LesBasesMathematiquesdelAutomatique PDF

ENAC
Cours de Systmes Echantillonns
Andrei Doncescu et Felix Mora-Camino

tl. 05 61 33 6941
email: andrei.doncescu@laas.fr
1.Cours de Mathmatiques
appliqus lAutomatique
o Sommaire
du cours
Analyse de Fourier,
Mathmatiques pour le signal discret
Rappel Transforme de Laplace
Chap.
Chap.
Chap.
Chap.
1
2
3
4
Transformation de Fourier Discrte

Transforme en z
Suites numriques
Sries numriques, sries entires
Gnralits sur les systmes asservis

Dfinitions
Automatique: science qui tudie les automatismes

Automatisme: dispositif technologique qui remplace l'oprateur humain dans la
conduite d'une machine, d'un processus, d'une installation industrielle
Processus: (ou systme)
C'est l'ensemble de l'installation que l'on doit piloter. Il est caractris par des
signaux d'entre et de sortie et les lois mathmatiques reliant ces signaux.
Exemple de systmes: four, robot, avion, usine chimique, colonne de distillation,
etc.
Signal :
Grandeur physique gnre par un appareil ou traduite par un capteur (temprature,
dbit etc.)
On distingue :
Signal dentre : indpendant du systme, il se dcompose en commandable et non
commandable (perturbations)
Signal de sortie : dpendant du systme et du signal dentre.
Conduite : (ou contrle)
On peut conduire un systme de manire automatise pour:

- maintenir une grandeur de sortie constante (Rgulation)
- faire suivre certaines sorties une squence (automatisme squentiel) ou une loi donne
(asservissement).
Note: Si on ajoute l'optimisation d'un critre (de cot par exemple) on parle alors de contrle
optimal.

Structure d'un systme asservi
Commande en boucle ouverte:
Ceci est une commande en boucle ouverte qui ne permet pas de rgler
prcisment le niveau
de sortie et corriger l'effet des perturbations
Commande en boucle ferme:

Commande en boucle ferme:
Pour rgler le niveau je dois agir sur l'organe de rglage (la vanne) en fonction de
lcart
entre la valeur dsire et la valeur relle.

Structure gnrale
Un systme asservi est un systme boucle ferme (closed loop system)
que l'on peut dcrire par le schma fonctionnel suivant:

Exemple 1 : RGULATION DE TEMPRATURE
Schma fonctionnel

Concepts utiles l'tude des systmes asservis
Les caractristiques tudier dans un systme asservi sont

prcision statique et dynamique , rapidit,
stabilit
Rgulation analogique

Rgulation numrique
CNA : convertisseur Numrique Analogique

CAN : convertisseur Analogique Numrique

Classification des automatismes
On peut classer les automatismes selon la nature des signaux
d'entre et sortie
signaux continus

systmes linaires

systmes non-linaires

Rgulations et asservissements
monovariables et multivariables

Mthodes:
quations diffrentielles, fonctions de transfert
tude harmonique

Matrialisation de la commande:
comparateurs,sommateurs,intgrateurs, rseaux correcteurs, rgulateurs PID

signaux discontinus

binaires

plusieurs niveaux

systmes logiques
combinatoires et squentiels

Mthodes:
algbre de Boole
GRAFCET

logique cable
automates programmables

systmes chantillonns
commande numrique des systmes
continus

Mthodes:
quations de rcurrence, transmittance en z

calculateurs, PID numriques

Systmes linaires
Les systmes linaires sont caractriss compltement par leur

rponse une impulsion unit
y(k)=L[x(l)(k l)]=x(l)L[(k l)]
12
La distribution de Dirac
(t)
Le
pic de Dirac sera dfini comme ayant un poids

ou une masse de 1 en x=0
(t )dt = 1
R
13
Fonctions Gnralises
La
valeur de la fonction delta peut tre vu

dans le sens des fonctions gnralises :
(t )(t )dt = (0)
Jamais parler de la valeur de (t).

A la place : la valeur de lintgrale contenant (t).
l
(t): Fonction
Test
Application
Dfinition : La rponse impulsionnelle d'un circuit est la
rponse une impulsion de Dirac.
Conclusion :
1- Un systme linaire est entirement dcrit par sa rponse
impulsionnelle h(t).
2- La rponse du systme une excitation est gale au
produit de convolution entre l'excitation et la rponse
impulsionnelle.
15
CLASSEMENT DES SIGNAUX

Signaux Analogiques
Les signaux priodiques x(t) = x(t+kT)

Le signal sinusoidal est le plus reprsentatif de ces signaux priodiques:
x(t) = A sin(2 t/T + a) = A Sin( t+a) ou = 2 /T = 2 f
Les signaux nergie finie

Les signaux nergie finie sont ceux pour lesquels l'intgrale suivante est
borne :

| x(t) | 2 dt <
Ces signaux sont nomms de carr intgrable (sommable), leur puissance moyenne est
nulle.
Les signaux puissance moyenne finie non-nulle
16
Signaux de dure finie

Signaux de dure limite ou "support born" : x(t) = 0 t T
Signaux pairs et impairs

Un signal est pair si x(t) = x(t) example : cos( t)
Un signal est impair si x(t) = x(t) exemple : sin( t)
Remarque Tout signal rel peut tre dcompos : une partie "paire" et une
partie "impaire".
x(t) = xp(t) + xi(t)
Signaux causals :
Un signal est dit causal s'il est nul pour toute valeur ngative du temps x(t) = 0
t< 0. On peut le rendre causal si * u(t)
17
Outils mathmatiques
tude des signaux dterministes continus
Reprsentation frquentielle

Transforme de Fourier
18
Signaux priodiques
fo=1/T est la fondamentale
19
Synthse dun signal triangulaire

partir de sa srie Fourier
20
Effet Gibbs
21
22
TRANSFORMATION DE FOURIER
Dfinition
La transformation de Fourier permet de dcrire dans l'espace des frquences
un signal dont on connat l'histoire au cours du temps, et rciproquement.
jt
F( ) = f(t)e
dt
f(t) = 1 F()e jtd

2
DUALITE TEMPS-FREQUENCES
y = f (t) <=> Y =F(f)
F(f) est appele la transforme de Fourier de f(t) et sa reprsentation,
le spectre en frquences.
On appelle densit spectrale
dnergie F()
2
Remarque : On utilise les lettres minuscules pour dcrire l'histoire du signal au cours du temps et les lettres majuscules
pour le dcrire dans le domaine des frquences ou domaine spectral.
23
LIntgrale de Fourier
F()= f()= f(t) exp( jt ) dt ( f L1):
Mesure la quantit doscillations la frquence qui est prsente en f.

Si f L1 cette intgrale converge
| f ( ) | | f (t ) | dt <
Donc, la Transforme de Fourier est borne et continue.
24
Transforme de Fourier de (t)

F
(t )
1
F [(t )] = (t )e
jt
jt
=
e
dt
t =0
=1
F(j)
(t)
F
0
Transforme de (t)
1 jt
(t ) =
e d
1 jt
1 jt
=
e
d
1
e
d
(t ) = F [1] =
2
2
1
1 jt
e d converge vers (t )
Lintgration
Notion de systme
Un systme fait subir une transformation un signal dentre x(t) et

dlivre un signal de sortie y(t).
Filtre
On appelle filtre, dentre x(t) et sortie y(t), un systme dfini par:
y(t)= x(u)h(tu)du = x(tu)h(u)du

R
Rponse impulsionnelle h(t)
y(t)=x(t)h(t)
Rponse indicielle u(t)

Rponse en frquence
Y(f)= X(f)H(f)
27
Proprits
Rciprocit
f(t) F(f) F(f) f(t) f(t)F(f)
Linarit
Drivation
Intgration
f(t) + g(t) F(f ) + G(f )

d f(t)
j2f F(f)
dt
f(t)dt
1 F(f )
j2 f
Dcalage temporel
j2ft
f(t) e
F(f )
28
Dcalage frquentiel
Conjugaison
Symtrie
F( f f0 ) e j 2 ft F( f )
f(t) F(f )
f(t)F()
f(-t) F (f )
F(t)2f(-)
29
Fourier
La transforme de Fourier inverse ( f , f L1):
1
f (t ) =
2
Parseval:
f ( )e j t d
1
f (t )h (t )dt = 2
f ( )h* ( )d
1
2
|
f
(
t
)
|
dt
=
|
f
(
)
|
d
Plancherel:
Et,
lim f () = 0
30
La Phase de la T.F.
Dans une TF,

linformation sur le
temps est cache
dans les phases.
Il est impossible de
dterminer les
phases avec assez
de prcision pour
extraire les
informations sur le
temps.
31
Dfauts de la TF
La transforme de Fourier est une reprsentation globale du

signal. Elle ne permet pas d'analyser son comportement
frquentiel local, ni sa rgularit locale. La condition de
convergence sur la transforme de Fourier n'indique que le
pire ordre de singularit. Elle ignore les rgularits locales.
32
Le
dfaut de cette transforme est davoir

une fentre indpendante de la frquence que
lon calcule.
33
Transforme de Laplace
Dfinition
Un signal V(t) est une fonction relle de la variable t qui dcrit l'volution
d'une grandeur physique V, en gnral par rapport au temps t.
En mathmatique, un signal est dcrit par une application de dans , t a V(t).
Pour la transforme de Laplace, on choisit l'origine du temps en sorte que
V(t) = 0, t < 0.
Dfinition. Soit un signal V(t) dfini et continu t [0, [ .
Sa transforme de Laplace v (p) est dfinie par
L
v (p) =
L
V(t) ept dt,
o p est un nombre complexe
Note. La continuit sur tout l'intervalle [0, [ n'est pas requise, le signal peut tre continu par morceaux
34
Exemples
Signal
U(t)
1
1
p
Echelon unit
U(t)
Exponentielle dcroissante
U(t)e-at , a > 0
1
p+a
Exponentielle complexe
U(t)eit , > 0
1
p-i
Echelon unit
TL
U(t)e-t, a> 0
1
Exponentielle dcroissante
Note: la TL nest pas dfinie pour tout p: la partie relle de p doit

tre plus grande quune valeur, labscisse de convergence.
35
Proprit de linarit
Signal
Thorme
Si V (t) a pour TL : v (p)
1
1
et V (t) a pour TL : v (p)
2
2
alors , et
V (t) + V (t) a pour TL :
1
2
v (p) + v (p) .
1
2
Exercices. Calculer les TF de
U(t)cos(t) et U(t)sin(t)
TL
Exponentielle
complexe
1
p-i
U(t)eit , > 0
Cosinus
U(t)cos ( t )
Sinus
U(t)sin ( t )
p
p2+2
p2+2
36
Proprit de linarit
Exercice. Retrouver les expressions des TL suivantes:
Signal temporel
TL
Exponentielle
complexe
U(t)e(
+i) t
, > 0
Cosinus
U(t)et cos ( t ) , > 0
Sinus
U(t)et sin ( t )
1
p+ i
p+
(p+ )2 + 2
(p+ )
+ 2
37
Proprits
1
t
0 T
Impulsion
R(t)
t
0
Rampe
1. Thorme du retard
Si V(t) a pour TL : v(p),
alors V(t - T) a pour TL : e-pT v(p), T > 0.
Exercice. Montrer que la TL de l'impulsion
1 - e-pT
(cf . Fig.) est :
.
p
2. Thorme de drivation
Si V(t) a pour TL : v(p),
dV(t)
alors
a pour TL : p.v(p).
dt
Exercice. Vrifier que la TL de la
1
rampe R(t) (cf . Fig.) est :
.
2
p
38
Proprits
3. Thorme inverse de translation
Si V(t) a pour TL : v(p), alors e-at V(t) a pour TL : v(p + a), a > 0.
Exercice. Retrouver les expressions des TL du tableau page prcdente.
4. Thorme inverse de drivation

Si V(t) a pour TL : v(p), alors - t.V(t) a pour TL :
dv(p)
.
dp
Exercice. Calculer la TL du signal : t.U(t).e-at.
5. Thorme d'affinit - homothtie ou changement d'chelle de temps

1 p
v( ), k > 0.
k k
Exercice. Calculer la TL du signal : U(t)sin(3t)
Si V(t) a pour TL : v(p), alors V(kt) a pour TL :
39
Convolution
U(t)
1
U(t-)
0
Thorme
Si X(t) a pour TL : x(p)
et Y(t) a pour TL : y(p),
alors le produit de convolution
X(t)Y( t)dt
a pour TL:
x(p).y(p)
U(t)
ou, symboliquement :
a pour TL
1
U(-t)
0
Exercice. Montrer de deux manires

diffrentes que U(t) U(t) = R(t)

20/12/12
A. D.
40
Oprateurs
Oprateurs dans l'espace temps
TL
* (convolution entre signaux)
(multiplication de leurs TL)
d
(drivation d'un signal)
dt
p (multiplication de sa TL par p)
T - priodisation
1
1-e-pT
Exercice. Un signal support temporel born [O, T] est priodis

avec une priode T. Retrouver lexpression de sa TF (cf. le tableau)
41
Systmes linaires stationnaires

Thorme
Si E(t), qui a pour TL : e(p) est le signal d'ente
E(t)
e(p)
H(t), la rponse percussionnelle du SLS et sa TL :
H(t)
h(p)
S()

s(p)
h(p), la fonction de transfert du SLS

alors le signal temporel de sortie est donn par
le produit de convolution et sa TL par un produit :
S() = E(t)H( t)dt a pour TL s(p)=e(p).h(p)
Exercice. Calculer S() pour E(t) = U(t)e-tcos(t) et H(t) = U(t)

42
Systmes linaires stationnaires
E(t)
e(p)
H(t)
h(p)
S()=(E(t)*H(t)) =
s(p)=e(p).h(p)
E(t)H( t)dt
0
Dans lespace temps
Au niveau des TL
Entre
E(t)
e(p)
SLS
H(t)
(rp. percussionnelle)
h(p)
(fonction de transfert)
Sortie
S(t)=E(t)*H(t)
s(p)=e(p).h(p)
43
Dconvolution
1. Dcomposition en lments simples de premire espce

1
(p - a)2(p - b)
A
(p - a)2
B
C
+
(p - a) (p - b)
Pour calculer A (resp. C), on multiplie lquation par (p-a)2 (resp. p - b)

et on fait p = a (resp. p = b). On trouve :
1
A =
p b
p=a
1
=
C =
2
ab
(p
a)
p=b
1
(b a)2
Pour calculer B, on multiplie lquation par (p-a) et on fait tendre p vers

linfini. On trouve: B = - C. Les originaux des lments simples peuvent
alors tre trouvs directement partir des tables de TL usuelles.
44
Dconvolution
2. Dcomposition en lments simples de deuxime espce

Cest le cas o le dnominateur est un trinme du second degr qui
na pas de racines relles. On dcomposition en lments simples
de 2me espce :
2
b
4ac b2
2
2
2
ap +bp+c = a p+ +
=
a
P
+
A
,
2
2a
4a
b
avec P = p +
et A =
2a
1
ap2+bp+c
4ac b2
2a
1
1
1
1
=
a P2+A2
aA2 P2 / A2+ 1
45
Dconvolution
Exercice: identification dun systme linaire stationnaire
H(t)= ?
h(p)= ?
E(t)=U(t)
S(t)
On applique un chelon unit lentre dun systme linaire

stationnaire inconnu. On mesure S(t) en sortie. Dterminer la
rponse percussionnelle et la fonction de transfert du systme.
Exercices. Calculer les fonctions du temps qui ont pour TL les
expressions suivantes:
1
p3 + 3p2 + 2p
1
p3 1
1
p3 + p2 p 1
46
Calcul oprationnel
Exercice. On dfinit la distribution de Dirac (t) de la manire suivante:

(t) a pour TL: 1.
(t)
1
Rsoudre l'quation diffrentielle:
d2 Y
+ 20
dY
+ 2
Y = (t)
0
dt
dt2
( et 0 sont rels et positifs et ne dpendent pas du temps).
Discuter brivement la nature de la solution en fonction de .
Distribution de Dirac
Note
(t)
H(t)= ?
h(p)= ?
La mthode prsente dans cet exercice permet de retrouver

la rponse percussionnelle d'un systme linaire stationnaire
lorsque l'on connait l'quation diffrentielle laquelle il obit.
47
Rponses
Exercice: identification dun systme linaire stationnaire
Rponse: H(t) est la drive de S(t)
Exercices. Elments de rponse:
1
p3 + 3p2 + 2p
et
1
1
1
;
=
p(p + 2)(p + 1) p3 1 (p 1) p2 + p + 1
1
p3 + p2 p 1
1
(p 1)(p + 1)2
48
Signaux numriques
Un
signal numrique est un signal discret

dont lamplitude a t quantifie
signaux temps discret
Exemple
x(t)=A sin(t+)
X(k)=A sin[2/N (k+k0)
49
Du signal analogique au
signal numrique
50
La Gense du Signal Numrique
De linformation cache dans la reprsentation choisie

chantillonnage
Compression
Dcomposition dans un espace orthogonal
Les avances en moyen informatique (puissance de calcul) ont rendu possible le

expression et traitement de signaux en forme numrique. Mais pour numriser,
il faut d'abord chantillonner. Nous allons voir que la passage analogique
numrique implique ncessairement une perte d'information. Cette perte peut
tre minimiser par l'application des outils adapts.
51
Systmes Automatiques chantillonns
chantillonnage
Signal Analogique
Signal
discret en temps
Signal numrique
53
Modle mathmatique de
lchantillonnage
54
Extrait 3: signal sinusodal
c hronogr amme d'un signal en temps c ontinu
1
0.8
0.6
amplitude du signal
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0. 005
0. 01
0.015
0.02
axe des temps (secondes)
Amplitude : 0.8
Dure : 0.03 seconde
Priode : 0.02 seconde
Frquence : 1/0.02 = 50Hz
Signal analogique et (en temps) continu
Expression : s(t)= 0.8*sin(2**t/0.02)
Page 55
0.025
script Matlab
% crer et afficher le signal sinusodal prcdent
freq= 50; % en Hertz (Hz)
ampl= 0.8; % ';' signifie ne pas afficher le rsultat
temps= [0:1:299]/10000; % dfinir vecteur temps(secondes)
signal= ampl*sin(2*pi*freq*temps); % crer vecteur signal
plot(temps, signal) % trace la courbe signal(temps)
axis([0, temps(length(temps)), -1, 1]) % dfinir les axes
grid % tracer la grille
title('chronogramme d''un signal en temps continu')
xlabel('axe des temps (secondes)')
ylabel('amplitude du signal')
c hronogr amme d'un signal en temps c ontinu
1
0.8
0.6
amplitude du signal
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0. 005
0. 01
0.015
0.02
Page 56
0.025
signal discret, signal numrique.

signal numris, B=3bits
1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
signal
amplitude du signal
chronogramme dun signal en temps discret

1
-0.2
-0.2
-0.4
-0.4
-0.6
-0.6
-0.8
-0.8
-1
0.005
0.01
0.015
0.02
0.025
priode dchantillonnage : Te= 0.001s

frquence d'chantillonnage fe =1000Hz
20 Te par priode
Signal en temps discret et analogique
-1
0.005
0.01
0.015
0.02
0.025
nombre de bits par chantillon : B = 3

8 niveaux de quantification
pas de quantification : Q=0.25
erreur de quantification 0 < < 0.25
Signal numrique et en temps discret
Page 57
01
0
00
1
00
0
Composition frquentielle.
Le chronogramme ci-dessus a t trac par Goldwave partir de

lexpression mathmatique :
s(t ) =
cos( 400t ) cos(1200t ) cos( 2000t )

+
+
2
18
50
200Hz
600Hz
1000Hz
Le signal s(t) est compos des trois frquences 200, 600 et

1000Hz
Page 58
Extrait 7 : spectre et spectrogramme du signal s(t)

frquence
fe/2
spectrogramme = spectre(temps)
spectre calcul par lalgorithme de F.F.T.

(Fast Fourier Transform)
amplitud
e en dB
frquence
Page 59
fe/2
60
chantillonnage
Lchantillonnage
idal prlve des

chantillons la cadence Te de faon
instantane.
xe = xa (nTe ) (t nTe )
nZ
61
Spectre du signal chantillonn

( ) =
xe (t) = x1 (t) (t nTe )

nZ
(t)e
j t
dt = 1
) = e jnT
c(t) = (t nT ) c(
Xe ( f ) = TF[xa (t)] * TF[ (t nTe )]

nZ
) =
c(
2
2 k
T k
T
Xe ( f ) = feX a ( f ) * TF[ (t nTe )] = fe Xa(f nfe )

nZ
nZ
En utilisant la formule de Poisson

62
chelle temps
Squence
Temps physique
x (n)
x(t )
2T 3T 4T 5T 6T 7T
63
chelle frquence
Frquence normalise
Frquence physique
X ( j)
X ( e j )
1
64
chantillonnage et priodisation
chantillonnage idal...
+
xe (t ) = x (t ) T (t ) = x (t ) (t kT ) =
k =
x[ kT ] (t kT )
k =
...Transforme de Fourier...
1
1 +
k
X e ( f ) = X ( f ) * 1 ( f ) = X ( f )
T
T k =
T
T
... priodisation en frquence.

chantillonnage temporel <=> priodisation en frquence
chantillonnage en frquence <=> priodisation temporelle
Signaux de dure finie et signaux priodiques

Transforme de
x(t)
X(f)
Fourier
Transforme
inverse de
x T(t)
Echantillonnage
X e(f)
en frquence
Fourier
2T
0 1 2
T T
Signaux chantillonns de dure finie

N 1
xe (t ) = x[ k ] (t kT )
0
Transforme de
x e(t)
X(f)
Fourier
NT
1
T
Priodisation
Transforme
Echantillonnage
X e(f)
de Fourier
x Te(t)
NT
2NT
en frquence
NT
Thorme de Shannon
Pour viter une superposition des spectres lmentaires il est ncessaire

dimposer le thorme de Shannon
Fe 2f max
Un signal de spectre born ne peut pas tre que de dure infinie. Il

est donc erron de considrer des signaux la fois de dure et de
spectre finis.
68
Spectre dans le cas sinusodal

Le spectre d'un signal
chantillonn se compose
d'une srie de raies
rparties de part et d'autre
des multiples de la
f r q u e n c e
d'chantillonnage. Les raies
intressantes pour la
dmodulation sont celles
qui se situent aux
alentours de 0, puisque ce
s o n t c e l l e s q u i
correspondent au signal
original.
69
Transforme de Fourier Discrte

repliement de spectre dans le domaine frquentiel
x(t )
x(nT )
Xe( f )
pas de repliement
f max 1 / 2T
1/ 2T
1/ 2T
f max
x(t )
x(nT )
+ f max
Xe( f )
repliement
f max 1 / 2T
1/ 2T
1/ 2T
f max
+ f max
transforme de fourier discrte
70
Quelques valeurs
En tlphonie, on utilise une largeur de bande de 300 3400 Hz. Dans le

cadre du rseau numrique intgration de services (RNIS, ISDN pour les
anglo-saxons), on utilise une frquence d'chantillonnage de 8000 Hz (au
lieu des 6800 thoriquement ncessaires).
La musique se satisfait de 16, voire 20 kHz de largeur de bande. Un disque

CD (Compact Disc) utilise une frquence d'chantillonnage de 44 kHz.
Remarque: Dans les deux cas, il est essentiel que l'on ait au pralable limit
la largeur de bande du signal original : des frquences inaudibles dans le
signal original deviennent audibles par le phnomne de repliement !
71
Dictionnaire
Conversion Analogique Numrique(lecture du processus
analogique par lordinateur).
(Echantillonnage SAMPLING)
Conversion Numrique Analogique (rcuprer le control
numrique et lintroduire dans le systme contrler ).
(Reconstruction du Signal SIGNAL RECONSTRUCTION)
Pourquoi tudier le control numrique ?

Lapproche le plus simple du control numrique est
dchantillonner rapidement et de faire quelques approximations
raisonnables par rapport aux drives des donnes numriques.
Par exemple, il est possible dapproximer les drives dun signal
analogique :
d
y(t) y(t )
y(t)
dt
O est la priode dchantillonnage.

Le design par la suite est le mme que dans le cas des signaux
continue en temps et des systmes base dun modle continu.
La T.L. dun bloqueur dordre 0

Go ( s ) = 1 / s e sT / s = (1 e sT ) / s
La Transforme Z
Contenu
Introduction
Transforme
z
Zros et Ples
Rgion de Convergence
Transforme Z Importantes
Transforme en Z Inverse
Thormes et Proprits
Analyse des Systmes
La Transforme en z
R(s)
E(s)
Gc(s)
Correcteur
M(s)
GP(s)
Y(s)
Systme
GHP(z)
R(z)
E(z)
A/D
M(z)
Y(z)
ZOH
Gc(z)
GP(s)
D/A
Ordinateur
Systme
La Transforme en z
f(kT)
f(t)
A/D
temps
Temps kT
f(kT)
f(kT)
D/A
Temps kT
Temps kT
La Transforme en z
Comment il est possible de reprsenter
mathmatiquement un systmes
chantillonn ?
Pour les systmes temps continu loutil
mathmatique est la Transforme de
Laplace. Elle permet de dfinir les
fonction de transfert, lanalyse de la
stabilit et le design des correcteurs.
Pourquoi la Transforme en z?
Gnralisation
de la Transforme de Fourier
Pourquoi est-elle une gnralisation ?
Problme de convergence de la T.F.
Utilisation de lAnalyse Complexe
Adapte pour les signaux et systmes discrets en
temps
Dfinition
La Transforme
X ( z) =
en Z dune sequence x(n) est :
x ( n) z
n =
X (e ) =
x ( n )e
n =
Transforme
de
Fourier
z = e-j.
j n
Le Plan z
X (e ) =
x ( n )e
n =
j n
Im
z = e-j
Re
X ( z) =
x ( n) z
n =
Plan-z
Im
X(z)
z = e-j
Re
Im
Re
Priodicit de la TF
X(ej)
X(z)
Im
Re
Pourquoi la Transforme de Fourier est

une function priodique de periode 2 ?
La Transforme en z
Pour un signal continu f(t), ses chantillons scrivent :
f s (t ) = f (kT ) = f (0) + f (T ) + f (2T ) + = f (nT )
La transforme en z de f(t) est :
n =0
F ( z ) = Z [ f (t )] = Z [ f (nT )] = f (nT ) z n
n =0
= f (0) + f (T ) z 1 + f (2T ) z 2 +
o z-1 reprsente un retard dune priode d

chantillonnage dans le temps
Calcul de La Transforme en z
Calculer la Transforme en z
de la fonction chelon .
f(t)
f(kT)
kT
La Transforme en z
Application de la dfinition :
F ( z ) = Z [ f (t )] = Z [ f (kT )] = f (kT )z k
k =0
= 1 + z 1 + z 2 +
a
a + aq + aq + aq + =
1 q
1
1
2
F ( z) = 1 + z + z + =
1 z 1
2
La Transforme en z
Soit la mthode
F ( z ) = Z [ f (t )] = Z [ f (kT )] = f (kT )z k
k =0
= 1 + z 1 + z 2 +
z 1 F ( z ) = z 1 (1 + z 1 + z 2 + ) = z 1 + z 2 + z 3
1
F ( z) z F ( z) = 1 F ( z) =
1 z 1
1
La Transforme en z
Calculer la transforme en z de
f(t)
f (kT ) = e akT
Solution: F ( z ) = Z [ f (kT )] = e akT z k

k =0
= 1 + e aT z 1 + e 2 aT z 2 +
F ( z) =
1
1 e aT z 1
La Transforme en z
Calculer la transforme en z de la fonction cos.
Solution:
e jt = cos t + j sin t ; e jt = cos t j sin t

e jt + e jt
e jt e jt
cos t =
; sin t =
2
j2
La Transforme en z
e jt + e jt 1
jt
jt
F ( z ) = Z [cos kT ] = Z
=
(
Z
[
e
]
+
Z
[
e
])
2
1
Z [e at ] =
1 e aT z 1
jT 1
1
1
1
z + 1 e jT z 1
1 1 e
F ( z ) =
+
=
jT 1
jT 1
2 1 e z
1 e
z 2 (1 e jT z 1 )(1 e jT z 1 )
1 2 (e jT z 1 + e jT z 1 )
2 2 z 1 cos T
=
=
jT 1
jT 1
2
2 1 (e
z +e z )+ z
2(1 2 z 1 cos T + z 2 )
1 z 1 cos T
=
1 2 z 1 cos T + z 2
Transforme en z
Calculer la Transforme en z de la fonction cos
amorti
f (t ) = e at cos t
1 z 1e aT cos T
F ( z) =
1 2 z 1e aT cos T + e 2 aT z 2
Transforme en z
Calculer la Transforme en z de la
fonction f (t ) = 1 e at
Solution:
F ( z ) = Z [ f (kT )] = Z 1 e at = Z [1] Z [e at ]
1
1
at
Z [1] = Z [ step] =
; Z [e ] =
1
1 z
1 e aT z 1
1
1
(1 e aT ) z 1
F ( z) =
=
1
aT 1
1 z
1 e z
(1 z 1 )(1 e aT z 1 )
Transforme en z
Exercice:
Calculer la Transforme en z de :
f (t ) = te at
Tz 1e aT
F ( z) =
(1 z 1e aT ) 2
Dfinition
Lensemble
de valeur de z, pour lesquelles la

Transforme en z converge, i.e., |X(z)|<, est
appel rgion de convergence.
| X(z) |=
n=
x(n)z n
n
|
x(n)
||
z
|
<
n=
ROC est centre en origine et est

constitue dun ensemble
danneaux.
Exemple: Region de Convergence
| X(z) |=
x(n)z n
n=
n
|
x(n)
||
z
|
<
n=
Im
RdC est un anneau centr en origine.
r
Re
Rx <| z |< Rx +
RdC = {z = re
| Rx < r < Rx+ }
Thormes et Proprits
Linearit
Z[ x(n)] = X ( z ),
z Rx
Z [ y (n)] = Y ( z ),
z Ry
Z [ax (n) + by (n)] = aX ( z ) + bY ( z ),
z Rx R y
La Transforme en z : thormes
Thorme du retard:
La transforme en z de f(t) est F(z), trouver la
transforme en z de f(t-nT).
f(t)
f(t-nT)
nT
Retard
Z[ x(n)] = X ( z ),
n0
z Rx
Z [ x(n + n0 )] = z X ( z )
z Rx
Si f(t)=0 pour t<0 a la transforme-z F(z), alors
Z[ f (t nT )] = z n F(z) et
n1
#
&
n
k
Z[ f (t + nT )] = z % F(z) f (kT )z (
$
'
k=0
Dmonstration:
Z [ f (t nT )] = f (kT nT ) z
k =0
= f (kT nT ) z k z n n
k =0
k =0
k =0
= f (kT nT ) z ( k n ) z n = z n f (kT nT ) z ( k n )
Dfinissons m=k-n,
Z [ f (t nT )] = z n f (kT nT ) z ( k n ) = z n
k =0
f (mT ) z m
m= n
Comme f(mT)=0 pour m<0, alors :
Z [ f (t nT )] = z n
m= n
f (mT ) z m = z n f (mT ) z m = z n F ( z )
m =0
Si une fonction est retarde de nT, sa transforme en

z est multiplie par z-n.
Thorme du Retard (Shifting Theorem).
Multiplication par une squence Exponentielle
Z[ x(n)] = X ( z ),
Rx- <| z |< Rx +
Z [a x(n)] = X (a z )
z | a | Rx
Drive de X(z)
Z[ x(n)] = X ( z ),
dX ( z )
Z[nx (n)] = z
dz
z Rx
z Rx
Conjugu
Z[ x(n)] = X ( z ),
Z[ x * (n)] = X * ( z*)
z Rx
z Rx
Inversion
Z[ x(n)] = X ( z ),
Z [ x( n)] = X ( z )
z Rx
z 1 / Rx
Partie Relle et Imaginaire
Z[ x(n)] = X ( z ),
z Rx
Re[ x(n)] = 12 [ X ( z ) + X * ( z*)]

Im [ x(n)] = 21j [ X ( z ) X * ( z*)]
z Rx
z Rx
Thorme de la Valeur Initiale
x(n) = 0,
for n < 0
x(0) = lim X ( z)
z
2.2 La Transforme en z :
thormes
Thorme de la Valeur Finale:
Supposons que f(t), o f(t)=0 pour t<0, a la
transforme en z F(z), alors la valeur finale
est donne par :
1
lim f (t ) = lim(1 z ) F ( z )
t
z 1
Convolution de Squences
Z[ x(n)] = X ( z ),
Z [ y (n)] = Y ( z ),
Z [ x(n) * y (n)] = X ( z )Y ( z )
z Rx
z Ry
z Rx R y
Convolution de Squences
x ( n) * y ( n) =
x(k ) y (n k )
k =

n
Z[ x(n) * y (n)] = x(k ) y (n k ) z
n = k =
k =
x(k ) y (n k )z n =
n =
= X ( z )Y ( z )
x(k ) z y(n)z
k =
n =
Les Transforme en z
Importantes
Les Transformes en z
Sequence
Transforme-z
(n)
( n m )
z m
RdC
Tous les z
Tous les z exception en 0 (si m>0)
or (si m<0)
u (n)
1
1 z 1
| z |> 1
u (n 1)
1
1 z 1
| z |< 1
a u (n)
n
a u(n 1)
1
1 az 1
| z |>| a |
1
1 az 1
| z |<| a |
Transforme en z
Sequence
Transforme en z
[cos 0 n]u (n)
[sin 0 n]u (n)
[r n cos 0 n]u (n)

n
[r sin 0 n]u (n)

a n
0 n N 1
otherwise
1 [cos 0 ]z 1
1 [2 cos 0 ]z 1 + z 2
RdC
| z |> 1
[sin 0 ]z 1
1 [2 cos 0 ]z 1 + z 2
| z |> 1
1 [r cos 0 ]z 1
1 [2r cos 0 ]z 1 + r 2 z 2
| z |> r
[r sin 0 ]z 1
1 [2r cos 0 ]z 1 + r 2 z 2
| z |> r
1 aN zN
1 az 1
| z |> 0
Zros and Ples
Stabilit des Systmes

Un
systme stable demande davoir

La Transforme de Fourier convergente uniformment.
Im
1
Re
Un system stable ncessite que la

RdC de la transforme-z contient le
cercle unitaire.
Exemple:
x(n) = a nu(n)
x(n)
...
-8 -7 -6 -5 -4 -3 -2 -1
1 2 3 4 5 6 7 8 9 10
Exemple:
x(n) = a nu(n)
X ( z) =
Pour que X(z) convergence, il faut

imposer :
a u (n)z
n =
1
|
az
|<
n =0
| z |>| a |
= a n z n
n =0
= ( az 1 ) n
n =0
| az 1 |< 1
1
z
X ( z ) = (az ) =
=
1
1 az
za
n =0
1 n
| z |>| a |
Exemple: RdC pour x(n)=anu(n)

z
X ( z) =
,
za
-a
| z |>| a |
Laquelle est stable?
Im
Im
-a
Re
Re
Exemple:
x(n) = a nu (n 1)
-8 -7 -6 -5 -4 -3 -2 -1
1 2 3 4 5 6 7 8 9 10
...
x(n)
Exemple:
Pour la convergence de X(z),
x(n) = a u (n 1)
X ( z ) = a u (n 1)z
n =
1
1
|
a
z|<
| a 1 z |< 1
n =0
= a n z n
| z |<| a |
n =
= a n z n
n =1
= 1 a n z n
n =0
1
z
X ( z ) = 1 (a z ) = 1
=
1
1 a z z a
n =0
| z |<| a |
Exemple: RdC pour x(n)=-anu(- n-1)
z
X ( z) =
,
za
-a
| z |<| a |
Laquelle est stable?
Im
Im
-a
Re
Re
Rgion de Convergence
Exemple:
z
X ( z) =
,
za
x(n) = a nu(n)
| z |>| a |
Im
Re
RdC est borne par

le ple et elle
extrieure au cercle.
Exemple:
z
X ( z) =
,
za
x(n) = a nu (n 1)
| z |<| a |
Im
Re
RdC est borne par

le pole et elle
Lintrieur du cercle.
Exemple:
x(n) = ( 12 ) n u (n) + ( 13 ) n u (n)

z
z
2 z ( z 121 )
X ( z) =
+
=
1
1
z2 z+3
( z 12 )( z + 13 )
Im
1/12
-1/3
1/2
Re
RdC est borne par les

ples et elle est
extrieure au cercle.
RdC ne contient aucun ple.
Exemple:
x(n) = ( 13 ) n u (n) ( 12 ) n u (n 1)
z
z
2 z ( z 121 )
X ( z) =
+
=
1
1
z+3 z2
( z + 13 )( z 12 )
Im
RdC est borne par les

poles et est un anneau.
1/12
-1/3
1/2
Re
Exemple: Squence Finie

x(n) = a n ,
0 n N 1
N 1
N 1
n =0
n =0
X ( z ) = a n z n = (az 1 ) n
Im
N-1 zeros
1 (az 1 ) N
=
1 az 1
1 zN aN
= N 1
z
za
RdC: 0 < z <

N-1 poles
Re
Toujours Stable
Transforme en z
Considerons le transforme en z
Avec les poles :
Im
Trouver la
possible RdC
a b
Re
Transforme en z
Avec les ples :
Im
Cas 1: Squence Droite .
a b
Re
Transforme en z
Avec les poles :
Im
Case 2: Squence Gauche .
a b
Re
Transforme en z
Avec les poles :
Im
Case 3: 2 Sequence.
a b
Re
Transforme en z
Considrons le transforme en z
Avec les ples :
Case 4: 2 Sequences.
Im
a b
Re
Systme
Systme Invariant la Translation
y(n)=x(n)*h(n)
x(n)
h(n)
X(z)
H(z) Y(z)=X(z)H(z)
Systme Invariant la Translation
X(z)
H(z)
Y ( z)
H ( z) =
X ( z)
Y(z)
Equation aux diffrences dordre N
a
k =0
y (n k ) = br x(n r )
r =0
k =0
r =0
Y ( z ) ak z k = X ( z ) br z r
M
H ( z ) = br z
r =0
k
a
z
k
k =0
Reprsentation sous la forme

Factorielle
Contribution des ples en 0 et des zros en cr
M
H ( z) =
A (1 cr z 1 )
r =1
N
(1 d z
r
k =1
Contribution des zros en 0 et ples en dr
Stabilit et Causalit
Systmes Causaux:
RdC se trouve lextrieur du ple le plus loign.
Im
M
H ( z) =
A (1 cr z 1 )
r =1
N
Re
(1 d z
r
k =1
Stabilit et Causalit
Systmes Stables : RdC contient le cercle unitaire .
Im
M
H ( z) =
A (1 cr z 1 )
r =1
N
Re
(1 d z
r
k =1
Exemple
Considrons le systme causal caractris par :
y (n) = ay (n 1) + x(n)
1
H ( z) =
1
1 az
h(n) = a nu(n)
Im
1
Re
Dtermination de la Rponse Frquentielle partir

ple-zro
Un systme LIT est compltement caractris par ses ple-zro.
Exemple:
Im
z z1
H ( z) =
( z p1 )( z p2 )
H (e
j0
)=
(e j0
e j0 z1
p1 )(e j0 p2 )
p1
e j 0
z1
Re
p2

ple-zro
|H(e )|=?
H(e )=?
Im
Exemple:
z z1
H ( z) =
( z p1 )( z p2 )
H (e j0 ) =
(e j0
e j0 z1
p1 )(e j0 p2 )
p1
e j 0
z1
Re
p2

ple-zro
j
|H(e )|=?
Example:
|H(ej)|
=
|
H(e )=?
Im
|
||
H(ej) = 1-(2+ 3 )
z1
p1
e j 0
1
p2
Re
Exemple
1
H ( z) =
1
1 az
20
dB
10
Im
0
-10
2
1
Re
0
-1
-2
Du S/P-Plan au Plan z
z =e
Ts
Mapping Poles et Zeros

A un point du plan Z, rej ont lui fait correspondre un point dans
le plan S/P en utilisant les relations :

ln(r )
Re{s} =
T
Im{s} =
Les racines conjugues vont gnrer un

polynme de la forme :
s 2 + 2 n s + n2
ln(r )
n =
1 +
ln(r )
=
nT
Algorithme de Calcul de la Moyenne

xk + xk 1 + xk 2 + xk 3
yk =
4
(Non-Recursif)
1 + z 1 + z 2 + z 3
z 3 + z 2 + z + 1 Transforme
Y (z ) = X (z )
= X (z )
4
4z 4
en Z
Block Diagram
Function de Transfert
Y
z3 + z2 + z + 1
(z ) =
X
4z 4
Remarque: Chaque [Z-1] block peut tre vu comme un

lment mmoire qui mmorise la valeur prcdemment
utilise
Intgrateur Trapzodal
T
yk = yk 1 + [xk + xk 1 ]
2
(R. Recursive)
T
Y (z ) = z Y (z ) + X (z ) + z X (z )
2
1
Transforme en z
1 + z 1 T
z + 1 T
Y (z ) = X (z )
= X (z )
1
2
1
z
2
z
Block
Diagram
Fonction de
Transfer
Y (z ) T z + 1
=
X (z ) 2 z 1
Manipulation des Block Diagram

Structure
Intuitive
Structure
Equivalente
La reprsentation
explicite de xk-1 et yk-1
est perdu, mais il y a
une rduction du
nombre dlments
mmoire
Manipulation de Block Diagram
Y (z ) T z + 1
=
X (z ) 2 z 1
La Transforme en z Inverse
Transforme en z Inverse
La transforme en z Inverse: Z-1.
bo + b1 z 1 + b2 z 2 + bm z m
F ( z ) = Z [ f (kT )] = Z [ f (t )] =
1 + ao z 1 + a1 z 2 + an z n
1
2
m
b
+
b
z
+
b
z
+
b
z
1
1
o
1
2
m
f (kT ) = Z [ F ( z )] = Z
1
2
n
1 + ao z + a1 z + an z
Transforme en z
La Transforme en z Inverse permet de
retrouver la srie temporelle f(kt)
uniquement. Par contre ne permet pas de

retrouver le signal dorigine. De
nombreuses fonctions f(t) sont candidates
pour une f(kT) donne.
f(t)
2T
3T
4T
5T
6T
2.4 Transforme en z Inverse
x(kT)
Zero-order
Hold
Low-pass
Filter
f(t)
Transforme en z : exemples
Supposon f(k)=0 for k<0, calculer la Transforme en
z de :
f(k)=9k(2k-1)-2k+3, k=0,1,2.
F ( z ) = Z [9k (2 k 1 ) 2 k + 3] = Z [9k (2 k 1 )] Z [2 k ] + Z [3]
-1
z
1
z
Tz
Tz
Z [a t f (t )] = F ; Z[1] =
=
;
Z[t]
=
=
1 - z -1 z 1
(1 z 1 ) 2 ( z 1) 2
a
z/2
1
k
k
Z [2 ] = Z [2 1] =
=
z / 2 1 1 2 z 1
1
9
9
(
z
/
2
)
9
z
Z [9k (2 k 1 )] = Z [9k 2 k 2 1 ] = Z [k 2 k ] =
=
2
2
2 (z/2 - 1)
(1 2 z 1 ) 2
F ( z ) = Z [9k (2
k 1
9 z 1
1
3
)] Z [2 ] + Z [3] =
+
(1 2 z 1 ) 2 1 2 z 1 1 z 1
2 + z 2
=
(1 2 z 1 ) 2 (1 z 1 )
Transforme en z : examples
Calculer la Transforme en z de la courbe x(t)
ci-dessous.
f(t)
Transforme en z : examples
Solution: A partir de la figure, nous avons
K
0
1
2
3
4
5
6
f(k) 0
0
0
1/3 2/3 1
1
La dfinition de la Transforme en z :
F ( z ) = f (k ) z k
k =0
z 3 2 z 4
= 0+0+0+
+
+ z 5 + z 6 +
3
3
z -3 + 2 z 4
=
+ z 5 (1 + z 1 + z 2 + )
3
z -3 + 2 z 4
z 5
z 3 + z 4 + z 5
=
+
=
1
3
1 z
3(1 z 1 )
Calculer la Transforme en z de F ( s) =
a
s 2 ( s + a)
Solution: Dcomposition en fractions lmentaires.

k
a2
k
k
a 1
1
F (s) = 2
= 12 + 2 + 3 = 2 +
+
s ( s + a) s
s s+a s
s
s+a
a
1
1
F ( z ) = Z [ F ( s )] = Z [ 2 ] Z [ ] + Z [
]
s
s
s+a
aTz 1
1
1
=
+
1 2
1
(1 z )
1 z
1 e aT z 1
[(aT 1 + e aT ) + (1 e aT aTe aT ) z 1 ]z 1
=
(1 z 1 ) 2 (1 e aT z 1 )
Mthodes pour le calcul Transforme en z

Inverse
Exemple 1: F(z)=1/(1-z-1), calculer f(kT).
Tableau de Transformes en z
F(z)=1+z-1+z-2+z-3+
f(kT)=Z-1[F(z)]=1, for k=0, 1, 2,
Transforme en z Inverse : exemples

Soit
aT
(1 e ) z
F ( z) =
(1 z 1 )(1 e aT z 1 )
Trouver f(kT).
Solution: dcomposition en fraction lmentaire

(1 e aT ) z 1
k1
k2
F ( z) =
=
+
1
aT 1
1
(1 z )(1 e z ) 1 z
1 e aT z 1
Dtermination de k1 et k2

(1 e aT ) z 1
k1
k2
F ( z) =
=
+
1
aT 1
1
(1 z )(1 e z ) 1 z
1 e aT z 1
Multiplie (1-z-1) et remplacer z-1=1, nous avons

aT
1
(
1
e
)
z
k1
k2
1
1
(1 z )
= (1 z )
+
1
aT 1
1
aT 1
(1 z )(1 e z )
1 e z
1 z
(1 e aT ) z 1
(1 z 1 )k 2
(1 e aT ) z 1
= k1 +
k1 =
aT 1
aT 1
1 e z
1 e z
1 e aT z 1
=1
z 1 =1

Similaire multiplication par (1-e-aTz-1 et z-1 =eaT, alors :
(1 e
aT
(1 e aT ) z 1
k1
k2
aT 1
z )
=
(
1
e
z
)
+
1
aT 1
1
aT 1
(1 z )(1 e z )
1 e z
1 z
1
(1 e aT ) z 1 (1 e aT z 1 )k1
(1 e aT ) z 1
=
+ k2 k2 =
1
1
1 z
1 z
1 z 1
= 1
z 1 = e aT
Finalement
(1 e aT ) z 1
1
1
F ( z) =
=
1
aT 1
1
(1 z )(1 e z ) 1 z
1 e aT z 1
f (kT ) = 1 e akT , k = 0,1,2,

Soit la transforme en z
1
z
F ( z) =
1
1
2
(1 z )(1 + 1.3z + 0.4 z )
Determiner la valeur initiale et finale de f(kT),
.

2) Methode de la division-directe :
Exemple 1: F(z)=1/(1+z-1), trouver les f(kT).
1
1 + z 1 1
1 + z 1 1
1 z 1
1 z 1 + z 2
1 + z 1
1
1 + z 1
1 + z 1
-z 1
-z 1
z 1 z 2
z 1 z 2
+ z -2
-2
-z
1+ z
+z

On obtient : F(z)=1-z-1+z-2-z-3+
K =
0
1
2
3
F(kT)=
1
-1
1
-1
Exemple 2: Soit
Trouver f(kT).
1 + 2 z 1
F ( z) =
(1 z 1 ) 2
1 + 4 z 1 + 7 z 2 +
1 2 z 1 + z 2 1 + 2 z 1
1 2 z 1 + z 2
4 z 1 z 2
4 z 1 8 z 2 + 4 z 3
7 z 2 4 z 3
7 z 2 14 z 3 + 7 z 4
10 z 3 7 z 4
10 z 3 20 z 4 + 10 z 5
13 z 4 10 z 5
Transforme en z Inverse :
exemples
F(z)=1+ 4z-1 + 7z-2 + 10z-3+
K =
0
1
2
3
F(kT)=
1
4
7
10
Exercice :
f(kT).
Ans. :k
f(kT)
0.3679 z 1 + 0.343z 2 0.02221z 3 0.05659z 4

F ( z) =
1 1.3679 z 1 + 0.3679 z 2
0
0
1
2
3
0.3679 0.8463 1
4
1
5
1
Transforme en z Inverse :
exemples
Matlab
Soit
1 + 2 z 1 calculer f(kT).
F ( z) =
1 2
(1 z )
1
2
2
1
+
2
z
z
+
2
z
z
+ 2z
Solution: F ( z ) =
=
=
(1 z 1 ) 2
( z 1) 2
z 2 2z + 1
num=[1 2 0]; den=[1 2 1]

f(kT)=? pour k=0 30
u=[1 zeros(1,30)]; F=filter(num, den, u)
1
4
7 10 13 16 19 22 25
31
28
2.5 Transforme en z
Inverse : exemples
Soit
z (0.5 z )
F ( z) =
(1 0.5 z 1 )(1 0.8 z 1 ) 2
R : x ( k ) = - 8 . 3 3 3 3 ( 0 . 5 ) k
+8.333(0.8)k-2k(0.8)k-1
x ( k ) = 0 ; 0 . 5 ; 0 . 0 5 ; 0 . 6 1 5 ;
1.2035;-1.6257;-1.8778
Exercice 4: Soit la Transforme-z
z 1
F ( z) =
1
1
2
(1 z )(1 + 1.3z + 0.4 z )
Determiner la valeur finale et initiale f(kT), et
la transforme-z inverse de F(z).
Solution: Appliquer le theoreme de la v.f. et
v.i.
z 1
f (0) = lim F ( z ) = lim
=0
1
1
2
+ 0.4 z )
z
z (1 z )(1 + 1.3 z
1
1
(
1
z
)
z
1
f () = lim [(1 z 1 ) F ( z )] = lim
=
1
1
+ 0.4 z 2 ) 2.7
z 1
z (1 z )(1 + 1.3 z
z 1
z 1
F ( z) =
=
1
1
2
(1 z )(1 + 1.3 z + 0.4 z ) (1 z 1 )(1 + 0.8 z 1 )(1 + 0.5 z 1 )
k3
k1
k2
0.37
1.11
1.48
=
+
+
=
+
1
1
1
1
1
1 z
1 + 0.5 z
1 + 0.8 z
1 z
1 + 0.5 z
1 + 0.8 z 1
1
f (k ) =
(1 + 3(0.5) k 4(0.8) k )
27
Exercice 5: Soit
0.3679 z 1 + 0.343z 2 0.02221z 3 0.05659z 4
F ( z) =
1 1.3679 z 1 + 0.3679 z 2
Trouver f(kT) en utilisant la division
directe .
Solution:
1 1.3679 z 1 + 0.3679 z 2
0.3679 z 1
0.3679 z 1 + 0.343z 2 0.02221z 3 0.0565 z 4
0.3679 z 1 0.5033 z 2 + 0.1354 z 3
0.8463 z 2 0.1576 z 3 0.0565 z 4
Continuous
1 1.3679 z 1 + 0.3679 z 2
0.3679 z 1 + 0.8463 z 2 + z 3 + z 4
0.3679 z 1 + 0.343z 2 0.02221z 3 0.0565 z 4
0.3679 z 1 0.5033 z 2 + 0.1354 z 3
0.8463 z 2 0.1576 z 3 0.0565 z 4
0.8463 z 2 1.1576 z 3 + 0.3114 z 4
z 3 0.3679 z 4
z 3 1.3679 z 4 + 0.3679 z 5
z 4 0.3679 z 5
f (k ) = 0.3679 z 1 + 0.8463 z 2 + z 3 + z 4 +
Exercice
Soit la Transforme en z
1
z (0.5 z )
F ( z) =
1
1 2
(1 0.5 z )(1 0.8 z )
Calculer la Transforme en z Inverse
Solution1: Dvelopper F(z)/z sous forme de
fractions partielles.
z 1 (0.5 z 1 )
z (0.5 z 1)
F ( z) =
=
1
1 2
(1 0.5 z )(1 0.8 z )
( z 0.5)( z 0.8) 2
k3
F ( z)
0.5 z 1
k1
k2
=
=
+
+
z
( z 0.5)( z 0.8) 2 ( z 0.5) ( z 0.8) 2 z 0.8
k3
0.5 z 1
k1
k2
( z 0.5)
= ( z 0.5)
+
+
2
2
( z 0.5)( z 0.8)
z 0.8
( z 0.5) ( z 0.8)
0.5 z 1
k 2 ( z 0.5) k3 ( z 0.5)
= k1 +
+
2
2
( z 0.8)
( z 0.8)
z 0.8
let z = 0.5 k1 =
( z 0.8) 2
0.5 z 1
( z 0.8) 2
= 8.333
z = 0.5
k3
0.5 z 1
k1
k2
2
=
(
z
0
.
8
)
+
+
2
2
( z 0.5)( z 0.8)
z 0.8
( z 0.5) ( z 0.8)
k ( z 0.8)
0.5 z 1 k1 ( z 0.8) 2
0.5 z 1
=
+ k2 + 3
k2 =
z 0.5
z 0 .5
z 0.5
( z 0.5)
= 2
z = 0.8
" k1
0.5z 1
k2
k3 %
2
(z 0.8)
= (z 0.8) $
+
+
'
2
2
(z 0.5)(z 0.8)
(z
0.5)
(z
0.8)
z
0.8
#
&
2
0.5z 1 k1 (z 0.8)2
k (z 0.8)
=
+ k2 + 3
derivees
z 0.5
z 0.5
z 0.5
'
'
" 0.5z 1 % " k1 (z 0.8)2 %
k3 (z 0.5) k3 (z 0.8)
=
+
0
+
; let z = 0.8
$
' $
'
# z 0.5 & # z 0.5 &
(z 0.5)
'
" 0.5z 1 %
k3 = $
'
# z 0.5 &
=
z=0.8
0.5(z 0.5) (0.5z 1)

0.5* 0.3 + 0.6
=
= 8.333
2
2
(z 0.5)
0.3
z=0.8
F(z)
0.5z 1
8.333
2
8.333
=
=
+
2
2
z
(z 0.5)(z 0.8)
(z 0.5) (z 0.8)
z 0.8
8.333
2z 1
8.333
F(z) =
+
1
1 2
(1 0.5z ) (1 0.8z ) 1 0.8z 1
f (k) = 8.333(0.5)k 2(0.8)k1 + 8.333(0.8)k
Calcul de Transforme en z Inverse partir de la dcomposition en

fractions partielles
F ( z ) b0 z m + b1 z m 1 + bm 1 z + bm b0 z m + b1 z m 1 + bm1 z + bm
= n
=
n 1
z
z + a0 z + an 1 z + an
( z p1 )( z p2 ) ( z pn )
=
a
a1
a2
F ( z)
+
+ n ; ai = ( z pi )
z p1 z p2
z pn
z
z = pi
Si F(z)/z implique un pole multiple, eg. P1, alors

a3
an
F ( z ) b0 z m + b1 z m 1 + bm1 z + bm
c1
c2
=
=
+
+
+
z
( z p1 ) 2 ( z p3 ) ( z pn ) ( z p1 ) 2 z p1 z p3
z pn
ai = ( z pi )
F ( z)
z
; c1 = ( z p1 ) 2
z = pi
F ( z)
z
; c2 =
z = p1
d
dz
2 F ( z )
(
z
p
)
1
z z = p1
Exercice
Solution 2: Mettre F(z) sous forme polynomiale
z 1 (0.5 z 1 )
0.5 z 1 z 2
F ( z) =
=
1
1 2
(1 0.5 z )(1 0.8 z )
1 2.1z 1 + 1.44 z 2 0.32 z 3
Num=[0 0.5 1 0];

Den=[1 2.1 1.44 0.32];
U==[1 zeros(1,40)];
F=filter(Num, den,U)
0
0.5 0.05 -0.615-1.2035
Control de la vitesse dun moteur de

courant continu
L implmenation du control numrique de ce systme est

prsente dune manire schmatique :
Lobjectif est de produire une vitesse de rotation en sortie, y(t), qui

suit le signal de consigne ou rfrence, y*(t).

Modlisation
Sachant que le control se fait par ordinateur, il
semble raisonnable dabord de trouver un modle
permettant de trouver la relation entre les
chantillons de sortie,
{y(k); k = 0, 1, } et
les chantillons dentre gnrs par lordinateur,
nots
{u(k), k = 0, 1, }.
( est la priode dchantillonnage).
Le modle ( temps discret ) pour le moteur

prend la forme :
"
$
$
#
%
'
'
&
"
$
$
#
%
'
'
&
y k+1 =a y k +a y k1 +
1
"
$$
#
"
$
$
#
%
''
&
%
'
'
&
+bu k +b u k1 .
1
"
$$
#
%
''
&
Lois de Commande
Nous souhaitons que y k +1 aille vers la valeur
dsire y*.
Nous pourrions considrer la partie droite gale y*.
Dans ce cas u(k) devient une fonction de y(k)
ainsi y (k 1 )
Et
u (k 1 )
Mais le calcul nest pas possible ???
Il est possible de considrer la lois de commande
u(k) fonction de y (k 1 )
Dveloppement de Modle
Par substitution:
y (k + 1 ) = a 1 {y ( k ) }+ a 0 y (k 1 )
+ b1 u (k ) + b0 u (k 1 )
= a 1 {a 1 y (k 1 )+ a 0 y (k 2 )
+ b1 u (k 1 )+ b0 u (k 2 )}
+ a 0 y (k 1 )+ b1 u (k ) + b0 u (k 1 )
Nous observons que y k +1 prend la forme :

y (k + 1 ) = 1 y (k 1 ) + 2 y (k 2 )
+ 1 u (k ) + 2 u (k 1 ) + 3 u (k 2 )
o 1 = a12 + a 0 etc.
En effet, 1, 2, 1, 2, 3, peuvent tre estims

partir du systme physique. Cependant, pour le
systme prsent les valeurs sont ( = 0.05 seconds) :
1 = 0.03554
2 = 0.03077
1 = 1
2 = -1.648
3 = 0.6483
La Lois de Commande Modifi

Nous souhaitons que la sortie soit gale y*.
Rappelons le modle:
y (k + 1 ) = 1 y (k 1 ) + 2 y (k 2 )
+ 1 u (k ) + 2 u (k 1 ) + 3 u (k 2 )
Et
(
)
u (k =
y k +1 gale y * k +1
y * k + 1 1 y k 1 2 y k 2 2 u k 3 u k 2
La lois de commande prcdente exprime le control u(k)
comme une fonction de :

La consigne,
y * k +1
Mesures de sortie prcdentes ,
) (
y k 1 , y k 2
Les signaux de commande prcdents ,
) (
u k 1 , u k 2
Il existe une priode dchantillonnage entre la

mesure de
y (k 1 )
et le temps quand on applique u(k);

i.e. nous avons assez de temps pour que le calcul
de u(k)
Soit raliser aprs la mesure de :
y k +1
Rcapitulons
Nous avons obtenu une lois de commande
numrique qui emmne la sortie du systme
y k +1
vers la valeur dsire

y * k +1
pendant une priode dchantillonnage
Rsultats de Simulation avec la Priode

0.05 secondes
Causes dune Rponse Pauvre

1.
2.
3.
4.
Vitesse dchantillonnage
Saturation de lentre
Bruit
Timing jitter
Rsultats en Simulation qui montre la

Rponse continue
Saturation de lEntre
Rsultats Experimentaux
Le bruit
Types de Control Numrique

DCS (Distributed Control System)
Commande des Grands Systmes (Complex/
Compliqu)
PLC (Programmable Logic Controller)
Commande numrique simple de type on-off .
PC (Personal Computer)
Cost minimal, flexibilit habitude
Theorem
Name
Definition
F ( z ) = Z [ f (t )] = f (kT ) z k
k =0
Z[k1 f1 (t ) + k2 f 2 (t )] = k1 F1 ( z) + k2 F2 ( z)
Multiply by e-at
Z [e at f (t )] = F ( ze aT )
z
Z [a t f (t )] = F ( )
a
Multiply by at
Time Shift 1
Z [ f (t kT )] = z k F ( z )
Linearity
n 1
Z [ f (t + kT )] = z [ F ( z ) f (kT ) z ]
Time Shift 2
k =0
Differentiation
1
Z [ f (t ) f (t 1)] = (1 z ) F ( z )
t
F ( z)
Z f ( )d =
0
1 z 1
f () = lim(1 z 1 ) F ( z )
Integration
Final Value
z 1
f (0) = lim F ( z )
z
Initial Value
f(t)
F(s)
F(z)
(t)
u(t)
t
e at e bt
ba
e-at
1 e-at
sint
1
s
1
1 z 1
1
s2
Tz 1
(1 z 1 ) 2
1
( s + a)(s + b)
1
s+a
a
s( s + a)
s2 + 2
cost
s
s +2
e-atsint
e-atcost
( s + a) 2 + 2
s+a
( s + a) 2 + 2
1
(e aT e bT ) z 1
aT 1
bT 1
b a (1 e z )(1 e z )
1
1 e
aT
z 1
(1 e aT ) z 1
(1 z 1 )(1 e aT z 1 )
z 1 sin T
1 2 z 1 cos T + z 2
1 z 1 cosT
1 2 z 1 cosT + z 2
z 1e aT sin T
1 z 1e aT cos T
Calcul de transforme en z
at
f (t ) = e cos t
Solution
1 z 1 cos T
Z [cos t ] =
= F ( z)
1
2
1 2 z cos T + z
1:
Z [ f (t )] = F ( z ); F [e at f (t )] = F ( zeaT )
1
1
z
cos T
at
Z [e cos t ] =
1 2 z 1 cos T + z 2
1 e aT z 1 cos T
=
1 2e aT z 1 cos T + e 2 aT z 2
z = e aT z
Solution 2:
at + jt
at jt
e
+
e
at
F ( z ) = Z [e cos t ] = Z
1
= ( Z [e at + jt ] + Z [e at jt ])
2
1
at
Z [e ] =
1 e aT z 1
1
1
1
F ( z ) =
+
2 1 e aT + jT z 1 1 e aT jT z 1
1 e aT z 1 cos T
=
1 2e aT z 1 cos T + e 2 aT z 2
Calculer la Transforme en z de :
f (t ) = te at
Solution:
Tz 1
Z [t ] =
= F ( z)
1 2
(1 z )
Z [ f (t )] = F ( z ); F [e at f (t )] = F ( zeaT )
1
Tz
Z [te at ] =
(1 z 1 ) 2
Te aT z 1
=
(1 e aT z 1 ) 2
z = e aT z
Exercice
Soit f(t)=e-aT .
f(t)
Exercice
F ( z ) = Z [ f (t )] = Z [ f (kT )] = f (kT )
k =0
= 1 + e aT z 1 + e 2 aT z 2 +
e aT z 1 F ( z ) = e aT z 1 (1 + e aT z 1 + e 2 aT z 2 + )
= e aT z 1 + e 2 aT z 2 + e 3aT z 3
F ( z) e
aT
z F ( z) = 1 F ( z) =
1 e
aT

LesBasesMathematiquesdelAutomatique PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LesBasesMathematiquesdelAutomatique PDF

Uploaded by

Copyright:

Available Formats

ENAC

Cours de Systmes Echantillonns

Andrei Doncescu et Felix Mora-Camino

Transformation de Fourier Discrte

Gnralits sur les systmes asservis

Automatique: science qui tudie les automatismes

On peut conduire un systme de manire automatise pour:

Gnralits sur les systmes asservis

Commande en boucle ouverte:

Gnralits sur les systmes asservis

Gnralits sur les systmes asservis

Gnralits sur les systmes asservis

Gnralits sur les systmes asservis

Les caractristiques tudier dans un systme asservi sont

Gnralits sur les systmes asservis

Gnralits sur les systmes asservis

CNA : convertisseur Numrique Analogique

Gnralits sur les systmes asservis

Les systmes linaires sont caractriss compltement par leur

y(k)=L[x(l)(k l)]=x(l)L[(k l)]

pic de Dirac sera dfini comme ayant un poids

valeur de la fonction delta peut tre vu

(t )(t )dt = (0)

Jamais parler de la valeur de (t).

CLASSEMENT DES SIGNAUX

Les signaux priodiques x(t) = x(t+kT)

Les signaux nergie finie

Les signaux puissance moyenne finie non-nulle

Signaux de dure finie

Signaux pairs et impairs

fo=1/T est la fondamentale

Synthse dun signal triangulaire

f(t) = 1 F()e jtd

On appelle densit spectrale

F()= f()= f(t) exp( jt ) dt ( f L1):

Mesure la quantit doscillations la frquence qui est prsente en f.

Donc, la Transforme de Fourier est borne et continue.

Transforme de Fourier de (t)

Un systme fait subir une transformation un signal dentre x(t) et

On appelle filtre, dentre x(t) et sortie y(t), un systme dfini par:

y(t)= x(u)h(tu)du = x(tu)h(u)du

Rponse impulsionnelle h(t)

Rponse indicielle u(t)

f(t) + g(t) F(f ) + G(f )

Dans une TF,

La transforme de Fourier est une reprsentation globale du

dfaut de cette transforme est davoir

V(t) ept dt,

o p est un nombre complexe

Note: la TL nest pas dfinie pour tout p: la partie relle de p doit

U(t)et cos ( t ) , > 0

4. Thorme inverse de drivation

Exercice. Calculer la TL du signal : t.U(t).e-at.

5. Thorme d'affinit - homothtie ou changement d'chelle de temps

Si V(t) a pour TL : v(p), alors V(kt) a pour TL :

Exercice. Montrer de deux manires

* (convolution entre signaux)

(multiplication de leurs TL)

Exercice. Un signal support temporel born [O, T] est priodis

Systmes linaires stationnaires

H(t), la rponse percussionnelle du SLS et sa TL :

h(p), la fonction de transfert du SLS

S() = E(t)H( t)dt a pour TL s(p)=e(p).h(p)