Analyse et commande des

systèmes à événement discret

Chapitre 1: Introduction Générale

Chapitre 2 : Échantillonnage d’un signal

T. MAATOUG Année Universitaire 2016-2017

Chapitre 1 Introduction générale
De plus en plus la commande de systèmes réels se tourne
vers l’usage de calculateurs numériques, du fait que de
plus en plus ces systèmes deviennent performants et moins
onéreux.
• Ordinateurs de plus en plus rapides, croissance de la
vitesse de forme exponentielle les 30 dernières années.
• Taille des équipements a diminué beaucoup et leur prix
avec.
• De ce fait la performance du système échantillonné
devient très proche de celui d’un système continu
équivalent.
• Possibilité de traiter plusieurs variables en même temps,
donc plus de facilités pour traiter des systèmes
multivariable.
2
Chapitre 1 Introduction générale
Quelques domaines d’applications des commandes numériques sont :
• Commande des machines outils (tours, fraises, etc)
• Procèdes chimiques complexes.
• Aéronautique.
• Automobile, etc
Quelques avantages qu’on peu citer :
• Amélioration de la sensibilité des mesures.
• Utilisation de capteurs, transducteurs et calculateurs numériques.
• Diminution de la sensibilité au bruit
• Facilité de reconfiguration de l’algorithme de calcul de la commande
ou supervision.
• Possibilité d’algorithmes de calculs plus complexes et performants.
La commande avec calculateur numérique précise des éléments
additionnels sur les systèmes de commande qui modifient en partie la
boucle de commande y requiert quelques connaissances additionnelles
traditionnellement liés à la discipline du traitement de signal.

3
Chapitre 1 Introduction générale
Boucle de commande des systèmes continus et discrets.

4
Chapitre 1 Introduction générale
Variables sur boucle de commande des systèmes discrets.

Le système de commande complet se divise donc en plusieurs

parties :
• Une partie analogique, qui en général contient les lois physiques
du système en soit même, car la plus grande partie des systèmes
physiques fonctionnent de forme analogique. Souvent s’ajoutent
a celles cis les capteurs et actionneurs.

5
Chapitre 1 Introduction générale
Variables sur boucle de commande des systèmes discrets.

• Une partie discrète dans la quelle se trouvent les lois de

commande. Les lois de commande doivent se traiter donc
comme un système échantillonné.
• Une interface analogique-numérique s’ajoute pour
communiquer les deux parties.

6
Chapitre 2 Échantillonnage d’un signal
Convertisseurs analogique-numérique

Echantillonage
Quantification
7
Chapitre 2 Échantillonnage d’un signal
2.1 Échantillonnage idéal : Convertisseurs analogique-numérique

8
 Chapitre 2 Échantillonnage d’un signal
2.1 Échantillonnage idéal : Convertisseurs analogique-numérique

Notons que l’utilisation de l’opérateur échantillonnage idéal sur

le signal f (t) génère un signal continue fe (t)
appelée signal échantillonné (idéal).
∞ ∞
fe (t) = f (t) ∑δ(t −kTe ) = ∑f (kTe )δ(t −kTe )
k=−∞ k=−∞

on peut considérer l’échantillonnage comme le

prélèvement de la valeur du signal continu aux instants
t = kTe.

9
Chapitre 2 Échantillonnage d’un signal
2.2. Echantillonnage réel

10
Chapitre 2 Échantillonnage d’un signal
2.2 Echantillonnage réel (suite)

11
Chapitre 2 Échantillonnage d’un signal
2.3 Transformée de Laplace d’un signal échantillonné
Rappel : Transformé de Laplace d’un signal continu
F( p) = L[ f (t)] = ∫ f (t).e−ptdt
∞

Formulation 1: TL d’un signal échantillonné causal

[ ]
F*( p) = L f *(t) = ∫
0
∞ ∞
∑ e
f (kT )δ (t − kTe e
). − pt
dt
k=−∞
∞ ∞
= ∑ f (kTe )∫ δ (t −kTe ).e−ptdt
0
k=−∞
∞
= ∑ f (kTe )TL[δ (t −kTe )]
k=−∞
∞
= ∑ f (kTe ).e−kTe p
k=−∞

12
Chapitre 2 Échantillonnage d’un signal
2.3 Transformée de Laplace d’un signal échantillonné (suite)
Comme la fonction δ Te (t ) est une fonction périodique de période
Te, nous pouvons effectuer une décomposition de
celle-ci en série de Fourrier :
∞ 2 π kt Te 2 π kt
j 1 j 1
δ Te (t ) = ∑ ck e
k = −∞
Te
avec c k =
Te ∫
−
2
Te δ Te ( t ) e Te
dt =
Te
2
∞ 2 π kt ∞ 2 π kt
1 j 1 j
d ' où f (t ) = f (t )δ Te (t ) = f ( t ) ∑
*
e Te
= ∑ f (t ) e Te

k = −∞ Te Te k = −∞
Alors, la transformée de Laplace du signal échantillonné est
2 πk 
∞  1 ∞ 2 π kt
 − pt 1 ∞  ∞ 
− p − j t 
 dt 
j
F * ( p) = ∫
0

 Te ∑ f (t )e Te e dt =
 Te
∑ ∫
 0
f (t ) e  Te 

 k = −∞  k = −∞  
1 ∞
2π k
F ( p) =
*

Te
∑
k = −∞
F(p − j
Te
)

13
Chapitre 2 Échantillonnage d’un signal
2.3 Transformée de Laplace d’un signal échantillonné (suite)
Remarque :
D’après cette relation, la transformée de Laplace F*( p) est
périodique le long de l’axe imaginaire. Les pôles de F*( p) sont
obtenus à partir de ceux de F (p) par une infinité de
2π
translations de (dans le plan complexe p) parallèlement à
l’axe réel. Te

14
 Chapitre 2 Échantillonnage d’un signal
2.4 Spectre du signal échantillonné
Transformée de Fourier d’un signal continu : décomposition sur une
base d’exponentielles complexes
∞
F ( jω ) = ∫ f (t )e − jωt dt
−∞
Transformée de Laplace bilatérale avec p = jω
Transformée de Fourier d’un signal échantillonné (formulation 2)
1 ∞ 2πk
F ( jω ) =
*
∑ F (
Te k = −∞
j (ω
Te
− ))

15
Chapitre 2 Échantillonnage d’un signal
2.4 Spectre du signal échantillonné (suite)
ωe
Cas où : ωM <
2

16
Chapitre 2 Échantillonnage d’un signal
2.4 Spectre du signal échantillonné (suite)
ωe
Cas où : ωM >
2

Ce phénomène est appelé repliement spectral (“aliasing” en

anglais) et il correspond au repliement des bandes
complémentaires dans la bande de base. Dans ce cas, il n’est plus
possible de reconstruire f (t ) à partir du signal échantillonné.

17
 Chapitre 2 Échantillonnage d’un signal
2.4 Spectre du signal échantillonné : Théorème de Shannon
Le théorème suivant, connu sous le nom de théorème de
l’échantillonnage ou de Shannon, donne les conditions dans
lesquelles un signal analogique peut être reconstruit à partir de sa
version échantillonnée.
Théorème (de Shannon, 1948). Pour pouvoir reconstituer sans perte
d’information un signal continu à partir des échantillons de période
Te de celui-ci, il faut que la fréquence d’´echantillonnage,f e = 1 , soit
Te

au moins égale au double de la fréquence maximale contenue dans

le spectre de ce signal : f e ≥ 2 f M où f M = ωM
2π

fe 1
La fréquence fN = = est appelé fréquence de Nyquist .
2π 2Te

18
Chapitre 2 Échantillonnage d’un signal
2.4 Théorème de Shannon (suite)
Utilisation du théorème de Shannon
Remarque :
Pour que l’observation échantillonnée d’un signal soit significative,
il est nécessaire que la fréquence d’échantillonnage soit
suffisamment élevée. En effet, si la période d’échantillonnage est
trop élevée, l’information contenue dans le signal analogique peut
être irrémédiablement détruite.

Remarque
En pratique, on préfère un rapport de fréquence, au moins
supérieur à 10 entre la fréquence d’échantillonnage et la
fréquence de coupure du signal analogique. En temporelle, on
choisira une période d’échantillonnage au moins 10 fois inférieure
au temps de monté du signal analogique.
En pratique on choisit des fréquences d’échantillonnage : 5 f M ≤ f e ≤ 25 f M

19
Chapitre 2 Échantillonnage d’un signal
2.4 Spectre du signal échantillonné : Filtre anti-repliement

Problème :
Pour les systèmes échantillonnés , le bruit de mesure à haute
fréquence peut être replié à basse fréquence dans le voisinage de la
bande passante du système réponse du système au bruit de
mesure

Solution : filtre anti-repliement (“antialiasing filter” en anglais)

Si le signal comporte des composantes spectrales à des fréquences
supérieures à la fréquence de Nyquist alors il faut filtrer le signal
analogique avant l’échantillonnage.

20
Chapitre 2 Échantillonnage d’un signal
2.5 Reconstruction du signal
On se propose de reconstruire le signal f(t) à partir des
échantillons f(kTe) de ce signal. Pour cela, nous utiliserons la
transformée de Fourier inverse.
∞
f (t ) = F {F ( jω )} =
1
−1
∫ F ( jω )e jωt dω
2π −∞

21
Chapitre 2 Échantillonnage d’un signal
2.5 Reconstruction du signal (reconstruction idéale)

f (t ) = Te F −1 {Fe ( jω ) H ( jω )} = Te ( f e * h)(t ) où h(t ) = F −1{H ( jω )}

La réponse impulsionnelle du filtre peut être calculé en utilisant la transformée
de Fourier inverse :
ωe
πt
h(t ) = F {H ( jω )} =
1 1
∫−ω2e e dω = π t sin( Te )
−1 2 jωt

2π

22
Chapitre 2 Échantillonnage d’un signal
2.5 Reconstruction du signal

Reconstruction approchée
Utilisation du bloqueur d’ordre zéro (BOZ)

1 − e −Tep
B0 ( p ) =
p
Te
− jω
Te 2 sin ω
B0 ( jω ) = e 2 2
ω

23
Chapitre 2 Échantillonnage d’un signal
2.5 Reconstruction du signal (reconstruction approchée suite)

24