Automatique industrielle

Deuxième partie :
Asservissement des Systèmes Linéaires
Echantillonnés (discrets).

Dr.- Ing. Pousga Kaboré

Ingénieurs des travaux

Institut supérieur de génie électrique du Burkina Faso

1
Table des matières
Liste des figures .............................................................................................................. 3
Liste des tableaux ............................................................................................................ 4
Introduction ................................................................................................................... 5
I. Chaine d’acquisition............................................................................................... 6
II. Conversion numérique et échantillonnage ............................................................. 7
II.1 traitement de l’information ................................................................................... 7
II.2 Echantillonnage de l’information ........................................................................ 13
III. Modélisation des systèmes linéaires échantillonnés............................................. 17
III.1 Représentation de la fonction de transfert ........................................................ 17
III.2 Effets du bloqueur sur la fonction de transfert d’un système linéaire continu ... 18
III.2.2 Transformée en z........................................................................................... 19
IV. Stabilité, précision et rapidité des systèmes à temps discrets .............................. 21
IV.1 Stabilité des systèmes à temps discrets.............................................................. 21
IV.2 Critère de Jury de la stabilité ............................................................................ 22
IV.3 précision et rapidité des systèmes linéaires échantillonnés. ............................ 24
V. Choix de correcteurs ............................................................................................. 30
V.1 Nécessité de correction ..................................................................................... 30
V.2 Choix des paramètres du correcteur ................................................................. 33
VI. Quelques technologies de régulation industrielle ................................................ 39
VI.1 Régulateurs ...................................................................................................... 40
V.2. Les PC ............................................................................................................ 43
V.3. Les automates .................................................................................................. 44
V.4 Autres configurations pour la régulation ............................................................ 45
V.5 Réseau industriel et régulation .......................................................................... 50
V.6 Logiciel de CAO en régulation et commande des systèmes ............................. 54
Bibliographie .................................................................................................................. 55

2
Liste des figures
Figure 1. Echantillonnage d'un signal sinusoïdal ............................................................. 7
Figure 2. Échantillonnage et conversion de données ...................................................... 8
Figure 3. Système à sortie échantillonnée ....................................................................... 9
Figure 4. Implémentation dans un contrôleur .................................................................. 9
Figure 5. Structure d'un CAN ........................................................................................ 10
Figure 6. Défaut de linéarité .......................................................................................... 11
Figure 7. Bruit introduit par le CAN ................................................................................ 11
Figure 8. CNA ................................................................................................................ 12
Figure 9. Exemple de structure d'un CNA ..................................................................... 12
Figure 10. Défaut d'un CNA ........................................................................................... 13
Figure 11. Echantillonnage ............................................................................................ 13
Figure 12. Échantillonnage d'un système ...................................................................... 14
Figure 13. Effet de Blocage du signal ............................................................................ 15
Figure 14. Stabilité des systèmes échantillonnés .......................................................... 21
Figure 15. Transformation en w ..................................................................................... 24
Figure 16. Rapidité et précision d'un système du deuxième ordre ................................ 25
Figure 17. Abaque du second ordre échantillonné ........................................................ 28
Figure 18. Abaque second ordre suite ........................................................................... 28
Figure 19. Composantes d'un correcteur PID ................................................................ 30
Figure 20. Correcteurs et effets ..................................................................................... 31
Figure 21. Schéma d'un système à retard ..................................................................... 35
Figure 22. Schéma du prédicteur de Smith ................................................................... 35
Figure 23. Architecture d'un régulateur (exemple du régulateur JUMO)........................ 40
Figure 24. Régulateurs à affichage de Omega .............................................................. 41
Figure 25. Série UDC de Honeywell .............................................................................. 41
Figure 26. Régulateurs de chez Eurotherm ................................................................... 43
Figure 27. Bloc fonction PID (Unity Pro Schneider) ....................................................... 44
Figure 28. Exemple d'automate offrant des capacités de régulation (96 boucles PID par
machine). ControLogix de Allen Bradley (Rockwell) ...................................................... 45
Figure 29. Thermocouple............................................................................................... 47
Figure 30. Variateur de puissance à thyristors JUMO ................................................... 48
Figure 31. Vanne électropneumatique ........................................................................... 49
Figure 32. Electrovanne et caractéristiques................................................................... 49
Figure 33. Intégration des applications. ......................................................................... 52
Figure 34. Régulateurs en réseau (Yokogawa) ............................................................. 53

3
Liste des tableaux

Tableau 1. Transformées en z ....................................................................................... 16

Tableau 2. Critère de Jury ............................................................................................. 23
Tableau 3. Calcul des paramètres du système non amorti ............................................ 26
Tableau 4. Erreur pour différentes consignes ................................................................ 29
Tableau 5. Principales caractéristiques d'un thermocouple ........................................... 46

4
Introduction

Les systèmes linéaires échantillonnés sont rendus nécessaires par l’apparition du

phénomène d’échantillonnage des données et de la numérisation du traitement de
l’information. En effet, l’avènement d’ordinateurs puissants, et d’une puissance de calcul
rendent possible de gros calculs avec plus de rapidité. Ainsi, les systèmes de régulation
jadis impossibles à implémenter sur ordinateur et câblés de façon analogiques sont
maintenant numérisés. Ce qui a pour conséquence des applications à dynamiques ultra
rapides. En conséquence, des quantités inégalées d’informations sont générées à haute
fréquence.
L’oeil, la caméra, les ordinateurs et autres calculateurs doivent prélever les données qui
se présentent à leurs entrées. Le prélèvement se fait à une certaine fréquence. Lorsque
la fréquence est élevée, il n’est pratiquement pas possible de remarquer une différence
entre le signal du système échantillonné et celui du système réel. Par contre, dans de
nombreux cas, il y a une nécessité de prendre en compte les caractéristiques de
l’échantillonnage. C’est le cas de la stroboscopie qui permet de visualiser la vitesse de
rotation d’un objet en rotation. Lorsque la vitesse de la lumière est inférieure (ou
supérieure) à la fréquence de rotation, un mouvement inverse (ou d’avance) est observé.
En revanche, un mouvement stationnaire est observé lorsque les deux coïncident. Dans
les systèmes rapides tels que les systèmes électriques, la fréquence d’échantillonnage
peut jouer un rôle crucial dans la reconstitution du signal et dans la commande des
systèmes électriques.
En effet, lorsque l’échantillonnage se fait à une fréquence faible, il y a perte d’information.
En traitement du signal comme dans le contrôle des systèmes, les systèmes
échantillonnés ont fait l’objet de plusieurs écrits et sont enseignés dans plusieurs
disciplines.
L’échantillonnage et la numérisation ont une conséquence sur la fonction de transfert du
système. De même, la commande de ce système peut subir des modifications.
Le chapitre sur les systèmes linéaires échantillonnés est organisé comme suit. Dans un
premier temps, il revient sur les notions d’échantillonnage. Il reprend ensuite les principes

5
de l’échantillonnage ainsi que les notions mathématiques y relatives. Ce faisant, la notion
de transformée en z est introduite. Les principaux théorèmes sont rappelés par la suite.
La fonction de transfert d’un système échantillonnée est dérivée ainsi que les règles de
calcul y relatifs. La modélisation des systèmes échantillonnés est alors traitée. Tout
comme les systèmes analogiques, la question de la stabilité, de la précision et de la
rapidité est traitée afin de permettre la conception de compensateurs pour de tels
systèmes. Le correcteur PID est celui qui est exposé dans ce chapitre. Enfin les
technologies de la régulation sont présentées pour permettre une conduite de projet de
régulation.

I. Chaine d’acquisition

La réalisation de l’implémentation d’une régulation passe par une chaine d’acquisition de

données comme décrit précédemment et que l’on peut décrire comme suit :
 un ou des capteur(s) pour la mesure de l’évolution des variables à contrôler du
système ;
 le traitement et la transmission de données du capteur ;
 un module d’acquisition qui lit les informations à des intervalles réguliers que l’on
appelle période d’échantillonnage. Ces informations peuvent être stockés dans
une mémoire vive afin de permettre au calculateur ou processeur de les traiter ;
 un module de calcul (microprocesseur) et un mémoire pour stocker les données
permettant de calculer la valeur à envoyer aux actionneurs ;
 une sortie dédiée à l’actionneur considéré, à cette sortie l’information est envoyée
en attendant qu’elle soit lue pour l’action ;
 un pré actionneur chargé d’interpréter l’information et de l’envoyer à l’actionneur ;
c’est le cas d’un variateur de vitesse ;
 un actionneur qui agit pour réguler la sortie.
En fonction du type d’application, il peut s’avérer nécessaire de s’intéresser à la façon
dont l’information est traitée dans cette chaine. C’est le cas par exemple des cas de
systèmes très rapides (électricité, électronique, systèmes embarqués etc.).

6
 II. Conversion numérique et échantillonnage

II.1 traitement de l’information

Dans la plupart de ces cas, l’information n’est pas lue/traitée de façon continue mais à
intervalle régulier appelée période d’échantillonnage. Ce qui peut impliquer un
changement de comportement du système si la période d’échantillonnage n’est pas
largement inférieure à sa constante de temps. Un exemple couramment utilisé pour
illustrer cette situation est la sinusoïde comme le montre la figure ci-dessous. Si la période
d’échantillonnage est supérieure à une demi-période, on ne peut pas reconstituer une
sinusoïde. On ne peut voir qu’une droite. Si la période d’échantillonnage est suffisamment
petite, on peut reconstituer le signal initial.

Figure 1. Echantillonnage d'un signal sinusoïdal

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 1 2 3 4 5 6 7 8 9 10

Contrairement aux systèmes linéaires continus, les systèmes échantillonnés peuvent être
représentés par des équations aux différences comme nous le verrons dans la suite du
texte. Les signaux qui, au départ, étaient continus deviennent discrets dans le temps c’est
à dire qu’un certain nombre de mesures sont prises à des intervalles soit réguliers soit
irréguliers. De même, les commandes (entrée du système) sont appliquées à des
intervalles bien donnés dépendant du temps de calcul (rapidité du processeur). Dans ce

7
cas, un certain nombre de points est prélevé sur le signal de départ. Ainsi le système
initial n’est vu qu’à des intervalles de temps donnés et non de façon continue.
Le principe de l’échantillonnage est régi par le théorème de Shannon qui est stipulé
comme suit :
THEOREME (de Shannon, 1948):
Pour pouvoir reconstituer sans perte d’information un signal continu à partir des
échantillons de période Te de celui-ci, il faut que la fréquence d’´échantillonnage, fe = 1/Te
soit au moins égale au double de la fréquence maximale contenue dans le spectre de ce
signal : fe ≥ 2fM où fM = ωM/2∏
La fréquence fN = fe/2 est appelée fréquence de Nyquist .
Dans la suite de ce texte, nous verrons le principe de l’échantillonnage et les implications
sur le système considéré : dynamique, comportement, régulation, stabilité et stabilisation.
Les notions, vues pour les systèmes linéaires continus, seront donc revues pour dans ce
cas.
II.2 Conversion numérique et analogique
Rappelons la mise en œuvre des systèmes échantillonnés, sur un calculateur. Elle fait
intervenir un bloqueur qui « fait attendre la donnée pendant un certain temps et deux
éléments importants : le convertisseur analogique numérique (CAN) et le convertisseur
numérique analogique (CNA).

Figure 2. Échantillonnage et conversion de données

Le schéma ci-dessus correspond en réalité à l’implémentation dans un calculateur du

système continu avec un CAN et un CNA.

8
Considérons un système dont la sortie est aussi échantillonnée. Dans le cas où cet
échantillonnage est suffisamment rapide, le système résultant peut encore être comme
continu. Cependant, il arrive que dans les applications très rapides (moteurs électriques,
production et distribution d’électricité par exemple) le besoin d’un bon échantillonnage se
fasse ressentir.

Figure 3. Système à sortie échantillonnée

e(t) e*(t)
BOZ S(t)
H(p)

S*(t)

Calculateur

La sortie est échantillonnée lors de la prise en compte dans le calculateur. Cette

configuration est illustrée sur la figure suivante.

Figure 4. Implémentation dans un contrôleur

9
Convertisseur analogique numérique (CAN)
Les données analogiques provenant du système étudié en données numérisées c'est-à-
dire codées sur plusieurs bits et en 0, 1. Un exemple de convertisseur est donné sur la
figure suivante.

Figure 5. Structure d'un CAN

Source. www.microchip.com
Le CAN traduit donc le signal continu en une succession de bits dont la longueur traduit
la précision de conversion. Soit X la variable/signal à convertir.

Selon la conversion, on peut écrire : =∑ 2 +∑ 2 où les

prennent la valeur {0,1}. N correspond à la longueur du codage. Les constituent les

éléments de codage sur N bits.
Les principales caractéristiques à prendre en compte dans le choix d’un CAN sont :
 Le temps d ‘acquisition. C’est le temps pour acquérir la tension d’entrée
correspondant à la valeur d’entrée.
 Le temps de conversion. C’est le temps mis par le convertisseur pour convertir la
donnée acquise.
 Les échantillons par seconde : le temps requis pour le processus en entier :
acquisition, conversion, sortie etc.
 L’offset.
10
Figure 6. Défaut de linéarité

Quelques termes rencontrés :

 LSB: (bit de plus petit faible poids): sensibilité du convertisseur. C’est le plus petit
écart détectable par le CAN.
 Le LSB permet de définir la plage de pleine échelle (PPE)
 PPE: correspond à la LSB x le nombre d’intervalles possible dans le codage
choisi.

Le CAN peut introduire une erreur qui apparait comme un bruit de conversion e(t).

Figure 7. Bruit introduit par le CAN

e(t)
+
x(t) x(k) Xq(k)
Echantillonnage
+

Xq est la valeur issue de la conversion numérique. Tout se passe comme si lors de la

numérisation on introduit une erreur e(t)=x(k)-Xq(k) où :

( )= 2 + 2

Convertisseur numérique analogique (CNA)

Le convertisseur numérique analogique, lui reprend la valeur calculée sous la forme de
bits et la convertit en une valeur analogique compréhensible par l’actionneur.

11
Figure 8. CNA

C’est le processus inverse du convertisseur analogique numérique. Il permet de recouvrer

l’information analogique après traitement numérique. Plusieurs configurations peuvent
être rencontrées dont la suivante

Figure 9. Exemple de structure d'un CNA

Pour comprendre les caractéristiques des CNA, il faut se pencher sur la figure suivante.

12
Figure 10. Défaut d'un CNA

Les principales caractéristiques souvent rencontrées sont :

 l’offset et l’erreur de gain, comme montré sur la figure ci-dessus.
 la précision: précision absolue (dépends de toutes les erreurs), précision relative
(ne prend pas en compte les erreurs de gain et de décalage)

II.2 Echantillonnage de l’information

II.2.1 Principe

Considérons les courbes suivantes où les flèches (peigne) indiquent les instants de
prélèvement de points sur la courbe au-dessus.

Figure 11. Echantillonnage

Te 2Te nTe
…...

13
La conséquence de peigne (dit de Dirac) est représentée sur la figure suivante. A des
instants proportionnels à , la période échantillonnage, l’on vient prélever les valeurs de
f(t) représentée par la courbe de la figure précédente. A = ,, l’échantillon vaut f(t)(t-
nTe). (t) est appelée peigne de dirac et chaque valeur de  est une impulsion comme
nous l’avons vu précédemment dans l’identification des systèmes.

Le signal continu est passé par un peigne de Dirac . Tout se passe comme si l’on utilise
un interrupteur pendant des durées presque nulles. L’opération est répétée chaque Te
période d’échantillonnage.
Appelons f*(t) l’échantillonnage f(t)(t). On peut écrire :
∗( ) = (0) ( ) + ( ) ( − ) + (2 ) ( −2 ) + ⋯+ ( ) ( − )…
Cette situation peut être representée par la figure suivante.

Figure 12. Échantillonnage d'un système

Te 2Te nTe
…...

On peut alors utiliser la transformée de Laplace pour éliminer la fonction impulsion de

Dirac. La transformée de Laplace (voir notions sur la transformée de Laplace) de f* s’écrit :
( )=∫ ( ) avec f(t) qui sera remplacé par sa version échantillonnée donnée
ci-dessus. Ainsi la transformée de Laplace devient :

∗( )= ( (0) ( ) + ( ) ( − ) + (2 ) ( −2 )+⋯

+ ( ) ( − ) + ⋯ +)
∗( )= ∗( ) = (0) ( ) + ( ) ( − ) +
Ainsi, on obtient
(2 ) ( −2 ) +⋯+ ( ) ( − ) +⋯

14
D’où l’adoption d’une écriture plus simplifiée :
∗( )
= ( ) = (0) + (1. ) + (2. ) + ⋯+ ( . ) +⋯
= ( )

( ) = 1, ( − ) = (Règle du retard).
Où = . On note Z(f)= F*(p)=F(z).
Cette transformation correspond à la transformée en z utilisée dans les systèmes
échantillonnés. La transformée en z correspond donc à une version de la transformée de
Laplace.
Dans le cas de la mesure et de la valeur de la commande, entre deux échantillons, lors
de la mise en œuvre de régulation, la valeur obtenue est maintenue constante pendant
un intervalle de temps et l’on obtient la figure suivante. On dit que l’on passe par un
bloqueur d’ordre zéro (BOZ).

Figure 13. Effet de Blocage du signal

II.2.2 Quelques propriétés de la transformée en z

Tout comme la transformée de Laplace pour les systèmes linéaires continus, la
transformée en z a un certain nombre de propriétés similaires.
La transformée en z d’une fonction f(t) est par définition :

( )= ( )

, étant la période d’échantillonnage.

Comme on le voit ci-dessus, la Transformée en z résulte de la transformée de Laplace.
Aussi cette transformée respecte de même les propriétés suivantes :

15
Linéarité : Si f(t) et g(t) sont deux fonctions échantillonnées et F et G leurs transformées
en Z, alors la transformée de la fonction combinaison linéaire des deux h=af+bg (a et b
sont des coefficients constants) est H(z) = a F(z) + b G(z).
Quelques propriétés de la fonction de transfert.
Transformée de la convolution : Z(f*g) = F.G
Retard : Z(f(t-t0) = z-t0 F(z) ;
Avance : ( − ) = ( )− ( )− ( )− ( )− ⋯− (( −
) )
Multiplication par ak : Z(ak f(k)) = F(z/a)
Théorème de la valeur initiale : f (0)  lim F ( z )
z 

Théorème de la valeur finale : lim f (k )  lim( z  1) F ( z )

k  z 0

Le tableau suivant fournit quelques transformée en z.

Tableau 1. Transformées en z
Fonctions Transformée de Laplace Transformée en z
( ) (Dirac) 1 1
1 1
−1
1
+ −
1
( + ) ( − )
− − ( − )
( + )( + ) ( − )( − )
1
( − 1)
1 (1 + )
2 2 ( − 1)
sin sin
+ − 2 cos +1
cos (z − cos )
+ − 2 cos +1

16
III. Modélisation des systèmes linéaires échantillonnés
III.1 Représentation de la fonction de transfert

Le système échantillonné peut se mettre sous la forme d’un système dit en ’’temps
discret’’ c'est-à-dire comme la série suivante :
( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
= ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
Dans ce système, y est la sortie mesurée du système et u l’entrée qui commande le
système. Pour être causal, le modèle doit être tel que m est inférieur ou égal à n.
Ainsi, les valeurs de la sortie forment une série avec celles de l’entrée. En utilisant, la
règle du retard et de linéarité de la transformée en z, on aboutit à :
( )+ ( )+⋯+ ( )+ ( )= ( )+ ( )
+ ⋯+ ( )+ ( )

On peut alors tirer la fonction de transfert G(z) en z en regroupant les différents termes
en U(z) et Y(z).
( + +⋯+ + ) ( )
=( + + ⋯+ + ) ( )

G(z) est la fonction de transfert du système linéaire échantillonné.

+ + ⋯+ +
( )=
+ + ⋯+ +
On peut aussi avoir la fonction de transfert sous la forme :
+ + ⋯+ +
( )=
+ + ⋯+ +

Commentaires :
La modélisation des systèmes linéaires échantillonnés peut donc se faire en procédant à
une expérimentation permettant de retrouver le modèle ci-dessus reliant entrées et sorties
de façon temporelle.
Avec ces valeurs, il est alors possible de faire une modélisation basée sur les données
expérimentales. À l’aide du modèle obtenu, on utilise d’abord la règle du retard puis on
isole les termes en z pour retrouver la fonction de transfert ci-dessus.

17
Quelques exemples
Exercice 1. On considère la série suivante :
( − 3) + 5 ( − 2) + ( − 1) + ( ) = ( − 3)

Cette série représente un processus dont on veut la fonction de transfert.

a. Donner sa fonction de transfert. Pour cela on se servira de la règle du retard
( ( − )= ( )
b. Donner l’ordre du système

Exercice 2.
Ainsi, considérons la fonction de transfert suivante :

( ) 2,5 + − 1
( )= =
( ) 2,5 − 1,75 − 2 + 0,4

Écrire l’équation qui relie y(k-3), y(k-2) , y(k-1), y(k) en fonction de u(k-3), u(k-2) et
u(k-1). On utilisera Y(z) en fonction de U(z) et la propriété du retard.

Une deuxième façon de retrouver la fonction de transfert échantillonnée est de disposer

d’un modèle dans le domaine de Laplace soit par modélisation par des lois de la physique
soit en disposant déjà d’un tel modèle par expérimentation. Dans ce cas, le chapitre
suivant permettra de tenir compte de l’échantillonnage.

III.2 Effets du bloqueur sur la fonction de transfert d’un système linéaire continu

III.2.1 Transformation de la fonction de transfert

Lorsque la fonction de transfert échantillonnée est obtenue à partir d’une relation sous
la forme de série comme ci-dessus, il n’y a pas besoin de transformer pour une seconde
fois la fonction de transfert. Cependant il peut arriver que l’on dispose de la fonction de
transfert du système continu et qu’on l’on ait besoin de la fonction de transfert
échantillonnée. Dans ces conditions, on se demande ce que devient cette fonction de
transfert après un échantillonnage.

18
 Pour cela utilisons la fonction de transfert de Laplace à laquelle on doit adjoindre
la fonction de transfert du bloqueur d’ordre zéro. Le bloqueur agit en fait comme une
impulsion. La transformée de Laplace de l’impulsion résultant de l’action d’un bloqueur
donne :
1  e Te p
F1 ( p)  f (0)
p
Considérons maintenant une entrée e (t) et une sortie s(t) échantillonnées. On
reprend le raisonnement qui a permis de générer la transformée en z de la fonction
échantillonnée. Dans le cas d’un simple peigne de Dirac, on a :


e * (t )  e(0) (t )    e(nTe ) (t  nTe )  ; E * ( p)   e(nTe )e nTe p
n0

s * (t )  s(0) (t )    s(nTe ) (t  nTe )  ; S * ( p)   s(nTe )e nTe p
n0

On obtient l’expression de la sortie :

S ( p)  E * ( p)H ( p)

Dans le cas d’un bloqueur d’ordre zéro, on a :

∗
( )
∗( }= ∗ ( ) ∗ (1 − )∗

La transformée en z telle que définie précédemment est donnée par Z(s) = S*(z) et on
avait posé = Ce qui donne :

∗(
( )
( )= ) = (1 − )∗

( ) ( ) ∗   H ( p)  *   H ( p) 
*

Où = , L    est la transformée de Laplace de  

  p    p 
 
III.2.2 Transformée en z

T p Te p
Considérons la fonction f*(t) donnée précédemment. On pose : z  e e ,   e

On obtient donc

19
 
F * ( z )  f (0)  f (Te ) z  f (2Te ) z 2    f (nTe ) z n     f (nTe ) z n
n 0

F * ( )   f (nTe ) n
n 0

On obtient la transformée en z de la fonction de transfert de la même façon (voir table

des transformée en z et de Laplace).
 z  1   H ( p) 
H ( z)    Z   où l’opérateur Z est la transformée en z.
 z   p 

Exemple :
1
On considère la fonction de transfert en Boucle Ouverte H ( p)  . Trouver la
pa
fonction de transfert en boucle ouverte échantillonnée H(z).

D’après la table de correspondance transformée de Laplace/Transformée en z, on peut

écrire :

( )= = =
( ) ( )( ) ( )
On considère une entrée en échelon unitaire. La sortie est donnée par :

( )= ( ) ( )= . Soit ( ) = (1 − )
( )

20
IV. Stabilité, précision et rapidité des systèmes à temps discrets

IV.1 Stabilité des systèmes à temps discrets

On étudie maintenant la stabilité des systèmes échantillonnés. Pour cela considérons le

système échantillonné avec la fonction de transfert H(z). Pour E(z)=1, S(z)=H(z).
Exemple du Premier ordre :
z
H ( z)   S ( z ) avec = . Dans ce cas : ( ) = et ( )= = . Le
z  z1
système est donc stable si |z1|<1. En réalité, on excite le système avec une impulsion et
on désire le voir revenir à zéro. Si la sortie ( ) tend vers zéro alors le système revient à
sa position initiale. Donc Il est stable.
Exemple du deuxième ordre :

( )= = et =
( )( )

Z1 et z2 sont les pôles du système. La solution pour une entrée de Dirac s’écrit : ( )=

− . Si les modules sont <1, la sortie tend vers zéro pour n grand. Le système
est donc stable dans ce cas.
Critère de stabilité :
Pour que le système échantillonné soit stable il faut que tous les pôles soient à
l’intérieur du cercle unité.

Figure 14. Stabilité des systèmes échantillonnés

z5
z1 z4
z2
z3

21
IV.2 Critère de Jury de la stabilité

Pour vérifier la stabilité d’un système linéaire échantillonné, il faut comme il a été rappelé
dans le chapitre ci-dessus que les pôles soient dans le cercle de rayon unité (module
inférieur à 1). La vérification de ce critère pour des systèmes de dont le dénominateur est
d’ordre supérieur ou égal à 3 devient difficile. Il faut donc un critère simple à avoir pour
vérifier que les pôles sont dans le cercle unité. Dans le cas des systèmes continus, il s’agit
du critère de Routh-Hurwitz. Dans le cas des systèmes linéaires échantillonnés, il s’agit
du critère de Jury qui va être détaillé ci-dessous. Considérons pour cela le polynôme
suivant :
( )= + + + ⋯+
Selon le critère de Jury, il faudrait que :
1. ∑ = (1) > 0
2. (−1) ∑ (−1) = (−1) > 0
3. | |− <0
4. − > 0; = 1, … , − 2
j
Où les coefficients sont calculés de la façon suivante : pour i =1, 2, …, n et les a0
et
j
ak
sont calculés de la façon suivante :

22
a10  a00 a00  an0 an0 , a11  a00 a10  an0 an01

Les calculs de la matrice ci-dessus sont complexes. Pour réduire la complexité, il est
usuel d’utiliser le tableau suivant.

Tableau 2. Critère de Jury

…. ……
…. ….
…. …. 0
…. …. 0
…. …. …. …. …. …. …. ….
…. …. …. …. …. …. …. ….
Méthode : La première ligne est retournée pour former la seconde. Ces deux sont
utilisées pour calculer le niveau 1.
Calcul au niveau 1 (les ).
= . − . ; = . − . ; = . − . ;…;
= . − . ; = . − .
Les ainsi obtenus forment le niveau 1. La troisième ligne est retournée comme le
montre le tableau pour obtenir la quatrième. Celle-ci permet de calculer le second
niveau comme suit.
Calcul au niveau 2 ( les ).
= . − . ; = . − . ; = . − . ;…;
= . − . ; = . − .
On répète la procédure pour les , j allant de 1 à n-2. Par exemple pour n=3 on s’arrête
à j=1, pour n=2, on ne calcule rien puisque le j=0. On utilise seulement les coefficients
du polynôme.
La vérification des deux conditions peut être très contraignante. Il est plus indiqué d’utiliser
des moyens modernes tels que MATLAB, SCILAB pour calculer les pôles et vérifier leurs

23
positions par rapport au cercle unité. Il suffit pour cela de rentrer la fonction de transfert
en utilisant la fonction tf (H=tf(NUM, DEN,tz) du toolbox ‘’control systems’’.
Et de chercher les pôles par pole(H).
Exemple :
Vérifier la stabilité du système suivant
2 +1
( )=
+2 +4 +7
Autre méthode : Il existe une autre méthode consistant à faire un changement de
variable : = .

Figure 15. Transformation en w

+1
=
−1

+1
=
−1

Ainsi, Le système est stable en continu si et seulement si le système de départ

échantillonné est stable. On peut utiliser le critère de Routh sur le système final pour
vérifier la stabilité du système de départ.

IV.3 précision et rapidité des systèmes linéaires échantillonnés.

IV.3.1. Notion de rapidité

La rapidité d’un système est déterminée par son régime transitoire. Elle correspond à son
temps de réponse. Dans le cas du premier ordre, ce temps de réponse correspond à trois
fois la constante de temps. Dans le cas d’un système du second ordre, il convient de
prendre en compte le comportement de la sortie.

24
Le système du second ordre dans le cas analogique est donné par :

( )=

où est l’amortissement et est la pulsation propre du système. K est le gain statique

du système. On distingue trois cas :
 0< < 1 : Le système présente des oscillations dans sa réponse indicielle
(réponse à un échelon)
 ≥ 1 ; Le système possède des pôles réels stables, la réponse du système ne
comporte pas d’oscillations.
 = 0 : Les pôles sont des racines imaginaires pures. Le système est juste oscillant.

Dans le cas ou 0 < < 1 on observe des dépassements qui sont amortis avec le temps.
La figure suivante résume ce cas.

Figure 16. Rapidité et précision d'un système du deuxième ordre

Régime transitoire Régime permanent

D1
D3 Précision en + ou -n%

e(t)
D2
0,9*e(t)
s(t) sans Tp
oscillations
s(t)
Système à retard

tm tM Trn%
Le tableau suivant donne les relations entre et d’une part et les performances du
système du second ordre dans le cas donné ci-dessus.

25
Tableau 3. Calcul des paramètres du système non amorti
Indicateurs
Formules
Temps de montée tm 1
= (
1−
− )
tM (temps du premier
dépassement) =
1−
Temps de réponse à n%
(pour < 0.7) % = ( )≈
pour n=5
Pseudo période Tp et
pseudo pulsation Wp = ;
= −

Dépassement en %
%=

Le système du second ordre est souvent pris en exemple. En effet, après correction on
désire ramener le plus souvent le système à un comportement équivalent au 2e ordre.
Pour les systèmes échantillonnés le système du second ordre prend la forme de :
−1 ( ) + −
( )= = =
+ + ( − )( − )
On peut dans ce cas retrouver les éléments de la forme.

−1 ( ) −1 1 1 −1
( )= = ⎛ ⎞= + +
2 − −
1+ +
⎝ ⎠
Pour le terme à l’intérieur des parenthèses, il s’agit de décomposition en éléments
simples. Par identification, on obtient :
1 1
= 1; = ; =
−2 (1 − ) + (1 − ) 2 (1 − ) − (1 − )
Ainsi

26
 ( )= + + = + + où T est la

période d’échantillonnage.

( )=1+ +
− −
On montre qu’on peut mettre H(z) sous la forme :
+
( )=
+ +
On retrouve les différents paramètres comme suit.

=1+ + , pour <1; = +

( )

− + ; = (1 − )
( )

= −2 (1 − ) et =
Ce qui permet d’utiliser des abaques comme dans le cas des systèmes continus. Ces
abaques permettent de déterminer le nombre de dépassements, l’amortissement etc.
Dans le premier abaque, les valeurs de a0 et a1 sont en ordonnée et en abscisse. Ils
permettent d’obtenir les valeurs de la pulsation et de l’amortissement. Dans le second
cas, l’on a les courbes d’iso amortissement dans le cercle unité (condition de stabilité).

27
Figure 17. Abaque du second ordre échantillonné

Figure 18. Abaque second ordre suite

28
La position des pôles permet grâce à la figure précédente de déterminer le coefficient
d’amortissement.
IV.3.2. Précision d’un système discret

La précision est liée au régime permanent. Pour ce faire on utilise la valeur finale du signal
pour évaluer la précision du système. Soit y(k) la sortie d’un système. La valeur finale de
y est donnée par
lim ( ) = lim( − 1) ( )
→ →

L’erreur se définit par rapport à l’entrée ou la consigne. ( ) = − ( ). Ainsi la valeur

finale de l’erreur donne : lim ( ) = lim[ − ( − 1) ( )]
→ →

L’erreur statique permet de déterminer la précision du système échantillonné.

Il existe plusieurs niveaux de précisions à savoir sur l’erreur statique de position, de
vitesse et d’accélération. Il est donc usuel d’évaluer les systèmes asservis par rapport à
ces trois erreurs. Le tableau suivant résume les erreurs obtenues lorsque l’on considère
un système avec un ou plusieurs intégrateurs (ordre α) pour un système s’écrivant sous
la forme :
( )
( )= ( )=
( − 1) ( )
En boucle fermée à retour unitaire, la fonction de transfert de ce système d’écrit :
( ) ( )
( )= . L’erreur statique peut être calculé par ( ) = . Ainsi
( ) ( ( ))

pour différents types de consigne, on obtient le tableau suivant.

Tableau 4. Erreur pour différentes consignes

Yc(kTe) = = = Remarques

Échelon 1 0 0 Précision en position

(constante) 1+

kTe ∞ 0 Précision en vitesse

1 ∞ ∞ Précision en accélération
( )
2

29
V. Choix de correcteurs

V.1 Nécessité de correction

Ici encore on recherche un correcteur qui doit satisfaire aux conditions de stabilité, de
précision et de rapidité (temps de réponse a 5%, dépassements, etc.). Pour cela, on va
implémenter les correcteurs P, PI et PID utilises dans le cas continu. La fonction de
transfert en boucle fermée s’écrit :
C( z) H ( z)
G( z )  . Il s’agit en fait du correcteur PID continu que l’on numérise.
1  C( z) H ( z)
Il comporte trois parties :
 Un correcteur proportionnel représenté par le paramètre Kp
 Un correcteur dérivé matérialisé par le paramètre =

 Enfin in correcteur intégral représenté par le paramètre =

On obtient donc trois paramètres à régler : kp, ki et kd. Le rôle de chaque type de
correcteur est montré dans la figure suivante.

Figure 19. Composantes d'un correcteur PID

Les composantes du Correcteur PID permettent de :

 Corriger l’erreur statique avec le gain proportionnel. Il agit grâce à la valeur
présente de l’erreur. Cependant lorsque le gain proportionnel est trop grand, il

30
 peut déstabiliser le système. Il faut dans ce cas lui adjoindre un autre type de
correcteur.
 Améliorer la précision en annulant l’erreur statique avec l’action intégrale. Cette
action agit comme une mémoire des erreurs passées pour mieux corriger le
système.
 Améliorer la rapidité du système avec l’action dérivée. Cette action se sert de la
dérivée de l’erreur pour prédire son évolution. Ce qui permet d’améliorer la rapidité
de la réponse.
La figure suivante montre les effets des actions du PID sur la réponse d’un système.

Figure 20. Correcteurs et effets

On peut noter les caractéristiques suivantes :

 Le correcteur proportionnel permet de réduire l’erreur statique mais peut mener à
une instabilité. C’est d’ailleurs ce qui est utilisé dans la recherche des paramètres
comme indiqué plus loin dans le texte.
 Le correcteur dérivé permet d’accroitre la rapidité du système mais du fait des
bruits de mesures, l’action dérivée accroit ces bruits et génère d’autres
problèmes.
 Le correcteur intégral permet de réduire l’erreur mais peut créer ce qui est appelé
windup si le paramètre d’intégral est élevé. C’est un compromis qui est recherché
dans le réglage du PID.

31
Diverses combinaisons peuvent être observées dans la mise en œuvre du correcteur en
fonction des besoins. Ainsi, au lieu d’un PID, on peut utiliser les correcteurs suivants
dont les caractéristiques sont indiquées sur la figure précédente :
 Le correcteur Proportionnel et Intégral (PI) : accroit la précision par un retard et
augmentation du gain statique.
 Le correcteur Proportionnel et Dérivée PD (avance de phase) : accroit la stabilité
et la rapidité par une avance de phase.

Ainsi il s’agit de la somme de trois actions comme le montre la figure suivante.

( ) ∎ u(t)

( )
Ce qui donne dans le domaine de Laplace : ( ) = + + =
( )

En pratique en milieu industriel, du fait du bruit généré par l’action dérivée, la

transmittance adoptée est :

( )= + + ou ≈ .

Pour permettre de numériser ce correcteur, on a recours à la transformée en z de la

dérivée et de l’intégrale.
∎
= et ∫ ∎ =
On peut donc avoir à partir de ces deux transformées, le correcteur en transformée en
( )
z: ( )= 1+ + =
( )

32
E(z) représente l’erreur entre la consigne et la sortie du système à corriger, et U(z)
représente l’entrée du système. Chacune des trois actions a un effet bien connu sur le
système comme le montre la figure suivante :

V.2 Choix des paramètres du correcteur

V.2.1 Réglage des paramètres PID

La détermination des paramètres de PID est essentielle dans la correction. Plusieurs

méthodes sont proposées. La détermination par simulation est une des méthodes et
consiste à utiliser le modèle du système pour déterminer les paramètres. On fait alors
varier les paramètres en simulant les performances globales. Une autre façon de faire est
d’utiliser des méthodes empiriques. Comme pour la méthode de Ziegler-Nichols dans la
forme analogique, on soumet le système à l'un des deux essais :
 un essai indiciel qui donne les valeurs de τ et a,
 un essai en boucle fermée avec un gain K : on augmente K jusqu‘à Kosc valeur du
gain pour laquelle
 on obtient une oscillation entretenue de période Tosc.

La figure suivante donne les paramètres en fonction des résultats de l’expérience. Il est
aussi donné pour différents types de correcteur les paramètres. Cette méthode est dite
de Takahashi. Le correcteur prend la forme :
−1
( )= ( )− + ( )
−1
Et ( )= ( ) pour un correcteur proportionnel P

33
Une alternative à l’utilisation de la méthode de Takahashi est la discrétisation du
correcteur obtenu dans le domaine de Laplace en utilisant les transformées en z de
l’intégrale et de la dérivée.

V.2.2 Le cas du retard (prédicteur de Smith)

Dans le cas de systèmes très retardés, ce qui arrive souvent dans les applications
industrielles, les méthodes précédentes de PID conduisent à un système plus lent en
boucle fermée qu'en boucle ouverte si le retard pur dépasse la moitié de la constante de
temps dominante. Dans ce cas le système se met sous la forme : ( ) = ( )
k est le nombre de pas retard (kTe est le temps de retard). On a donc besoin d’un
correcteur C1(z) pour le système non retardé selon la configuration suivante :

34
Figure 21. Schéma d'un système à retard

Le correcteur associé au système initial est fonction des paramètres précédents

( )
( )=
1 + (1 − ) ( ) ( )

Le schéma équivalent est le suivant :

Figure 22. Schéma du prédicteur de Smith

En réalité, le prédicteur de Smith suit le principe de la commande à modèle interne.

V.2.3 Implémentation d’un correcteur numérique

Lorsqu’il est possible d’implémenter soit même le correcteur numérique comme c’est le
cas avec les microcontrôleurs ou les systèmes embarqués, le correcteur doit être
numérisé avant codage. L’implémentation d’un correcteur numérique part du modèle en
temps discret obtenu. En partant d’une fonction de transfert

35
 + + ⋯+ + ( )
( )= =
+ +⋯+ + ( )
On peut obtenir la relation entre la sortie et l’entrée en valeurs présentes et passées.
Ainsi on a :
( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
= ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
On peut alors tirer Y(k) en fonction des autres variables :

L’algorithme de calcul permet de calculer la valeur présente de y lorsque la valeur de

présente de u(k) et celles passées de y et u sont connues. Il faut pour cela une fenêtre
de données stockées. L’algorithme de simulation du système à temps discret prend
donc la forme suivante :

Définition des constantes du processus et de simulation

Initialiser y(0), y(1),…y(k-1), u(0), u(1)…., u(k-1)
Mémoriser les valeurs de y(0), y(1),…y(k-1), u(0), u(1)…., u(k-1)
Donner la valeur de u(k)
Pour k allant de 2 au temps final de calcul faire

1
( )= ( ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )− ( − )

− ( − + 1) − ⋯ − ( − 1))

Mémoriser la nouvelle valeur y(k)

y(k-1) devient y(k-2)
y(k) devient y(k-1)
ainsi de suite
%%% Détermination de la nouvelle valeur de la commande u
Donner la nouvelle valeur de de u(k) %commentaire : soit par une entrée connue
soit par le correcteur PID, dans un sous-programme)
Mémoriser la nouvelle valeur u(k)

36
 u(k-1) devient u(k-2)
u(k) devient u(k-1)
ainsi de suite.
fin de la boucle

Dans le domaine continu, il est possible de simuler le système en utilisant des algorithmes
du type Runge Kutta, Euler etc. Pour la mise en œuvre du correcteur PID, on l’utilise des
approximations de p à partir du PID en continu. Les approximations les plus connues sont
= , ou = , qui sont dérivées de l’approximation de la transformée en z de la

dérivée. Il s’agit des méthodes d’Euler avant et arrière.

( ) ( ) ( ) ( ) ( ) ( )
≈ ce qui entraine ≈ = = ( )

Par ailleurs, la transformée de Laplace de la dérivée est = ( ) − (0), on

considérant (0) = 0, on fait correspondre p à (méthode arrière).

Pour la méthode avant, on utilise la règle de l’avance :

( ) ( ) ( ) ( )
≈ d’où ≈ = ( ) pour des conditions initiales nulles.

L’opérateur p peut être approximé par (méthode dite avant). Le correcteur continu est

en absence de filtre ( ) = 1+ + . On l’approxime par

( )
( )= 1+ + = 1+ + = (méthode avant).
( ) ( )

Pour ce type de méthode, on a

( − 1) ( − 1)( − 1) ( ) ( )
+ + =
( − 1) ( − 1) ( − 1) ( )
On obtient alors après développement

( ) + + + +
= =
( ) + +
Avec = ( + + ), =− (2 + ); = ; = , =−

37
On obtient l’équation de récurrence :
( )+ ( − 1) + ( − 2) = ( )+ ( − 1)
Un sous-programme de calcul du correcteur PID prend la forme :

définir les paramètres Ti, Te, Td, et Kp , Yc (si Yc est constant, si non le définir dans le
sous programme)
calculer a, b, c, d, e
initialiser (0) = (0) − (0), (1) = (1) − (1), (2) = (2) − (2), (1)
mémoriser (0), (1), (2), (1)
pour k variant de 1 à la fin de l’expérience (ou bien tant que k fin n’est pas donné par un
arrêt)
Calculer ( )= ( ( ) + ( − 1) + ( − 2) − ( − 1))

Appliquer la limitation sur la commande (u est bornée)

Mémoriser u(k)
u(k) devient u(k-1)
mémoriser ( ), ( − 1), ( − 2)
( ) ( − 1), ( − 1) ( − 2)
Acquérir la nouvelle mesure y(k)
Calculer ( ) = ( )− ( )
Exporter u(k) dans le programme principal ou en sortie pour l’actionneur
Fin de la boucle
Sauvegarder toutes les valeurs de u, y et yc
Fin du programme

Remarque : sous matlab, cette implémentation est donnée par la fonction ‘pid’ qui
permet de définir le pid en précisant la méthode utilisée et le pas d’échantillonnage. Le
bouclage se fait par la fonction ‘feedback’.

38
VI. Quelques technologies de régulation industrielle

Dans la mise œuvre des technologies de régulation, il convient de rappeler quelques

technologies utilisées. Cette technologie a évolué avec l’évolution des possibilités de
calcul et notamment le progrès des micro-processeurs. Ainsi, on est passé de simple mise
en œuvre impliquant des composants analogiques à des calculateurs plus avancé.
Aujourd’hui, dépendant de l’application, on peut lettre en œuvre une régulation sur :

 un régulateur simple à afficheur digital ou à écran tactile ;

 un ordinateur avec l’aide d’une carte d’acquisition ;
 un automate doté de la fonction régulation ;
 une carte électronique en recomposant les éléments de base de la régulation. C’est
le cas de carte de microcontrôleurs de Texas Instruments, ou de Arduino qui offrent
des fonctionnalités de programmation et de réalisation de régulation de
température.
 des éléments mécaniques (exemple de la chasse d’eau ou du régulateur
mécanique de vitesse sur les groupes électrogènes) etc.
Outre les régulateurs, il y a des éléments de la boucle de régulation qu’il faut citer. Ces
éléments sont :

 les capteurs et analyseurs ;

 les conditionneurs de signaux ;
 les éléments de transmission (câble, protocole de communication, carte de
communication, carte d’acquisition de données etc.) ;
 les pré-actionneurs (variateurs de vitesse, variateurs de puissance, distributeurs
pneumatiques et hydrauliques etc.) ;
 les actionneurs (moteurs électriques, vannes, pompes, ventilateurs etc.)
 etc.
Dans cette partie du document, nous rappelons la plupart de ces éléments ainsi que leurs
principales caractéristiques.

39
VI.1 Régulateurs
La technologie des régulateurs a évolué depuis les technologies analogiques (utilisation
d’amplificateur opérationnel pour réaliser les fonctions d’intégration, d’amplification et de
dérivation). Ainsi avec l’apparition des micro-processeurs et des capacités de stockage,
l’on a assisté à la réalisation et à l’utilisation de régulateurs de plus en plus sophistiqués.
On est ainsi passé de régulateurs à simple affichage et à une seule boule de régulation à
des régulateurs à plusieurs boucles de régulations et de filtrage nécessaires pour la mise
en œuvre des correcteurs PID et avec des fonctions de plus en plus complexes de
communication (RS 232, RS845 Etc.) et de supervision (alarme). Certains régulateurs et
automates ont des fonctions de logique floue permettant de renforcer la régulation.
D’autres ont intégré des fonctions d’automatisme (grafcet).

Figure 23. Architecture d'un régulateur (exemple du régulateur JUMO)

La figure suivante montre un régulateur à affichage simple et à simple boucle de

régulation.

40
 Figure 24. Régulateurs à affichage de Omega

Source : www.omega.com

L’affichage des données se fait sur un écran digital. La programmation se fait à l’aide de
touches telles qu’indiquées sur la figure. La programmation de certains régulateurs se fait
grâce à un logiciel et une connexion à un ordinateur ou l’ingénierie se fait.

Ces régulateurs sont dédiés uniquement aux fonctions de régulation et peuvent intégrer
des fonctions mathématiques, des fonctions logiques mais pas de fonction d’automate.
Ces fonctions permettent généralement de réaliser des applications de régulations
d’alarmes et de surveillance. Quelques boucles de régulation réalisées sont :

 régulation de température avec capteur pt 100, thermocouple, RTD ;

 régulateur de vitesse (tension normalisée) ;
 regulation de tension

Figure 25. Série UDC de Honeywell

Il existe de plus en plus des régulateurs avec une interface homme machine (IHM) à écran
tactile et de plus en plus sophistiquée. On peut y voir représenté le process et ses
variables. Un logiciel de dessin permet dans ces cas de représenter le process à réguler
et d’y afficher les variables ainsi que quelques courbes. Pour le choix de ces régulateurs
il convient de se bien spécifier les caractéristiques. Par exemple :

41
  le nombre de boucle de régulation
 le type de régulation (température, débit, vitesse etc.)
 le type de capteurs (RTD, thermocouple, PT 100 etc.)
 nombre et type d’entrées –sorties ;
 la connectivité (RS 232, MODBUS etc.)
 le type de régulation (PID, PI, tout ou rien, Logique floue, auto réglage ou non,
adaptatif ou non etc.) ;
 l’alimentation (tension continue, courant et tolérance) ;
 l’affichage ;
 l’encombrement (besoin d’insérer dans un tableau, longueur, largeur, profondeur,
masse) ;
 autres aspects (mode de configuration.

Ces régulateurs offrent aujourd’hui les propriétés d’autoréglages, d’adaptation et

d’identification du process. Cependant la multiplication des régulateurs dans l’industrie
pose le problème de réglage surtout s’il y a plusieurs centaines voire des milliers. De plus,
la critique faite au régulateur PID est qu’il n’est pas optimal comparé à des technologies
telles que la commande à modèle prédictif.

42
Figure 26. Régulateurs de chez Eurotherm

V.2. Les PC

Un PC munie d’une bonne carte d’acquisition peut servir à implémenter une régulation
PID simple. Il suffit pour cela de se munir de la bonne carte d’acquisition (voir cartes
Labview de National Instruments ou Texas instruments.) On peut encore utiliser les ports

43
d’un PC pour l’acquisition et la commande dans des applications simples. Labview offre
un environnement de programmation et d’utilisation des PID pourvu que la carte
d’acquisition de National instrument soit incorporée. Le choix de l’ordinateur et de la carte
est lié au type d’application que l’on met en œuvre. Les caractéristiques recherchées
sont :
 le processeur et la mémoire;
 les caractéristiques de la carte : entrée-sortie, échantillonnage et numérisation ;
 type d’applications
 etc.

V.3. Les automates

Un automate muni de la fonction de régulation peut être utilisé dans les applications de
régulation. Pour cela le bloc fonction PID ou PI peut être utilisé et configuré. Il faut une
certaine taille d’automate pour réaliser les fonctions de régulation à cause de la demande
en processeur et en mémoire. Les automates micro, et mini ne sont pas dans la plupart
des cas capables de réaliser ce type de régulation.
La figure suivante donne un exemple de block fonction PID fourni par plusieurs fabricants.

Figure 27. Bloc fonction PID (Unity Pro Schneider)

44
En plus du bloc fonction PID des fonctions mathématiques et logiques sont fournies pour
permettre l’application di PID. Les paramètres du PID dont configurables. Les termes PV
(process variable) et CV (control variable) sont l’entrée et la sortie. L’utilisation est
conforme à la norme IEC 61131 qui définit les langages utilisés par les automates.

Figure 28. Exemple d'automate offrant des capacités de régulation (96 boucles
PID par machine). ControLogix de Allen Bradley (Rockwell)

V.4 Autres configurations pour la régulation

V.4.1 Les éléments de la boucle de régulation

Les éléments de la boucle de régulation sont les capteurs, les actionneurs, les pré-
actionneurs, la communication (connectivité), les conditionneurs de signaux.

V.4.1.1 Les capteurs

Les capteurs sont des éléments importants de la boucle de régulation. Ce sont les
premiers éléments dans la pyramide de l’automatique. Aussi dans un système, il est
quasiment impossible d’automatiser une quelconque tache sans mesure.

Encadré : Selon l’ancien PDG de General Electric (Jack Welsh): On ne peut gérer
un système dont on n’a aucune mesure.

Il en existe de plusieurs sortes selon les variables à mesurer. On distingue

 les capteurs de débit (débitmètre), de température, de vitesse (dynamo Tachi
métrique, stroboscope etc.), de niveau, d’électricité (ampèremètres, voltmètre,

45
 analyseurs de réseau), de pression (manomètre), de pH (pHmètre), des
compteurs (volume par exemple) etc. ;
 les analyseurs (turbidité, redox, conductivité, réseaux électriques et
télécommunications etc.) ;
 des indicateurs (avec le suffix stat comme les pressostats).
Ce document n’est pas un cours sur les capteurs car cela mériterait tout un document
pour les détails. Cependant, nous donnons quelques technologies pour orienter et illustrer
ce cours.
Les technologies des capteurs partent de l’analogique au numérique, et sont aujourd’hui
assez variées. La grandeur mesurée est convertie en électricité sous la forme de tension
ou de courant. Le standard très utilisé dans les applications est :
 pour le courant : 4 à 20mA ou 0 à 20 mA ;
 pour la tension : 0 à 5V ou 0 à 10V.

La valeur du courant est ensuite convertie par une règle de 3 en valeur représentant la
grandeur à mesurer.
De toutes les applications de capteurs, celles de la température sont les plus rencontrées
dans pratiquement toutes les applications. On rencontre plusieurs types de capteurs : les
pt100 (au platine), les thermocouples, les RTD (capteurs dépendant de la résistance), les
capteurs à infrarouge etc. Le tableau suivant montre quelques caractéristiques de
capteurs. Les thermocouples sont rencontrés dans les applications à hautes températures
et à larges plages.
 Les thermocouples sont composés principalement de deux jonctions. La première
jonction appelée ‘’point chaud’’ à l’intérieur du partie dont on veut mesurer la
température et la seconde ‘’point froid’’ à l’extérieur du système. Un courant est
créé lorsque la température du point chaud est différente de celle du point froid
considéré comme référence : c’est l’effet Seebeck. Il existe plusieurs types de
jonctions caractérisant les thermocouples.

Tableau 5. Principales caractéristiques d'un thermocouple

Lettre de désignation jonctions Plage de mesure
B P platinium 30% rhodium 0 à 1820°C

46
 N platinium 30% rhodium
E P Chromel -270 à 1000°C
N Constantan
J P Fer -200 à 1200°C
N Constantan
K P Chromel -270 à 1372°C
N Alumel
N P Nicrosil -270 à 1300°C
N Nisil
R P Platinium + 13%Rhodium -50 à 1768°C
N Platinium pure
S P Platinium + 10%Rhodium -50 à 1768°C
N Platinium pure
T P cuivre -270 à 400°C
N constantan

Le type K est plus utilisé pour cout moins élevé et sa relative stabilité. Sa sensibilité est
de 41micro Volt par °C. Due à la basse tension sortie par le thermocouple, il y a besoin
d’un conditionneur de signal (amplification et filtrage, éventuellement une numérisation
pour la transmission) est nécessaire pour une utilisation en régulation.

Figure 29. Thermocouple

 Les capteurs/détecteurs RTD. Ils composés de résistances et permettent la

mesure de la température. Ce sont les plus utilisés dans l’industrie et dans

47
 plusieurs applications (50 à 60% contre 30 à 40% pour les thermocouples). Ils sont
plus précis et non résistant dans les milieux où il y a des vibrations. Cependant,
dans les milieux où il y a du bruit ils sont préférés. Ils ne sont pas adaptés pour les
fortes températures.

V.4.1.2 Les pré-actionneurs et les actionneurs :

Pour la commande des actionneurs il est fait appel à des pré-actionneurs pour la
transmission de puissance. Ainsi parmi les pré-actionneurs connus, on peut citer :
 les variateurs de vitesse et le démarreur pour les moteurs électriques
 les distributeurs pour les vérins
 les variateurs de puissance dans les applications de chauffage à résistance
 les éléments de protection de réseaux électriques (disjoncteurs, relais etc.).
 les conditionneurs de signaux
 etc.

Figure 30. Variateur de puissance à thyristors JUMO

Les turbomachines (Pompes, compresseurs, ventilateurs, turbines etc.).

Les turbomachines sont des équipements très utilisés dans l’industrie. Les pompes sont
un exemple de turbo machine. Ils combinent moteurs électriques et turbomachines de
transformation énergétique (mécanique à hydraulique). Cet attelage doit être maitrisé à
cause de la transformation de puissance électrique à mécanique et hydraulique. Les

48
conpresseurs et ventilateurs répondent de la même logique. Les problèmes de régulation
de flux et de pression sont nombreux. C’est le cas de la régulation de débit.

V.4.1.2 Les vannes :

Les vannes sont utilisées dans le contrôle de débit de fluides. Elles présentent
généralement des caractéristiques non linéaires et sous la forme d’hystérésis. On en
trouve de plusieurs sortent : manuelle, pneumatiques, électropneumatiques, et
électriques. La figure suivante montre une vanne et sa caractéristique non linéaire. Le
pourcentage de débit est fonction de la course du piston de la vanne.

Figure 31. Vanne électropneumatique

Source : Chemical engineering handbook.

Les électrovannes sont très utilisées en industrie dans les applications de fluides. Le
débit est proportionnel à la chute de pression entre l’entrée et la sortie de la vanne.

Figure 32. Electrovanne et caractéristiques

49
Le débit est proportionnel au signal de commande qui lui est corrélé à l’ouverture de la
vanne. Le coefficient de proportionnalité est appelé coefficient de vanne Cv (Kv selon
les fabricants). On peut exprimer la relation sous la forme :
= √∆
V.4.1.3 Les moteurs électriques.
Ce sont des machines électriques couramment rencontrées dans les applications de
l’ingénierie. On distingue entre autres :
 le moteur pas à pas ;
 le moteur à courant continu
 le moteur asynchrone
 le moteur synchrone
 les actuateurs linéaires électriques.
Les applications sont nombreuses et variées : vitesse de rotation (pompes, ventilateurs,
compresseurs, motorisation de véhicules etc.), les mouvements de matières etc.
L’étude détaillée de ces équipements n’est pas abordée dans ce document. Seules leurs
utilisations dans des applications est intéressant ici.

V.5 Réseau industriel et régulation

La conception d’un réseau industriel est très importante dans la résolution des problèmes
de régulation et de commande de procédés. Elle montre l’approche d’ingénierie adoptée
dans la solution d’un problème qui est très souvent vaste. En effet, il existe plusieurs

50
boucles de régulation et d’autres applications dans une industrie. « Comment peut-on
découper l’éléphant pour le manger ? dirait-on ».
Une approche méthodologique (voir www/isa.com en particulier ISA/IEC 62442) peut
permettre de mieux appréhender le problème. Cette approche recommande que l’on
décompose (segmenter) l’application en zone, entité et ensemble. Dans le cas d’une
industrie de transformation, on peut distinguer trois niveaux :
 la cellule ou zone
 le site de production
 et l’entreprise et son intégration.
Cette décomposition tient compte de la topologie de l’entreprise.
1. Zonage ou segmentation local.
Dans cette segmentation, on conseille la connexion de moins de 200 appareilles dans un
réseau local de type VLAN. C’est un moyen efficace pour une segmentation et pour le
respect des contraintes de trafic.
2. Conception de réseau pour un site de production.
Dans le cadre de l’internet des objets (Iot, internet of things), des objets de plus en plus
intelligents seront connectés par adressage IP et par réseau mobile. Pour assurer la
sécurité du réseau et son efficacité, la fréquence de 2,4 GHz habituellement utilisé dans
d’autres applications n’est pas conseillée pour des applications industrielles. On lui préfère
celle de 5GHz ou il y a moins d’interférence. Autres considérations : nombre de I/O, les
CPU, Les mémoires vives et le nombre d’objets à déployer ainsi que le nombre d’année
de déploiement.
3. Intégration de l’entreprise
Dans le cadre l’internet des objets, il est conseillé d’utiliser un réseau centré sur l’IP.
L’utilisation du Cloud computing pour l’intégration des applications permet une meilleure
maintenance, une réduction des couts, et une agilité, pourvu que les infrastructures
réseaux soient de bonne qualité.

51
Encadré (source www.isa.org). Utilisation de réseau Wifi dans les mesures dans
l’industrie alimentaire :
Les bandes de fréquence habituellement utilisées dans les applications sont celle de 2,4
GHz. Celles de 860 à 950MHz, et 433 MHz sont aussi utilisées. Le choix de la bande de
fréquence doit être judicieux. Les bandes de 2,4GHz et de 900MHz sont très sensibles à
l’humidité et ont une atténuation dans ces milieux. Celle de 433 MHz sont adaptés pour
des applications de cuisson

Pour l’intégration des applications, de l’entreprise une approche intégrant la

hiérarchisation de l’automatique donnée auparavant permet une efficacité de mise en
œuvre. La figure suivante montre une intégration des applications avec un système ABB
basée sur la plateforme 800xA.

Figure 33. Intégration des applications.

Source ABB.

52
Un logiciel d’intégration est aussi nécessaire dans ces cas. Dans le cas de ABB (et de
plusieurs fournisseurs), une plateforme d’ingénierie et de SCADA (Supervisory control
and data acquisition) est nécessaire pour permettre de travail de configuration, et de
déploiement. Ainsi dans l’exemple cité, une plateforme nommée 800xA a été développée
par ABB dans les années 2000 et est opérationnelle sur le marché. D’autres logiciels
existent telles que DeltaV (Emerson), Ignition (Inductive Automation), Movicon (Progea)
etc.

La conception d’un bon réseau passe par une bonne architecture permettant une
maintenabilité, une réduction des couts de mise en œuvre et une agilité du système.

Plusieurs régulateurs peuvent être mis en réseau industriel comme l’indique la figure
suivante pour le YS1000 de chez Yokogawa.

Figure 34. Régulateurs en réseau (Yokogawa)

53
Réseau Ethernet et Fieldbus et importance dans le réseau. A compléter

V.6 Logiciel de CAO en régulation et commande des systèmes

Il existe aujourd’hui plusieurs logiciels de CAO en régulation et commande des systèmes.

Parmi les plus connus, on distingue :
 Matlab de Mathworks une entreprise américaine. Il offre plusieurs Toolbox (boite à
outil) dans des domaines aussi variés que la régulation, le traitement de signal, la
finance, l’économie, l’électricité, l’électronique, la biologie etc. C’est sans doute la
plateforme la plus connue et la plus usitée. Son utilisation requiert l’acquisition
d’une licence en payant le code d’accès. Sa version graphique est appelée
Simulink et est plus facile d’utilisation car ne demandant pas de code tel que
Matlab. On peut aussi créer ses propres fonctions en programmant en C/C++.
 Scilab : C’est la version française de Matlab. Elle a été développée par une équipe
de l’école polytechnique de Paris et l’INRIA. Bien qu’ayant moins de boite à outil,
elle n’est reste pas moins utilisé surtout le monde francophone. Elle est gratuite et
peut être téléchargée du site web de Scilab.
 Modélica et Dymola.
 Mathématica,
Des logiciels plus spécifiques pour les différents domaines existent. Pour le génie
électrique, il existe plusieurs logiciels servant à la simulation et à la conception de
systèmes. Par exemple :
 Proteus,
 Matpower
 PSS
 Powerfactory
 Etc.
De nombreux logiciels sont aujourd’hui disponibles en freeware (gratuit) et proposent de
nombreuses possibilités de CAO.

54
Bibliographie

Terrence Blevins and Mark Nixon. Control Loop Foundation –Batch and Continuous
processes. ISA, 2012
Jutard A. et Betemps, INSA lyon, cours de régulation numérique, 1998. Docinsa.insa-
lyon.
David Polka, Motors and drives : a practical technology guide. ISA
Karl Astroem and Tore Haegglung, PID controllers: Theory, design and tuning. 2nd Edition.
ISA
Karl Astroem and Tore Haegglung, Advanced PID Control. ISA.
D. Jacob, Régulation PID en Génie Electrique. Etudes de cas régulation. Eclipse, Sept.
2000. Technosup.

Gonzalo Cabodevila, automatique linéaire échantillonnée, gonzalo.cabodevila@femto-

st.fr
Pinard Michel, Commande électronique des moteurs électriques. 2e Edition Dunod,
l’usine Nouvelle.
Ramon Villanova, Antonio visioli, PID in the third millenium, Lessons learned and new
approaches, Springer 2012
Pierre Agati, Electricité, électronique de commande et de puissance, électrotechnique,
Aide mémoire, Dunod
Pierre de Larminat. Automatique appliquée. Germes Lavoisier. 2007.
Patrick Prouvost Cours d’automatique. Contrôle et régulation. 2e Edition. DUNOD 2004
Réné Husson, Claude Lung, Jean Francois Aubry, Jamal Daafouz, Didier Wolf,
Automatique, Du cahier des charges à la réalisation de systèmes. DUNOD, 2007.

Sites internet :
www.hornerocs.com
www.signalconditioning.weidmuller.com
www.rotork.com

55
www.io4ab.com
www.automationdirect.com
www.omegamation.com
www.hardyinstruments.com
www.selinc.com
www.opto22.com

56