AUTOMATIQUE.

Continue et discréte

Professeur   Belkacem OULD BOUAMAMA

Recherche : Responsable   de l’équipe  de recherche MOCIS  
Laboratoire d'Automatique, Génie Informatique et Signal de Lille (LAGIS ‐UMR CNRS 8219)

Enseignement: Professeur et Directeur de la recherche à Poltech’ lille

Coordonnées
Polytech Lille .  Avenue Paul Langevin, F59655 Villeneuve d'Ascq cedex
Tél : (00) 328767397, GSM (00)667123020
Mèl :  Belkacem.ouldbouamama@polytech‐lille.fr,
Page personnelle : https://wikis.univ‐lille1.fr/ci2s/membres/belkacem‐ould‐bouamama

Ce cours et bien d’autres sont disponibles à    https://wikis.univ-lille1.fr/ci2s/membres/belkacem-ould-bouamama

1
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 Partie 1

Automatique linéaire continue

2
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 AVANT PROPOS (1/2)
Ce support de cours a pour but principal, sans être simpliste, de présenter avec une approche très pratique des
fondements de l’automatique linéaire que nous appellerons souvent la régulation automatique. Chaque outil
mathématique utilisé, est étayé par des exemples industriels concrets.

Pour rendre le cours attrayant, ce polycopié est simplifié, pour plus de détail sur le contenu le lecteur pourra se
référer au cyber-cours introduit par l’auteur sur le réseau internet : http://www.univ-lille1.fr/eudil/belk/sc00a.htm

La régulation automatique, actuellement rebaptisée «automatique» est noyée dans les techniques modernes de
commande (robotique, productique,cybernétique). Ceci est principalement dû à l’apparition initialement de l’électronique,
puis vers les années 60 du microprocesseur et donc de l’informatique. Mais il est utile de souligner que les vieilles
techniques de la régulation classique restent encore très utilisées dans des industries aussi complexes que le nucléaire par
exemple, et elles ont encore de beaux jours devant elles car, la théorie en automatique avance bien plus vite que son
application et ça, parce que les moyens informatiques sont plus «performants» que la connaissance du système à traiter,
c’est à dire le modèle mathématique, nécessaire pour la réalisation de la commande dite moderne. C’est pourquoi, il nous a
semblé utile de réserver dans ce présent support une large place à la modélisation.

Dans le premier chapitre, nous présenterons les principes de la commande automatique avec des exemples de
systèmes asservis et de régulation divers (de la poursuite d’une cible, régulation d’un four à la commande optimale d’une
unité de traitement de gaz en vue de minimiser le taux de pollution). La symbolisation normalisée des boucles de
régulation dans l’industrie sera aussi présentée afin de permettre à l’étudiant de lire les schémas de régulation présentés
dans l’industrie comme on lit un dessin de mécanique.

Avant de commander nous devons bien connaître le système, c’est pourquoi, dans le deuxième chapitre nous
développerons un aspect important de l’ingénieur qui est la modélisation et exposerons l’approche analogie des systèmes
physiques de type bond-graph « effort-flux». La méthodologie de la modélisation dynamique comportementale , par la
mise en équation des systèmes physiques de nature différente sera appliquée sur des systèmes divers : mécanique,
électrique, chimique. L’outil classique, mais inévitable en régulation - la transformée de Laplace avec surtout ses
applications pour la résolution des équations différentielles par la méthode des résidus, sera traité. On introduira enfin les
notions et le sens physique de la fonction de transfert.
Chap.1/ 3
 AVANT PROPOS (2/2)
L’outil mathématique de l’analyse des systèmes traités dans le chapitre précédent servira dans le troisième chapitre à
l’analyse des systèmes linéaires types. On insistera surtout sur l’analyse temporelle des systèmes (analyse indicielle et
impulsionnelle). L ’analyse fréquentielle, qui est plutôt un approche d ’électroniciens, n ’a pas un grand sen physique et
pratique dans les processus énergétiques. En effet les perturbations de débit, température ou de pression varient en
pratique plus sous forme d ’un échelon ou d ’une rampe que d ’une sinusoïde.
Les systèmes linéaires types les plus importants (premier et deuxième ordre, avec retard pur...) seront traités par des
exemples physiques variés (thermique, chimique, mécanique et électrique), des analogies seront à chaque fois soulignées..
Le quatrième chapitre propose la théorie de la stabilité des systèmes ave un approhe géométrique et algébrique.
Le dilemme stabilité- précision sera traité sur la base d’un exemple concret de la régulation de la pression dans un
réacteur. L’approche perturbation (qui est souvent omise par les étudiants) sera privilégiée car, en régulation, la consigne
reste en général constante. Le calcul des erreurs en poursuite et en régulation sera exposé. Concernant la stabilité, une
approche académique sera abordée avec une plus grande insistance sur le critère du revers et le sens pratique des marges
de stabilité
Le chapitre 5 sera consacré à la technologie et le réglage des régulateurs industriels. La constitution des régulateurs, la
vérification, le rôle et le domaine d’utilisation des différentes action (P I et D) ainsi que «tout ou rien» seront discutés
pratiquement.
Un projet d’analyse et de synthèse de la régulation d’un four tubulaire sera traité au sixième chapitre. Pour la
synthèse, on mettra en évidence l’influence des actions P, I et D et de «tout ou rien» sur les performances du système,
ainsi que celle du retard sur la stabilité. les limites de la régulation PID seront aussi mises en évidence, ce qui nous
amènera à discuter sur les notions de la régulation avancée.
Cette partie sera évidemment illustrée par un ensemble de travaux dirigés (TD) et pratiques (TP) portant sur la régulation
de processus industriels.e
La deuxième partie sera consacrée à l’introduction à la commande numérique.

 Malgré tout le soin apporté à la rédaction, l’auteur est conscient des imperfections qui peuvent encore subsister dans ce
polycopié. Aussi, l’auteur est reconnaissant par avance des remarques que pourront lui adresser les lecteurs et les
étudiants pour la perfection de ce support de cours.

Chap.1/ 4
 OBJECTIFS DU COURS
 Présentation des principes de l’automatique continue (asservissement et régulation)
 Maîtriser les outils mathématiques pour :
 l’analyse des systèmes physiques(modélisation, analogie des systèmes physiques)
 et des systèmes de commande (fonction de transfert, transformée de Laplace ,
analyse temporelle etc.)

 Prendre connaissance des pratiques de la régulation industrielle sur des exemples

concrets
 Technologie et réglage des régulateurs
 Choix et actions des régulateurs etc..

 Méthodologie de la réalisation d’un projet d’un système de régulation

 cahier de charge, identification et synthèse du système de régulation
 montrer les limites de la régulation classique

 Introduction à la régulation avancée.

Chap.1/ 5
 AUTOMATIQUE ?
 Automatique ? Science traitant de :
 La modélisation
 Analyse
 Commande
 Supervision des systèmes dynamiques continus et discrets

Actuellement automatique discipline transverse

Applications :
 Aéronautique,
 Automobile,
 Spatial,
 Procédés,
 Économie
 Sciences de la terre….

Chap.1/ 6
 Chap. 1. INTRODUCTION
 1.1 Historique et la régulation automatique aujourd’hui
 Automatisation : Ensemble des procédés visant à réduire ou à supprimer
l’intervention humaine dans les processus de production

 La régulation automatique aujourd’hui : La régulation automatique, actuellement rebaptisée

«automatique» est noyée dans dans les techniques modernes de commande- robotique, productique etc..,
en raison surtout de l’apparition de l’électronique, puis vers les années 60 du microprocesseurs et donc de
l’informatique. Mais il est utile de souligner que les vieilles techniques de régulation classiques restent
encore très utilisées dans l'industrie et elles ont encore de beaux jours devant elles car, la théorie en
automatique avance bien plus vite que l'application et ça, parce que les moyens informatiques sont plus
«performants» que la connaissance du système à traiter c’est à dire le modèle. Il est aussi intéressant de
noter qu’aujourd’hui, les mécaniciens souhaitent parrainer l’automatique car la robotique c’est
l’automatique disent-ils et les informaticiens ont les mêmes ambitions car l’informatique industrielle est
leur apanage. Et l’automatique dans tout ça ? Mais cette question, d’actualité d’ailleurs, est sans doute la
conséquence des transformations des sciences de l’ingénieur subies grâce (ou a cause) de l’informatique.

 Historique : 1840 : Régulateur de Watt (Besoins de l’industrie à vapeur)

1945 : Deuxième guerre mondiale
1960 : Apparition de l’informatique (cosmos, traitement rapide de l’information, possibilité de
résolution des systèmes complexes etc..)

 Importance : Qualité des produits finis, précision des opération , protection de

l’environnement, répététivité des opérations etc..

Chap.1/ 7
 Les 1er systèmes automatiques
Clepsydre (sablier) de Ktesibios (-270 av. J.C)
 Ktesibios introduit un réservoir supplémentaire dans lequel
le volume de liquide reste constant grâce à un flotteur qui ferme
l'entrée du réservoir lorsque celui-ci est trop plein : c'est une chasse d'eau
moderne.

Metier a tisser programmable

 1728 :premier par cartons perfores par philippe Falcon

Chap.1/ 8
 Les 1er systèmes automatiques (suite)
 L’industrie à Vapeur
 1679 : Denis Papin développe la soupape de sécurité

1788 Régulateur de Watt (dit à boule)

 Réglage de la vitesse des trains à vapeur

Chap.1/ 9
EVOLUTION DE L’AUTOMATIQUE

AEROSPATIALE Robotisation, IA

INFORMATISATION Régulateurs numériques

2ème GUERRE MONDIALE Les systèmes suiveurs

Electronique, missile

1er régulateur de Watt

MACHINE A VAPEUR Mécanisation, procédé

Etude des processus de

commande
CYBERNETIQUE, Analogie monde animal
BIONIQUE technologie
Chap.1/ 10
 LES SYSTEMES AUTOMATISES AUJOURD’HUI
Set points
Maintenance

FTC Level

Technical List of faults

specification
DIAGNOSTIC
Control signals
Observations
Control
SENSORS

OUTPUT
INPUT
Chap.1/ 11
 1.2 DÉFINITIONS
Système : Ensemble organisé dans un but fixé ou ensemble
de processus physiques-chimiques en évolution et de procédés
de réalisation de ces procédés.
Entrée Sortie
SYSTEME

Petits et grands systèmes

Signal
 Grandeur physique générée par un appareil ou traduite par un
capteur
Signal d’entrée Signal de sortie

Commandable Non commandable Observable Non observable

Chap.1/ 12
 1.3. SYSTÈMES DE COMMANDE
1.3.1. Composition d ’un système de commande

PERTURBATIONS

PARAMETRE A
ACTION DE COMMANDER
ORDRES SYSTÉME COMMANDE SYSTÉME
DE À
COMMANDE COMMANDER

1.3.2 Paramètres d’un système de commande

Consigne
Action de commande
Perturbations
Paramètre à commander Chap.1/ 13
 1.3.3 EXEMPLES DE SYSTÈMES DE COMMANDE
 1. Réglage de la vitesse d’une voiture Etat de la route

Action de commande
(Débit d ’essence) Vitesse de la
Maintenir vitesse
constante SYSTEME DE VOITURE voiture
REGLAGE DE
VITESSE

 2. Réglage de la température d ’un four

QP Produit chauffé
Produit à chauffer Ts

QG
Gaz combustible
Temp. Extérieure
Débit produit à chauffer
Action de commande
VANNE (débit du gaz Paramètre à Ts
Maintenir température QG
régler
combustible)
constante DE FOUR
REGLAGE
Chap.1/ 14
 1.4 CONCEPTION D’UN SYSTEME DE COMMANDE
1.4.1 système à boucle ouverte (open loop system)

Croisons les doigts pour que ça marche puisque

Z (débit d’entrée)
je n’ai aucune information sur la sortie, je suis aveugle .

Action de commande
(débit du gaz
Ordre (T=37°c) Ts
SYSTÉME DE combustible) FOUR
REGLAGE

Pourvu que que la vitesse ne soit pas limitée

car la voiture n ’est pas équipée d ’indicateur de vitesse

Etat de la route
débit d’essence Vitesse
Ordres vitesse limitée SYSTÉME DE
REGLAGE
VOITURE

 Avantages et inconvénients :
 Rapide, stable, simple mais pas précis
Chap.1/ 15
 1.4.2 Système en boucle fermée
Je compare ce que je veux et ce que je reçois
et j’agis en conséquence sur la vanne de réglage.
Z (débit d’entrée)
Je corrige jusqu’à ce que Ts=37°c Action de commande
Objectifs (débit du gaz
(T=37°c) VANNE DE combustible) Ts
REGLAGE FOUR
Consigne
Grandeur réelle
CAPTEUR DE TEMPERATURE

Je regarde la vitesse indiquée par le compteur

et j accélère ou décélère en agissant sur la pédale pour
maintenir la vitesse toujours égale a celle fixée.
débit d’essence Vitesse
PEDALE DE VITESSE VOITURE
Consigne:
V=cste
CAPTEUR DE VITESSE
 Avantages et inconvénients :
 Précis et régulé mais complexe, risque d’instabilité agit sur l’erreur de réglage
Chap.1/ 16
 1.4.3 Automatismes à boucle combinée
Calculateur
Détermination du débit de gaz Z (débit d’entrée)
nécessaire pour assurer la valeur
de température désirée :j’anticipe

Action de commande
Objectifs (débit du gaz
(T=37°c) VANNE DE combustible) Ts
REGLAGE FOUR
Consigne

CAPTEUR DE
TEMPERATURE

Chap.1/ 17

 Avantages et inconvénients :
 Rapide et précis, anticipe les perturbations mais très complexe
 Et nécessite des calculateurs des modèles
 1.5 FONCTIONNEMENT D ’UN SYSTEME DE CONTRÔLE

1.5.1 BUT D ’UN SYSTÈME DE CONTRÔLE : Atteindre le but (consigne)

quelque soit l ’effet des perturbations extérieures).

1.5.2 SYSTÈME ASSERVI ET LE COMPORTEMENT HUMAIN

Perturbations

Objectif
Uc Ur
Réalité
REFLEXION ACTION SYSTEME
PHYSIQUE

OBSERVATION
Chap.1/ 18
 1.5.3 Schéma fonctionnel d’un SRA
chaîne de puissance Z

+ E U Y
C REGULATEUR PROCESS

M (-)
chaîne de contre réaction (de faible puissance)

CAPTEUR

C : Consigne (set value),

E : écart de régulation (departure, error signal)
U : signal de commande (control signal)
Y : variable de sortie ou variable à régler ou mesure (mesured value)
Z : perturbation (disturbance)
M : grandeur physique à la sortie du capteur (courant, pression, ...)
Chap.1/ 19
 1.5.4. Éléments d’une régulation analogique

+ U Y
C E
REGULATEUR PROCESS
ANALOGIQUE
M (-)

4-20 mA
0,2-1 bar
0-10v
TRANSMETTEUR CAPTEUR

On peut aussi avoir:

CEP : Convertisseur Electro-pneumatique
CPE : Convertisseur Pneumo-électrique

Chap.1/ 20
5.5. Eléments d’une régulation numériq

+
C E Un Ua Y
CNA PROCESS

M (-)

CAPTEUR
CAN
TRANSMETTEUR

CNA : Convertisseur Numérique Analogique

CAN : Convertisseur Analogique Numérique

Chap.1/ 21
 1.5.6. ASSERVISSEMENT ET RÉGULATION

 Asservissement:
Un système asservi est un système dit suiveur , c’est la
consigne qui varie.
 Exemple : une machine outil qui doit usiner une pièce selon un
profil donné, un missile qui poursuit une cible, pilotage
automatique d ’un avion.

 Régulation :
Dans ce cas, la consigne est fixée et le système doit
compenser l’effet des perturbations,
 à titre d’exemple , le réglage de la température dans un four, de la
pression dans un réacteur, le niveau d’eau dans un réservoir.

Chap.1/ 22
 EXEMPLES DE SYSTEMES DE COMMANDE

Chap.1/ 23
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 Asservissement de la position d’une antenne
Z (perturbation, vent)

Actionneur Position
+ E=Pd-Pm Couple
U Antenne P
Position Contrôleur Moteur Antenne
désirée Pd -
Pm
Capteur de position
ANTENNE_DEMO.lnk (Ligne de commande)

Régulation de niveau
Z (perturbation, Fuite d’eau)
E=hc-hr Actionneur
+ U Qp
Niveau
Contrôleur Moteur+pompe Réservoir
Désiré hc - Niveau h
hr
Capteur de niveau
NIVEAU_DEMO.lnk (Ligne de commande)
 1.6. EXEMPLES DE SYSTEMES AUTOMATIQUES
A) Suivi de la trajectoire d’une cible

C +
E U Y

M
(-)

C + E U Ur y
Contrôleur Gouvernail Avion
-
M
Gyroscope
Chap.1/ 25
 B) Régulation de la température d’un four

CONSIGNE
-
THERMOCOUPLE
+ Tc
(Ts-Tc)
Ts Pétrole chauffé
Pétrole brut

CORRECTEUR
U

Vanne de réglage Gaz combustible

Tc + T U Ur Ts
Contrôleur Vanne Four
-

Thermocouple
Chap.1/ 26
 C) RÉGULATION DE LA TEMPÉRATURE D’UN ÉCHANGEUR THERMIQUE

Uc 120
160

Ur 180 Régulateur
200
Tc Ts
Vapeur
Thermocouple
Produit chauffé

condensât Produit à chauffer

Z
Tc + T Uc Ur Ts
Régulateur Vanne Echangeur
-
Thermocouple Chap.1/ 27
 Systéme de régulation : PID

u1
Jus de fruit
concentré Qc
Eau
Qjc(t) V1 Qe(t)
V2
u2 FRC
C1
1
AIC
C2 M1
1
FT
M2
1
AT Qs(t), Cs(t)
1
Mélange de concentration Cs et
de Débit Qs

But ; Réguler la concentration Cs(t) du produit et du débit de sortie Qs(t)

Paramètres à régler : Qs(t), Cs(t), Paramètres réglant : Qe(t) et Qjc(t)

Chap.1/ 28
 Systéme de régulation : Bloc Diagramme
REGULATEUR PROCESS

(-) M1
Qe Qse + Qs
C1 FRC
Vanne1+
conduite Mélangeur11
+
Cse
Mélangeur12 Qsc

Mélangeur21

QC
+ -
Vanne2+ Cs
C2 AIC conduite
Mélangeur22
(-)
M2

Chap.1/ 29
Systéme de régulation : Schéma fonctionnel

REGULATEUR PROCESS

(-) M1
Qe Qse + Qs
C1 FRC W11(p)
+
Cse
W12(p) Qsc

W21(p)

+ -
QC Cs
C2 AIC W22(p)
(-)
M2

Chap.1/ 30
 1.7 SYMBOLISATION DES BOUCLES DE REGULATION (P&ID)

TRC
Vapeur Produit chauffé
1
TI
FI 2 Piping and Instrumentation Diagram
Echangeur de
9
chaleur
Plan des Instruments Détaillés
ORDRE DES LETTRES DANS UNE DESCRIPTION
TR 1 2 3
3 PHS Grandeur mesurée et/ou Fonction des éléments de la boucle Régulation ou
5 contrôlée signalisation
T Température I Indication C Controlé
P Pression R Enregistrement S Sécurité
Produit à chauffer
condensât

F Débit L Bas (Low)

A Composition H Haut (High)
d'un produit
J Puissance D Différence
I Courant
Z Position
R Radioactivité
E tension
V Viscosité
Exemple : TRC
M Humidité
Temperature Registered and Controlled W Poid
L Niveau

Chap.1/ 31
 1.8. NIVEAUX D’UN SYSTEME AUTOMATISE

PROCESS

REGULATION
LOCALE

COMMANDE
AVANCEE

OPTIMISATION
STATIQUE

OPTIMISATION
ECONOMIQUE
SALLE DE OBJECTIFS
CONTROLE

Chap.1/ 32
1.9 AUTOMATISATION & L’ENVIRONNEMENT
K

d
2 .H 2 S  SO 2 K 1 .5 S 2  2 H 2 O  Q
 i
SO2

H2S SO2 Réacteur Réacteur

catalytique catalytique SO 2 ,COS , H 2 S

O2 S S A
Objectif
 S  min .


C a lc u l c o n s ig n e
G az Ro C a lc u l  ( F a , F G ,% H 2 S ,% S O 2 . . . )
H2S a ir
FR te l que   m ax.
SO2 H2S H2S
 R
SO2 réel
SO2 o p tim a l

Chap.1/ 33
 1.10 AUTOMATISATION INTÉGRÉE

Aide à la conduite planification,

Niveau 3 Supervision diagnostic interface homme machine

Suivi de l’état du processus

Niveau 2 Monitoring Visualisation

Commande logique, régulation

Niveau 1 Regulation Optimisation

Choix et implémentation des

Niveau 0 Instrumentation
capteurs et actionneurs

Décisions Observations

Entrée Sortie
Chap.1/ 34
 Chapitre 2

DESCRIPTION MATHEMATIQUE DES SYSTEMES

PHYSIQUES

Objectifs du chapitre :

Maîtriser :
 L’outil mathématique pour l’analyse des systèmes
(transformées de Laplace),
 la méthodologie de la modélisation comportementale de la
dynamique des systèmes physiques étayée par un ensemble
d’exemples industriels,
 Manipulation des fonction de transfert des systèmes
Chap.2/ 35
 2.1. Méthodologie de l’analyse des systèmes
 2.1.1 Analyse et synthèse

C E U M
+
CORRECTEUR PROCESS

(-) M

But de l ’automaticien
Concevoir un SRA précis, stable et rapide
Comment ?

Synthèse (choisir un « bon » correcteur)

Analyse (comprendre le process)

Chap.2/ 36
 2.1.2. Analyse et synthèse des systèmes

CAHIER DE CHARGE Déf. du process et des objectifs E/S

Lois physiques, bilan, hypothèses Modèle de connaissance

Planification des expériences Connaissance à priori

connaissance
ANALYSE

Acquisition de données Choix de la structure du modèle

Estimation des paramètres

Choix du critère d’identité
Oui Non
Modèle de conduite adéq.

Synthèse de régulation Logistique

actionneurs, régulateurs,
SYNTHESE

transmetteurs...
commande

Simulation

Validation sur site

Réalisation définitive

Chap.2/ 37
 2.1.3 Propriétés des systèmes linéaires
 Définitions
 Un système physique est dit linéaire si son comportement est décrit par des équations
différentielles linéaires à coefficients constants.

x (cause) y (effet)
SYSTEME

dx ( t ) d 2 x( t ) d n x( t ) dy ( t ) d 2 y( t ) d m y( t )
a0 x( t )  a1  a2  ... a n  b0 y ( t )  b1  b2  ...bm
dt dt 2 dt n dt dt 2 dt m
Conditions initiales CI : t  0 , x ( t 0 )  x 0 , y ( t 0 )  y 0

ai et bi sont des constantes.

 Exemple
dU s( t )
U s( t )  RC  E(t )
Us(t)

E R C dt
Conditions initiales CI : t  0 , E ( t 0 )  E 0 , U s( t 0 )  U s0

Chap.2/ 38
 2.1.3 Propriétés des systèmes linéaires
 1. Propriété de superposition
 Si x1 donne effet à y1, x2 à y2 alors x1 + x2 donne effet à y1 + y2

 2. Propriété de proportionnalité
 Si x1 donne effet à y1, alors Kx1 donne effet à K y1

D’une façon générale :

si les entrées x1 (t) et x2 (t) provoquent l’évolution des sorties y1(t) et y2 (t)
alors K 1x1 (t) + K2 x2 (t) provoque la sortie y(t) = K1 y1 (t) + K2 y2 (t)

Chap.2/ 39
 2.3 Modélisation des systèmes physiques

 2.3.1 Définitions
 Modélisation ? : Ensemble des procédures permettant d’obtenir un modèle
 Modéliser un système = capable de prédire le comportement du système
 Subjectivisme de la modélisation : modèle = intersection du système et du modélisateur
 Modèle jamais "exact"?

 2.3.2 Importance
 Outil d'aide à la décision., Support de la simulation,
 Représente 50 % d’un projet de commande
 Perspectives grâce à l'informatisation

 2.3.3 Un modèle pourquoi faire ?

 Concevoir, Comprendre, Prévoir, Commander (décider).
Chap.2/ 40
 2.3.4 Un modèle comment faire ?
1. MODELE DE CONNAISSANCE
 Obtenu sur la base des lois physiques, économiques etc..
 Difficultés de décrire fidèlement les phénomènes complexes;
 Hypothèses simplificatrices;
 Dilemme- précision-simplicité
 Un modèle simple est faux, un modèle compliqué est inutilisable.
 Les paramètres ont un sens physique donc modèle commode pour l'analyse.

2. MODELE DE REPRESENTATION
 Système "boite noire";
 Expérience active (système dérangé) ou passive (aléatoire);
 Etape qualitative (connaissances a priori) et quantitative;
 Paramètres du modèle n'ont aucun sens physique;
 Modèle de conduite (modèle E/S) utile pour la commande;
 Complément du modèle de représentation. Chap.2/ 41
 2.3.5. Classification des modèles
1. selon le caractère des régimes de fonctionnement
 statique et dynamique

2. selon la description mathématique

 linéaire, non linéaire

3. selon les propriétés dynamiques

 à paramètres localisés, à paramètres distribués

4. selon l’évolution des paramètres :

 stochastique , déterministe

5. selon le nombre de variables :

 monovariable (SISO) , multivariable (MIMO)

Chap.2/ 42
 2.3.6 Différentes étapes de la modélisation
PROCESSUS PHYSIQUE

Etablissement du schéma de principe

Représentation par bloc Acquisition

de données
Mise en équation

Amélioration Calcul erreur de modélisation

du modèle

NON Modèle
adéquat ?

OUI

SIMULATION, MONITORING,
CONTROL... Chap.2/ 43
 2.3.7. Analogie des grandeurs physiques : Notion des bond graphs

 Founder of BG : Henry Paynter (MIT Boston)

 The Bond graph tool was first developed since 1961 at MIT, Boston, USA
by Paynter

Symbolism and rules development :

 Karnopp (university of california), Rosenberg (Michigan university), Jean
Thoma (Waterloo)

 Introduced in Europe only since 1971.

 Netherlands and France ( Alsthom)
 Teaching in Europe
 France : Univ LyonI, INSA LYON, EC Lille, ESE Rennes, Univ. Mulhouse, Polytech’Lille
 University of London
 University of Enshede (The Netherlands)

Chap.2/ 44
 Notion des bond graphs : Hystorique
 Teaching in Canada
Univ. of Waterloo (Jean THOMA)

 Teaching in USA
 MIT, Michigan university

Industrial application
is used today by many industries for modeling
analysis and control.

 Companies using this tool

Automobile company : PSA, Renault
Nuclear company : EDF, CEA, GEC Alsthom
Electronic :Thomson, Aerospace company .... Chap.2/ 45
 Bond graph: définition

1 2

REPRESENTATION

e
f P = e.f

BOND GRAPH MODELING IS THE REPRESENTATION (BY A BOND) OF POWER FLOWS

AS PRODUCTS OF EFFORTS AND FLOWS WITH ELEMENTS ACTING BETWEEN
THESE VARIABLES AND JUNCTION STRUCTURES TO PUT THE SYSTEM TOGETHER.
Chap.2/ 46
 Bond graph : variables de puissance et d’énergie (1/1)
 VARIABLES DE PUISSANCE
Effort e(t) Variables intensives: tension, température, pression
Flow f(t) : débit massique, courant, flux d’entropie, …
e (t )
Puissance échangée P (t )  e (t ). f (t )
f (t )

 VARIABLES D’ENERGIE
Moment ou impulsion p(t), (flux magnétique, integral de la pression,
moment angulaire, … )
t
p (t )   e ( ) d   p (t 0 )
t0

Déplacement gnéralisé q(t), Variables extensives (masse, volume,

charge … ) t
q (t )   f ( ) d   q (t 0 )
t0

Chap.2/ 47
 VARIABLES DE PUISSANCE ET D’ENERGIE

DOMAINE EFFORT (e) FLOW (f)

TENSION COURANT
Electrique u [V] i [A]
FORCE VITESSE
Mecanique (translation)
F [N] v [m/s]
COUPLE VITESSE ANGULAIRE
Mecanique (rotation)
 [rad/s]
 [Nm]

PRESSION DEBIT VOLUMIQUE

Hydraulique
P [pa] V m 3 / s
POTENTIEL CHIMIQUE FLUX MOLAIRE
Chimique
 [J/mole] n [mole/s]
TEMPERATURE FLUX D’ENTROPIE
Thermique
T [K] S [W/K]
Chap.2/ 48
 Bond graph : Eléments physiques de base
 Eléments de base
R (Dissipation d ’énergie),
 C (Stockage d ’énergie),
 I (Inertie).

 Eléments de jonction
 « 0 » Même effort,
 « 1 » même flux, TF (Transformation d ’énergie).

 Eléments actifs
 Source d ’effort (Se) Ex. Générateur de tension, pompe,
 Source de flux (Sf) Ex. Générateur de courant.
Chap.2/ 49
 1. R element (resistor, hydraulic restriction, friction losses …)
ELECTRICAL HYDRAULIC THERMAL

v1 v2 p1
V
p2 Q
i T1 T2
p1  p 2  R V
v1  v 2  U  Ri T1  T 2  R Q
p1  p 2  R .V 2

R Constitutive equation : For modeling any physical  R e, f   0

phenomenon characterized by an effort-flow relation ship

e
Representation R:R1
f
Chap.2/ 50
 2. BUFFERS element
A) C element (capacitance) Examples: tank, capacitor, compressibility

ELECTRIC HYDRAULIC THERMAL

i1 i2 V1 A: section
h: level Q1 Q 2
i : density
m
C= g/A
C c
h p T

V2
dq d (C .U )
i  i1  i2   d (mcT )
dt dt V  V1  V2 
d ( Ah )
, p   gh Q  Q1  Q 2  .
dt dt
1
U 
C  idt p 
1 
C 
V dt
1
T   Q dt
C

C Constitutive equation (For modeling any physical

phenomenon characterized by a relation ship between effort and  flow 
C e,  fdt  0 
e
Representation C:C1
f
Chap.2/ 51
 B) I element (Inertance)
Examples: Inductance, mass, inertia

ELECTRIC HYDRAULIC MECHANICAL

l
F

V1 V2 p1 p2
i
V
F m dv lA dV
p  p    2 dV
A A dt A dt F  m .
A dt
1 V   pdt 1
i 
L  Udt l V 
m  Fdt

I Constitutive equation (For modeling any physical phenomenon

characterized by a relation ship between flow and  effort

 I f ,  edt  0
e
Representation I:I1
f Chap.2/ 52
 2.3.8. Exemple de modélisation par Bond graph
Système hydraulique Système électrique
R
i1 R i2
Q1
P1 i
U1 C UC
Pompe
Générateur de
tension
PC
C
Q2

R C

e eC f e  P U
e1 e2 e2 f  Q i
 Représentation Se 1 0 Sf
f1 f1 f2

 C e ,  fdt  1
 Equation de l ’élément C 0  PC  U C   ( f1  f 2 ) dt
C
Chap.2/ 53
 LES LOGICIELS DE MODELISATION et de SIMULATION
 MATLAB-SIMULINK

 TWENTE SIM, SYMBOLS

Chap.2/ 54
 2.3.9 Lois fondamentales de la modélisation des processus

 Loi de continuité générale

(Débit massique entrant dans le système) - (Débit
massique sortant du système) = variation de la masse
dans le système

 Balance énergétique
(Puissance totale reçue par le système de l’extérieur) + (Flux
d’enthalpie transportée par le mélange à l’entrée)
- (Flux d’enthalpie transportée par le mélange à la sortie)
= variation de l’énergie interne s’accumulant dans le système
Chap.2/ 55
 2.4 EXEMPLES DE MODÈLES MATHÉMATIQUES
a. Modèle d’un circuit électrique RLC
R L

Ve Vs
CIRCUIT RLC
Ve C Vs

Ve  VR  VL  VS

VR  Ri
di
VL  L. dVS d 2VS
dt Ve  RC.  LC. 2  VS
dt dt
1t
VS  . idt
C0
Chap.2/ 56
 b. Modèle d’un thermocouple
Un thermocouple ?
E
Ts : Temp. de la soudure du thermocouple [°];
Te : Temp. du milieu à mesurer;
E : fcem de sortie = K.Ts [Volt]; K=cste.;
M : masse de la soudure [kg];
S : Surface d'échange de chaleur [m²];
Ts C : Capacité calorifique. de la soudure [j/(kg.°K)];
 Coef. de transfert de chaleur [j/(sec.m².°K)];
Te

Te(t) [°c] E(t) [mV]

Thermocouple

dTs
S TeTs MC.
dt

E n tenant com pte que dans un therm oco uple E  K T s , on obtient :

MC dE
Ko . .  E Te ( t )
 S dt Chap.2/ 57
 c. Modèle d’une vanne de réglage
1. Schéma de principe 2. schéma bloc
Pe Pe (bar) X (mm)
0,2 -1 bar
régulateur 3 - 15 psi Vanne
Pe
1
Légende :
Pe : pression provenant du régulateur [0,2 bar à 1bar] (entrée)
X : déplacement de la tige 3 [0 à 6 mm](sortie)
2 f : frottement [kgf.sec/m], m : masse de la partie en mouvement [kg]
1 : Membrane en caoutchouc de section s [m²]
2 : ressort de raideur Ke [kgf/m]
3 : Tige , 4 : garniture d'étanchéité, 5 : siège, 6 :clapet
7 : conduite
3
6 X
7
4
5
DEMO

3. Modèle
2
d X dX
Bilan des forces (Newton) m 2  kX f Pes
dt dt
Chap.2/ 58
 2.4.1 vérification (calage) du modèle obtenu
Nous ne pouv ons pas afficher l’image.

Explosion nucléaire

Poste de commande
Données expérimentales

ERREUR DE
MODÉLISATION

Données du modèle

   ad . ?
Modèle de la réaction nucléaire
Feed back pour la
correction du modèle

YE (i)
Processus
X(i) + max
 il faut que l’erreur soit minimale
dans les systèmes industriels
Ym (i) -
Modèle
Ym max YE max
 max  .100%   admissible
YE max
Chap.2/ 59
 2.5 Rappel sur les transformées de Laplace
2.5.1 Définition
f(t)
 Soit une fonction f(t) continue et nulle pour t<0;

t
et bornée :  f (t )e dt  
 t

 Elle admet alors une TRANSFORMEE DE LAPLACE :


On lit : image de f(t) est F(p)
L f (t )  F ( p )   f (t )e  pt
dt f(t)  F(p)
0

où : p =  + j ,  > 0 variable complexe.

 La transformée inverse ou originale se déduit :

f ( t )  L1 F ( p )

Où   un domaine assurant la convergence de l'intégrale.

f(t) sera calculée par la formule des résidus. Chap.2/ 60
 2.5.2 Propriétés des transformées de Laplace
6 Linéarité
1 Théorème de la valeur initiale :
Lim P . F ( p )  Lim f ( t )  f ( 0  ) L  A. f1 ( t )  Bf 2 ( t )   A. F1 ( p )  BF 2 ( p )
P t0

7 Dérivation
2 Théorème de la valeur finale :

Lim P . F ( p )  Lim f ( t )  f (  )

L f (n)

( t )  p n F ( p )  p n 1 f ( 0 )  p n  2 f (1)
( 0 )....  f ( n 1)
(0)

 
P0 t
(n)
Si conditions initiales : L f (t )  P n F ( p )
3 Théorème du retard temporel :

L  f ( t   )   e  p F ( p )
8 Intégration
4 Théorème de l’avance :
t  F ( p)
L   f ( ) d   
 
L e t . f (t )  F ( p   ) 0  p

5 Théorème de convolution :  exemple de calcul : F(t) = cste. F(p) = ?

  
L   f ( ) y (t   )d   F ( p )Y ( p )  pt  1  pt 1
F( p )   cste .e dt  cste .
p
.e  cste .
p
0 0 0

Chap.2/ 61
2.5.3. Transformées de Laplace des fonctions usuelles
Originale : F(t) Image : F(p)
Cos(at) p
p2  a2
1-cos(at) 1
 p 2 
p  1  2 ÷
 a ÷ 
a  t 1  ap
e T 1
 p (1   p )
1   Tt  t  1
 e 1  e T2 ÷
T1  T2  ÷ (1  T1 p )( 1  T2 p )
 
1   t  t  1
1  T .e  T .e T2 ÷
T
p (1  T1 p )(1  T2 p )
1

( T2  T1 )  1 2 ÷

1
1
e 
 z .a .t
sin( a 1  z 2 .t   )  1
2 , avec z
1
1  z2 p  p
p (1  2 z   ÷
1  z2 a a
avec :   arctg
z

1
1
1  z2
e 
 z .a .t
sin( a 1  z 2 .t )  1
p  p
2 , avec z
1
1 2z   ÷
a a
Chap.2/ 62
Transformées de Laplace des fonctions usuelles (suite)
Originale : F(t) Image : F(p)
1 1
p
t 1
p2
 at
e 1
pa
t 1
1 e T
p (1  Tp )
n 1
t 1
t e T
(1  Tp) n
T n ( n  1)!
t
t 1
T ( e   1)T
T p 2 (1  Tp )
( T  t )  Tt 1
1 e
T p (1  Tp ) 2
t t 1
T ( e T   1)
T p 2 (1  Tp )
Sin(at) a
p2  a2 Chap.2/ 63
 2.6 Fonction de transfert
2.6.1. Définition
x (cause) y (effet)
SYSTEME

dx ( t ) d 2 x (t ) d n x (t ) dy ( t ) d 2 y (t ) d m y (t )
a 0 x ( t )  a1 a2 2
... a n n
 b0 y ( t )  b1  b2 2
... bm
dt dt dt dt dt dt m
 dx(t ) 
L   PX ( p)  dy (t ) 
L( x(t )) X ( p )  dt  L   PY ( p)
.  dt 
L( y (t ))Y ( p )
.
et .
.
 dx (t ) 
n
L n 
  P n X ( p)  dy n (t ) 
 dt  L n 
  P nY ( p )
 dt 

  
X ( p ) a 0  a1 p  ........ a n p n Y ( p ) b0  b1 p  ........ bm p m 
Y( p ) a0  a1 p  a 2 p 2  ..... a n p n
W( p )  
X ( p ) b0  b1 p  b2 p 2  .....bm p m Chap.2/ 64
 2.6.2 Zéros et pôles

N ( p)
N ( p i )  0  p i ( i  1, 2 ... n ) Pi Zéros
W ( p) 
D( p)
D ( p i ) 0  p i ( i  1, 2 ... m ) Pi Pôles

Sortie d ’un système

y (p)
x (p)
SYSTEME

Y ( p) Y ( p )  W ( p ). X ( p )
W ( p) 
X ( p)

y ( t )  L 1 W ( p ). X ( p )
Chap.2/ 65
 Exemple

Us(t)
R
E C

dUs(t)
Us(t)  RC  E(t)
dt
Conditions initiales CI : t  0, E(t0)  0, Us(t0)  0

L Us ( t )  Us ( p )
 dUs ( t ) 
L   p .Us ( p ) Us ( p )  RCpUs ( p )  E ( p )
 dt 
L E ( t )  E ( p )
Us ( p ) 1
W ( p)  
E ( p ) RCp  1

1  1 
Us ( p )  E ( p ).  Us ( t  L1  E ( p ). 
RCp  1  RCp  1 
Chap.2/ 66
 2.6.3 Connexion des fonctions de transfert
a. Série

X(p) Y1(p) Y2(p) Y(p)

W1(p) W2(p) Wn(p)

X(p) Y(p)
Weq(p)

Y ( p) n
W eq ( p ) 
X ( p)
 W1 ( p ) .W 2 ( p ).... Wn ( p )   Wi ( p )
i 1
Chap.2/ 67
 c. En parallèle
Y1(p)
W1(p)
+
X(p)
W2(p)
Y2(p) +
 Y(p)

+
+
Yn(p)
Wn(p)

X(p) Y(p)
Weq(p)

Y ( p) n
W eq ( p )   W1 ( p )  W 2 ( p )...  Wn ( p )   Wi ( p )
X ( p) i 1 Chap.2/ 68
 b. En contre réaction
E
X(p) + Y(p)
Wou(p)
(sign)

M
Wcr(p)

X(p) Y(p)
Weq(p)

W ou ( p )
W eq ( p )  si la contre  réaction  0
1W ou ( p ).W cr ( p )
W ou ( p )
W eq ( p )  si la contre  réaction  0
1W ou ( p ).W cr ( p )
Chap.2/ 69
 Chap.3: DYNAMIQUE DES SYSTEMES
LINEAIRES

Objectifs du chapitre :

 Comment analyser la dynamique d’un système

 Calculer la réponse temporelle d’un système
 Analyser d’un point de vue temporel et fréquentiel un système
 Définir les paramètres de performance d’un système
 Étudier les systèmes linéaires types avec des exemples réels
 Évaluer sans calcul fastidieux les performances fréquentielles d’un
système

Chap.3/ 70
 ANALYSE DES SYSTÈMES DYNAMIQUES (1/2)

 Objectifs et importance de l’analyse des systèmes

X(p) y (p)
W(p)

 Comparer les performances des systèmes,

 C’est aussi l’étape préliminaire avant la réalisation d’un système de
commande.
 Cette étape représente 50% d’un projet de réalisation d’un système de
commande

Chap.3/ 71
 ANALYSE DES SYSTÈMES DYNAMIQUES (2/2)
Types d’analyse

Analyse de le la dynamique des systèmes

Analyse temporelle Analyse fréquentielle

 Analyse temporelle : l’entrée est un signal qui varie en fonction du temps,

permet d’évaluer les performances en rapidité, précision, stabilité.
Exemple : tester les performances d’un missile.

 Analyse fréquentielle : l’entrée est un signal qui varie en fonction de la

fréquence permet d’évaluer les performances filtrage, bande passante,
déphasage etc... C’est une approche souvent d’un électronicien. Exemple
: tester des enceintes acoustiques.
Chap.3/ 72
 SIGNAUX DE TEST TYPES
Critère du choix des signaux de test
 Simples
 Définis
 Capable d’exciter un régime d’exploitation le plus difficile

3.2.2. Classification des signaux de test types

SIGNAUX DE TEST TYPES

Signaux non sinusoïdaux Signaux sinusoïdaux

(analyse temporelle) (analyse fréquentielle)

signal Signal Signal Signal

de saut impulsionnel de rampe sinusoïdal
Chap.3/ 73
 A. Signal de saut
 Définition
 ( t )  e 0 pour t  0

e0  ( t )  0 pour t  0

t Echelon unitaire, si e0 =1.

 Transformée de Laplace
  e0
L e ( t )    ( t ) e xp (  pt ) dt  e0  e xp (  pt ) dt 
0 0 p

 Réalisation physique
 Ouverture d’un interrupteur

e 
 Réponse indicielle h ( t )  L1  0 .W ( p ) 
 p 
Chap.3/ 74
 B. Signal impulsionnel (fonction de Dirac)
 Définition
(t) est la fonction de DIRAC ou impulsion unitaire
(t)

t
 ( t )  0 pour t  t 0

t0 t  ( t )   pour t  t 0

 Transformée de Laplace
 l’impulsion de Dirac est la dérivée de l’échelon

d  (t )
 (t )   L  ( t )  p  ( p )  1
dt

 Réalisation physique
 Fermeture et ouverture brève d’un interrupteur

S ( t )  L1 1 .W ( p )  W ( t )
 Réponse ipulsionnelle Chap.3/ 75
 C. Signal de rampe
 Définition : e(t)

 e ( t )  tg  . t pour t  t 0
tg  
 e ( t )  0 pour t  t 0
t0


1
 Transformée de Laplace : Si t 0  0 L e ( t )  tg   t . exp (  pt )dt  tg  .
0 p2

e(t)

e(t)
 Réalisation physique :
t  t

 Domaine d’utilisation
 1 
S ( t )  L  1  tg  2 W ( p ) 
 Réponse à une rampe  p  Chap.3/ 76
 D. Signal sinusoïdal
 Définition.
e(t) e ( t )  e0 sin(  t   ) e 0 : l ' amplitude
 : la pulsation ou fréquence angulaire ( rad / s )
 / 2 : la fréquence ( hertz )
t
 : phase ( radian )


 Transformée de Laplace : Si   0 L e ( t )  L e0 sin(  t )   e0
p2   2

 Réalisation physique : Générateur de signaux

 Domaine d’utilisation :

  
S ( t )  L1  2 W ( p )
 Réponse à une sinusoïde  p 
2
 Chap.3/ 77
 CALCUL DE LA RÉPONSE D’UN SYSTÈME
 Principe

X(p) y (p)
W(p) Y ( t )  L1 Y ( p )  L1 X ( p ).W ( p )

Comment calculer l ’originale ?

Méthodes pour déterminer l’originale d’une fonction

Méthode des résidus Application des transformées de Laplace

Chap.3/ 78
 A) Méthode des résidus
 Principe
N ( p) n
F ( p)  D ( p )  0  ( Pi ( i  1, 2 ... n ) Y ( t )   Res Y ( p )
D ( p) i1

Cas pôles simple

n
N ( p ) pk t
L F ( p ) F (t )  
1
e
ik D ' ( Pk )
D ( p )  a0  p  p1 .... p  p k ... p  p n  n
F (t )  Lim .Y ( p ).( p  pi ).e pi .t
i 1 p  pi

n mk
F (t )    H kj t 
mk  j 
e pk t
Cas pôles multiples k 1 k 1

D ( p )  a0  p  p1 m1 ... p  p k mk ... p  p m mn 1 d j 1   p  p k m k N ( p ) 

H kj   
 j  1 !  m k  j ! dp j 1  D ( p )  p  p k

Chap.3/ 79
 B) Application : Equations différentielles par la méthodes de résidus

R L

Ve i C Vs dVS (t ) d 2VS (t )
Ve (t )  RC.  LC. 2
 Vs (t )
dt dt

dV (t ) d 2V S ( t )
soit R  2, C  1Farad, L  1 Henry V e (t )  2 . S
 2
 V S ( t ),
dt dt

1. On passe à la transformée de Laplace pour chaque variable

L Ve ( t )  Ve ( p )
L Vs ( t )  Vs ( p )
 dVs ( t ) 
L   p .Vs ( p )
 dt 
 d 2 Vs ( t )  2
L 2   p .Vs ( p )
 dt 
Chap.3/ 80
 B) Application : Equations différentielles par la méthodes de résidus

2. On remplace les transformées de Laplace dans l’équation différentielle temporelle :

V e ( p )  p 2 Vs ( p )  2 pVs ( p )  V s ( p )

3. On exprime (la sortie) Vs(p) en fonction de l’entrée

 
Vs ( p ) p 2  2 p  1  Ve ( p )  Vs ( p ) 
Ve ( p )
p 2  2 p 1

4. On fixe une entrée (exemple Ve(t) = 5V , donc Ve(p) = 5/p )

5
Vs ( p ) 

p . p 2  2 p 1 

5. On détermine les pôles


p p 2  2 p 1  0 
P 1  0 , P 2  P3   1
Chap.3/ 81
 B) Application : Equations différentielles par la méthodes de résidus

6. on applique la formule des résidus :

A. Pour le pôle simple :

 5. p 
Vs 1 ( t )  Lim  e 0 .t 5. Solution homogène
p   0  p  p  1 2 
 

B. Pour le pôle double

 d 2 1  5  p  1 2 
Vs 2 ( t ) 
1
( 2  1 )!
Lim 
p    1  dp 2  1

 p  p  1 2 e
pt
  
    5 e  t t  1  Solution particulière
   

7. Solution générale 
Vs(t )  Vs1 (t )  Vs2 (t )   5 et t  1  5 

Chap.3/ 82
 Etude fréquentielle d’un système
 Principe
x ( t )  x 0 sin(  t ) y(t) = ?
SYSTEME

  
Y ( t )  L  1 Y ( p )  L  1 X ( p ).W ( p )  L  1  x 0 . 2 2
.W ( p )    Re s . X ( p ).W ( p )
 p   poles de X ( p ) et W ( p )

Ce qui nous intéresse dans une étude fréquentielle, c’est le régime permanent c’est à
dire la composante pour les pôles de X(p), c’est à dire
p 2   2  0  p1   j  et p 2   j 

y( t )  x0 . A(  ).sin[  t   (  )]

 Conclusion
 Si on applique à un système linéaire de fonction de transfert W(p) un signal d’entrée x0
sinusoïdal d’amplitude et de pulsation , alors on obtient à la sortie un signal aussi
sinusoïdal mais déphasé de ( ) et d’amplitude A(). Chap.3/ 83
 Caractéristiques fréquentielles naturelles

1. Caractéristique Amplitude Fréquence (CAF) A()

2. Caractéristique Phase - Fréquence (CPF) () :

3. Lieu de Nyquist CAPF : W(j)

 Calcul des caractéristiques

A ( )  Re(  ) 2  Im(  ) 2
W ( j  )  Re(  )  j Im(  )  Im(  ) 
 (  )  arctg  
 Re(  ) 

Chap.3/ 84
Exemple de calcul du lieu de transfert

1
W ( p) 
p

Re ( )  0
1 1
W ( j )   0  j. . 1
j  Im(  )  


1
A ( )  Re ( ) 2  Im(  ) 2 

 Im(  )   1  
 ( )  arctg    arctg   0 . )   
 Re ( )    2

Lieu de Nyquist Im(

0
 Re(


2

A( ) Chap.3/ 85
 Caractéristiques fréquentielles logarithmiques
 1. DIAGRAMME DE BODE : Ensemble des caractéristiques amplitude et phase
en fonction de la fréquence construites sur l’échelle logarithmique.

L (  )  20 . log A (  ) ( en décibel )
 Courbe de gain :

 (  ) ( en degré )
 Phase

 Bel ? : On appelle niveau de pression acoustique d’une onde sonore sinusoïdale, la

grandeur proportionnelle au logarithme décimal du rapport de la pression effective Pef
de cette onde au seuil d’audibilité P0 pour une fréquence donnée de l’onde.

 2. DIAGRAMME DE BLACK (LIEU DE NICHOLS)

 Abscisses : phase en degrés
 ordonnées le module exprimé en dB
Chap.3/ 86
 Tracer les courbes par logiciel Matlab
Nyquist Diagram
1

0.8

0.6

N=[1]; 0.4

Imaginary Axis
D=[3 2 1] 0.2

nyquist(N,D) -0.2
System: sys
Real: 0.907
Imag: -0.519
-0.4 Frequency (rad/s): 0.238

-0.6

-0.8

-1
-1 -0.5 0 0.5 1
Real Axis

Nichols Chart
10

N=[1]; -10
Open-Loop Gain (dB)

-20

D=[3 2 1] -30

nichols(N,D) -40

-50

-60

-70
-180 -135 -90
Open-Loop Phase (deg)
-45 0 Chap.3/
45 87
 Tracer les courbes par logiciel Matlab

Matlab Bode Diagram

10
0
N=[1];

Magnitude (dB)
System: sys
-10 Frequency (rad/s): 0.146
D=[3 2 1] Magnitude (dB): 0.172
-20
bode(N,D)
-30
-40

-50
0

-45
Phase (deg)

System: sys
-90 Frequency (rad/s): 0.419
Phase (deg): -60.5
-135

-180
-2 -1 0 1
10 10 10 10
Frequency (rad/s)

Chap.3/ 88
 Analyse fréquentielle : par Matlab-Simulink (1/P+1)
1. Matlab 0
Bode Diagram

System: sys
-10

Magnitude (dB)
Frequency (rad/s): 1.04
Magnitude (dB): -3.18

N=[1]; -20

D=[1 1] -30

bode(N,D) -40
0

Phase (deg)
2. Simulink -45

-90
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/s)

Basse fréquence 1 rd/s Haute fréquence 10rd/s

Signal sortie

Signal entrée
Chap.3/ 89
periode, correspond à T secondes ou à  =360°
T  740ms
T  6290ms T  6290ms
T
   .360  45
T

Chap.3/ 90
 PARAMÈTRES DE PERFORMANCES (1/4)
 Comment ils sont obtenus ?

 Types de paramètres de performances

Performances d’un système de commande

Processus transitoire Précision Stabilité

Chap.3/ 91
PARAMÈTRES DE PERFORMANCES (2/4)
2
y(t)
Régime transitoire Régime permanent
D MESURE
1,5
A1
A2
± 5%. y(  )
Y(1

Xc
Erreur de
0,5 CONSIGNE réglage

0
0
 1 3 5 7 9

tm tpr x(t) [s]

te
-0,5

Chap.3/ 92
 PARAMÈTRES DE PERFORMANCES (3/4)
Rapidité
 Temps de réponse tpr
 Temps de montée tm
 Temps de retard pur 
 Temps d’établissement te

Performances d’amortissement
 Dépassement (overshoot) :

A1 y  y(  )
d  .100%  m ax .100%
y(  ) y(  )

 Taux d’amortissement (damping ratio)

A1  A2
 
A1
Chap.3/ 93
 PARAMÈTRES DE PERFORMANCES (4/4)
 Performances en précision

 Erreur statique   lim  y ( t )  x c ( t )   lim p Y ( p )  x c ( p ) 

t p0

t pr

 Erreur dynamique Ed    y ( t )  x c ( t ) 2
dt
0

 Performances en stabilité
 Un système est dit stable si à une entrée limitée, la sortie est aussi limitée.

système instable
système stable
s(t)
s(t)

t Chap.3/ 94
t
Exemple

Stable , non précis

Stable , précis

Instable

Chap.3/ 95
 ANALYSE DES SYSTEMES LINEAIRES TYPES

 Classification
SYSTÈMES DYNAMIQUES TYPES

k k
Naturellem ent stable : W ( p )  N aturellem ent instable : W ( p )  Particulier
1   ai p i 
p 1   ai p i 

d ' o rd re zé ro k k
Prem ier ordre : W ( p )  2 - iém e o rd re : W ( p ) 
W( p)  K a0  a1 p a0  a1 p  a 2 p 2

a v e c r e ta r d p u r à d é p h a s a g e n o n m in im a le
1  T1 p
W ( p )  K e  p W( p) K
1  T2 p
In té gra te u r p u r A p é rio d iq u e D é riv a te u r ré e l
k k 1  T1 p
W( p)  W( p)  W( p) K
p a0  a1 p 1  T2 p

Chap.3/ 96
 Méthodologie de l’analyse d’un système
 Étapes d ’analyse

ANALYSE DE LA DYNAMIQUE D’UN SYSTÈME TYPE

Equation différentielle

Fonction de transfert

Analyse temporelle Analyse fréquentielle

Echelle naturelle Echelle logarithmique

Réponse indicielle
Caract.amplitude fréquence Diagramme de Bode
Réponse impulsionnelle
Caract. phase fréquence Diagramme de Nichols
Réponse à une rampe Diagramme de Nyquist

Chap.3/ 97
 A. Elément intégrateur pur
1. Définition t
x(t)

y(t) y( t )  k  x ( t )d t
0

Y ( p) K
W ( p)  
2. Fonction de transfert X ( p) p

3. Exemple
Qe [m3/s]
dV dh (t)
Q e(t)   S ,
dt dt
t
1
Qe [A]
C
h (t) 
S 
0
Q (t)dt

h(t) [V] H ( p) 1 K
h(t) [m] W ( p)   
Q e( p ) S.p p

Chap.3/ 98
 Elément intégrateur pur (suite)
4. Lieu de Nyquist Im

K K
W ( j )   0  j
j   
 Re
K  
A( )  ,  (  )  a r c tg (   )   2
 2  0

6. Réponse indicielle
y(t)

X0 K X0
y ( t )  L 1  .   X 0 . K .t
 p p tg  X 0.k
0 t

7. Conclusion
Chap.3/ 99
 B) Élément du premier ordre
x(t) dy( t ) y(t)
1. Définition a0  a1 y( t )  bx( t )
dt

a0
T constante de temps [seconde]
dy ( t ) a1
Forme réduite T  y ( t )  Kx ( t )
dt b  Δy 
K= Gain statique  Δx 
a1

K
2. Fonction de transfert W( p) 
TP  1

3. Exemple

dV S T  RC ,
V e( t )  R C .  Vs ( t )
dt Vs
R i K   1
Vs V s( p ) 1 Ve
C
W( p)  
V e( p RCp  1
Chap.3/ 100
 Système hydraulique : reservoir
Qe [m3/s] R

Qe [A] C Qs [A]

h(t) [V]
h(t) [m] V [m3] R

dq dU s(t)
Po [Pa] Q e(t)  Q s(t)   C
Qs [m3/s] dt dt
Pat=0 UR Us
Q s(t)  
dV dh (t) R R
Q e(t)  Q s(t)   S
dt dt dU s(t ) Us
C   Q e(t)
(Po  0) g dt R
Q s(t)   h (t )
Rv Rv U s( p ) 1/ R K
W ( p)   
dh (t) g Q e( p ) RCp  1 Tp  1
S  h (t)  Q e(t) T  RC
dt Rv
H ( p) Rv / ( g ) K
W ( p)   
Q e( p ) Rv Tp  1
S.p  1 
g
S
T  Rv  RC
g Chap.3/ 101
 Système thermique
m : masse de la soudure [kg]
S : surface d’échange de chaleur de la soudure [m²]
Te : Température du milieu à mesurer [°c] (entrée)
E(t) Ts : Température de la soudure du thermocouple [°c]
 : Coefficient de transfert de chaleur [j/(sec.m².°c]
CT : Capacité calorifique de la soudure [j/(kg.°c]
Ts E(t) : tension de sortie [mV] (sortie) = KTs (proportionnelle à Ts(t)

Te

 S Te  Ts dt  mC T dTs

m C T d T s( t ) m CT dE ( t ) m
.  T s( t )  T e ( t ) ou .  E ( t )  K T e( t ) T  .C T .
S dt S dt S
K  E
W( p)  K  [ Mv/c]
TP  1  Te

Analogie thermique_Electrique, hydraulique

1 m
T  RC R  C  V  CT
Q S Chap.3/ 102
T1 T2
Q

Chap.3/ 103
  Réponse indicielle d’un élément de premier ordre
 t 
1  
X0 K 
y( t )  L    K X 0  1  e T 
 p 1  T p  
   
  

  K X 0  y(  )
y( t   )  K X 0 1  e T
 
 
y(t)  
T 
y( t  T )  K X 0  1  e T   0 ,6 3 y (  )
 
 
0,95  3T 

y( t  3T )  K X 0  1  e T   0 ,9 5 y ( 
 
 

0,63

Le temps du proc. Trans. = 3T

t= T, la réponse atteint 63%

0
de la valeur finale
1 2 3 t
T
3T

Chap.3/ 104
 Lieu de Nyquist d’un élément de premier ordre
K K KT
W ( j)   j
1 jT 1T 2 1T 2
K
A() 
1T 
2
Relation temps-fréquence
 ()   arctg(T )
1 1
Fréquence de coupure : c   fc 
T 2 T
Im 1
Bande passante BP : [0, ]
T
temps de montée : tm . f c  0.35
0
=0 on augmente le temps de montée
en élargissant la BP
Réel
= =/4

=1/T

Chap.3/ 105
 C) Élément du second ordre
x(t) 2 y(t)
1. Définition dy ( t ) dy( t )
a2  a1  a0 y( t )  bx( t )
dt 2 dt

dy2( t ) dy( t )
Forme réduite  2n  n2 y( t )  K.n2x( t )
dt 2 dt

2. Fonction de transfert Y( p ) K .n 2

W( p )   2
X ( p ) p  2n p  n 2

3. Paramètres fondamentaux
a0
 n  pulsation propre non amortie ou pulsation naturelle [ rad / s ] 
a2
a1
  coefficient d ' amortissement 
2 a0 . a 2
a0
K  gain statique  coeffcient
b Chap.3/ 106
  Exemples d’élément du second ordre
dV S d 2VS
Ve  RC .  LC . 2  V S
dt dt
1
Vs( p ) LC
R i W( p)  
L Ve ( p ) R 1
Ve C Vs p2  p 
L LC
1 R
n  ,   , K  1
LC 1
2. L.
C

J
Cm(t ) ct d 2  S (t )
cf s( t ) J. Cm C R ;
2
dt
f d S ( t )
Ke C R C f C t  Ke S (t ) f
dt

Ke 1 f
s( p ) n  ,   , K 1
W( p )   J J 2 . J . Ke
Cm ( p ) p 2  f p  Ke Ke
J J Chap.3/ 107
Vanne automatique
DEMO

Chap.3/ 108
 Vanne pneumatique de réglage
Controller 0,2 -1 bar
3 - 15 psi
Pe
d2 X dX
1 m   keX  f  Pes
dt 2 dt

2
s s Ke
. .
X ( p) m K e m
W ( p)   
Pe( p) f K e f Ke
p2  p  p2  p 
3 m m m m
6 x 7
4
5
1 f s
n  ,   , K 
m m Ke
2.
Ke Ke

Rf
L J m
Analogie
Ke  1/C
Chap.3/ 109
 Réponses indicielles d’un élément de 2-iéme ordre
1. Echelon unitaire
x(t) 1  1 n 2 
y (t )  L  . 2
 
y(t) 2 
SYSTEME  p p  2 n p   n 

2. De quoi dépend la sortie ?

D( p)  p2  2.n. p  n2  0   n2  21  

Du coefficient d’amortissement 

 =1  >1  <1

P1  P2    n p1    n   n .  2 1 p1    n  j. n . 1   2
2
p 2    n   n .  1, p 2    n  j n . 1   2
Chap.3/ 110
 Réponses indicielles pour # valeurs de 
 Cas 1
P1  P2    n  nt
 =1 y(t) 1  (1   nt ).e

1.2

1
t pr  4,8sec.
Y(t)

Point d'inflexion
d 2 y(t ) 1
  0  tI  1
dt 2 n
D0

0 2 4 6 8 10 12 14
tpr t (sec)

Chap.3/ 111
 Réponses indicielles pour  > 1
 Cas 2  >1 p1    n   n .  2 1
p 2    n   n .  2 1,

K n2 K n2 1 1
W( p)   . où T1  , T2 
 p  p1  p  p 2  p1 p 2 1  T1 p 1  T2 p  p1 p2

  2  t t 
Y(t)

 
 T1 T2 
1
y( t )   1  e T 
1
e T2

 T1  T2 T1  T2 
 

  4
t pr  3.T1  T2 

0 10 20 30 40 50
t (sec) Chap.3/ 112
 Réponses indicielles pour  < 1
 Cas 3  <1 p1    n  j.  n . 1   2
p 2    n  j n . 1   2

 1  1 2  
y ( t )  KX 0 1 e   . n .t
. sin   n 1 2 .t  arctg 
 1 2   
  

ymax
D1
D2

X0=1

Chap.3/ 113
0 tm te tpr 20 t (sec) 30
 Paramètres de performances d’un système de deuxième ordre oscillant

1. Temps du processus transitoire

Réponse impulssion nelledu 1er ordre :
y (t )  A.e  n t sin(  t ) 
t
1
y (t )  e T  e  n .t  T  
 n
Enveloppe : e  n t

3 ln( 20 )
t pr  3.T  
 n  n

 2. Nombre d’oscillations t pr  N . 2  N . 2
 N
3
1  2
 n 1   2 2
Chap.3/ 114
 Paramètres de performances d’un système de deuxième ordre oscillant

3. Dépassement
ymax  y()
D .100 %
y()

dy(t )
ymax  ?.   0   t  K ( K 1, 2 , 3...)
dt

1er pic : K=1, 2ème pic K=2, etc...

K

K impair : 1 2
ymax  1  e
K
K pair : 
1 2
ymin  1  e

Chap.3/ 115
 Paramètres de performances d’un système de deuxième ordre oscillant

 4. Temps d ’établissement
 Pour un échelon unitaire
 1 D1
ln
 2 D2
ymax  1 1 2 
D e  1 D 
2
1 1   ln 1 
 2 D2 


te  temps d'établissement ( K  1)


5. Taux d ’amortissement
2

D D 1  2
  1 2  1e
D1
Chap.3/ 116
 Réponses indicielles pour  = 0
 Cas 4  =0 p1   j. n .
p 2   j n

1  1  2

y (t )  L  . 2 n
 1  cos( nt )

 p p  n 
2 

Y(t)

D2

t
Chap.3/ 117
 Exercice

Xc(t) Ys(t)
1
K a 2 p 2  a1 p  a0
-

Valeur de K pour avoir les meilleurs performances en boucle fermée ?

K
Wf ( p ) 
a2 p2  a1 p  a0  K

K  
  2
Wf ( p ) 
a2 a
 D( p )  p 2  2. 1 .
1  . a0  K p   a0  K 

a a K  2 .a 2 a  K  a2  a2 
p2  1 p 0  0

a2 a2  a2 

 

a 1

a12  4 a0  2 a 2 1 a12  2a0 a2
   1
 2 .a 2
.  .  K  Pour   07
,  , K
a0  K  4 2 a 2 2 2a2
 
 a2 
Chap.3/ 118
Diagramme de Nyquist d’un élément du second ordre

F ré q u e n c e ré d u ite : u 
n
 
 1  u2 2u 
W ( j )  K   j 
   
2 2 2
 2  u   2  u 
 1  u2 2 2 
1  u
 
K
A( ) 
 
2
1  u2  2  u  2
2u
 (  )   a rc tg
1  u2

Im

Résonnance
Re dA(  )
0  0   R  n . 1  2 2 avec   0 ,7
d
K
Amax 
2 . 1  2 2

u=1
Chap.3/ 119
 Résumé des performances d’un système de deuxième ordre
 Paramètres de performances normalisés
 [-] 5 2 1 0,9 0,7 0,5 0,343 0,30 0,22 0,11 0,01 0
t pr [s] 30 12 4,75 4 2,8 4 8 11 15 30 300 
D [% ] - - - 1 4,5 17 30 38 50 70 95 100
 [-] - - - 1 0,998 0,973 0,9 0,87 0,75 0,41 0,13 00

 Conclusion général sur un système de 2-iéme ordre

 Dans le domaine temporel,
 lorsque  <1, le système a tendance à osciller longuement avant immobilisation.
  = 0,7 est optimal du point de vue stabilité précision.
 Pour  > 1, (frottement important, élasticité réduite), les régimes sont hyper amortis et lents.
Le système perd alors son «agilité», un tel cas est à éviter en SRA lorsque la structure s’y
prête en agissant par exemple sur le gain du correcteur.

 Dans le domaine fréquentiel,

 Le système suit presque sans inertie l’entrée à basse fréquence mais présente un
déphasage qui tend vers -180 degrés à haute fréquence.
 Système avec retard pur (1/2)
 Définition
x(t) y(t)
SYSTEME
y( t )  x( t  )

x( t )
Exemple V
 
l
l y( t )

Fonction de transfert
Y( p )
W( p )   e p
X( p )

x( t )
y( t )  x( t   )
Réponse indicielle
 y( t )
Chap.3/ 121
 Système avec retard pur (2/2)
Diagramme de Nyquist
Im
R=1

W ( j )  e  j  cos   j sin 

0
A(  )  cos   2
  sin    1
2
Re
sin 
 (  )   arctg   
cos 

 Conclusion
 Système du aux phénomène de très grande inertie, jeux mécaniques
 Véritable « poison » pour la régulation car déstabilise le système du au
déphasage négatif

Chap.3/ 122
 Tracé des caractéristiques fréquentielles des systèmes (1/4)

 Problématique
 Soit donné un système quelconque de fonction de transfert W(p) :
b0  b1 p  ...  b0  bm p m
W ( p) 
a0  a1 p  ...  a0  an p n

 On veut représenter d’une manière simple et rapide les diagrammes de Bode, Nyquist et
Black.

Pourquoi une telle démarche ?

 Eviter les calculs fastidieux de W(j).
 Evaluer rapidement la stabilité du système et les performances du système.

Chap.3/ 123
 Tracé des caractéristiques
fréquentielles des systèmes

Chap.3/ 124
 Tracé des caractéristiques fréquentielles des systèmes (2/4)

 Principe de la méthode
 Un système linéaire quelconque est formé d’éléments simple d’ordre zéro, du
premier ordre, deuxième ordre et d’intégrateurs et ou dérivateurs d’ordre .. W(p)
peut être factorisée en éléments simples


r

q

W ( p )  Kp .  1   i p  .  p 2  2n p  n2
i
 

i 1  1
K : Gain statique (constante )   (  0)
 ,  ,  : Z ( entier positif ou négatif)
r : Nbre d' éléments du premier ordre
q : Nbre d' éléments du deuxième ordre

K : Sytème d' ordre zéro

p : Intégrateur (α  0)
ou dérivateur (α  0) ) d' ordre α
1  p  : Sytème d' ordre 1
p 2  2n p  n2 : Sytème d' ordre 2 Chap.3/ 125
 Tracé des caractéristiques fréquentielles des systèmes (3/4)

 Propriété
 Le gain logarithmique et le déphasage d’un produit de facteurs s’obtient en faisant la
somme algébrique des gains et des phases des différents facteurs ( PS: Le gain naturelle
est par contre le produit des gains des différents facteurs)

 
r q
 i
L( )  20 log W ( j )  20 log K . p . 1  p  .  p 2  2n p  n2


 Calcul du Gain i 1  1

L( )  20 log K  20 log j 

r
20 log  1   i . j  i 
i 1

20 log  j  2n j  nl 


q
2 2  

 1

Sachant que : W ( j  )  Re(  )  j . Im(  )  Re(  ) 2  Im(  ) 2

r

L( )  20 log K   .20 log   10i . log 1   i . 2  
i 1

   4l2 2n2 

q
 2
10  . log   2  n2
l 1 
Chap.3/ 126
 Tracé des caractéristiques fréquentielles des systèmes (4/4)

 Calcul de la phase
 ( )  arg(W ( j )  arg( K )  arg( j  ) 
 r 
arg  1   i . j i  
 i 1 
 q

arg  j 2  2n j  nl2   

  1 

 Im( ) 
Sachant que : argW ( j  arg(Re( )  j.Im( ))  arctg  
 Re( ) 
 r q

 ( )  arg( K )   .   i arg1   i . j      arg  j 2  2n j  nl2
2

i 1  1

 Conclusion
 Il suffit de savoir exprimer le gain el la phase des éléments de base pour en
déduire par simple sommation, le gain et la phase de W(j)

Chap.3/ 127
 Représentation des éléments de base (1/3)
 Gain K
 La courbe est une horizontale
W ( p)  K L() [db] () [rad]

Gain : L( )  20 log K 20logK

0 si K  0
Phase :  ( )   0 0
 si K  0 1 Log() 1 Log()

 Dérivateur L() [db] () [rad]

W ( p)  p
+1 
Gain : L( )  20 log j  20 log  
2
 0 0
Phase :  ( )  arg( j )  1 Log() 1 Log()
2

20db/décade ou 6db/octave est noté +1

Chap.3/ 128
 Représentation des éléments de base (1/7)
 Intégrateur

1
W ( p)  L() [db] () [rad]
p
1
Gain : L( )  20 log  20 log  0 1 0
j 1
Log() Log()
1  -1
Phase :  ( )  arg( ) 

j 2 2

Chap.3/ 129
 Représentation des éléments de base (2/7)
Premier ordre (1+p)
W ( p )  1  p Amplitude

Gain : L( )  20 log 1  j  10 log 1   2 
L() [db]
Asmptote +1

  1  L( )  0, pente égal à 0

0 3db
  1  L( )  10 log ,0, pente égal à 1
  1  L( )  3db 1 1/ Log()

Phase :  ( )  arg( 1  j  )  arctg ( ) () [rad] Phase

Asymptote 

  1   ( )  0 2
 
  1   ( )  
2 4

  1  L ( )  0
4 Log()
1 1/

Chap.3/ 130
 Représentation des éléments de base (3/7)
Premier ordre : (1+p)-1 Amplitude
L() [db]

0 1 1/

W ( p )  1  p 1 -3db Log()

Gain :
L( )  20 log 1  j  1

 10 log 1   
2
 -1

Phase :
() [rad] Phase
 ( )  arg1  j   arctg ( )
1

0 1 1/
Log()

Changement de signe par rapport à (1+p) 


4



2 Log()

Chap.3/ 131
 Représentation des éléments de base (4/7)
W ( p )  1  p
W ( p )  1  p 1
Amplitude
Amplitude
L() [db]
L() [db] +1
0 1 1/

-3db Log()
0 3db
1 1/ Log()
-1

() [rad] Phase () [rad] Phase



0 1 1/ 2
Log() 

 4

4 0
1 1/ Log()


2 Log()

Chap.3/ 132
 Représentation des éléments de base (5/7)
 Deuxième ordre : en numérateur
W ( p )  p 2  2n p  n2
Gain :
 
L( )  20 log   2  n2  2 jn
Asymptote :
  n  L( )  40 log n  cste, pente 0

  n  L( )  40 log  , pente  2

  n  L( )  20 log 2n 
2

Phase :
 
( )  arg   2  n2  2 jn
Asymptote :

 2
   n  ( )  arg( n )0

2
  n  ( )  arg     

 

2
    ( )  arg 2 j  arctg 
2 2 n  
n n  0   
   2

Chap.3/ 133
 Représentation des éléments de base (6/7)
 Deuxième ordre : au dénominateur Changement de signe par rapport au cas précédent


W ( p )  p 2  2n p  n2 1
Gain :
 
L( )  20 log   2  n2  2 jn
Asymptote :
    L( )  40 log   cste, pente 0
n n

  n  L( )  40 log  , pente  2


  n  L( )  20 log 2n2 
Phase :
 
( )   arg   2  n2  2 jn 
Asymptote :

 2
  n  ( )   arg(n )  0

2

  n  ( )   arg     arctg (

0
2
)  


   2n2 
  n  ( )   arg 2 jn   arctg 

2
 0 
  
2
 
Chap.3/ 134
 Représentation des éléments de base (7/7)
 Retard pur
W ( p )  e Tr . p Amplitude
L() [db]

W ( j )  e Tr. j  cos(Tr )  j sin(Tr ) 0 1

Gain : Log()
L( )  20 log W ( j )  20 log 1  0
Phase
  sin(Tr ) 
( )  arctg    Tr
 cos(Tr ) 
() [rad] Phase

0°
1 Log()

Chap.3/ 135
Tracé des diagrammes fréquentiels : Résumé (1/2)
Variation de la phase
 1
ou  n
0  

p   
  
2 2 2
1   
  
p 2 2 2
 
1   p  0  
4 2
1 
0  
1   p  
4 2
1   p   
0  
4 2
1  
0  
1   p  4 2

p 2
 2 n  p   n2
0 

2
 

1   
 p 2  2 n  p   n2 0 
2

e  Trp 0   Tr 
Chap.3/ 136
Tracé des diagrammes fréquentiels : Résumé (2/2)
Variation de la pente : ± correspond à ± 20db par décade
 1
ou  n
0  

p 

1
p 

1   p  0 
1
0 
1   p 
1   p  0 
1
1   p  0 

p 2  2 n  p   n2  0  2

1
p 2
 2 n  p   n2 0  2

e  Trp 0 
Chap.3/ 137
 Application : exemple 1 (1/4)
K
W ( p)  , K  0,  1   2  0
p .1   1 p 1   2 p 

Valeurs caractéristiques de la pulsation : 1  2

 GAIN et PHASE
L( )  20 log W ( j )  20 log K . j 1.1  1 j 1.1   2 j 1

 
 20 log K  20 log   10 log 1  1 2  10 log 1   2 2  

 ( )  arg(W ( j ))  arg K  arg( j 1 )  arg 1  1 j 1  arg 1   2 j 1  
L( )  20 log K  20 log  Pente -1
1
Pour   
1  ( )  arg(k )  arg( j ) 1  
2 Pente -3

L( )  20 log K  20 log   20 log(1 )  20 log( 2 )

Pour  
1
2
 
 ( )  arg(k )  arg( j ) 1  arg (1  j1 ) 1  arg (1  j 2 ) 1  
   3
   
2 2 2 2
Chap.3/ 138
 Application : exemple 1 (2/4)
Pente -2

L( )  20 log K  20 log   20 log(1 )

Pour
1
1
 
1
2

 ( )  arg(k )  arg( j ) 1  arg (1  j1 ) 1 
 
    
2 2

Le diagramme pseudo asymptotique correspond à la sommation

des diagrammes associés à K, 1/p, 1/(1+1p) et 1/(1+2p)

Fréquence pour laquelle le déphasage est de -


 ( )    arctg (1 )  arctg ( 2 )  
2
 1  xy 
soit arctg ( x)  arctgy  arct  
1  xy 
1. 2  1   
1 2

Chap.3/ 139
 Application : exemple 1 (3/4)
L() [db]
-1
Diagramme pseudo
asymptotique

-2
0 1 1 1 K
Diagramme réel
1 2 Log()

() [rad]
-3
1
0°
1 2
Log()


2


3
 
2
Chap.3/ 140
 Application : exemple 1 (4/4)
Tracé du diagramme réel à l’aide de Matlab
K
W ( p)  , K  0,  1   2  0
p .1   1 p 1   2 p 

k=1;
tau1=10;
tau2=1;
num=k;
den1=conv([1 0],[tau1 1])
den=conv(den1, [tau2 1])
bode(num,den), grid, title('bode par MAtlab')

Chap.3/ 141
 Application : exemple 2 (2/3)
K
W ( p)  K  0,
 2
p. p  p  4 ,

Valeurs caractéristiques p 2  p  4  p 2  2 n p   n2   0, 25,  n  2

 GAIN et PHASE
L( )  20 log K  20 log   10 log n2   2

 2  4l2 2n2 
 
( )   arg n2   2  2 jn 
Pente -1
L( )  20 log K  20 log   40 log n
Pour    n
 
 ( )  0  0 Pente -3
2 2
L( )  20 log K  20 log   40 log   20 log K  20 * 3 log 
Pour    n
  3
 ( )  0   arg( 2 )  0    
2 2 2

Pour    n

L( )  20 log K  20 log n  20 log 2n2  20 logK / 4  
  
 ( )  0   arg(0  j 2n2 )  0    
2 2 2
Chap.3/ 142
 Application : exemple 2 (3/3)
Digramme asymptotique
Digramme de Bode réel tracé à l’aide
de Matlab
L() [db] Amplitude
-1
0 1
n Log()

-3 -1

Phase
() [rad]
0°

 Log()

2

3
 
2

Chap.3/ 143
 Diagramme de Nyquist (1/3)
 Lieu de Nyquist ?
 Il représente l’évolution en coordonnées polaires du nombre complexe W(p) lorsque p parcourt le
«contour d’exclusion de Nyquist» qui est toit simplement le contour qui entoure tous les pôles et zéros de
W(p) compris dans le demi plan complexe caractérisé par une partie réelle positive. (voir Figures)

Im
→+ Im

+j2

+j1
→0+
→0- Re Re
-j1

-j2
→-

Contour d’exclusion de Nyquist

Cas où les pôles sont imaginaires purs : on les

Chap.3/ 144
évite en les contournant
 Diagramme de Nyquist (2/3)
Règle
 Le tracé du diagramme de Nyquist commence par le tracé du lieu de
Nyquist pour  variant de 0 à +
 La partie correspondant à  variant de 0 à - s’obtient par symétrie du
lieu de Nyquist par rapport à l’axe réel

Exemple
K
W ( p)  , K  0,  1   2  0
p.1   1 p 1   2 p 

K ( 1   2 ) K (1   2 1 2 )
W ( j )    j  Re( )  j Im( )
 (1   2 12 )(1   2 22 )  (1   2 12 )(1   2 22 )

Chap.3/ 145
 Diagramme de Nyquist (3/3)
Points particuliers

  0 , Re(  )   K ( 1   2 )
Im
Intersecti on avec l' axe des réels  0 pour   -   K ( 1   2 ) 
1 0
 (  )  -  (exercice précédent)
 1 2 Re
1 K  1 2
Pour Re(   )
 1 2 1   2 1
 
 1 2

0
Simulation sur Matlab
 Nyquist(num, den)

Chap.3/ 146
 Diagramme de Black
Lieu de Black
 C’est une représentation cartésienne de W(j) avec phase en degré (abscisse) et
gain en db (ordonnées). Sa détermination passe par le diagramme de Bode.

Exemple 0
Gain (db)

1
 
 1 2
K
W ( p) 
p .1   1 p 1   2 p  0
-270 -180 -90 °


Utilisation de Matlab
 Nichols (num, den)
Chap.3/ 147
 Chap.4
PERFORMANCES D’UN SYSTEME
de
COMMANDE

Objectifs du chapitre :

 Définir et calcul des paramètres de performances d’un système

 Calculer les conditions de stabilité des systèmes
 Évaluer le degré de stabilité
Comprendre le dilemme stabilité-précision par un exemple Chap. 4.148
 4.1 PARAMÈTRES DE PERFORMANCES (4/4)
 Performances en précision

 Erreur statique   lim  y (t )  xc (t )   lim p Y ( p )  xc ( p ) 

t p0

t pr

 Erreur dynamique E d    y (t )  x c (t ) 2 dt
0

 Performances en stabilité
 Un système est dit stable si à une entrée limitée, la sortie est aussi limitée.

système instable
système stable
s(t)
s(t)

t Chap.4/ 149
t
 4.2 STABILITÉ DES SYSTÈMES

 1. CONDITIONS GÉNÉRALES DE STABILITÉ

X(p) y (p) n
y (t )  L 1
X ( p )W ( p )   C i e p t
W(p)
i

i 1

 La forme de la sortie dépendra la nature des pôles :

n
 Pôles pi réels y (t )   Ci e pit
i 1

 Parmi les n pôles existe une paire de pôles complexes P12 =±J
n2
y (t )   Ci e pit  e t .sin(  t )
i 1 Chap.4/ 150
 4.3. Influence de la position des pôles sur la stabilité

1 1
y ( t )  e  t . sin (  t ) o ù   0 0.8 n
y( t )   Ci e pi t , pi  0
i1
0
0.4
Stable Stable
-1 00 2 4 6 8 10
0 2 4 6 8 10
25
20
y ( t )  e  t . sin (  t ) o ù   0 20 n
y( t )   Ci e pi t , pi  0
i1
0
instable 10 instable

-20
0 2 4 6 8 10
0
0 2 4 6 8 10

Un système est stable si et seulement si tous les pôles de sa

fonction de transfert sont à partie réelle négative. Ils se
situent tous strictement à gauche de l’axe imaginaire du plan
complexe.
Chap.4/ 151
 4.4 Influence de la position des pôles sur la dynamique du système

Stable Im Instable

p1, 2   2  j  p1, 2     j  p1, 2   j  p1, 2  2  j 

1 1 8 8

0 0
0 0

-1 -1
0 0 10 0 10
0 10 10

p1, 2  0  j 
p   Re p   Re
0
1 450

0 10 Re
0 10

Chap.4/ 152
 4.5. Critère algébrique de Routh – Hurwitz (1/4)
Problématique
 Critère algébrique de Routh : permet la détermination de la stabilité du
système (conditions pour lesquelles tous les pôles de W(p) sont à partie
réelles négatives) à partir des coefficients du polynôme caractéristique
sans calculer les pôles
Données
N( p) b0 b1p ...bmpm D ( p )  a 0  a1 p  ...  a n p n
W( p)  n m
D( p) a0 a1p ...an pn

On analyse :

 Conditions nécessaires de stabilité

 Tous les coefficients ai doivent être de même signe et non nuls.

Conditions nécessaires et suffisantes de stabilité

 Elle est donnée par le tableau de Routh Chap.4/ 153
 4.5. Critère algébrique de Routh – Hurwitz (2/4)
Tableau de Routh R
n
 an an  2 an  4 . . .
p a an  3 an  5 . . .
Les 2 premières lignes du tableau sont posées
p n 1  n 1 
 A11 A12 A13 . . .
pn2  
p n 3  A21 A22 A23 . . .
R 
.  . . . . . .
  Les autres lignes sont calculées à partir des
.  . . . . . . 2 premières lignes
.  . . . . . .
 
p0  An1 An 2 An 3 . . .

Calcul des coefficients Aij  an an  2 an  4 . . .

a an  3 an  5 . . .
1er ligne  n 1 
 A11 A12 A13 . . .
 a an  2   
 det  n A A22 A23 . . .
 a n  1 a n  3   R   21
A11   . . . . . .
a n 1  
 an an  4   an an  6   . . . . . .
 det 
 det 
an 1 an 5   an 1 an  7   . . . . . .
A12   . A13   
an 1 an 1  An1 An 2 An 3 . . .
Chap.4/ 154
 4.5. Critère algébrique de Routh – Hurwitz (3/4)

2-ième ligne
 an an  2 an  4 . . .
a an  3 an  5 . . .
a a   n 1 
 det  n 1 n 3 
 A11 A12   A11 A12 A13 . . .
A21   
A11  A21 A22 A23 . . .
R 
 . . . . . .
an 1 an 5   
 det   . . . . . .
 A11 A13   . . . . . .
A22 
A11  
 An1 An 2 An 3 . . .

a a 
 det  n 1 n  7 
A23   A11 A14 
A11

On examine uniquement le 1er colonne pour la stabilité

Chap.4/ 155
 4.5. Critère algébrique de Routh – Hurwitz (4/4)
Conditions de Stabilité selon le critère algébrique de Routh
 On examine la première colonne du déterminant de Routh (dont les
éléments sont appelés pivots) :
 an 
a 
 n 1 
 A11 
1er colonne de  R   A21 
 
 . 
 . 
 
 . 
Théorème de Routh :
Le système est stable si et seulement si les éléments de la première
colonne du tableau de Routh sont tous de même signe. le nombre de
changement de signes est égal au nombre de pôles à partie réelle
positive.
 Cas Particulier : Il apparaît un zéro dans la première colonne. Alors on poursuit en
écrivant à la place de la ligne en question les coefficients du polynôme dérivé par rapport
à p d’un polynôme auxiliaire dont les coefficients sont les termes de la dernière ligne non
nulle. Les racines à partie réelle nulle sont alors les zéros du polynôme auxiliaire. Ce cas
permet de trouver les conditions pour lesquelles un système linéaire est juste oscillant.
Chap.4/ 156
 Exemple1 (1/2)
1
W (p 
4  4 p  5 p2  p3  p4

D ( p )  4  4 p  5 p 2  p 3  p 4  a 0  a1 p  a 2 p 2  a 3 p 3  a 4 p 4

p4 a4 a2 a0  1 5 4
p3  a
 Les 2 premières lignes du tableau sont posées
 3 a1   1 4
  

p2  A11 A12 A13   1 4 

A  
p1  21 A22 A23   0 0  
p0
Il apparaît un zéro dans la 1er colonne
 a an  2  1 5
 det  n  det
 a n  1 a n  3  1
 4 
A11   1 Comment faire ?
a n 1 1

a a  1 4 On développe la ligne précédente pour déterminer le mode :

 det  n 1 n 3   det 
 A11 A12  1 4 Polynôme auxiliaire : p2+4
A21   0
A11 1 p 2  4  0  P  2 j Chap.4/ 157
 Exemple1 (2/2)
Alors on poursuit en écrivant à la place de la ligne en question les coefficients du polynôme dérivé par rapport à p d’un
polynôme auxiliaire dont les coefficients sont les termes de la dernière ligne non nulle.

d p2  4 
 2p  0
dp
On reporte dans la table de Routh les coefficient du polynôme 2p+0
p 4  a4 a2 a0  1 5 4

p 3  a a1   1 4
  
3

p2  A11 A12 A13   1 4 

A  
p1  21 A22 A23   2 0  
p0  A31 A32 A33   4  

Conclusion : Tous les coefficients de le première colonne sont de même signe [1 1 1 2 4]. Le
polynôme D(p) ne possède pas de racine à partie réelle positives mais deux
racines qui sont situées sur l’axe imaginaire pur

Racine de D(p) :
Réponse impulsionnelle
-0.0000 + 2.0000i
-0.0000 - 2.0000i
-0.5000 + 0.8660i
-0.5000 - 0.8660i Chap.4/ 158
 Exemple 2
p 1
W (p 
p 6  5 p 5  9 p 4  10 p 3  11 p 2  10 p  3

D ( p )  p 6  5 p 5  9 p 4  10 p 3  11 p 2  10 p  3

Tableau de Routh
p6 1 9 11 3
p5 1 10 10
p4 1 8.96 3.01 Il y a deux changements de signe dans la 1er colonne
De 1 à -1 et de -2.66 à 0.48 : le système est instable
p3 -1 1.56
p2 -1 0 . 432
p 1 - 2 . 66
p 0 0 . 48

Racine de D(p) :
-2.5604
Réponse impulsionnelle
0.2767 + 1.0865i
0.2767 - 1.0865i
-1.2578 + 0.6082i
-1.2578 - 0.6082i
-0.4775 Chap.4/ 159
 Conditions de stabilité d’un élément du 1er 2-iéme et 3-iéme ordre

1er ordre W ( p) 
1 a1  0
a1 p  a 0 
a0  0

a2  0
W ( p) 
1 
2ème ordre a 2 p 2  a1 p  a 0  a1  0
a  0
 0

 a3  0
 a 0
 2

W ( p) 
1  a1  0
3éme ordre a 3 p 3  a 2 p 2  a1 p  a 0  a 0
 0
a1.a2  a0.a3
P.S. pour mémoire : système du 3-iéme ordre est stable si :
• tous les coefficients sont > 0
• le produit des moyens (a1.a2) > produit des extrêmes (a0.a3)

Chap.4/ 160
 EXEMPLES : Critère algébrique de Routh – Hurwitz
1. Asservissement de position avec un PI régulateur

+ M
C 1 1
K (1  ) 1
TP 1  TP TP
-

Df ( p )   T 3 p 3   T 2 p 2   KTP  K  0  2T 3 K   T 3 K    1

2. Asservissement de position avec un P régulateur

+ M
C 1 1
K 1   TP
) 1
1  TP TP
-

1
3 3 2 2
Df ( p )   T p  (1   )T p  Tp  K  0 (1   )T 3   T 3 K  K 

Chap.4/ 161
 4.6. CRITERE DE NYQUIST (1/9)
Avantage de la méthode
 Technique géométrique appliquée aux systèmes qui ne sont pas à
minimum de phase, Présence de retard pur dans les expressions de
fonctions de transfert
Problématique
Conditions de stabilité connues Et en état fermé ?

Xc(t) Ys(t) Xc(t) + Ys(t)

Wou(p) Wou(p)
-

Transformation du SRA en retour unitaire Wou(p)

Xc(t) +
Xc(t) + Y1(t)
Y1(t)
Wro(p) Wro(p) Wcr(p)
- -
Ys(t) Ys(t)
Wcr(p)
Chap.4/ 162
 4.6. CRITERE DE NYQUIST (2/9)
Xc(t) Ys(t)
Wou(p)

N ( p) n
2 n
W ( p  ou , D ou ( p )  a 0  a1 p  a 2 p  ...  a n p  a n  ( p  pi )
D ou ( p ) i 1

Analyse fréquentielle
p  j
Z i ( j  )  j   p i ( i  1, n ) Nombre complexe Z i ( j )  Z i ( j ) .e j i ( )

n
j   i ( )
Alors : n
D ou ( j  )  a n  Z i ( j  ) .e i 1  f ( j ) e j ( )
i 1

Variation de l’argument () :  ( )  arg( D ou ( j  ) pour 0 


p i  0   i ( ) 
1) pi <0 (Gauche du plan complexe) 2
0 

p i  0   i ( )  
2) pi >0 (Droite du plan complexe) 2
Chap.4/ 163
0 
 4.6. CRITERE DE NYQUIST (3/9)
Conditions de stabilité du système
 Si Dou(p) possède K racine à droite du plan complexe alors on a (n-K) racine
gauche

Alors la variation de l’argument sera :


n  K    K   ( n  2 K )
n
 ( )    i ( ) 
i 1 2 2 2

Théorème :
 Le système dont le polynôme caractéristique est Dou(p) est stable ssi le
nombre de pôle à droite est égal à zéro : K=0

( )  n
2
0 
Chap.4/ 164
 4.6. CRITERE DE NYQUIST (4/9)
Critère de Nyquist
N ou ( p )
W ou ( p )  ,
D ou ( p )
Xc(t) + Ys(t)
Wou(p) W ou ( p ) N ou ( p )
W f ( p)  
- 1  W ou ( p ) N ou ( p )  D ou ( p )

Introduisons une fonction subsidiaire

N ou ( p )  Dou ( p )
1  Wou ( p )   D f ( p)
Dou ( p )
j( ) N ou ( j )  Dou ( j ) j( )
1  Wou ( j )  1  Wou ( j ) e  e
Dou ( j )

L’argument total sera :
( )  arg( N ou ( j )  Dou ( j ))  arg( Dou ( j )  1 ( )  2 ( )
Chap.4/ 165
 1(), 2(), : Phases du système en Boucle ouverte et en boucle fermée
 4.6. CRITERE DE NYQUIST (5/9)
Condition de stabilité du système en BF : (voir demo. précédente)

 1 (  )  n , 0 
2
 (  )   1 (  )   2 (  )
Or :

 2 (  )  n  2 K  , 0 
2

Supposons que le système en BO est instable : possède K

racines droites, alors :

 ( )  n

2
 n  2 K 

2

K
2
.2  ( )  K 
Chap.4/ 166
 4.6. CRITERE DE NYQUIST (6/9)
 Un système en boucle fermée ayant K pôles instable en boucle
ouverte est stable ssi :
 Le lieu de de Nyquist du système en état ouvert entoure K fois le point (-1, J0)
dans le sens trigonométrique

Critère simplifié de Nyquist Critère du revers :(nombre de pôles

instable égal à zéro K=0) :
 Un SRA à contre réaction unitaire, est stable en état fermé ssi, en
parcourant le lieu de transfert en état ouvert dans le sens des
fréquences croissantes, ce lieu n’enveloppe pas le point (-1, j0).

Chap.4/ 167
 4.6. CRITERE DE NYQUIST (7/9) : Exemple1
K
W ( p) 
p .1   1 p 1   2 p 

Im Conditions de stabilité

  Nombre de pôles instables : 0

 K ( 1   2 )
M Alors le diagramme de Nyquist ne doit pas entourer -
0 1
Re
K  1 2 1
1 OM  : est le module pour   et   -
  1   2  1 2
 1 2

Alors OM  1  K  3
0

Chap.4/ 168
 4.6. CRITERE DE NYQUIST (8/9) : Exemple2
Exemple cas (K=0) :
A. Lieu de Nyquist
Im Im Im
Stable Pompage Instable

-1 -1 -1
Re Re Re

B.. Lieu de Black (on laisse le point (odb,-180°) à droite)

G [db]
G [db] G [db]
-180 ° -180 ° -180 °
 [°]  [°]
 [°]

Stable Pompage Instable

Chap.4/ 169
 4.6. CRITERE DE NYQUIST (9/9) : Cas des pôles imaginaires purs

 Problématique :
 Si des pôles de Wou(p) sont situés sur l’axe imaginaire, faut il les
compter dans le demi plan droit ou gauche?

 Il faut modifier le contour de Nyquist de façon soit à les inclure

dans le contour (c.à.d. dans K) soit à les en exclure.

Chap.4/ 170
 Comment faire l’inclusion ou l’exclusion?
 S’effectue à l’aide de demi cercles dont on fait tendre le rayon  vers zéro :

Im Im

i

p  p1   e p1 p1

Re Re

i p2
p  p2  e p2

Contour d’exclusion de Nyquist

Inclusion du pôle à gauche Inclusion du pôle à droite

Chap.4/ 171
 4.7. Degré de stabilité (1/3)
Importance
Xc(t) + Ys(t)
K Wou(p)
-

Marge de Gain (MG)Im sur le lieu de Nyquist

1
MG   [1,]
-1 A 0 OA
Re
 1 
MG  20 log   [ 0,  ]

 OA 

Sens pratique de la MG
 Est une garantie que la stabilité persistera malgré des variations imprévues
du gain en boucle ouverte
2 < MG < 2.5 Chap.4/ 172
 4.7. Degré de stabilité (2/3)
Marge de phase Im
1/MG

R=1

-1
Re

Marge de phase :MP

La marge de phase caractérise l’écart supplémentaire qui ferait

passer le lieu de Nyquist de l’autre côté du point critique
 Est une garantie que la stabilité persistera malgré l’existence de retards
parasites dont on n’a pas tenu compte dans les calculs initiaux

40 < MP < 50 Chap.4/ 173

 4.7. Degré de stabilité (3/3)
 Marge de gain et de phase sur le lieu  Marge de gain et de phase sur le
de Black diagramme de Bode
MP G [db]
G [db]

-180 ° 0 dB
 [°] MG
MG

 [°]

0°
 MP : Ecart en phase par rapport à -180°
lorsque le gain du système en BO est égal -90°
à 1 (0 dB) MP
-180°
 MG : Ecart en gain par rapport à 0 dB pour
un déphasage de -180° . On recommande -270°
MG=12 dB Chap.4/ 174
 4.8. DILEMME STABILITÉ - PRÉCISION

Sortie du produit Qs, Hs

PC

-
Pr
+ E

U
Entrée du produit Vapeur d’eau
Pr
Tv
Qe, He

Sortie échangeur

Chap.4/ 175
 1. Etude de la Précision
Quelle doit être le gain du correcteur à afficher pour
que la pression du réacteur soit égale exactement à
celle de consigne (fixée en fonction du process) ?

Pc(t) E x(t) Tv(t) Pr(t)

CORRECTEUR Vanne Echangeur Réacteur

- Ps(t)
Transmetteur de pression Capteur de pression

Pc(t) + Ps(t)
CORRECTEUR Wou(p)

Wou(p) = Wvanne(p). Wéchangeur(p). Wréacteur(p). Wcapteur(p). Wtransmetteur(p)

Chap.4/ 176
 Calcul de la Précision

Pc(t) + E Ps(t)
K Wou(p)

Pc(t) KW ou ( p ) Ps(t)
W f ( p) 
1 KW ou ( p )

Problématique

Pc(t) Ps(t) Ps(t)

Pc(t)
SYSTEM Pc(t) E

P0
t
t
Chap.4/ 177
 Application numérique
1
W ou ( p ) 
2 p 3  3 p 2  4 p 1

 Trouvons l’erreur suite à une variation de l’entrée P0

Pc ( p ) 
sous forme d’un saut de P0 P

 Calcul de l ’erreur
E (  )  lim  Ps ( t )  Pc ( t ) 
t 

p 0 p 0

 lim p . Ps ( p )  Pc ( p )  lim p . Pc ( p ).W f ( p )  Pc ( p )  1 1
E (  )  P0 .  P0 .
1 KW ou ( 0 ) 1 K
 K 
 lim p . Pc ( p ).  Pc ( p ) 
p 0  1 KW ou ( p ) 

Pour que E() = 0, il faut que le gain K

soit INFINI.
Mais, qu’en sera t-il de la stabilité de mon système ?

Chap.4/ 178
 2. Stabilité du système en état fermé
W ou ( p ) K
W f ( p)   3 2
. D ( p )  2 p 3  3 p 2  4 P 1 K
1  W ou ( p ) 2 p 3 p  4 p  1  K

Conditions de stabilité
 a3  2  0
 a2  3  0

 a1  4  0 Système stable si 0 < K < 5
 a  1 K  0  K   1
 0
 4 * 3 2 .(1 K )

Pour avoir une bonne précision ,il faut augmenter le gain,

mais l'augmentation du gain rend le système instable

Je prends alors un gain qui m’assure

une « bonne » marge de stabilité

Dilemme stabilité précision Chap.4/ 179

 Influence du gain sur la précision et la stabilité ( simulation sur Matlab-Simulink)

6 MG = 10 6 Im
Ps(t) MP=inf.
K=0.5 K=2.5 -1 2.5
[bar]
Pc  ( )  26
, bars Pc Réel

2
2
MG = 2
MP=60°
 (  )  114bars
,
0 0 10 20 30
2 4 6

6 60
6
K=4 K=5 MG = 1 K=6
MP=0°
Pc
Pc
2
0
MG = 1,25
2
MP=13,7°
 ( ) =0,8 MG = 0,83.
MP=-8,9°
0 20 40 60 t [s] 0 60
20 40 t (s) 0 20 40

Chap.4/ 180
 EXEMPLE 2
 INFLUENCE DU TEMPS DE RETARD
C
K 1 p M
1 P
e
-

Analyse de la stabilité Critère de Nyquist

 Cas 1 : K=1
 K
 A( )  1  1
 1  2   0 : unique solution
 ( )     arctg ( )    


Discussion : Le module maximal est égal à 1  

variant de 0 à +∞ Chap.4/ 181
Comment tracer le lieu de Nyquist : programme Matlab

Démonstration sur Matab-Simulink

% TD IMA1 : DETERMINER LES CONDITIONS DE STABILITE PAR LE CRITERE DE
% NYQUIST SOIT DONNEE LA FT EN BO W(p)=(k/p+1)*exp(-tau*p)
%EXAMINER DIFFERENTS CAS K=1, K>1 et differentes valeurs de tau

omega=0:0.01:20 % Variation de la fréquence omega en rad/s

tau=0% retard pur en seconde
phi1=(-atan(omega)-omega*tau)%-Phi en radian
% CALCUL DE PHI en DEGRE en multipliant par 180/pi)
phi=phi1*180/pi
phi=phi'
% CALCUL DE L'AMPLITUDE A(w)
k=10% k=2.27 est le gain critique qui provoque le pompage
A=k./sqrt(1+omega.*omega)% élement du 1er ordre
%A=20*log(a)
%plot(A,omega)
%CALCUL EN FREQUENTIELLE
%1/(1+P)*exp(-taup) (p=jw)
%pour partie réelle et imaginaire de 1/1+p
Re1=1./(1+omega.*omega)
Im1=-omega./(1+omega.*omega)
%Réel et imaginaire en BO
Re=(Re1.*cos(omega*tau)+Im1.*sin(omega.*tau))*k
Im=(Im1.*cos(omega*tau)-Re1.*sin(omega.*tau))*k

% EN AJOUTANT UN DERIVATEUR
Re=-Im.*omega
Im=Re.*omega
plot(Re,Im)
sys=tf(1,[1 1])
[re,im,w] = nyquist(sys)
[re,im] = nyquist(sys,w)

Chap.4/ 182
 Lieu de Nyquist pour différentes valeurs du retard Tau

Tau=1
Tau=0

Tau =20

Chap.4/ 183
 Analyse temporelle

Tau=0 Tau=1

Tau=20

Chap.4/ 184
 Influence du gain
Analyse de la stabilité Critère de Nyquist
 Cas 2 : K>1

C
K 1  p M
1 P
e
-

 K
 A( )  1  1 2 équations 3 inconnues
2
 1 
 ( )     arctg ( )    

1
  tg    
K
1 K
2
1  tg (   ) cos(   )

Comment résoudre l’équation K=F(,)?

 Ev variant K jusqu’à apparition de pompage K=2.14
Chap.4/ 185
 Influence du gain
Lieu de transfert pour K=2.14

-1

Démonstration sur Matab-Simulink

Chap.4/ 186
 4.9. CALCUL DE L’ERREUR DE REGLAGE
M Xc

+ E Correcteur Process
Xc C(p) G(p) M
-

 Forme générale de l’erreur

E ()  lim  M (t )  Xc (t )   lim p.  M ( p)  Xc ( p) 

t  p 0

 1 
E()  lim p. Xc( p). 
p 0  1C ( p).G ( p) 
Chap.4/ 187
 4.10. DIFFERENTES TYPES D ’ERREURS
X0
A) Erreur de position Xc ( p ) 
p
Nous ne pouv ons pas afficher l’image.

X0 C(p) G(p)
+

Xc - M

K
Soit un correcteur C ( p) 
p

X0




  0  E() 
1 1K.G(0)
E( )  lim X 0. 
p 0  K 
1
 p .G ( p ) 
    1  E()  0

 Conclusion sur la précision Chap.4/ 188

 B) Erreur de vitesse
X0
Xc ( p ) 
p2
X0

Xc +
- M

  0  E ( )  
 
 
X0 1  X0
E ( )  lim .   1  E ( ) 
p 0 p  K  K .G ( 0 )
1
 p .G ( p ) 
 
  2  E ( )  0

Pour éliminer une erreur de traînage

il faut placer au moins deux intégrateurs
dans dans la boucle ouverte.
Chap.4/ 189
 C) Erreur d ’accélération
X0
Xc ( p ) 
p3
Nous ne pouv ons pas afficher l’image.

Xc
- M

  0  E ( )  
   1  E()  
 
X0 1 
E ( )  lim 2 . X0
p0 p  K    2  E ( ) 
1
 p .G ( p )  K .G (0)
 
  3  E()  0

Pour éliminer une erreur d’accélération

il faut placer au moins trois intégrateurs
dans dans la boucle ouverte.
Chap.4/ 190
 4.11 Classes d’un système
La précision d’un SRA dépend du nombre
d’intégrateurs insérés dans la boucle ouverte

Classe du 0 1 2  >2
système
Erreur de 1/(1+K) 0 0 0
position
Erreur de  1/K 0 0
vitesse
Erreur   1/K 0
d'accélération

Chap.4/ 191
 4.1 PARAMÈTRES DE PERFORMANCES (4/4)
 Performances en précision

 Erreur statique   lim  y (t )  xc (t )   lim p Y ( p )  xc ( p ) 

t p0

t pr

 Erreur dynamique E d    y (t )  x c (t ) 2 dt
0

 Performances en stabilité
 Un système est dit stable si à une entrée limitée, la sortie est aussi limitée.

système instable
système stable
s(t)
s(t)

t Chap.4/ 192
t
 Chap. 5 : TECHNOLOGIE ET REGLAGE DES REGULATEURS

Objectifs

Maîtriser :
 La technologie des régulateurs industriels P, PI, PID, «tout

ou rien»,

 la réalisation des actions P, I et D série, parallèle , mixte,

 les méthodes pratiques de réglage des régulateurs en boucle
ouverte et fermée,

 la vérification des actions des régulateurs,

 Le rôle domaines d’utilisation des régulateurs P, PI et PID.
Chap. 5/193
VUE GENERALE D’UN REGULATEUR INDUSTRIELLE

Chap. 5/194
PRINCIPE DE FONCTIONNEMENT D’UN REGULATEUR DE NIVEAU

Chap. 5/195
 5.1. Technologie des régulateurs
 Définitions

REGULATEUR

U y
C E
Algorithme Vanne Process
-
M
Transmetteur Capteur

 Les différentes parties d’un régulateur

Mesure M
1. Les signaux Consigne C
Sortie U
Chap. 5/196
 2. Les blocs d’un régulateur
consigne extérieure Dispositif d’Affichage de
Sélecteur de consigne
consigne interne la Consigne DAC

Indicateur module PID limiteur

d’erreur

Sélecteur du sens
C d’action
P I D
I
L H
D

I Indicateur
M sortie
D

manuel/auto
commande
transmetteur manuelle
auto

manuel

capteur

Chap. 5/197
 5.1.2 Classification des blocs d’un régulateur
 3. Les réglages
A. Réglage de la consigne
B. Réglage des action P, I et D
C. Réglages des limites de la sortie du régulateur pour ne pas endommager
la vanne
D. Réglage de la sortie en position manuelle

4. Les sélecteurs
A. Consigne interne et externe
B. Sens d’action du régulateur
C. Passage du mode automatique à manuel

5. Les indicateurs
A. Indicateur de consigne
B. Indicateur de mesure
C. Indicateur de l’erreur de réglage
D. Indicateur de la sortie du régulateur Chap. 5/198
 5.1.3 Quelques indication sur les régulateurs industriels

 Mesure : PV (process variable)

 Consigne interne : L ou Local
 Sortie : OUT (output)
 Consigne externe D ou R (Distance ou Remote)
 Consigne : SP (set point)
 Consigne suiveuse PVT : Process Variable Tracking
 Direct : Direct ou Decrease
 I : Inverse ou Increase
 (+) : Directe (-) : Inverse
 Manuel : M, MAN ou Manual
 Auto : A, Aut. Auto
Chap. 5/199
 5.1.4. Classification des régulateurs
 1. Selon la nature de l’énergie qu’ils utilisent
 A. Pneumatique
 B. Electronique
 C. Numérique

 2. Selon le type d’action

 A. P-régulateur
 B. PI Régulateur
 C. PD régulateur
 D. PID régulateur
 E. Tout ou rien
 3. Selon le sens d’action
 A. Direct
 B. Inverse
Chap. 5/200
 5.2. Actions des régulateurs
A) Régulateur proportionnel P-régulateur

 Définitions

+ E U
C P-régulateur U  K .E
(-)

 Fonction de transfert
W ( p)  K

100
 Paramètres BP % 
K

 Rôle et domaine d’utilisation

Chap. 5/201
 Sortie d’un Prégulateur
E U
P-régulateur

U(t)
idéale réelle
E(t)

100
K .E  E
BP
E

t (sec.)

Chap. 5/202
 B) PI Régulateur
 Définitions

+ E U t
K
C PI-régulateur U  KE 
Ti  E dt
0

(-)

 T p  1
 Fonction de transfert W( p )  K i 
 Ti p 

100
BP % 
K
 Paramètres
T i ( m in u te )

 Rôle et domaine d’utilisation

Chap. 5/203
 Sortie d’un PI régulateur
M-C U
PI-régulateur
idéale

réelle
U(t)
t
K
Ti 0
I action Intégrale E dt

P action Proportionnelle KE

t (sec.)

Sens physique de Ti
Intégrons U(t) de 0 à Ti
Ti
K
U  KE 
Ti  M
0
 C  dt  U 0  2 KE  U 0  2fois l'action P

Ti est le temps en seconde mis par le régulateur pour répéter deux fois l’action proportionnelle,
d’où l’appellation - nombre de répétitions par minute (ou par seconde).
Chap. 5/204
 Rôle et domaine d’utilisation de l’action intégrale
 Dans les régulateurs industriels on affiche 1/Ti, alors Ti est d’autant plus grand que l’action
intégrale est faible.

 Le rôle principal de l’action intégrale est d’éliminer l’erreur statique.

 Toutefois l’action intégrale est un élément à retard de phase, donc l’augmentation de l’action
intégrale (c.à.d. diminuer Ti) produit une instabilité car elle déplace le lieu de Nyquist vers la
gauche.

 La valeur optimale est choisie pour satisfaire un compromis stabilité- rapidité.

 Si le système possède lui même un intégrateur (exemple niveau), l’action I est quand même
nécessaire pour annuler l’écart de perturbation car, suite aux variations de la consigne
l'intérêt de I est moindre car l’écart s’annule naturellement.

 Dans l’industrie, on utilisera l’action I chaque fois que nous avons besoin, pour des raisons
technologiques, d’avoir une précision parfaite - exemple : la régulation de la pression ou
température dans un réacteur nucléaire. De plus, il faut souligner que l’action I est un filtre
donc il est intéressant de l’utiliser pour le réglage des paramètres très dynamiques telle que
la pression.

Chap. 5/205
 C) PID Régulateur
 Définitions

+ E U
C PID-régulateur
(-) t
K dE
U  KE 
Ti  E dt  K .Td dt
M 0

 1  Ti . p  Ti . Td . p 2 
 Fonction de transfert W( p )  K 
 Ti p 

100
BP % 
K

 Paramètres T i ( m in u te )

Td ( min ute )

 Rôle et domaine d ’utilisation Chap. 5/206

Sortie d’un PID régulateur

E U
PID-régulateur

dE
action dérivée K .T d .
dt
U(t) D

K t
I action Intégrale 
Ti 0
E dt

action Proportionnelle KE
P

t (sec.)

Chap. 5/207
 Sens physique de Td
dE
Soit un PD régulateur U KE K .Td U 0
dt

Si (M-C) = a t : entrée sous forme de rampe, on a pour t=Td : U  Kat  K.Td .a  U 0  2 KaTd  U 0

U(t) Sortie à P+D : U  Kat  K.Td .a  U 0  2 KaTd  U 0

Sortie à P : U(t) = K.at + U0

KT d E
D

KT d E P

t
t=Td

Td représente l’écart, en temps, entre les réponses proportionnelles seules (P) et proportionnelle et dérivée (PD).
Td est donc le temps d’avance d’une réponse PD par rapport à une réponse en P seule.

Chap. 5/208
 Dérivée filtrée
Afin de limiter la sortie d’un régulateur ayant une action dérivée, en pratique
l’action dérivée est filtrée en ajoutant un élément de premier ordre. L’action
dérivée pure Tdp devient alors :
Td . p
W( p) 
1  p

x(t) y(t)

x(t) y(t)
Td . p
t Dérivée pure) t

x(t)
y(t)
x(t) 1 y(t)
Td . p 1  p limitation
amortissement

t
Dérivée filtrée t

Chap. 5/209
 Rôle et domaine d’utilisation de l’action dérivée
 L’action dérivée compense les effets du temps mort du process

 Elle a un effet stabilisateur mais une valeur excessive peut entraîner une
instabilité. Sur le plan de Nyquist l’action D permet de déplacer le lieu de transfert
vers la droite car elle possède une avance de phase (de +90 degré).

 La présence de l’action dérivée permet donc d’augmenter la rapidité du système

en augmentant le gain sans être inquiété par la stabilité

 Dans l’industrie, l’action D n’est jamais utilisée seule mais en général avec l’action
intégrale.

 On recommande de l’utiliser pour le réglage des paramètres lents tels que la

température. Par contre en présence des paramètres bruités, l’action dérivée est
déconseillée.

Chap. 5/210
 RESUME SUR LE ACTIONS P, I et D
 L'action Proportionnelle corrige de manière instantanée, donc rapide, tout écart de la
grandeur à régler, elle permet de vaincre les grandes inerties du système. Afin de diminuer
l'écart de réglage et rendre le système plus rapide, on augmente le gain (on diminue la
bande proportionnelle) mais, on est limité par la stabilité du système. Le régulateur P est
utilisé lorsque on désire régler un paramètre dont la précision n'est pas importante, exemple
: régler le niveau dans un bac de stockage

 L'action intégrale complète l'action proportionnelle. Elle permet d'éliminer l'erreur résiduelle
en régime permanent. Afin de rendre le système plus dynamique (diminuer le temps de
réponse), on diminue l'action intégrale mais, ceci provoque l'augmentation du déphasage ce
qui provoque l'instabilité en état fermé. L'action intégrale est utilisée lorsque on désire avoir
en régime permanent, une précision parfaite, en outre, elle permet de filtrer la variable à
régler d'où l'utilité pour le réglage des variables bruitées telles que la pression .

 L'action Dérivée, en compensant les inerties dues au temps mort, accélère la réponse du
système et améliore la stabilité de la boucle, en permettant notamment un amortissement
rapide des oscillations dues à l'apparition d'une perturbation ou à une variation subite de la
consigne. Dans la pratique, l'action dérivée est appliquée aux variations de la grandeur à
régler seule et non de l'écart mesure-consigne afin d'éviter les à-coups dus à une variation
subite de la consigne. L'action D est utilisée dans l'industrie pour le réglage des variables
lentes telles que la température, elle n'est pas recommandée pour le réglage d'une variable
bruitée ou trop dynamique (la pression). En dérivant un bruit, son amplitude risque de
devenir plus importante que celle du signal utile.

Chap. 5/211
 D) Régulateur «tout ou rien»
 Définitions

+ M-C
1 pour M  C
U
C U 
(-)  0 pour M  C

 Rôle et domaine d’utilisation

Chap. 5/212
 Exemple de réglage « tout ou rien»
M + C

M-C

U
220 V
0

x
U  1 pour M  C
U  
0 pour M  C

U t

t
Chap. 5/213
 5.3. Réalisation des actions PID
Série
E (1  Ti p )
C ( p)  K c (1  Td p )
U
PI PD
Ti p
Parallèle
P
E U 1
I C ( p)  K c   Td p
Ti p
D

Mixte
I
1
E
P
U
C ( p )  K c (1   Td p )
Ti p
D Chap. 5/214
 Méthodes théoriques de réglage

Méthodes pratiques

du régulateur
Calcul des paramètres

Réglage par anticipation

Compensation du temps mort

Réglage en cascade
performances d’un SRA
Comment augmenter les

Commande adaptative
de commande

Commande par retour d’état

structure et algorithmes modernes

Commande multivariable
5.4. Réglage des paramètres des régulateurs

Chap. 5/215
 5.5. Méthodes théoriques de réglage
+ M-C U M
M
 Problématique C PID G(p)
(-)
M

M
C M  1 T . p  T .T . p 2  Ko
K i i d 
 Ti p  1 ( 1  2 ) p  1 2 p 2
 
(-)

Ti   1   2
 1   2  Ti
Si je mets   1 2
 Ti Td   1 2 Td 
1  2

M  Avantages
C M K .Ko
 1  2  p et inconvénients
(-)
Chap. 5/216
 5.6. Méthodes pratiques de réglage
1. En boucle ouverte
+ M-C U M
C M

(-)
M
1
y(t)
stable Y

x(t)
x instable
0.5

y
tg 
t
y

0
Ks   Gain statique du systéme stable en boucle ouverte 4 8 12
x
tg  y T t(sec.)

Ki  .  Gain statique du systéme instable en boucle ouverte T

x t.x
Chap. 5/217
 Choix du mode de réglage dans le cas d’un système instable

Choix du type de régulateur en fonction de la réglabilité

Réglabilité 10 à 5 à 10 2 à 5 > 20 < 2
T

20
Régulateur P PI PID tout ou limite de
rien PID

0,05  Ki .  0,1 P

0,1  Ki .  0,2 PI

0,2  Ki .  0,5 PID

0,005  Ki . Tout ou rien

Ki .  0,5 Limite du PID

Chap. 5/218
Réglage pratique en boucle ouverte : paramètres du régulateur à afficher
Calcul des actions P, I et D pour les systèmes stables

Modes P PI PI PID PID PID mixte

Action série parallèl série parallèle
e
K 0 ,8 .T 0 ,8 .T 0 ,8 .T 0 ,85 .T T T
 0 ,4  0 ,4
K s K s . K s . K s .  
1, 2 . K s 1, 2 . K s
Ti Maxi. T K s . T K s . T  0 , 4 .
0 ,8 0 , 75
Td 0 , 35 .T T
0 0 0 0 ,4 . Ks   2 ,5 .T

Calcul des actions P, I et D pour les systèmes instables

Modes P PI série PI parallèle PID PID parallèle PID mixte

Action série
K 0,8 0,8 0,8 0,85 0 ,9 0 ,9
K i K i K i . K i . K i .
K i
Ti Maxi. 5 K i . 2 4,8 K i . 2 5,2
0 ,15 0,15
Td 0 0 0 0 0,35 0,4
Ki

KS.  doit être sans unité

Si on est en limite de PID on doit utiliser des boucles multiples
cascade, ou régulateurs numériques
Chap. 5/219
 2. Réglage en boucle fermée
T

Ti Td BP
C
M

1
W ( p )  Kr   Td p
REGLAGE EN BOUCLE FERMEE : Méthode de Ziegler et Nichols Ti p
Action/ P PI PI PID PID PID
Paramètres série parallèle série parallèle Mixte

K Kcr/2 Kcr/2.2 Kcr/2.2 Kcr/3.3 Kcr/1.7 Kcr/1.7

Ti Maxi T/1.2 2T/Kcr T/4 0.85T/Kcr T/2

Td 0 0 0 T/4 T*Kcr/13.3 T/8

Chap. 5/220
Limites de la régulation PID : Prédicteur de Smith

Cas d’un procédé avec retard

Process
Régulateur PI
C E u K0 M
WR ( p ) e  . p
1  T0 p
(-)

 Soit un régulateur de fonction de transfert

Alors 1
 1  Ti p  TP Wf ( p ) 
WR ( p )   1
e si on pose : Ti  T0 , T   T0
1 p
 Ti p  K R K0

Régulateur irréalisable car on ne peut pas technologiquement réalisé

exp(TP) car elle signifie que l’n connaît par avance le signal de sortie
du module avant d’avoir exécuté une variation d’entré.

Chap. 5/221
 Limites de la régulation PID : Prédicteur de Smith
 Conclusion
 Avec un régulateur PI et PID, il est impossible de réaliser une régulation
convenable dés que l’on est en présence de procédés possédant un
retard important ou un ordre élévé.
 Remède
 Réaliser une régulation qui exclut le retard pur ou l’ordre n de la boucle
de régulation

C E u K0 Mi M
WR ( p )  . p Exclure le retard pur
1  T0 p
e
(-)

C E u K0 Mi K0 K0 M
WR ( p ) 1  T0 p 1  T0 p 1  Tn p
(-)
Exclure l’ordre n
Chap. 5/222
 Prédicteur de Smith

Hypothèses sur le modèle du procédé

 FT connue et de la forme :
Ko p
G( p)  e  G1 ( p ).e p
1  TP

Structure de la régulation
G1(p)
C E u K0 Mi M
C ( p) 1  T0 p e  . p

(-)

C(p): Compensateur recherché

Chap. 5/223
 Prédicteur de Smith
Objectifs
 assurer les performances de base (stabilité, rapidité et précision) par une
approche directe basée sur la connaissance d’une fonction de transfert
du procédé.

 Principales difficulté de la régulation des procédés retardés

 Problèmes de stabilité à cause du retard
 Temps dev réponse du système en BF
 Le temps de retard est incompressible car il dépend de la position du
capteur

Alors :
 Il faut anticiper l’effet du retard pour le compenser d’où le nom
« PREDICTEUR » et réduire la constante du temps T

Chap. 5/224
Synthése du compensateur de Smithrrecteur
1. On fait abstraction du retard, autrement dit, on le considère
extérieur à la boucle (Système S1).
 On détermine alors un régulateur R classique (par ex. un PI) pour corriger
la partie dynamique G1(p)=Ko/(1+Top) du modèle global G(p) .

G1(p) S1 S1
C E u K0 Mi M
R( p) 1  T0 p e  . p

(-)
 1  Tip 
R ( p )  Kr  
 Tip 

Puisque le retard est à l’extérieur de la boucle on peut choisir

par exemple Ti pour compenser To et Kr pour diminuer le temps
de réponse en BF

Chap. 5/225
 Calcul de C(p)
2. On va chercher le compensateur C(p) qui inclut R(p) et qui
permet de compenser le retard (Système S2)

G1(p) S2
C E u K0 Mi M
C ( p) 1  T0 p e  . p

(-)

Comment ?
 En considérant que S1 et S2 sont équivalents : on identifie la FTBF de S1
à celle de S2

Chap. 5/226
 Principe Prédicteur de Smith : Calcul de C(p)

 Principe
 Chercher un compensateur C(p) tel que les deux systèmes S1 et S2
soient équivalents :.

G1(p)
C E u K0 Mi M R ( p ).G1 ( p )
R( p)  . p GBF 1( p )  .e p
1  T0 p e 1  R ( p ).G1 ( p )
(-)

C E M C ( p ).G1 ( p ) e p
K0
C ( p) 1  T0 p e  . p GBF 2 ( p ) 
1  C ( p ).G1 ( p ) e p
(-)

R
GBF 1( p )  GBF 2 ( p )  C ( p ) 

1  RG 1 1  e p 
Chap. 5/227
 Synthèse de C(p)
Schéma équivalent

R
C ( p) 

1  RG1 1  e p 
C(p): Prédicteur de Smith
G (p): Procédé
G1(p)
C u M
E K0
e p
R( p) 1  T0 p
(-) (-)

1  e p G1( p)

Chap. 5/228
 C(p): Prédicteur de Smith G (p): Procédé
G1(p)
C u M
E K0
e p
R( p) 1  T0 p
(-) (-)

E2
E1
1  e p G1( p)

R(p) F(p)
C Process M
 1  Ti p  K0
K R   e  . p
 Ti p  1  T0 p
(-)
Wo(p)
Mc Compensateur
E1  1  e p 
 K0  
 1  T0 p 
 
E2 Wc(p)

Chap. 5/229
 Synthèse du correcteur de Smith
Conclusions le prédicteur de Smith est parfaitement déterminé
si l’on connaît
 une fonction de transfert du procédé
 un régulateur R adapté à la dynamique du procédé (hors retard).

Autrement dit, l’ensemble des paramètres de ce compensateur

est constitué par :
 ceux du procédé (K0, T0 et le retard )
 ceux du régulateur R(p) (Kr et Ti)

Remarques
 Pas de problèmes de stabilité en théorie, mais en pratique la
simplification ne conduit pas exactement à un système du 1er ordre
 Inconvénient de la méthode
 Le régulateur ne capte pas la mesure mais le signal compensé

Chap. 5/230
COMMANDE A L’AIDE DE L’ANALYSE
FREQUENTIELLE

Chap. 5/231
 Chapitre 6 : PROJET D’UN SYSTEME DE REGULATION INDUSTRIELLE

Objectifs du chapitre :

 Maîtriser sur un exemple concret (un four tubulaire) :

 Les étapes de réalisation d’un projet de régulation,
 la présentation d’un cahier de charge,
 comment identifier un processus,
 l’analyse et la synthèse d’un SRA surtout en régulation (par rapport à la perturbation),
 examiner l’influence des action P, I et D ainsi que d’un régulateur tout ou rien sur la dynamique
du SRA,
 comment régler les paramètres d’un régulateur,
 observer les limites d’une régulation PID lorsque le système présente un retard pur important,
 introduction des notions de la régulation avancée.

P.S. Les résultats sont simulés à l’aide du logiciel Matlab-Simulink, les schémas de simulation
sont donnés à chaque analyse.

Chap. 6/232
 6.1. Etapes de réalisation d’un projet d’un SRA

CAHIER DE CHARGE: objectifs Déf. du process et des objectifs E/S

Lois physiques, bilan, hypothèses Modèle de connaissance

Planification des expériences Connaissance à priori

connaissance
ANALYSE

Acquisition de données Choix de la structure du modèle

Estimation des paramètres

Choix du critère d’identité
Oui Non
Modèle de conduite adéq.

Synthèse de régulation Logistique

actionneurs, régulateurs,
SYNTHESE

transmetteurs...
commande

Simulation

Validation sur site

Réalisation définitive

Chap. 6/233
6.2. Définition du processus et des entrées-sorties

Conigne Tc
TT -
AR FI THS
1 1 1
1

Ts Ts-Tc
Pétrole chauffé
Pétrole brut
TRC
1
FR

Air (O2) PR
1

AR U
2 FVC

Gaz

Chap. 6/234
 6.2.2. Définition des entrées-sorties

Schéma fonctionnel du système de régulation

Qp(t) CONDUITE
DE PETROLE

-
x Ts1
Tc T U CONDUITE Pg
REGULATEUR VANNE FOUR
DE GAZ

-
Manu..
Ts TRANSMETTEUR ET CEP CAPTEUR
DE TEMPERATURE DE TEMPERATURE
Auto.

Chap. 6/235
 Définition des entrées-sorties (E/S):
 On définit d’abord les entrées-sortie : les variables à régler, réglantes et de
perturbations
 Ts(t) - Grandeur de sortie ( température à la sortie - c'est la grandeur à régler ), Valeurs
maximales et minimale de la variation de température : Tsmax = 170°c, Tsmin=20 °c ; Tso -
Valeur nominale de la température le fonctionnement Tso = 80 °C

 Pg (t) - Grandeur d'entrée ( pression du gaz combustible - Grandeur réglante ); Valeurs

maximales et minimale de la variation de la pression du gaz combustible : Pgmax = 5 bars,
Pgmin = 0bar ; Pgo - Valeur nominale de la pression du gaz combustible Pgo = 2 bars ;

 Qp - Débit du pétrole à l'entrée (perturbation); Débit nominale du pétrole à l'entrée : 20 m3 /s

; Qpmax = 30 m3 /s Qpmin =10 m3 /s . Il existe aussi d’autres perturbations (pouvoir
calorifique du gaz, température ambiante etc...) que nous considérons comme constantes.

 x : déplacement du clapet de la vanne [0 à 6mm]

 U : sortie du régulateur pneumatique [0,2-1bar]; valeur nominale (0,6 bar)

 6.2.3. Influence des perturbations

Influence des perturbations :

 Grâce à la propriété de superposition des systèmes linéaires, on peut étudier
séparément l’influence des perturbations et de la commande sur la sortie du système.
Ici pour simplifier la démarche on analyse uniquement une seule perturbation, celle du
débit d’entrée du pétrole.
 1. En boucle ouverte (sans correction) : La sortie subit l’influence de la commande
(ici en manuelle) et celle de la perturbation (Qp(p)) avec un signe (-) car l’augmentation
du débit provoque la diminution de la température (le produit arrive à un température
plus basse que celle du four)

Qp(p) Wz(p) -
Ts ( p )U ( p ). G ( p )Qp ( p ).Wz ( p )
Ts(p)
U(p) G(p) +

Chap. 6/237
 6.2.3. Influence des perturbations
 2 En boucle fermée (avec correction)

Qp(p)
Wz(p) (-)
Ts(p)
U(p) (+)
Tc(p) C(p) G(p)

(-)

C ( p ).G ( p ) Wz( p )
Ts( p )  Tc( p ).  Qp( p )
1C ( p ).G ( p ) 1C ( p ).G ( p )
 6.3. Cahier de charge
 Comment choisir le cahier des charges
 Le point de départ de n'importe quel projet est le cahier de charge. Pour
un système de régulation, les spécifications restent souvent vagues en
raison surtout de la grande diversité de problèmes de régulation. Les
critères qualitatifs à imposer dépendent d’abord de la nature du
processus à régler. A titre d’exemple, on ne peut imposer aveuglément un
processus transitoire rapide ou un taux d’amortissement de 0,75 pour
n’importe quel système. En effet l’asservissement d’un ascenseur (qui
nécessite un confort pour les passagers) ne tolère pas par exemple
d’accélération . Les dépassements de la pression régulée dans un
réacteur nucléaire ne doivent pas atteindre les seuils limites de tarage
des soupapes de sécurité etc...

Chap. 6/239
 6.3. Cahier de charge
 Les critères de performances classiques
 Stabilité :
 Cette condition est impérative mais avec une certain degré de stabilité (marge de sécurité). En
général on impose une marge de gain de 2 à 2.5 . L’utilisateur parle en terme de «pompage».

 Précision :
 L’exploitant demande à ce que le système possède une bonne précision en régime permanent d’où
une nécessite de mettre un PI régulateur ou d’afficher un gain important dans le cas d’un P
régulateur.
 Rapidité
 On demande en pratique que le système soit capable rapidement de compenser les perturbations et
de bien suivre la consigne.
 Dépassement :
 En général on recommande un SRA dont le régime transitoire soit bien amorti et dont le
dépassement ne dépasse pas 5 à 10% la valeur nominale.

 Dans notre cas

 on exige à ce que la température de sortie soit égale à celle de consigne et que les
perturbations soient entièrement compensées. Le régime transitoire doit être assez rapide
en raison de la grande inertie du four et bien amortie (5 à 10)
 Identification des processus

 Définition :
 L’identification d’un système c’est la détermination de son modèle
mathématique sur la base des observations expérimentales entrées-
sorties. Le traitement mathématique des réponses graphiques du
système est appelé IDENTIFICATION. Le modèle obtenu est dit de
conduite ou de représentation

 Principe
1. Étape qualitative : Sur la base d’une connaissance à priori du système à
identifier, on fixe une structure du modèle comportant des coefficients
inconnus.
2. Étape quantitative : Elle consiste à la détermination des coefficients inconnus
du modèle de façon que la différence entre les N sorties réelles du système et
celles du modèle soit minimale selon un critère donné qu’on résout par un
algorithme d’identification.
 a i p i N
S i w (p ) = , D é te rm in e r a i , b i te l q u e  Y s ( i )  Y m ( i )
2
 m in im a le .
 b i p i
i  1
 Identification des processus
 3. Vérification du modèle :

PROCESS
sortie process
m ax Y s (i) - Y m (i)  5%
Ys(t) +
Entrées  Algorithme
x(t) d’identification
MODELE
sortie modèle - a 0 , a 1 ,.... b 0 , b1 ,.....
W( p) 
 ai p i
 bi p i Ym(t)
 6.4.3. Problématique pour le système étudié
 Logistique
Qp
Wz(p)
-
U
Tc T x Pr Ts1
C(p) Wv(p) Wcg(p) Wf(p) +
- Manu..
Ts
Wct(p)
Auto.
Déterminer les fonctions de transfert :

U(p) ? Ts(p)
Ts(p)
U(p) Wv(p) Wcg(p) Wf(p) Wct(p) G(p)

?
Qp(p) Wz(p) Ts(p)
 6.4.4. Identification d’un élément de premier ordre
 Expérimentation
Dans ce cours, nous utiliserons les méthodes de base. Nous appellerons les méthodes de base
d'identification , les méthodes s'appuyant sur les propriétés graphiques des réponses fondamentales
(indicielle harmonique et impulsionnelle). Ces méthodes sont très utilisées par les spécialistes de
régulation et des servomécanismes car elles fournissent un précision suffisante et ne nécessitent pas
l'utilisation d'un outil mathématique compliqué. On peut traiter aussi bien la réponse indicielle,
impulsionnelle qu'harmonique, mais l'un des signaux d'excitation le plus fréquent a mettre en oeuvre est
l'entrée en échelon. L'amplitude de l'échelon doit être choisie telle que le système ne sorte pas du
domaine linéaire d'une part et les observations mesurables d'autre part

 Méthodologie
1. Dans un système de régulation en fonctionnement, le correcteur est d'abord mis en fonctionnement
manuel. On attend que le système soit bien stabilisé
2. On applique au système un signal en échelon de + ou - 10% de la valeur nominale de fonctionnement (afin
de ne pas trop perturber le système ) L'échelon d'entrée peut représenter le déplacement du clapet de la
vanne . La réponse est enregistrée à la sortie du transmetteur dont la vitesse du déplacement du papier
diagramme doit être choisie de façon que la réponse soit exploitable . Le modèle de conduite ( ou la
fonction de transfert ) à déterminer du traitement de la réponse graphique décrit l'ensemble des systèmes
( vanne, objet, capteur, transmetteur)
Expérimentation

SALLE DE CONTROLE SYSTEME A IDENTIFIER

10 % PROCESS

REGULATEUR VANNE

TRANSMETTEUR CAPTEUR
 6.4.5. Identification de la fonction de transfert par rapport à la perturbation

 Identification de Wz(p) : Expérimentation

Qp(t)
[m3/s] 95
Ts(t)
23 [°c]

 Qp  3m3 / s
90
? Ts  15c
20 Qp(p) Ts(p)
Wz(p))
85

80
0 5 15 20 25 30 35
T=10
10 t (main.)
 6.4.5. Identification de la fonction de transfert par rapport à la perturbation

Étape qualitative : structure du modèle

K
Wz( p ) 
1  TP

Etape quantitative : calcul des paramètres du modèle

 Ts 15 c 5(c / m3 / s )
K   5.[  c / m3 / s ] Wz( p ) 
 Qp 3 m / s
3
1  10 p
T  10 min

 Ts 15
066
,
 Ts max 170 20 Wz( p) 
gain relatif K   0,66 1  10 p
 Qp 3
 Qpmax 30 10
 C. Vérification du modèle
 On détermine alors l’erreur relative maximale qui doit être inférieure à 10%.
Notons qu’en général il est commode de prendre un gain unitaire (cela n’influe
pas évidemment sur le résultat). Pour avoir la sortie en °c on multiplie par la
valeur maximale soit 150°c

  
t
 1  0 ,15
0 ,66   t 
  0 ,15 * 0 ,66  1  e 10  [  ]

Tm( t )  L  . Tm( t )  0 ,15 * 0 ,66 * 150  c  1  e 10   80  c [  c ]
 p 10 p  1     
 

t [min] Ts(t) °c Tm(t) °c abs(Tm-Ts)

0 80 80 0
95
3 84,35 83,89 0,46
Ts(t)
6 87,60 86,77 0,83 Ts(t)
Tm(t)
9 89,60 88,90 0,7
Tm(t)
12 90,95 90,48 0,47
90 Emax=0.83/15
15 92,30 91,65 0,65
18 92,70 92,52 0,18
=5.53%
21 93,5 93,16 0,35
24 93,88 93,63 0,25
85
27 94,5 93,99 0,51
30 94,6 94,25 0,35
33 95,00 94,44 0,56
80
0 5 10 15 20 25 30 35
 6.4.6. Méthode de Broîda : Identification de la dynamique du four

 1. Identification de G(p) : Expérimentation

U Ts
G(p)

100
Us(t)
Ts(t)
100% 1 bar 96

60% 0,68bar courbe expérimentale Ts(t)

92
U 10%
Ts  20c
88
50% 0,6bar

84
0% 0,2bar t1 6 min, t2  9min
t 80
10 20 30 40 50 60 70 80
t1
t (min.)
t2

U K
.e   p
Ts K , T et  ?
1  Tp
 Principe de la méthode Broîda

 principe
La méthode de Broîda est une méthode d'identification en boucle ouverte
d'une réponse indicielle expérimentale qui consiste a assimiler la fonction
de transfert d'un système d'ordre n à celle du premier ordre affectée d'un
retard pur

K
.e   p
1  Tp

Le problème d'identification :

 déterminer les paramètres suivants T, Constante du temps (sec.), :
Temps de retard pur (sec.) :
 Calcul des paramètres du modèle de Broîda
 Méthodologie
 Broîda fait correspondre la réponse indicielle à identifier et la fonction de
transfert du 1er ordre affectée d'un retard en deux points t1 et t2
d'ordonnées correspondant à 28% et 40% de la valeur finale de la sortie
du système.
 )  
t1
 
(t 1
1 
1  e  0 ,28 e T  0 ,28
 T  5 ,5 t 2  t 1 
T
 (t  )    2 ,8 t 1  1 ,8 t 2  t
  2
  1
1  e
T  0 ,40 1  e T  0 ,40

Paramètre du modèle   2 ,8 * 6  1 ,8 * 9  0 ,6 m in , T  5 ,5 . 9  6   16 ,5 m in
 ys
, t2 , T  5,5.t2  t1  , K 
  2,8t1  18  Ts20
 xe K 
 T s m ax 170  2 0 1 3 ,3 %
   1 ,3 3
U 0 ,0 8 10%
 U m ax 1  0 ,2

1.33 0 , 6 p 1,33
 Modèle final G ( p) 
116,5 p
e 
116,5 p 10,6 p 
 6.4.7. Modèle du système global à commander
U
60% 100%
Ts(t)
 U  1 0% Tm(t)
Ts(t)
50% Système réel Ts(t) : Sortie système
U(t)
1.33 Tm(t)
G( p)
116,5p10,6 p Tm(t) : Sortie modèle

0 0 20 40 60 80 100

Qp(p) 0 ,66
Wz( p ) 
1  10 p
-
Tc(p) T U(p) 133
, + Ts(p)
C( p ) G( p) 
1  165, p1  06, p
-
 6.5. Synthèse du système de régulation continue
 6.5.1. Schéma fonctionnel du système à réguler
Qp(p) 0 ,66
Wz( p ) 
1  10 p
+
Tc(p) T U(p) 133
, + Ts(p)
PID G( p) 
1  16,5p1  06, p
-

 6.5.2. Schéma de simulation sur Matalab-simulink : Afin d’analyser aussi l’influence du retard sur les performances
du système, on insère sur le schéma de simulation un bloc de retard pur (Transport delay).
Remarque : Le bloc PID controller MASK Controller est donné sous forme : P+I/s+Ds où P est le gain Kr, I le temps
d’intégration Ti et D l’action dérivée Td alors que s est l’opérateur de Laplace. Si on souhaite afficher les paramètres du
régulateur série de fonction de transfert donnée sous la forme C(p) = Kr[1+1/(Ti.p) + Tdp] alors P correspond à Kr, I
correspond à Kr/Ti, et D correspond à Kr*Td.

1
10s+1
Perturbation Conduite
Z pétrole
+
+ 1.33
- P ID +
Sum 9.9s 2+17.1s+1 Sum1
Consigne PID Controller Transport
C Delay FOUR+vanne

Chap. 6/253
 6.5.3. Analyse du système en boucle ouverte (sans régulation)

 Nous noterons le paramètre à régler (la température) par M, sa consigne Tc par C et l’échelon de la perturbation par Z0.
Analysons les réponses indicielles du système par rapport à la consigne et à la perturbation en boucle ouverte. Il suit de ces
réponses que les temps de réponse sont importants (51,33min.), que la perturbation n’est pas éliminée et l’erreur statique (M-
C) est de 57% (1,33/(1,33+1)*100%=57%) d’où une nécessité de régulation.

Réponse en BO de la température Réponse en BO de la température

1.5 par rapport à la perturbation par rapport à la consigne
1.5
M
M

Z0
C

0.5
0.5
tpr = 30min.

tpr = 51,3min. =3(T1+T2)

0
0 20 40 60 0
0 20 40 60 80 100
Time (min.)
Time (min.)

6.5.4. Objectifs de la régulation

1. Eliminer les perturbations (ici le débit du produit à chauffer), mais aussi toutes les perturbations en réalité, puisque
elles agissent toutes sur la sortie
2. «Bien» suivre la consigne , «bien», cela signifie sans trop de dépassement (5 à 10%), un systéme rapide, une
erreur statique nulle et surtout un système en boucle fermée assez stable (MG=2 par exemple)
Chap. 6/254
 6.5.5. Régulation continue (PID)
 1. P- régulateur : Pour avoir l’action P, on affiche sur le logiciel I=0 ce qui correspond à Ti infini et Td (D)=0.
Dans ce cas nous avons en boucle fermée un système du deuxième ordre, nous avons intérêt à prendre un gain qui
nous assure un bon amortissement (voir chapitre 3, page 111) .
Kr * 1,33 1 a1 2  2a0 a2
Wou( p )  . Pour avoir   0 7
,  , on choisit Kr * 1,33  , soit : Kr  10 ,352
9 ,9 p 2  17 ,1 p  1 2 2a2

Rappelons que ai sont les coefficient du système en boucle ouverte.

valeur optimale Kr=10.352 1.5 Influence du gain sur la réponse
M
M
C Kr=50
0.8 C

0.6 Kr=10,352
Kr=5
0.4 0.5

0.2

0 0
0 2 4 6 8 10 0 10 20 30 40
Time (min.) Time (min.)

 Remarque : Ce cas est en réalité trivial, car le système est absolument stable (les coefficients étant positifs), on affiche donc un gain
assez fort sans vraiment être inquiété par l a stabilité du système. Par contre , l’erreur est inévitable, si les dépassements ne sont pas
néfastes pour le système, on affiche une bande proportionnelle minimale. On fait remarquer que le gain Kr=50 est fantaisiste car, dans les
régulateusr industriels une BP correspondante soit de 0.2% (1/50) n’est pas affichable (en général la plage est de 3 à 500%).

Chap. 6/255
 2. PI régulateur
 Analysons l'influence de l’action intégrale sur la stabilité : Fixons Kr=1 et varions Ti et observons la
réponse du SRA par rapport à la perturbation (régulation) et à la consigne (poursuite).
Poursuite
2
Poursuite
2 1.5

C
C
0.5 Ti=2min
0
Ti=0,4min En augmentant Ti, le 0
système devient plus stable
-1 -0.5
mais moins «agile».
-1
-2 0 20 40 60 80 100
0 200 400 600 Time (min.)
Time (min.)
Régulation
Régulation Z0
Z0 1
élimination de la perturbation
0.5 0.5 Ti=2min
Ti=0,4min
C C
élimination de la perturbation
-0.5
-0.5
-1
0 20 40 60 80 100
-1 Time (min.)
0 200 400 Time (min.)
Chap. 6/256
 3. PID (Influence de l’action dérivée en régime de régulation)

 Manipulation : Amenons d’abord le système en régime d’instabilité en augmentant par exemple le gain
ou en diminuant Ti : Soit (Kr=2 Ti = 0,4min , Td=0) ), puis introduisons l’action dérivée et analysons son
influence sur la stabilité. Toutes les courbes représentent les réponses du SRA par rapport aux
perturbations.
M 3
M Z0
Td=0 Le système avec PI est Td=0,8
2 Ti=0,4 instable, J’introduis
alors l’action D, 0.1 Ti=0,4
Kr=2
Z0 il se stabilise. Kr=2
C C
-1
-0.1
-2

-3 -0.2
0 200 400 600 0 200 400 Time (min.)
Time (min.)

Z0
Z0
Ti=0,4 Td=5 Ti=0,4
Td=5 le système se stabilise, Kr=10
Kr=2 0.05
0.05 ce qui me permet
d’augmenter le gain Kr
C
C

-0.05
-0.05

-0.1
-0.1 0 10 20 30 40 50
0 50 100 150
Time (min.) Time (min.)

Chap. 6/257
 6.5.6. Régulation discontinue ( tout ou rien)
Analysons l’influence de la zone morte d’un relais sur la précision et la stabilité du SRA. On remarquera sur les
résultats de simulation ci-dessous qu’il existe un dilemme zone morte (dead zone) - stabilité, précision ; Si le relais
(régulateur tout ou rien) ne possède pas une zone morte, le SRA est précis, mais introduit des auto-oscillations
(nuisibles pour la vanne). Si par contre, on introduit une zone morte importante, le pompage disparaît mais la précision
est mauvaise.

1
10s+1
Perturbation Conduite
Z pétrole Graph
+
+ 1.33
- +
Sum 9.9s 2+17.1s+1 Sum1
Consigne Relay Dead Zone Transport
C Delay FOUR+vanne

M
M

C J’introduit une zone

morte au relais
0.8 C

0.6 commande avec relais

commande avec relais
idéal (sans zone morte) 0.5
0.4 le pompage disparaît réel (avec zone morte)
mais l’erreur de réglage
0.2
augmente
0 0
0 200 400 600 800 t (min.) 0 200 400 600 800 t (min.)

Chap. 6/258
 6.5.7. Réglage du correcteur
 1. Méthode théorique - Compensation des constantes de temps du système par un PID
Les méthodes théoriques nécessitent toutes un modèle, c’est pourquoi leur efficacité dépend de la précision du modèle
appliqué. Aussi, leur utilisation reste très limitée dans l’industrie. Ces méthodes sont nombreuses, appliquons à titre
d’exemple, la méthode de compensation. Nous avons vu au chapitre 4 page 135 qu’il était possible de choisir les
valeurs des paramètres du régulateur de façon à compenser les constantes de temps du four.

 Valeurs des paramètres du régulateur

Réponse par rapport à la perturbation en BF
Ti  1   2  16 ,5  0 ,6  17 ,1 du système compensé
Z0
1 2
Td   0 ,5789 Ti=17.1
1   2 0.05
Kr=10
td=0,5789

 Remarque : C
Il est évident que la compensation des paramètres
du système dans la pratique n’est pas aussi évidente
qu’en simulation, car, le modèle n’est pas toujours
exact et de plus les coefficients du modèle varient
constamment dans les conditions réelles de
0 10 20 30 40 50
fonctionnement : Il suffit par exemple que
Time (min.)
le dépôt de coke soit plus important par suite d’une
mauvaise combustion du gaz que le coefficient
d’échange de chaleur (paramètre du modèle) varie etc... Chap. 6/259
 Influence du temps de retard sur la stabilité du système
Limite du PID et de la régulation classique

 Introduisons un retard pur dans le système à commander. Analysons l’influence de ce temps de retard pur sur la stabilité du
système. Le schéma de simulation est donné plus loin. La fonction de transfert du four devient :
1,33
G( p )  e  p
1  16 ,5 p1  0 ,6 p
Z0 Z0
  0 ,2 Ti=0,4
  0 ,3 Ti=0,4
Kr=10 J’augmente le retard pur Kr=10
td=5 dans le système, td=5
C C

-0.03 -0.03
0 10 20 30 40Time (min.) 0 10 20 30 40Time (min.)

Z0 Z0
Ti=0,4   0 ,32
Ti=6   0 ,32
Kr=10 on est contraint de diminuer, Kr=1
td=5 le gain Kr et le temps Ti td=5
au sacrifice d’autres performances C
C

d’où les limites de la

-0.5 régulation PID.
0 10 20 30 0 10 20 30 40 50
Time (min...) Time (min.)
Chap. 6/260
 2. Méthode pratique de réglage du régulateur en boucle fermée
On introduit un retard pur au système (sinon le système ne sera jamais en régime de pompage). Sur le schéma de
simulation sur Simulink du SRA , on met le correcteur en action P (Ti=max, Td=0 ou I=0, D=0 sur le PID controller de
Simulink) et on augmente le gain jusqu'à apparition du pompage, on fixe alors le gain critique Kcr et la période de
l’auto-oscillation puis on détermine les paramètres du régulateur par la méthode de Ziegler et Nichols en sachant que
le PID est de type série ( voir tableau de Ziegler et Nichols).
0.66
10s+1
Perturbation Conduite pétrole
Z0
Graph
M
+ 1.33 +
- PID 2 +
9.9s +17.1s+1 Sum1
Consigne Sum PID controller Retard FOUR, Vanne
C =0.32

Obtention du régime de pompage

Réponse indicielle en BF du PID
M paramètres affichés
M
T Kcr=43,80 Paramètre affichés
2.5 2.5
T=2,85min Kcr Ti=18.18
2 Kr   25 ,76
1 .7 2 Td=9,38
T * 0 . 85 1 Kr=25.76
1.5 Ti  0 ,055   18 .18 1.5
K cr Ti
C C
T * K cr
Td  9 .38
0.5 13 .3 0.5
0 0
0 5 10 15 t (min.) 0 2 4 6 t(min.)
Chap. 6/261
 6.6.Notion de régulation avancée
 Limite de la régulation PID
 Lorsque la régulation classique PID est incapable de stabiliser ou de réguler le processus, on doit ou bien changer la structure du système
de commande ou proposer d’autres algorithmes de commande plus sophistiqués. Ces méthodes sont communément appelées méthodes
avancées de régulation.
 La liste des méthodes modernes de réglage (commande floue, par réseaux de neurones, horizon infini etc...) est exhaustive mais ces
méthodes restent pourtant encore du domaine de la recherche. Il est important de souligner que pratiquement toutes ces méthodes
nécessitent un modèle ce qui évidemment limite leur utilisation à des systèmes simples ou de structure rigide tels que les systèmes
mécaniques (robotique et aviation). En génie des procédés, on utilise surtout les méthodes classiques que nous venons de voir. Le présent
cours est limité uniquement à la régulation monovariable , nous citerons toutefois pour information le principe des quelques méthodes les
plus simples : cascade, prédictive et auto adaptative.

 Régulation prédictive (feedforward control):

 Ce mode de réglage dit aussi de compensation de perturbation ou à boucle combinée permet , d’éliminer l'effet de la perturbation
principale (débit du produit à chauffer) avant qu’elle ne se répercute sur la variable à régler (la température) d’où un effet de prédiction.
Cette régulation ne prend en compte qu’une seule perturbation, c’est pourquoi une telle commande est justifiée si la perturbation est bien
localisée et qu’en plus elle subit des variations brutales et importantes. Le principe simple, consiste à déterminer et de réaliser la
transmittance du compensateur Wc(p) de façon que l’effet de Qc(p) sur Ts(t) soit nulle.

 Régulation autoadaptative :
 Nous avons vu que la régulation PID a ses limites lorsque les temps de retard sont importants ou lorsque les perturbations sont trop
grandes. Les paramètres optimaux à afficher du régulateur dépendent évidemment du modèle or, dans les processus réels (surtout en
génie des procédés), les caractéristiques physiques changent en permanence. A titre d’exemple, une vitesse de réaction chimique dépend
d’abord de l’état du catalyseur, les constantes de temps dans les fours dépendent du dépôt de coke dans les tubes etc... L’idée de la
régulation auto adaptative est alors de calculer en temps réel le modèle du processus à commander (par des algorithmes appropriés) et de
déterminer les paramètres ou la structure du régulateur numérique en fonction du critère d'optimalité imposée. Il est clair que dans ce
cas les régulateurs sont numériques. A cet effet on excite le processus par un ensemble d’impulsions (qu’on appelle Séquences Binaires
Pseudo Aléatoire SBPA) et on traite les sorties correspondantes pour déterminer le modèle par des algorithmes de type moindres carrées
de récursifs.
 6.7 Quelques principes de régulation avancée

Régulation en cascade Régulation prédictive

Produit à chauffer Produit à chauffer

FR Ts Ts
FT
Air (O2) 1
-
Fc
-
 FRC Wc(p)   Tc
TRC
Gaz
-
 Tc
Gaz TRC

Régulation auto adaptative

identification temps réel

critère d’optimalité

calculateur

Produit à chauffer Ts

Air (O2) -
 Tc
FR
régulateur numérique
auto ajustable
Gaz

Chap. 6/263
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/264

Partie II

COMMANDE NUMERIQUE
Belkacem OULD BOUAMAMA

264
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/265

Sommaire
 1. Rôle et définition d’une commande numérique
 2. Eléments constitutifs et mise en œuvre
 Structure d'un système de commande numérique
 Fonctions d'un calculateur ;
 Critères de choix des paramètres (échantillonnage, quantification, numération et codage ; Mise
en œuvre (Filtrage et multiplexage des signaux analogiques) ; conversion analogique-
numérique,
 Régulateurs numériques PID. Commande en temps discret.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/266

COMMANDE NUMERIQUE: pourquoi?

Régulation continue :
 apparition en 1840 (Watt) encore très utilisée
Régulation numérique
 Depuis 1959 (commande d ’une unité de polymérisation Texaco de Port Artur,
Texas),
 Limites de la régulation analogique
 Manque d’auto-adaptivité
 Les paramètres du correcteur continu ne sont pas évolutifs
 Transmission sensibles aux bruit
 Précision faible
 Programmation des algorithmes figée (peu flexible)
 Archivage des données inexistant (nécessite des CAN)
 Temps de réponse lent (contrôleur pneumatique, analogique ,…)
 Difficulté de mise en œuvre des algorithmes de commande avancée (retour d’état, observateur
…)
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/267

Régulation numérique : Eléments constitutifs

+
C E Un Ua Y
CNA PROCESS

M (-)

CAPTEUR
CAN
TRANSMETTEUR

CNA : Convertisseur Numérique Analogique

CAN : Convertisseur Analogique Numérique
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/268

Eléments industriels
Régulateur numérique Process

Actionneurs

Capteurs
Salle de contrôle

Chap1: INTRODUCTION
Avantages et inconvénients d’une commande numérique
Avantages
 Informations numériques transmises peu
sensibles au bruit
 Elaboration de consignes sous forme de
programmes
 Calcul optimal des paramètres de réglage
(régulateur auto-adaptatifs)
 Gestion des alarmes, autodiagnostic
 Commande embarquée
 Gestion statistique des données
 Programmation simple des actions P, PI, PID
 Programmation des commandes avancées
 faible coût et performances supérieures
Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap.1/269
Inconvénients
 Temps de calcul en temps réel
 Nécessité de CAN et de CNA (car les
actionneurs ont analogiques) dans la
boucle numérique
 Le temps réel difficile à mettre en
œuvre
 le temps de calcul des paramètres de
réglage doit être inférieur au temps de
réponse des éléments de la boucle.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/270

Rôle d’un calculateur

Fonctions d'un calculateur dans une commande numérique
 Un calculateur peut être : microprocesseur, ordinateur, microcalculateur
 Calculer en fonction de l’algorithme des actions de commande vers
l’actionneurs via le CNA
 Enregistrer l’évolution des variables du procédé en temps réel
 Afficher le suivi du procédé : gestion des alarmes et des consignes
 Aide à l’opérateur pour la prise de décision en situation d’alarmes
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/271

PARTIE 2

ELEMENTS CONSTITUTIFS ET MISE EN

OEUVRE
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/272

Mise en oeuvre

Consigne Modèle
discrétisée échantilloné
+ Calculateur Procédé
CAN
CNA
numérique Continu Sortie
- discrétisée
Horloge

 La consigne est spécifiée numériquement.

 L’erreur consigne-sortie discrétisée est traitée par un calculateur numérique.

 Ce calculateur généret une séquence de nombre. A l’aide d’un convertisseur numérique

analogique (CNA), cette séquence est convertie en un signal analogique qui est maintenu
constant entre des instants réguliers par un bloqueur d’ordre zéro (BOZ). L ’ensemble
CNA-BOZ est appelé échantillonneur Bloqueur.

 Ces instants espacés régulièrement sont appelés instants d’échantillonnage et

sont définis par une horloge de synchronisation
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/273

DEFINITIONS

 Echantillonnage
 Un signal continu f(t) est remplacé par une suite discontinue de ses valeurs f(nTe) aux
instants d’échantillonnage t=nTe (n=0,1,2,…) où Te est la période d’échantillonnage.
 Échantillonner un signal consiste à le prélever à intervalle de temps réguliers,
pendant une durée très courte.

Signal continu Signal discret (suite d’échantillons)

f(t) f*(t)
Echantillonnage
CAN

Te

1Te 2Te 3Te 4Te 5Te 6Te t(s)

t(s)
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/274

Définitions
 Quantification
 Après avoir échantillonné, on quantifie l ’amplitude du signal par un
nombre fini de valeurs codées en général en binaire.
Les données sont représentées sur un calculateur dans un certain format
 Quantifier un signal : approximer sa valeur instantanée par la valeur
discrète la plus proche. On commet donc une erreur
 Un signal codé sur n bits prend 2n valeurs différentes (8 bits c’est 256 valeurs)

Signal quantifié avec un nombre de niveaux deux fois

plus petit

Erreur de
quantification
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/275

Définitions
Erreur associée à la quantification
 = bruit de quantification
Reconstruction (CNA)
 consiste à élaborer un signal analogique à partir d’une suite de nombres
Discrétisation (CAN)
 Découpage temporel du signal
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/276

Bloqueur

Reconstitution du Signal continu: Bloqueur d ’ordre zéro (BOZ)

 Le bloqueur d ’ordre zéro (BOZ) a pour action de maintenir constante et
égale à f(nTe) l ’amplitude de l ’impulsion entre les instants nTe et (n+1)Te.

P(t) Peigne de Dirac: suite

d’impulsionde Dirac

BOZ
t

f(t) Signal continu CNA f*(t) Signal reconstitué

P(t)
Peigne de Dirac

t(s) 1Te 2Te 3Te 4Te 5Te 6Te t(s)

 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/277

Quelle fréquence d’échantillonnage ?: Théorème de Shannon

On échantillonne un signal continu de fréquence f0 pour différentes fréquences d ’échantillonnage fe

fe=8f0 Fréquence d’échantillonnage fe=8f0
Le signal continu se retrouve dans la
CAN séquence échantillonnée.

fe=4f0
CAN Le signal continu se retrouve dans la
séquence échantillonnée.

Le signal continu ne se retrouve plus

fe=2f0
dans la séquence échantillonnée.
CAN

Théorème de Shannon f e  2 f max

 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/278

Théorème de Shannon (suite)

Importance
 Ce théorème très utile donne précisément la fréquence à laquelle il faut
échantillonner un signal losqu'on le numérise.
Enoncé
 la fréquence d'échantillonnage doit être au moins égale au double de la
fréquence du signal analogique. Si l'on se situe sous cette limite
théorique, il y a perte d'information dans le signal.
 Pour ne pas perdre d'information dans un signal la distance entre deux
échantillons doit être inférieure à la demi-période du signal.
 Pour ne pas perdre de détail dans une image, la taille des pixels doit être
moins de la moitié du plus petit détail de l'image.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/279

Théorème de Shannon (suite)

 Exemples
 dans l'audio : pour F < 20 kHz (son Hi-Fi), Fe = 44,1 kHz
 voix humaine en téléphonie : pour F < 3400 Hz, Fe = 8 kHz.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/280

Choix en pratique de la période d’échantillonnage

 Critère fréquentiel
 Fe : fréquence d’échantillonnage : elle doit être 6 à 24 fois plus grande
que la fréquence de coupure du système
 Exemple : soit Wc la fréquence de coupure du système, alors la période
(s) d’échantillonnage Te sera :
2 2  
 Te  ;  Te 
18c 9c 9 4.5


 Système du 1er ordre  Te  
4
 : constante de temps du procédé 1er ordre

 Pour un deuxième ordre W ( p)  k

P 2  2 n p  n2
0.25  nTe    0.7
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/281

Choix de la période d’échantillonnage

CHOIX DE LA PERIODE D’ECHANTILLONNAGE POUR
LA REGULATION DES PROCESS

TYPE DE VARIABLE OU PERIODE D ’ECHANTILLONNAGE

PPROCESS (en s)
Globalement :
DEBIT 1-3 Choisir une fréquence
d’échantillonnage
NIVEAU 5-10
5 fois plus petite que la constante de
PRESSION 1-5 temps la plus rapide que l'on veut
contrôler en boucle fermée
TEMPERATURE 10-45
DISTILLATION 10-180
ASSERVISSEMENTS 0,001-0,1
REACTEURS CATALYTIQUES 10-45
CIMENTERIES 20-45
SECHAGE 20-45
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/282

Cas pratique
 Si la fréquence d’échantillonnage Fe est trop petite :
 On perd de l’information du signal
 On doit bien faire l’interpolation pour reconstituer le signal
Si Fe égale à celle du signal:
 le signal échantillonné paraitrait constant
Si la fréquence d’échantillonnage Fe est trop grande
 Taille du mémoire du fichier à gérer trop grande
 Signal bruité si on doit dériver (exemple dériver la position pour avoir la
vitesse)

En pratique prendre la fréquence d’échantillonnage 10 fois la

fréquence du signal
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/283

Mise en oeuvre (Filtrage et multiplexage des signaux analogiques

 Schéma de principe d’une boucle de traitement numérique

Grandeur physique

Ampl Echantillonneur Unité de

Capteur Filtrage CAN
i bloqueur traitement

Partie opérative CNA

Ampli. Filtrage
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/284

exemple
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/285

Rôle des éléments de la boucle numérique

Capteur
 Transforme l’énergie en une grandeur physique mesurable. Il est
l’interface entre le monde physique et le monde électrique. Il va
délivrer un signal électrique image du phénomène physique que l’on
souhaite numériser. Il est toujours associé à un circuit de mise en
forme.
Amplificateur
 Cette étape permet d’adapter le niveau du signal issu du capteur à la
chaîne globale d’acquisition.
Filtre
 Ce filtre est communément appelé filtre anti-repliement. Son rôle est de
limiter le contenu spectral du signal aux fréquences qui nous intéressent.
Ainsi il élimine les parasites. C’est un filtre passe bas que l’on caractérise
par sa fréquence de coupure et son ordre.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/286

Rôle des éléments de la boucle numérique

Echantillonneur bloqueur
 Son rôle est de prélever à chaque période d’échantillonnage (Te) la valeur
du signal. On l’associe de manière quasi-systématique à un bloqueur. Le
bloqueur va figer l’échantillon pendant le temps nécessaire à la
conversion. Ainsi durant la phase de numérisation, la valeur de la tension
de l’échantillon reste constante assurant une conversion aussi juste que
possible. On parle d’échantillonneur bloqueur.
CAN
 Il transforme la tension de l’échantillon (analogique) en un code binaire
(numérique).
CNA
 Il effectue l’opération inverse du CAN, il assure le passage du numérique
vers l’analogique en restituant une tension proportionnelle au code
numérique.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/287

Rôle des éléments de la boucle numérique

 Filtre de sortie
 Son rôle est de « lisser » le signal de sortie pour ne restituer que le signal utile. Il a les mêmes
caractéristiques que le filtre d’entrée.
 Amplificateur de sortie
 Il adapte la sortie du filtre à la charge.
 Performances globale de la chaîne d’acquisition
 Fréquence de fonctionnement : C’est le temps mis pour effectuer les opération de :
 Echantillonnage (Tech) , Conversion (Tconv et Stockage (Tst)
 temps minimum d’acquisition
 la somme de ces trois temps : 1
Tacq  Tech  Tconv  TSt  Fmax 
Tech  Tconv  TSt
 Résolution de la chaîne
 La numérisation d’un signal génère un code binaire sur N bits. On obtient donc une précision de
numérisation de 1 2N%. Il faut donc que tous les éléments de la chaîne de conversion aient au moins
cette précision. On leur demande en général une résolution absolue de (0.5*1 2N%).
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/288

Acquisition
 Multiplexeur Acquisition séquentielle décalée
 L’acquisition décalée se base sur l’utilisation en amont d’un multiplexeur qui va orienter un capteur
vers la chaîne unique d’acquisition

Echantilloneur-
MULTIPLEXEUR

Bloqueur
CAPTEURS

0101101

CAN
Séquenceur

 Avantages : Economique
 Inconvénients : décalage dans le temps des acquisitions. On réservera donc cette structure à
celle ne nécessitant pas une synchronisation entre les données numérisées. Temps
d’acquisition complet est proportionnel au nombre de capteurs
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/289

Acquisition
Acquisition séquentielle simultanée
Capteur1 E/B 1

Echantilloneur-
Bloqueur (E/B)
MULTIPLEXEUR
0101101

CAN
Capteur2 E/B 2

Capteur n E/B n

Séquenceur

 Avantages : Economique moyen, acquisitions synchrones

 Inconvénients : un E/B pour chaque capteur. Temps d’acquisition
complet est proportionnel au nombre de capteurs.
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/290

Acquisition
Acquisition parallèle
Capteur1 E/B 1 CAN1 0101101

Capteur2 E/B 2 CAN1 0101101

Capteur n E/B n CAN1 0101101

 Avantages :
 les conversions simultanées, Acquisition d’une donnée pendant que l’on en stocke
une autre, gain de temps sur l’acquisition complète.
 Inconvénients
 Coût élevé
 Copyright© : Prof. B. Ould Bouamama , Polytech’Lille
Chap1: INTRODUCTION Chap.1/291

TRANSFORMEES EN Z
 Transformée de Laplace d’un signal échantillonné
 Description d’un signal échantillonné
 On définit le signal échantillonné par la suite en k : {f(K)}={f(KTe)}
Te
f*(t)
f(t)


f * ( t )  f ( t ) Te ( t ) f * ( t )  f ( t )  ( t  nTe )
 n 0

 Te ( t )    ( t  nTe ), n   peigne de Dirac 

n 0   f ( nTe ) ( t  nTe )
n 0

 Transformée de Laplace

    tp 
L  f * ( t )     f ( nTe ) ( t  nTe ) e dt   f ( nTe )e  nTe p
0  n 0  n 0

Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 Transformées en z
 Transformée en z

L  f * ( t )   F * ( p )   f ( nTe )e  nTe p
n 0

 Changement de variable : z  eT p e


f ( t )  F ( z )   f ( nTe ) z  n  Z  f * ( t ) 
n 0

 du point de vue numérique, à la suite de nombre f(0), f(Te), …., f(nTe) constituant le
signal numérique, on peut faire correspondre la série :

F *( p)   f (nTe )enTe p
n0
 du point de vue continu : Soit F*(p) est la transformée de Laplace du signal
échantillonné

Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 Transformée en z
 Transformée en z : définition
 On appelle transformée en z d’un signal f(t) la Transformée de Laplace F*(p) du signal
échantillonné f*(t) en remplaçant :

ze Te p

 Exemple 1 : TF de Z de échelon Heaviside  (t )  1

 
1 z
Z  ( t )   ( nTe ) z n
 z n 1
 1  z  z  ...  2
1
 Suite géométrique
n 0 n 0 1 z z 1 de raison z-1

 at
 Exemple 2: f ( t )  e

f ( t )  e  at  f ( nTe )  e  anTe
n
  Te

e  
z
F ( z )   e  nTe z  n        Te
n 0 n 0  z  z  e
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
Tableau des transformée en z

295
 Definitions
La transformée de Laplace pour les signaux continus :

La Transformée de Laplace pour un signal discret (connus uniquement en

des instant k)

X* est est une suite :

Donc la transformée en z est définie p (existe table des Transfor. En z)
 Propriétés de la transformée en z
Linéarité

Théorème du retard
 Si F(k-1) est le signal discret de f(k) retardé de l périodes: alors ,

Théoréme de l’avance

11/03/2018 Commande numérique 297

 Théoréme de la valeur initiale
 La valeur initiale d’un signal continu est

 à temps discret, elle est:

Théorème de la sommation
 En continu on parle du théoème d’intégration

 En discret on a :

11/03/2018 298
 Théorème de la valeur finale:
 En continu :

 En discret :

Exemple : Calcul d’une Transformèe en z

 Soit un signal discret du signal de Dirak :

 Transformèe en z:

11/03/2018 Commande numérique 299

 Calcul Transformée en z exemple
 Considérons le signal suivant

 Par définition, sa transformée en z se calcule comme suit

Il s’agit d’une série géométrique connue

11/03/2018 Commande numérique 300

 Application : Transformée en z
1) Système continu
u(t )

1  1 
1 Y ( p)  y ( t )  L1    1 e
t

1 1 p (1  p )  p (1  p ) 
p p 1  1  1 
t Valeur finale: y (  )  Lim p    1
p 0 p
  (1  p ) 

2) Système numérique  1  z 1 z

Z   Te
, Z 
 (1  p )  z  e  p z 1
z  z z
z y ( n )   y ( nTe ) z Y ( z )  Z  y( n )  W ( z ).U ( z ) 
n
.
z  1 W ( z)  n 0
ze  Te
z 1
z  e  Te
Valeur finale:
 z 1  z  1  z  z   1 
TRANSFORME_Z Discret : y( k )  Lim   Y (( z )  Lim  z  z  e  Te  z  1    1  e  Te  : dépend de Te
k  z 1
 z  z 1
     
Valeur initiale
 z  z 
f (0)  LimF ( z ) : Lim   Te    1Te
z  z 
 z  e  z  1 
 Système discret et échantillonné
 Un système à temps discret se définit comme un
opérateur entre deux signaux à temps discret.

Un modèle entrée-sortie, appelé aussi modèle externe,

ne fait intervenir que les séquences d’entrée uk et de
sortie yk.

a0 y ( k )  a1 y ( k  1)  ...an y ( k  n )  b0u( k )  b1u( k  1)  ...bmu( k  m)

11/03/2018 Commande numérique 302

 Système discret
 Fonction de Transfert d’un système discret
u( k ) W(z) y(k )

a0 y ( k )  a1 y ( k  1)  ...an y ( k  n )  b0 u( k )  b1u( k  1)  ...bm u( k  m )

a0Y ( z )  za1Y ( z )  z 2 a2Y ( z )  ... z n anY ( z )  b0U ( z )  zb1U ( z )  ... z m bmU ( z )

Y ( z) b0  zb1  z 2b2 ... z m bm B( z )

W ( z)   
U ( z ) a0  za1  z a2  ... z an A( z )
2 n

11/03/2018 Commande numérique 303

 Signal échantilloné
 Utilisation de calculateurs numériques
 utilisés en temps réel pour commander, piloter, guider... des
procédés physiques qui sont le plus souvent à temps continu.
La problématique :
 Représenter les interactions entre des signaux physiques
analogiques avec des signaux assimilables par des calculateurs
numériques qui se présentent sous forme de suites.
 L’analyse d’un système commandé par calculateur numérique
passe par la définition d’un système `a temps discret, comprenant
le procédé commandé de nature généralement continue, et les
convertisseurs numérique analogique et analogique-numérique,
que l’on peut respectivement assimiler au bloqueur d’ordre zéro et
`a l’´échantillonneur,
11/03/2018 Commande numérique 304
 Système échantillonné et discret
Partie continue

Partie échantillonée

11/03/2018 Commande numérique 305

 Conversion AN et NA

AN

NA

11/03/2018 Commande numérique 306

 Échantillonneur
Le véritable problème envisagé est celui de l’´échantillonnage en sortie d’un procédé dont on
connait, par exemple, sa fonction de transfert mais la sortie du système est inconnue car elle
dépend du signal d’entrèe u(t) qui n’est pas précisé´

T doit satisfaire le théorème de Shannon

11/03/2018 Commande numérique 307

 Bloqueur d’ordre zero
 Fonction de transfert d’un bloqueur d ’ordre zéro (BOZ)
 Il a pour action de maintenir constante et égale à f(nTe) l ’amplitude de l ’impulsion entre les instants
nTe et (n+1)Te.
 Sa FT Bo(p) est la transformée de Laplace de sa réponse impulsionnelle


11/03/2018 Commande numérique 308

 Fonction de transfert d’un BOZ
 (t ) s(t ) (t ) : signal de saut

 (t )
s(t )
Bo(p)
T t
t

1
s( t )   ( t )   ( t  T )  s( p )   ( p )   ( p )e  TP   ( p )(1  e  TP )  (1  e  TP
p

s( p ) (1  e  TP )
Bo( p )  
 ( P) p

11/03/2018 Commande numérique 309

 Transformée en z de l’échelon unitaire
 Transformée d’un échelon unitaire

Z ((t ))   (nTe ) z  n  1  z 1  z 2  .....z  n suite géométrique raison z 1
n0

1 z
Z ((t ))  1
  (t )
1 z z 1

Transformée bloqueur associé transmittance

11/03/2018 Commande numérique 310

 Fonction de transfert d’un système échantillonné
 Fonction de transfert
U( p ) Y ( p)
G(p) Y( p ) G ( p) 
U ( p)
W(z)
y( k )
u( k )
Système échantillonné y( k )
Bo(p) G(p)
y (t )
u(t ) y( k )
u( k ) Bo(p) G(p)
Te

 Théorème: Soit un procédé continu modélisé par une fonction de transfert G(p). Ce
procédé échantillonné admet une fonction de transfert en W(z):

11/03/2018 Commande numérique 311

 Demonstration
 Sens de Z[h(p)]

 h(t) : réponse impulsionnelle

 hk réponse discréte {hk }= { h(KT) }
 H(z) : FT en z. Z[hk ]=H(Z)

u*(t) : signal continu constitué des échantillons u(k )

11/03/2018 Commande numérique 312

 Y ( p)
u( k ) Te U * ( p) U ( p)
Bo(p) Gc(p)

 La transformée de Laplace de ce signal s’écrit:

Comme

Sachant que la réponse impulsionnelle sortie échantillonneur est:

11/03/2018 Commande numérique 313

  En appliquant le théoréme du retard

11/03/2018 Commande numérique 314

  Puisque la FT du bloqieur d’ordre zéro est Bo(p) Bo(p)=1-exp(-Tep)/P, on a :

Les propriétés des Tf de Laplace et de Z donnent :

11/03/2018 Commande numérique 315

 Application : Transformée en z et échantillonné
1) Système continu
u(t )

1  1 
1 Y ( p)  y ( t )  L1    1 e
t

1 1 p (1  p )  p (1  p ) 
p p 1  1  1 
t Valeur finale: y (  )  Lim p    1
p 0 p
  (1  p ) 

2) Système numérique  1  z 1 z

Z   Te
, Z 
 (1  p )  z  e  p z 1
z  z z
z y ( n )   y ( nTe ) z Y ( z )  Z  y( n )  W ( z ).U ( z ) 
n
.
z  1 W ( z)  n 0
ze  Te
z 1
z  e  Te
Valeur finale:
 z 1  z  1  z  z   1 
TRANSFORME_Z Discret : y( k )  Lim   Y (( z )  Lim  z  z  e  Te  z  1    1  e  Te  : dépend de Te
k  z 1
 z  z 1
     
Valeur initiale
 z  z 
f (0)  LimF ( z ) : Lim   Te    1Te
z  z 
 z  e  z  1 
 Exemple : système échantillonné
 EXEMPLE : FT en z de G ( p) 
1
( p  1)

ECHANTILLONE_VS_Z

 Période d’échantillonnage 2
4
 Te  2

z  1  G ( p)  z  1  1 
 FT en z: G( z) 
z
Z
 p 
 
z
Z 
 p ( p  1) 

 G ( p)   1  z (1  exp(Te)
 puisque (cf. table) Z
 p 
  Z 
 p( p  1)  ( z  1) z  exp(Te)
   

 z  1   G ( p )   (1  exp(Te) 
Alors FT en Z du Système échantillonné est G( z)   Z  
 z   p    z  exp(Te  


(1  exp(1) 0.6321
pour Te  1, G ( z )  
11/03/2018  zCommande 1  z  0.3679 
 exp(numérique 317
 MATLAB

%EXEMPLE mc = EXO_ECHANTILLONE_
num=1; 1 MATLAB
den=[1 1]; -----
mc=tf(num,den) s+1
%Convertir continu vers discret
Te=1; md =
method='zoh'
md = c2d(mc,Te,'method') 0.6321
step(md); ----------
%Convertir discret vers continu z-
0.3679
mc1=d2c(md)

Chap.1/ 318
 Exemple
1
 EXEMPLE : FT en z de G ( p) 
(2 p  1)

 Période d’échantillonnage 2
4
 Te  2

z  1  G ( p)  z  1  1 
 FT en z: G( z)  Z   Z  p(2 p  1) 
z  p  z  

 1   1/ 2  z (1  exp(0.5Te)
 puisque (cf. table) Z
p ( 2 p  1)   Z 
 p ( p  1/ 2)  z  exp(0.5Te) ( z  1)
   

Alors FT en Z du Système échantillonné est

p
o
u
r
T
e
1
,

(1  exp(0.5) 0.3935
 G( z)  
z  exp(0.5 z  0.6065
11/03/2018 Commande numérique 319
 SIMULATION : Echantillonné
ECHANTILONE_SIMULINK Matlab
Exo_echantilone3_mtalab
%EXEMPLE
num=1;
den=[2 1]
mc=tf(num,den)
%Convertir continu vers discret
T=1
DEMO_SIMULINK
EXo_echatillon3 method='zoh'
md = c2d(mc,T,'method')
Syntax : Continuous to discrete step(md)
md = c2d(mc,T,’method’) %Convertir discret vers continu
Syntax : discrete to continuous mc1=d2c(md)
mc1=d2c(md)

11/03/2018 Commande numérique 320

 Réponse discrète et continue

11/03/2018 Commande numérique 321

 FT d’un système échantillonné
FT d’un système continu

U( p ) W(p) Y( p )

FT du système échantillonné

z  1 W ( p ) 
W ( z )  Z W ( p ).Bo( p )  Z 
z  p 

11/03/2018 Commande numérique 322

 Exemples
Soit le système échantilloné suivant
y( k )
u( k ) 1
Bo(p)
p( p  1 )
Te

Calculer sa FT en z
1
 La partie continu est : G( p) 
p ( p  1)
 Sa FT en z est :
z  1  G( p )  z  1  1 
G( z )  Z  Bo( p ).G( p )  Z   Z 
z  p  z  p  p( p  1)  

11/03/2018 Commande numérique 323

 Exemple suite
Décomposition en éléments simples
1 G( p ) 1
G( p)   2
p ( p  1) p p ( p  1)

z  1  G( p )  z  1 z  (1  exp( Te)(1  z )  Te( z  exp( Te))

G( z )  Z   .
z  p  z ( z  1) 2
( z  exp( Te))

Utilisation de la table

 z  0.7183  EXo_echatillon_2
Pour T  1s, G ( z )  0.37679  
  z  1 z  0.3679  

11/03/2018 324
 2eme Exemple
(
p
)

p 1
w 
p 3  2 p 2  10.25 p  9.25
Bode Diagram
0

-10

-20
Magnitude (dB)

-30

-40

-50

-60

-70

-80
180
Step Response
0.1

90
Phase (deg)

0.05
0

-90 0

Amplitude
-180
-1 0 1 2
10 10 10 10 -0.05
Frequency (rad/sec)

-0.1

Fréquence de coupure C=5rad/s ou fc=C/(2π)

-0.15
0 2 4 6 8 10 12
Time (sec)

Théorème de Shannon

2π /(24*5)<T< 2π /(6*5)

0,05T< 2π /0,2

11/03/2018 Commande numérique 325

 Simulation
home
disp('Fonction de transfert')
num=[1 -1]; Transfer function:
den=[1 2 10.25 9.25];
0.01439 z^2 - 0.003186 z - 0.01758
mc=tf(num,den) Résultats
pause, home ----------------------------------
disp('Choix periode echantillonage')%Fréquence de
coupure est de 5rad/s z^3 - 2.312 z^2 + 2.042 z - 0.6703
%2pi/24< Te < 2pi/6 0.05<Te<0.2
T=0.2
pause, home
Sampling time: 0.2
method='zoh'
disp('Modele discret')
md = c2d(mc,T,'method')
pause, home
disp('REPONSE INDICIELLE')
step(md)
pause, home
disp('Modele continu')%Convertir discret vers
continu
mc1=d2c(md) DEMO Matlab
Exo_echantilone4_mtalab

11/03/2018 Commande numérique 326

 REGULATEUR DISCRETS
 Régulateurs continus
1 dE ( t )
Ti 
u(t )  K p E (t )  E ( t ) dt  Td
dt
U ( p) 1 Exo_recgulation_contin
W ( p)   Kp   Td p
E( p) Ti p u_discrete

Régulateurs discrets

U ( z) Te z Td ( z  1)
W ( z)   Kp  
E( z) Ti ( z  1) Te z

11/03/2018 Commande numérique 327

 Dérivée filtrée
 L'action dérivée idéale provoque une forte augmentation du bruit hautes
fréquences, on utilise en pratique une dérivée filtrée :

U ( z) T z T ( z  1)
W ( z)   Kp  e  d , N  0.1
E( z) Ti Ti ( z  1) Te z  N

11/03/2018 Commande numérique 328

 Stabilité des systèmes numériques
 definition
 Un système numérique est stable ssi il revient à sont état d’équilibre suite à une
réponse impulsionnelle. Soit h(kT) la réponse impulsionnelle :
Valeur finale: h( )  Lim  h( kt )   0
k 

 Condition nécessaire et suffisante

n

N ( z)  i
a z i

H ( z)   i0
d
la fonction de transfert en z
D( z )
b z
i0
i
i

la réponse impulsionnelle est :s(z)=H ( z ). ( z )

 ( z ): Transformée en z d'une impulsion
z  1   ( p)  z  1 z
 ( p )  1   ( z ): Z  = . =1
z  p  z z 1
C1 C2 Cd
la réponse impulsionnelle est :s( z )    ...
z  z p1 z  z p 2 z  z pd 329
  Quelle est la forme de la réponse impulsionnelle en fonction des pôles :
 Soit zpi les poles de la FT simples , la réponse impulsionnelle sera alors :

 H ( z )  d
L1    i pi  Lim hk  0 si i z pi  1
 k
C z
 z  i 0 k 

11/03/2018 Commande numérique 330

 Stabilité : Lien avec système continu
 Un système continu est stable si et seulement les pôles de sa fonction de
transfert G(p) sont tous à partie réelle négative.

 A chaque élément simple de la décomposition de G(p), il apparaît un pôle pi

auquel correspond un pôle simple zi = eTpi pour G(z)=Z[G(p], compte tenu de
la relation fondamentale z = eTp, reliant les variables p et z.

1 z
G ( p)   G( z) 
pa z  e  aTe
ba z z
G ( p)   G( z)  
 p  a  p  b  z  e  aTe z  e  bTe

Chap.1/ 331
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
  Soit pi = i +ji un pôle pour G(p)
 i +ji i ji
 Donc pour G(z) z i =e Te . pi
=e e e
 La condition de stabilité du système continu, à savoir  i <0 implique que :
i ji
zi =e Tep
 e e 1

 Un système numérique de transmittance G(z) est stable ssi tous ses

pôles sont situés à l’intérieur du cercle de rayon unité. Il est d’autant
plus stable que ses pôles sont prés de l’origine. Il est juste oscillant si
ses pôles sont de module 1

332
Prof. B. Ould  Bouamama  Polytech’Lille                                                             « Automatique continue et numérique »
 Domaine de stabilité
 Lien avec un système continue z  eTe p , soit p= +j
z =eTe p  1    0

Im Juste Oscillant

Re

11/03/2018 Commande numérique 333

 Critère de Jury
 soit donnée la Ft en z n

N ( z)  i
a z i

H ( z)   i 0
d
la fonction de transfert en z
D( z )
i
b z
i 0
i

Considérons le dénominateur D(z)

D( z )  b0  b1 z  ...bd 1 z d 1  bd z d , bi  i  

11/03/2018 Commande numérique 334

11/03/2018 Commande numérique 335
 Critère de Jury: énoncé
 Pour que toutes les raciness de D(z)=0 soient situées à l’intérieur du
cercle unite, il faut et il suffit que les (d+1) conditions suivantes soient
satisfaites :
D (1)  0
  0 pour d pair
D ( 1) 
 0 pour d impair
 b0  bd

 c0  cd 1

 d 0  d d 2
( d  1) contraintes 
 e0  ed  3
...................

 q0  q2
11/03/2018 Commande numérique 336
 Cas particulier

11/03/2018 Commande numérique 337

 exemple
 Etudier la stabilité du système fermé suivant :

La FT associé au BOZ est :

11/03/2018 Commande numérique 338

 Suite
 la fT en BF est :

Critère de jury
STABILITY_JURY

11/03/2018 Commande numérique 339