Le comportement d’entrée-sortie du
système de commande est complètement caractérisé par ceux du système d’une part et du ré-
gulateur d’autre part. Comme les modèles de commande ne sont qu’une approximation, aussi
bonne qu’elle puisse être du comportement entrée-sortie du système et de l’influence de son
environnement, les performances du système de commande et de sa version nominale sont gé-
néralement différentes. Cette différence dépend essentiellement de l’erreur entre la dynamique
du système et celle de son modèle de commande. Une bonne modélisation du système est donc
impérative pour réaliser les performances requises. En effet, ces performances sont par concep-
tion réalisées par le système de commande nominal ; c’est pourquoi, elles sont qualifiées de
nominales.
112 Chapitre 6

y ∗ (t + d + 1) -
SYSTEME - yσ (t)
v(t) - DE
COMMANDE - u(t)
η(t) -

F IGURE 6.6 – Système de commande

v(t)

?
y ∗ (t + d + 1)
- u(t) yσ (t)
REGULATEUR - SYSTEME -
-
y(t)

?

+ 

η(t)
F IGURE 6.7 – Système de commande

v(t)

?
y ∗ (t + d + 1) MODELE
- u(t) yσ (t)
REGULATEUR - DE -
-
COMMANDE
y(t)

?

+ 

η(t)
F IGURE 6.8 – Système de commande nominal
 Systèmes asservis 113

6.3.1 Equations du système asservi

Les équations d’entrée-sortie du système asservi sont obtenues en éliminant respectivement
l’entrée et la sortie du système entre les équations du modèle de commande et du régula-
teur. L’élimination de l’entrée peut être obtenue en opérant sur les deux membres de l’équa-
tion du modèle de commande (6.1) par Rd (q −1 ) pour faire apparaître le produit de convolution
Rd (q −1 )u(t) que l’on élimine ensuite en utilisant directement l’équation du régulateur (6.4). En
effet, l’opération par Rd (q −1 ) sur les deux membres de l’équation (6.1) donne

Rd (q −1 ) A(q −1 )yσ (t) = Rd (q −1 ) q −d−1 B(q −1 )u(t) + Rd (q −1 ) E(q −1 )v(t)

⇐⇒
A(q −1 )Rd (q −1 ) yσ (t) = q −d−1 B(q −1 ) Rd (q −1 )u(t) + E(q −1 )Rd (q −1 ) v(t)

Et compte tenu de l’équation du régulateur (6.4), on peut effectuer la substitution requise du

terme Rd (q −1 )u(t) dans l’équation du modèle de commande ci-dessus afin de réaliser l’élimi-
nation de la commande dans l’équation de sortie du système de commande comme suit.

A(q −1 )Rd (q −1 )yσ (t) = q −d−1 B(q −1 ) Rp (q −1 )y ∗(t + d + 1) − Rn (q −1 ) (yσ (t) + η(t))

+ E(q −1 )Rd (q −1 )v(t)

= q −d−1 B(q −1 )Rp (q −1 )y ∗ (t + d + 1) − q −d−1 B(q −1 )Rn (q −1 )yσ (t)

− q −d−1 B(q −1 )Rn (q −1 )η(t) + E(q −1 )Rd (q −1 )v(t)
⇐⇒

A(q −1 )Rd (q −1 ) + q −d−1 B(q −1 )Rn (q −1 ) yσ (t) = q −d−1 B(q −1 )Rp (q −1 )y ∗ (t + d + 1)

+E(q −1 )Rd (q −1 )v(t)

−q −d−1 B(q −1 )Rn (q −1 )η(t)

Quant à l’élimination de la sortie, elle peut être obtenue en opérant sur l’équation du régulateur
(6.4) par A(q −1 ) pour faire apparaître le produit de convolution A(q −1 )yσ (t) que l’on élimine
ensuite en utilisant l’équation du modèle de commande (6.1). En effet, l’opération par A(q −1 )
sur les deux membres de l’équation (6.4) donne

A(q −1 ) Rd (q −1 )u(t) = A(q −1 ) Rp (q −1 )y ∗ (t + d + 1) − Rn (q −1 ) (yσ (t) + η(t))

⇐⇒
A(q −1 )Rd (q −1 ) u(t) = A(q −1 )Rp (q −1 ) y ∗ (t + d + 1) − Rn (q −1 ) A(q −1 )yσ (t)

− A(q −1 )Rn (q −1 ) η(t)

Et compte tenu l’équation du modèle de commande (6.1), on peut effectuer la substitution re-
quise du terme A(q −1 )u(t) dans l’équation du régulateur ci-dessus afin de réaliser l’élimination
de la sortie dans l’équation d’entrée du système de commande comme suit.

A(q −1 )Rd (q −1 )u(t) = A(q −1 )Rp (q −1 )y ∗ (t + d + 1) − q −d−1 B(q −1 )Rn (q −1 )u(t)

− E(q −1 )Rn (q −1 )v(t) − A(q −1 )Rn (q −1 )η(t)
⇐⇒
114 Chapitre 6

A(q −1 )Rd (q −1 ) + q −d−1 B(q −1 )Rn (q −1 ) u(t) = A(q −1 )Rp (q −1 )y ∗(t + d + 1)

−E(q −1 )Rn (q −1 )v(t)

−A(q −1 )Rn (q −1 )η(t)

Le comportement d’entrée-sortie du système asservi peut être alors décrit par les équations sui-
vantes

Pc (q −1 )yσ (t) = q −d−1 B(q −1 )Rp (q −1 )y ∗ (t + d + 1)






+ E(q −1 )Rd (q −1 )v(t) − q −d−1 B(q −1 )Rn (q −1 )η(t)



SAS (6.8)
Pc (q −1 )u(t) = A(q −1 )Rp (q −1 )y ∗(t + d + 1)






− E(q −1 )Rn (q −1 )v(t) − A(q −1 )Rn (q −1 )η(t)


où Pc (q −1 ) désigne le polynôme caractéristique du système de commande donné par

Pc (q −1 ) = A(q −1 )Rd (q −1 ) + q −d−1 B(q −1 )Rn (q −1 ) (6.9)

La remarque suivante s’adresse à un lecteur susceptible d’être perplexe à l’avance de la séquence

de référence adoptée dans l’équation du régulateur (6.4) au point de douter de sa généralité.

Remarque 6.4 Dans le cas où les valeurs de la séquence de référence {y ∗ (t + i)}}i∈[1,d+1] ne

sont pas disponibles à l’instant t, on peut toujours utiliser le régulateur (6.4) avec Rp (q −1 ) =
q −d−1 R̄p (q −1 ). Le système asservi est alors décrit par

Pc (q −1 )yσ (t) = q −d−1 B(q −1 )R̄p (q −1 )y ∗ (t)






+ E(q −1 )Rd (q −1 )v(t) − q −d−1 B(q −1 )Rn (q −1 )η(t)



SAS
Pc (q −1 )u(t) = A(q −1 )R̄p (q −1 )y ∗(t)






− E(q −1 )Rn (q −1 )v(t) − A(q −1 )Rn (q −1 )η(t)


6.3.2 Interprétation systémique

Rappelons que le système asservi est un système dynamique qui a trois entrées et deux sorties,
comme le montre la figure 6.6, que l’on peut regrouper dans deux vecteurs comme suit

y ∗(t + d + 1)
 
 
yσ (t)
usas (t) =  v(t)  et ysas (t) = (6.10)
u(t)
η(t)

En appliquant la transformée en z aux équations (6.8)-(6.9) du système asservi, on peut le re-

présenter comme suit
 Systèmes asservis 115

Ysas (z) = Gsas (z −1 ) Usas (z)


SAS (6.11)

avec
Gsr (z −1 ) Gsp (z −1 ) Gsb (z −1 )
 

Gsas z −1 = 


 (6.12)
−1 −1 −1
Ger (z ) Gve (z ) Geb (z )

où Usas (z) et Ysas (z) désignent respectivement les transformées en z des vecteurs d’entrée et
de sortie du système de commande et les Gij (z −1 ) pour (i, j) ∈ [s, e] × [r, p, b] désignent ses
différentes fonctions de transfert respectivement données par

z −d−1 B(z −1 )Rp (z −1 )


−1 ∆
G (z ) =

sr

Pc (z −1 )





E(z −1 )Rd (z −1 )


 −1 ∆
G (z ) =

sp

Pc (z −1 )





z −d−1 B(z −1 )Rn (z −1 )



−1 ∆
G (z ) = −

 sb

P (z −1 )

c
FT R (6.13)
 ∆ A(z )Rp (z −1 )
−1
Ger (z −1 ) =


Pc (z −1 )






E(z −1 )Rn (z −1 )

∆

Gep (z −1 ) = −


Pc (z −1 )






A(z −1 )Rn (z −1 )

∆

 Geb (z −1 ) = −


Pc (z −1 )

Ces fonctions de transfert ont le même dénominateur, qui n’est autre que le polynôme Pc (z −1 ),
et ne sont pas nécessairement irréductibles. Les racines du polynôme Pc (z −1 ) constituent alors
les modes du système asservi, soit
CM (SAS) = z ∈ C / Pc (z −1 ) = 0


Cette relation est l’essence de l’appellation polynôme caractéristique du système asservi attri-
buée au polynôme Pc (z −1 ). On montre aisément que le système asservi peut être aussi décrit
par une représentation d’état

 xsas (t + 1) = Fsas xsas (t) + Gsas usas (t)
SAS (6.14)
ysas (t) = Hsas xsas (t) + Esas usas (t)


où (Fsas , Gsas , Hsas , Esas ) est une réalisation d’état de la matrice de transfert Gsas (z), i.e.

Gsas (s) = Hsas (zInsas − Fsas )−1 Hsas + Esas (6.15)

116 Chapitre 6

-
z −d−1 B ∗ (z −1 ) -
B(z −1 )Rp (z −1 )
A∗ (z −1 ) Pc (z −1 )
u∗ (t) y ∗ (t) yr (t)

C(z −1 ) E(z −1 )Rd (z −1 ) ?


- - - + - yσ (t)
D(z −1 ) Pc (z −1 ) 
vδ(t) v(t) yp (t) 6

- z −d−1 B(z −1 )Rn (z −1 )

−
Pc (z −1 )
η(t) yb (t)

F IGURE 6.9 – Performances nominales en sortie

B ∗ (z −1 ) A(z −1 )Rp (z −1 )
- -
A∗ (z −1 ) Pc (z −1 )
u∗ (t) ur (t)
y ∗ (t + d + 1)

C(z −1 ) −1 )R −1 ) ?

- - − E(z n (z - -
+

u(t)
D(z −1 ) Pc −1
(z )
vδ(t) v(t) up (t) 6

-
A(z −1 )Rn (z −1 )
−
Pc (z −1 )
η(t) ub (t)

F IGURE 6.10 – Performances nominales en entrée

 Systèmes asservis 117

Les figures 6.9 et 6.10 mettent en exergue l’ensemble des fonctions de transfert qui caracté-
risent complètement le système asservi, notamment les effets de la séquence de référence, des
perturbations et des bruits de mesure sur l’entrée et la sortie du système. On montrera que ces
fonctions de transfert peuvent s’exprimer en fonction des fonctions de transfert usuelles d’un
asservissement que nous rappelons ci dessous.

• Les fonctions de transfert en boucle ouverte en entrée et en sortie sont respectivement

données par

Goe (z −1 ) = R(z −1 ) G(z −1 ) et Gos (z −1 ) = G(z −1 )R(z −1 ) (6.16)

Ce sont les fonctions de transfert obtenues en ouvrant respectivement la boucle du sys-

tème asservi en entrée et en sortie. On notera que ces fonctions de transfert sont identiques
dans le cas des systèmes monovariables considérés, soit

Go (z −1 ) = R(z −1 ) G(z −1 ) = G(z −1 )R(z −1 )

• Les différences de retour en entrée et en sortie sont respectivement données par

∆
Dre (z −1 ) = 1 + Goe (z −1 ) et Drs (z −1 ) = 1 + Gos (z −1 ) (6.17)

Ce sont les fonctions de transfert reliant la différence entre l’entrée et la sortie à l’entrée
de la boucle ouverte considérée. On notera que ces fonctions de transfert sont identiques
dans le cas des systèmes monovariables considérés, soit
∆
Dr (z −1 ) = 1 + Go (z −1 )

• Les fonctions de sensibilité et de sensibilité complémentaire respectivement données par

∆ A(z −1 )Rd (z −1 ) −1 ∆ z
−d−1
B(z −1 )Rn (z −1 )
S(z −1 ) = et T (z ) = (6.18)
Pc (z −1 ) Pc (z −1 )

et sont reliées entre elle par la relation algébrique

S(z −1 ) + T (z −1 ) = 1 pour tout z ∈ C

Il est évident que ces fonctions de sensibilité peuvent être exprimées en fonction de la
fonction de transfert en boucle ouverte comme suit

−1

1 −1 Go (z −1 )
S z = et T (z ) =
1 + Go (z −1 ) 1 + Go (z −1 )

Les fonctions de transfert d’un asservissement suggèrent une interprétation systemique que l’on
peut utiliser à bon escient aussi bien pour l’analyse que pour la synthèse des asservissements
linéaires. La base fondamentale de cette interprétation est donnée par les éléments suivants.
118 Chapitre 6

• Le système est asymptotiquement stable si et seulement si ses modes sont tous situés dans
le domaine de stabilité asymptotique, soit

CM (SAS) ⊂ Dsa ⇐⇒ Pc (z −1 ) ∈ Rsa [z −1 ]

Le test de stabilité asymptotique peut être effectué en utilisant un critère algébrique issu
de l’approche de Lyapunov. Et si l’on adopte une forme canonique d’observabilité pour
la réalisation d’état du système asservi, la matrice d’état est particulièrement donnée par
 
−p1
 −p2 Insas −1 
Fsas =
 
.. 
 . 
−pnsas 0 ... 0

On peut alors conclure, en vertu du résultat de stabilité (5.8), que le système asservi est
asymptotiquement stable si et seulement si

T T
∃! Psas = Psas > 0 / Fsas Psas Fsas − Psas < 0nsas

• La dynamique de poursuite du système asservi, i.e. par rapport à la séquence de points de

consigne {u∗ (t)}, est donnée par

z −d−1 B(z −1 )Rp (z −1 ) ∗ −1

DP z −1 = Gsr z −1 z d+1 G ∗ (z −1 ) = z d+1



G (z )
Pc (z −1 )

Il apparaît clairement que le retard du système est invariant par rétroaction et qu’il en est
de même pour les zéros de la fonction de transfert Gu (z −1 ) pourvu qu’ils ne soient pas
des modes du systèmes asservi.

Remarque 6.5 L’avance de la séquence de référence d’un horizon égal au retard du

système est principalement motivée par une compensation parfaite du retard du système
pour avoir une dynamique de poursuite sans retard. Autrement la poursuite se fera avec
un retard égal au retard du système comme l’indique la remarque 6.4.

Remarque 6.6 La dynamique de poursuite d’un asservissements avec retour unitaire,

i.e. Rp (q −1 ) = q −d−1 Rn (q −1 ), est donnée par

DP z −1 = Gsr z −1 G ∗ z −1 = T z −1 G ∗ z −1

Et comme la fonction de sensibilité complémentaire n’est pas identiquement égale à un,

on en déduit naturellement que la poursuite parfaite n’est pas réalisable par un asservis-
sement avec retour unitaire indépendamment de la nature de a séquence de référence.

• La dynamique de régulation est définie à partir des fonctions de transfert qui relient la
sortie du système aux perturbations et aux bruits de mesure, soit
 Systèmes asservis 119

DR z −1 = Gsp (z −1 ) Gsb (z −1 )

E(z −1 )Rd (z −1 ) z −d−1 B(z −1 )Rn (z −1 )

 
= −
Pc (z −1 ) Pc (z −1 )

On notera que les zéros de la fonction de transfert Gv (z −1 ) du système sont invariants par
rétroaction puisqu’ils se retrouvent dans la dynamique de régulation associée aux pertur-
bations de charge pourvu qu’ils ne soient pas des modes du système asservi. Par ailleurs,
cette dynamique de régulation peut s’exprimer à partir des fonctions de sensibilité dans le
cas où toutes les perturbations peuvent être ramenées en sortie (resp. en entrée). En effet,
on a
Gsb z −1 = −T z −1

et
Gsp z −1 = S z −1 ⇐= E(q −1 ) = A(q −1 )

resp. Gsp z −1 = G z −1 S z −1 ⇐= E(q −1 ) = q −d−1 B(q −1 )

Ainsi, on peut postuler que la fonction de sensibilité S(z −1 ) ( resp. la fonction de sensi-
bilité complémentaire T (z −1 ) ) n’est autre que la fonction de transfert (resp. l’opposée
de la fonction de transfert) qui relie les perturbations de charge en sortie (resp. le bruit de
mesure) à la sortie non mesurée du système et que la propagation de toutes les imperfec-
tions que l’on peut ramener en entrée du système peut être complètement décrite par la
fonction de transfert

−1 z −d−1 B(z −1 )Rd (z −1 ) ∆

Gsp (z ) = −1
= G(z −1 )S(z −1 ) = GS(z −1 )
Pc (z )

• La propagation des perturbations en sortie et des bruits de mesure sur la commande du

système est percevable à partir des fonctions de transfert qui relient l’entrée du système
aux perturbations et aux bruits de mesure respectivement données par

Gep z −1 = Geb z −1 = −R z −1 S z −1 ⇐= E(q −1 ) = A(q −1 )

Ainsi, on peut postuler que la propagation en entrée de toutes les imperfections que l’on
peut ramener en sortie du système peuvent être complètement décrite par la fonction de
transfert

∆
Geb z −1 = −R z −1 S z −1 = −RS z −1

• Si l’on désigne par {yind (t)} et {uind (t)} l’ensemble des composante indésirables en sor-
tie et le résultat de leur propagation en entrée, alors on a

A(z −1 )Rn (z −1 )
uind (t) = −RS q −1 yind(t) = −


yind (t)
Pc (z −1 )
120 Chapitre 6

Cette interprétation montre clairement que les fonctions de transfert S (z −1 ), T (z −1 ), GS (z −1 )

et RS (z −1 ) sont les fonctions de sensibilité usuelles d’un système asservi standard où les per-
turbations et les bruits de mesure sont ramenés en entrée et en sortie du système comme le
montre la figure 6.11. Elle suggère naturellement une méthodologie de synthèse des asservisse-
ments basée sur un modelage admissible des dynamiques de poursuite et de régulation à partir
de leurs réponses harmoniques. Le qualificatif usuel est principalement motivé par le fait que ces
fonctions de transfert constituent des quantificateurs de performances nominales des asservis-
sements puisque S (z −1 ), T (z −1 ) et GS (z −1 ) réalisent respectivement un filtrage passe haut,
passe-bas et passe-bande et que RS (z −1 ) réalise un filtrage passe bande pourvu que le gain
de la réponse fréquentielle du régulateur est relativement petit au voisinage de la fréquence de
N yquist. Cette méthodologie exploite judicieusement les résultats fondamentaux disponibles
sur la robustesse en stabilité et les limitations des performances intrinsèques aux configura-
tions des pôles et des zéros du systèmes pour trouver un compromis robustesse⇄performances
admissible ([4], [12],[21], [24]). Elle requiert un système de conception assistée par ordina-
teur basée sur des synthèses rationnelles et efficaces. Rappelons que la bande passante de la
dynamique de régulation doit être relativement grande par rapport à la bande passante de la
dynamique de poursuite et que cette propriété générique d’un asservissement est satisfaite en
spécifiant judicieusement le générateur de la séquence de référence G ∗ (z −1 ).

ve (t) ηe (t) vs (t)

y ∗ (t + d + 1)
- u(t) ?uσ (t) ?
REG - +i - +i - SYS -+?
i - yσ (t)
-

y(t)
?
+i ηs (t)

F IGURE 6.11 – Système de commande standard

Remarque 6.7 Les performances nominales peuvent être déterminées à partir du système de
commande standard de la figure 6.11 en éliminant respectivement l’entrée et la sortie du sys-
tème entre les équations du modèle de commande standard et du régulateur respectivement
donnés par les équations.

A(q −1 )yσ (t) = q −d−1 B(q −1 ) (uσ (t) + ve (t)) + A(q −1 )ve (t)

MCS (6.19)

et

Rd (q −1 ) (uσ (t) − ve (t)) + Rn (q −1 ) (yσ (t) + ηe (t)) = Rp (q −1 )y ∗ (t + d + 1) (6.20)


REG

On montre aisément que le comportement entrée-sortie du système commande standard est dé-
crit par
 Systèmes asservis 121

yσ (t) = Gsr (q −1 ) y ∗(t + d + 1) + S(q −1 ) vs (t) − T (q −1 ) ηs (t)






+ GS(q −1 ) (ve (t) + ηe (t))




SAS (6.21)
uσ (t) = Ger (q −1 ) y ∗(t + d + 1) + S(q −1 ) ve (t) − T (q −1 ) ηe (t)







− RS(q −1 ) (vs (t) + ηs (t))


6.3.3 Régulateurs admissibles

Les équations du comportement d’entrée-sortie du systèmes asservi (6.11) peuvent se récrire
sous la forme

 yσ (t) = yr (t) + yp (t) + yb (t)
SAS (6.22)
u(t) = ur (t) + up (t) + ub (t)

avec


 yr (t) = Gsr (q −1 )y ∗ (t + d + 1)




yp (t) = Gsp (q −1 )v(t)








 yb (t) = Gsb (q −1 )η(t)


CSAS (6.23)
−1 ∗
ur (t) = Ger (q )y (t + d + 1)








up (t) = Gep (q −1 )v(t)








ub (t) = Geb (q −1 )η(t)


Cette expression nous amène à définir naturellement les erreurs de poursuite du système as-
servi, que nous utiliserons pour caractériser la classe des régulateurs admissibles par rapport à
l’ultime motivation d’un asservissement, en l’occurrence
maintenir la séquence de sortie du système dans un voisinage d’une séquence de référence
indépendamment des perturbations de charge qui affectent le fonctionnement du système
et des bruits de mesure inéluctables, soit {yσ (t)} ∈ V ({y ∗ (t)}) / ({v(t)} , {η(t)})

• Les erreurs de poursuite en sortie et en entrée sont respectivement définies par


∆
 ey (t) = yσ (t) − yr (t)

ERPES (6.24)
 ∆
eu (t) = u(t) − ur (t)


Elles représentent plus précisément les erreurs de poursuite d’entrée et de sortie par rap-
port aux trajectoires nominales de la sortie et de l’entrée, respectivement définies par les
séquences {yr (t)} et {ur (t)}. C’est pourquoi, elles sont utilisées comme des quantifica-
teurs temporels des performances d’un asservissement, que l’on peut représenter comme
122 Chapitre 6

l’indiquent les figures 6.12 et 6.13 qui mettent en exergue les effets des perturbations et
des bruits de mesure sur les performances du système asservi.

-
Gsp z −1


v(t)
yp (t)
?

+ - ey (t)

6
yb (t)
- −1


η(t) Gsb z

F IGURE 6.12 – Erreur de poursuite en sortie

-
Gep z −1


v(t)
up (t)
?

+ - eu (t)

6
ub (t)
- −1


η(t) Geb z

F IGURE 6.13 – Erreur de poursuite en entrée

• L’erreur de poursuite d’un système asservi est communément définie à partir de la sortie
du système, et non la mesure de la sortie du système, comme suit
∆
eσ (t) = y ∗(t) − yσ (t)

La dynamique d’une telle erreur peut être déduite à partir de l’équation de sortie du sys-
tème asservi, soit

ERP eσ (t) = ec (t) − yp (t) − yb (t)

où {ec (t)} désigne la composante de l’erreur de poursuite associée à la séquence de

consigne {u∗ (t)} donnée par

ec (t) = Gec (z −1 )u∗ (t) (6.25)

 Systèmes asservis 123

avec
−1 −1 −1 −d−1 −1 −1


A(q
∆ )Rd (q ) + B(q ) q Rn (q ) − Rp (q )
Gec (z −1 ) = G ∗ (q −1 ) (6.26)
Pc (q −1 )
L’erreur de poursuite d’un asservissement peut être alors représentée comme l’indique la
figure 6.14 qui permet de mieux percevoir la vraisemblance des effets de la séquence de
référence et des perturbations sur l’erreur de poursuite.

δu∗ (t) u∗(t) ec (t)

- H∗ z −1 - Gec z −1

δv (t) v(t) ep (t) ?

- H z −1 - −Gsp z −1 - +m -



eσ (t)
6

- −Gsb z −1


η(t) eb (t)

F IGURE 6.14 – Erreur de poursuite

Remarque 6.8 Dans le cas des systèmes asservis avec retour unitaire caractérisés par
Rp (q −1 ) = q −d−1 Rn (q −1 ), la fonction de transfert Gec (z −1 ) est simplifiée comme suit

∆ A(q −1 )Rd (q −1 )
Gec (z −1 ) = = S(z −1 )
Pc (q −1 )

Rappelons que la dynamique de poursuite d’un système asservi avec retour unitaire est
donnée par sa fonction de sensibilité complémentaire, soit

DP z −1 = T z −1

Compte tenu des équations du système de commande (6.22)-(6.23), on distingue cinq condi-
tions essentielles pour caractériser la classe des régulateurs admissibles par rapport à l’ultime
motivation d’un asservissement.

C1. Le système de commande réalise les performances dynamiques requises, i.e.


RPD CM (SAS) ⊂ Dsp (6.27)
124 Chapitre 6

C2. Le système de commande est insensible aux bruits de mesures inéluctables, i.e.


IBM {yb (t)} ∈ SAZI et {ub(t)} ∈ SAZI (6.28)

C3. Le système de commande réalise une compensation parfaite des perturbations qui af-
fectent ses performances en sortie, i.e.
n
CPP lim yp (t) = 0 (6.29)
t−→∞

C4. Le système de commande réalise une dépollution du signal de commande des compo-
santes indésirables en sortie si
n
DSC lim uind (t) = 0 avec uind (t) = RS(q −1 )yind (t) (6.30)
t−→∞

où la séquence {yind (t)} englobe l’ensemble des effets des composantes indésirables en
sortie. Cette propriété n’est autre qu’une compensation parfaite des effets des perturba-
tions en sortie sur les performances du système de commande en entrée.

C5. Le système de commande réalise une poursuite admissible (resp. une précision maximale)
si l’erreur de poursuite en sortie (resp. l’erreur de poursuite) est aussi petite que possible,
i.e.

{ey (t)} ∈ SAZI



PA avec (6.31)
 lim e (t) = 0 lorsque η(t) = 0 pour tout t
y
t−→∞

{eσ (t)} ∈ SAZI

  

resp. PM avec  (6.32)
 lim e (t) = 0 lorsque η(t) = 0 pour tout t
σ
t−→∞

Nous donnons dans ce qui suit les propriétés requises pour caractériser la classe des régula-
teurs admissibles par rapport à l’ultime motivation d’un asservissement en supposant qu’il est
asymptotiquement stable.

La condition RPD est naturellement réalisée par les synthèses disponibles modulo une spé-
cification appropriée des paramètres de synthèse associés. Elle requiert que la réduction de la
fraction rationnelle qui conduit à la fonction de transfert en boucle ouverte Go (z −1 ) porte sur
des racines qui sont situées dans le domaine de stabilité et de performances Dsp , soit

pgcd A(z −1 )Rd (z −1 ) , z −d−1 B(z −1 )Rn (z −1 ) = 0 =⇒ z ∈ Dsp

Et comme la fonction de transfert du système est irréductible, elle interdit toute compensation,
par les pôles (resp. les zéros) du régulateur, des zéros (resp. des pôles) du système qui ne sont
pas situées dans le domaine de stabilité et de performances Dsp .
 Systèmes asservis 125

La condition IBM est satisfaite si les fonctions sensibilité T (z −1 ) et RS (z −1 ) réalisent un

filtrage passe-bas. Il suffit de remarquer que l’insensibilité aux bruits de mesure inéluctables est
caractérisée par les fonctions de transfert Gsb (z −1 ) et Geb (z −1 ) et d’appliquer le résultat 5.12.
On notera que la fonction de sensibilité complémentaire d’un asservissement linéaire réalise
naturellement un filtrage passe-bas.

La condition CPP est satisfaite si la propriété suivante est vraie

D(q −1 ) divise E(q −1 )Rd (q −1 )


CPP (6.33)

Une telle propriété est naturellement issue du résultat 5.13, qui est connue dans la littérature
sous l’appellation de principe du modèle interne. Elle requiert que les pôles du générateur des
perturbations qui ne sont pas des zéros de la fonction de transfert Gu (z −1 ) du système sont aussi
des pôles du régulateur R (z −1 ), i.e. le polynôme Rd (q −1 ) est particulièrement factorisé comme
suit

D(q −1 )
Rd (q −1 ) = S(q −1 )Dr (q −1 ) avec Dr (q −1 ) = (6.34)
pgcd (E(q −1 ), D(q −1 ))

Remarque 6.9 Si tous les pôles du générateur des perturbations H (z −1 ) sont aussi des zéros
du système par rapport aux perturbations, on aura naturellement une compensation parfaite
des perturbations par un régulateur admissible sans aucune condition sur la configuration de
ses pôles puisque

pgcd E(q −1 ), D(q −1 ) = D(q −1 ) Dr (q −1 ) = 1

=⇒

Si la configuration des pôles du générateur des perturbations et celle des zéros de la fonction
de transfert Gv (z −1 ) du système sont disjointes, alors la compensation parfaite des perturba-
tions requiert que tous les pôles du générateur des perturbations soient des pôles du régulateur

pgcd E(q −1 ), D(q −1 ) = 1 Dr (q −1 ) = D(q −1 )

=⇒

La condition DSC consiste à bloquer la propagation des composantes indésirables de la sortie

sur la commande du système en supposant que leurs modèles générateurs sont connus : une
spécification qui s’est avérée vitale pour préserver l’état de santé des actionneurs. Supposons
que ces composantes indésirables sont décrites par

Dind (q −1 )yind (t) = Cind (q −1 )δ(t) avec pgcd Dind (q −1 ), A(q −1) = 1


(6.35)

Alors, cette condition est satisfaite par tout asservissement satisfaisant la condition RPD et
vérifiant la propriété suivante

Dind (q −1 ) divise Rn (q −1 )

DSC (6.36)

Une telle propriété est naturellement issue du résultat 5.13 : elle requiert que les pôles du géné-
rateur de la composante indésirable soient des zéros du régulateur, i.e. le polynôme Rn (q −1 ) est
126 Chapitre 6

particulièrement factorisé comme suit

Rn (q −1 ) = R(q −1 )Dind (q −1 ) (6.37)

Remarque 6.10 La compensation parfaite des perturbations en sortie du système (resp. des
composantes indésirables de la sortie en entrée du système) requiert d’assigner une partie des
pôles (resp. des zéros) du régulateur comme l’indique l’expression (6.34) (resp. (6.37)). Il a été
montré dans plusieurs études, motivées par l’affinement des performances nominales et de la
robustesse en stabilité des systèmes de commande, qu’un assignement d’une partie des pôles
d’un régulateur doit être accompagnée d’un assignement d’une partie de ses zéros même si
la compensation des composantes indésirables de la sortie ne fait pas partie du cahier des
charges. Rn (q −1 ) est généralement factorisé comme suit

 Dind (q −1 ) si la DSC est requise
Rn (q −1 ) = R(q −1 )Dc (q −1 ) avec Dc (q −1 ) =
Dapa (q −1 ) autrement


où Dapa (q −1 ) est un paramètre de synthèse auxiliaire que l’on peut utiliser judicieusement
pour affiner le modelage des fonctions de sensibilité usuelles du système de commande, e.g.
Dapa (q −1 ) = 1 + q −1 .

La condition PA est naturellement satisfaite si les conditions IBM et CPP sont satisfaites
puisque ey (t) = yp (t) + yb (t). On distingue deux solutions selon la configuration des zéros du
système qui est invariante par rétroaction.

• Une poursuite parfaite définie par

yr (t) = y ∗(t) pour tout t


PP

ou d’une manière équivalente

B(z −1 )Rp (z −1 )

PP DP(z −1 ) = G ∗ (z −1 ) ⇐⇒ = 1 pour tout z ∈ C
Pc (z −1 )
Les zéros de la fonction de transfert Gu (z −1 ) du système sont nécessairement des modes
du système asservi et doivent être situés dans le domaine de stabilité et de performances
requis, i.e.
CZ Gu (z −1 ) ⊂ Dsp ⊂ Dsa

On notera que cette condition est beaucoup plus une exception qu’une règle dans la pra-
tique comme l’indique la remarque (4.4). Par ailleurs, il est important de remarquer que
l’erreur de poursuite en sortie est identique à l’erreur de poursuite dans le cas d’une pour-
suite parfaite.

DP(z −1 ) = G ∗ (z −1 ) =⇒ ey (t) = eσ (t) pour tout t ∈ R

 Systèmes asservis 127

• Une poursuite semi-parfaite définie par

1

PSP yr (t) = βB(q −1 )y ∗ (t) pour tout t avec β =
B(1)
ou d’une manière équivalente

DP(z −1 ) = βB(z −1 )G ∗ (z −1 ) ⇐⇒ Rp (z −1 ) = βPc (z −1 )


PSP

Le scalaire β est essentiellement introduit pour réaliser la propriété élémentaire d’une

dynamique de poursuite, en l’occurrence un gain statique unitaire, qui requiert que la
fonction de transfert Gu (z −1 ) du système n’admette aucun zéro en un, i.e.

B(1) 6= 0

On notera que les erreurs de poursuite d’entré-sortie d’un système asservi réalisant une
poursuite semi-parfaite sont respectivement données par

 ey (t) = yσ (t) − B(q −1 )βy ∗(t)
ERPSP
eu (t) = u(t) − A(q −1 )βy ∗(t + d + 1)


La condition PM requiert une compensation parfaite des composantes {er (t)} et {ep (t)} de
l’erreur de poursuite. L’essence d’une telle compensation peut être mieux apprécié si l’on récrit
le modèle de commande en substituant l’erreur de poursuite à la sortie du système, soit

 A(q −1 )eσ (t) = −B(q −1 )u(t − d − 1) − E(q −1 )v(t) + A(q −1 )y ∗ (t)
MC (6.38)
−1 −1
D(q )v(t) = C(q )δv (t)


En effet, cette expression du modèle de commande permet d’interpréter la précision maximale

comme un objectif de régulation de l’erreur de poursuite pourvu que la séquence de référence
soit considérée comme une perturbation dont le modèle générateur est connu, soit
 ∗ −1 ∗
 A (q )y (t) = B ∗ (q −1 )u∗ (t − d − 1)
MGR (6.39)
D ∗ (q −1 )u∗ (t) = C ∗ (q −1 )δ ∗ (t)


où {δ ∗ (t)} est une impulsion d’amplitude u∗ . En effet, le résultat 5.13 suggère de réaliser l’ob-
jectif PM par un asservissement avec retour unitaire satisfaisant la propriété

D(q −1 ) divise E(q −1 )Rd (q −1 ) et D ∗ (q −1 ) divise A(q −1 )Rd (q −1 )


PM (6.40)

Ainsi, on peut postuler naturellement que la précision maximale est réalisable par un asser-
vissement avec retour unitaire satisfaisant la condition RPD si et seulement si les pôles du
générateur des perturbations qui ne sont pas des zéros de la fonction de transfert Gv (z −1 ) du
système et les pôles du générateur de la séquence de points de consigne qui ne sont pas des
pôles du système sont des pôles du régulateur, i.e. la structure d’un tel régulateur est particuliè-
rement donnée par
128 Chapitre 6

R(z −1 )
R(z −1 ) = (6.41)
S(z −1 )Dr (z −1 )
avec
D ∗ (ρ) D(z −1 )
 
−1
Dr (z ) = ppcm , (6.42)
pgcd (A(z −1 ), D ∗ (z −1 )) pgcd (E(z −1 ), D(z −1 ))

Compte tenu de toutes les propriétés données ci-dessus, on distingue deux classes de régulateurs
admissibles par rapport à l’ultime motivation d’un asservissement selon l’objectif de poursuite
considéré

• Dans le cas d’une poursuite admissible, la classe des régulateurs admissibles est donnée
par

−1 −1 −1 −1 −1 ∗
 S(q )Dr (q )u(t) + R(q )Dc (q )y(t) = T (q )y (t + d + 1)

REG (6.43)
∗ −1 ∗ ∗ −1 ∗

 A (q )y (t + d + 1) = B (q )u (t)
avec
Pc (z −1 ) = 0 =⇒ z ∈ Dsp (6.44)

D(z −1 )
Dr (q −1 ) = (6.45)
pgcd (E(z −1 ), D(z −1 ))

−1
 Dind (q ) si la DSC est requise

Dc (q −1 ) = (6.46)
 D (q −1 )

autrement
apa

−1

 βPc (q ) dans le cas d’une PSP

T (q −1 ) = Pc (q −1 ) (6.47)
 dans le cas d’une PP
B(q −1 )


• Dans le cas d’une précision maximale, la classe des régulateurs admissibles est donnée
par
S(q −1 )Dr (q −1 )u(t) = R(q −1 )Dc (q −1 ) (y ∗ (t) − y(t))




REG A∗ (q −1 )y ∗ (t) = B ∗ (q −1 )u∗ (t − d − 1) (6.48)


D ∗ (q −1 )u∗ (t) = C ∗ (q −1 )δ ∗ (t)

avec
Pc (z −1 ) = 0 =⇒ z ∈ Dsp (6.49)

D ∗ (q −1 ) D(z −1 )
 
−1
Dr (q ) = ppcm , (6.50)
pgcd (A(q −1 ), D ∗ (q −1 )) pgcd (E(q −1 ), D(q −1))

−1
 Dind (q ) si la DSC est requise

Dc (q −1 ) = (6.51)
 D (q −1 )

autrement
apa
 Systèmes asservis 129

où Dapa (q −1 ) est un paramètre de synthèse que l’on peut utiliser pour réaliser un compromis
admissible entre les performances nominales et la robustesse en stabilité, notamment

Dc (z −1 ) = 1 + z −1 lim T ejωTe = 0 et lim RS ejωTe = 0

=⇒
ω→ωn ω→ωn

Remarque 6.11 La structure de régulateur est obtenue à partir de la structure générale (6.4)
modulo un assignement d’une partie de la configuration des pôles et des zéros du régulateur et
un changement de notation particulièrement motivé par des considérations de conformité aux
notations communément utilisées dans la littérature où la structure RST s’est imposée par les
récents acteurs de la régulation industrielle.

Remarque 6.12 Le cas D(q −1 ) = 1 − q −1 permet d’incorporer une action intégrale explicite
dans le système de commande indépendamment de la méthode de sa synthèse. On assure ainsi
une compensation des perturbations du type échelon. Cette propriété représente l’essence des
performances de la commande PID qui domine encore le marché de la régulation industrielle
en dépit de sa grande sensibilité par rapport aux bruits de mesure.

Remarque 6.13 La précision maximale est une poursuite parfaite d’une séquence de référence
spécifique modulo une configuration des pôles du régulateur élargie aux pôles du modèle géné-
rateur de la séquence de consigne en vertu du célèbre principe du modèle interne. La structure
du régulateur est relativement complexe par rapport au cas d’une poursuite admissible dans le
cas où la nature de la séquence de consigne est différente de celles des perturbations. Néan-
moins, la précision maximale est satisfaite en dépit des erreurs de modélisation inéluctables
tant que la stabilité du système asservi est préservée. Cette robustesse en performance n’est
pas satisfaite dans le cas d’une poursuite admissible qui requiert une modélisation parfaite
par rapport aux performances en régulation requises. On peut alors postuler que dans le cas
usuel où les perturbations sont ramenées en entrée et en sortie et sont de même nature que la
séquence de consigne, la précision maximale s’impose à la poursuite parfaite par son privilège
de robustesse. Le problème 6.3 permet de mieux apprécier un tel privilège.

La table 9.2 précise la classe des régulateurs admissibles par rapport aux spécifications élé-
mentaires d’un asservissement que l’on peut représenter comme l’indique la figure 6.15. Les
conditions requises sur le système et la structure adéquate du régulateur sont données en fonc-
tion du modèle du système et des modèles générateurs des perturbations et des séquences de
référence et de consigne.

Rappelons que le système et modèle générateur des perturbations sont respectivement décrits
par les fonctions de transfert

z −d−1 B(z −1 ) E(z −1 )

 
−1 −1
Gu (z ) = , Gv (z ) =
A(z −1 ) A(z −1 )
et
C(z −1 )
H(z −1 ) =
D(z −1 )
130 Chapitre 6

Et que le régulateur et les générateurs des séquences de référence et de consigne sont respecti-
vement données par les fonctions de transfert

Rn (z −1 ) Rp (z −1 )
 
−1 −1
Rr (z ) = , Rp (z ) =
Rd (z −1 ) Rd (z −1 )

et
z −d−1 B ∗ (z −1 ) ∗ −1 C ∗ (z −1 )
 
∗ −1
G (z ) = , H (z ) =
A∗ (z −1 ) D ∗ (z −1 )

Par ailleurs, on utilisera les notations suivantes pour simplifier le remplissage du tableau.

D (z −1 )
Drp z −1 =


pgcd (D (z −1 ) , B (z −1 ))

et
D ∗ (z −1 )
Drc z −1 =


pgcd (D ∗ (z −1 ) , A (z −1 ))

δu∗ (t + d + 1) δv (t)
 
MGC MGP

u∗ (t + d + 1)
y ∗ (t + d + 1) v(t)
- - yσ (t)
- -
MGR - REG - SYS
y(t) u(t)

?
+k
F IGURE 6.15 – Système asservi η(t)
 Systèmes asservis 131

Conditions Structure
ADP Propriétés du
requises Régulateur

SPD CM (SAS) ⊂ Dsp Pc (z −1 ) ∈ Rsp [z −1 ]

{yb (t)} ∈ SAZI Tsb (z −1 ) ∈ EF PB

IBM et et Dc (z −1 ) = 1 + z −1
−1
{eb (t)} ∈ SAZI Teb (z ) ∈ EF PB

D(z −1 ) Rd (z −1 ) = Dr (z −1 )S(z −1 )
CPP lim yp (t) = 0 divise ↑
t→∞
E(z −1 )Rd (z −1 ) Drp (z −1 )

Dind (z −1 ) Rn (z −1 ) = Dc (z −1 )R(z −1 )
DSC lim uind (t) = 0 divise ↑
t→∞
Rn (z −1 ) Dind (z −1 )

D(z −1 )
divise T (z −1 ) = Dc (z −1 )R(z −1 )
lim yp (t) = 0 E(z −1 )Rd (z −1 ) et
t→∞
PM et et Rd (z −1 ) = Dr (z −1 )S(z −1 )
lim ec (t) = 0 D (z −1 )
∗
↑
t→∞
divise ppcm (Drp (z −1 ), Drc (z −1 ))
A(z )Rd (z −1 )
−1

Pc (z −1 )
PP Gsr (z) = z −d−1 CZ (SYS) ⊂ Dsp T (z −1 ) =
B(z −1 )

Gsr (z −1 )
PSP = 1∈
/ CZ (SYS) T (z −1 ) = βPc (z −1 )
βz −d−1 B(z −1 )

TABLE 6.1 – Propriétés fondamentales d’un asservissement

132 Chapitre 6

6.4 Robustesse en stabilité

La robustesse en stabilité d’un système asservi est étroitement liée à son aptitude à préserver sa
stabilité en présence des erreurs de modélisation inéluctables. On distingue deux résultats fon-
damentaux pour étudier la robustesse en stabilité, en l’occurrence le célèbre critère de N yquist
et le théorème des petits gains. Le critère de N yquist est une ingénieuse application du principe
de l’argument que nous rappelons ci-dessous.

Résultat 6.1 Soient C un contour simple fermé parcouru dans le sens trigonométrique et F
une application complexe analytique à l’intérieur et sur le contour C, sauf éventuellement en
un nombre fini de pôles de F (z) à l’intérieur de C, et qui ne s’annule pas sur le contour C. Alors
la relation suivante est satisfaite.
F (C)
Nt/o = Nzi − Npi
F (C)
où Nt/o désigne le nombre de tours, comptés dans le sens trigonométrique, autour de l’origine
de l’image par la fonction F du contour C, soit la courbe F (C), Nzi et Npi sont respectivement les
nombres de zéros et de pôles de F (z) à l’intérieur du contour C, en comptant leurs multiplicités.

6.4.1 Critère de N yquist

Le système à rétroaction de la figure 6.16 est semblable au système asservi du point de vue de
l’analyse de la stabilité puisque la séquence de référence et les perturbations qui n’ont aucune
influence sur la propriété de stabilité.

y ∗(t) -±
m - Go(z) - y(t)
6

F IGURE 6.16 – Système à rétroaction

Le critère de N yquist a été principalement développé pour l’analyse de la stabilité des systèmes
à rétroaction de la figure 6.16 à partir du lieu N yquist de leur fonction de transfert en boucle
ouverte Go (z) qui n’est autre que l’image par la fonction complexe Go du contour de N yquist
Cn , soit Go (Cn ). Le contour de N yquist Cn est un contour parcouru dans le sens trigonométrique
et formé par le cercle de centre l’origine et de rayon unité éventuellement modifié pour éviter,
arbitrairement par l’extérieur, les pôles de la fonction de transfert Go (z) qui se trouvent sur le
cercle unité par des demi-cercles de rayon infiniment petit centré en ces pôles.

Le résultat suivant représente l’essence du critère de N yquist qui permet d’analyser la stabi-
lité du système à rétroaction de la figure 6.16 à partir du lieu de N yquist de sa fonction de
transfert en boucle ouverte Go (Cn ) et du nombre de ses pôles à l’extérieur du domaine de stabi-
lité Dsa .

Résultat 6.2 Le système à rétroaction de la figure 6.16 est stable si et seulement si l’image du
contour de N yquist par l’application Go : z −→ Go (z) entoure le point critique (−1 , j0)
 Systèmes asservis 133

dans le sens trigonométrique un nombre de fois égal au nombre de pôles, en comptant leurs
multiplicités, de Go (z) à l’extérieur du cercle unité.

Preuve. Considérons la fonction complexe définie par la différence de retour

Dr : z ∈ C −→ Dr (z) ∈ C

et le contour de N yquist Cn . On notera que Dr (z) n’admet aucun pôle sur le contour de N yquist
par construction et ne doit pas s’y annuler dans la mesure où le lieu de N yquist de la fonction
de transfert en boucle ouverte Go (z) ne doit pas passer par le point critique (−1 , j0), que les
pôles des fonctions de transfert Go (z) et Dr (z) sont identiques et que le système à rétroaction
est stable si et seulement si les zéros de la fonction de transfert Dr (z) sont situés dans le do-
maine de stabilité. Les applications complexes Go : z −→ Go (z) et Dr : z −→ Dr (z) sont alors
analytiques sur le contour de N yquist et à l’intérieur de ce contour sauf éventuellement en un
nombre fini de pôles. Le résultat 6.1 permet alors de conclure que la variation de l’argument de
Dr (z) le long du contour de N yquist Cn est donnée par

∆Cn (Dr (z)) = 2π Nzi − Npi

où Nzi et Npi désignent respectivement le nombre de zéros et de pôles, en comptant leurs multi-
plicités, de Dr (z) à l’intérieur du contour de N yquist. Comme les nombres de pôles et de zéros
de Dr (z) sont égaux, on aura
∆Cn (Dr (z)) = 2π Npe − Nze

où Nze et Npe désignent respectivement le nombre de zéros et de pôles, en comptant leurs multi-
plicités, de Dr (z) à l’extérieur du contour de N yquist. Les zéros de Dr (z) sont tous à l’intérieur
du cercle unité si et seulement si Nze = 0, soit

∆Cn (Dr (z)) = 2πNpe

Par ailleurs, il suffit de remarquer que lorsque z parcourt le contour de N yquist, l’argument de
Dr (z) varie de 2π et donc l’image du contour de N yquist par Dr (Dr (Cn )) entoure une fois
l’origine dans le sens trigonométrique. La condition
∆Cn (Dr (z)) = 2πNpe

est satisfaite si et seulement si la courbe Dr (Cn ) entoure l’origine dans le sens trigonométrique
Npe fois. Le critère de N yquist se déduit alors du fait que le nombre de tours de la courbe Dr (Cn )
autour de l’origine est égal au nombre de tours du lieu de N yquist Dr (Cn ) autour du point cri-
tique (−1, j0).
CQF D.

Les remarques suivantes précisent la généralité du critère de N yquist tout en mettant en évi-
dence sa simplicité.

Remarque 6.14 Comme la fonction de transfert en boucle ouverte Go (z) est propre et à coef-
ficient réels, le lieu de N yquist Go (Cn ) peut être facilement obtenu à partir du diagramme de
N yquist de Go (z). On peut ainsi analyser la stabilité d’un système avec rétroaction à partir de
l’information contenue dans sa fonction de transfert harmonique en boucle ouverte.
134 Chapitre 6

Remarque 6.15 Le théorème de N yquist ne peut être appliqué lorsque Dr (z) s’annule sur
le contour de N yquist. Cette situation signifie que l’équation Go (z) = −1 possède une ou
plusieurs solutions sur le contour de N yquist et par conséquent la courbe Go (Cn ) doit passer
par le point critique (−1 , j0). Le système avec rétroaction n’est donc pas stable au sens EBSB
car il admet des pôles sur le cercle unité.

Si la transformation Go : z −→ Go (z) est conforme sur le contour de N yquist , soit

d
Go est analytique sur Cn et (Go (z)) 6= 0 pour tout z ∈ Cn ,
dz
alors elle préserve les angles et les orientations. Une telle propriété conduit à la règle du revers
qui n’est autre qu’une version simplifiée du critère de N yquist.

Résultat 6.3 Supposons que la transformation Go est conforme sur le contour de N yquist,
alors le système à rétroaction de la figure 6.16 est stable si et seulement si lorsqu’on parcourt
le diagramme de N yquist de la fonction de transfert en boucle ouverte sous-jacente, dans le
sens des pulsations croissantes, on laisse le point critique (−1 , j0) à gauche.

Remarque 6.16 La propriété de conformité requise n’est manifestement pas vérifiée dans le
cas général et plus particulièrement dans le cas où les fonctions de transfert en boucle ouverte
Go (z) admettent des pôles et des zéros à l’extérieur du domaine de stabilité. On notera néan-
moins que le critère du revers est utilisé dans la plupart des études de stabilité des systèmes
de commande marginalement stables en boucle ouverte. Ces derniers sont beaucoup plus une
règle qu’une exception dans le contexte de régulation industrielle.

ℑ6 Go (ejωTe )

 -
1
MG

−1 -
j ℜ Go (ejωTe )


MM
MΦ

F IGURE 6.17 – Marges de stabilité

L’importance du critère de N quist réside dans le fait qu’il fournit des marges de stabilité in-
trinsèques du système avec rétroaction, en l’occurrence certaines distances du point critique
(−1 , j0) au diagramme de N quist de la fonction de transfert en boucle ouverte comme l’in-
dique la figure 6.17. On distingue
 Systèmes asservis 135

• La marge de gain MG qui est le facteur par lequel le gain de la fonction de transfert
en boucle ouverte peut être multiplié pour atteindre la limite de la stabilité. Elle est alors
égale à l’inverse du gain de la fonction de transfert harmonique en boucle ouverte du sys-
tème à la pulsation critique ωc correspondant à un déphasage de π, soit
1
MG = avec Arg(Go(ejωc Te )) = π
|Go (ejωc Te )|

La marge de gain est généralement exprimée en dB et doit être telle que MG ∈ [4dB, 6dB]
conformément aux règles d’une bonne pratique de la régulation industrielle.

Lorsque le diagramme de N quist de la fonction de transfert en boucle ouverte croise

l’axe réel à plusieurs pulsations ωci pour i ∈ [1, n] caractérisées par un déphasage de
(2i + 1)π pour i ∈ [1, n] et des gains critiques |Go (e−jωci Te )|, la marge de gain est définie
par l’intervalle [MGmin , MGmax ] avec
 
1 jωci Te
MGmax = min avec |Go (e )| < 1
i∈[0, n] |Go (ejωci Te )|
et  
1 jωci Te
MGmin = max avec |Go (e )| > 1
i∈[1, n] |Go (ejωci Te )|

• La marge de phase MΦ qui est la perte de phase mesurée sur le cercle unité qui amène à
la limite de la stabilité. C’est donc la phase qu’il faut ajouter au déphasage de la fonction
de transfert harmonique en boucle ouverte du système avec rétroaction pour obtenir un
déphasage total de π à la pulsation de croisement ωx pour laquelle le gain du système en
boucle ouverte est unitaire, soit
MΦ = Arg(Go (ejωx Te )) − π avec |Go (ejωx Te )| = 1
La marge de phase est souvent mesurée en degrés et doit être telle que MΦ ∈ [30o , 60o]
conformément aux règles d’une bonne pratique de la régulation industrielle.

Lorsque le diagramme de N quist de la fonction de transfert en boucle ouverte croise

le cercle unité à plusieurs pulsations de croisement ωxi pour i ∈ [1, n] caractérisées par
des marges de phase MΦi pour i ∈ [1, n], la marge de phase du système avec rétroaction
est donnée par
MΦ = min {MΦi }
i∈[1, n]

• La marge de retard MR qui est le retard que l’on peut ajouter au modèle de commande
pour atteindre la limite de la stabilité. C’est le rapport de la marge de phase à la pulsation
de croisement ωx pour laquelle elle a été calculée, soit
MΦ
MR =
ωx
Lorsque le diagramme de N quist de la fonction de transfert en boucle ouverte croise le
cercle unité à plusieurs pulsations de croisement ωxi pour i ∈ [1, n] caractérisées par des
marges de retard MRi pour i ∈ [1, n], la marge de retard du système avec rétroaction est
donnée par
MR = min MRi
i∈[1, n]
136 Chapitre 6

• La marge de module MM qui est le rayon du cercle centré en le point critique (−1, j0)
et tangent au diagramme de N quist de la fonction de transfert en boucle ouverte du sys-
tème avec rétroaction, soit
1
MM = min |1 + Go (ejωTe )| ou = max | S(ejωTe ) |
ω∈[0,ωn ] MM ω∈[0,ωn ]

où S(z) désigne la fonction de sensibilité du système avec rétroaction. Notons qu’une

bonne marge de gain, respectivement une bonne marge de phase, ne suffit pas à assurer
une distance raisonnable entre le point critique (−1, j0) et le diagramme de N quist de
la fonction de transfert en boucle ouverte. La marge du module est une mesure globale
d’une telle distance et peut être interprétée comme une marge de gain et de phase puisque
1 MM
MG ≥ et MΦ ≥ 2 arcsin
1 − MM 2
La bonne pratique de la régulation industrielle suggère une marge du module dans l’in-
tervalle [−8dB, −6dB].

Ces aspects montrent l’intérêt du critère N quist pour l’analyse et la synthèses des systèmes
asservis.

6.4.2 Théorème des petits gains

L’aptitude des systèmes de commande à préserver leur stabilité en présence des erreurs de mo-
délisation est illustrée à travers le théorème des petits gains qui est communément utilisé dans
les études de robustesse des systèmes linéaires asservis ([10]), [24]).

Résultat 6.4 Le système avec rétroaction de la figure 6.18 est stable pour toute fonction de
transfert ∆(z) propre, stable et telle que
|∆ ejωTe | ≤ γ pour tout ωTe ∈ [−π, +π]

si et seulement la fonction de transfert Σ(z) est propre, stable et telle que

1
|Σ ejωTe | <


pour tout ωTe ∈ [−π, +π]
γ

∆(z) 

- −Σ(z)
F IGURE 6.18 – Système de contre-réaction usuel

Le concept de robustesse en stabilité peut être étudié en supposant que le comportement d’entrée-
sortie du système est décrit par un modèle de commande nominal G(z) et ses incertitudes ∆(z).
 Systèmes asservis 137

Ces erreurs de modélisation sont dites non-structurées par opposition aux erreurs de modéli-
sation structurées qui portent sur les paramètres du modèle de commande ([6], [24]). Notons
que la séquence de référence comme les perturbations de charge et les bruits de mesure ont été
occultées dans la mesure où ils n’ont aucune influence sur les conditions de stabilité et de sa
robustesse.

La représentation des incertitudes du modèle de commande peut revêtir plusieurs formes comme
l’indiquent les figures 6.19 à 6.24 qui représentent les systèmes de commande correspondants.
On distingue les formes additives directe et inverse, les formes multiplicatives directes et in-
verses à l’entrée et à la sortie du système à commander. Le choix d’une forme ou d’une autre
dépend de la connaissance du système et des propriétés du système de commande que l’on sou-
haite mettre en évidence. Les formes additives sont généralement utilisées pour représenter les
erreurs de modélisation sur toute la bande de fréquences. Les formes multiplicatives directes
sont généralement utilisées pour représenter les erreurs de modélisation sur les actionneurs et
les capteurs, alors que les formes multiplicatives inverses sont généralement utilisées pour re-
présenter les variations des paramètres du modèle de commande.

w(t) z(t)
- ∆(z)

 ?

− -

R(z) - G(z) - Σ

-
6

F IGURE 6.19 – Système de commande : forme additive directe

z(t) w(t)
∆(z)

 ?

− -

R(z) -∓

- G(z) -
6

F IGURE 6.20 – Système de commande : forme additive inverse

138 Chapitre 6

w(t) z(t)
- ∆(z)

?
l-
− R(z) - Σl - G(z) -
6

F IGURE 6.21 – Système de commande : forme multiplicative directe en entrée

w(t) z(t)
- ∆(z)

?
−l - R(z) - G(z) - Σl -
6

F IGURE 6.22 – Système de commande : forme multiplicative directe en sortie

z(t) w(t)
∆(z) 

?
−l - R(z) - ∓l - G(z) -
6

F IGURE 6.23 – Système de commande : forme multiplicative inverse en entrée

z(t) w(t)
∆(z) 

?
- - ∓l -
−l - R(z) G(z)
6

F IGURE 6.24 – Système de commande : forme multiplicative inverse en sortie

 Systèmes asservis 139

On montre facilement que tous les systèmes de commande considérés peuvent se mettre sous
la forme standard de la figure 6.18 où Σ(z) désigne la fonction de transfert qui relie la sortie
du bloc d’incertitude {s(t)} à son entrée {e(t)}. Les fonctions de transfert Σ(z) peuvent être
déterminées après quelques simples manipulations algébriques comme suit
• Pour la forme additive directe (figure 6.19), le système est décrit par

P(z) = G(z) + ∆(z)

On aura donc
E(z) = −R(z) (G(z)E(z) + S(z))
1
= − R(z) S(z)
1 + R(z)G(z)
= −S(z)R(z) S(z)

• Pour la forme additive inverse (figure 6.20), le système est décrit par
1 1 1
= + ∆(z) ou P(z) = G(z)
P(z) G(z) 1 + G(z)∆(z)
On aura donc
E(z) = G(z) (−R(z)E(z) − S(z))
1
= − G(z)S(z)
1 + G(z)R(z)
= −S(z)G(z) S(z)

• Pour les formes multiplicatives directes à l’entrée et la sortie (figures 6.21 et 6.22), le
système est décrit par

P(z) = G(z) (1 + ∆(z)) ou P(z) = (1 + ∆(z)) G(z)

On aura donc
E(z) = −R(z)G(z) (E(z) + S(z))
R(z)G(z)
= − S(z)
1 + R(z)G(z)
= −T (z) S(z)

• Pour les formes multiplicatives inverses à l’entrée et à la sortie (figures 6.23 et 6.24 ), le
système est décrit par
1 1
P(z) = G(z) ou P(z) = G(z)
1 + ∆(z) 1 + ∆(z)
On aura donc
E(z) = −S(z) − R(z)G(z)E(z)
1
= − S(z)
1 + R(z)G(z)
= −S(z) S(z)

où P(z) désigne la fonction de transfert du système et E(z) et S(z) sont respectivement les
transformées en z de l’entrée {e(t)} et la sortie {s(t)} du bloc d’incertitude.
140 Chapitre 6

La table 6.2 donne la fonction de transfert Σ(z) pour chaque forme d’incertitude. Les conditions
de robustesse en stabilité peuvent alors être obtenues à partir du théorème des petits gains sous
la forme du résultat 6.4. Ce résultat précise la classe des erreurs de modélisation admissibles
en supposant que les incertitudes du modèle de commande ∆(z) sont des fonctions de transfert
propres et stables et fournit la valeur maximale admissible sur leur module.

Forme d’incertitude Fonction de sensibilité Σ(z)

Forme additive directe − RS(z)
Forme additive inverse − GS(z)
Forme multiplicative directe − T (z)
Forme multiplicative inverse − S(z)

TABLE 6.2 – Quantificateurs de robustesse en stabilité

Remarque 6.17 L’hypothèse de stabilité peut être relâchée si l’on utilise le théorème de N quist
au lieu du théorème des petits gains ([24], [10]). La condition de stabilité devient une condition
d’égalité entre les pôles instables du système et ceux du modèle nominal.

6.5 Modelage des fonctions de sensibilité

Les fonctions de sensibilité usuelles représentent aussi bien des quantificateurs de performances
nominales que des mesures de robustesse en stabilité. On utilise généralement une procédure
itérative qui consiste à repenser la spécification des paramètres de synthèse tant que les formes
des fonctions de sensibilité usuelles ne sont pas jugées satisfaisantes. Néanmoins, on ne peut pas
réaliser un modelage arbitraire des fonctions de sensibilité à cause des propriétés structurelles
du système et des diverses contraintes intégrales et algébriques sur les fonctions de sensibi-
lité. Ces contraintes dépendent particulièrement de la configuration pôles-zéros de la fonction
de transfert en boucle ouverte du système de commande. Une analyse compréhensive de ce
problème a été faite dans [15] et [21]. On distingue plus particulièrement les deux contraintes
suivantes.
• Contrainte algébrique usuelle sur les fonctions de sensibilité. Les fonctions de sensi-
bilité et de sensibilité complémentaire vérifient la propriété remarquable

S(z −1 ) + T (z −1 ) = 1 pour tout z ∈ C

Les performances d’un système de commande ne peuvent être réalisées conjointement

pour toutes les fréquences. Comme les bruits de mesure sont plutôt dominants pour les
hautes fréquences et que les effets des perturbations de charge sont particulièrement cru-
ciaux pour les basses fréquences, il est naturel de chercher à réduire le gain de la fonction
de sensibilité S(z −1 ) (resp. la fonction de sensibilité complémentaire T (z −1 ) ) en basses
fréquences (resp. en hautes fréquences). Par ailleurs, on montre aisément que les condi-
tions de performances nominales et de stabilité robuste données par les fonctions de sen-
sibilité et de sensibilité complémentaire peuvent être exprimées en des conditions sur le
gain en boucle ouverte du système de commande pourvu que ce dernier soit relativement
 Systèmes asservis 141

grand aux basses fréquences et suffisamment faibles aux hautes fréquences, soit

|G(e−jωT )||R(e−jωT )| < WS (ω) pour tout ω ≤ ωb

et
|G(e−jωT )||R(e−jωT )| < WT (ω) pour tout ω ≤ ωh

où WS (ω) et WT (ω) dépendent des pondérations considérées. Ces conditions définissent

un gabarit fréquentiel sur la fonction de transfert en boucle ouverte du système de com-
mande qui est connu sous l’appellation ”open loop gain shaping” dans la littérature an-
glophone.

• Contrainte intégrale sur la fonction de sensibilité. Considérons un système de com-

mande asymptotiquement stable et supposons que sa fonction de transfert en boucle ou-
verte Go (z −1 ) a un degré relatif nr ≥ 1. Alors on a

2π π np
1 1
Z Z X
−jωTe −jωTe





ln | S e | dω = ln | S e | dω = pi
2π o π o i=1

où {pi }i∈[1, np] désigne les pôles instables de la fonction de transfert en boucle ouverte.

Ce résultat permet de mettre en évidence le principe de conservation de la fonction de

sensibilité d’un système de commande et précise sa relation avec les pôles instables de
sa fonction de transfert en boucle ouverte. On notera plus particulièrement que la valeur
exacte de l’intégrale n’est pas importante en elle même. Cependant le fait qu’elle soit
positive signifie que si la fonction de sensibilité admet une bande d’atténuation, alors
elle doit admettre une bande d’amplification. C’est ce que les automaticiens qualifient de
principe de conservation de la sensibilité. Il apparaît clairement que plus la somme des
pôles instables est grande, plus la compensation entre les zones d’attenuation et d’ampli-
fication des perturbations est difficile à réaliser sur une bande de fréquences finie comme
c’est le cas pour les systèmes échantillonnés.

Les gabarits fréquentiels typiques des fonctions de sensibilité usuelles du système de com-
mande consistent en des gains suffisamment faibles aux basses fréquences où les perturbations
de charge sont dominantes et aux hautes fréquences où les bruits de mesure sont prépondé-
rants. Un compromis doit être alors recherché pour réaliser ces performances sur des bandes
de fréquences différentes à travers une pondération fréquentielle adéquate.

6.6 Commande avec modèle interne

La commande avec modèle interne s’est principalement imposée à la régulation industrielle par
sa simplicité et sa robustesse qui ont été particulièrement mises en évidence d’une manière com-
préhensive dans [16]. Le principe de la commande avec modèle interne est très simple comme le
montre la figure 6.25. On distingue un modèle de commande en parallèle avec le système pour
estimer les imperfections de modélisation sous-jacentes et une rétroaction appropriée utilisant
un filtre de robustification pour les atténuer. Un modèle de commande représentant au mieux le
comportement d’entrée-sortie du système peut être aisément élaboré sous la bénédiction du po-
tentiel disponible en matière de l’identification des systèmes, en l’occurrence des approches de
142 Chapitre 6

modélisation expérimentales éprouvées. Quant au filtre de robustification, il est spécifié conve-

nablement en fonction des spécifications requises, notamment les performances dynamiques,
l’insensibilité aux bruits de mesure inéluctables et la robustesse en stabilité qui est impérative
pour pallier le problème des erreurs de modélisation inéluctables.

v(t) η(t)

? ?
y ∗(t) FILTRE u(t) y(t)
-±
n - DE - SYSTEME -
6 ROBUSTESSE

MODELE ?

- DE -±

COMMANDE

F IGURE 6.25 – Commande avec modèle interne

Supposons que le système est parfaitement décrit par les fonctions de transfert Gu (z −1 ) et
Gv (z −1 ) et que le filtre dr robustification est décrit par la fonction de transfert F (z −1 ). Ces
fonctions de transfert sont respectivement données par

−1
E(z −1 ) Fn (z −1 )
 
−1 −d−1 B(z ) −1 −1
Gu (z ) = z , Gv (z ) = et F (z ) =
A(z −1 ) A(z −1 ) Fd (z −1 )

Alors, la loi de commande avec modèle interne peut être facilement obtenue à partir du dia-
gramme fonctionnel du système de commande correspondant, soit

(1 − F (z −1 )G(z −1 )) U(z) = F (z −1 ) (Y ∗ (z) − Y (z))


CMI

Il s’agit d’un régulateur avec retour unitaire dont la fonction de transfert est donnée par

−1 F (z −1 ) A(z −1 )Fn (z −1 )
R(z )= = (6.52)
1 − F (z −1 )G(z −1 ) A(z −1 )Fd (z −1 ) − z −d−1 B(z −1 )Fn (z −1 )
 Systèmes asservis 143

et que l’on peut récrire sous la forme usuelle

Rd (q −1 )u(t) + Rn (q −1 )y(t) = Rn (q −1 )y ∗(t)


CMI (6.53)

avec

Rd (q −1 ) = A(q −1 )Fd (q −1 ) − q −d−1 B(q −1 )Fn (q −1 ) (6.54)

Rn (q −1 ) = A(q −1 )Fn (q −1 ) (6.55)

Compte tenu des résultats fondamentaux des systèmes asservis présentés tout au long de ce
chapitre, on peut en déduire naturellement les aspects fondamentaux suivants des systèmes de
commande avec modèle interne.

• Le polynôme caractéristique du système de commande avec modèle interne est donné par

Pc (z −1 ) = A(z −1 )A(z −1 )Fd (z −1 )

Les systèmes de commande sont donc stables si et seulement si le système et le filtre

de robustification sous-jacent sont stables. Ainsi, la commande avec modèle interne n’est
admissible que pour les systèmes dont les pôles sont situés dans le domaine de stabilité
et de performances et requiert une spécification adéquate du filtre de robustification, no-
tamment des pôles situés dans le domaine de stabilité et de performances.

• La dynamique de poursuite d’un système de commande avec modèle interne est donnée
par la fonction de transfert

DP(z −1 ) = G(z −1 )F (z −1 )G ∗ (z −1 )

Et comme le modèle générateur de la séquence de référence a un gain statique unitaire,

i.e. G ∗ (1) = 1, on aura une dynamique de poursuite de gain statique unitaire pourvu que
le gain statique du filtre de robustification soit inversement proportionnel à celui du mo-
dèle de commande, soit F (1)G(1) = 1. Par ailleurs, elle peut être réduite en choisissant
judicieusement le filtre de robustification, notamment

Fn (z −1 ) = A(z −1 )H(z −1 ) et Fd (z −1 ) = Bsp (z −1 )F (z −1 )

avec
B(z −1 ) = Bsp (z −1 )Bsp −1
¯ (z )

où Bsp (z −1 ) ( resp. Bsp −1

¯ (z ) ) comprend tous les zéros situés dans le domaine de stabi-
lité et de performances ( resp. tous les zéros situés à l’extérieur du domaine de stabilité et
de performances) et la paire polynomiale (H(z −1 ) , F (z −1 )) est spécifiée conformément
aux propriétés de robustesse requises.
144 Chapitre 6

• La dynamique de régulation d’un système de commande avec modèle interne est caracté-
risée par les fonctions de transfert

E(z −1 )Rd (z −1 ) z −d−1 B(z −1 )Fn (z −1 )

 
−1
DR(z ) = −
A(z −1 )A(z −1 )Fd (z −1 ) A(z −1 )Fd (z −1 )

qui représentent respectivement les effets des perturbations et des bruits de mesure sur la
sortie du système. La structure de ces fonctions de transfert suggère deux propriétés de la
commande avec modèle interne. La première conforte le filtrage intrinsèque des bruits de
mesure en sortie. La seconde propriété résulte naturellement du fait que le filtre de robus-
tification est spécifié de manière à réaliser une dynamique de poursuite de gain statique
unitaire, soit
F (1)G(1) = 1 ⇐⇒ Fd (1)A(1) − Fn (1)B(1) = 0

Et compte tenu de l’expression du polynôme Rd (z −1 ), on en déduit naturellement que le

régulateur admet une action intégrale implicite puisque

F (1)G(1) = 1 ⇐⇒ Fd (1)A(1) − Fn (1)B(1) = 0 ⇐⇒ Rd (1) = 0

On peut ainsi postuler que les perturbations du type échelon sont parfaitement compen-
sées par les systèmes de commande avec modèle interne.

• Les fonctions de sensibilité usuelles nominales des systèmes de commande avec modèle
interne sont données par les fonctions de transfert

S(z −1 ) = 1 − F (z −1 )G(z −1 )

T (z −1 ) = F (z −1 )G(z −1 )

GS(z −1 ) = G(z −1 ) 1 − F (z −1 )G(z −1 )

RS(z −1 ) = F (z −1 )

Il apparaît clairement que le modelage de la fonction de sensibilité usuelle RS(z −1 ) est

naturellement réalisé par un choix judicieux du filtre de robustification, on peut postuler
que les systèmes de commande avec modèle interne sont insensibles aux bruits de mesure
pourvu que le filtre de robustification soit du type passe-bas.

6.7 Conclusion
Une classe relativement générale de systèmes de commande a été étudiée pour mieux appré-
cier les propriétés fondamentales des asservissements, en l’occurrence la stabilité nominale, les
performances nominales et la robustesse en stabilité. Les performances nominales ont été défi-
nies aussi bien dans le domaine temporel à partir des erreurs de poursuite, que dans le domaine
 Systèmes asservis 145

fréquentiel à partir des dynamiques de poursuite et de régulation. L’importance des fonctions

de sensibilité usuelles pour quantifier conjointement les performances nominales ainsi que la
robustesse en stabilité a été particulièrement mise en exergue.

Une attention particulière a été accordée à la caractérisation de la classe des régulateurs ad-
missible par rapport à l’ultime motivation d’un asservissement. Les problèmes d’insensibilité
aux bruits de mesure inéluctables, de compensation parfaite des perturbations et de dépollution
du signal de commande ont été traités d’une manière rigoureuse qui a permis de préciser la
structure des régulateurs admissibles. Les concepts de poursuite admissible, e.g. une poursuite
parfaite ou semi-parfaite, et de précision maximale, i.e. une poursuite parte d’une séquence de
référence spécifique, ont été définis tout en précisant les conditions requises pour leur réalisa-
tion. On retrouve les conditions usuelles sur les zéros du système dans le cas d’une poursuite
admissible et la réalisation naturelle d’une précision maximale avec un asservissement avec
retour unitaire dans le cas d’une séquence de points de consigne dont le modèle générateur
est connu. Les limitations des performances intrinsèques à la configuration pôles-zéros de la
fonction de transfert en boucle ouverte du système de commande ont été particulièrement souli-
gnées à partir d’un ensemble de résultats fondamentaux. Ces derniers révèlent que l’on ne peut
pas modeler arbitrairement les performances d’un système de commande. Les résultats fonda-
mentaux qui ont été obtenus ont permis de mettre en exergue les limitations intrinsèques aux
systèmes de commande avec modèle interne qui sont particulièrement chéries par les artisans
du Génie des Procédés.

Qui oserait infirmer qu’un automaticien est un ingénieux gestionnaire des compromis entre les
performances et la robustesse ?

6.8 Problèmes

Problème 6.1 Considérons la classe des systèmes décrits par le modèle de commande standard
donné par les équations (6.19) et supposons que les modèles des perturbations sont connus, soit

Ce (q −1 )

v (t) = δv (t)

e

De (q −1 ) e


MGP
 Cs (q −1 )
 vs (t) = δv (t)


Ds (q −1 ) s

Montrer que la compensation parfaite des perturbations de charges est réalisée si les pôles du
générateur des perturbations en entrée (resp. en sortie) qui ne sont pas des zéros du système
(resp. des pôles du système) sont des pôles du régulateur, soit

Rd (q −1 ) = S(q −1 )D(q −1 )
avec
Ds (q −1 ) De (q −1 )
 
−1
D(q ) = ppcm ,
pgcd (Ds (q −1 ), A(q −1 )) pgcd (De (q −1 ), B(q −1 ))
146 Chapitre 6

Problème 6.2 Considérons la classe des systèmes décrits par le modèle de commande standard
donné par les équations (6.21). Montrer que l’équation d’erreur du système de commande dans
le cas d’un régulateur avec retour unitaire est donnée par

eσ (t) = S(q −1 ) (y ∗ (t) − vs (t)) + T (q −1 ) ηs (t) − GS(q −1 ) (ve (t) + ηe (t))

et en déduire la structure du régulateur réalisant une précision maximale pour une classe de
séquences de points de consigne décrite par par le modèle (6.39).

Problème 6.3 On se propose d’étudier les problèmes d’analyse et de synthèse des systèmes
asservis échantillonnés que l’on peut représenter comme le montre la figure 9.3 où {ve (t)} et
{vs (t)} désignent respectivement les perturbations de charge qui affectent le fonctionnement du
système en entrée et en sortie.

ve (t) vs (t)

y ∗(t)
- u(t) ? uσ (t) ? yσ (t)
REG - +i - SYS -+i -
-
y(t)
?
+i
η(t)
F IGURE 6.26 – Asservissement

Cette étude sera effectuée dans un contexte particulier des asservissements échantillonnés à
partir d’un ensemble d’hypothèses communément rencontrées dans les problèmes de régula-
tion industrielle ; en l’occurrence

H1. Le système est parfaitement décrit par sa fonction de transfert

z −d−1 B(z −1 )
G(z −1 ) = avec B(1) 6= 0
A(z −1 )
H2. Les perturbations de charge aussi bien en entrée qu’en sortie sont du type échelon.
H3. Le bruit de mesure est caractérisé par une séquence de variables aléatoires de moyenne
nulle et de variances finies.
H4. Le régulateur est décrit par

 Rd (q −1 )u(t) = Rn (q −1 ) (y ∗(t) − y(t))
REG
 ∗ −1 ∗
A (q )y (t) = B ∗ (q −1 )u∗ (t − d − 1)

z −d−1 B ∗ (z −1 )
∆
où G ∗ (z −1 ) = est la fonction de transfert du modèle générateur de la sé-
A∗ (z −1 )
quence de référence à partir d’une séquence de référence des points de consigne {u∗ (t)}
du type échelon.
 Systèmes asservis 147

Pour ce faire, on suggère de procéder d’une manière progressive en tenant compte des hypo-
thèses H1→H4.

1) Donner les polynômes caractéristiques Mcon (s) et Mech (z −1 ) correspondants à un mode

Mode (ξ, ω), dans les plans complexes en s et en z, respectivement.
2) Préciser comment choisir la période d’échantillonnage et comment définir le domaine de
spécification des performances sous-jacent dans le plan complexe en z. Est-il nécessaire
de prévoir un filtre anti-recouvrement ? Et si oui, comment le spécifier ?

3) Préciser les configurations des pôles et des zéros du système SYS et justifier pourquoi
les polynômes B(q −1 ) et D(q −1 ) sont premiers entre eux.

4) Montrer que les équations d’entrée-sortie du système asservi sont respectivement don-
nées par les équations

 yσ (t) = Gsr (q −1 ) y ∗(t) + Gspe (q −1 ) ve (t) + Gsps (q −1 ) vs (t) + Gsb (q −1 ) η(t)
SAS
uσ (t) = Ger (q −1 ) y ∗(t) + Gepe (q −1 ) ve (t) + Geps (q −1 ) vs (t) + Geb (q −1 ) η(t)


où les Gij (z −1 ) pour (i, j) ∈ [s, e] × [r, pe, ps, b] désignent les différentes fonctions de
transfert du système asservi dont on précisera les expressions.

5) Etudier la stabilité du système asservi et préciser la classe des régulateurs réalisant les
performances dynamiques requises.

6) Donner les dynamiques de poursuite et de régulation du système asservi et préciser les

invariants par rétroaction.

7) Préciser les propriétés requises pour réaliser insensibilité aux bruits de mesure inéluc-
tables, une compensation parfaite des perturbations, un blocage en entrée des compo-
santes indésirables en sortie dont le modèle générateur est donné par les équations (6.35)
et une précision maximal pour la classe des séquences de référence décrite par les équa-
tions (6.39).

8) Proposer un régulateur permettant de réaliser un asservissement insensible au bruit de

mesure dont la dynamique de régulation (rep. de poursuite) est caractérisée par un mode
dominant d’amortissement unitaire et une pulsation propre ωr (resp. ωp .

Problème 6.4 On se propose d’effectuer une analyse du système de commande prédictive de

Smith donné par la figure 6.27 dans le cas des systèmes stables soumis à des perturbations du
type échelon décrit par les équations aux différences suivantes

 A(q −1 )y(t) = B(q −1 )u(t − d − 1) + A(q −1 )v(t)
SYS
D(q −1 )v(t) = vδ(t)


avec D(q −1 ) = 1 − q −1 . Pour ce faire, on suggère de procéder progressivement comme suit en

148 Chapitre 6

tenant compte du fait que

1 − q −d−1
= 1 + q −1 + q −2 + . . . + q −d
1 − q −1

tout en remarquant que les mesures sont supposées être infiniment précises : une utopie sans
aucune incidence une synthèse soucieuse de l’insensibilité aux bruits de mesure.

v(t)

?
∗
y (t + d + 1) u(t) y(t)
- ±k - ±k - H(z −1 ) - -
SYSTEME
6 6 G(z −1 )D(z −1 )

B(z −1 ) B(z −1 ) ?
 - - ±k
A(z −1 ) z −d−1
A(z −1 )

F IGURE 6.27 – Système de commande prédictive de Smith

1) Montrer que le système asservi peut être représenté comme l’indique la figure 6.28. On
précisera l’équation de la variable ŷ(t + d + 1/t) et on la comparera à la sortie du sys-
tème à l’instant t + d + 1. Expliquer alors l’essence de ce système de commande et en
déduire que sa stabilité requiert que

H(z −1 ) B(z −1 )
le compensateur stabilise le système sans retard
G(z −1 )D(z −1 ) A(z −1 )
soit
n
∆
CN S P (q −1 ) = A(q −1 )G(q −1 )D(q −1 ) + B(q −1 )H(q −1 ) ∈ Rsa [z −1 ]

2) Montrer que que la loi de commande sous-jacente peut se mettre sous la forme usuelle

Rd (q −1 )u(t) + Rn (q −1 )y(t) = Rp (q −1 )y ∗(t + d + 1)


REG
avec
Rd (q −1 ) = A(q −1 )G(q −1 ) + B(q −1 )E(q −1 )H(q −1 ) D(q −1 )


 Systèmes asservis 149

Rn (q −1 ) = Rp (q −1 ) = A(q −1 )H(q −1 )

E(q −1 ) = 1 + q −1 + q −2 + . . . + q −d

En déduire le polynôme caractéristique du système de commande et justifier la nature de

la classe des systèmes considérée et la condition requise sur le compensateur.

3) Donner les équations du système de commande et en déduire ses dynamiques de pour-

suite et de régulation. On précisera la classe des perturbations qui sont parfaitement
compensées.
v(t)

?
∗
y (t + d + 1) u(t) y(t)
- ±m - H(z −1 ) - -
SYSTEME
6 D(z −1 )G(z −1 )

- PREDICTEUR 

y(t + d + 1)

F IGURE 6.28 – Système de commande prédictive équivalent

150 Chapitre 6
Chapitre 7

Commande modale

La synthèse modale d’un asservissement est effectuée à partir d’un modèle de commande du
système et des performances requises du système asservi sous-jacent. Rappelons que le modèle
de commande est une bonne approximation du comportement dynamique du système et son
environnement que l’on peut décrire par les équations

 A(q −1 )yσ (t) = B(q −1 )u(t − d − 1) + E(q −1 )v(t)



MC (7.1)
D(q −1 )v(t) = C(q −1 )δv (t)


où les séquences {v(t)} et {η(t)} désignent les perturbations qui affectent le fonctionnement
du système et les bruits de mesure inéluctables.

Quant aux performances requises, on distingue quatre spécifications remarquables dans le cas
d’une synthèse modale.

S1. Une compensation parfaite des perturbations (resp. une précision maximale) avec une dy-
namique de régulation caractérisée par une un mode dominant d’amortissement unitaire
et de pulsation propre ωr .

S2. Une poursuite admissible caractérisée par un mode dominant d’amortissement unitaire et
de pulsation propre ωp .

S3. Une insensibilité aux bruits de mesure inéluctables.

S4. Un blocage en entrée des composantes indésirables sur la sortie caractérisées par leurs
modèles générateurs, e.g.

Dind (q −1 )yind (t) = Cind (q −1 )δ(t)

Remarque 7.1 La faisabilité d’un problème d’asservissement requiert que la dynamique de

régulation soit relativement rapide par rapport à la dynamique de poursuite, soit ωr > ωp . Par
ailleurs, un mode d’amortissement ζ et de fréquence propre ω est complètement défini dans le
contexte des systèmes échantillonnés, avec une période d’échantillonnage Te , par le polynôme
caractéristique
p 
−1 −ζωTe
M(z ) = 1 − 2e cos (1 − ζ )ωTe z −1 + e−2ζωTe z −2
2

151
152 Chapitre 7

A la lumière des résultats fondamentaux du chapitre 6 sur la stabilité et les performances des
systèmes asservis, on peut postuler naturellement que la classe des régulateurs qui permettent
de réaliser les spécifications S1 à S4 est donnée par


 S(q −1 )Dr (q −1 )u(t) + R(q −1 )Dc (q −1 )y(t) = T (q −1)y ∗ (t + d + 1)



REG A∗ (q −1 )y ∗ (t + d + 1) = B ∗ (q −1 )u∗ (t) (7.2)




y(t) = yσ (t) + η(t)


Rappelons que cette structure de régulateur est obtenue à partir de la structure générale des ré-
gulateurs admissibles (6.43)-(6.47) et (6.48)-(6.51). Dr (z −1 ) (resp. Dc (z −1 )) est un polynôme
qui permet d’assigner une partie des pôles (resp. des zéros) du régulateur pour le doter d’une
capacité de compensation parfaite des perturbation (resp. de blocage en entrée des composantes
indésirables de la sortie du système). Par ailleurs, Dc (z −1 ) peut être considéré comme un pa-
ramètre de synthèse que l’on peut utiliser pour affiner le modelage des fonctions de sensibilité
usuelles, i.e.

Dc (z −1 ) = 1 + z −1 lim T ejωTe = 0 et lim RS ejωTe = 0

=⇒
ω→ωn ω→ωn

Les polynômes R(z −1 ) et S(z −1 ) sont déterminés en fonction des performances requises en ré-
gulation alors que le polynôme T (z −1 ) est judicieusement choisi en fonction des performances
requises en poursuite.

On se propose dans ce chapitre de présenter d’une manière concise de la synthèse modale qui
se distingue par sa simplicité. Cette synthèse est utilisée pour traiter les trois cas de poursuite
présentés au chapitre 6 et mettre en évidence les limitations intrinsèques à la commande PID
et la commande avec modèle interne qui sont principalement utilisées en régulation industrielle.
Ell est fondamentalement basée sur la résolution d’une équation polynomiale à la lumière du
résultat suivant

Résultat 7.1 Soient Ā(z −1 ) et B̄(z −1 ) des polynômes de degrés respectifs nā et nb̄ et C̄(z −1 )
un polynôme arbitraire de degré nc̄ tels que

C1. pgcd Ā(z −1 ), B̄(z −1 ) = 1

C2. nc̄ ≤ nā + nb̄ − 1

Alors, l’équation polynomiale

Ā(z −1 )X(z −1 ) + B̄(z −1 )Y (z −1 ) = C̄(z −1 )


EQP

admet une solution unique pourvu que les degrés des polynômes X(z −1 ) et Y (z −1 ) soient spé-
cifiés comme suit
nx = nb̄ − 1 et ny = nā − 1

La preuve de ce résultat est un bon exercice d’introduction au domaine de synthèse modale. Les
remarques suivantes permettent de le faire sereinement
 Commande modale 153

Remarque 7.2 La solution unique de l’équation polynomiale EQP n’est autre que celle du
système d’équations linéaires sous-jacent, soit

AX = B
avec
xo
     
āo b̄o c̄o
.... .. .. .. ..
.

. .
    
 . .     . 
 .. ..     .. 
. āo . b̄o .
     
A=  , X =  xnb̄−1  et B = 
     
 ā .. .. .. 
 nā . b̄nb̄ . 
  yo
 


 . 

.. .. .. .  . ..
. ..
    
 . .   ..   . 
ānā b̄nb̄ ynā−1 c̄nā+nb̄−1
où A désigne la matrice de Sylvester associée à la paire polynomiale Ā(z −1 ), B̄(z −1 ) et

c̄i = 0 pour tout i ≥ nc̄.

Remarque 7.3 Une équation polynomiale admet une infinité de solutions si aucune contrainte
n’est imposée sur la structure de la solution recherchée. On peut vérifier que si (X(z −1 ), Y (z −1 ))
est une solution, alors (X(z −1 ) + B̄(z −1 )W (z −1 ), Y (z −1 ) − Ā(z −1 )W (z −1 )) est une solution
pour tout polynôme arbitraire W (z −1 ).

7.1 Synthèse modale

La synthèse modale consiste à assigner aux modes du système asservi des valeurs situées dans
le domaine de stabilité et de performances Dsp défini à partir des performances dynamiques
requises. Les polynômes R(q −1 ) et S(q −1 ) sont alors déterminés à partir de la résolution de
l’équation polynomiale suivante sous la contrainte S3.

A(z −1 )Dr (z −1 )S(z −1 ) + z −d−1 B(z −1 )Dc (z −1 )R(z −1 ) = M(z −1 )M̄ (z −1 ) (7.3)
avec
nm
Y nm̄
Y
−1 −1 −1
1 − µ̄i z −1



M(z )= 1 − µi z et M̄ (z ) = (7.4)
i=1 i=1

où les µi ∈ Dsp pour i ∈ [1, nm] désignent les modes du système asservi que l’on peut as-
signer à des valeurs arbitraires du domaine de stabilité et de performance et sont spécifiés
conformément aux performances requises en régulation et les µ̄i ∈ Dsp pour i ∈ [1, nm̄]
sont les modes spécifiques à la nature des performances requises en poursuite, en l’occurrence
M̄ (z −1 ) = B(z −1 ) (resp. M̄(z −1 ) = 1) dans le cas d’une PP (resp. une PSP ou une PM)
comme le montrent les développements consacrés à la caractérisation de la classe des régu-
lateurs admissibles du paragraphe 6.3.3). Compte tenu du résultat 7.1, la synthèse modale est
possible pourvu que les conditions suivantes soient vraies

H1. pgcd A(z −1 )Dr (z −1 ), B(z −1 )Dc (z −1 ) = 1

et
H2. nm + nm̄ ≤ na + ndr + nb + ndc + d
154 Chapitre 7

Remarque 7.4 Dans le contexte considéré des systèmes asservis, l’hypothèse H1 peut être ré-
duite comme suit
H1. pgcd B(z −1 ), Dr (z −1 ) = 1

puisque pgcd (A(z −1 ), B(z −1 )) = pgcd (Dr (z −1 ), Dc (z −1 )) = pgcd (A(z −1 ), Dc (z −1 )) = 1.

En effet, les polynômes A(z −1 ) et B(z −1 ) sont premiers entre eux puisqu’ils constituent la
fonction de transfert Gu (z −1 ) du système. Et comme les perturbations et les composantes in-
désirables de la sortie ne sont pas de même nature, les polynômes Dr (z −1 ) et Dc (z −1 ) soient
premiers entre eux. Par ailleurs, compte tenu de la structure d’un régulateur réalisant une dé
pollution du signal de commande (6.37), Les polynômes A(z −1 ) et Dc (z −1 ) sont premiers entre
eux.

Quant au polynôme T (q −1 ), il est judicieusement déterminé en fonction des performances en

poursuite à partir de la configuration des zéros de la fonction de transfert Gu (z −1 ) du système
et du type de séquence de points de consigne. On distingue trois cas de poursuite. Le premier
cas relève d’une poursuite parfaite dont la propriété sous-jacente peut se récrire sous la forme

Pc z −1 = B z −1 T z −1 pour tout z ∈ C




PP

On retrouve la problématique de synthèse modale avec M(z −1 ) = T (z −1 ) et M̄(z −1 ) =

B(z −1 ). Le polynôme T (z −1 ) est alors déterminé à partir des modes du système asservi que
l’on peut arbitrairement assigner comme suit
nm
Y
−1 −1
1 − µi z −1




T z =M z = avec µi ∈ Dsp
i=1

Et comme les zéros de la fonction de transfert Gu (z −1 ) du système sont des modes spécifiques
du système asservi, il faut qu’ils soient situés dans le domaine de stabilité et de performance.
Ceci justifie l’hypothèse supplémentaire

H3. CZ Gu z −1



∈ Dsp

Le deuxième cas concerne la poursuite semi-parfaite dont la propriété sous-jacente peut se ré-
crire comme suit

Pc z −1 = B (1) T z −1 pour tout z ∈ C




PSP

On retrouve la problématique de synthèse modale avec M(z −1 ) = B (1) T (z −1 ) et M̄ (z −1 ) =

1. Et si B (1) 6= 0, alors le polynôme T (z −1 ) peut être déterminé à partir des modes du système
asservi que l’on peut arbitrairement assigner comme suit
1
T z −1 = βPc z −1 avec β =



B (1)
Une hypothèse supplémentaire est alors nécessaire pour la synthèse

H3. Gu z −1 n’admet aucun zéro en un

 Commande modale 155

Le troisième cas concerne la précision maximale réalisée avec une commande avec retour uni-
taire incorporant une compensation parfaite de la séquence de référence sans aucune hypothèse
sur les zéros du système hormis les hypothèses intrinsèques à la stabilité. On aura alors

T z −1 = z −d−1 R z −1 Dc z −1

La compensation parfaite de la séquence de référence requiert une connaissance du modèle gé-

nérateur de la séquence de points de consigne. Ce qui justifie l’hypothèse complémentaire

H3. D ∗ (q −1 )u∗ (t) = C ∗ (q −1 )δ(t)

La synthèse modale d’un asservissement peut être alors effectuée progressivement en plusieurs
étapes en utilisant à la lumière de la synthèse concise qui a été faite en guise d’introduction.

• La première étape concerne la spécification de la période d’échantillonnage à partir de la

dynamique de régulation requise conformément au théorème de Shannon, soit ωr Te < π.
La condition suivante s’est avérée judicieuse dans la pratique des systèmes échantillon-
nés.
h π πi
ωr Te ∈ ,
10 4
• La deuxième étape consiste en la définition du domaine de stabilité et de performances à
partir des performances requises en régulation comme suit
( ( )
Im (z) = 0
Dsp = z ∈ C /
Re (z) ∈ e−γωr Te , e−ωr Te avec γ > 1
 

• La troisième étape est consacrée à la détermination des polynômes Dr (z −1 ) et Dc (z −1 ),

soit

D(q −1 )
si PA


pgcd (D(q −1 ), E(q −1))



Dr (q −1 ) =
D(q −1 ) D ∗ (q −1 )
  

 ppcm , si PM


pgcd (D(q −1 ), E(q −1 )) pgcd (D ∗ (q −1 ), A(q −1 ))
et

−1
 Dind (q ) si la DSC est requise

Dc (q −1 ) =
 D (q −1 )

autrement
apa

On notera que Dapa (q −1 ) est un paramètre de synthèse auxiliaire que l’on peut utiliser
judicieusement pour affiner le modelage des fonctions de sensibilité usuelles du système
de commande.

• La quatrième étape est à la détermination des polynômes R(q −1 ) et S(q −1 ) à partir de

l’équation polynomiale SM sous la contrainte S3. Le polynôme des modes est spécifié
comme suit
156 Chapitre 7

M z −1 = Md z −1 Ma z −1

avec
Md z −1 = 1 − 2e−ωr Te z −1 + e−2ωr Te z −2

nm−2
Y
1 − e−γi ωr Te z −1


Ma (z) = avec γi > 1 pour i ∈ [1, nm − 2]
i=1

Md (z −1 ) et Ma (z −1 ) désignent respectivement le polynôme des modes dominants et le

polynôme des modes auxiliaires. Les modes dominants sont spécifiés à partir de la dyna-
mique de régulation requise. Les modes auxiliaires sont relativement rapides par rapport
aux modes dominants ; ils permettent d’affiner les performances du système asservi via
un modelage approprié des fonctions de sensibilité usuelles.

• La cinquième étape relève de la spécification du générateur de la séquence de référence à

partir de la dynamique de poursuite requise, soit

2
z −d−1 1 − e−ωp Te
G∗ z −1


=
1 − 2e−ωp Te z −1 + e−2ωp Te z −2
• La sixième étape est réservée à la détermination du polynôme T (q −1 ) en fonction de la
nature de la poursuite admissible, soit

 M(q −1 ) dans le cas d’une PP
−1 −1
T (q ) = βM(q ) dans le cas d’une PSP
 −d−1
q R(q −1 )Dc (q −1 ) dans le cas d’une PM

Comme on peut assigner arbitrairement tous les modes du système asservi dans le cas d’une
poursuite semi parfaite ou d’une précision maximale, la détermination du régulateur est directe.
On détermine d’abord les polynômes R(q −1 ) et S(q −1 ) en résolvant l’équation polynomiale
(7.3) sous les hypothèses H1 et H2 avec M̄ (z −1 ) = 1, soit
nm
Y
−1 −1 −1 −d−1 −1 −1 −1 −1
1 − µi z −1


A(z )Dr (z )S(z ) + z B(z )Dc (z )R(z ) = M(z )=
i=1

Ensuite, on élabore le polynôme T (z −1 ) en fonction de la nature de la poursuite, soit


1
 βM(q −1 ) avec β = dans le cas d’une PSP


−1 B(1)
T (q ) =

 q −d−1 R(q −1 )D (q −1 )

dans le cas d’une PM
c

Dans le cas d’une poursuite parfaite, on ne peut pas assigner arbitrairement tous les modes du
système asservi. La détermination des polynômes R(q −1 ), S(q −1 ) et T (q −1 ) est faite en résol-
vant l’équation polynomiale (7.3) sous les hypothèses H1 et H2 avec M(z −1 ) = T (z −1 ) et
M̄ (z −1 ) = B(z −1 ), soit

A(z −1 )Dr (z −1 )S(z −1 ) + z −d−1 B(z −1 )Dc (z −1 )R(z −1 ) = B(z −1 )T (z −1 ) (7.5)

 Commande modale 157

Cette équation requiert que B(z −1 ) soit un diviseur de S(z −1 ) compte tenu de H1, soit S(q −1 ) =
B(q −1 )G(q −1 ) et que T (z −1 ) soit constitué à partir des modes arbitraires du système asservi.
Cette remarque pertinente suggère de déterminer le régulateur comme suit

T (z −1 ) = M(z −1 ) = Md (z −1 )Ma (z −1 ) (7.6)

S(q −1 ) = B(q −1 )G(q −1 ) (7.7)

et

A(z −1 )Dr (z −1 )G(z −1 ) + z −d−1 Dc (z −1 )R(z −1 ) = M(z −1 )


EPP (7.8)

où Md (z −1 ) ∈ Rsp [z −1 ] et Ma (z −1 ) ∈ Rsp [z −1 ] ne sont autres que les polynômes des modes

dominants et des modes auxiliaires définis au paragraphe précédent. Une telle synthèse est pos-
sible pourvu que les hypothèses suivantes soient vraies

H1. pgcd A(z −1 )Dr (z −1 ), Dc (z −1 ) = 1

H2. nm ≤ na + ndr + d + ndc

et
H3. CZ (SYS) ∈ Dsp

Les hypothèses H1 et H2 s’imposent par la résolution de l’équation polynomiale (7.8), alors

que l’hypothèse H3 résulte du fait que les zéros du système sont des modes d’un système as-
servi réalisant une poursuite parfaite.

Remarque 7.5 Dans le cas ou la partie fixe du régulateur ne concerne que la configuration
de ses pôles, i.e. Dc (z −1 ) = 1, la condition H1 est naturellement satisfaite et les polynômes
G(z −1 ) et R(z −1 ) ne sont autres que le quotient et le reste de la division euclidienne du poly-
nôme P (z −1 par le polynôme A(z −1 )Dr (z −1 ), soit

P (z −1 −1 −d−1 R(z −1
= G(z ) + z
A(z −1 )Dr (z −1 ) A(z −1 )Dr (z −1 )

Remarque 7.6 Les performances en sortie des systèmes de commande réalisant une poursuite
admissible sont décrits par
yσ (t) = Gsr (q −1 )y ∗ (t) + Gsp (q −1 )v(t) + Gsb (q −1 )η(t)

avec
lim Gsp (q −1 )v(t) = 0
t→∞

Le comportement de l’erreur de poursuite en sortie est donc donnée par celui de la séquence de
référence filtrée par la dynamique de poursuite modulo les effets du bruit de mesure caractéri-
sés par le processus stochastique {Gsb (q −1 )η(t)} de moyenne nulle et de variance finie, soit

E {ey (t)} = 0 et E (ey (t))2 = σr2


158 Chapitre 7

Et compte tenu que l’erreur de poursuite en sortie est égale à l’erreur de poursuite dans le cas
d’une poursuite parfaite puisque DP(z −1 ) = 1 ∀z ∈ C, on peut en déduire que la sortie du
système est égale à la séquence de référence modulo les effets du bruit de mesure. On peut alors
spécifier d’une manière indépendante les performances requises en poursuite et en régulation
à partir de G ∗ (z) et M(z).

On notera que l’appellation de poursuite parfaite est motivée par le fait que la sortie du système
est identiquement égale à la séquence de référence dans le cas idéal où le bruit de mesure est
identiquement nul. Une telle propriété est l’essence de l’appellation commande avec modèle de
référence, où le modèle de référence n’est autre que le générateur de la séquence de référence
G ∗ (z).

Exemple 1. On se propose de concevoir un régulateur réalisant une poursuite admissible avec

une dynamique de régulation caractérisée par un mode double en 0.8 pour les systèmes décrits
par le modèle de commande

z −2 (1 + 0.7z −1 ) 1 − 0.5z −1 2 − z −1
Gu (z −1 ) = , Gv (z −1
) = et H(z −1
) =
1 + z −2 1 + z −2 1 − z −1

Compte tenu de la dynamique de régulation, on peut définir le domaine de stabilité et de per-

formance comme suit
Dsp = {z ∈ C / | z |≤ 0.8}

Et comme CZ (Gu (z −1 )) = {−0.7} ∈ Dsp , on peut envisager une poursuite parfaite. Par
ailleurs, compte tenu des modèles Gv (z −1 ) et H(z −1 ), on peut en déduire que Dr (q −1 ) =
1 − q −1 . Et comme les spécifications S3 et S4 ne figurent pas dans les performances requises,
on n’aura aucune contrainte de synthèse et Dc (q −1 ) = 1.

Les performances requises sont réalisées par un système asservi utilisant un régulateur (7.2)
où les polynômes R(q −1 ), S(q −1 ) et T (q −1) sont déterminés en résolvant l’équation polyno-
miale

1 + z −2 1 − z −1 S(z −1 ) + z −2 1 + 0.7z −1 R(z −1 ) = 1 + 0.7z −1 T (z −1 )

et le modèle générateur de la séquence de référence est donné par

0.01
G ∗ (z −1 ) =
(1 − 0.9z −1 )2

Les polynômes R(q −1 ), S(q −1 ) et T (q −1 ) peuvent être alors déterminés comme suit

2
T (q −1 ) = 1 − 0.8q −1

S(q −1 ) = B(q −1 )G(q −1 ) = 1 + 0.7q −1 go + g1 q −1

R(q −1 ) = ro + r1 q −1 + r2 q −2
 Commande modale 159

où les polynômes G(q −1 ) et R(q −1 ) sont la solution de l’équation polynomiale

2
1 + z −2 1 − z −1 G(z −1 ) + z −2 R(z −1 ) = 1 − 0.8z −1

soit

2
1 + z −2 1 − z −1 go + g1 z −1 + z −2 ro + r1 z −1 + r2 z −2 = 1 − 0.7z −1

ou d’une manière équivalente le système d’équations compatible

    
1 0 0 0 0 go 1

 −1 1 0 0 0 
 g1  
  −1.4 


 1 −1 1 0 0 
 ro =
  0.49 

 −1 1 0 1 0  r1   0 
0 −1 0 0 1 r2 0

Exemple 2. On se propose de concevoir un régulateur réalisant une poursuite admissible avec

une dynamique de régulation caractérisée par un mode multiple en 0.7 pour les systèmes décrits
par le modèle de commande
z −1 (1 + 2z −1 ) 1 − 0.5z −1 1
Gu (z −1 ) = −1 −2
, Gv (z −1
) = −1 −2
et H(z −1 ) =
1 − 2z + z 1 − 2z + z 1 − z −1
Compte tenu de la dynamique de régulation, on peut définir le domaine de stabilité et de per-
formance comme suit
Dsp = {z ∈ C / | z |≤ 0.7}

Comme Gu (z −1 ) admet un seul zéro situé à l’extérieur du domaine de stabilité, on ne peut

pas envisager une poursuite parfaite. La poursuite semi parfaite est faisable puisque le zéro de
Gu (z −1 ) est différent de 1. Par ailleurs, compte tenu des modèles Gv (z −1 ) et H(z −1 ), on peut en
déduire que Dr (q −1 ) = 1 − q −1 . Et comme les spécifications S3 et S4 ne figurent pas dans les
performances requises, on n’aura aucune contrainte de synthèse. Néanmoins, on peut prendre
Dc (q −1 ) = 1 − µq −1 avec 0 < µ < 1 et utiliser le scalaire µ comme paramètre de synthèse pour
affiner le modelage de la fonction de sensibilité RS(z −1 ).

Les performances requises sont réalisées par un système asservi utilisant un régulateur (7.2)
où les polynômes R(q −1 ) et S(q −1 ) sont déterminés en résolvant l’équation polynomiale

−5
1 − 2z −1 + z −2 1 − z −1 S(z −1 ) + z −1 1 + 2z −1 1 − µz −1 R(z −1 ) = 1 − 0.7z −1

ou d’une manière équivalente le système d’équations compatible

    
1 0 0 0 0 0 so 1

 −3 1 0 1 0 0 
 s1  
  −3.5 


 3 −3 1 1 − µ 1 0 
 s2  
= 4.9 


 −1 3 −3 −2µ 1 − µ 1 
 ro  
  −3.402 

 0 −1 3 0 −2µ 1 − µ  r1   1.2005 
0 0 −1 0 0 −2µ r2 −0.16807
160 Chapitre 7

Et le polynôme T (q −1 ) et la fonction de transfert G ∗ (z −1 ) sont respectivement donnés par

1
4 0.04
T (q −1 ) = 1 − 0.7q −1 et G ∗ (z −1 ) =
3 (1 − 0.8z −1 )2

7.2 Commande PID

Les synthèses des systèmes de commande PID sont généralement effectuées d’une manière
empirique pour ne pas dire manuelle en dépit de la disponibilité sur le marché d’un certain
nombre de procédures éprouvées d’auto-ajustement ou d’auto-calibrage ([1]). Les fans de la
commande PID se justifient par un ensemble de compromis entre les performances réalisées
et l’investissement culturel requis. On se propose de mettre en évidence les performances at-
teignables par un système de commande PID conçu à partir d’une synthèse modale, tout en
soulignant ses limitations intrinsèques à la lumière des résultats qui ont été obtenus sur la ca-
ractérisation des asservissements. Pour ce faire, il est important de remarquer que toutes les lois
de commande PID numérique peuvent se mettre sous la forme usuelle

 S(q −1 )D(q −1)u(t) + R(q −1 )y(t) = T (q −1 )y ∗ (t + d + 1)
PID (7.9)
∗ −1 ∗ ∗ −1 ∗
A (q )y (t + d + 1) = B (q )u (t)

avec
D(q −1) = 1 − q −1
S(q −1 ) = so + s1 q −1
(7.10)
R(q −1 ) = ro + r1 q −1 + r2 q −2
T (q −1) = to + t1 q −1 + t2 q −2 + t3 q −3 + t4 q −4

Compte tenu des résultats qui ont été établis pour les systèmes asservis, on peut en déduire les
spécificités des systèmes de commande PID.

• Comme Dr (q −1 ) = 1 − q −1 , on peut postuler que toutes les perturbations (resp. les sé-
quences de référence) du type échelon sont parfaitement compensées (resp. poursuivis),
indépendamment de la méthode de synthèse.

• La dépollution du signal de commande ne figure pas au menu de la commande PID.

Néanmoins, les composantes de la sortie décrites par A(q −1 )yind(t) = C(q −1 )δ(t) sont
naturellement bloquées sur le signal de commande.

• La fonction de sensibilité usuelle RS (z −1 ) des systèmes de commande PID est un filtre

passe-haut : c’est ce qui explique leur sensibilité aux bruits de mesure inéluctables et
l’introduction des filtres passe-bas, en amont ou en aval du système comme l’indique la
figure 7.1, dans certains systèmes de régulation industrielle. La synthèse de ces filtres
nécessite toutefois un investissement culturel qui est bien au delà du fameux compromis
performances/simplicité mis en avant par les fans de la commande PID. Le régulateur
correspondant n’est plus un simple PID, il est décrit par la fonction de transfert

R(z −1 ) = Fy (z −1 )Rpid (z −1 )Fu (z −1 )

 Commande modale 161

où Rpid (z −1 ) désigne la fonction de transfert du régulateur PID et Fu (z −1 ) et Fy (z −1 )

sont les fonctions de transfert des filtres utilisés respectivement à l’entrée et la sortie du
système.
v(t)

?
y ∗ (t)
- u(t) y(t)
PID - −1
Fu (z ) - SYSTEME -
-

Fy (z −1) 

F IGURE 7.1 – Commande PID avec filtrage

• Compte tenu du résultat 7.1 et de la structure du régulateur PID, i.e. ns = 1 et nr = 2,

la synthèse d’un système de commande PID peut être faite à partir d’un assignement
arbitraire de ses modes pourvu que le modèle de commande vérifie les deux conditions
suivantes

pgcd A(q −1 )(1 − q −1 ), B(q −1 ) = 1 et na = nb + d + 1 = 2

Ces conditions sont nécessaires et suffisantes pour l’existence et l’unicité d’un régulateur
PID pourvu que nm ≤ 4. Et comme

nb + d + 1 = 2 =⇒ ((nb = 1) et (d = 0)) ou ((nb = 0) et (d = 2))

on retient plutôt le cas (nb = 1) et (d = 0) dans la mesure où les modèles échantillonnés

exhibent généralement un zéro, notamment celui qui permet de tenir compte du retard
fractionnaire résultant des temps de conversion et de calcul du signal de commande.

On peut alors conclure que l’on peut réaliser un assignement arbitraire des modes d’un
système de commande PID pour les systèmes dont le comportement d’entrée-sortie peut
être décrit par le modèle de commande


 (1 + a1 q −1 + a2 q −2 ) y(t) = (bo + b1 q −1 ) u(t − 1) + v(t)
MCPID (7.11)
−1 −1
(1 − q ) v(t) = (1 + c1 q ) γ(t)


pourvu que les polynômes A(q −1 )(1 − q −1 ) et B(q −1 ) soient premiers entre eux.
162 Chapitre 7

Remarque 7.7 La condition nm ≤ 4 stipule que le système de commande admet au plus

quatre modes dont nm modes sont assignés aux valeurs désirés µi pour i ∈ [1, nm] ; les
4 − nm modes restant sont assignés à l’origine.

L’assignement arbitraire des modes d’un système de commande PID consiste à résoudre
l’équation polynomiale

1 + a1 q −1 + a2 q −2 1 − q −1 1 + s1 q −1 + q −1 bo + b1 q −1 ro + r1 q −1 + r2 q −2

=
1 + m1 q −1 + m2 q −2 + m3 q −3 + m4 q −4

ou d’une manière équivalente le système d’équations

    
1 bo 0 0 s1 m1 + 1 − a1
 a1 − 1 b1 bo 0   ro   m2 + a1 − a2 
 a2 − a1 0 b1 bo   r1  =  m3 + a2
    

−a2 0 0 b1 r2 m4

Un tel système est linéaire et admet une solution unique en (s1 , ro , r1 , r2 ) si et seulement
si
 
1 bo 0 0
 a1 − 1 b1 bo 0 
 = a2 b3o +b1 b21 − bo ((a1 − 1) b1 − bo (a2 − a1 )) 6= 0


∆ = det  a2 − a1 0 b1 bo 
−a2 0 0 b1

Il faut remarquer que la synthèse du système de commande PID n’est pas faisable si
l’une des conditions suivantes est vraie
a2 = 0 et b1 = 0
B(1) = bo + b1 = 0
B(q −1 ) divise A(q −1 )D(q −1 )

La première condition stipule tout simplement que le système n’est pas de second ordre,
alors que la seconde condition signifie que le zéro du système est égal à un. Quant à la
troisième condition, elle implique que le reste de la division euclidienne de A(q −1 )D(q −1 )
par B(q −1 ) est nul. En effet, on a

B(q −1 ) −1 F (q −1 )
= E(q ) +
A(q −1 )D(q −1 ) A(q −1 )D(q −1 )
avec
    
1
−1 1 b1 −1 b1 b1
E(q ) = + (a2 − a1 ) − q + (a2 − a1 ) − (a1 − 1) − q −2
bo bo bo bo bo
   
−1 b1 b1 b1
F (q ) = −a2 − (a2 − a1 ) − (a1 − 1) − q −3
bo bo bo
 Commande modale 163

Il apparaît clairement que B(q −1 ) divise A(q −1 )D(q −1 ) si et seulement si le reste de la

division est identiquement nul, soit
  
b1 b1 b1
−a2 − (a2 − a1 ) − (a1 − 1) − = 0 ⇐⇒ ∆ = 0
bo bo bo

On retrouve ainsi toutes les conditions structurelles requises sur le modèle de commande.
Notons que si B(q −1 ) divise A(q −1 )D(q −1 ), alors B(q −1 ) divise P (q −1 ) et il est donc
impossible de réaliser un assignement arbitraire des modes du système de commande.

Remarque 7.8 Les régulateurs PID conçus à partir d’une synthèse modale sont limités
à la classe des systèmes caractérisée par un comportement entrée-sortie de second ordre,
un retard pur strictement inférieur à la période d’échantillonnage et des perturbations du
type échelon. On peut toutefois trouver des actions P, I et D qui stabilisent une classe
plus large de systèmes, i.e. na > 2, nb > 1 et d ≥ 1, avec des performances dynamiques
que l’on ne peut pas garantir a priori.

En guise d’une sage conclusion, on dira que l’on peut exploiter la puissance de calcul requise
pour la mise en œuvre d’un PID numérique pour concevoir un système de commande beau-
coup plus performant à partir des techniques qui ont été développées tout au long des trois
dernières décennies par la communauté d’automatique. Ces techniques permettent de mieux
appréhender et traiter l’inéluctable compromis entre les performances et la robustesse des as-
servissements ([6], [24]).

7.3 Mise en œuvre du régulateur

On distingue deux problématiques cruciales pour la mise en œuvre des systèmes de commande
linéaire. La première concerne les non linéarités des composants de l’asservissement qu’il faut
compenser par des inversions appropriées pour recouvrer l’hypothèse de linéarité dans la me-
sure du possible. La seconde relève des saturations inéluctables des actionneurs qui doivent être
prises en compte aussi bien lors de la spécification des performances requises, que lors de la
mise en œuvre du régulateur. En effet, les performances requises doivent être admissibles par
rapport au domaine de linéarité du système et la puissance disponible. On est donc amené, à
définir un domaine admissible pour les entrées dans lequel on doit projeter la séquence de com-
mande calculée.

La mise en oeuvre d’un régulateur peut être réalisée comme l’indique la figure 9.5 pour pallier
relativement raisonnablement le problème de saturation des actionneurs lorsque le régulateur
n’est pas stable. Elle consiste à récrire tout simplement la loi de commande (7.2) sous la forme

uσ (t) = sat(u(t))

avec
Rd (q −1 ) − Po (q −1 ) Rn (q −1 ) Rp (q −1 ) ∗
u(t) = − u σ (t) − y(t) + y (t + d + 1)
Po (q −1 ) Po (q −1 ) Po (q −1 )
164 Chapitre 7

où sat(.) désigne la fonction de saturation. On notera plus particulièrement que toutes les com-
posantes du régulateur sont stables pourvu que toutes les racines du polynôme Po (q −1 ) soient
situées dans le domaine de stabilité et que la sortie de la composante définie par la fonction de
transfert

Rd (q −1 ) − Po (q −1 )
Po (q −1 )

ne dépend que du passé de la commande pourvu que les premiers coefficients des polynômes
Po (q −1 ) et Rd (q −1 ) soient égaux puisque

poo = rdo ⇐⇒ ∃ W (q −1 ) ∈ R[q −1 ] / Rd (q −1 ) − Po (q −1 ) = q −1 W (q −1 )

Ceci n’est pas le cas si l’on utilise la forme usuelle (7.2) puisque le signal de commande peut
perdre sa bornitude dans le cas d’une saturation persistante. Cette paramétrisation du régulateur
est issue de la culture de la commande avec retour d’état incorporant un observateur : la base
du génie de la rétroaction.

y ∗ (t + d + 1) Rp (z −1 )
-
Po (z −1 )

y(t) ? u(t)
 ##
uσ (t)
- Rn (z −1 ) - - -
±
 #
Po (z −1 ) #
6 #

Po (z −1 ) − Rd (z −1 ) 
Po (z −1 )

F IGURE 7.2 – Mise en œuvre d’un régulateur saturant

Remarque 7.9 Comme toutes les composantes d’un système de commande avec modèle in-
terne, i.e. le système, le modèle de commande et le filtre de robustification, sont stables, toutes
les variables internes qui leur sont associées sont bornées. Les systèmes de commande avec
modèle interne sont alors intrinsèquement bien conditionnés vis-à-vis des saturations des ac-
tionneurs.
 Commande modale 165

7.4 Commande d’un réacteur chimique

Les réacteurs chimiques opérant en mode semi-bach sont de plus en plus utilisés dans la fabri-
cation des produits à haute valeur ajoutée, en l’occurrence la chimie fine et la pharmacie, pour
des considérations de flexibilité et de polyvalence de fonctionnement. Un réacteur semi-batch
transforme des réactifs, avec un catalyseur si besoin est, en produits. L’apport ou l’évacuation de
la chaleur de la réaction s’effectue par la circulation d’un fluide caloporteur dans une double en-
veloppe. Le fluide caloporteur provient d’une source d’eau chaude et d’une source d’eau froide
à travers une vanne asservie en débit. Dans le cas d’une réaction exothermique irréversible du
type réactif A + réactif B → Produits, le mode opératoire consiste à réaliser les trois phases
suivantes.

• Préchauffer le solvant et éventuellement une partie des réactifs jusqu’à la température de

la réaction à l’aide du fluide caloporteur.
• Maintenir la température du milieu réactionnel constante pendant et après l’introduction
des réactifs.
• Refroidir le mélange réactionnel à l’aide du fluide caloporteur.

La dynamique du système exhibe des variations importantes lors du passage d’une étape à
l’autre pour justifier l’utilisation des techniques de commande avancée par rapport à celle qui
dominent le marché de la régulation industrielle, en l’occurrence la commande PID avec des
synthèses aussi pauvres en performances que le pauvre modèle qu’elles utilisent pour détermi-
ner les actions P, I et D, notamment un à deux points de la réponse fréquentielle ou indicielle
du système.

On présente dans ce qui suit des résultats de simulation issus d’une étude de faisabilité de la
commande modale d’un simulateur réaliste de réacteurs chimiques exothermiques parfaitement
agités développé à partir de leur bilans de matière et bilans thermiques sous des hypothèses rela-
tivement raisonnables. Pour mieux apprécier la faisabilité de la commande modale des réacteurs
semi-batch, on a adopté une démarche progressive pour la résolution du problème d’asservis-
sement de la température du réacteur à partir de la température du fluide caloporteur modulo
une ouverture appropriée de la vanne. La chaleur de la réaction est particulièrement considérée
comme une perturbation d’état.

Cete démarche consiste à effectuer une étude comparative des performances des systèmes de
commande qui dominent la régulation industrielle avec celles d’un système de commande mo-
dale. Pour ce faire, on se focalisera sur les formes des fonctions de sensibilité usuelles et le com-
portement entrée-sortie. Les fonctions de sensibilité usuelles permettent d’apprécier le compro-
mis performances/robustesse réalisé alors que le comportement entrée-sortie permet de donner
une image sur la qualité du produit. Cette étude a été réalisée avec le progiciel SIMART : un
système de conception assistée par ordinateur qui, outre les méthodologies d’identification et
de commande (adaptative), offre une procedure de calibrage automatique des régulateurs PID
à partir d’une expérience de relais qui a été validée par rapport aux conceptions des systèmes
de commande PID par des industriels qui sont soucieux de l’avenir du marché de la régulation
industrielle compte tenu des avancées réalisées dans le domaine de la théorie des systèmes tout
au long des dernières décennies.
166 Chapitre 7

F IGURE 7.3 – Le réacteur chimique

Paramètres de synthèse Valeurs

Te 20s
CPSCRE {0.6, 0.7, 0.9}
CPOBS {0.5, 0.6, 0.8}
Dr (z −1 ) 1 − z −1
Dc (z −1 ) 1 − 0.8z −1
1 − 2e−0.2 + e−0.4
G ∗ (z −1 )
1 − 2e−0.2 z −1 + e−0.4 z −2

TABLE 7.1 – Spécification des paramètres de synthèse

Méthodes de commande PID CMI CMOD

Marge de gain 10.68 18.17 10.32
Marge de phase 74.01 72.41 42.42
Marge de retard 175 333 141
Marge de module 3.16 4.87 2.45
Bande d’atténuation 0.015 0.004 0.005

TABLE 7.2 – Marges de robustesse et bandes d’atténuation

 Commande modale 167

La figure 7.4 montre un comportement entrée-sortie en boucle ouverte du réacteur semi-batch

considéré. Notons que ce comportement dynamique est stable, bien amorti et sans retard pur
apparent avant et après la réaction qui a lieu à l’instant 150 mn. On peut alors utiliser une com-
mande PID ou une commande avec modèle interne. La synthèse du système de commande
PID à été faite à partir d’une méthode basée sur le principe d’optimum symétrique. Le choix
de cette méthode a été motivé par des considérations de simplicité d’auto-calibrage dans la me-
sure où son modèle de synthèse est réduit au point de la réponse fréquentielle dont le déphasage
est de −135o . En effet, ce dernier est effectué par une expérience appropriée de relais qui permet
d’identifier les points de la réponse fréquentielle qui se trouvent dans le troisième quadrant du
plan complexe [1].

La figure 7.5 montre le comportement entrée-sortie du réacteur en contre réaction avec le relais
dont l’amplitude et l’hysteresis changent de manière à identifier le point de la réponse fréquen-
tielle dont le déphasage est de −135o . Une telle procédure a été proposée dans [19].

La figure 7.6 montre le comportement entrée-sortie du système de commande PID en l’ab-

sence d’un bruit de mesure. Les performances semblent être relativement bonnes pour justifier
largement l’utilisation d’un système de commande PID pour la réalisation des profils de tem-
pérature requis lorsque la précision de la mesure de température dans le réacteur est infinie. La
figure 7.7 montre le comportement entrée-sortie du système de commande PID en présence
d’un bruit de mesure de variance 0.001. La sensibilité du système de commande à un bruit
de mesure, aussi faible que peut être sa variance, est remarquable. On montrera ci-dessous que
cette amplification du bruit de mesure sur le signal de commande est intrinsèque à la commande
PID.

La synthèse d’un système de commande avec modèle interne ou d’un système de commande
modale est basée sur un modèle de commande qui représente au mieux le comportement entrée-
sortie. La figure 7.8 montre les données entrée-sortie qui ont été utilisées pour l’identification
d’un modèle de commande. Cette dernière a été effectuée avec une méthode des moindres car-
rés bien élaborée pour réaliser une bonne identification de la dynamique du réacteur dans la
bande passante requise pour le système de commande, en l’occurrence les données sont préa-
lablement filtrées et normalisées. Le modèle obtenu permet d’abord d’expliquer les mauvaises
performances du système de commande PID. La figure 7.9 montre les fonctions de sensibi-
lité usuelles des systèmes de commande PID (traits forts), de commande avec modèle interne
(traits discontinus) et de commande modale (traits fins). L’amplification du bruit de mesure sur
le signal de commande est due au gain relativement élevé de la fonction de sensibilité usuelle
(sensibilité*régulateur). On notera que les marges de robustesse du système de commande PID
sont relativement bonnes comme l’indiquent la table 7.2 ou la figure 7.10 qui montre les gains
en boucle ouverte des systèmes de commande considérés.
168 Chapitre 7

Température du réacteur
80

70
Ampliture(°C)

60

50

40

30

20
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10
Ouverture de la vanne
70

60
Amplitude(%)

50

40

30

20
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10

F IGURE 7.4 – Comportement entrée-sortie en boucle ouverte

Température du réacteur
21.5

21
Amplitude (°C)

20.5

20

19.5

19

18.5
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
temps(sec)
Ouverture de la vanne
50

40
Amplitude (%)

30

20

10

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
temps(sec)

F IGURE 7.5 – Comportement entrée-sortie obtenue avec un relais

 Commande modale 169

Température du réacteur
60

50
Amplitude (°C)

40

30

20

10
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10
Ouverture de la vanne
80

60
Amplitude (%)

40

20

0
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10

F IGURE 7.6 – Comportement entrée-sortie du PID sans bruit de mesure

Température du réacteur
60

50
Amplitude (°C)

40

30

20

10
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10
Ouverture de la vanne
100

80
Amplitude (%)

60

40

20

0
0 0.5 1 1.5 2 2.5
temps(sec) x 10
4

F IGURE 7.7 – Comportement entrée-sortie du PID avec un bruit de mesure

170 Chapitre 7

Température du réacteur
35

30
Amplitude (°C)

25

20

15

10
0 0.5 1 1.5 2 2.5
temps(sec) 4
x 10
Ouverture de la vanne
70

60
Amplitude (%)

50

40

30

20
0 0.5 1 1.5 2 2.5
temps(sec) x 10
4

F IGURE 7.8 – Données entrée-sortie pour l’identification du système

Sensibilité Sensibilité complémentaire

10 20

0
0
Amplitude (dB)

−10
−20
−20
−40
−30

−40 −60
0 0.05 0.1 0 0.05 0.1

Sensibilité*régulateur Sensibilité*procédé
40 −10

30
−20
Amplitude (dB)

20
−30
10
−40
0

−10 −50
0 0.05 0.1 0 0.05 0.1
Fréquence (rad/sec) Fréquence (rad/sec)

F IGURE 7.9 – Fonctions de sensibilité usuelles

 Commande modale 171

Gains en boucle ouverte

1

0.5

−0.5
Partie imaginaire

−1

−1.5

−2

−2.5

−3
−2 −1.5 −1 −0.5 0 0.5
Partie réelle

F IGURE 7.10 – Gains en boucle ouverte

La figure 7.11 montre le comportement entrée-sortie d’un système de commande avec modèle
interne. Le filtre de robustification a été choisi à la lumière de la commande prédictive de Smith
pour réduire les dynamiques de poursuite et de régulation. Les performances sont relativement
bonnes aussi bien du point de vue des fonctions de sensibilité usuelles que du point de vue du
comportement entrée-sortie. On notera que le rejet des perturbations est relativement lent dans
la mesure où la commande avec modèle interne préserve les pôles du système à commander.
C’est ce qui explique le fait que la commande avec modèle interne conduit à la plus petite bande
d’atténuation comme l’indique la table 7.2. Les meilleurs marges de robustesse sont cependant
obtenues avec la commande avec modèle interne comme l’indique la table 7.2 ou les gains en
boucle ouverte de la figure 7.10. C’est ce qui justifie une certaine popularité de la commande
avec modèle interne.

La figure 7.12 montre le comportement entrée-sortie d’un système de commande modale. Le

comportement dynamique en sortie est comparable à celui de la commande PID, alors que
le comportement dynamique en entrée est comparable à celui de la commande avec modèle
interne. Les fonctions de sensibilité usuelles sont relativement bonnes par rapport à celles du
système de commande avec modèle interne comme celles du système de commande PID,
comme l’indiquent la figure 7.9. Bien que les marges de robustesse soient relativement petites
par rapport à celles de la commande avec modèle interne, elles sont néanmoins admissibles
par rapport aux exigences de la pratique industrielle. La figure 7.13 montre le comportement
entrée-sortie d’un système de commande modale auto-ajustable. La fonction d’auto-ajustement
a été faite à partir d’une identification préalable en boucle fermée utilisant un relais. On notera
que l’adaptation paramétrique a été gelée avant la réaction.
172 Chapitre 7

Température du réacteur
60

50
Amplitude (°C)

40

30

20

10
0 0.5 1 1.5 2 2.5
temps (sec) 4
x 10
Ouverture de la vanne
80

60
Amplitude (%)

40

20

0
0 0.5 1 1.5 2 2.5
temps (sec) 4
x 10

F IGURE 7.11 – Comportement entrée-sortie de la commande avec modèle interne

Température du réacteur
60

50
Amplitude (°C)

40

30

20

10
0 0.5 1 1.5 2 2.5
temps (sec) 4
x 10
Ouverture de la vanne
80

60
Amplitude (%)

40

20

0
0 0.5 1 1.5 2 2.5
temps (sec) 4
x 10

F IGURE 7.12 – Comportement entrée-sortie de la commande modale

 Commande modale 173

Température du réacteur
60

50
Amplitude (°C)

40

30

20

10
0 0.5 1 1.5 2 2.5 3 3.5
temps(sec) 4
x 10
Ouverture de la vanne
80

60
Amplitude (%)

40

20

0 0.5 1 1.5 2 2.5 3 3.5

temps(sec) x 10
4

F IGURE 7.13 – Performances de la commande modale auto-ajustable

La valeur ajoutée de la commande modale des réacteurs exothermiques parfaitement agités opé-
rant en mode semi-batch par rapport à la commande PID et la commande avec modèle interne
a été mise en exergue. On peut retenir les aspects suivants

• La sensibilité générique des systèmes de commande PID par rapport aux bruits de me-
sure inéluctables aussi bonnes que peuvent être leur robustesse et performances dyna-
miques.
• La limitation des performances dynamiques d’un système de commande avec modèle in-
terne par la dynamique de la cascade composée du système et du filtre de robustification.
On ne peut donc réduire le temps de production avec ce type de commande dont l’unique
atout est la possibilité de réduire arbitrairement la sensibilité aux bruits de mesure inéluc-
tables.
• La commande modale permet de réaliser aisément un compromis admissible entre les
performances et la robustesse. Les paramètres de synthèse peuvent être réduits à deux en-
tiers ho et hc qui désignent respectivement les horizons d’observation et de commande qui
permettent de spécifier les modes du système asservi à partir d’une procedure adéquate
basée sur la configuration des pôles du système proposée dans [?].

7.5 Conclusion
La motivation de ce chapitre a été de montrer que la conception des systèmes asservis peut
être réalisée d’une manière pragmatique et rationnelle avec une synthèse modale à partir d’une
174 Chapitre 7

structure de régulateur qui s’est imposée par les récents acteurs de la régulation industrielle, soit

 S(q −1 )Dr (q −1 )u(t) + R(q −1 )Dc (q −1 )y(t) = T (q −1 )y ∗(t + d + 1)



REG
A∗ (q −1 )y ∗ (t + d + 1) = B ∗ (q −1 )u∗ (t)


La synthèse modale peut être effectuée, à partir des performances requises, en plusieurs étapes
comme suit.

• La spécification de la période d’échantillonnage et la définition du domaine de stabilité et

de performances à partir des performances requises en régulation.

• La détermination de la partie fixe du régulateur, i.e. les polynômes Dr (q −1 ) et Dc (q −1 ), en

fonction des conditions requises en matière de compensation des perturbations et de dé-
pollution du signal de commande et/ou d’insensibilité aux bruits de mesure inéluctables.
Cette étape est effectuée à la lumière du principe du modèle interne, de la nature des per-
turbations et d’un modelage adéquat de de la fonction de sensibilité usuelle RS (z −1 ).

• Le choix de la nature de poursuite en fonction de la configuration des zéros du système

par rapport au domaine de stabilité et de performances et la nature de la séquence de
points de consigne et la spécification du générateur de la séquence de référence, i.e. les
polynômes A∗ (q −1 ) et B ∗ (q −1 ), en fonction des performances requises en poursuite.

• La spécification des modes du système asservi à partir du domaine de stabilité et de per-

formances et la détermination du régulateur conduisant à un modelage approprié de la
dynamique de poursuite et des fonctions de sensibilité usuelles. On détermine d’abord les
polynômes R(q −1 ) et S(q −1 ) à partir de la résolution d’une équation polynomiale appro-
priée. Le polynôme T (q −1) est ensuite élaborée en fonction de la nature de la poursuite
admissible par rapport à la configuration des zéros du système par rapport au domaine de
stabilité et de performances et la nature de la séquence de points de consigne.

Ces aspects de synthèse ont permis de mettre en évidence les limitations intrinsèques de la com-
mande PID, en l’occurrence la sensibilité aux bruits de mesure inéluctables et la compensation
parfaite des perturbations (resp. la précision maximale) est réduite à la classe des perturbations
du type échelon (resp. des séquences de référence du type échelon).

Une étude de faisabilité de la commande modale pour la conception d’un asservissement de

température d’un réacteur chimique semi-batch a été faite. Elle a particulièrement permis de
mettre en exergue les atouts de la commande modale par rapport à la commande PID et la
commande avec modèle interne.

7.6 Problèmes

Problème 7.1 Considérons la classe des systèmes continus dont la dynamique peut être raison-
nablement décrite par un oscillateur et dont toutes les perturbations de charge sous-jacentes
peuvent être ramenées en entrée et sont du type échelon. Le comportement d’entrée-sortie de
cette classe de systèmes est décrite par l’équation différentielle
 Commande modale 175

 2

 (ρ + ω 2 ) yσ (t) = ω 2 (u(t) + v(t))



OSC y(t) = yσ (t) + η(t)




ρv(t) = δv (t)


où {u(t)} et {yσ (t)} désignent respectivement l’entrée et la sortie du système, {y(t)} et {η(t)}
désignent respectivement la sortie mesurée et les bruits de mesure et ω n’est autre que la pul-
sation propre de l’oscillateur. On se propose de concevoir un asservissement en adoptant une
approche modale réalisant les spécifications S1, S2 et S3 avec ωr = ω et ωp = 0.5ω et de le
mettre en œuvre sur un calculateur comme suit

E1. Attendre le top d’horloge.

E2. Appliquer le signal de commande au système.

E3. Acquisition de la sortie du système : conversion et sauvegarde.

E4. Détermination du signal de commande.

E5. Aller en E1.

On suggère de procéder progressivement comme suit.

1) Justifier le fait que l’on peut spécifier la période d’échantillonnage comme suit
π
ωTe =
2

2) Montrer que le système échantillonné sous-jacent est décrit par



 (1 + q −2 ) yσ (t) = (1 + q −1 ) (u(t − 2) + v(t − 2))



SYS y(t) = yσ (t) + η(t)




(1 − q −1 ) v(t) = vδ(t)


3) Préciser les configurations des pôles et des zéros du système et justifier pourquoi un ob-
jectif de poursuite parfaite ou une commande avec modèle interne ne sont pas faisables.

4) Proposer un régulateur réalisant les spécifications S1, S2 et S3 . On justifiera la struc-

ture du régulateur proposée et on donnera l’équation de sa synthèse sans la résoudre.

Problème 7.2 L’ultime motivation de cet problème est de mieux appréhender le concept de
précision maximale, notamment sa spécificité par rapport au concept de poursuite parfaite.
Pour ce faire, considérons les asservissements échantillonnés que l’on peut représenter comme
176 Chapitre 7

le montre la figure 9.3 où SYS et REG représentent le système et le régulateur et sont respec-
tivement décrits par

A(q −1 )yσ (t) = B(q −1 )u(t − d − 1) + E(q −1 )v(t)

(
SYS (7.12)
D(q −1)v(t) = C(q −1 )vδ(t)
et

Rd (q −1 )u(t) = Rn (q −1 ) (y ∗(t) − y(t))





 A∗ (q −1 )y ∗ (t + d + 1) = B ∗ (q −1 )u∗ (t)


REG (7.13)


 D ∗ (q −1 )u∗ (t) = C ∗ (q −1 )u∗ δ(t)



y(t) = yσ (t) + η(t)

v(t) η(t)

? ?
y ∗ (t) u(t) y(t)
- ±m - REG - SYS -
6

F IGURE 7.14 – Système asservi

Pour ce faire, on suggère de procéder d’une manière progressive comme suit en accordant
une attention particulière aux propriétés fondamentales de l’asservissement considéré.

1) Montrer que les performances d’entrée-sortie des systèmes asservis sont respectivement
données par les équations


−1 ∗ −1 −1
 yσ (t) = Gsr (q ) y (t) + Gsp (q ) v(t) + Gsb (q ) η(t)

SAS (7.14)
 u (t) = G (q −1 ) y ∗ (t) + G (q −1 ) v(t) + G (q −1 ) η(t)

σ er ep eb

où les Gij (z −1 ) pour (i, j) ∈ [s, e]×[r, p, b] désignent les différentes fonctions de transfert
du système asservi dont on précisera les expressions.

2) Préciser la propriété de stabilité nominale et les dynamiques de poursuite et de régula-

tion du système asservi.
 Commande modale 177

3) Donner la propriété requise pour réaliser une insensibilité aux bruits de mesure inéluc-
tables

4) Montrer que l’erreur de poursuite du système asservi est donnée par

eσ (t) = S(q −1 ) y ∗ (t) − Gsp (q −1 ) v(t) − Gsb (q −1 ) η(t)


EP (7.15)

Et préciser la structure du régulateur qui permet de réaliser une précision maximale.

5) Préciser le concept de précision maximale par rapport au concept de poursuite parfaite.

6) Considérons le cas des systèmes parfaitement décrits par la fonction de transfert

z −3 (1 − 2z −1 )
G(z −1 ) =
1 − 1.8z −1 + 0.81z −2

et soumis à des perturbations du type échelon en entrée. Proposer un régulateur permet-

tant de réaliser les spécifications usuelles S1, S2 et S3 avec une période d’échantillon-
nage telle que ωr Te = 0.7 et ωp Te = 0.8.
178 Chapitre 7
Chapitre 8

Conclusion

Cet ouvrage a été consacré aux problèmes fondamentaux de modélisation, de stabilité et de

commande des systèmes échantillonnés après une motivation concise du pourquoi des choses.
Ces études ont été réalisées en adoptant une approche système dont nous rappelons les éléments
essentiels.

• Une modélisation des systèmes échantillonnés intégrant les modèles des convertisseurs
CAN et CN A issus d’une présentation rigoureuse des concepts d’échantillonnage et
de reconstruction. On retrouve naturellement la réponse impulsionnelle, la réponse har-
monique, l’équation aux différences, la fonction de transfert et la réalisation d’état d’un
système échantillonné avec un focus sur les relations de passage entre ces différentes re-
présentations.

• Une présentation claire et concise des concepts de stabilité externe et de stabilité interne.
La vraisemblance entre la stabilité externe et la stabilité EBSB et l’importance de la sta-
bilité interne par rapport à la stabilité externe ont été mises en exergue. La stabilité interne
est présentée à partir de l’approche de Lyapunov.

• Une interprétation systémique des équations des systèmes asservis qui a permis de postu-
ler que les fonctions de sensibilité usuelles d’un asservissement sont des quantificateurs
de performances nominales et de robustesse en stabilité et que les performances requises
en poursuite peuvent être réalisées à partir d’un objectif de poursuite admissible ou d’un
objectif de précision maximale. Les limitations des performances intrinsèques à la confi-
guration pôles-zéros de la fonction de transfert en boucle ouverte du système asservi ont
été soulignées pour mieux apprécier qu’un automaticien est un ingénieux gestionnaire des
compromis entre les performances et la robustesse.

• Une synthèse modale qui offre une agréable introduction dans l’ingénierie de la concep-
tion des systèmes de commande par sa simplicité et sa large applicabilité. Des résultats
probants obtenus dans un contexte de simulation réaliste ont permis de montrer la faisa-
bilité de la commande modale pour la conception d’un asservissement de température au
sein d’un réacteur chimique opérant en mode semi-bach. Une attention particulière est
accordée aux limitations de la régulation industrielle usuelle, en l’occurrence la sensibi-
lité des systèmes de commande PID aux bruits de mesure inéluctables et l’invariance
des modes du système par une loi de commande avec modèle interne.

179
180 Chapitre 8

Ainsi cet ouvrage est une compilation comprehensible des résultats fondamentaux disponibles
sur l’analyse et la synthèse des asservissements échantillonnés que tout ingénieur doit acqué-
rir pour mieux apprécier le bouquet offert par la commande par calculateur. Cette compilation
a été réalisée d’une manière rigoureuse avec des remarques pertinentes et des problèmes qui
permettent de mieux apprécier l’essence la commande par calculateur. Elle m’a plus particu-
lièrement permis de remémorer toutes les discussions acharnées que j’ai eues avec mon ami
Amine Tahani sur le modèle du professeur que nous aurions tant aimé avoir à l’Ecole Moham-
madia d’Ingénieurs.

Nul homme ne peut vous révéler quoi que ce soit qui ne sommeille déjà dans
l’aube de votre connaissance.

Le maître qui marche à l’ombre du temple, parmi ses disciples, ne donne pas de
sa sagesse mais plutôt de sa foi et sa tendresse.

S’il est vraiment sage, il ne vous invitera pas à entrer dans le logis de la sa-
gesse, mais il vous guidera plutôt jusqu’au seuil de votre esprit.

L’astronome peut vous parler de sa propre compréhension de l’espace, mais

il ne pourrait vous la donner.

Le musicien peut vous chanter le rythme qui palpite dans tout espace, mais il
ne pourrait vous donner l’oreille qui saisit le rythme, ni la voix qui lui fait écho.

Et celui qui est versé dans la science des nombres peut vous parler des confins
du mesurable, mais ne saurait vous y conduire.

Car la vision d’un homme ne prête pas ses ailes à un autre homme.

Et comme chacun de vous se tient seul dans le savoir de Dieu, ainsi chacun
de vous doit rester seul dans sa connaissance de Dieu et dans sa compréhen-
sion du monde.

Gibran Khalil Gibran

Conclusion 181
182 Chapitre 8
Chapitre 9

Devoirs

On propose cinq devoirs corrigés qui constituent une base appropriée pour réaliser une auto-
évaluation vigoureuse des connaissances acquises. Ils permettent de mieux apprécier les résul-
tats fondamentaux de modélisation, de stabilité, d’analyse des asservissements et de synthèse
modale qui ont été présentés d’une manière compréhensive tout au long de cet ouvrage en adop-
tant une approche pragmatique au sens de l’ingénierie des systèmes. Une attention particulière
a été accordée aux aspects fondamentaux. Les aspects pratiques seront particulièrement déve-
loppés dans les bureaux d’études de cet enseignement.

DEVOIR T itre Page

1 Les bases élémentaires 185

2 Commande avec modèle interne 194

3 Analyse d’un asservissement 200

4 Synthèse modale 211

5 Synthèse des asservissements industriels 216

183
184
 185

DEVOIR 1 : LES BASES ELEMENTAIRES

La motivation principale de ce devoir est une évaluation des connaissances élémentaires du

cours, en l’occurrence l’opérateur retard, la modélisation et la stabilité. Pour ce faire, on de-
mande de traiter les questions suivantes en utilisant les notations du cours.

1) Décrire brièvement les incidences de l’échantillonnage et le principal atout du contexte

de synthèse des systèmes échantillonnés par rapport à celui des systèmes continus en pré-
cisant la relation de passage associée.
2) Soit P (q −1 ) ∈ R[q −1 ], calculer les dérivées partielles suivantes
∂ 
−1

P (q )x(t) pour i ∈ [0, np]
∂x(t − i)

3) Comment spécifier la période d’échantillonnage dans le cas d’un asservissement dont les
performances dynamiques sont caractérisées par un mode dominant d’amortissement uni-
taire et de pulsation propre ωr ? Préciser si un filtre anti-recouvrement est nécessaire et si
oui donner sa fonction de transfert.
4) Donner les relations entre les représentations du système continu et celles du système
échantillonné sous-jacent et en déduire la fonction de transfert du système échantillonné
dans le cas d’un système continu sans retard.
5) Déterminer la réponse impulsionnelle d’un système échantillonné issu d’un système continu
exhibant un retard pur τd que l’on peut exprimer en fonction de la période d’échantillo-
nnage comme suit τd = (d + 1) Te − η avec d ∈ N et 0 < η ≤ Te .
6) Montrer que la fonction de transfert d’un système échantillonné peut se récrire sous la
forme d’une fraction rationnelle
−d−1 −1 −nb


−d−1 −1 z b + b z + . . . + b z
z B(z ) o 1 nb
G(z −1 ) = =
A(z −1 ) 1 + a1 z −1 + . . . + ana z −na

Et préciser ses configurations pôles et zéros.

7) Déterminer la fonction de transfert du systèmes échantillonné correspondant au système
continu décrit par la fonction de transfert
a
Gc (s) = e−τ s avec 0 < η ≤ Te et a > 0
s+a

En déduire la configuration des pôles et des zéros du système échantillonné en précisant

ce qui se passe lorsque le scalaire η tends vers 0 ou 1.
8) Préciser la relation entre la réponse impulsionnelle (resp. la réponse harmonique) et la
fonction de transfert d’un système.
9) Préciser les relations entre la réalisation d’état, la fonction de transfert d’un système et
l’équation aux différences d’un système.
186

10) Donner la configuration modale d’un système et indiquer sa relation avec la configuration
de ses pôles. On traitera les exemples suivants

     
1 −1 1  
F = , G= , H= 1 0
0 1 0
et
     
2 −1 1  
F̄ = , Ḡ = , H̄ = 0 1
1 0 1

11) Considérons un système décrit par la fonction de transfert

(z − 1) (z 2 − 2cos(β)z + 1)
G(z) = avec β ∈ R+ et (α1 , α2 ) ∈ R × R
z 2 (z − α1 ) (z − α2 )
• Donner les configurations des pôles et des zéros du système.

• Etudier sa stabilité en fonction des scalaires α1 et α2 comme l’indique le tableau

suivant. On utilisera les acronymes SAS, SMS et SIN S pour désigner respecti-
vement que le système est stable, marginalement stable et instable.

| α2 |> 1 α2 = 1 | α2 |< 1
| α1 |> 1
α1 = 1
| α1 |< 1

• Supposons que le systèmes est stable, préciser la classe des entrées asymptotique-
ment rejetées en sortie.
12) Donner les équations aux différences décrivant des générateurs des perturbations du type
échelon, i.e. v(t) = vα(t), et du type harmonique de pulsation connue ω, i.e. v(t) =
vsin (ωt) α(t)), où v désigne l’amplitude des perturbations qui est supposée inconnue.

13) Considérons la cascade des systèmes de la figure 9.1 où les fonctions de transfert G1 (z)
et G2 (z) sont respectivement données par

Bσ1 (z) Bσ2 (z)

G1 (z) = avec Aσ1 (z) ∈ Rus (z) et G2 (z) = avec Aσ2 (z) ∈ Rsa (z)
Aσ1 (z) Aσ2 (z)

y1 (t) y2 (t)
u(t) - G1 (z) - G2 (z) - y(t)
u1 (t) u2 (t)

F IGURE 9.1 – Interconnexion en cascade

Donner la condition requise pour que la sortie de la cascade soit asymptotiquement nulle,
soit lim y(t) = 0, lorsque son entrée est une impulsion d’amplitude v inconnue, soit
t→∞
u(t) = vδ(t)
 187

14) Considérons un système stable et supposons que son entrée est un processus stochas-
tique stationnaire de moyenne nulle et de variance finie. Quelle est la nature de la sortie
du système ? On précisera la condition requise sur le système pour que cette sortie soit
assimilable à un zéro ingénieur.
188

DEVOIR 1 : UNE SOLUTION !

1) On distingue trois incidences de l’échantillonnage. La première incidence est l’étalage du

spectre du signal continu jusqu’à l’infini conformément au résultat fondamental d’ana-
lyse spectrale. La seconde incidence relève d’une complexité structurelle des systèmes
échanti-llonnés, en l’occurrence l’introduction d’un retard pur d’une période d’échan-
tillonnage, dans le cas où le système continu est strictement propre, et d’un ensemble de
zéros supplémentaires. Néanmoins, le problème du retard, qui engendre un problème de
dimension infinie dans le contexte des systèmes continus, est transformé en un problème
de dimension finie et peut être ainsi aisément traité dans le contexte des systèmes échan-
tillonnés.
2) Compte tenu de la définition de l’opérateur retrad, on postule naturellement que
np
−1
X ∂  
P (q )x(t) = pi x(t − i) =⇒ P (q −1 )x(t) = pi ∀i ∈ [0, np]
i=o
∂x(t − i)

3) Compte tenu des performances dynamiques requises, le système asservi a une bande pas-
sante caractérisée par une pulsation maximale qui n’est autre que la pulsation propre des
modes dominants de la dynamique de régulation, soit ωr . On peut alors choisir la période
d’échantillonnage comme suit
h π πi
ωr Te < π −→ ωr Te ∈ ,
10 4
Le filtre anti-recouvrement permet de recouvrer un contexte favorable à l’application du
théorème de Shannon, i.e. un spectre borné du signal à échantillonner. Il est donc néces-
saire si la bande passante du capteur est relativement large par rapport à celle du système
asservi. On utilisera pour ce faire un filtre de fonction de transfert
ℓ
ωr2

F AR(s) = avec ℓ ≥ 2
s2 + 2ωr s + ωr2

4) On distingue trois relations principales

• La première concerne les réponses impulsionnelles

Z kTe
{g(kTe )}k≥1 avec g(kTe ) = gc (τ )dτ
(k−1)Te

• La seconde concerne les fonctions de transfert

z−1

G(z) = Z {gcind(kTe )}k∈Z
z

• La troisième concerne les réalisations d’état

Z Te 
Fc Te Fc τ
F =e , G= e dτ Gc , H = Hc et E = Ec
o
 189

5) Compte tenu de la représentation d’un système échantillonné à partir du modèle du

système continu sous-jacent et des modèles des convertisseurs analogique-numérique et
numérique-analogique, on peut exprimer la sortie du système continu comme suit
Z ∞
y(t) = gc (τ )ub (t − τ )dτ
o

La sortie du système échantillonné est donc donnée par

Z ∞ ∞ Z
X ℓTe
y(kTe ) = gc (τ )ub (kTe − τ )dτ = gc (τ )ub (kTe − τ )dτ
o ℓ=1 (ℓ−1)Te

Et comme ub (kTe − τ ) = u(kTe − ℓTe ) pour τ ∈ ((ℓ − 1)Te , ℓTe ] puisque kTe − ℓTe <
kTe − (ℓ − 1)Te , on aura donc

∞ Z
X ℓTe 
y(kTe ) = gc (τ )dτ u(kTe − ℓTe )
ℓ=1 (ℓ−1)Te

Cette expression peut se mettre sous la forme d’un produit de convolution

∞
X
y(kTe ) = g(ℓTe )u(kTe − ℓTe )
ℓ=1
où la séquence {g(kTe )}k∈N n’est autre que la réponse impulsionnelle du système échanti-
llonné puisque

u(kTe ) = δ(kTe ) =⇒ y(kTe ) = g(kTe ) pour tout k ∈ N

Et comme gc (t) = 0 pour tout t ≤ τd = (d + 1) Te − η avec d ∈ N et 0 < η ≤ Te , on

peut déterminer aisément la réponse impulsionnelle du système, soit


 0 pour ℓ ∈ [0, d]




 Z (d+1)Te
gc (τ )dτ pour ℓ = d + 1

g(ℓTe ) = (d+1)Te −η



 Z ℓTe
gc (τ )dτ pour ℓ > d + 1




(ℓ−1)Te

6) Compte tenu de l’expression de la réponse impulsionnelle du système échantillonné, on a

∞
X
y(kTe ) = g(ℓTe )u(kTe − ℓTe )
ℓ=d+1

Et on peut en déduire aisément que la transformée en z de la séquence de sortie du sys-

tème est reliée à celle de sa séquence d’entrée par la relation

∞
!
X
Y (z) = g(ℓTe )z −ℓ U(z)
ℓ=d+1
190

On retrouve la fonction de transfert du système échantillonnée que l’on peut exprimer à

partir de la fonction de transfert sous la forme d’une fraction rationnelle en z −1
B(z −1 )
G(z −1 ) = z −d−1
A(z −1 )
puisqu’on peut toujours effectuer une division euclidienne dans l’anneau des polynômes
R[z −1 ] et que les d + 1 premiers éléments de cette division sont nuls, i.e. g(ℓTe ) =
0 pour ℓ ∈ [0, d].

Par ailleurs, la fonction de transfert du système peut alors se mettre sous la forme d’une
fraction rationnelle en z, soit

z −d−1 B(z −1 ) z n z −d−1 B(z −1 )

G(z −1 ) = = avec n = max (na, nb + d + 1)
A(z −1 ) zn A(z −1 )
On aura alors
Bσ (z) ∆
G(z −1 ) = = G(z)
Aσ (z)
avec
z na A(z −1 )
(
si na ≥ nb + d + 1
Aσ (z) =
z nb+d+1−na A(z −1 ) si na < nb + d + 1

z na−nb−d−1 B(z −1 ) si na ≥ nb + d + 1
(
Bσ (z) =
z nb B(z −1 ) si na < nb + d + 1

On peut alors postuler que

• La configuration des zéros du système est constituée des racines en z du polynôme

B(z −1 ) modulo un nombre de zéros en zéro égal au degré relatif de la fonction de
∆
transfert, soit r = na − nb − d − 1, si na ≥ nb + d + 1

• La configuration des pôles du système est constituée des racines en z du polynôme

A(z −1 ) modulo un nombre de pôles en zéro égal au degré relatif de la fonction de
∆
transfert, soit r = nb + d + 1 − na, si na < nb + d + 1

A titre illustratif, les fonctions de transfert G1 (z −1 ) et G2 (z −1 ) peuvent se mettre sous la

forme
2z − 1 0.5z 2 − 1
G1 (z) = et G2 (z) =
z 2 − 1.3z + 0.42z −2 z 2 (z 2 − 1.6z + 0.64)

qui permet d’en déduire aisément les configurations des zéros et des pôles, soit

CZ (G1 (z)) = {0.5} et CP (G1 (z)) = {0.6, 0.7}

et n √ √ o
CZ (G2 (z)) = − 2, 2 et CP (G2 (z)) = {0, 0, 0.8, 0.8}
 191

7) La relation entre la fonction de transfert d’un système continu et celle du système échan-
tillonné sous-jacent
z−1

G(z) = Z {gcind (kTe )}k∈Z
z
avec
ae−τ s
   
−1 Gc (s) −1
gcind(t) = L =L
s s (s + a)

Si l’on pose τ = Te − η, on aura

ae−τ s
 ηs
eηs


−Te s e
L {gcind (t)}t∈R+ = =e −
s (s + a) s s+a
eηs eηs
 
Et en remarquant que resp. est la transformée de Laplace d’un échelon
s s+a
décalé à gauche de η (resp. d’une exponentielle décalée à gauche de η), on aura

1 e−aη (z − z1 )
Z {gcind (kTe )}k∈N = − −aT
= α
z−1 z−e e (z − 1)(z − p1 )
avec
e−aTe − e−aη
α = 1 − e−aη , z1 = −aη
et p1 = e−aTe
1−e

La fonction de transfert échantillonnée recherchée est alors donnée par

α (z − z1 )
G (z) =
z (z − p1 )

Outre le retard pur d’une période d’échantillonnage intrinsèque au bloqueur d’ordre zéro,
le retard fractionnaire induit un zéro auxiliaire dans la fonction de transfert échantillonnée
qui bien les conditions aux limites suivantes

lim z1 = 0 et lim z1 = ∞
η→Te η→0

8) La relation entre la réponse impulsionnelle et la fonction de transfert d’un système est

donnée par

G(z) = Z ({g(kTe )})

Quant à la relation entre la réponse harmonique et la fonction de transfert d’un système,

elle est donnée par

G(z) = F ({g(kTe )}) = G(ejωTe ) si le système est stable

9) Le passage d’une réalisation d’état (F, G, H, E) d’un système à sa fonction de transfert

G(z) peut être déduit naturellement en prenant la transformée en z des équations d’état et
de sortie tout en supposant que les conditions initiales son nulles, soit

H (zIn − F )−1 G + det (zIn − F ) E

G(z) = H (zIn − F )−1 G + E =
det (zIn − F )
192

Quant au passage d’une fonction de transfert à la représentation d’état, il n’est pas trivial
compte tenu de la pluralité de la représentation d’état. On peut toutefois choisir les réali-
sations canoniques, i.e. la forme canonique de commandable et/ou observable. Et pour la
passage d’une fonction de transfert d’un système à son équation aux différences, il suffit
d’un simple retour au domaine temporel comme suit

Y (z) = G(z −1 )U(z)

⇐⇒
A(z −1 )Y (z) = z −d−1 B(z −1 )U(z)
⇐⇒
A(q −1 )y(kTe ) = q −d−1 B(q −1 )u(kTe ) = B(q −1 )u((k − d − 1)Te )

10) La configuration des modes d’un système n’est autre que le spectre de sa matrice d’état,
soit
CM (SYS) = V (F )

On notera que les modes ne sont pas nécessairement des pôles du système puisque les
modes non commandables et non observables n’apparaissent pas dans la fonction de
transfert, soit
CP (SYS) ⊂ CM (SYS)

Cette réduction des modes peut être illustrée par les deux exemples. En effet, pour le sys-
tème associé à la réalisation d’état (F, G, H), on a

CM (SYS) = {1 , 1} ⊂ CP (SYS) = {1}

Quant au système associé à la réalisation d’état F̄ , Ḡ, H̄ , il a une configuration des
modes égale à la configuration des pôles, soit

CM (SYS) ⊂ CP (SYS) = {1 , 1}

11) Nous traitons ci-dessous les questions relatives au système décrit par la fonction de trans-
fert G(z).
• La configuration pôles-zéros du système est donnée par

CZ (G(z)) = 1, ejβ , e−jβ et CP (G(z)) = {0, 0, α1 , α2 }



• Le système est stable, marginalement stable et instable selon les valeurs de ses pa-
ramètres comme l’indique le tableau suivant

| α2 |> 1 α2 = 1 | α2 |< 1
| α1 |> 1 SIN S SIN S SIN S
α1 = 1 SIN S SIN S SMS
| α1 |< 1 SIN S SMS SAS
 193

• Si le système est stable, alors les entrées du type échelon et d’amplitude inconnue
β
et harmonique de pulsation et d’amplitude et de phase inconnues sont asympto-
Te
tiquement rejetées en sortie.
12) Compte tenu des transformées en z des perturbations considérées, i.e.

z vsin (ω) z
Z (vα(t)) = v et Z (vsin (ωt) α(t)) = 2
z−1 z − 2cos (ω) z + 1

on peut en déduire aisément les équations aux différences décrivant leurs modèles géné-
rateurs
1 − q −1 v(t) = vδ(t)

et
1 − 2cos (β) q −1 + q −2 v(t) = vsin (β) δ(t − 1)

13) La fonction de transfert de la cascade de la figure 9.1 est donnée par

Bσ2 (z) Bσ1 (z)

G(z) = G2 (z).G1 (z) = .
Aσ2 (z) Aσ1 (z)

Et comme les fonctions de transfert sont irréductibles et que Aσ2 (z) ∈ Rus (z) et Aσ1 (z) ∈
Rsa (z), on peut postuler aisément que la réponse impulsionelle de la cascade est asymp-
totiquement nulle si et seulement si Aσ2 (z) divise Bσ1 (z).

14) La réponse d’un système stable à un processus stochastique stationnaire de moyenne

nulle et de variance finie est un processus stochastique stationnaire de moyenne nulle et
de variance finie. Et si ce système est un filtre passe bas, alors la sortie du filtre peut être
assimilée à un zéro ingénieur. On notera qu’un système stable ayant un zéro en -1 est un
filtre passe bas.
194

DEVOIR 2 : COMMANDE AVEC MODELE INTERNE

On se propose d’effectuer une analyse ingénieur des performances nominales des systèmes de
commande avec modèle interne que l’on peut représenter comme l’indique la figure 9.2. Le
système est décrit par

 yσ (t) = G(q −1 )u(t) + H(q −1 )v(t)
SYS
y(t) = yσ (t) + η(t)


avec
z −d−1 B(z −1 ) E(z −1 )
G(z −1 ) = et H(z −1
) =
A(z −1 ) A(z −1 )

alors que le filtre de robustification est décrit par les fonction de transfert

Fn (z −1 )
F (z −1 ) =
Fd (z −1 )

v(t) η(t)

? ?
∗ FILTRE
y (t) u(t) y(t)
-±
n - DE - SYSTEME -
6 ROBUSTESSE

MODELE ?

- DE -±

COMMANDE

F IGURE 9.2 – Système de commande avec modèle interne

On peut ainsi apprécier les propriétés fondamentales qui constituent l’essence de la popularité
de la commande avec modèle interne tout en mettant en évidence ses limitations du point de
vue de son applicabilité. Pour ce faire, on suggère de procéder comme suit.
 195

1) Donner la loi de commande avec modèle interne et en déduire la fonction de transfert du

régulateur.

2) Donner les équations du comportement d’entrée-sortie du système de commande avec

modèle interne et en déduire les conditions de stabilité et les dynamiques de poursuite et
de régulation sous-jacentes. On précisera la dynamique de régulation dans le cas où les
perturbations peuvent être ramenées en sortie : une hypothèse usuelle pour les fans de la
commande avec modèle .

3) Préciser la classe perturbations que l’on peut rejeter parfaitement ainsi que la classe des
séquences de référence que l’on peut poursuivre parfaitement.

4) Donner les fonctions de sensibilité usuelles du système de commande avec modèle in-
terne et préciser comment specifier la filtre de robustification pour réduire la sensibilité
du système de commande aux bruits de mesure inéluctables.

5) Etablir un bilan ingénieur sur la commande avec modèle interne à partir des résultats
fondamentaux qui ont été obtenus tout au long de cette analyse.
196

DEVOIR 2 : UNE SOLUTION

1) La loi de commande avec modèle interne peut être facilement obtenue à partir du dia-
gramme fonctionnel du système de commande correspondant, soit

(1 − F (z −1 )G(z −1 )) U(z) = F (z −1 ) (Y ∗ (z) − Y (z))


CMI

Il s’agit d’un régulateur à un degré de liberté dont la fonction de transfert est donnée

F (z −1 ) A(z −1 )Fn (z −1 )
R(z −1 ) = =
1 − F (z −1 )G(z −1 ) A(z −1 )Fd (z −1 ) − z −d−1 B(z −1 )Fn (z −1 )

que l’on peut récrire sous la forme usuelle

Rd (q −1 ) Rn (q −1 ) Rn (q −1 ) ∗

CMI u(t) + y(t) = y (t)
Po (q −1 ) Po (q −1 ) Po (q −1 )
avec
Rd (q −1 ) = A(q −1 )Fd (q −1 ) − q −d−1 B(q −1 )Fn (q −1 )

Rn (q −1 ) = A(q −1 )Fn (q −1 )

Po (q −1 ) = A(q −1 )Fd (q −1 )

2) Le comportement d’entré-sortie du système de commande est obtenu en éliminant res-

pectivement la sortie et l’entré entre les équations du régulateur et du système. On aura
alors

 y(t) = Gsr (q −1 ) y ∗(t) + Gsp (q −1 ) v(t) + Gsb (q −1 ) η(t)
SCMI
u(t) = Ger (q −1 ) y ∗ (t) + Gep (q −1 ) v(t) + Geb (q −1 ) η(t)


où les Gij (z −1 ) pour (i, j) ∈ [r, p, b] × [s, r] désignent les différentes fonctions de trans-
fert du système asservis données par

z −d−1 B(z −1 )Rn (z −1 )

Gsr (z −1 ) =
Pc (q −1 )
E(z −1 )Rd (z −1 ) z −d−1 B(z −1 )Rn (z −1 )
Gsp (q −1 ) = , Gsb (q −1
) = −
Pc (q −1 ) Pc (q −1 )
A(z −1 )Rn (z −1 )
Ger (z −1 ) =
Pc (q −1 )
E(z −1 )Rn (z −1 ) A(z −1 )Rn (z −1 )
Gep (q −1 ) = − et Geb (q −1
) = −
Pc (q −1 ) Pc (q −1 )

où Pc (z −1 ) n’est autre que le polynôme caractéristique donnée par

Pc (z −1 ) = A(z −1 )Rd (z −1 ) + z −d−1 B(z −1 )Rn (q −1 ) = A(q −1 )A(q −1 )Fd (q −1 )

 197

Les pôles du système sont invariants par une loi de commande avec modèle interne ; ils
doivent être nécessairement situés dans le domaine de stabilité et de performances, i.e.
CP (SYS) ⊂ Dsp . Et il en de même pour le filtre de robustification qui représente le
paramètre de synthèse de la commande avec modèle interne, i.e. CP (F (z −1 )) ⊂ Dsp .

Compte tenu des expressions des polynômes Rn (z −1 ), Rd (z −1 ) et Pc (z −1 ) et de la stabi-

lité du système de commande, les dynamiques de poursuite et de régulation par rapport
aux perturbations sont respectivement données par les fonctions de transfert

z −d−1 B(z −1 )Fn (z −1 )

DP(z −1 ) =
A(z −1 )Fd (z −1 )
et
E(z −1 ) A(z −1 )Fd (z −1 ) − z −d−1 B(z −1 )Fn (z −1 )


−1
DR(z ) =
A(z −1 )A(z −1 )Fd (z −1 )

Et dans le cas où les perturbations peuvent être ramenées en sortie, i.e. E(z −1 ) = A(z −1 ),
la dynamique de régulation est réduite comme suit

A(z −1 )Fd (z −1 ) − z −d−1 B(z −1 )Fn (z −1 )

DR(z −1 ) =
A(z −1 )Fd (z −1 )

3) Comme la dynamique de poursuite doit avoir un gain statique unitaire, on aura

B(1)Fn (1)
DP(1) = = 1 ⇐⇒ A(1)Fd (1) − B(1)Fn (1) = 0
A(1)Fd (1)

Et compte tenu de la condition de stabilité du système de commande et des expressions

des fonctions de transfert du modèle de commande, du filtre de robustification et du régu-
lateur, on aura

1
G(1) 6= 0, F (1) 6= 0 et F (1) = et Rd (1) = 0
G(1)

Les trois premières conditions portent sur les gains statiques du système et du filtre de
robustification, alors que la dernière condition stipule que le régulateur admet un pôle en
un, i.e sa fonction de transfert peut se récrire comme suit

R(z −1 )
R(z −1 ) =
(1 − z −1 ) S(z −1 )

Le système de commande avec modèle interne réalise naturellement un rejet asympto-

tique des perturbations du type échelon, i.e. une séquence d’échelons d’amplitudes in-
connues préalablement filtrées. Par ailleurs, on peut en déduire aisément l’équation de
l’erreur de poursuite du système de commande à partir de son équation de comportement
en sortie, soit

e(t) = Gec (q −1 )u∗ (t) − Gsp (q −1 )v(t) − Gsb (q −1 )η(t)

198

avec
S(z −1 ) (1 − z −1 ) ∗ −1
Gc (z −1 ) = G (z )
A(z −1 )Fd (z −1 )

On peut alors conclure qu’un système de commande avec modèle interne permet de réali-
ser asymptotiquement une poursuite parfaite des séquences de référence de type échelon
en présence des perturbations de type échelon. Ces performances en poursuite pourront
être affinées si tous les zéros du système sont situés dans le domaine de stabilité et de
performances adopté, i.e. B(z −1 ) = 0 =⇒ z ∈ Dsp . En effet, on pourrait alors spécifier
le filtre de robustification de manière à réduire la dynamique de poursuite à un filtre indé-
pendant du système comme le montre la propriété suivante.

A(z −1 )F (1) −d−1 F (1)

F (z −1 ) = =⇒ DP(z −1
) = z
B(z −1 )F (z −1 ) F (z −1 )

On peut ainsi réaliser une poursuite parfaite de la séquence de référence filtrée définie par

F (1) ∗
yf∗ (t) = y (t − d − 1)
F (q −1)

4) Les fonctions de sensibilité usuelles nominales qui en résultent sont données par les fonc-
tions de transfert

S(z −1 ) = 1 − G(z −1 )F (z −1 )

T (z −1 ) = G(z −1 )F (z −1 )

GS(z −1 ) = G(z −1 ) 1 − F (z −1 )G(z −1 )

RS(z −1 ) = F (z −1 )

Il apparaît clairement que les performances nominales et la robustesse vis-à-vis des er-
reurs de modélisation inéluctables des systèmes de commande avec modèle interne peuvent
être affinées en choisissant judicieusement le filtre de robustification. Ce dernier doit être
un passe bas pour pouvoir réduire la sensibilité du système de commande aux bruits de
mesure.

5) On peut faire un bilan ingénieur sur la commande avec modèle interne pour mieux ap-
préhender ses atouts et ses limitations. Les atouts résultent des propriétés remarquables
suivantes.

• La simplicité de mise en ouvre qui résulte naturellement de la simplicité du principe

de la commande avec modèle interne comme le montre la figure 9.2. Un modèle de
commande est mis en parallèle avec le système pour estimer les perturbations qui
affectent le fonctionnement du système en supposant qu’elles peuvent être ramenées
en sortie. Ces perturbations sont compensées par une contre réaction appropriée uti-
lisant un filtre de robustification
 199

• La spécification de la structure du filtre de robustification est triviale : un filtre passe

bas dont le gain statique est égal à l’inverse du gain statique du modèle de com-
mande et dont les pôles sont situées dans le domaine de stabilité et de performances,
i.e.
1
F (z −1 ) ∈ EF PB avec CP F (z −1 ) ∈ Dsp et F (1) =


G(1)

Quant à la bande passante du filtre, elle est spécifiée de manière à réaliser un mode-
lage adéquat des fonctions de sensibilité usuelles.

• La compensation parfaite des perturbation du type échelon et la poursuite parfaite

des séquences de référence du type échelon : des performances génériques d’un ré-
gulateur avec retour unitaire dotée d’une action intégrale.

• Une robustesse vis-à-vis des erreurs de modélisation inéluctables en spécifiant ju-

dicieusement le filtre de robustification, en l’occurrence l’insensibilité aux bruits de
mesure avec un filtre de robustification du type passe bas.

Quant aux limitations, elles concernent principalement les conditions d’applicabilité aussi
bien sur la classe des systèmes à commander que sur la classe des perturbations que l’on
peut compenser.

• Les pôles du système doivent être situés dans le domaine de stabilité et de perfor-
mances et son gain statique ne doit pas être nul, i.e.
   
CP (SYS) ∈ Dsp et z ∈ CZ (SYS) =⇒ z 6= 0

.
La première condition résulte naturellement de l’invariance des pôles du système
par une loi de commande avec modèle interne, alors que la seconde condition est
une contrainte usuelle des performances en poursuite, i.e. DP (0) = 1.

• Les perturbations doivent être du type échelon puisque la seule propriété générique
du régulateur est qu’il admet une action intégrale.
200

DEVOIR 3 : ANALYSE ET SYNTHESE D’UN ASSERVISSEMENT

Considérons le système asservi donné par la figure 9.3 où le système et le générateur des per-
turbations sont respectivement décrits par les fonctions de transfert

z −d−1 B(z −1 )
G(z −1 ) =
A(z −1 )
et
Ce (z −1 ) Cs (z −1 )
 
−1 −1
He (z ) = , Hs (z ) =
De (z −1 ) Ds (z −1 )

et le régulateur, le générateur de la séquence de référence et le générateur de la séquence de

points de consigne sont respectivement données par

Rn (z −1 ) Rp (z −1 )
 
−1 −1
Rr (z ) = , Rp (z ) =
Rd (z −1 ) Rd (z −1 )
avec
z −d−1 B ∗ (z −1 ) C ∗ (z −1 )
 
∗ −1 ∗ −1
G (z ) = , H (z ) = ∗ −1
A∗ (z −1 ) D (z )

δve (t) δvs (t)

? ?
δ ∗ (t + d + 1)
u
MGC MGP

u∗ (t + d + 1) y ∗(t + d + 1) ve (t) vs (t)

6- ? ?
- - + - - + -
MGR - REG SYS
u(t) uσ (t) yσ (t)

? η(t)
+

F IGURE 9.3 – Système asservi

SYST EME
usas (t) - - ysas (t)
ASSERVI

F IGURE 9.4 – Système asservi

 201

Ce système asservi peut être représenté comme l’indique la figure 9.4 où {usas (t)} et {ysas (t)}
représentent les entrées et les sorties sont respectivement données par
 ∗ 
y (t + d + 1)  
∆ ∆ yσ (t)
usas (t) =  v(t)  et ysas (t) =
uσ (t)
η(t)
avec
 
∆ ve (t)
v(t) = et uσ (t) = u(t) + ve (t)
vs (t)

On se propose d’étudier ce système asservi conformément aux résultats développés tout au long
de l’enseignement des systèmes asservis, en utilisant les mêmes notations. Pour ce faire, on sug-
gère de procéder progressivement comme suit

1) Donner les équations aux différences du système, du régulateur et du système de com-

mande.

2) Donner la fonction de transfert du système asservi Gsas (z −1 ) : Usas (z) −→ Ysas (z) et
exprimer ses éléments en fonction des fonctions de sensibilité usuelles d’un système de
commande si possible, soit S(z −1 ), T (z −1 ), GS(z −1 ) et RS(z −1 ).
3) Etudier la stabilité du système asservi et en déduire la classe des régulateurs qui réalisent
les performances dynamiques requises du système asservi.
4) Préciser les équations aux différences des composantes du comportement d’entrée-sortie
du système asservi respectivement issues de la séquence de référence, des perturbations
et du bruit de mesure, soit {yr (t)}, {yp (t)}, {yb (t)}, {ur (t)}, {up (t)} et {ub (t)}.

5) Préciser les dynamiques de poursuite et de régulation du système asservi.

6) Préciser la structure du régulateur qui permet de réaliser les propriétés suivantes

lim T ejωTe = 0 et lim RS ejωTe = 0

ω→ωn ω→ωn

7) Compléter le tableau 9.1 qui donne des propriétés fondamentales d’un asservissement
tout en précisant les conditions requises et la structure du régulateur pour leur réalisation.

8) Donner la structure d’un régulateur qui permet de concevoir un asservissement insensible

aux bruits de mesure et réalisant une précision maximale robuste, par rapport aux incer-
titudes du modèle de commande, pour une séquence de référence du type échelon et des
perturbations en entrée et en sortie du type échelon. Les dynamiques de régulation et de
poursuite requises sont respectvement caratérisées par des modes de pulsation propre ωr
et ωp et d’amortissements ζr et ζp . On précisera les conditions requises sur le système.
202

Conditions Structures
♥ Propriétés du
requises Régulateur

SPD

IBM

CPP

DSC

PM

PP

PSP

TABLE 9.1 – Classe des régulateurs admissibles

 203

DEVOIR 3 : UNE SOLUTION

1) Compte tenu du diagramme fonctionnel de l’asservissement considéré, le système et le

régulateur dont décrits par

A(q −1 )yσ (t) = B(q −1 )uσ (t − d − 1) + A(q −1 )vs (t)







 uσ (t) = u(t) + ve (t)
SYS


 De (q −1 )ve (t) = Ce (q −1 )ve δ(t)


Ds (q −1 )vs (t) = Cs (q −1 )vs δ(t)


et
Rd (q −1 )u(t) + Rn (q −1 )y(t) = Rp (q −1 )y ∗ (t + d + 1)




REG A∗ (q −1 )y ∗ (t + d + 1) = B ∗ (q −1 )u∗ (t)


D ∗ (q −1 )u∗ (t) = C ∗ (q −1 )u∗ δ(t)


Quant aux équations d’entrée-sortie du système asservi, elles sont obtenues en éliminant
respectivement l’entrée et la sortie du système entre les équations du système SYS et du
régulateur REG. L’élimination de l’entrée peut être obtenue en opérant sur l’équation du
système par Rd (q −1 ) tout en utilisant l’équation du régulateur. On aura alors

A(q −1 )Rd (q −1 )yσ (t) = q −d−1 B(q −1 ) Rd (q −1 )uσ (t) + Rd (q −1 ) A(q −1 )vs (t)

= q −d−1 B(q −1 ) Rd (q −1 ) (u(t) + ve (t)) + A(q −1 )Rd (q −1 )vs (t)

= q −d−1 B(q −1 ) Rp (q −1 )y ∗(t + d + 1) − Rn (q −1 ) (yσ (t) + η(t))

+q −d−1 B(q −1 )Rd (q −1 )ve (t) + A(q −1 )Rd (q −1 )vs (t)

= B(q −1 )Rp (q −1 )y ∗(t) − q −d−1 B(q −1 )Rn (q −1 )yσ (t)
+q −d−1 B(q −1 )Rd (q −1 )ve (t) + A(q −1 )Rd (q −1 )vs (t)
−q −d−1 B(q −1 )Rn (q −1 )η(t)

soit

Pc (q −1 )yσ (t) = q −d−1 B(q −1 )Rp (q −1 )y ∗ (t + d + 1)

+q −d−1 B(q −1 )Rd (q −1 )ve (t) + A(q −1 )Rd (q −1 )vs (t)
−q −d−1 B(q −1 )Rn (q −1 )η(t)

où Pc (q −1 ) désigne le polynôme caractéristique du système asservi donné par

Pc (q −1 ) = A(q −1 )Rd (q −1 ) + q −d−1 B(q −1 )Rn (q −1 )

204

Quant à l’élimination de la sortie, elle peut être obtenue en opérant sur l’équation du ré-
gulateur par A(q −1 ) tout en utilisant l’équation du système. On aura alors

A(q −1 )Rd (q −1 )uσ (t) = A(q −1 )Rp (q −1 )y ∗(t + d + 1) + A(q −1 )Rd (q −1 )ve (t)
−Rn (q −1 ) A(q −1 )yσ (t) − A(q −1 )Rn (q −1 )η(t)

= A(q −1 )Rp (q −1 )y ∗(t + d + 1) + A(q −1 )Rd (q −1 )ve (t)

−q −d−1 B(q −1 )Rn (q −1 )uσ (t) − A(q −1 )Rn (q −1 )vs (t)
−A(q −1 )Rn (q −1 )η(t)

soit

Pc (q −1 )uσ (t) = A(q −1 )Rp (q −1 )y ∗(t + d + 1)

+A(q −1 )Rd (q −1 )ve (t) − A(q −1 )Rn (q −1 )vs (t)
−A(q −1 )Rn (q −1 )η(t)

Le système asservi est alors décrit par les équations de son comportement d’entrée-sortie



 Pc (q −1 )yσ (t) = q −d−1 B(q −1 )Rp (q −1 )y ∗(t + d + 1)


+q −d−1 B(q −1 )Rd (q −1 )ve (t) + A(q −1 )Rd (q −1 )vs (t)







−q −d−1 B(q −1 )Rn (q −1 )η(t)



SAS
Pc (q −1 )uσ (t) = A(q −1 )Rp (q −1 )y ∗ (t + d + 1)






+A(q −1 )Rd (q −1 )ve (t) − A(q −1 )Rn (q −1 )vs (t)






−A(q −1 )R (q −1 )η(t)


n

2) Compte tenu des équations du système asservi, on peut en déduire aisément sa fonction
de transfert


SAS Ysas (z) = Gsas (z)Usas (z)

avec

Gsr (z −1 ) Gspe (z −1 ) Gsps (z −1 ) Gsb (z −1 )

 
 
Gsas (s) =  −1 −1 −1
 −1
 Ger (z ) Gepe (z ) Geps (z ) Tbe (z ) 

où les Gij (z −1 ) pour (i, j) ∈ [s, e] × [r, pe, ps, b] désignent les différentes fonctions de
transfert du système asservi respectivement donnée par
 205

z −d−1 B(z −1 )Rp (z −1 )


∆

 Gsr (z −1 ) = +
Pc (z −1 )




z −d−1 B(z −1 )Rd (z −1 )

∆

Gspe (z −1 ) = + = + GS(z −1 )


Pc (z −1 )






A(z −1 )Rd (z −1 )

∆

Gsps (z −1 ) = + = + S(z −1 )


Pc (z −1 )






z −d−1 B(z −1 )Rn (z −1 )


 G (z −1 ) ∆
= − = − T (z −1 )

sb
F T SAS Pc (z −1 )

 ∆ A(z )Rp (z −1 )
−1
Ger (z −1 ) = +


Pc (z −1 )




A(z −1 )Rd (z −1 )

∆

Gepe (z −1 ) = + S(z −1 )


 = +


 Pc (z −1 )
A(z −1 )Rn (z −1 )


 ∆
Geps (z −1 ) = − = − RS(z −1 )


Pc (z −1 )




A(z −1 )Rn (z −1 )

∆

 Geb (z −1 ) = − = − RS(z −1 )


Pc (z −1 )

3) Le système asservi est asymptotiquement stable si et seulement ses modes, qui ne sont
autres que les racines de son polynôme caractéristique, sont situés dans le domaine de
stabilité asymptotique, soit

CM (SAS) ⊂ Dsa

avec
CM (SAS) = µ ∈ C / Pc (µ−1 ) = 0


On peut en déduire naturellement que la classe des régulateurs réalisant les performances
dynamiques requises du système asservi est caractérisée par

Rn (z −1 )
 
−1 −1 −1
CRSP = Rr (z ) = / Pc (z ) ∈ Rsp [z ]
Rd (z −1 )

4) Les composantes du comportement d’entrée-sortie du système asservi, issues de ses en-

trées, peuvent être mises en exergue en réécrivant ses équations différentielles sous la
forme


 yσ (t) = yr (t) + ype(t) + yps (t) + yb (t)
SAS
uσ (t) = ur (t) + upe (t) + ups(t) + ub (t)


avec
206

Pc (q −1 )yr (t) = B(q −1 )Rp (q −1 )y ∗ (t)









Pc (q −1 )ype (t) = q −d−1 B(q −1 )Rd (q −1 )ve (t)









Pc (q −1 )yps (t) = A(q −1 )Rd (q −1 )vs (t)










−1 −d−1
 Pc (q )yb (t) = −q B(q −1 )Rn (q −1 )η(t)



CESAS
Pc (q −1 )ur (t) = A(q −1 )Rn (q −1 )y ∗(t + d + 1)










Pc (q −1 )upe (t) = A(q −1 )Rd (q −1 )ve (t)









Pc (q −1 )ups (t) = A(q −1 )Rd (q −1 )vs (t)










Pc (q −1 )ub (t) = −A(q −1 )Rn (q −1 )η(t)


On notera que les composantes du comportement d’entrée-sortie du système asservi peuvent

se récrire sous la forme

 yσ (t) = yr (t) + yp (t) + yb (t) avec yp (t) = ype (t) + yps (t)
SAS
uσ (t) = ur (t) + up (t) + ub(t) avec up (t) = upe (t) + ups (t)


qui se distingue par un regroupement des composantes issues des perturbations d’entrée
et de sortie.

5) La dynamique de poursuite du système asservi, par rapport à la séquence de consigne, est

donnée par la fonction de transfert

B(z −1 )Rp (z −1 ) ∗ −1
DP(z −1 ) = Gsr z −1 z d+1 G ∗ (z −1 ) =


G (z )
Pc (z −1 )

alors que les dynamiques de régulation par rapport aux perturbations de charges en entrée,
aux perturbations de charges en sortie et au bruit de mesure sont respectivement données
par les composantes de fonction de transfert de transfert

DR(z −1 ) = Gspe (z −1 ) Gsps (z −1 ) Gsb (z −1 )

 

On distingue trois invariants par rétroaction, notamment le retard et les zéros de la fonc-
tion de transfert Gu (z −1 ) et des zéros des fonctions de transfert Gve (z −1 ) et Gvs (z −1 ) sont
invariants par rétroaction puisqu’on les retrouve dans fonctions de transfert Gsr (z −1 ),
Gspe (z −1 ) et Gsps (z −1 ) qui constituent des composantes des dynamiques de poursuite et
de régulation du système asservi.
 207

6) Le régulateur associé à un asservissement réalisant les propriétés

lim T ejωTe = 0 et lim RS ejωTe = 0

ω→ωn ω→ωn

doit admettre un zéro en −1. Cette propriété est satisfaite par un régulateur dont le poly-
nôme Rn (z −1 ) est factorisé comme suit

Rn (z −1 ) = R(z −1 ) 1 + z −1

7) On peut compléter aisément le tableau 9.1 en contemplant les éléments de la fonction de

transfert du système asservi Gsas (s). En effet, on peut d’abord préciser aisément les pro-
priétés fondamentales associées aux spécifications considérées et établir les conditions
requises pour qu’elles soient satisfaites. On donnera ensuite la structure du régulateur
appropriée pour satisfaire chacune des conditions requises. On utilisera les notations sui-
vantes
∆ De (z −1 )
Dre (z −1 ) =
pgcd (De (z −1 ), B(z −1 ))

∆ Ds (z −1 )
Drs (z −1 ) =
pgcd (Ds (z −1 ), A(z −1 ))

∆ D ∗ (z −1 )
Drc (z −1 ) =
pgcd (D ∗ (z −1 ), A(z −1 ))

∆
Drp (z −1 ) = ppcm Dre (z −1 ), Drs (z −1 )

8) Le problème d’asservissement considéré peut être traité à partir d’un régulateur avec re-
tour unitaire donné par

 S(q −1)Dr (q −1 )u(t) = R(q −1 )Dc (q −1 ) (y ∗ (t) − y(t))
REG
A∗ (q −1 ) y ∗ (t) = B ∗ (q −1 ) u∗ (t − d − 1)

avec
Dr (q −1 ) = 1 − q −1 et Dc (q −1 ) = 1 + q −1

Le choix du retour unitaire et du polynôme Dr (q −1 ) permettent d’avoir un asservissement

réalisant une précision maximale robuste dans le cas de la séquence de consigne considé-
rée, i.e. un échelon ou une séquence d’échelon largement espacés. Le qualificatif robuste
est motivé par le fait que cette poursuite parfaite est préservée tant que le système asservi
est asymptotiquement stable. Ceci n’est pas le cas d’une poursuite semi parfaite qui dé-
pend de la précision du modèle de commande. Quant au choix du polynôme Dc (q −1 ),
il est principalement motivé par l’insensibilité aux bruits de mesure requise. La stabilité
de l’asservissement requiert que les polynômes A(q −1 )Dr (q −1 ) et B(q −1 )Dc (q −1 ) soient
premiers entre eux. Une telle condition ne peut être satisfaite que par des systèmes qui
n’ont aucun zéro en 1. On notera que Dc (q −1 ) ne divise pas A(q −1 ) puisque les systèmes
échantillonnés ne peuvent pas avoir de pôle en −1.

La détermination des polynômes R(q −1 ) et S(q −1 ) peut être effectuée en utilisant le

208

concept de commande avec modèle interne dans le cas où les pôles du systèmes sont
situés dans le domaine de stabilité et des performances. Autrement, elle peut être effec-
tuée par une synthèse modale qui consiste en un assignement arbitraire des modes du
système asservi, soit déterminer la paire polynomiale (S(z −1 ), R(z −1 )) telle que

A(z −1 )Dr (z −1 )S(z −1 ) + z −d−1 B(z −1 )Dc (z −1 )R(z −1 ) = M(z −1 ) = Md (z −1 ) Ma (z −1 )

où Md (z −1 ) et Ma (z −1 ) ne sont autres que le polynôme du mode dominant qui caractérise

les performances dynamiques requises et le polynôme associé des modes auxiliaires, soit

p 
−1 −ζr ωr Te
Md (z ) = 1 − e cos 1− ζr2 ωTe z −1 + e−2ζr ωr Te z −2

nm−2
Y
Ma (z −1 ) = 1 − e−γi ζr ωTe z −1 avec γi ≥ 2


i=1

On notera que cette synthèse est faisable pourvu que les polynômes A(z −1 )Dr (z −1 ) et
z −d−1 B(z −1 )Dc (z −1 ) soient premiers entre eux et que le degré du polynôme des modes
est tel que nm ≤ na + nb + d + 2. L’équation polynomiale admet alors une solution de
structure minimale unique caractérisée par

ns = nb + d + 1 et nr = na

qui n’est autre que celle du système d’équations linéaires sous-jacent, soit

AX = M
avec
so
     
āo 0 0 b̄o 0 0 mo
.. .. .. ..  ..  ..
. .  . 
   
 .0 . 0   . 
 .. ..     .. 
.āo . b̄o  .
     
A=  , X =  sns  et M = 
    
 ā .. .. 
 nā . b̄nb̄ 0   ro 
  
 . 

 . .
. . .. .. ..   .   .. 
 0 0 . .   ..   . 
0 0 ānā 0 0 b̄nb̄ rnr mnā+nb̄−1

où A désigne la matrice de Sylvester associée à la paire polynomiale Ā(z −1 ), B̄(z −1 )

avec
nā
∆
X
−1 −1 −1
Ā(z ) = A(z )Dr (z ) = āi z −i
i=0

nb̄
∆
X
B̄(z −1 ) = z −d−1 B(z −1 )Dc (z −1 ) = b̄i z −i
i=0

nā+n
Xb̄−1
−1 ∆
M(z )= mi z −i avec mi = 0 pour i > nm si nm < nā + nb̄ − 1
i=0
 209

Remarque 9.1 Dans le cas usuel de la régulation industrielle où les séquences de consigne
et des perturbations sont du du type échelon et le système à commander peut être raison-
nablement décrit par un modèle de second ordre sans retard, i.e. (na, nb, d) = (2, 1, 0),
on aura
nā = nb̄ = 3, nr = ns = 2 et nm ≤ 5

B̄(z −1 ) = bo z −1 + (bo + b1 ) z −2 + b1 z −2

Ā(z −1 ) = 1 + (a1 − 1) z −1 + (a2 − a1 ) z −2 − a2 z −2

Le système d’équations à résoudre pour la synthèse du système de commande est alors

donné par
    
1 0 0 0 0 0 so mo
 a1 − 1 1 0 bo 0 0   s1   m1 
    
 a2 − a1 a1 − 1 1 bo + b1 bo 0   s2   m2 
  = 
 −a2 a2 − a1 a1 − 1 b1 bo + b1 bo
  ro   m3 
    
 0 −a2 a2 − a1 0 b1 bo + b1   r1   m4 
0 0 −a2 0 0 b1 r2 m5

Quant à la spécification du modèle générateur de la séquence de référence, elle est faite

naturellement conformément à la dynamique de poursuite requise, soit
 q  
−d−1 −ζp ωp Te −2ζp ωp Te


z 1−e cos 2
1 − ζp ωp Te + e
z −d−1 B ∗ (z −1 )
G ∗ (z −1 ) = =
A∗ (z −1 )
q

1 − e−ζp ωp Te cos 1 − ζ 2 ω T z −1 + e−2ζp ωp Te z −2
p p e
210

Conditions Structures
♥ Propriétés du
requises régulateur

SPD CM (SAS) ⊂ Dsp Pc (z −1 ) ∈ Rsp [z −1 ]

{yb (t)} ∈ SAZI Tsb (z −1 ) ∈ EF PB

IBM et et Dc (z −1 ) = 1 + z −1
−1
{eb (t)} ∈ SAZI Teb (z ) ∈ EF PB

De (z −1 )
divise
lim yps (t) = 0 B(z )Rd (z −1 )
−1
Rd (z −1 ) = Drv (z −1 )S(z −1 )
t→∞
CPP et et ↑
lim ype (t) = 0 Ds (z −1 ) ppcm (Dre (z −1 ), Drs (z −1 ))
t→∞
divise
A(z )Rd (z −1 )
−1

Dind (z −1 ) Rn (z −1 ) = Dc (z −1 )R(z −1 )
DSC lim uind (t) = 0 divise ↑
t→∞
Rn (z −1 ) Dind (z −1 )

De (z −1 )
lim ec (t) = 0 divise T (z −1 ) = R(z −1 )Dc (z −1 )
t→∞
et B(z −1 )Rd (z −1 ) et
PM lim ype (t) = 0 et Rd (z −1 ) = Dr (z −1 )S(z −1 )
t→∞
et Ds (z −1 )(resp. D ∗ (z −1 )) ↑
lim yps (t) = 0 divise ppcm (Drv (z ), Drc (z −1 ))
−1
t→∞
A(z −1 )Rd (z −1 )

Pc (z −1 )
PP Gsr (z −1 ) = z −d−1 CZ (SYS) ⊂ Dsp T (z −1 ) =
B(z −1 )

Gsr (z −1 )
PSP = 1∈
/ CZ (SYS) T (z −1 ) = βPc (z −1 )
−d−1
βz B(z −1 )

TABLE 9.2 – Propriétés fondamentales d’un asservissement

 211

DEVOIR 4 : SYNTHESE MODALE

Considérons la classe des des systèmes continus dont la dynamique peut être raisonnablement
décrite par un oscillateur et dont toutes les perturbations de charge sous-jacentes peuvent être
ramenées en entrée et sont du type échelon. Le comportement d’entrée-sortie de cette classe de
systèmes est décrite par l’équation différentielle
 2

 (ρ + ω 2 ) yσ (t) = ω 2 (u(t) + v(t))



OSC y(t) = yσ (t) + η(t)




ρv(t) = vδ(t)


où {u(t)}, {yσ (t)} et {y(t)} désignent respectivement l’entrée, la sortie et la sortie mesurée
du système, alors que ω n’est autre que la pulsation propre de l’oscillateur. On se propose de
concevoir un asservissement en adoptant une approche modale réalisant trois spécifications re-
marquables suivantes.

S1. Une compensation des perturbations caractérisée par un mode dominant d’amortisse-
ment unitaire et de pulsation propre ω, i.e. la pulsation propre du système.

S2. Une poursuite caractérisée par un mode d’amortissement unitaire et de pulsation propre
0.5 ω.

S3. Une insensibilité aux bruits de mesure inéluctables.

Pour simplifier les choses, on suggère de procéder progressivement en utilisant les aspects de
synthèse suivants

A1. Introduire un retard d’une période d’échantillonnage pour tenir compte des temps de
conversion et du temps de calcul, i.e. la fonction de transfert du système est donnée par
−Te s ω2
G(s) = e
s2 + ω 2

A2. Opter pour le choix suivant de la période d’échantillonnage

π
ωTe =
2
A3. Utiliser le résultat suivant

ω2
L {f (t)} =
s (s2 + ω 2 )
et
z (1 − cos (ωTe )) (z + 1)
Z {f (kTe )} =
z − 1 z 2 − 2cos (ωTe ) z + 1
212

1) Justifier la spécification adoptée de la période d’échantillonnage.

2) Montrer que le système échantillonné sous-jacent est décrit par



 (1 + q −2 ) yσ (t) = (1 + q −1 ) (u(t − 2) + v(t − 2))



SYS y(t) = yσ (t) + η(t)




(1 − q −1 ) v(t) = vδ(t)


3) Préciser les configurations des pôles et des zéros du système et justifier pourquoi un ob-
jectif de poursuite parfaite pour toutes les séquences de référence ou une commande avec
modèle interne ne sont pas faisables.

4) Proposer un régulateur réalisant les spécifications S1, S2 et S3 en utilisant les résultats

du premier exercice. On justifiera d’abord la structure du régulateur proposée puis on dé-
terminera les paramètres du régulateur.

5) Donner un diagramme fonctionnel pour la mise en oeuvre du régulateur.

 213

DEVOIR 4 : UNE SOLUTION

Notons d’abord que compte tenu des performances requises, on peut choisir le domaine de sta-
bilité et de performance comme suit
∆ 
Dsp = z ∈ C / ℑ(z) = 0 et ℜ(z) ∈ [e−µωTe , e−ωTe ] avec µ ≥ 2

1) La spécification de la période d’échantillonnage est faite conformément au théorème de

Shannon compte tenu des performances requises puisque
π
2ωTe = <π
2

2) La fonction de transfert du système échantillonnée est particulièrement déterminée en te-

nant compte des aspects de simplicité de calcul considérés, i.e. A1, A2 et A3. En effet,
en vertu de A1, on a

z−1
G(z) = Z {gindcont (kTe )}
z
avec
ω2
 
−1 −Te s
gindcont (t) = L e
s (s2 + ω 2 )
soit
1 (1 − cos (ωTe )) (z + 1)
G(z) = en vertu de A3
z z 2 − 2cos (ωTe ) z + 1

1 z+1
= en vertu de A2
z z2 + 1

1 + z −1
= z −2
1 + z −2

Et comme les perturbations peuvent être ramenées en entrée et sont du type échelon, on
peut recouvrer aisément le modèle SYS en passant au domaine temporel.

3) Les configurations pôles et zéros du système sont respectivement données par

CP (SYS) = {+j, −j, 0} et CZ (SYS) = {−1}

T
Comme CZ (SYS) Dsp = ∅, on ne peut pas réaliser une poursuite parfaite. Par ailleurs,
la commande
T avec modèle interne n’est pas faisable pour cette classe de systèmes puisque
CP (SYS) Dsp = ∅.
214

4) Le régulateur suivant peut réaliser les performances requises en choisissant judicieuse-

ment les modes auxiliaires

 S(q −1 ) (1 − q −1 ) u(t) + R(q −1 )y(t) = T (q −1 )y ∗(t + 2)



REG
A∗ (q −1 )y ∗(t + 2) = B ∗ (q −1 )u∗ (t)


avec
1 + q −2 1 − q −1 S(q −1) + q −2 1 + q −1 R(q −1 ) = M(q −1 )

3
M(q −1 ) = 1 − 2e−0.5π q −1 + e−π q −2 1 − e−π q −1

T (q −1) = 0.5 M(q −1 )

∗ −1

1 − 2e−0.25π + e−0.5π
G q =
1 − 2e−0.25π q −1 + e−0.5π q −2

La spécification des pôles du système asservi a été effectuée à partir de la dynamique

de régulation requise. On distingue deux pôles dominants en e−ωTe et trois pôles auxi-
liaires en e−2ωTe . Le choix du nombre de pôles, i.e. nm = 5, permet d’avoir une solution
d’ordre minimal, nr = ns = 2. L’action intégrale du régulateur permet de réaliser un
rejet asymptotique des perturbations de charges du type échelon. Quant au choix du gé-
nérateur de la séquence de référence, il est issue des performances requises en poursuite.
On notera que la synthèse du régulateur consiste tout simplement à résoudre, en R(z −1 )
et S(z −1 ), l’équation polynomiale

1 + z −2 1 − z −1 S(z −1 ) + z −2 1 + z −1 R(z −1 )

=

3
1 − 2e−0.5π z −1 + e−π z −2 1 − e−π z −1

ou d’une manière équivalente le système d’équations compatible

    
1 0 0 0 0 0 so 1
−0.5π

 −1 1 0 0 0 0 
 s1  
  −2e − 3e−π − e−3π 


 1 −1 1 1 0 0 
 s2  
= e + 6e−1.5π + 3e−2π
−π 


 −1 1 −1 1 1 0 
 ro  
  −3e−2π − 6e−2.5π 

 0 −1 1 0 1 1  r1   3e−3π + 2e−3.5π 
0 0 −1 0 0 1 r2 −3e−4π

5) La mise en oeuvre du régulateur peut être réalisée comme l’indique la figure 9.5. Elle per-
met de pallier raisonnablement le problème de saturation des actionneurs pourvu que le
polynôme Po (q −1 ) soit normalisé et que toutes ses racines soient situées dans le domaine
de stabilité et de performances Dsp .
 215

y ∗ (t + d + 1) Rp (z −1 )
-
Po (z −1 )

y(t) ? u(t)
 ##
uσ (t)
- Rn (z −1 ) - - -
±
 #
Po (z −1 ) #
6 #

Po (z −1 ) − Rd (z −1 ) 
Po (z −1 )

F IGURE 9.5 – Mise en oeuvre d’un régulateur saturant

216

DEVOIR 5 : SYNTHESE DES ASSERVISSEMENTS INDUSTRIELS

La plupart des problèmes de régulation industrielle concernent des asservissements pour une
classe de systèmes caractérisée par

• Une dynamique du système autour de ses points de fonctionnement qui peut être raison-
nablement décrite par un modèle de second ordre avec un retard
βo s + β1
Gc (s) = e−τd s avec β1 6= 0
s2 + α1 s + α2
où τd désigne le retard pur du système modulo le temps de calcul et les temps de conver-
sion analogique ⇆ numérique que l’on peut exprimer comme suit

(d + 1) Te − η avec d ∈ N et 0 < η ≤ Te

• Des perturbations de charge du type échelon aussi bien en entrée qu’en sortie du système

• Un bruit de mesure assimilable à une séquence de variables aléatoires de moyenne nulle

et de variances finies.

On se propose de concevoir un asservissement que l’on peut représenter comme le montre la

figure 9.6 à partir d’un cahier de charges défini par les trois spécifications données ci dessous.

S1. Une poursuite admissible caractérisée par un mode d’amortissement unitaire et de pulsa-
tion propre ωp .

S2. Un rejet asymptotique parfait des perturbations caractérisé par un mode dominant d’amor-
tissement unitaire et de pulsation propre ωr = 2ωp .

S3. Une insensibilité aux bruits de mesure inéluctables.

ve (t) vs (t)

y ∗(t)
- u(t) ? uσ (t) ? yσ (t)
REG - +i - SYS -+i -
-
y(t)
?
+i
η(t)
F IGURE 9.6 – Asservissement

On demande de concevoir cet asservissement à partir d’une structure appropriée du régulateur

et une synthèse conforme aux spécifications S1, S2 et S3 avec une période d’échantillonnage
π
telle que ωr Te = .
8
 217

DEVOIR 5 : UNE SOLUTION

On notera d’abord que la classe des systèmes considérée peut être décrite parfaitement par une
fonction de transfert échantillonnée donnée par

B(z −1 )
G(z −1 ) = z −d−1
A(z −1 )
avec
A(z −1 ) = 1 + a1 z −1 + a2 z −2

B(z −1 ) = bo + b1 z −1 + b2 z −2

où (bo , b1 ) 6= (0, 0) puisque le retard pur est different de zéro dans la mesure où il incorpore
le temps de calcul et les temps de conversion analogique ⇆ numérique. Et comme le système
continu n’admet aucun zéro en zéro, on peut postuler que l’on peut aisément choisir le période
d’échantillonnage de manière à ce que le système échantillonné n’admet aucun zéro en un, i.e.
B(1) 6= 0.

Compte tenu de cette classe des systèmes échantillonnés et de la nature des perturbations et
de la séquence de consigne, on peut concevoir un asservissement réalisant les spécifications S1,
S2 et S3 en adoptant une synthèse modale avec un régulateur avec retour unitaire donnée par


 S(q −1)Dr (q −1 )u(t) = R(q −1 )Dc (q −1 ) (y ∗(t) − y(t))
REG
A∗ (q −1 ) y ∗ (t) = B ∗ (q −1 ) u∗ (t − d − 1)


avec

Dr (q −1 ) = 1 − q −1

Dc (q −1 ) = 1 + q −1

A∗ q −1 = 1 − 2e−0.0625π z −1 + e−0.0125π z −2 et B ∗ q −1 = A∗ (1)

où la séquence de consigne {u∗ (t)} est un échelon ou une séquence d’échelons largement espa-
cés d’instants d’occurrence inconnus et (R(q −1 ), S(q −1)) est la solution de structure minimale
de l’équation polynomiale

A(q −1 )Dr (q −1 )S(q −1 ) + q −d−1 B(q −1 )Dc (q −1 )R(q −1 ) = Md (q −1 )Ma (q −1 )

avec
Md (q −1 ) = 1 − 2e−0.125π q −1 + e−0.25π q −2

4+d
Y
Ma (q −1 ) = 1 − e−0.125µi π q −1 avec µi ≥ 2


i=1
218

Les choix du retour unitaire, du polynôme Dr (q −1 ) et de la fonction de transfert G ∗ (z −1 ) per-

mettent d’avoir un asservissement réalisant la spécification S1 une précision maximale, alors
que le choix du polynôme Dc (q −1 ) est principalement motivé par la spécification S3. Quant au
choix des modes dominants (resp. auxiliaires) de l’asservissement, i.e. le polynôme Md (q −1 )
(resp. Ma (q −1 )), ils sont conformes aux performances dynamiques requises, i.e. la spécification
S2. Le nombre de modes auxiliaires , i.e. 4 + d, est issu de la nature de la synthèse modale
considérée. On notera que la solution de structure minimale est unique puisque les polynômes
A(q −1 )Dr (q −1 ) et B(q −1 )Dc (q −1 ) sont premiers entre eux.
Bibliographie

[1] K. J. Åström and T. Hägglund. PID Controllers : Theory, Design and Tuning. Instrument
Society of America, 1995.
[2] K. J. Åström and B. Wittenmark. Computed Controlled Systems : Theory and Design.
Prentice Hall, 1997.
[3] G. F. Franklin, J. D. Powell, and M. L. Workman. Digital Control of Dynamic Systems.
Addison-Wesley, 1990.
[4] J. S. Freudenberg and D. P. Looze. Frequency Domain Properties of Scalar et Multiva-
riable Feedback Systems. Springer Verlag, 1988.
[5] M. Gevers and G. Li. Parametrizations in Control, Estimation, and Filtering Problems :
Accuracy Aspects. Springer Verlag, 1993.
[6] M. Green and D. J. N. Limebeer. Robust Linear Control. Prentice Hall, 1995.
[7] S. Haykin and B. V. Veen. Signals and Systems. John Wiley and Sons, 2003.
[8] R. Johansson. System Modeling and Identification. Prentice Hall, 1993.
[9] E. L. Jury. Theory and Applications of the z Transform Method. John Wiley and Sons,
1964.
[10] H. K. Khalil. Nonlinear Systems. Prentice Hall, 1996.
[11] M. Kunt. Traitement Numérique du Signal. Dunod, 1981.
[12] I. D. Landau, R. Lozano, M. M’Saad, and A. Karimi. Adaptive Control. Springer Verlag,
2011.
[13] L. Ljung. System Identification : Theory for the User. Prentice Hall, 1997.
[14] A. M. Lyapunov. The general Problem of Motion Stability. Princeton University Press,
1947. The original version has been written in Russian in 1892.
[15] R. H. Middleton and G. C. Goodwin. Digital Control and Estimation : A Unified Ap-
proach. Prentice Hall, 1990.
[16] M. Morari and E. Zafiriou. Robust Process Control. Prentice Hall, 1989.
[17] K. Ogata. Discrete-time Control Systems. Prentice Hall, 1987.
[18] A. Papoulis. Probability, Random variables and Stochastic Processes. Prentice Hall, 1991.
[19] L. Schmidt and M. M’Saad. On the autotuning of position control in handling systems. In
Proc. of the fourth IFAC Symposium on Adaptive Systems in Control and Signal Proces-
sing, 1992. Grenoble, France.
[20] L. Schwartz. Méthodes Mathématiques pour les Sciences Physiques. Hermann, 1961.
[21] M. M. Seron, J. H. Braslavsky, and G. C. Goodwin. Fundamental Limitations in Filtering
and Control. Springer-Verlag, 1997.
[22] T. Soderstrom and P. Stoica. System Identification. Prentice Hall, 1989.

219
220

[23] D. Williamson. Digital Control and Implementation : Finite Wordlength Considerations.

Prentice Hall, 1988.
[24] K. Zhou, J. Doyle, and K. Glover. Robust and Optimal Control. Prentice Hall, 1996.