INSA de Toulouse Département GEI

AUTOMATIQUE LINEAIRE
Systèmes à temps discret

Bernard PRADIN, Germain GARCIA

Année 2010-11
ii
Table des matières

1 Modélisation 1
1.1 Modèles des systèmes linéaires à temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Passage Fonction de transfert (en s ou z) ! Equations d’état . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Obtention de formes modales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Obtention de formes compagnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Cas d’une fonction de transfert non strictement propre (m = n) . . . . . . . . . . . . . . . 3
1.3 Passage Equations d’état ! Fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Non-unicité de la représentation d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Modèles des systèmes échantillonnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.1 Commande numérique des procédés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.2 Fonction de transfert échantillonnée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5.3 Modèle d’état d’un système échantillonné . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Réponses des systèmes linéaires 9

2.1 Réponses à partir de l’équation récurrente (temps discret) . . . . . . .
. . . . . . . . . . . . . . . 10
2.2 Réponses à partir de la fonction de transfert en z . . . . . . . . . . . .
. . . . . . . . . . . . . . . 10
2.3 Réponses à partir des équations d’état discrètes . . . . . . . . . . . .
. . . . . . . . . . . . . . . 11
2.3.1 Expression générale . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . 11
2.3.2 Calcul de Ak (méthode modale) : valeurs propres distinctes i i = 1; : : : ; n . . . . . . . . 11
2.3.3 Calcul au moyen de la transformation en z. . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3 Stabilité 13
3.1 Stabilité des systèmes linéaires à temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.1.1 Etats d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.1.2 Régime libre (évolution depuis l’état initial x0 ) . . . . . . . . . . . . . . . . . . . . . . . . 14
3.1.3 Stabilité des états d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Critères de stabilité des systèmes à temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.1 Critère de JURY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 Critère de ROUTH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Stabilité des systèmes échantillonnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.1 Etude en boucle ouverte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3.2 Etude en boucle fermée : in‡uence de la période d’échantillonnage . . . . . . . . . . . . . 17
3.3.3 Exemple : in‡uence du gain de boucle et de la période d’échantillonnage . . . . . . . . . . 17

4 Régulation numérique 19
4.1 Discrétisation d’un correcteur analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.1.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.1.2 Discrétisation par approximation de la variable s . . . . . . . . . . . . . . . . . . . . . . . 20
4.1.3 Discrétisation par adaptation des pôles et zéros (matched pole-zero method) . . . . . . . 21
4.2 Régulateur P.I.D. numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2.1 Formulation de base : discrétisation du P.I.D. analogique . . . . . . . . . . . . . . . . . . 21
4.2.2 Adaptation du correcteur P.I.D. numérique . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2.3 Réglage des paramètres du P.I.D. numérique . . . . . . . . . . . . . . . . . . . . . . . . . 22

iii
iv TABLE DES MATIÈRES

4.2.4 Réalisation algorithmique du correcteur P.I.D. numérique . . . . . . . . . . . . . . . . . . 22

4.3 Prise en compte du bloqueur dans la synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Ts
4.3.1 Approximation du bloqueur par un retard pur e 2 . . . . . . . . . . . . . . . . . . . . . 23
4.3.2 Transformation en w appliquée à la fonction de transfert discrète du procédé . . . . . . . 23
4.4 Exemple d’application des méthodes de transposition . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4.1 Calcul d’un correcteur analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4.2 Discrétisation du correcteur (di¤érentes méthodes et périodes d’échantillonnage) . . . . . 24
4.4.3 Comparaison des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.5 Exemple d’application d’un P.I.D. numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.1 Mise en oeuvre d’un correcteur P.I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.2 Saturations sur la commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.3 Introduction d’un anti-windup (anti-dérive) . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5 Régulation numérique par correcteur R.S.T. 29

5.1 Principe de la commande R.S.T. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1.1 Fonction de transfert du procédé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1.2 Algorithme de commande d’un correcteur R.S.T. . . . . . . . . . . . . . . . . . . . . . . . 30
5.1.3 Procédure générale de réglage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.2 Réglage de la régulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.1 Conditions de rejet de perturbation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.2 Eléments pour la résolution de l’équation diophantine . . . . . . . . . . . . . . . . . . . . 31
5.2.3 Choix des degrés des polynômes R, S et P de l’équation diophantine . . . . . . . . . . . . 32
5.2.4 Algorithme de résolution de l’équation diophantine . . . . . . . . . . . . . . . . . . . . . . 32
5.3 Poursuite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.3.1 Principe : choix d’un modèle de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.3.2 Résolution du problème de poursuite par détermination de T . . . . . . . . . . . . . . . . 33
5.4 Exemple de calcul d’un correcteur R.S.T. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.4.1 Calcul d’un correcteur R.S.T. en poursuite (cas général) . . . . . . . . . . . . . . . . . . 34
5.4.2 Calcul d’un correcteur avec rejet d’une perturbation constante en entrée . . . . . . . . . . 34
5.5 Poursuite et régulation à objectifs indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.5.1 Résolution du problème de régulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.5.2 Résolution du problème de poursuite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.5.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.6 Application numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.6.1 Spéci…cations pour l’exemple présenté en 5.4 . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.6.2 Calcul d’un régulateur en poursuite (cf. 5.4.1) . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.6.3 Etude de l’e¤et d’une perturbation sur la sortie . . . . . . . . . . . . . . . . . . . . . . . . 36
5.6.4 Etude de l’e¤et d’une perturbation sur l’entrée . . . . . . . . . . . . . . . . . . . . . . . . 37
5.6.5 Rejet de perturbation (cf. 5.4.2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.6.6 Correction P.R.O.I. (cf. 5.5.3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

6 Commandabilité et observabilité 39
6.1 Commandabilité et Observabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.1.1 Commandabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.1.2 Observabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.2 Critères applicables aux formes de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.3 Commandabilité et observabilité : Modèles et structure . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.1 Exemple de système composite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.2 Propriétés structurelles des modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.3.3 Composition de systèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.4 Dualité commandabilité - observabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
TABLE DES MATIÈRES v

7 Commande par retour d’état (cas monovariable) 45

7.1 Placement de pôles (systèmes à temps discret) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.1.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.1.2 Placement de pôles à partir de la forme canonique de commande . . . . . . . . . . . . . . 46
7.1.3 Placement de pôles à partir d’un modèle d’état quelconque . . . . . . . . . . . . . . . . . 47
7.2 Placement des pôles, autres approches (continu ou discret) . . . . . . . . . . . . . . . . . . . . . . 48
7.2.1 Placement des pôles du système. Calcul de L par identi…cation polynomiale . . . . . . . . 48
7.2.2 Commande Matlab pour le calcul du gain de retour d’état L : . . . . . . . . . . . . . . . . 48
7.3 Reconstruction d’état (systèmes à temps discret) . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.3.1 Principe d’un observateur dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.3.2 Justi…cation de l’observateur dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.3.3 Calcul d’un observateur à partir de la forme canonique d’observation . . . . . . . . . . . . 49
7.3.4 Variante de calcul de l’observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7.3.5 Calcul d’un observateur à partir d’un modèle d’état quelconque . . . . . . . . . . . . . . . 50
7.4 Commande par retour de sortie (observateur + retour d’état) . . . . . . . . . . . . . . . . . . . . 51
7.4.1 Modèle du système bouclé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7.4.2 Algorithme de retour de sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

A Transformation de Laplace et transformation en z 53

A.1 Transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
A.2 Transformation en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
A.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
A.3.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
A.3.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
vi TABLE DES MATIÈRES
Chapitre 1

Modélisation

1
2 CHAPITRE 1. MODÉLISATION

1.1 Modèles des systèmes linéaires à temps discret

Equation récurrente Fonction de transfert Equations d’état

N (z) 8
an yk+n + + a1 yk+1 + a0 yk G(z) = < xk+1 = Axk + Buk
= bm uk+m + + b1 uk+1 + b0 uk D(z)
:
bm z m + + b1 z + b 0 yk = Cxk + Duk
D(z)yk = N (z)uk G(z) =
an z n + + a1 z + a0
m n m n

Equation caractéristique : Equation caractéristique : Polynôme caractéristique de A :

an rn + + a1 r + a0 = 0 an z n + + a1 z + a0 = 0 P ( ) = det( I A)

Ordre du système : n Ordre du système : n Ordre du système : n = dim(A)

Modes du système racines de Modes du système pôles Modes du système valeurs

l’équation caractéristique : propres de A racines du
Q
m polynôme caractéristique ;
ri i = 1; : : : ; n (z zj )
bm j=1 i i = 1; : : : ; n
G(z) =
an Qn
(z pi )
i=1
1.2. PASSAGE FONCTION DE TRANSFERT (EN S OU Z) ! EQUATIONS D’ÉTAT 3

1.2 Passage Fonction de transfert (en s ou z) ! Equations d’état

1.2.1 Obtention de formes modales 1.2.2 Obtention de formes compagnes
m
b 0 + b1 s + + bm s N (s) b 0 + b1 s + + bm sm
G(s) = = G(s) =
a0 + a1 s + + an sn D(s) a0 + a1 s + + an 1 sn 1 + sn
m<n an = 1 m<n

Cas de modes distincts Forme compagne horizontale

N (s) N (s) 2 3
G(s) = = 0 1 0 0
D(s) an (s p1 )(s p2 ) (s pn )
6 .. .. 7
6 0 . . 7
6 7
Décomposition en éléments simples : A=6
6 .. .. 7
7
6 . . 0 7
n
X i
4 0 1 5
G(s) =
s pi a0 a1 an 2 an 1
i=1

Représentation d’état diagonale associée : 23

0
8 2 3 2 3 6 .. 7
6 7
>
> p1 0 0 1 B=6 . 7
>
> 6 7 6 2 7 4 0 5
>
> 6 0 p2 0 7 6 7
>
< A=6 .. .. .. .. 7 B=6 . 7 1
4 . . . . 5 4 .. 5
>
> 0 0 pn
>
> n C= b0 : : : bm 0
>
>
>
:
C= 1 2 n i = i i Forme compagne verticale
Cas d’un mode multiple 2 3
an 1 1 0 0
N (s) N (s) 6 .. .. 7
G(s) = = 6 an . . 7
D(s) (s )n 6 2 7
A=6
6 .. .. 7
6 . . 0 7
7
Décomposition en éléments simples : 4 0 1 5
G(s) =
1
+
2
+ +
n a0 0 0 0
s (s )2 (s )n
2 3
Modèle d’état : ..
2 3 6 . 7
1 2
3 6 0 7
0 6 7
6
6 .. 7
7 6 .. 7 B=6
6 bm 7
7
. 6 7 6 7
A=6 6
7
7 B=6 . 7 4
..
5
4 . .. 4 0 5 .
1 5
1 b0

C= n n 1 1 C= 1 0 0

1.2.3 Cas d’une fonction de transfert non strictement propre (m = n)

G(s) = N (s)=D(s) = N (s)=D(s) + d = G (s) + d

N (s) b0 + + bn sn
G(s) = =
D(s) a0 + + an 1 sn 1 + sn
Division N (s) par D(s) : N (s) = N (s) + d D(s) G (s) ! (A; B; C) G(s) ! (A; B; C; d)
4 CHAPITRE 1. MODÉLISATION

1.3 Passage Equations d’état ! Fonction de transfert

Modèle d’état : Exemple

8 Modèle d’état :
< x_ = Ax + Bu 8
: >
> 0 1 0
y = Cx + Du < x_ = x + u
2 3 1
>
>
:
Par transformation de Laplace : y = 1 2 x + u

1 1 Fonction de transfert :
Y (s) = C(sI A) B + D U (s) + C(sI A) x0
1
s 1 0
Fonction de transfert : G(s) = 1 2 +1
2 s+3 1

G(s) = C(sI A) 1
B+D s+3 1 0
1 2
2 s 1
= +1
s2 + 3s + 2
Remarque :
s2 + 5s + 3
Y (s) = G(s)U (s) si l’état initial x0 = 0 =
s2 + 3s + 2

1.4 Non-unicité de la représentation d’état

Modèle d’état : Exemple : diagonalisation

8
< x_ = Ax + Bu 8
>
> 0 1 0
< x_ = x + u
: 2 3 1
y = Cx + Du
>
>
:
y = 1 2 x + u
Changement de base :
Valeurs propres de A :
x = Mx
Nouveau système : 1 = 1 2 = 2
8 Matrice modale associée :
< x_ = A x + B u
: 1 1 1 2 1
y = C x + Du M= M =
1 2 1 1

1 1
Système diagonal :
A =M AM B =M B C = CM
8
>
> 1 0 1
En pratique, recherche de matrices A = < x_ = x + u
0 2 1
M 1 AM de forme particulière : diagonale ou com- >
>
pagne. :
y = 1 3 x + u
1.5. MODÈLES DES SYSTÈMES ÉCHANTILLONNÉS 5

1.5 Modèles des systèmes échantillonnés

1.5.1 Commande numérique des procédés

Conversion analogique numérique contenue dans le spectre du signal que l’on veut
échantillonner.

Conversion numérique analogique

Ensemble capteur convertisseur analogique-

numérique modélisé comme une prise d’échantillons
de la sortie continue y(t) à période …xe T : modu-
lation du signal continu y(t) par train d’impulsions
unitaires T (t) de période T :
Le processeur génère des valeurs numériques
uk à même période d’échantillonnage T . Conver-
y (t) = y(t) T (t)
sion numérique-analogique : produire signal de com-
+1 mande u(t) en escalier à partir des valeurs uk .
X
T (t) = (t kT ) Modèle mathématique associé à la conversion nu-
k=0 mérique analogique : bloqueur d’ordre zéro de fonc-
+1 +1
tion de transfert B0 (s) = transformée de Laplace de
X X
y (t) = y(t) (t kT ) = yk (t kT ) sa réponse impulsionnelle :
k=0 k=0

yk = y(kT ) : valeur échantillon de y(t) à t=kT

Représentation du signal échantillonné : séquence

des valeurs y(kT ) de période T :

fy(kT )g fy(k)g fyk g

(t) (t T)
Période d’échantillonnage : dépend du type de
procédé et de la dynamique des signaux concernés. (t) échelon de position unitaire. Il vient donc :
Doit respecter le théorème de Shannon qui précise
Ts Ts
que la fréquence d’échantillonnage f = 1=T doit être 1 e 1 e
B0 (s) = =
au moins égale à deux fois la plus grande fréquence s s s
6 CHAPITRE 1. MODÉLISATION

1.5.2 Fonction de transfert échantillonnée

Ts
1 e
G(z) = Z Gc (s)
s

1 Gc (s) z 1 Gc (s)
G(z) = (1 z )Z = Z
s z s
Résumé :
Fonction de transfert du procédé continu ! ?
Fonction de transfert en z du système échantillonné. L 1 Z
Gbc (s) = B0 (s) Gc (s) ! gbc (t) ! G(z)

L[y(t)] Z[yk ]
Gc (s) = ? G(z) = Exemple
L[u(t)] ! Z[uk ]

u (t) signal constitué des échantillons uk =

u(kT ) :
+1
X
u (t) = uk (t kT )
k=0

Action du bloqueur d’ordre zéro B0 (s) : mainte- Fonction de transfert continue :

nir constant sur l’intervalle [kT; (k + 1)T [ le signal à
1
la valeur uk . Gc (s) =
Signal bloqué u(t) obtenu par convolution du si- s(s + 1)
gnal échantillonné u (t) et de la réponse impulsion-
nelle du bloqueur : Fonction de transfert échantillonnée :
z 1 Gc (s)
U (s) = B0 (s) U (s) G(z) = Z[B0 (s) Gc (s)] = Z
z s
+1
X
kT s Gc (s) 1 1 1 1
U (s) = L[u (t)] = uk e = 2 == + 2+
k=0
s s (s + 1) s s s+1

Y (s) = Gc (s) U (s) = Gc (s) B0 (s) U (s) En utilisant le tableau de transformées (cf. page 55),
+1
X il vient :
kT s
Y (s) = Gbc (s) uk e z 1 z Tz z
k=0 G(z) = + +
z z 1 (z 1)2 z e T
avec : Gbc (s) = B0 (s) Gc (s)
soit :
+1
X
1 K(z b)
y(t) = L [Y (s)] = gbc (t kT ) u(kT ) G(z) =
k=0
(z 1)(z a)

avec gbc (t) transformée de Laplace inverse de avec :

T
Gbc (s). K=e 1+T
T
+1
a=e
X
y(nT ) = gbc [(n k)T ] u(kT ) T (1 e T)
b=1
k=0 e T 1+T
y(nT ) convolution discrète des séquences u(kT ) Application numérique :
et gbc (kT )
Soit T = 1s. Il vient :
Y (z) = G(z) U (z)
z + 0; 7183
G(z) = ZfGbc (s)g = ZfB0 (s) Gc (s)g G(z) = 0; 3679
(z 1)(z 0; 3679)
1.5. MODÈLES DES SYSTÈMES ÉCHANTILLONNÉS 7

1.5.3 Modèle d’état d’un système échantillonné

Remarque 2

Si Ac inversible :

B = Ac 1 (eAc T I) Bc
Modèle d’état du procédé continu ? Modèle
!
d’état du système échantillonné. Exemple
(Ac ; Bc; C; D) ?
! (A; B; C; D)

Modèle d’état du procédé continu :

8
< x(t)
_ = Ac x(t) + Bc u(t)
:
y(t) = C x(t) + D u(t)
Représentation du procédé par un modèle d’état
Solution de l’équation d’évolution, pour x(t0 ) = continu, par exemple :
x0 et u(t) donnés :
Z t 8
>
> 0 0 1
x(t) = e Ac (t t0 )
x0 + eAc (t ) Bc u( ) d < x(t)
_ = x(t) + u(t)
0 1 1
t0
>
>
Solution sur l’intervalle [kT; (k + 1)T [, :
y(t) = 1 1 x(t)
(uk constant) :
Z (k+1)T
Matrices A et B du modèle d’état échantillonné,
xk+1 = eAc T xk + eAc ((k+1)T )
Bc uk d pour T = 1s :
kT

Changement de variable = (k + 1)T :

(Z ) 1 0
A = eAc =
T 0 e 1
xk+1 = eAc T xk + eAc d Bc uk
0
Z 1 Z 1
Equation de sortie véri…ée à tout instant, en par- Ac 1 1
B= e Bc d = d = 1
ticulier aux instants d’échantillonnage ! matrices 0 0 e 1 e
C et D inchangées.
Modèle d’état échantillonné :
Modèle d’état du système échantillonné :
8 8
< xk+1 = A xk + B uk >
> 1 0 1
< xk+1 = xk + uk
0 e 1 1 e 1
:
yk = C xk + D uk >
>
:
Z T yk = 1 1 xk
Ac T
A=e B= eAc Bc d
0 Véri…cation : calcul de la fonction de transfert
échantillonnée (cf. §1.5.2) :
Remarque 1
1
G(z) = C (zIn A) B
Valeurs propres de Ac : i ; i = 1; ;n
# z + 0; 7183
Valeurs propres de A = eAc T : e i T ; i = 1; ;n G(z) = 0; 3679
(z 1)(z 0; 3679)
8 CHAPITRE 1. MODÉLISATION
Chapitre 2

Réponses des systèmes linéaires

Dans ce chapitre sont exposées les méthodes de calcul des réponses des systèmes à temps discret.
Dans la continuité du chapitre sur les modèles, on indique comment calculer les réponses des systèmes à
temps discret : à partir de l’équation récurrente en 2.1, à partir de la fonction de transfert en z en 2.2 et à partir
des équations d’état discrètes 2.3.

9
10 CHAPITRE 2. RÉPONSES DES SYSTÈMES LINÉAIRES

2.1 Réponses à partir de l’équation récurrente (temps discret)

an yk+n + + a1 yk+1 + a0 yk = bm uk+m + + b1 uk+1 + b0 uk m n

Forme algorithmique directement adaptable à l’implantation de lois de commande dans le processeur.

Mal adapté à un calcul manuel de réponse. Peut toutefois être utilisé pour calculer point par point la réponse.

Exemple Application successive de l’algorithme :

y1 = 3y0 2y 1 + u 1 = 0
y2 = 3y1 2y0 + u0 = 1
yk+2 3 yk+1 + 2 yk = uk
y3 = 3y2 2y1 + u1 = 3
avec : y4 = 3y3 2y2 + u2 = 7

On peut ici reconnaître (mais ce n’est pas toujours

yk = 0 8k 0 et uk = 0 8 k 6= 0 et u0 = 1 aussi évident) la suite :

uk = 0 8 k 6= 0 et u0 = 1 yk = 1 + 2k 1
8k > 0

2.2 Réponses à partir de la fonction de transfert en z

Transformée en z de la réponse à partir du modèle Réponse du système initialement au repos à une

d’état : d’impulsion U (z) = 1 :
h i
1 1
Y (z) = C (zI A) x0 + C (zI A) B + D U (z)
1
Y (z) = G(z) U (z) =
1 z2 3z + 2
Y (z) = C (zI A) x0 + G (z) U (z)
Calcul de la réponse d’un système à partir de la Décomposition en éléments simples :
fonction de transfert (intéressant uniquement dans le
cas d’un système initialement au repos (x0 = 0)) : 1 1 1
Y (z) = =
z2 3z + 2 z 2 z 1
Y (z) = G (z) U (z)
Les éléments simples obtenus ne correspondant
Calcul de l’original par décomposition en éléments
pas à des transformées de termes connus , on peut
simples !
aussi écrire :
termes relatifs aux pôles de G (z) (régime
1 z z
transitoire si ces pôles sont à partie réelle Y (z) = z
z 2 z 1
négative)
+
termes relatifs aux pôles de U (z) (régime Transformée inverse du terme entre crochets :
permanent).
2k 1k
Exemple :
Utilisation du théorème du retard :
1
G(z) = yk = 2 k 1
1k 1
= 2k 1
1
z2 3z + 2
2.3. RÉPONSES À PARTIR DES ÉQUATIONS D’ÉTAT DISCRÈTES 11

2.3 Réponses à partir des équations d’état discrètes

2.3.1 Expression générale
8
< xk+1 = A xk + B uk
:
yk = C xk + D uk

Réponse du système à une séquence d’entrée de Si état initial choisi à l’instant zéro :
terme général uk et pour un état initial donné xm
calculée de manière récurrente :
k
X1
xm+1 = A xm + B um xk = Ak x0 + Ak 1 j
B uj
xm+2 = A xm+1 + B um+1 j=0
= A2 xm + A B um + B um+1

k
X1
xk = Ak m
xm + Ak 1 j
B uj
j=m
x (t) = Régime libre + Régime forcé

k
X1
yk = CAk x0 + C Ak 1 j
B uj + Duk
j=0

2.3.2 Calcul de Ak (méthode modale) : valeurs propres distinctes i i = 1; : : : ; n

1
Pn k Ni = vi wiT
A=M M ! Ak = M k
M 1
= i=1 Ni i
2 k 3
1
2 3 6 k 7
w1T k 6 2 7
=6 .. 7
6 7 4 5
M = [v1 vn ] M 1
= 4 ... 5 .
k
wnT n

Exemple précédent avec matrice évolution diagonale, état initial x0 nul et u0 = 1

1(k 1)
0 1
8 yk = C Ak 1
B u0 = [1 1]
> 1 0 1 0 2(k 1) 1
>
< xk+1 = xk + uk
0 2 1
>
>
: yk = 2k 1
1k 1
= 2k 1
1
yk = 1 1 xk

2.3.3 Calcul au moyen de la transformation en z.

Transformée en z de l’équation d’état homogène Identi…cation avec la transformée en z de :

(uk = 0) :
xk = Ak x0
z X(z) z x0 = A X(z)
Il vient :

X(z) = (zI A) 1
z x0 Ak = Z 1
[(zI A) 1
z]
12 CHAPITRE 2. RÉPONSES DES SYSTÈMES LINÉAIRES
Chapitre 3

Stabilité

On étudie dans un premier temps les conditions de stabilité des états d’équilibre des systèmes à temps discret
en 3.1.
La stabilité des systèmes à temps discret (paragraphe 3.2) peut être étudiée en utiliosant le critère de Jury
ou le critère de Routh.
Le cas particulier des systèmes échantillonnés est traité en 3.3.
La connaissance de l’emplacement des modes d’un système dans le plan de Laplace renseigne sur la stabilité
d’un système et son comportement en régime transitoire. Le lieu d’Evans est un outil particulièrement intéressant
pour étudier l’évolution de ces modes dans le cas d’un paramètre variable.

13
14 CHAPITRE 3. STABILITÉ

3.1 Stabilité des systèmes linéaires à temps discret

3.1.1 Etats d’équilibre
8
< xk+1 = Axk + Buk Etat d’équilibre : point …xe de l’application :
Système :
:
yk = Cxk + Duk xk+1 = A xk

Etat d’équilibre : état non modi…é lorsque le sys- c’est-à-dire point solution de l’équation :
tème est abandonné à lui-même (c-à-d uk = 0)
(A I)xk = 0

Matrice A I régulière : det (A I) 6= 0 ! Une seule solution xk = 0 : état équilibre à l’origine.

Matrice A I singulière : det (A I) = 0 ! In…nité de solutions : in…nité états d’équilibre.

Exemple 1 Exemple 2

2 0 1 0
xk+1 = A xk = xk xk+1 = A xk = xk
0 0 1 1

det(A I) = 1 det(A I) = 0 ! Etats d’équilibre :

1 0 0
Un seul état d’équilibre : origine espace d’état. A xk = xk = xk ! xk =
1 1

3.1.2 Régime libre (évolution depuis l’état initial x0 )

xk+1 = A xk x0 6= 0 ! xk = Ak x0

Cas valeurs propres de A distinctes xk = Ak x0 = M k

M 1
x0

2 3 n n
w1T X X
k T k
6 7 xk = vi i wi x0 = Ni x0
M = [v1 vn ] M 1
= 4 ... 5 i=1 i=1
i

wnT
2 k 3
1
t 6 .. 7
e =4 . 5
k
n
3.1. STABILITÉ DES SYSTÈMES LINÉAIRES À TEMPS DISCRET 15

Cas valeurs propres de A multiples (cf. Annexe ??) xk = Ak x0 = M J k M 1

x0

A possède r valeurs propres di¤érentes.

M matrice modale et J matrice de Jordan (Lj 2 k 1 k 2 3
k k k(k 1)
bloc de Jordan associé à valeur propre multiple ). 6 7
6 1! 2! 7
6 7
2 3 6 k 1 7
2 3 1 Lj = 6
k
6 k k .. 7
. 7
L1 6 7 6 1! 7
6 .. .. 7 6 7
6 .. 7 . . 4 5
J =4 . 5 Lj = 6
6
7
7 .. ..
4 .. . .
Ls . 1 5
Régime libre :

r X
X k
2 3 xk = Ni (j)x0 k
Lk1 i
i=1 j=1
6 .. 7
Jk = 4 . 5 = somme des modes
Lks

3.1.3 Stabilité des états d’équilibre

xk+1 = A xk
A matrice (n; n), de valeurs propres distinctes 1; ; r. Etat d’équilibre xe = 0.

1. Si 9 j 2 f1; ; rg tel que j jj > 1, alors le point d’équilibre xe = 0 est instable.

2. Si 8 j = 1; ; r, j jj 1, alors
(a) si 8 j = 1; ; r, j jj < 1, alors le point d’équilibre xe = 0 est asymptotiquement stable,
(b) si 9 j 2 f1; ; rg tel que j j j = 1 et l’ordre de multiplicité de j est égal à 1, alors le
point d’équilibre xe = 0 est simplement stable,
(c) si 9 j 2 f1; ; rg tel que j jj = 1 et l’ordre de multiplicité de j est supérieur à 1,
( ) si les blocs de Jordan associés à j sont scalaires, alors le point d’équilibre xe = 0 est
simplement stable,
( ) si 9 des blocs de Jordan associés à j non scalaires, alors le point d’équilibre xe = 0
est instable.

Exemple Exemple

0; 5 0 1 0
A= A=
0 0; 25 0 1
j i j < 1. Système asymptotiquement stable. j i j = 1 distinctes. Simplement stable.
Exemple
Exemple
1 1
A=
2 0 0 1
A=
0 1 = 1 double . Système instable.
1 = 2 > 1. Système instable.
16 CHAPITRE 3. STABILITÉ

3.2 Critères de stabilité des systèmes à temps discret

3.2.1 Critère de JURY

n n 1
P (z) = an z n + an 1z
n 1
+ + a1 z + a0 P ( ) = an + an 1 + + a1 + a0
Critère de Jury : ensemble de conditions à remplir par les coe¢ cients du polynôme caractéristique pour que
le système soit asymptotiquement stable. Ci-après conditions dans le cas de systèmes d’ordre 2, 3 et 4, avec
l’hypothèse an > 0.

8
8 >
> a0 + a1 + a2 + a3 >0
<
< a0 + a1 + a2 >0 a0 + a1 a2 + a3 >0
n=3 !
n=2 ! a0 a1 + a2 >0 >
> a3 ja0 j >0
: :
a2 a0 >0 a0 a2 a1 a3 a20 + a23 >0
8
>
> a0 + a1 + a2 + a3 + a4 > 0
<
a0 a1 + a2 a3 + a4 > 0
n=4 !
>
> a2 a20 ja0 a3 a1 a4 j > 0
: 4
(a0 a4 )2 (a0 a2 + a4 ) + (a1 a3 )(a0 a3 a1 a4 ) > 0

Exemple Critère de Jury -> ensemble d’équations :

8
2 3 >
> a0 + a1 + a2 + a3 = K >0
0 1 0 <
a0 + a1 a2 + a3 = K + 0; 5 >0
xk+1 = 4 K 0 0; 25 5 xk > a3 ja0 j = 1 0; 25 >0
1 3 0 >
:
a0 a2 a1 a3 a20 + a23 = K + 1; 6875 >0

P (z) = z 3 + (K 0; 75) z 0; 25 soit : 0 < K < 1; 6875

3.2.2 Critère de ROUTH

Transformation bilinéaire : Table de Routh :
1+w z 1
z= =) w=
1 w z+1 w3 K + 0; 5 4; 5 K

z = + j w2 3 K K

2
+ 2 1 + 2j 8K + 13; 5
w= w1
( + 1)2 + 2 3 K

2 2
w0 K
jzj < 1 () + <1 () <(w) < 0
P (z) transformation bilinéaire
! Q (w) Conditions de stabilité :
j Racines P (z)j < 1 PRéelle (Racines Q(z) )< 0
8
>
> K + 0; 5 >0
>
>
Exemple < 3 K >0
4; 5 K >0
>
>
>
> K >0
P (z) = z 3 + (K 0; 75) z 0; 25 :
8K + 13; 5 > 0

w3 (K + 0; 5) + w2 (3 K) + w(4; 5 K) + K soit : 0 < K < 1; 6875

3.3. STABILITÉ DES SYSTÈMES ÉCHANTILLONNÉS 17

3.3 Stabilité des systèmes échantillonnés

3.3.1 Etude en boucle ouverte
Procédé continu : Système échantillonné (hypothèse Ac inversible) :
8 8
< x(t)
_ = Ac x(t) + Bc u(t) < xk+1 = eAc T xk + Ac 1 (eAc T I) Bc uk
: :
y(t) = C x(t) yk = C xk

C.N.S. de stabilité asymptotique : C.N.S. de stabilité asymptotique :

<( i ) < 0 8( i ) 2 (Ac ) j ij < 1 8( i ) 2 (A)

En raison de la correspondance :
iT
<( i ) < 0 , j i j = je j<1

on constate qu’un système continu stable en boucle ouverte est également stable en échantillonné.

3.3.2 Etude en boucle fermée : in‡uence de la période d’échantillonnage

Bouclage par retour unitaire du système échan- A = eAc T Ac 1 (eAc T I) Bc

tillonné précédent :
8 La période d’échantillonnage T intervient dans la
< xk+1 = A xk + Ac 1 (eAc T I) Bc ek formulation de la matrice A. Les valeurs propres de
A et donc la stabilité du système seront fonction de
: T.
yk = C xk

3.3.3 Exemple : in‡uence du gain de boucle et de la période d’échantillonnage

Procédé :
K
G (s) =
s(s + 1)

Régulation par bouclage unitaire de ce système :

asymptotiquement stable quel que soit K > 0.

Régulation échantillonnée de ce système : Fonc-

tion de transfert en boucle ouverte du système échan-
tillonné :

K z 1 K
G(z) = Z B0 (s) = Z 2
s(s + 1) z s (s + 1)

T z a
G(z) = K(e 1 + T) T)
(z 1)(z e

T
e (T + 1) 1
a= T +T
e 1
Le lieu d’Evans du système est tracé sur les …-
gures ci-contre pour T = 1s et T = 10s. On constate
qu’une augmentation de K et/ou de T conduisent à
l’instabilité de ce système.
18 CHAPITRE 3. STABILITÉ
Chapitre 4

Régulation numérique

19
20 CHAPITRE 4. RÉGULATION NUMÉRIQUE

4.1 Discrétisation d’un correcteur analogique

4.1.1 Principe
1. Calcul d’un correcteur analogique (continu)
R (s) selon une méthode de synthèse des sys-
tèmes continus.

2. "Discrétisation" du correcteur R (s) en un cor-

recteur Rd (z) et mise en oeuvre de ce cor-
recteur de manière numérique (algorithme de
calcul entre "k et uk ).

Remarque : approche ne prenant pas en compte

le modèle discret G (z) du système échantillonné.

4.1.2 Discrétisation par approximation de la variable s

Principe Cette approximation, connue également sous le nom
de transformation bilinéaire, résulte de l’approxima-
tion de l’intégration numérique par la méthode des
trapèzes. En e¤et, soit :
Z
1
Discrétisation avant y(t) = x(t)dt ! Y (s) = X(s)
s

z 1 Par approximation entre deux instants d’échantillon-

s= nage, il vient :
T
résultant de l’approximation de la dérivée d’une fonc- xk + xk
1
tion entre deux instants d’échantillonnage par la mé- yk = y(kT ) = yk 1 + T
2
thode d’Euler :
dx(t) x(t + T ) x(t) z 1
sx(t) = = x(t) T
dt T T (1 z 1
)Y (z) = (1 + z 1
)X(z)
2
Discrétisation arrière
T z+1
Y (z) = X(z)
z 1 2 z 1
s=
zT
résultant de l’approximation suivante de la dérivée
d’une fonction entre deux instants d’échantillonna- Fonction Matlab pour l’approximation de
ge : Tustin : Si le correcteur analogique est donné sous
forme de fonction de transfert (num et den) et si T est
dx(t) x(t) x(t T) z 1 la période d’échantillonnage, la fonction de transfert
sx(t) = = x(t)
dt T zT du correcteur discret est obtenue par l’instruction :
[numd,dend]=c2dm(num,den,T,’tustin’)
Approximation de Tustin
Si l’on travaille avec les modèles d’état des correc-
teurs, l’instruction à appliquer est :
2 z 1 [ad,bd,cd,dd]=c2dm(a,b,c,d,T,’tustin’)
s=
T z+1
4.2. RÉGULATEUR P.I.D. NUMÉRIQUE 21

4.1.3 Discrétisation par adaptation des pôles et zéros (matched pole-zero method)

Application de la transformation fréquences en rétablissant des degrés identiques. Jus-

z = eT s
aux pôles et aux zéros de la fonction de transfert
du correcteur continu, avec facteur multiplicatif per-
mettant de conserver le gain aux basses fréquences
c’est-à-dire pour s ! 0 ou bien z ! 1.
ti…cation par le fait que le théorème de Shannon li-
mite la pulsation à ! = =T , soit z = ejT ! = 1.
La valeur z = 1 joue en discret le même rôle que
! = 1 en continu. Ainsi, le correcteur analogique :
s+a
R (s) =
(s + b)(s + c)

est approché par le correcteur discret :

Exemple
s+a a (1 e bT
)(1 e cT
) (z + 1)(z e aT )
R (s) =
s+b 2bc 1 e aT (z e bT )(z e cT )
approché par le correcteur discret :
Fonction Matlab pour l’approximation de
bT aT
a 1 e z e Tustin : La méthode de discrétisation d’un cor-
Rd (z) = aT bT
b 1 e z e recteur analogique avec adaptation des pôles et des
zéros peut être réalisée sous Matlab grâce à la fonc-
Remarque : Précaution à prendre lorsque le degré tion c2dm :
du numérateur est inférieur à celui du dénominateur : [numd,dend]=c2dm(num,den,T,’matched’)
introduire au numérateur du correcteur discret des [ad,bd,cd,dd]=c2dm(a,b,c,d,T,’matched’)
termes (z + 1) pour conserver un gain nul aux hautes

4.2 Régulateur P.I.D. numérique

4.2.1 Formulation de base : discrétisation du P.I.D. analogique

Le correcteur P.I.D. analogique : Remarque :

kp R t d"(t) Lorsque la période d’échantillonnage est su¢ sam-

u(t) = kp "(t) + 0
"(t)dt + kp d
i dt ment petite pour que le temps de calcul ne puisse
plus être négligé, l’hypothèse de synchronisme entre
uk et k peut conduire à des résultats erronés. On
met alors en œuvre un P.I.D. prédicteur. La valeur
de k est prédite par la valeur ^k obtenue par l’ex-
trapolation linéaire :

peut être approché (discrétisation avant) par l’algo- ^k k 1 = k 1 k 2

rithme numérique :
k
T X d ^k = 2 k 1 k 2
uk = kp ( k + j + ( k k 1 )) (4.1)
i j=0 T
qui est portée dans l’algorithme à la place de k.

4.2.2 Adaptation du correcteur P.I.D. numérique

L’algorithme du correcteur numérique (4.1) se prendre en compte les adaptations présentées sou-
présente sous la forme d’une somme de trois termes, vent en analogique.
proportionnel, intégral et dérivé.
uk = pk + ik + dk
Ces termes peuvent être modi…és comme suit, pour
22 CHAPITRE 4. RÉGULATION NUMÉRIQUE

Partie proportionnelle Partie dérivée analogique D ainsi régie par équation

di¤érentielle :
Application de seulement une fraction b de la
grandeur de consigne à la partie proportionnelle : d dD dy
+D = kp d
N dt dt
pk = kp (byck yk ) Discrétisation de cette équation conduisant à équa-
tion récurrente suivante pour la partie dérivée en nu-
mérique :
Partie dérivée
d kp d N
Application de la partie dérivée au seul terme de dk = dk 1 (yk yk 1)
d + NT d + NT
sortie yk , soit :
Partie intégrale (système anti-windup)
d
dk = kp ( y k + yk 1)
T Introduction d’un bouclage sur l’intégrateur, ra-
menant l’écart entre l’entrée vk et la sortie uk de la
Limitation du gain aux hautes fréquences de la par- saturation (réelle ou simulée), avec constante d’inté-
tie dérivée est obtenue en approchant le terme s d gration t . Transformation de la partie intégrale du
par la fonction de transfert : correcteur en :
s d kp T T
ik = ik 1 + (yck yk ) + (uk 1 vk 1)
1+s d =N i t

4.2.3 Réglage des paramètres du P.I.D. numérique

Les paramètres de réglage restent ceux du régulateur analogique.

4.2.4 Réalisation algorithmique du correcteur P.I.D. numérique

Programmation du régulateur numérique sur le p=kp*(b*yc-y);

calculateur assurant la commande : choix d’une for-
mulation incrémentale de l’algorithme permettant de % Action integrale :
ne conserver en mémoire que les valeurs calculées ou % ti : constante de temps de l’integration
mesurées au pas précédent. % tt : constante de temps de reset
Ci-dessous, en langage Matlab, formulation pos- i=iold+(kp*T/ti)*(yc-y)+(T/tt)*(uold-vold);
sible de l’algorithme prenant en compte toutes les
adaptations qui ont été présentées : % Action derivee :
% yc : consigne % td : constante de temps de la derivation
% y : sortie mesuree; % N : gain maximum de la part derivee
% yold : sortie mesuree au pas precedent d=(td/(td+N*T))*dold-(kp*N*td/(td+N*T))*(y-yold);
% d : action derivee
% dold : action derivee au pas precedent % Action P.I.D. :
% i : action integrale v=p+i+d
% iold : action integrale au pas precedent
% T : periode d’echantillonnage % Systeme anti-saturation :
% u : sortie saturation simulee = commande % umin et umax : limites saturation simulee
% v : sortie du regulateur if v<umin
% uold, vold : pas precedent u=umin;
elseif v>umax
% Action proportionnelle : u=umax;
% kp : gain du regulateur else
% b : fraction de la consigne dans u=v;
% le terme proportionnel end
4.3. PRISE EN COMPTE DU BLOQUEUR DANS LA SYNTHÈSE 23

4.3 Prise en compte du bloqueur dans la synthèse

Méthodes présentées dans paragraphes précédents ne prennent pas en compte la présence dans la boucle du
bloqueur d’ordre zéro, qui peut être assimilé à un retard pur et entraîner des e¤ets indésirables sur la stabilité du
système bouclé. Ci-après méthodes prenant en compte l’existence du bloqueur d’ordre zéro, de manière exacte
ou approchée.

Ts
4.3.1 Approximation du bloqueur par un retard pur e 2

Synthèse réalisée comme dans méthodes du la fonction de transfert

§ 4.1, mais fonction de transfert du procédé
Ts
choisie égale à :
G0 (s) = e 2 G(s)
Ts
0
on calcule un réseau correcteur par avance de phase :
G (s) = e 2 G(s)
1 + 0; 6s
R (s) =
Exemple 1 + 0; 1s
Procédé et période d’échantillonnage : qui conduit à une marge de phase de m = 35o .
Par discrétisation de ce correcteur par la méthode
5
G(s) = T = 0; 3 sec de Tustin, il vient :
s(s + 1)
3z 1; 8
A partir des courbes de réponse en fréquence de R (z) =
z + 0; 2

4.3.2 Transformation en w appliquée à la fonction de transfert discrète du procédé

Méthode Exemple
Calcul préalable du modèle discret de l’ensemble Application à système caractérisé par modèle dis-
bloqueur + procédé : cret de l’ensemble bloqueur + procédé :

G(z) = ZfB0 (s) G(s)g 0; 204z + 0; 185

G(z) = ZfB0 (s) G(s)g =
z2 1; 74z + 0; 74
Utilisation de la transformation en w :
1+w z 1 Utilisation de la transformation en w pour dé…nir
z= ! w= ensuite une fonction de transfert de type continu :
1 w z+1
pour dé…nir ensuite une fonction de transfert de type 1+w 0; 019w2 0; 37w + 0; 389
Gc (w) = G =
continu : 1 w 3; 58w2 + 0; 52w

1+w Synthèse d’un réseau correcteur à avance de phase

G(z) ! Gc (w) = G
1 w Rc (w) à partir des courbes de réponse en fréquence
de Gc (w) :
La synthèse du réseau correcteur Rc (w) s’e¤ectue 1 + 3; 73w
alors selon une méthode classique de synthèse des Rc (w) =
1 + 0; 74w
systèmes continus et la transformation inverse en w
permet d’obtenir la fonction de transfert R(z) du cor- et conduisant à marge de phase de m = 35o . Trans-
recteur numérique à utiliser : formation inverse en w conduisant à la fonction de
transfert H(z) du correcteur numérique à utiliser :
z 1
R(z) = Rc z 1 4; 73z 2; 73 2; 72z 1; 57
z+1 R(z) = Rc = =
z+1 1; 74z + 0; 26 z + 0; 15
24 CHAPITRE 4. RÉGULATION NUMÉRIQUE

4.4 Exemple d’application des méthodes de transposition

4.4.1 Calcul d’un correcteur analogique

Procédé continu de fonction de transfert :

5
G(s) =
s(s + 1)
Gain choisi égal à 5 pour des conditions de préci-
sion. Synthèse d’un réseau correcteur par avance de
phase permettant d’obtenir pour le système bouclé
une marge de phase m = 45o :
1 + 0; 53s
R (s) =
1 + 0; 21s
Courbes ci-contre : commande u et sortie y du sys-
tème bouclé.

4.4.2 Discrétisation du correcteur (di¤érentes méthodes et périodes d’échantillon-

nage)

Méthode de calcul Echantillonnage Echantillonnage

du correcteur T = 0; 1 sec T = 0; 3 sec

z 1 2; 52z 2; 05 2; 52z 1; 09
Discrétisation avant : s = R (z) = R (z) =
T z 0; 52 z + 0; 43

z 1 2; 03z 1; 71 1; 63z 1; 04
Discrétisation arrière : s = R (z) = R (z) =
zT z 0; 68 z 0; 41

T z+1 2; 23z 1; 85 1; 89z 1; 06

Tustin : s = R (z) = R (z) =
2z 1 z 0; 61 z 0; 17

2; 20z 1; 8 1; 76z 0; 99
Matched pole-zero R (z) = R (z) =
z 0; 62 z 0; 24

3z 1; 8
Approximation du bloqueur R (z) =
z + 0; 2

2; 72z 1; 57
Transformation en w R(z) =
z + 0; 15
4.4. EXEMPLE D’APPLICATION DES MÉTHODES DE TRANSPOSITION 25
26
4.4.3 Comparaison des résultats
On constate que plus la période d’échantillonnage
est faible, plus les résultats sont semblables. Lorsque
la période d’échantillonnage augmente, certaines mé-
thodes d’approximation paraissent plus robustes.
Sur l’exemple présenté, les méthodes les moins
robustes sont les approximations par discrétisation
arrière et par approche Tustin.
CHAPITRE 4. RÉGULATION NUMÉRIQUE
Les approches par approximation du bloqueur et
par transformation en w ne peuvent pas être mises
sur le même plan que les précédentes, car d’une part
elles prennent en compte les e¤ets de l’échantillon-
nage du procédé, et d’autre part elles dépendent d’un
calcul propre de correcteur de type continu.
4.5. EXEMPLE D’APPLICATION D’UN P.I.D. NUMÉRIQUE 27

4.5 Exemple d’application d’un P.I.D. numérique

4.5.1 Mise en oeuvre d’un correcteur P.I.

Procédé continu de fonction de transfert :

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

Choix d’un correcteur P.I. pour annuler erreur de

vitesse. Période d’échantillonnage T = 1 sec. Para-
mètres du correcteur :

kp = 0; 4 b = 1 i = 7 sec t = 7 sec

Courbes ci-contre : commande u et sortie y du sys-

tème bouclé.

4.5.2 Saturations sur la commande

On suppose maintenant que les actionneurs sont

responsables d’une saturation sur la commande :

0; 1 < u < 0; 1

Les courbes ci-contre montrent :

– une montée plus lente de la réponse, en raison
d’une amplitude de commande plus faible que
précédemment,
– un dépassement important dû au terme inté-
gral qui ne permet un changement de signe de
la commande que lorsque ce terme intégral s’est
désaturé.

4.5.3 Introduction d’un anti-windup (anti-dérive)

On introduit maintenant le système anti-windup

décrit en 4.2.2.

Les courbes ci-contre montrent que, en l’absence

de saturation du terme intégral, le signe de la com-
mande change dès que l’erreur change de signe (e¤et
du terme proportionnel). Le dépassement est ainsi
réduit de manière importante, conduisant à une ré-
ponse idéale.
28 CHAPITRE 4. RÉGULATION NUMÉRIQUE
Chapitre 5

Régulation numérique par correcteur

R.S.T.

29
30 CHAPITRE 5. RÉGULATION NUMÉRIQUE PAR CORRECTEUR R.S.T.

5.1 Principe de la commande R.S.T.

5.1.1 Fonction de transfert du procédé

Fonction de transfert échantillonnée : Ensemble procédé, bloqueur, échantillonneur :

B(z)
G(z) = (5.1)
A(z)
(A(z) et B(z) polynômes premiers entre eux : no-
tations A et B habituellement utilisées dans la litté-
rature pour ce type d’approche).

5.1.2 Algorithme de commande d’un correcteur R.S.T.

Transformée en z de l’algorithme type d’un cor- transfert :

recteur polynomial R.S.T. : T (z)
Hf f (z) =
R(z)
R(z) U (z) = T (z) Yc (z) S(z) Y (z) (5.2)
Schéma de principe d’une correction R.S.T. : et d’une loi de retour (feedback) à partir du signal
de sortie Y (z) et de fonction de transfert :

S(z)
Hf b (z) =
R(z)

Causalité du correcteur et donc de ces fonctions de

transfert Hf f (z) et Hf b (z) assurée par les condi-
tions :
Combinaison d’une loi avant (feedforward) à par-
tir du signal de consigne Yc (z) et de fonction de deg R deg T deg R deg S (5.3)

5.1.3 Procédure générale de réglage

Hypothèse où le procédé est soumis à une per- BT BR AR

Y = Yc + Wu + Wy
turbation Wu en entrée et une perturbation Wy en AR + BS AR + BS AR + BS
sortie :
Procédure générale du réglage :

1. réglage de la régulation (placement des pôles de

la boucle fermée, rejet des perturbations Wu et
Wy ) à l’aide de R et S.
puis

2. réglage de la poursuite (suivi de consigne Yc ) à

Expression de la sortie (en transformée en z) : l’aide de T .
5.2. RÉGLAGE DE LA RÉGULATION 31

5.2 Réglage de la régulation

Fonction de transfert en boucle fermée du sys- Les performances en régulation dépendent du choix
tème corrigé : du polynôme caractéristique en boucle fermée

BT BT
GF (z) = = (5.4)
AR + BS P P = AR + BS (5.5)

Ce choix de P conduit à la recherche de polynômes R et S véri…ant la relation 5.5, connue sous le nom
d’équation diophantine1 . Des conditions supplémentaires sur ces polynômes peuvent être ajoutées pour assurer
des rejets de perturbation.

5.2.1 Conditions de rejet de perturbation

Soit une perturbation modélisable par : B (cas d’une perturbation sur l’entrée du pro-
cédé), il doit …gurer dans l’expression de R:
Nw
W =
Dw R = Dw R1
E¤et sur la sortie de cette perturbation :
– et si les termes transitoires tendent vers zéro,
Ns Nw c’est-à-dire si les racines de P sont stables. Le
Y = Syw W = (5.6) polynôme P …xe alors la dynamique de rejet de
P Dw
la perturbation.
Cas d’une perturbation Wy en sortie du procédé : Exemples :
Ns = AR – cas d’une perturbation en échelon

Cas d’une perturbation Wy en entrée du procédé : Dw = z 1

Ns = BR – cas d’une perturbation d’ordre l

Perturbation rejetée : l
Dw = (z 1)
– si régime permanent de (5.6) nul. Ceci suppose
– cas d’une perturbation sinusoïdale (discrétisa-
que les pôles Dw de l’excitation W ont disparu,
tion de sin !t continu)
compensés par un numérateur de la forme :

Ns = Dw Ns0 Nw
W =
z2 2z cos !T + 1
Ceci implique que si Dw n’appartient pas à
A (cas d’une perturbation sur la sortie) ou à Dw = z 2 2z cos !T + 1

5.2.2 Eléments pour la résolution de l’équation diophantine

AR + BS = P
A, B et P étant des polynômes connus, sa résolution
permet la détermination de R et S. L’équation (5.7)
possède une solution si et seulement si le plus grand
facteur commun de A et B divise P . Par ailleurs, si
R0 et S0 sont solutions, alors
R = R0 + QB
S = S0 QA
1 du nom de Diophante d’Alexandrie qui, au troisième siècle, s’est intéressé le premier à cette équation dans le cas de polynômes
sont aussi solutions, avec Q polynôme arbitraire. Si
(5.7) une solution existe, il en existe donc une in…nité
d’autres. Mais il existe une solution unique de de-
gré minimal de (5.7) telle que
deg R < deg B ou deg S < deg A
On cherche en général une telle solution minimale
en termes de degré de R ou de S pour obtenir le
correcteur R.S.T. le plus simple possible.

constants.
32 CHAPITRE 5. RÉGULATION NUMÉRIQUE PAR CORRECTEUR R.S.T.

5.2.3 Choix des degrés des polynômes R, S et P de l’équation diophantine

Cas général Cas de rejet de perturbation d’ordre l

Détermination du degré de P tel qu’il existe une Introduction dans R des "intégrations" (termes
solution minimale en termes de degrés des polynômes en z 1) nécessaires pour rejet perturbation ordre l
R et S. A partir des hypothèses :
R = (z 1)l R1
deg S deg R et deg B < deg A
Equation diophantine :
il vient :
A(z 1)l R1 + BS = P (5.8)
deg (AR) = deg (AR + BS) = deg P
Hypothèses :
d’où :
deg R = deg P deg A deg S deg R1 + l et deg B < deg A
Parmi les solutions de (5.8) telle que :
d’où :
deg S < deg A deg(A(z 1)l R1 ) = deg P

choisissons S tel que : et :

deg R1 = deg P deg A l
deg S = deg A 1
Parmi les solutions de (5.8) telle que :
La condition :
deg R deg S deg S < deg A + l

s’écrit alors : choisissons S tel que :

deg P deg A deg A 1 deg S = deg A + l 1

deg P 2 deg A 1 La condition :
d’où choix du polynôme P :
deg R = l + deg R1 deg S
P = Pdom Paux
s’écrit alors :
Pdom : modes dominants souhaités et Paux : modes
auxiliaires négligeables introduits si : l + deg P deg A l deg A + l 1

deg Paux < deg P deg P 2 deg A + l 1

5.2.4 Algorithme de résolution de l’équation diophantine

Cas général Cas de rejet d’une perturbation d’ordre l

Etape 1 : Choix de la dynamique de régulation : Etape 1 : Choix de la dynamique de régulation :

P = Pdom Paux deg P 2 deg A 1 P = Pdom Paux deg P 2 deg A + l 1

Etape 2 : Résolution de l’équation diophantine : Etape 2 : Résolution de l’équation diophantine :

AR + BS = P A(z 1)l R1 + BS = P

deg R = deg P deg A deg S = deg A 1 deg R1 = deg P deg A l deg S = deg A+l 1
5.3. POURSUITE 33

5.3 Poursuite
5.3.1 Principe : choix d’un modèle de référence

Lors de variations de consigne, on souhaite faire Elle est généralement du deuxième ordre, obtenue
suivre à la sortie y (t) du procédé une trajectoire par discrétisation d’une fonction de transfert conti-
ym (t). Cette trajectoire peut être en mémoire du nue associée à un mode complexe de paramètres ! n
calculateur ou générée à l’aide d’un modèle de ré- et . Elle s’écrit alors :
férence, correspondant au fonctionnement souhaité
pour le système et de fonction de transfert :
Bm Bm bm0 + bm1 z
=
Am Am am0 + am1 z + am2 z 2

5.3.2 Résolution du problème de poursuite par détermination de T

La fonction de transfert du système bouclé étant tion de la dynamique de régulation P qui est géné-
égale à : ralement choisie di¤érente de la dynamique de pour-
BT suite Am . Ceci conduit à choisir T sous la forme :
P
on engendre la trajectoire de référence : T = P T1
Bm
Ym = Yc avec :
Am 8
qui devient la nouvelle consigne du système : < 1=B (1) si B (1) 6= 0
T1 =
:
1 si B (1) = 0

Le bloc BT =P ayant pour entrée la prédiction de la

trajectoire ym , obtenue par le passage de la consigne
yc à travers le modèle de poursuite Bm =Am , la fonc-
tion de transfert entre la consigne et la sortie est
alors :
On choisit T de manière à assurer un gain sta- Bm BT1
Y = Yc
tique unitaire entre Ym et Y , ainsi que la compensa- Am

5.4 Exemple de calcul d’un correcteur R.S.T.

Soit le système représenté sur la …gure sui- avec :

vante (par exemple le modèle d’un moteur électrique T T
échantillonné) : K=e 1+T a=e

T (1 e T)
b=1
e T 1+T

On souhaite une dynamique de régulation carac-

térisée par un mode dominant correspondant au po-
Fonction de transfert échantillonnée : lynôme :
K(z b) B
G(z) = = (5.9) Pdom = z 2 + z +
(z 1)(z a) A
34 CHAPITRE 5. RÉGULATION NUMÉRIQUE PAR CORRECTEUR R.S.T.

5.4.1 Calcul d’un correcteur R.S.T. en poursuite (cas général)

Les polynômes P , R et S doivent véri…er : Notons la forme matricielle particulière que peuvent
prendre ces équations :
deg P 2 deg A 1=3
deg R = deg P deg A = 1 2 32 3 32
a2 0 0 0 r1 p3
deg S = deg A 1=1 6 a1 a2 b1 0 7 6 r0 7 6 p2 7
6 76 7=6 7
Choisissons un polynôme P de degré 3, en rajoutant, 4 a0 a1 b0 b1 5 4 s1 5 4 p1 5
par exemple, un mode auxiliaire à l’origine : 0 a0 0 b0 s0 p0
P = Pdom Paux = z 2 + z + z
soit :
Il vient l’équation diophantine :
(z 1) (z a) (r1 z + r0 ) + K (z b) (s1 z + s0 ) MX = Y
= z3 + z2 + z
la solution étant donnée par :
Cette équation est de la forme générale :
a2 z 2 + a1 z + a0 (r1 z + r0 ) + (b1 z + b0 ) (s1 z + s0 ) X=M 1
Y
= p3 z 3 + p2 z 2 + p1 z + p 0
Elle peut se résoudre par identi…cation des coe¢ - Il est intéressant de constater que la matrice M est
cients des polynômes : indépendante du polynôme P choisi. Le polynôme T
a2 r1 = p3 est choisi égal à :
a2 r0 + a1 r1 + b1 s1 = p2
a0 r1 + a1 r0 + b0 s1 + b1 s0 = p1 P
T =
a0 r0 + b0 s0 = p0 B(1)

5.4.2 Calcul d’un correcteur avec rejet d’une perturbation constante en entrée

Choix du polynôme R de la forme (avec l = 1) : Elle peut se résoudre par identi…cation des coe¢ -
cients des polynômes :
R = (z 1)l R1
a3 r1 = p4
Les polynômes P , R et S doivent véri…er :
a2 r1 + a3 r0 + b1 s2 = p3
deg P 2 deg A + l 1=4 a1 r1 + a2 r0 + b1 s1 + b0 s2 = p2
a0 r1 + a1 r0 + b1 s0 + b0 s0 = p1
deg R1 = deg P deg A l=1 a0 r0 + b0 s0 = p0
deg S = deg A + l 1=2
Notons la forme matricielle particulière que peuvent
Choisissons un polynôme P de degré 4, en rajoutant prendre ces équations :
par exemple, deux modes auxiliaires à l’origine :
2 32 3 2 3
a3 0 0 0 0 r1 p4
P = Pdom Paux = z 2 + z + z2 6 76 7 6 7
6 a2 a3 b1 0 0 76 r0 7 6 p3 7
Il vient l’équation diophantine : 6 a1 a2 b0 b1 0 76 s1 7=6 p2 7
6 76 7 6 7
4 a0 a1 0 b0 b1 54 s2 5 4 p1 5
(z 1) (z a) (z 1) (r1 z + r0 ) 0 a0 0 0 b0 s0 p0
+K (z b) s2 z 2 + s1 z + s0
= z4 + z3 + z2 soit :
Cette équation est de la forme générale : MX = Y

a3 z 3 + a2 z 2 + a1 z + a0 (r1 z + r0 ) la solution étant donnée par :

+ (b1 z + b0 ) s2 z 2 + s1 z + s0
1
= p4 z 4 + p3 z 3 + p2 z 2 + p1 z + p 0 X=M Y
5.5. POURSUITE ET RÉGULATION À OBJECTIFS INDÉPENDANTS 35

5.5 Poursuite et régulation à objectifs indépendants

La méthode précédente conserve après correction les zéros (racines de B) du procédé dans la fonction de
tranfert Bm BT1 =Am du système corrigé. Elle ne permet donc pas de réaliser parfaitement les performances
souhaitées en poursuite. Nous allons présenter une variante conduisant à la simpli…cation des zéros du modèle
échantillonné du procédé. Cette méthode ne s’applique bien sûr qu’aux procédés dont les zéros de la fonction
de transfert échantillonnée sont "stables".

5.5.1 Résolution du problème de régulation

La fonction de transfert en boucle fermée de la soit :

régulation étant égale à : AR0 + S = P
BT où P contient les pôles souhaités pour la régulation,
GF =
AR + BS les autres pôles étant égaux aux zéros du procédé
(polynôme B). Par extension des relations établies
la simpli…cation des zéros (racines de B) du procédé
précédemment, les degrés des polynômes P , R et S
suppose que le polynôme R contienne ces zéros, soit :
doivent véri…er :
R = BR0
deg P 2 deg A deg B 1
On doit alors résoudre le problème :
deg R0 = deg P deg A
BT BT
GF = = deg S = deg A 1
B (AR0 + S) BP

5.5.2 Résolution du problème de poursuite

La fonction de transfert entre la consigne yc et la Si l’on veut qu’elle soit égale à Bm =Am , il faut choi-
sortie y est égale à : sir :
Bm T
Am P T =P

5.5.3 Exemple

Reprenons le problème de la commande du mo- Cette équation est de la forme générale :

teur électrique. La fonction de transfert du procédé
est de la forme : a2 z 2 + a1 z + a0 r0 + (s1 z + s0 ) = p2 z 2 + p1 z + p0
K (z b) B
G (z) = = Elle peut se résoudre par identi…cation des coe¢ -
(z 1) (z a) A cients des polynômes :
On souhaite une dynamique de régulation :
a2 r0 = p2
z2 + z + a1 r0 + s1 = p1
a0 r0 + s0 = p0
Les degrés des polynômes P , R et S doivent véri…er :
deg P 2 deg A deg B 1=2 soit : 2 32 3 2 3
a2 0 0 r0 p2
deg R0 = deg P deg A = 0 4 a1 1 0 5 4 s1 5 = 4 p1 5
a0 0 1 s0 p0
deg S = deg A 1=1
Il vient l’équation diophantine : On choisit ensuite :

(z 1) (z a) r0 + (s1 z + s0 ) = z 2 + z + T =P
36 CHAPITRE 5. RÉGULATION NUMÉRIQUE PAR CORRECTEUR R.S.T.

5.6 Application numérique

5.6.1 Spéci…cations pour l’exemple présenté en 5.4

Procédé continu de fonction de transfert : Fonction de transfert échantillonnée du procédé :

1
G(s) = B 0; 0048z + 0; 0047
s(s + 1) G (z) = = 2
A z 1; 9048z + 0; 9048
Caractéristiques de la dynamique de régulation :
Polynôme de la dynamique de poursuite :
= 0; 45 ! n = 5rd=s
Am = z 2 1; 5841z + 0; 6570
Caractéristiques de la dynamique de poursuite :
= 0; 7 ! n = 3rd=s Polynôme de la dynamique de régulation :

Période d’échantillonnage : T = 0; 1 sec. z2 1; 4405z + 0; 6376

5.6.2 Calcul d’un régulateur en poursuite (cf. 5.4.1)

Ajout d’un mode auxiliaire à l’origine, d’où P :

P = z3 1; 4405z 2 + 0; 6376z

Résolution de l’équation diophantine :

r1 = 1 r0 = 0; 1881 s1 = 57; 10 s0 = 36; 38

Calcul de T :

T = P=B (1)

t3 = 105; 08 t2 = 151; 37 t1 = 67; 00 t0 = 0

Réponse indicielle en poursuite donnée sur …gure

ci-contre.

5.6.3 Etude de l’e¤et d’une perturbation sur la sortie

Hypothèse d’une perturbation en échelon d’am-

plitude 0; 2 apparaissant à l’instant t = 2 sec. Elle est
rejetée en raison de l’intégration existant en amont
dans le modèle du moteur. Ce rejet se fait avec la
dynamique prévue dans P , comme le montre la …-
gure ci-contre. On remarquera l’indépendance entre
les deux dynamiques : ici, la dynamique de régula-
tion a été choisie plus rapide que celle de poursuite
a…n d’éliminer au plus vite l’e¤et des perturbations.
5.6. APPLICATION NUMÉRIQUE 37

5.6.4 Etude de l’e¤et d’une perturba-

tion sur l’entrée
Hypothèse d’une perturbation en échelon d’am-
plitude 10 apparaissant à l’entrée du moteur à l’ins-
tant t = 1; 5 sec. Comme il n’y a pas d’intégration en
amont, cette perturbation ne sera pas rejetée, ce qui
est con…rmé par la …gure ci-contre.

5.6.5 Rejet de perturbation (cf. 5.4.2)

Introduction d’une intégration : R = (z 1)R1
Ajout de deux modes auxiliaires à l’origine :

P = z4 1; 4405z 3 + 0; 6376z 2

Résolution de l’équation diophantine :

r1 = 1 r0 = 0; 5842

s2 = 181; 96 s1 = 274; 21 s0 = 112; 97

Calcul de T = P=B (1) :

t4 = 105; 08 t3 = 151; 37 t2 = 67; 00 t1 = t0 = 0

Rejet de la perturbation (…gure ci-contre).

5.6.6 Correction P.R.O.I. (cf. 5.5.3)

Résolution de l’équation diophantine :
r0 = 1 s1 = 0; 4644 s0 = 0; 2672
T = z 2 1; 4405z + 0; 6376
Le résultat de cette correction pour une perturba-
tion en sortie est donné sur la …gure ci-contre. On
constate sur les échantillons de la sortie les mêmes
valeurs numériques que dans le cas de la régulation
du 5.6.3, mais avec une oscillation entre les instants
d’échantillonnage et une oscillation de la commande.
La période de ces oscillations est égale à la période
d’échantillonnage. Elle provient de la compensation
du zéro de la fonction de transfert échantillonnée du
procédé qui a créé un pôle réel négatif provoquant le
comportement oscillatoire.
38 CHAPITRE 5. RÉGULATION NUMÉRIQUE PAR CORRECTEUR R.S.T.
Chapitre 6

Commandabilité et observabilité

39
40 CHAPITRE 6. COMMANDABILITÉ ET OBSERVABILITÉ

6.1 Commandabilité et Observabilité

Les dé…nitions et les critères de commandabilité et observabilité sont totalement similaires pour les systèmes
à temps continu et à temps discret. Ils sont présentés ici dans le cas des systèmes multivariables à temps discret.

6.1.1 Commandabilité 6.1.2 Observabilité

8
< xk+1 = A xk + B uk
(6.1) Dé…nition
:
yk = C xk + D uk
Le système (6.1) est observable si, quel que soit
l’état de départ xd de Rn , il est possible de déter-
Dé…nition miner cet état à partir de la connaissance d’une sé-
Le système (6.1) est commandable si, quel que quence …nie de sorties du système (et des commandes
soit l’état de départ xd et l’état d’arrivée xa de correspondantes, si l’on en applique).
Rn , il existe une séquence de commande …nie
[u0 ; u1 ; : : : ; uk ] qui amène le système de xd à xa . Théorème de Kalman
Le système (6.1) est observable si et seulement si
Théorème de Kalman la matrice d’observabilité :
2 3
Le système (6.1) est commandable si et seulement C
si la matrice de commandabilité : 6 CA 7
6 7
Qo = 6 .. 7 (6.3)
Qc = B AB ::: An 1
B (6.2) 4 . 5
CAn 1
est de rang n. On dit alors que la paire (A; B) est
commandable. est de rang n. La paire (A; C) est dite observable.

Démonstration Démonstration
Evolution à partir d’un état initial xd : L’expression de la sortie du système (6.1) :
k
X1
k
X1
k
xk = A xd + k 1 j
A Buj yk = CAk xd + CAk 1 j
Buj
j=0
j=0

Condition pour atteindre un état quelconque : conduit à :

2 3 2 3 2 3
n k 1 C y0 u0
R = Im B; AB; : : : ; A B 6 CA 7 6 y1 7 6 u1 7
6 7 6 7 6 7
avec : 6 .. 7 xd = 6 .. 7 6 .. 7
4 . 5 4 . 5 4 . 5
Im = Image CAk yk uk 1
Théorème Cayley-Hamilton ! pour tout k n: 2 3
0 0 0
Im B; AB; : : : ; Ak 1
B = Im B; AB; : : : ; An 1
B 6 CB 0 0 7
6 7
avec : =6 .. .. .. .. 7
Condition nécessaire pour que le système (6.1) 4 . . . . 5
soit commandable : rang(Qc ) = n CAk 1 B CAk 2 B CB
L’état de départ xd peut être obtenu à partir de
Condition su¢ sante : si rang(Qc ) = n, il existe la connaissance des séquences :
une séquence de commandes [u0 ; u1 ; : : : ; un 1 ], telle
que l’état xa puisse être atteint à partir de l’état xd , [y0 ; y1 ; : : : ; yk ] et [y0 ; y1 ; : : : ; yk ]
donnée par : si et seulement si l’application linéaire dé…nie par
2 3 C CA CAk
0
est inversible à gauche,
un 1
6 un 2 7 donc si C CA CAk est de rang n.
6 7
xa An xd = B AB : : : An 1 B 6 .. 7 D’après le théorème de Cayley-Hamilton, si un tel
4 . 5
k existe, il peut être pris égal à n 1, d’où la condi-
u0 tion.
6.2. CRITÈRES APPLICABLES AUX FORMES DE JORDAN 41

6.2 Critères applicables aux formes de Jordan

Le système (6.4) est commandable si et seulement
si le rang de la matrice constituée des lignes de B
associées aux lignes inférieures des blocs de Jordan
8 2 3 relatifs à une même valeur propre multiple est égal
>
> J1 au nombre de ces blocs de Jordan.
>
> 6 7
>
> 6 J2 7
>
< xk+1 =6 .. 7 xk + B uk
4 . 5 Le système (6.4) est observable si et seulement si
>
> Jr le rang de la matrice constituée des colonnes de
>
>
>
> C associées aux premières colonnes des blocs de
>
:
yk = C xk Jordan relatifs à une même valeur propre multiple
(6.4) est égal au nombre de ces blocs de Jordan.

Cas de valeurs propres simples : Cas d’une valeur propre multiple :

8 2 3 2 3
>
> 1 b1
>
> 6 . 7
8 2 3 2 3 >
> 6 . . 7 6 b2 7
>
> 1 b1 >
>
< xk+1 = 6 7 xk + 6
6 .
7
7 uk
>
> 6 7 6 7 6 .. 7 4 .. 5
>
> 6 2 7 6 b2 7 4 . 1 5
>
< xk+1 =6 .. 7 xk + 6 .. 7 uk >
4 . 5 4 5 >
> bn
. >
>
> >
>
>
> n bn >
:
>
> yk = c1 c2 cn xk
>
>
: (6.6)
yk = c1 c2 cn xk
(6.5)

Le système (6.5) est commandable si et seulement Le système (6.6) est commandable si et seulement
si les lignes bi de B sont non nulles. si la ligne bn de B est non nulle.

Le système (6.5) est observable si et seulement si Le système (6.6) est observable si et seulement si
les colonnes ci de C sont non nulles. la colonne c1 de C est non nulle.

Exemple
Considérons le système :
8 2 3 2 3
>
> 0 1
>
> 6 7 6 7
>
> 6 0 1 7 6 2 7
>
> 6 7 6 7
>
> 6 0 7 6 3 7
>
>
< xk+1 =6
6 1 1 7 xk + 6
7 6 4 7 uk
7
6 1 7 6 0 7 (6.7)
> 6 7 6 7
>
> 4 2 5 4 1 5
>
>
>
> 3 0
>
>
>
>
>
:
yk = 1 1 0 2 0 0 3 xk
Le mode triple 0, auquel sont associés deux blocs de Jordan n’est ni commandable ni observable puisque l’on
se trouve en présence d’une entrée et d’une sortie scalaires. Le mode double 1, auquel est associé un seul bloc de
Jordan n’est pas commandable en raison de la valeur nulle de l’élément de B correspondant à la ligne inférieure
du bloc de Jordan. Par contre, il est observable en raison de la valeur 2 de l’élément de C correspondant à la
première colonne du bloc de Jordan. Le mode simple 2 est commandable et non observable, tandis que le mode
simple 3 est non commandable et observable.
42 CHAPITRE 6. COMMANDABILITÉ ET OBSERVABILITÉ

6.3 Commandabilité et observabilité : Modèles et structure

6.3.1 Exemple de système composite

Modèle d’état

Par diagonalisation :
8 2 3 2 3 8 2 3 2 3
>
> 2 4 4 4 >
> 2 0 0 0
>
> >
>
< xk+1 = 4 0 2 5 5 xk + 4 5 5 uk < xk+1 = 4 0 2 0 5 xk + 4 10 5 uk
0 0 0 2 0 0 0 1
>
> >
>
>
> >
>
: :
yk = 1 1 1 xk [1] uk yk = 1 0 3 xk [1] uk

ordre : 3 modes : 2 2 0

Fonction de transfert Equation récurrente

4 z 2 S1 : yk = wk+1 2wk
G1 (z) = 1 =
z+2 z+2
5= (z + 3) z+3 S2 : wk+1 2wk = vk+1 + 3vk
G2 (z) = 1 + =
1 5= (z + 3) z 2
2 z+2 S3 : vk+1 = uk+1 + 2uk
G3 (z) = 1 + =
z z
Par substitution ! équation globale :
z+3
G (z) = G1 (z) G2 (z) G3 (z) = yk+2 + 2yk+1 = uk+2 + 5uk+1 + 6uk
z

ordre : 1 mode : 0 ordre : 2 modes : 2 0

6.3.2 Propriétés structurelles des modèles

Le modèle fonction de transfert ne représente que la partie observable et commandable d’un système.

Le modèle équation di¤érentielle ne représente que la partie observable (commandable ou non) d’un système.

Un modèle équations d’état représente l’intégralité d’un système.

6.4. DUALITÉ COMMANDABILITÉ - OBSERVABILITÉ 43

6.3.3 Composition de systèmes

6.4 Dualité commandabilité - observabilité

Système S : Système dual :

8 8
< xk+1 = A xk + B uk < k+1 = A0 k + C0 k

: :
yk = C xk k = B0 k

C.N.S. de commandabilité : C.N.S. d’observabilité :

2 3
B0
6 B 0 A0 7
6 7
rang B AB ::: An 1
B =n () rang 6 .. 7=n
4 . 5
n 1
B 0 (A0 )
C.N.S. d’observabilité : C.N.S. de commandabilité :

2 3
C
6 CA 7
6 7 n 1
rang 6 .. 7=n () rang C0 A0 C 0 ::: (A0 ) C0 =n
4 . 5
CAn 1
44 CHAPITRE 6. COMMANDABILITÉ ET OBSERVABILITÉ
Chapitre 7

Commande par retour d’état (cas

monovariable)

45
46 CHAPITRE 7. COMMANDE PAR RETOUR D’ÉTAT (CAS MONOVARIABLE)

7.1 Placement de pôles (systèmes à temps discret)

7.1.1 Principe
Système commandable : yck : consigne lc : gain associé à la consigne
8 L = [l0 l1 ln 1 ] : gain de retour d’état
< xk+1 = A xk + B uk
Modèle du système bouclé :
:
yk = C xk
8
Loi de retour d’état : < xk+1 = (A B L)xk + Blc yck
:
uk = L xk + lc yck yk = C xk

7.1.2 Placement de pôles à partir de la forme canonique de commande

Système : Système bouclé :

2 3 2 3
0 1 0 0 0 1 0 0
6 .. .. 7 6 7
6 0 . . 7 6 .. .. 7
6 7 6 0 . . 7
A = 6
6 .. .. 7
7 A BL = 6 .. .. 7
6 . . 0 7 6 . 7
6 . 0 7
4 0 1 5 4 5
0 1
a0 a1 an 2 an 1
0 1 n 2 n 1
0
B = 0 0 0 1 Blc = 0 0 0 lc
0

C = b0 b1 bn 2 bn 1 C = b0 b1 bn bn
2 1

i = ai + li i = 0; : : : ; n 1

Calcul du gain de retour d’état L :

li = i ai 8i = 0 n 1

ai : coe¢ cients du polynôme caractéristique avant i : coe¢ cients du polynôme caractéristique sou-
bouclage : haité pour le système bouclé :

P (z) = a0 + a1 z + + an 1 zn 1
+ zn (z) = 0 + 1 z+ + n 1 zn 1
+ zn

Calcul du gain de précommande lc :

Fonction de transfert du système bouclé Gain statique (obtenu avec z = 1) ajustable par lc

lc (b0 + b1 z + + bn 1 z n 1 ) lc (b0 + b1 + + bn 1 )
GF (z) = GF (1) =
0+ 1z+ + n 1 zn 1 + zn 0+ 1+ + n 1 +1
1 1
= C (zIn A + B L) B lc = C (In A + B L) B lc

Remarque : le retour d’état modi…e les modes du système, c’est-à-dire le dénominateur de la fonction de
transfert. Par contre, il n’a¤ecte en rien les zéros du système, le numérateur de la fonction de transfert restant
inchangé.
7.1. PLACEMENT DE PÔLES (SYSTÈMES À TEMPS DISCRET) 47

7.1.3 Placement de pôles à partir d’un modèle d’état quelconque

Système : Polynôme caractéristique souhaité :
xk+1 = A xk + B uk (z) = (z 1) (z n)
= zn + n 1 z n 1
+ + 1 z+ 0

Algorithme :
1. Polynôme caractéristique en boucle ouverte : M = [m1 mn ]

P (z) = det(zIn A) mn = B
= z n + an 1z
n 1
+ + a1 z + a0 mn 1 = (A + an 1 In ) B

~ associé à la forme canonique 2

2. Retour d’état L mn 2 = (A + an 1 A + an 2 In ) B
de commande :
~ = [~l0
L ~l1 ~ln 1]
m1 = (An 1
+ an 1 An 2
+ a1 In ) B

~li = i ai 8i = 0; ; n 1 4. Retour d’état associé au modèle initial :

3. Matrice de transformation M modèle initial ~M

L=L 1

! forme canonique de commande.

Exemple 1 Exemple 2

Procédé de fonction de transfert continue : Système échantillonné :

8
1 > 0; 55 0; 12 0; 01
F (s) = >
< xk+1 = xk + uk
s (1 + s) 0 0; 67 0; 16
Commande par calculateur numérique avec pé- >
>
:
riode d’échantillonnage T = 1s. yk = 1 0 xk
0; 3679z + 0; 2642 P (z) = z 2 1; 22 z + 0; 37 = z 2 + a1 z + a0
G(z) = 2
z 1; 3679z + 0; 3679 Polynôme caractéristique souhaité :
Forme canonique de commande : (z) = z 2 0; 63 z + 0; 21 = z 2 + z+
1 0
8
>
> 0 1 0 Matrice de transformation M :
< xk+1 = xk + uk
0; 3679 1; 3679 1
> M = [A B + a1 B B]
>
:
yk = 0; 2642 0; 3679 xk 0; 0184 0; 0100
M=
Dynamique souhaitée (modes à zéro) : 0; 0064 0; 1600
Retour d’état associé à la forme canonique de com-
PA BL (z) = z2
mande :
L=[ 0 a0 1 a1 ] = [ 0; 3679 1; 3679] ~=[
L a0 a1 ] = [ 0; 16 0; 59]
0 1
Fonction de transfert du système bouclé : ~M 1
L=L = [9; 22 3; 11]
Y (z) 0; 3679z + 0; 2642
= GF (z) = lc Gain statique du système bouclé :
Yc (z) z2
1
GF (1) = C (I2 A + B L) B lc = 0; 0388 lc
Gain statique = 0; 6321 lc , égal à 1 avec lc =
1; 582. Gain statique unitaire avec lc = 1=0; 0388 = 25; 78.
Loi de retour d’état : Loi de commande complète :
uk = [ 0; 3679 1; 3679] xk + 1; 582 yck uk = [9; 22 3; 11] xk + 25; 78 yck
48 CHAPITRE 7. COMMANDE PAR RETOUR D’ÉTAT (CAS MONOVARIABLE)

7.2 Placement des pôles, autres approches (continu ou discret)

7.2.1 Placement des pôles du système. Calcul de L par identi…cation polynomiale
Polynôme de racines 1 ; : : : ; n Polynôme caractéristique de (A B L)
(valeurs propres souhaitées) P ( ) = det ( I A + BL)
n n 1
( )=( 1) ( 2) ( n) Identi…cation ! P( )= + n 1 + + 1 + 0

Exemple 1 Exemple 2

Soit le système instable : Soit le système instable :

2 1 1
1 1 0 x_ = x+ u
x_ = x+ u 0 1 1
0 2 1
Trouver le retour d’état
Trouver le retour d’état
L = [l0 l1 ]
L = [l0 l1 ] permettant de placer les valeurs propres de la matrice
(A BL) aux valeurs 1 et 2 (choix arbitraire).
permettant de placer les valeurs propres de la matrice Matrice d’évolution du système corrigé :
(A BL) aux valeurs 1 et 2 (choix arbitraire).
1
Matrice d’évolution du système corrigé : A BL = A [l0 l1 ]
1
l0 + 2 l 1 + 1
0 =
A BL = A [l0 l1 ] l0 1 l1
1
1 1 Polynôme caractéristique :
=
l0 2 l1
P( ) = det ( I A + BL)
2
Polynôme caractéristique : = + (l1 l0 3) + 2l0 2l1 + 2

Identi…cation avec polynôme souhaité :

P( ) = det ( I A + BL)
2 2
= + (l1 3) + 2 + l0 l1 ( ) = ( + 1) ( + 2) = +3 +2

Pas de solution. Raison : le polynôme caractéristique

Identi…cation avec le polynôme caractéristique sou-
de A BL peut s’écrire :
haité :
P( )=( 2) ( l0 + l1 1)
2
( ) = ( + 1) ( + 2) = +3 +2
Racine = 2 non modi…able par retour d’état (mode
il vient : …xe). Ceci traduit un problème structurel. Système
non commandable, ce qui empêche une correction par
L = [6 6] retour d’état.

7.2.2 Commande Matlab pour le calcul du gain de retour d’état L :

La commande L=place(a,b,lambda) permet le par les instructions suivantes :
calcul d’un retour d’état L plaçant les modes conte- >> a=[1 1 ; 0 2] ; b=[0 ; 1] ;
nus dans le vecteur lambda pour un système com-
>> lambda=[-1 -2] ;
mandable caractérisé par la matrice d’évolution a et
le vecteur d’entrée b. Ainsi l’exemple 1 sera traité >> L=place(a,b,lambda)
7.3. RECONSTRUCTION D’ÉTAT (SYSTÈMES À TEMPS DISCRET) 49

7.3 Reconstruction d’état (systèmes à temps discret)

7.3.1 Principe d’un observateur dynamique

Système observable : Observateur dynamique :

8
< xk+1 = A xk + B uk 8
< x
^k+1 = Ax
^k + B uk + H(yk y^k )
:
yk = C xk :
y^k = Cx
^k
Mise en oeuvre d’un système dynamique générant
un état x^k et une sortie y^k reconstruits à partir de
la connaissance de l’entrée uk et de la sortie yk du
système observé.
Bouclage par un terme (yk C x ^k ) traduisant la
di¤érence entre sortie mesurée yk et sortie estimée y^k .

7.3.2 Justi…cation de l’observateur dynamique

Modèle de l’observateur par substitution de y^k : k+1 = (A HC) k

x
^k+1 = (A H C) x
^ k + B u k + H yk Cet écart, dont la valeur 0 peut être non nulle pour
des raisons d’initialisation ou de perturbations, ré-
Evolution de l’écart k entre état réel xk et état es-
duira d’autant plus vite que la matrice A HC sera
timé x
^k :
plus “stable”. La synthèse du reconstructeur d’état
k+1 =x
^k+1 xk+1
revient à choisir les modes de la matrice A HC
= Ax
^k + B uk + HC(xk x
^k ) A xk B uk (problème dual de celui du placement de pôles).

7.3.3 Calcul d’un observateur à partir de la forme canonique d’observation

Système observé : Observateur :

2 3 2 3
an 1 1 0 0 n 1 1 0 0
6 .. .. 7 6 .. .. 7
6 an . . 7 6 . . 7
6 2 7 6 n 2 7
A = 6
6 .. .. 7 A HC = 6 .. .. 7
6 . . 0 7
7
6
6 . . 0 7
7
4 a1 1 5 4 1 5
1
a0 0 0 0 0 0 0 0
0 0
B = bn 1 bn 2 b1 b0 H = hn 1 hn 2 h1 h0

C = 1 0 0 0 i = ai + hi i = 0; : : : ; n 1

Calcul du gain de bouclage H de l’observateur : hi = i ai 8i = 0 n 1

ai : coe¢ cients polynôme caractéristique système : i : coe¢ cients poly caractéristique observateur :

P (z) = a0 + a1 z + + an 1 zn 1
+ zn (z) = 0 + 1 z+ + n 1 zn 1
+ zn
50 CHAPITRE 7. COMMANDE PAR RETOUR D’ÉTAT (CAS MONOVARIABLE)

7.3.4 Variante de calcul de l’observateur

La détermination de x
^k dépend des mesures yk 1. On peut s’a¤ranchir de ce retard en utilisant la variante :

x
^k = A x
^k 1 + B uk 1 + H[yk C(A x
^k 1 + B uk 1 )] = [In HC][A x
^k 1 + B uk 1] + Hyk

Il vient alors : k+1 = (A HCA) k et il faut ici choisir H pour placer les valeurs propres de (A HCA).

7.3.5 Calcul d’un observateur à partir d’un modèle d’état quelconque

Système : Polynôme observateur souhaité :

xk+1 = A xk + B uk '(z) = (z 1) (z n)
= zn + n 1 z n 1
+ + 1 z+ 0

Algorithme :
1
1. Polynôme caractéristique en boucle ouverte : Mo = ([m1 mn ]0 )

P (z) = det(zIn A) mn = C 0
= z n + an 1z
n 1
+ + a1 z + a0 mn 1 = (A0 + an 1 In ) C
0

2. Matrice de retour H associée à la forme canonique mn 2 = ((A0 )2 + an 1 A0 + an 2 In ) C

0

d’observation :

H = [hn h1 h0 ]0 m1 = ((A0 )n 1
+ an 1 (A0 )n 2
+ a1 In ) C 0
1

hi = ai 8i = 0; ; n 1 4. Matrice de retour H associé au modèle initial :

i

3. Matrice de transformation Mo modèle initial ! H = Mo H

forme canonique d’observation.

Exemple : suite de l’exemple 2 du paragraphe 7.1.3

Gain de l’observateur associé à la forme canonique

Système échantillonné : d’observation :
8
>
> 0; 55 0; 12 0; 01
< xk+1 = xk + uk H=[ 1 a1 0 a0 ]0 = [0; 12 0; 0685]0
0 0; 67 0; 16
>
>
: Gain dans la base initiale :
yk = 1 0 xk

P (z) = z 2 1; 22 z + 0; 37 = z 2 + a1 z + a0 H = Mo H = [0; 12 0; 0992]0

Polynôme caractéristique souhaité pour l’observa-
teur (dynamique comparable à celle du système) : Modèle de l’observateur :
8
'(z) = PA HC (z) = (z 0; 5)(z 0; 6) = z 2 1; 1z+0; 3 >
> x 0; 43 0; 12 0; 01
>
> ^k+1 = x
^k + uk
>
> 0; 0992 0; 67 0; 16
Matrice de transformation Mo : >
>
<
Mo = ([C 0 A0 C 0 + a1 C 0 ]0 )
1 0; 12
>
> + yk
>
> 0; 0992
>
>
1 0 >
>
Mo = :
5; 5833 8; 3333 y^k = 1 0 x ^k
7.4. COMMANDE PAR RETOUR DE SORTIE (OBSERVATEUR + RETOUR D’ÉTAT) 51

7.4 Commande par retour de sortie (observateur + retour d’état)

7.4.1 Modèle du système bouclé

Ensemble d’équations procédé-observateur-

retour d’état :
8
< xk+1 = A xk + B uk
:
yk = C xk
8
< x
^k+1 = A x
^k + B uk + H(yk Cx
^k )
: Système bouclé d’ordre 2n, ayant pour modes
k+1 =x
^k+1 xk+1
ceux de (A BL) et (A HC). Pas d’interférence
uk = Lx
^k + lc yck entre la synthèse du correcteur et celle de l’observa-
teur.
Par substitution : Fonction de transfert de l’ensemble :

xk+1 A BL BL xk Blc Y (z) 1

= + yck = C(zIn A + BL) Blc
k+1 0 A HC k 0 Yc (z)

Elle correspond seulement au système corrigé par re-

xk tour d’état (en raison de la non commandabilité de
yk = [C 0]
k l’observateur).

7.4.2 Algorithme de retour de sortie

Commande par retour d’état + reconstructeur d’état ! algorithme de retour de sortie.

x
^k+1 = (A HC BL)^
xk + Blc yck + H yk

Il vient :

1
U (z) = L[zIn (A HC BL)] HY (z) +

Equations du retour d’état et du reconstructeur 1

[1 L[zIn (A HC BL)] B]lc Yc (z)
d’état :
8
< uk = Lx
^k + lc yck
: U (z) = R1 (z)Y (z) + R2 (z)Yc (z)
x
^k+1 = (A HC)^
xk + B uk + H yk
Retour à l’original ! équation récurrente entre
Par combinaison : yck , yk et uk : l’algorithme de retour de sortie.
52 CHAPITRE 7. COMMANDE PAR RETOUR D’ÉTAT (CAS MONOVARIABLE)
Annexe A

Transformation de Laplace et
transformation en z

A.1 Transformation de Laplace

6. Théorème de la valeur initiale
C’est une transformation qui associe à toute fonc-
tion localement intégrable de la variable réelle t, nulle lim f (t) = lim s F (s)
t!0 s!1
pour t < 0 et véri…ant des conditions restrictives
convenables, la fonction de la variable complexe dé-
7. Théorème de la valeur …nale
…nie par :
Z +1
lim f (t) = lim s F (s)
F (s) = L[f (t)] = e st f (t)dt t!1 s!0
0
si les pôles de sF (s) sont à partie réelle négative.
Propriétés
A.2 Transformation en z
1. Linéarité
On appelle transformée en z de la séquence ffk gk2N
L[ f (t) + g(t)] = L[f (t)] + L[g(t)] la série entière dé…nie par :
+1
X
2. Produit de convolution k
F (z) = Z[ffk g] = fk z
La transformée de Laplace du produit de convolution k=0
(f g)(t) dé…ni par :
Z t Z t Propriétés
f ( ) g(t )d = f (t ) g( ) d
0 0 1. Linéarité
est donnée par :
Z[ ffk g + fgk g] = Z[ffk g] + Z[fgk g]
L[(f g)(t)] = F (s) G(s)
3. Théorème du retard 2. Produit de convolution
La transformée de Laplace du produit de convolution
as as
L[f (t a)] = e L[f (t)] = e F (s) ff ggk dé…ni par :
X X
fl gn l = fn l gl
4. Théorème de la dérivation
l l
dm f (t) m m 1
L = s F (s) s f (0) est donnée par :
dtm
f (m 1)
(0) Z[ff ggk ] = F (z) G(z)

5. Théorème de l’intégration
3. Théorème du retard
Z t
1
L f ( )d = F (s) Z[ffk l g] = z l Z[ffk g] = z l F (z)
0 s

53
54 ANNEXE A. TRANSFORMATION DE LAPLACE ET TRANSFORMATION EN Z

Par décomposition en éléments simples :

4. Théorème de l’avance
" l 1
# Y (z) 1
X =
l i z z(z 2)(z 3)
Z[ffk+l g] = z Z[ffk g] fi z
i=0 1 1 1 1 1 1
= +
6 z 2 z 2 3 z 3
5. Théorème de la valeur initiale
d’où :
f0 = lim F (z)
z!1 1 1 z 1 z
Y (z) = +
6 2 z 2 3 z 3
6. Théorème de la valeur …nale
En utilisant le tableau de transformées, il vient :
1
lim fk = lim (1 z ) F (z)
k!1 z!1
y0 = 0
1
si les pôles de (1 z )F (z) sont dans le cercle unité.
1 k 1 k
yk = 2 + 3 8k 1
2 3
A.3 Exemples
A.3.1 Exemple 1 A.3.2 Exemple 2
On considère le système régi par l’équation récur- On considère le système échantillonné de fonction
rente suivante : de transfert continue :
yk+2 5 yk+1 + 6 yk = uk 1
F (s) =
1. Calculer sa réponse indicielle (réponse à une entrée s(s + 1)
en train d’impulsions unitaires uk = 1; 8k 0).
la fonction de transfert échantillonnée est donnée
z 1 par :
U (z) = G(z) =
z 1 z2 5z + 6
d’où : z 1 F (s)
G(z) = Z[B0 (s) F (s)] = Z
z z s
Y (z) = G(z) U (z) =
(z 1)(z 2)(z 3)
F (s) 1 1 1 1
Par décomposition en éléments simples : = 2 == + 2+
s s (s + 1) s s s+1
Y (z) 1
=
z (z 1)(z 2)(z 3) En utilisant le tableau de transformées, il vient :
1 1 1 1 1
= +
2 z 1 z 2 2 z 3 z 1 z Tz z
G(z) = + +
d’où : z z 1 (z 1)2 z e T

1 z z 1 z soit :
Y (z) = +
2 z 1 z 2 2 z 3 K(z b)
G(z) =
En utilisant le tableau de transformées, il vient : (z 1)(z a)
1 1 k avec :
yk = f1gk 2k + 3
2 2 T
K=e 1+T
2. Calculer sa réponse impulsionnelle (réponse à une
T
entrée u0 = 1; uk = 0; 8k 6= 0). a=e
Il vient U (z) = 1 et :
1 T (1 e T)
Y (z) = G(z) U (z) = b=1
(z 2)(z 3) e T 1+T
A.3. EXEMPLES 55

Transformée de Laplace Signal continu Signal échantillonné Transformée en z

F (s) = L[f (t)] f (t) fk F (z) = Z[fk ]

1 (t) f0 = 1; fk = 0; 8k 6= 0 1

as
e (t a)

hT s h
e (t hT ) fh = 1; fk = 0; 8k 6= h z

1 z
(t) fk = 1; 8k 0
s z 1

1 z
t fk = kT; 8k 0 T
s2 (z 1)2

2 z(z + 1)
t2 fk = k 2 T 2 ; 8k 0 T2
s3 (z 1)3

1 at akT z
e fk = e ; 8k 0 aT
s+a z e

aT
1 at akT T ze
te fk = kT e ; 8k 0
(s + a)2 (z e aT )2

aT bT
b a at bt akT bkT z(e e )
e e fk = e e ; 8k 0 aT )(z bT )
(s + a)(s + b) (z e e

z
ak ; 8k 0
z a

k z
( a) ; 8k 0
z+a

a at z(1 e aT )
1 e
s(s + a) (z 1)(z e aT )

! z sin !T
sin !t
s2 + !2 z2 2z cos !T + 1

s z (z cos !T )
cos !t
s2 + ! 2 z2 2z cos !T + 1