DEPARTEMENT GENIE ELECTRIQUE

FI : GET

Rapport des TP : 1,2,3 et 4 du module : Régulation

industrielle et commande numérique.

 Encadré par : Pr. ELGMILI NADA

 Réalisé par : AFOULLOUS Imane.

CHADI Ikram.
EL MAMOUNI Fatima Ezzahra.

Année universitaire : 2023/2024.

 REMERCIEMENT :

Je voudrais prendre un moment pour vous remercier du fond du cœur, cher professeur. Votre
enseignement inspirant et votre soutien constant ont été d'une valeur inestimable pour nous.
Merci pour tout ce que vous faites pour nous aider à grandir et à atteindre nos objectifs
académiques.
 TABLE DE MATIERE :

TP N°1 : Synthèse des régulateurs PID analogiques.

TP N°2 : Etude des systèmes échantillonnés.

TP N°3 : Synthèse des régulateurs numériques pour transposition : Régulation du niveau de l’eau.

TP N°4 : Synthèse directe des régulateurs numériques.

 INTRODUCTION :

L'intersection entre la régulation industrielle et la commande numérique offre une approche

intégrée pour améliorer la qualité, la sécurité et l'efficacité des opérations manufacturières. Grâce
à la commande numérique, les processus de fabrication peuvent être finement contrôlés,
permettant un maintien rigoureux des normes de qualité et une réduction des écarts de
production. De plus, cette technologie offre des mécanismes avancés de sécurité, tels que la
détection automatique des erreurs, assurant un environnement de travail plus sûr pour les
employés. En optimisant les paramètres de production en temps réel, la commande numérique
contribue à une utilisation plus efficace des ressources et à une réduction des temps d'arrêt
imprévus. En parallèle, les capacités de suivi et de traçabilité de cette technologie permettent une
gestion transparente de la chaîne d'approvisionnement, renforçant ainsi la confiance des
consommateurs. Pour garantir que ces avancées bénéficient à la fois aux entreprises et à la
société, la régulation industrielle établit des normes et des directives pour assurer la conformité,
la sécurité et la responsabilité sociale dans l'adoption et l'utilisation des systèmes de commande
numérique. En combinant innovation technologique et gouvernance réglementaire, cette
convergence offre un potentiel significatif pour une industrie plus compétitive, durable et
socialement responsable.
 TP N°1 :
Synthèse des régulateurs PID analogiques

I. Introduction :
Le régulateur PID, ou régulateur proportionnel-intégral-dérivé, est un dispositif de contrôle automatique
utilisé en ingénierie pour réguler un processus. Il ajuste la sortie d'un système en fonction d'une erreur
signalée, qui est la différence entre la valeur de consigne (la valeur souhaitée) et la valeur mesurée du
processus. Le régulateur PID utilise trois termes pour calculer la commande de sortie :

• Le terme proportionnel (P) ajuste la sortie proportionnellement à l'erreur actuelle. Un gain

proportionnel plus élevé entraîne une réponse plus rapide mais peut provoquer des oscillations.

• Le terme intégral (I) cumule les erreurs passées pour corriger les erreurs systématiques. Il permet
d'éliminer l'erreur de régulation en régime permanent.

• Le terme dérivé (D) anticipe les variations de l'erreur pour stabiliser le système. Il agit comme un
amortisseur pour réduire les oscillations et améliorer la stabilité.

En ajustant ces trois termes, le régulateur PID peut s'adapter à une variété de systèmes et de conditions
pour maintenir la sortie aussi proche que possible de la consigne, avec une réponse rapide et une stabilité
adéquate.

II. Objectif :
On souhaite faire la synthèse de régulateurs par la méthode empirique de Ziegler-Nicols, ainsi
que les méthodes algébriques de Graham-Lathrop et le modèle de référence, pour satisfaire les
performances souhaitées du processus à réguler en boucle fermée qui sont :
 Une erreur statique < 1% de la valeur de consigne.
 Un dépassement <25%.
 Un temps de réponse le plus petit possible.

III. Partie 1 : Méthode Ziegler-Nichols (méthode empirique) :

Définition :
La méthode de réglage de Ziegler – Nichols est une méthode heuristique de réglage d'un
contrôleur PID. Il a été développé par John G. Ziegler et Nathaniel B. Nichols. Elle est effectuée
en mettant à zéro les gains I (intégrale) et D (dérivée). Le gain « P » (proportionnel) est ensuite
augmenté (à partir de zéro) jusqu'à ce qu'il atteigne le gain ultime, auquel la sortie de la boucle de
commande a
des oscillations stables et cohérentes. Et la période d'oscillation est ensuite utilisée pour régler les
gains P, I et D en fonction du type de contrôleur utilisé et du comportement souhaité.

 Test indiciel en Boucle Ouverte :

 Test de pompage en Boucle fermée :

 Réglage de Ziegler-Nichols Essai de pompage :

Application 1

Etude du système par la méthode de Ziegler – Nichols en boucle fermer (essai de pompage :
−0.2 p
e
G(P)=
1+ p

 Etude par SIMULINK

 Le principe est de régler Kp (le gain proportionnel) jusqu'à obtenir une réponse sinusoïdale en
boucle fermée.
 En réglant Kpc à la valeur de 8.5, on obtient le résultat suivant : la période d'oscillation Tosc =
0.75s.

 Les paramètres d’un régulateur PID mixte :

Kp Ti Td
𝑲𝒑𝒄 𝑻𝒐𝒔𝒄 𝑻𝒐𝒔𝒄
=𝟓 = 𝟎. 𝟑𝟕𝟓 = 𝟎. 𝟎𝟗𝟑𝟕𝟓
𝟏. 𝟕 𝟐 𝟖

 Schéma du correcteur PID mixte + système en boucle Fermée :

  La réponse indicielle

Commentaire :
 Le système est instable (un grand débordement) et le temps de réponse et aussi grand, mais il
a une grande précision (erreur nul).
 On doit faire un réglage manuel pour bien acquérir les meilleures performances de ce
système.
 Si on fixer Kp sur la valeur Kp=2 on trouve la réponse suivante :

Commentaire :
Nous avons amélioré la stabilité du système.
Dans cette partie, nous utiliserons le code du script (en annexe) qui fonctionne par les étapes suivantes :
Déclaration de la fonction de transfère du système dans le même script ou dans SIMULINK
Réglage de Kp jusqu’à l’obtention de la réponse oscillatoire.
Choisir le correcteur P, PI, PD, PID.
Affichage de la réponse.
 Le code SCRIPT

clc;
close all;
clear ;
K=10;
den=conv([4 1],[2 1])
d=0.2; %retard pur

pas_sim=0.01;
t_sim=10;

Ti=inf;Td=0;N=20

disp('Test de pompage');
disp('régler le gain jusqu''pompage :oscillations
entretenues');

reponse=1;
while(reponse~=0)
reponse=input('gain=? (0 pour quitter le test de
pompage)');
if(reponse~=0)
Kp=reponse;
sim('sim_zieglernichols_PID',t_sim);
figure(1);

h1=plot(time,y,time,yc);set(h1,'LineWidth',2);grid on;
xlabel('temps [s]');ylabel('y & yc');
legend('y','yc','Location','southeast')
title(['test de pompage :Kp= ',num2str(Kp)]);
 end
end
Kc=Kp;
Tosc=input('mesurer période d''oscillation ?=');
Kp=0.5*Kc;Ti=inf;Td=0;
sim('sim_zieglernichols_PID',t_sim);
figure(1);h1=plot(time,y,time,yc);
set(h1,'LineWidth',2);grid;xlabel('temps

[s]');ylabel('y & yc');

legend('y','yc','location','southeast');
title(['réponse indicielle correcteur p: Kp=',
num2str(Kp)]);
%essai indiciel avec régulateur PI:

Kp=Kc/2.2;Ti=Tosc/1.2;Td=0;
sim('sim_zieglernichols_PID',t_sim);
figure(2);h1=plot(time,y,time,yc);
set(h1,'linewidth',2);grid;
xlabel('temps [s]');ylabel('y & yc');
legend('y','yc','location','southeast');
title(['réponse indicielle correcteur PI:Kp
=',num2str(Kp),'Ti=' ,num2str(Ti)]);

%essai indiciel avec régulateur PID:

Kp=Kc/1.7;Ti=Tosc/2;Td=Tosc/8;N=20;
sim('sim_zieglernichols_PID',t_sim);
figure(3);h1=plot(time,y,time,yc);
set(h1,'linewidth',2);grid;xlabel('temps
[s]');ylabel('y & yc');
legend('y','yc','Location','southeast');
title(['reponse indicielle correcteur PID:
Kp=',num2str(Kp)
,'Ti=',num2str(Ti),'Td=',num2str(Td)]);

reponse =input('type de regulateur [1]:P;

[2]:PI;[3]:PID; autre pour quitter');
if(reponse==1);
Ti=inf;Td=0;
Kp=input('Kp=');
 while(Kp~=0)
sim('sim_zieglernichols_PID',t_sim);
figure(4);h1=plot(time,y,time,yc);
set(h1,'linewidth',2);grid;xlabel('temp
[s]');ylabel('y & yc');
legend('y','yc','Location','southeast');
title(['reponse indicielle correcteur P:
Kp=',num2str(Kp)]);
Kp=input('Kp=');
end

else if(reponse==2)
Td=0;Kp=input('Kp=');Ti=input('Ti=');
while(kp~=0 && T~=0)

sim('sim_zieglernichols_PID',t_sim);
figure(4);h1=plot(time,y,time,yc);
set(h1,'linewidth',2);grid;xlabel('temp
[s]');ylabel('y & yc');
legend('y','yc','Location','southeast');
title(['reponse indicielle correcteur PI:
Kp=',num2str(Kp), 'Ti=',num2str(Ti)]);
Kp=input('Kp=');Ti=input('Ti=');
end

else if(reponse==3)

Td=0;Kp=input('Kp=');Ti=input('Ti=');Td=input('Td=');
while(Kp~=0 && Ti~=0 && Td~=0)
sim('sim_zieglernichols_PID',t_sim);
figure(4);h1=plot(time,y,time,yc);
set(h1,'linewidth',2);grid;xlabel('temp
[s] );ylabel('y & yc');
legend('y','yc','Location','southeast');
title(['reponse indicielle correcteur PI:
Kp=',num2str(Kp), 'Ti=',num2str(Ti),
'Ti=',num2str(Ti)]);
Kp=input('Kp=');Ti=input('Ti=');Td=input('Td=');

end
end
end
end
 Le Schéma qui correspondant la fonction de transfère.
 On peut la déclarer dans le même script facilement.

 Réglage de Kp à 8.5 :

 La réponse en boucle fermé :

  Tosc=0.75.
 Tous les autres paramètres sera remplie automatiquement par le programme.

 On trouve la réponse on boucle fermer :

 Réponse d’un correcteur P

 Réponse d’un correcteur PI

  Réponse d’un correcteur PID

IV. Partie : 2 Etude comparative :

Dans cette partie on va étudier le système de fonction de transfère

0 .23
G( p)= 2
0.0057 p

Par les 3 modèle :

 Ziegler-Nichols
 Graham-Lathrop
 Modèle de référence

1. Ziegler-Nichols

Le principe est réglé Kp (le gain proportionnel j’jusqu’à on avoir une réponse sinusoïdale en boucle
fermer.
Si on règle Kpc par la valeur Kpc=7 .5 on trouve le résultat suivant :
 La période d’oscillation Tosc = 0.41s.
 Kp Ti Td
𝑲𝒑𝒄 𝑻𝒐𝒔𝒄 𝑻𝒐𝒔𝒄
= 𝟒. 𝟒𝟏 = 𝟎. 𝟐𝟎𝟓 = 𝟎. 𝟎𝟓𝟏
𝟏. 𝟕 𝟐 𝟖

Le schéma et la réponse du système :

Commentaire :
Le système ait un dépassement important donc on n’a pas un système bien amélioré.

2. GRAHAM-LATHROP
D’après les calculs en utilisant la méthode de Graham-Lathrop on trouve la fonction de transfère du
correcteur s’écrit sous la forme suivant :

2
0 .0075 P
G( p)= 2
0.51 P+ 0.78 p
Commentaire :
Le système ait un dépassement faible donc on a un système stable.

3. Modèle de référence

Si on considère que les performances désirer de système de première ordre de temps de réponse
de 3s Qui donne une constante de temps 𝜏 = 1𝑠.on trouve par le calcule la fonction de transfère du
correcteur suivant :

G ( p )=8.69+13.04 P

Remarque :
En utilisant la méthode de Ziegler-Nichols, nous avons trouvé un système corrigé moins stable que celui
obtenu avec la méthode de Graham-Lathrop. Cette dernière a permis d'obtenir une réponse avec un
dépassement acceptable pour un système qui avait un dépassement important avant correction. En
revanche, la méthode de référence a abouti à une réponse du premier ordre sans erreur ni dépassement.
 Conclusion :
Dans le cadre de ce TP, nous avons eu l'occasion de nous familiariser avec le logiciel Matlab,
d'apprendre différentes techniques, et ainsi être capable de simuler l'évolution du système, ce qui
n'était pas possible pendant les cours théoriques. Ce volet pratique nous a aussi permis d'assimiler
le volet théorique du cours la comparaison des divers résultats de simulation avec ceux obtenus à
la main. Pour ne pas mentionner que le travail binomial nous a donné l'opportunité de discuter des
idées en plus de diviser les tâches, et tenter de trouver des solutions dans le cadre de ces exercices
pratiques.
 TP N°2 :
Etude des systèmes échantillonnés
I. Introduction :
Les systèmes échantillonnés, également connus sous le nom de systèmes à temps discret, sont des
systèmes où les signaux d'entrée et de sortie sont définis uniquement à des points de temps
discrets. Contrairement aux systèmes continus où les signaux sont continus dans le temps, les
systèmes échantillonnés traitent des valeurs discrètes à des intervalles spécifiques.
Dans un système échantillonné, le signal continu est échantillonné à des intervalles réguliers,
généralement à l'aide d'un convertisseur analogique-numérique (CAN), pour obtenir une
séquence de valeurs discrètes. Ensuite, ces valeurs sont traitées ou manipulées par le système et
peuvent être converties à nouveau en signal continu à l'aide d'un convertisseur numérique-
analogique (CNA) pour la sortie.
Les systèmes échantillonnés sont couramment utilisés dans de nombreux domaines, y compris le
traitement du signal, le contrôle des systèmes, la communication numérique, etc. Ils offrent
plusieurs avantages, tels que la facilité de mise en œuvre, la manipulation numérique des signaux
et la compatibilité avec les techniques de traitement du signal numérique. Cependant, ils
présentent également des défis tels que le phénomène d'échantillonnage et la perte d'information
associée à la quantification des signaux continus en valeurs discrètes.

II. Objectifs du TP :
Le but de la manipulation est d’étudier les systèmes échantillonnés. Il s’agit de rechercher les modèles
discrets des systèmes du premier ordre et du second ordre, de choisir convenablement la période
d’échantillonnage, de tracer les réponses temporelles et d’étudier la stabilité des systèmes échantillonnés.

III. Etude des systèmes échantillonnés :

Définition :
L'échantillonnage est le processus de conversion d'un signal continu en une série de valeurs discrètes à des
intervalles réguliers dans le temps. Cette technique est largement utilisée dans de nombreux domaines,
notamment le traitement du signal, la communication numérique et le contrôle des systèmes.
Etude du système pour différente période d’échantillonnage :
a. On considère le système suivant :

U(t) U(k) Y(k)

B0(s) H(s)

Te Te
 1
Avec : H ( s )=
1+0.5 s

 Le modèle échantillonné équivaut pour les différentes périodes d’échantillonnage Te=1, 0.5, 0.25,
0.15, 0.1, 0.05 s.
Le programme sous Matlab :

Les courbes :
 On a : 𝟎, 𝟐𝟓𝝉𝑩𝑭 < 𝑻 < 𝝉𝑩𝑭
𝒆𝒕 𝟎, 𝟓𝝉𝑩𝒐 < 𝝉𝑩𝑭 < 𝟐 /𝟑 𝝉𝑩𝒐

𝑫𝑶𝑵𝑪 𝟎, 𝟎𝟔 < 𝑻 < 𝟎, 𝟑𝟑

Remarque : théorème de Shannon est bien vérifiée lorsque : Te = 0.1 et 0.05.

 Tracer la réponse indicielle et déduire la ou les périodes d’échantillonnage qui satisfont la condition
de Shannon.
Programme sous Matlab :
 Les courbes :

b- Soit le système décrit par :

2 s+1
G ( s )= 2
s +2 s+ 1

A l’aide de Matlab, discrétiser cette fonction de transfert avec une période d’échantillonnage Te = 0.1s en
utilisant l’instruction [Link] sur la même figure les réponses indicielles de G et Gd :
Programme sous Matlab :

La courbe obtenue :
  Soit la fonction de transfert échantillonnée suivante :

0.04 z +0.046
Hd ( s )= 2
z −1.81 z+ 0.9
Utiliser l’instruction tf pour écrire Hd :
Programme sous Matlab :

 La fonction de transfert et les pôles :

La réponse indicielle :
 Les pôles de H(z) :

c. On considère la fonction de transfert échantillonnée avec une période 𝑇𝑒 = 0.05s.

Y (z) 1
=
F ( z ) z 2−0.3 z +0.5

Définition :
- La fonction pzmap est un outil essentiel en ingénierie de contrôle. Elle trace le diagramme des pôles et
zéros d'un système dynamique linéaire dans le plan complexe. Ce tracé fournit des informations clés sur la
stabilité et le comportement dynamique du système. Les pôles indiquent les modes de réponse du système,
et leur position dans le plan complexe est cruciale pour évaluer la stabilité. En bref, pzmap est un outil
visuel puissant pour analyser les systèmes dynamiques et guider leur conception et leur réglage.
 Localiser les pôles de cette fonction de transfert dans le plan z en utilisant la fonction « pzmap ». Déduire
graphiquement le coefficient d’amortissement et la pulsation propre. Tracer la réponse indicielle unitaire
de la fonction de transfert en z.
Programme sous Matlab :
La réponse indicielle :

Les pôles de Gz1(z) :

Remarque :
D’après le graphe on D = 44.8 : Et on a :
 D
£=−1(
100
)/¿=0.24 𝜔 = 28 rad/s

d. Soit le système de fonction de transfert en s :

1
H ( s )=
s ( 1+ s )

Convertir le système continu associé à un bloqueur d’ordre 0 en un système discret par la commande
(C2d) avec 𝑇𝑒 = 1. Ecrire la fonction de transfert en z sous la forme d’évan en utilisant la commande zpk.
Programme sous Matlab :

 Les deux fonctions de transfert :

 Localiser les pôles de cette fonction de transfert dans le plan z.

 Déduire graphiquement le coefficient d’amortissement, la pulsation propre.

£=(−1 ( 100D ))/¿=0 𝜔 = 3.14 rad/s

 Tracer les réponses indicielles unitaires des deux fonctions de transfert en z et en s :

Réponse indicielle :
  Le temps de réponse Tr=5.351s.

 Dépassement D=16%.

Ⅳ- Stabilité des systèmes échantillonnés :

a. Soit la fonction de transfert suivante :
K
H=
( z−0.4 ) ( z−0.8 )

 Un système échantillonné linéaire est stable si tous les pôles de sa fonction de transfert échantillonnée sont
situés à l'intérieur du cercle unité du plan z.
Conclure sur la stabilité de H :
Programme sous Matlab :
Remarque :
 Un système échantillonné linéaire est stable si tous les pôles de sa fonction de transfert échantillonnée
sont situés à l'intérieur du cercle unité du plan z.
 Pour le système H tous les pôles sont inférieur à 1 donc le système H est Stable.
 On souhaite intégrer H dans une boucle fermée à retour unitaire. Calculer la nouvelle fonction de transfert
:

H
FTBF= 1+ H

K
¿ 2
z −1.2 z +0.32+ K

 Retrouver le résultat en utilisant l’instruction feedback.

On prend K=1
  Localiser les pôles de H pour K = 0.68, 0.67.
 Pour k=0.68

La réponse indicielle :
  Pour k=0.67

La réponse indicielle :

b. On considère la fonction de transfert suivante :

10
H=
0.1 s +1
Soit H1 et H2 les fonctions de transferts échantillonnées issues de h respectivement par rapport aux périodes
d’échantillonnageTe1 = 0.1 et Te2 = 0.01 :
Programme sous Matlab :

Etudier la stabilité du système en boucle fermée en considérant un retour unitaire dans les deux cas :
Programme sous Matlab :
Les deux fonctions de transferts en boucle ferme :
 Remarque :

On remarque que le système avec Te = 0.01 est stable par contre le système avec Te=0.1 est instable.

Conclusion :
Au cours de cette session de travaux pratiques, nous avons exploré les systèmes échantillonnés et leur stabilité. En
ajustant les périodes d'échantillonnage selon les critères du théorème de Shannon, nous avons tracé les réponses
indicielles de chaque fonction. Par l'analyse des pôles et des zéros, nous avons évalué la stabilité des systèmes,
cherchant à déterminer leur état de stabilité ou d'instabilité.
 TP N°3 :
Synthèse des régulateurs numériques par transposition : Régulation du niveau de
l’eau.
I. INTRODUCTION :
La synthèse des régulateurs numériques par transposition est une approche courante en ingénierie de
contrôle pour concevoir des régulateurs numériques à partir de régulateurs analogiques bien établis. Cette méthode
consiste à transposer les caractéristiques du régulateur analogique dans le domaine numérique en utilisant des
techniques telles que la transformation bilinéaire. En effet, cette transposition permet de conserver les propriétés
de stabilité et de performance du régulateur analogique tout en prenant en compte les contraintes propres au
domaine numérique, telles que la fréquence d'échantillonnage. Ainsi, la synthèse des régulateurs numériques par
transposition offre une méthode efficace pour adapter des solutions de contrôle analogiques bien connues aux
systèmes numériques modernes, garantissant ainsi une mise en œuvre réussie et une performance optimale des
régulateurs dans le domaine discret.

II. BUT DE TP :
On souhaite faire la synthèse de régulateurs numériques par transposition d’un régulateur analogique.
Le processus à étudier est donné par la figure ci-dessous. Il s’agit d’un simple réservoir cylindrique de section S.
L’entrée est le débit Qe et la sortie est le niveau h de l’eau dans le réservoir. Un débit de fuite Qs est assuré à
travers une vanne.

III. ETUDE DU RESERVOIRE :

 Si Qe =Qs le niveau est constant.

 Si Qe<Qs le niveau h est diminué.
 Si Qe>Qs le niveau h est augment.

L'équation suivante est un bilan de masse qui peut être appliqué à n'importe quel système :
Entrée-Sortie = Accumulation
Dans ce cas, l'accumulation s'effectue par une augmentation ou diminution du volume. L'accumulation est donnée
donc par le changement du volume dans le temps.
Qe-Qs= dV/dt

Ensuite le débit de sortie (Qs) est donné par :

ρgh
Qs=
R

1. En utilisant les équations précédentes, trouver la fonction de transfert reliant h et Qe du système :

𝒐𝒏 𝒂 𝑸𝒆 − 𝑸𝒔 = 𝒅𝑽/𝒅t
ρgh d ( hs )
Qe – R = dt

d ( h ) ρgh
Qe = s +
dt R

TF:
ρg
Qe(P) = SPH(P) + R H(P)

ρg
Qe(P) = H(P)[SP+ R ]

K
 La fonction de transfert trouvée peut s'écrire sous la forme : G ( P )= 1+ αP

R
H ( P) ρg
G ( P )= =

(( ) )
Qe ( P ) SR
P+ 1 ¿
ρg
¿

R
Avec : K= ρg α =SR/ ρg

2. Détermination les paramètres du correcteur :

- Pour K=1 et 𝝉 = 𝟎. 𝟐 Le système est commandé par un correcteur de type PI

K ( 1+TiP ) Bm ( P )
C ( P)= on doit déterminer Hbf ( P ) = telle que
TiP Am ( P )

Am =0.01 P2+ 0.14 P+1

 C ( P) G( P )
On a : Hbf ( P ) =
1+C ( P ) G ( P )

K ( 1+TiP )
Hbf ( P ) =
K ( 1+TiP )+ TiP ( 1+0.2 P )
1+TiP
Hbf ( P ) =
0.2 Ti1 2 ( K +1 ) 1
P+ TiP+1
K K
Par identification on trouve :

( K +1 ) Ti
=0.14
K
0.2Ti
=0.01
K

K= 1.8
Ti = 0.09

1.8 ( 1+0.09 P )
C ( P)=
0.09 P

3. Le correcteur sera implémenté sous forme numérique, comment on peut choisir la période
d'échantillonnage ?
Le choix de la période d'échantillonnage est une décision cruciale dans la conception des systèmes
échantillonnés. Il est généralement guidé par plusieurs facteurs, notamment les caractéristiques
dynamiques du système, les spécifications de performance requises et les contraintes matérielles. Une règle
fondamentale est de respecter le théorème de Shannon-Nyquist, qui stipule que la fréquence
d'échantillonnage doit être au moins deux fois plus élevée que la fréquence maximale du signal à
échantillonner pour éviter la perte d'information. Cependant, dans de nombreux cas, une fréquence
d'échantillonnage plus élevée que le strict minimum est nécessaire pour garantir une performance
satisfaisante du système. Le choix final de la période d'échantillonnage implique souvent un compromis
entre la précision du signal échantillonné, la complexité de l'implémentation du système et les contraintes
de coût matériel. Ainsi, une analyse approfondie des exigences du système et des contraintes techniques est
essentielle pour déterminer la période d'échantillonnage optimale, garantissant ainsi le bon fonctionnement
et la performance du système échantillonné.
4. Détermination du correcteur C(Z) :
En utilisant l’approximation des rectangles supérieurs on a :
Z−1
P=
ZTe

C ( Z )=
(
1.8 1+
0.09 ( Z−1 )
ZTe )
0.09 ( Z−1 )
ZTe
1.8 ( ZTe +0.09 ( Z−1 ) )
C ( Z )=
0.09 ( Z−1 )

1.8 (Te+ 0.09 )−0.108

C ( Z )=
0.09 ( Z−1 )

20 Z ( Te+ 0.09 )−1.2

C ( Z )=
Z−1

5. La réponse du système pour déférente période d’échantillonnage :

Programme sous Matlab :
Te=0.1;
G=tf([1],[0.2 1]);
Cp=tf([1.8*0.09 1.8],[0.09 0]);
GP=feedback(G*Cp,1);
GZ=c2d(G,Te);
Cz=tf([20*Te+20*0.09 -1.2],[1 -1],Te);
Hz=feedback(GZ*Cz,1);
step(Hz,GP)

À chaque fois on change la période d’échantillonnage Te :

Pour Te=0.1s : Pour Te=0.05s :
 Pour Te=0.025s : Pour Te=0.01s :

 Si on augmente Te la numérisation donnera un rendu correct du signal

6. Réaliser le schéma des deux correcteurs (numérique et analogique) sur Simulink :
 Transposition d’un correcteur analogique :
 Correcteur numérique
 TP N°4
Synthèse directe des régulateurs numériques
I. BUT DE TP
L’objectif de ce TP est de synthétiser des régulateurs numériques en utilisant la technique des pôles
dominants.

II. Partie 1
Considérons le système suivant :

10
On a: G(P)=
( p+1)( p+2)

1. La transformée en z de la fonction G(p)

(𝑝) 10 5 10 5
= = − +
𝑝 𝑝 (𝑝 + 1) (𝑝 + 2) 𝑝 𝑝+1 𝑝+2
 z −1
z )
G(z )= ¿

10 ( z−1 ) 5(z −1)

G ( z )=5− +
z−0.9 z −0.81

0.05 z−0 , 04
G(z )= 2
z −1, 71 z+ 0 ,74

On vérifie le résultat obtenu sur Matlab par la commande c2d :

G = tf (5, conv ([0.5 1], [1 1]))

G = c2d(G,0.1)

2. La fonction C(z) du correcteur :

On souhaite avoir la fonction de transfert en boucle fermée suivante :

0.9892 z
F (z)= 2
z −0,3708 z +0.36
D’après la méthode de ZDAN vu en cours, le correcteur C(z) peut s’écrire sous la forme :
 G d + B(Z)
C (z)=
G n+ A( z)

z +0 , 88
On a : G(z )=0.05
( z−0 , 9)(z−0 ,81)

Par analogie :

𝐺𝑑+ = (𝑧 − 0,81) 𝐺𝑛+= (𝑧 + 0,88)

D’où :

(z−0.81)B( z )
(z +0.88) A ( z) )
C (z)=

La fonction du système corrigé s’écrit :

C ( z ) G( z)
FTBT =
1+C (z) G( z)

(z−0.81) z +0 , 88 B(z )
C (z) G(z)= 0.05
(z+ 0.88) (z−0 , 9)(z−0 ,81) A ( z )

0.05 B( z )
C (z) G(z)=
(z+ 0.9) A (z)

D’ou :

0.05 B (z)
FTBF=
A ( z )( z +0.9 )+ 0.05 B(z )

On fait l’identification avec le dénominateur de la fonction F, on obtient :

(𝑧) (𝑧 − 0,9) + 0,05 (𝑧) = 𝑧2 − 0,3708𝑧 + 0,36

(𝑧) (1 − 0,9𝑧−1) + 0,05 𝑧−1 (𝑧) = 1 − 0,3708 𝑧−1 + 0,36 𝑧−2

F(z) est d’ordre 2, donc on peut prendre :

 A(z) = (1- 𝑧−1) A0

 B(z) = k (1-B0 𝑧−1)
D’où l’égalité suivante :

A0 – (1,9 A0 – 0,09K) 𝑧−1+ (0,9 – 0,005 K B0) 𝑧−2 = 1- 0,3708 𝑧−1 + 0,36 𝑧−2

On obtient les paramètres suivants :

 A0 = 1
 K= 45.41
 B0 = 0.23

Donc:

C (z)=45(z−0.81)¿ ¿

(z−0.81)(1−0.23)
C (z)=45
( z+ 0.88 ) ( z−1 )

2
z −1 , 04 z +0.18
C (z)=45 2
z −0 , 12−0.88

3. L’équation récurrente de ε(nt) et u(nt)

U (Z ) 2
z −1 ,04 z +0 . 18
G ( z )= =45 2
ε (z ) z −0 ,12−0 .88

U(z) (1–0,12 𝑧−1 − 0,88 𝑧−2) = 45 ε(z) (1–1,04 𝑧−1 + 0,18 𝑧−2)
U(t) – 0,12 u(t-T) – 0,88 u(t-2T) = 45 ε(t) – 46,8 ε(t-T) + 8,1 ε(t-2T)
 III. PARTIE 2
On a la fonction :
1+ 3 p
F (p)=
p(1+ 2 p)

Cherchons-la transformée en z de F(p)

1 3p
F(z) = (𝑧) = (1 - 𝑧−1)TZ{ p (1+ 2 p) p (1+2 p)
2 }

1.393(1−0.718 z−1)z−1
F (z)=
(1− z−1)(1−0,607 z−1)

D’autre part on a :

(1−0,607 z−1)(1+ B 1 z−1+ B 2 z −2) z−1

C (z)=k '
(1−0.718 z −1)(1−z−1)( 1+ A 1 z−1)

(1+ B 1 z −1+ B 2 z−2)z−1

FTBF=k
( 1−z −1 )( 1+ A 1 z−1 ) + K (1+ B 1 z−1+ B 2 z −2) z−1

L’équation caractéristique du système bouclé est la suivante :

D(z) = (1- 𝑧−1)2 (1 + A1 𝑧−1) + K 𝑧−1 (B0 + B1 𝑧−1 + B2 𝑧−2)

On l’identifie avec :

DBF (z) = (1 – 𝑧1 𝑧−1) (1 − 𝑧 ̅ 𝑧−1) = 1 – 2Re(z1) 𝑧−1 + |z1|2 𝑧−1

Re(z1) = 𝑒−𝛏𝛚𝐓𝐞 cos (ωTe√1 − ξ2)

Avec : |z1| = 𝑒 𝛏𝛚𝐓𝐞 = 0,7
−
 D’où on obtient :

Re(z1) = 0,7 cos (ωTe√1 − ξ2)

Par identification on obtient :
A1 – 2 + 2B0 = -1,142
1 – 2A1 + 2B1 = 0,49
A1 + 2B2 = 0
K (B0 + B1 + B2) = 2(1 + A1)
D’où les paramètres suivants :

 K=2
 A1 = -0,826
 B0 = 0,842
 B1 = -1,081
 B2 = 0,413

Conclusion :
Ce travail pratique a été extrêmement bénéfique pour notre développement de compétences dans
le domaine de la régulation industrielle, notamment en nous familiarisant avec des outils tels que
MATLAB pour l'analyse et l'amélioration des systèmes industriels. Nous avons acquis une
compréhension approfondie de différentes méthodes d'amélioration du comportement des
systèmes, telles que les techniques de Ziegler-Nichols et le placement des pôles avec
compensation. En conclusion, nous exprimons notre gratitude envers le Professeur Nada EL
GMILI pour son partage d'expertise et pour le temps précieux qu'elle nous a consacré pour nous
aider à progresser dans ce domaine.