SlideShare une entreprise Scribd logo
1  sur  20
Télécharger pour lire hors ligne
Cours: Automatique linéaire échantillonnée
Classe: IMI4
Préparer par: M. Ridha ALOUI
Institut National des Sciences Appliquées et de Technologie de Tunis - INSAT
Chapitre 1: Echantillonnage d’un signal
Introduction
2
La théorie des asservissements a comme objectif la conception des lois
de commande destinées à garantir une “réponse satisfaisante” pour un
processus physique.
La sortie du processus est forcée à suivre ou à poursuivre un signal de
consigne (ou un signal de référence) et cela:
– en optimisant les performances de suivi de consigne
– et en minimisant l’effet des perturbations et du bruit de mesure.
Dans des cas particuliers, le système de commande peut
fonctionner en boucle ouverte à partir d’un signal de consigne.
Cependant, uniquement un asservissement en boucle fermée est
capable de stabiliser un système instable en boucle ouverte et de
compenser les perturbations externes, le bruit de mesure et les
incertitudes internes au processus physique lui-même.
Le principe général de la boucle d’asservissement est montré figure 1
3
La loi de commande est générée par un système de commande
qu’on appelle correcteur ou compensateur. Comme sa mise en
œuvre est réalisé avec des systèmes concrets, qui peuvent être
analogiques ou numériques, alors on parle d’asservissements
continus ou d’asservissements numériques.
La boucle d’asservissement avec un correcteur continu est illustrée
par la figure 2
4
De nos jours, grâce aux développements de l’électronique et de
l’informatique, la plupart des lois de commande sont implémentées
sur des micro-ordinateurs ou processeurs numériques.
L’implémentation d’algorithmes de commande sur ordinateur,
comparée à une réalisation analogique, offre des nombreux atouts :
- Coût faible,
- Précision élevée,
- Insensibilité aux bruits,
- Facilité d’implémentation,
- Souplesse par rapport aux modifications.
5
L’objectif de ce cours est d’étudier les asservissements
numériques c’est à dire le problème de l’utilisation, en temps
réel, de calculateurs ou processeurs numériques afin de
commander, piloter des processus physiques.
La commande par ordinateur nécessite la mise en œuvre d’une
interface entre le calculateur et le procédé (figure 3). Ceci est
obtenu à l’aide:
– d’un convertisseur CNA permettant d’envoyer les ordres
du processeur vers l’actionneur du processus,
– d’un convertisseur CAN transmettant au processeur les
mesures acquises sur le procédée par le système de mesure. 6
Figure 3: Asservissement échantillonné/numérique 7
Ces éléments mettent en jeu des signaux analogiques et discrets d’ou
l’opération d’échantillonnage et la notion de système échantillonne.
Technologie des asservissements numériques
Carte d’acquisition haute densité.
96 voies analogiques 12 bits 3 Méch./s.
8
Le but d’un processus à commande numérique est de remplacer la
commande analogique du processus par des algorithmes mis en
œuvre sur calculateur.
un processeur numérique traite plutôt des valeurs numériques (des
nombres) que des grandeurs analogiques.
Le découpage temporel de l’information, réalisé par le CAN, se fait par
échantillonnage et quantification. L’échantillonnage consiste à
prélever, à période fixe Te, la valeur du signal. La quantification résulte
du fait que les données sont représentées sur un calculateur dans un
certain format. Donc, le CAN remplace un signal analogique par une
suite des nombres. 9
Echantillonnage d’un signal
Comme cette suite ne peut pas exciter le processus à asservir,
il est indispensable d’utiliser un CNA afin d’élaborer un signal
analogique. Cette étape est appelée reconstruction
10
Période d’échantillonnage: Le problème de la période
d’échantillonnage
11
12
Signaux échantillonnés à différentes fréquences.
Echantillonnage idéal
Définition: L’échantillonneur idéal de période Te est un opérateur
mathématique qui associe à toute fonction f(t) une fonction fe(t)
définie par
où δTe(𝑡) est la fonction peigne (d’impulsions) de Dirac.
13
Fonction peigne de Dirac
Utilisation de l’opérateur échantillonnage idéal sur le signal f(t)
génère un signal continue fe(t) appelée signal échantillonné
(idéal).
14
La fonction échantillonnée fe(t) est une fonction peigne de Dirac
modulée en amplitude par la fonction f(t): l’échantillonnage est le
prélèvement de la valeur du signal continu aux instants t = kTe.
Fonction échantillonnée
Echantillonneur idéal
Théorème de Shannon: Toute fonction du temps f(t) possédant
un spectre de fréquence limité à ±Fmax peut être transformée
par échantillonnage périodique, de fréquence Fe supérieure ou
égale à 2Fmax, sans aucune perte d’information.
15
Choix de la période d’échantillonnage:
Les considérations précédentes montrent:
- une limite fondamentale de théorème de Shannon,
- que l’idée de suréchantillonner provoque ´énormément de bruit sur le
calcul des dérivées et demande un microcontrôleur puissant donc cher.
Entre les deux, il existe un vaste choix de fréquences d’échantillonnage.
16
w0 la fréquence de coupure du système
17
Choix de la période d’échantillonnage pour la régulationdes
processus
18
19
20

Contenu connexe

Similaire à Chapitre 1 -Echantillonnage d’un signal.pdf

Ph.D Defense
Ph.D DefensePh.D Defense
Ph.D Defenseawxzeca
 
Séance 4 robo cept peripherique entree sortie
Séance 4 robo cept peripherique entree sortieSéance 4 robo cept peripherique entree sortie
Séance 4 robo cept peripherique entree sortieWiem Ben Ayed
 
La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...osmalilwano
 
Atelier d'Optimisation de Contrôleurs en simulation Dynamique
Atelier d'Optimisation de Contrôleurs en simulation DynamiqueAtelier d'Optimisation de Contrôleurs en simulation Dynamique
Atelier d'Optimisation de Contrôleurs en simulation DynamiqueSergio Joao
 
Rapport TP SuppTx (Aurele).pdf
Rapport TP SuppTx (Aurele).pdfRapport TP SuppTx (Aurele).pdf
Rapport TP SuppTx (Aurele).pdfstevekambea602
 
Matlab simulink partie 2
Matlab simulink partie 2Matlab simulink partie 2
Matlab simulink partie 2babaoui mohamed
 
Cours Benhabiles TMS320.pdf
Cours Benhabiles TMS320.pdfCours Benhabiles TMS320.pdf
Cours Benhabiles TMS320.pdfHouBou3
 
1. Introduction automatique--.pdf
1. Introduction automatique--.pdf1. Introduction automatique--.pdf
1. Introduction automatique--.pdfMAROUA110
 
993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarougeBen Fethi
 
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de trirécursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de triYassine Anddam
 
introduction automatisme industriel
introduction automatisme industrielintroduction automatisme industriel
introduction automatisme industrielAdnane Ahmidani
 
Digital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfDigital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfHouBou3
 
Colle_info-SimApp.ppt
Colle_info-SimApp.pptColle_info-SimApp.ppt
Colle_info-SimApp.pptajanaessaid
 
Veuillez remplacer votre téléphone portable .pdf
Veuillez remplacer votre téléphone portable .pdfVeuillez remplacer votre téléphone portable .pdf
Veuillez remplacer votre téléphone portable .pdfssuser9b5869
 
Rapport regulation-de-temperature
Rapport regulation-de-temperatureRapport regulation-de-temperature
Rapport regulation-de-temperatureMarwa Bhouri
 
Automatisme cours 1
Automatisme cours 1Automatisme cours 1
Automatisme cours 1xwmker
 
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...Yassine Selmi
 
Presentation Stage CPL&Smart Grid
Presentation Stage CPL&Smart GridPresentation Stage CPL&Smart Grid
Presentation Stage CPL&Smart GridCherif Hamidou SY
 
Challenges of Parallel Simulation of Power Systems_french
Challenges of Parallel Simulation of Power Systems_frenchChallenges of Parallel Simulation of Power Systems_french
Challenges of Parallel Simulation of Power Systems_frenchOPAL-RT TECHNOLOGIES
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011sunprass
 

Similaire à Chapitre 1 -Echantillonnage d’un signal.pdf (20)

Ph.D Defense
Ph.D DefensePh.D Defense
Ph.D Defense
 
Séance 4 robo cept peripherique entree sortie
Séance 4 robo cept peripherique entree sortieSéance 4 robo cept peripherique entree sortie
Séance 4 robo cept peripherique entree sortie
 
La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...
 
Atelier d'Optimisation de Contrôleurs en simulation Dynamique
Atelier d'Optimisation de Contrôleurs en simulation DynamiqueAtelier d'Optimisation de Contrôleurs en simulation Dynamique
Atelier d'Optimisation de Contrôleurs en simulation Dynamique
 
Rapport TP SuppTx (Aurele).pdf
Rapport TP SuppTx (Aurele).pdfRapport TP SuppTx (Aurele).pdf
Rapport TP SuppTx (Aurele).pdf
 
Matlab simulink partie 2
Matlab simulink partie 2Matlab simulink partie 2
Matlab simulink partie 2
 
Cours Benhabiles TMS320.pdf
Cours Benhabiles TMS320.pdfCours Benhabiles TMS320.pdf
Cours Benhabiles TMS320.pdf
 
1. Introduction automatique--.pdf
1. Introduction automatique--.pdf1. Introduction automatique--.pdf
1. Introduction automatique--.pdf
 
993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge
 
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de trirécursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
 
introduction automatisme industriel
introduction automatisme industrielintroduction automatisme industriel
introduction automatisme industriel
 
Digital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfDigital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdf
 
Colle_info-SimApp.ppt
Colle_info-SimApp.pptColle_info-SimApp.ppt
Colle_info-SimApp.ppt
 
Veuillez remplacer votre téléphone portable .pdf
Veuillez remplacer votre téléphone portable .pdfVeuillez remplacer votre téléphone portable .pdf
Veuillez remplacer votre téléphone portable .pdf
 
Rapport regulation-de-temperature
Rapport regulation-de-temperatureRapport regulation-de-temperature
Rapport regulation-de-temperature
 
Automatisme cours 1
Automatisme cours 1Automatisme cours 1
Automatisme cours 1
 
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
 
Presentation Stage CPL&Smart Grid
Presentation Stage CPL&Smart GridPresentation Stage CPL&Smart Grid
Presentation Stage CPL&Smart Grid
 
Challenges of Parallel Simulation of Power Systems_french
Challenges of Parallel Simulation of Power Systems_frenchChallenges of Parallel Simulation of Power Systems_french
Challenges of Parallel Simulation of Power Systems_french
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011
 

Chapitre 1 -Echantillonnage d’un signal.pdf

  • 1. Cours: Automatique linéaire échantillonnée Classe: IMI4 Préparer par: M. Ridha ALOUI Institut National des Sciences Appliquées et de Technologie de Tunis - INSAT Chapitre 1: Echantillonnage d’un signal
  • 2. Introduction 2 La théorie des asservissements a comme objectif la conception des lois de commande destinées à garantir une “réponse satisfaisante” pour un processus physique. La sortie du processus est forcée à suivre ou à poursuivre un signal de consigne (ou un signal de référence) et cela: – en optimisant les performances de suivi de consigne – et en minimisant l’effet des perturbations et du bruit de mesure.
  • 3. Dans des cas particuliers, le système de commande peut fonctionner en boucle ouverte à partir d’un signal de consigne. Cependant, uniquement un asservissement en boucle fermée est capable de stabiliser un système instable en boucle ouverte et de compenser les perturbations externes, le bruit de mesure et les incertitudes internes au processus physique lui-même. Le principe général de la boucle d’asservissement est montré figure 1 3
  • 4. La loi de commande est générée par un système de commande qu’on appelle correcteur ou compensateur. Comme sa mise en œuvre est réalisé avec des systèmes concrets, qui peuvent être analogiques ou numériques, alors on parle d’asservissements continus ou d’asservissements numériques. La boucle d’asservissement avec un correcteur continu est illustrée par la figure 2 4
  • 5. De nos jours, grâce aux développements de l’électronique et de l’informatique, la plupart des lois de commande sont implémentées sur des micro-ordinateurs ou processeurs numériques. L’implémentation d’algorithmes de commande sur ordinateur, comparée à une réalisation analogique, offre des nombreux atouts : - Coût faible, - Précision élevée, - Insensibilité aux bruits, - Facilité d’implémentation, - Souplesse par rapport aux modifications. 5
  • 6. L’objectif de ce cours est d’étudier les asservissements numériques c’est à dire le problème de l’utilisation, en temps réel, de calculateurs ou processeurs numériques afin de commander, piloter des processus physiques. La commande par ordinateur nécessite la mise en œuvre d’une interface entre le calculateur et le procédé (figure 3). Ceci est obtenu à l’aide: – d’un convertisseur CNA permettant d’envoyer les ordres du processeur vers l’actionneur du processus, – d’un convertisseur CAN transmettant au processeur les mesures acquises sur le procédée par le système de mesure. 6
  • 7. Figure 3: Asservissement échantillonné/numérique 7 Ces éléments mettent en jeu des signaux analogiques et discrets d’ou l’opération d’échantillonnage et la notion de système échantillonne.
  • 8. Technologie des asservissements numériques Carte d’acquisition haute densité. 96 voies analogiques 12 bits 3 Méch./s. 8
  • 9. Le but d’un processus à commande numérique est de remplacer la commande analogique du processus par des algorithmes mis en œuvre sur calculateur. un processeur numérique traite plutôt des valeurs numériques (des nombres) que des grandeurs analogiques. Le découpage temporel de l’information, réalisé par le CAN, se fait par échantillonnage et quantification. L’échantillonnage consiste à prélever, à période fixe Te, la valeur du signal. La quantification résulte du fait que les données sont représentées sur un calculateur dans un certain format. Donc, le CAN remplace un signal analogique par une suite des nombres. 9 Echantillonnage d’un signal
  • 10. Comme cette suite ne peut pas exciter le processus à asservir, il est indispensable d’utiliser un CNA afin d’élaborer un signal analogique. Cette étape est appelée reconstruction 10
  • 11. Période d’échantillonnage: Le problème de la période d’échantillonnage 11
  • 12. 12 Signaux échantillonnés à différentes fréquences.
  • 13. Echantillonnage idéal Définition: L’échantillonneur idéal de période Te est un opérateur mathématique qui associe à toute fonction f(t) une fonction fe(t) définie par où δTe(𝑡) est la fonction peigne (d’impulsions) de Dirac. 13 Fonction peigne de Dirac
  • 14. Utilisation de l’opérateur échantillonnage idéal sur le signal f(t) génère un signal continue fe(t) appelée signal échantillonné (idéal). 14 La fonction échantillonnée fe(t) est une fonction peigne de Dirac modulée en amplitude par la fonction f(t): l’échantillonnage est le prélèvement de la valeur du signal continu aux instants t = kTe. Fonction échantillonnée Echantillonneur idéal
  • 15. Théorème de Shannon: Toute fonction du temps f(t) possédant un spectre de fréquence limité à ±Fmax peut être transformée par échantillonnage périodique, de fréquence Fe supérieure ou égale à 2Fmax, sans aucune perte d’information. 15
  • 16. Choix de la période d’échantillonnage: Les considérations précédentes montrent: - une limite fondamentale de théorème de Shannon, - que l’idée de suréchantillonner provoque ´énormément de bruit sur le calcul des dérivées et demande un microcontrôleur puissant donc cher. Entre les deux, il existe un vaste choix de fréquences d’échantillonnage. 16 w0 la fréquence de coupure du système
  • 17. 17
  • 18. Choix de la période d’échantillonnage pour la régulationdes processus 18
  • 19. 19
  • 20. 20