Systèmes et asservissements linéaires échantillonnés
|
|
- Mireille Cloutier
- il y a 6 ans
- Total affichages :
Transcription
1 Systèmes et asservissements linéaires échantillonnés Frédéric Gouaisbaut LAAS-CNRS Tel : fgouaisb@laas.fr webpage: fgouaisb, fredgouaisbaut.free.fr February 28, 2008
2 Sommaire 1 Introduction Origines Problématique 2 Les signaux discrets Transformée en Z Théorème de Shannon 3 La modélisation des systèmes linéaires discrets Définition des systèmes linéaires discrets Un système vu comme un produit de convolution Les équations aux récurrence La Fonction de transfert en Z La Fonction de transfert échantillonnée
3 Origines - Depuis 30 ans, commandes implantées sur un calculateur numérique. - Mode de régulation appelée numérique par opposition à la commande analogique. - En général, processus continu (variables évoluant d une maniére continue), exemples : avion, lanceur, dirigeable, etc... - Systèmes intrinsèquement discrets (économie, finance...) Pour/contre - Souplesse d emploi, précision, insensibilité aux bruits, fiabilité. - Pertes de performances dynamiques, problèmes de compatibilité, nécessité des conversions analogiques, numériques. Utilisation des commandes continues : discrétisation Théorie appropriée à la nature numérique
4 Principe de la régulation numérique - Processus à asservir :généralement à temps continu. Algorithme de résolution implanté sur un calculateur numérique qui va réaliser une commande numérique (suite de nombre cadencée àune periode d echantillonnage). C.A.N : Echantillonnage des variations mesurées sur le processus continu, transmis au calculateur. C.N.A : transforme le signal discret en signal continu (transmis au processus continu).
5 Exemple Example Soit le système G(p) = 23 p+23 asservi par l intermédiaire d un correcteur intégral K(p) = 1 p. La loi de commande à concevoir est ainsi u(t) =ɛ(t). Celle ci est soit réalisée de manière analogique à l aide d A.O., soit réalisée par l intermédiaire d un calculateur.dans ce dernier cas, on discrétise la loi de commande en choisissant que u(t) = u(t) u(t T ) T. Nous obtenons alors les différentes courbes de simulation: commande numerique T= commande numerique, T=0.5 amplitude commande numerique T=0.1 amplitude de la commande commande numerique, T=0.1 commande analogique commande analogique temps temps
6 Exemple Problème du choix de T Problème du choix de la méthode de discrétisation du correcteur. D une manière plus générale, problème de la synthèse de correcteurs adaptés au numérique. Problème du mélange entre les signaux discrets et continus. Conséquence sur les réponses temporelles, sur les performances du système asservi.
7 différentes architectures modèle dynamique à temps continu : horloge r(t) + _ e(t) CAN e(k) calculateur u(k) CNA (B0Z) u(t) procédé continu y(t) régulateur modèle dynamique à temps discret (échantillonné) horloge r(k) + e(k) procédé _ calculateur u(k) CNA u(t) y(t) CAN y(k) (B0Z) continu procédé discrétisé
8 Définitions d un signal analogique Fonction de f : R R. x : { R R t x(t) f(t) t
9 Définitions d un signal discret Un signal discret correspond à un signal qui ne prend des valeurs que pour des instants discrets, c est à dire en des points distincts. { I R x : i x(i) où I est un ensemble prenant des valeurs discrètes I = {1, 2, 3, 4, 5, 6...} ou I = {1.1, 3.3, 5.5, 7.7, 9.9,...}. Remarquons que ce signal n est pas défini pour des valeurs différentes de t k.
10 Définitions d un signal échantillonné Signal continu observé à des instants discrets I = {t k, k N}, on obtient un signal discret. Dans ce cas, on parle plutôt de signaux échantillonnés, c est à dire provenant de l échantillonnage d un signal continu. f(t) Un signal échantillonné :l observationà des instants discrets f : t k, k Z Rde signaux continus. Signal discret { N R x e : i x(t i )=x i t1 t2 t3 t4 t5 t6 t7 t8 t
11 Les instants discrets sont appelés instants d échantillonnage. En général, la durée entre 2 instants d échantillonnage est constante: t k+1 t k = T où T est appelée période d échantillonnage. Dans la suite du cours, on considèrera ainsi que t k = kt et on notera sans ambiguité x(t k )=x(kt )=x(k) =x k
12 Description temporelle des signaux discrets Par convention l échantillonnage d une impulsion est défini par le poids de l impulsion. Ainsi, par exemple : l échantillonnage de x(t) =x k0 δ(t t k0 ) avec δ(t t k0 ), la distribution de Dirac à l instant t k0 donne : x k = x k0 δ(k k 0 ) avec δ(k k 0 )=0sik k 0 et δ(k k 0 )=1sik = k 0 x k x k k 0 k
13 Description temporelle des signaux discrets Un signal discret quelconque peut donc être représenté par une suite d impulsion : {x k } = + k=0 x i δ (k i) = + k=0 (x i x i 1 )Γ (k i) avec Γ(k i) =0sik < i et Γ(k i) =1sik i
14 La transformée en Z Definition La description qui utilise la transformée en z est équivalente pour les signaux discrets à la représentation fréquentielle (basée sur la transformée de Laplace) utilisée pour les signaux continus. Elle est parfois appelée par abus de language représentation fréquentielle. Definition La transformée en z du signal discret x k (ou x(kt )) est notée Z(x k ) et est définie par : Z(x k )= + k=0 x k z k
15 Description d un signal échantillonnée u(t) u*(t) u(t) t T CAN u*(t) 0 T kt t 1 La suite u k correspond au signal u (t) (échantillonné deu(t) àla période T )etestdéfini par: u (t) =u(t)δ T (t) = + k=0 u(kt )δ(t kt ) 2 Sa transformée de Laplace s écrit : U (p) =L[u (t)] = 3 En posant z = e Tp on reconnaît la Transformée en z : + U(z) = u(kt )z k + k=0 u(kt )e ktp
16 Théorème de Shannon Theorem (Théorème de Shannon) Un signal continu u(t) de fréquence maximale f 0 est équivalent àsa représentation échantillonnée si la fréquence d échantillonnage f e est le double de f 0. La pulsation ω N = 2π f e est appelée pulsation de Nyquist. f e 2f 0
17 Utilisation du théorème de Shannon Remarque Pour que l observation échantillonnée d un signal soit significative, il est nécessaire que la fréquence d échantillonnage soit suffisamment élevée. En effet, si la période d échantillonnage est trop élevée, l information contenue dans le signal analogique peut être irrémédiablement détruite. Remarque En pratique, on préfère un rapport de fréquence, au moins supérieur à10 entre la fréquence d échantillonnage et la fréquence de coupure du signal analogique. En temporelle, on choisira une période d échantillonnage au moins 10 fois inférieure au temps de monté du signal analogique.
18 Quelques définitions Definition Un système est dit discret ssi ces entrées et ses sorties dont discrets. Il est dit dynamique si la valeur de la sortie y(k) dépend non seulement de l entrée à l instant k mai aussi des valeurs passées de l entrée. (possiblement des valeurs futures) Definition Un système est dit linéaire si celui ci respecte les propriétés de linéarité et de superposition. Definition UN système discret est dit causal si sa sortie y(k) autempskt ne dépend que des valeurs prises par l entrée pour des instants inférieures à kt
19 Exemples Example Soit l intégrateur numérique : y(k +1)=y(k)+u(k)T ou y(kt + T )=y(kt )+u(kt )T Ce système définit un système discret linéaire, causal.
20 La réponse impulsionnelle Soit l impulsion unité défini par : { 1 si k =0 δ(k) =δ k = 0 sinon On définit par ailleurs l impulsion de Dirac à l instant k 0 par δ(k k 0 )=δ k k0 = { 1 si k = k0 0 sinon Definition La réponse d un système discret à une impulsion unité injectée à l instant k 0 est appelée réponse impulsionnelle et est notée g(k, k 0 )=g(kt, k 0 T ) On peut remarquer que la réponse impulsionnelle est une suite qui dépend de deux variables, la première concerne le temps d observation du signal. La seconde concerne l instant d application de l impulsion unité.
21 Example Soit l intégrateur numérique : ou y(k +1)=y(k)+u(k)T k 1 y(k) = u(i)t { 1 si i = k0 si y(0) = 0. Or u(i) = et donc nous obtenons 0 sinon { T si k k0 +1 g(kt, k 0 T )= 0 sinon i=0
22 Stationnarité d unsystème linéaire discret Definition Un système est dit stationnaire si g(kt, k 0 T )=g(kt + dt, k 0 T + dt ) On peut alors montrer que la réponse impulsionnelle peut s écrire g(kt, k 0 T )=g(kt k 0 T )=g(k k 0 )
23 Theorem Soit un système discret, linéaire, causal, stationnaire, alors sa sortie s exprime comme un produit de convolution entre l entrée et sa réponse impulsionnelle y(kt )= k u(lt )g(kt lt ) l=0 Example Calculons la réponse d un intégrateur numérique : or y(kt )= k u(lt )g(kt lt ) l=0 g(kt lt )= { T si l k 1 0 sinon et donc y(kt )= k 1 u(lt )T On retrouve bien la formule de l intégrateur.
24 Les équations récurrentes Modéliser : établir un modèle mathématique reliant les entrées et les sorties d un système. {u k} Σ {y k} Discret Definition Un système linéaire à temps discret peut être décrit par un ensemble d équations récurrentes, définit comme suit à l ordre n (m n, lessorties dépendent uniquement des évemements passés) : a n y (k) + a n 1 y (k 1) + + a 0 y (k n) = b m u (k+m n) + + b 0 u (k n)
25 Formulation adaptée au calcul numérique Remarque Le système peut être entièrement défini et l équation récurrente peut être résolue si l on précise les condtions initiales : y 0, y 1,, y n 1, u 0,, u m 1 Exemples k Intégrateur : y k = y k 1 + Tu k 1 y k0 = y 0 + u k T - Retard pur : y k = u k d k=0
26 La fonction de transfert Propriétés des transformées en Z - Linéarité : Z(ax k + by k )=ax (z)+by (z), a, b R - Retard : Z(x (k 1) )=z 1 Z(x k ) Généralisation : Z(x (k r) )=z r Z(x k ) - Avance : Z(x (k+1) )=zx (z) zx 0 - Théorème de la valeur initiale : lim z X (z) =x 0 - Théorème de la valeur finale : lim (z 1)X (z) =x z 1 - Théorème de la somme : x(k) = lim X (z) z 1 - Convolution discrète : Z( x (i) y (k i) )=X(z)Y(z) 0 i=0
27 D efinitions de la fonction de Transfert en Z Equivalent de la fonction de transfert en continu. Y (z) =Z[y Opérateur retard : z, transformée en z : k ] U(z) =Z[u l ] u(k) Suite recurrente y(k) Z U(z) F(z) Y(z) y k y k i u l u l j Y (z) z i Y (z) U(z) z j U(z) En appliquant le théorème de convolution : Y (z) =F (z)u(z)
28 Le lien entre la fonction de transfert et l équ. récu. Rappel Eq. Rec. a n y (k) + a n 1 y (k 1) + + a 0 y (k n) = b m u (k+m n) + + b 0 u (k n) Transformée en z : a n Y (z)+a n 1 Z(y (k 1) )+ +a 0 Z(y (k n) )=b m Z(u (k+m n) )+ +b 0 Z(u (k n) ) et donc (a n + a n 1 z a 0 z n )Y (z) =(b m z m n + + b 0 z n )U(z) Fonction de transfert en z : Fonction de transfert en z 1 : F (z) = Y (z) U(z) = b mz m + + b 0 a n z n + + a 0 F (z) = Y (z) U(z) = b mz m n + + b 0 z n a n + + a 0 z n
29 Introduction T y*(t) u(t) U(p) T u*(t) U*(p) G(p) Y*(p) y(t) Y(p) La sortie : Y (p) =G(p)U (p) = G (p) + k=0 + u (kt ) e (kt )p = G (p) u (kt ) z k Problème pour manipuler cette expression avec àlafoisdesp et des z Théorème de convolution discrète y(t) =$ 1 [Y (p)] = + k=0 u(kt )g(t kt ) et aux instants d échantillonnage : + y(nt )= u(kt )g((n k)t ) k=0
30 F.T. Echantillonnée Remarque : - Fonction de transfert : G (p) - Réponse impulsionnelle : g(t) =L 1 [G (p)] - Fonction de transfert discrète : Utilisation du Théorème de Shannon G (z) =Z[L 1 [G (p)]] Recommandation : f e =6à24foisf c, f c étant la fréquence coupure du procédé. Exemple : G(p) = 1 1+τp Fréquence de coupure : f c = 1 2πτ 6 2πτ < 1 T < 6 24πτ
31 Conv. Numérique Analogique (C.N.A) - Bloqueur d ordre 0 1 Le signal fourni par le calculateur est un signal en escalier. 2 Le système commandé par l intermédiaire d un échantilloneur bloqueur. 3 Le but : conserver l information du signal pendant une période. La fonction de transfert B 0 (p) du bloqueur d ordre 0 représente la transformée de Laplace de sa réponse impulsionnelle. Soit Γ(t), un échelon de position unitaire : B 0 (t) =Γ(t) Γ(t T ), (B 0 (t) =δ(t) δ(t T )) B 0 (p) = 1 e Tp p Représentation en z : B 0 (z) =1 z 1 = z 1 z
32 Conv. Numérique Analogique (C.N.A) uk u(t) uk B (p) 0 u(t) k k Bloqueur d ordre 1 B 1 (p) = (1 + Tp)(1 e Tp ) 2 Tp 2 uk u(t) uk B (p) 1 u(t) k k
33 Fonction de transfert : bloqueur+processus B (p) 0 G(p) T Y*(p) U*(p) U(p) Y(p) Z [B 0(p)G(p)]=G(z) [ ] 1 e Tp G(z) =Z[B 0 (p)g (p)] = Z G(p) p G(z) =(1 z 1 )Z [ ] G(p) p = z 1 z [ ] Z G(p) p
34 Exemple u k B (p) 0 1 p(p+1) G(z) =Z[B 0 (p)g c (p)] = z 1 [ ] Gc (p) Z z p décomposition en éléments simples G c (p) p = 1 p 2 (p +1) = 1 p + 1 p p +1 Utilisation d un tableau de transformées élémentaires G(z) = z 1 [ z z z 1 + Tz ] (z 1) 2 + z z e T ) G(z) = K(z b) (z 1)(z a), K = e T 1+T, a = e T, b =1 T (1 e T ) e T 1+T T y k
35 Composition de F.T. Theorem La transformée en z d un groupement d éléments ne peut être définie qu entre deux échantillonneurs. T T T U*(p) G (p) 1 G (p) 2 Y*(p) Y (z) =G 2 (z)g 1 (z)u(z) =G (z)u(z) T U*(p) G (p) G (p) 2 1 T Y*(p) G (p)g (p)=g(p) 2 1 Y (z) =G (z)u(z) =Z[G 2 (p)g 1 (p)]u(z)
Automatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailLe calculateur numérique pour la commande des processus
Le calculateur numérique pour la commande des processus par Daniel JAUME Maître de Conférences au Laboratoire d Automatique du Conservatoire National des Arts et Métiers et Michel VERGÉ Professeur des
Plus en détailAutomatique Linéaire 1 1A ISMIN
Automatique linéaire 1 J.M. Dutertre 2014 Sommaire. I. Introduction, définitions, position du problème. p. 3 I.1. Introduction. p. 3 I.2. Définitions. p. 5 I.3. Position du problème. p. 6 II. Modélisation
Plus en détailIntroduction à l informatique temps réel Pierre-Yves Duval (cppm)
Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailModélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé
1 TGR Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé Simon Munier Institut des Sciences et Industries du Vivant et de l'environnement (AgroParisTech)
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailSCIENCES INDUSTRIELLES (S.I.)
SESSION 2014 PSISI07 EPREUVE SPECIFIQUE - FILIERE PSI " SCIENCES INDUSTRIELLES (S.I.) Durée : 4 heures " N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailP1PY7204 Acquisition de données Cours
ANNEE 2012-2013 Semestre d Automne 2012 Master de Sciences, Technologies, Santé Mention Physique- Spécialité Instrumentation P1PY7204 Acquisition de données Cours Denis Dumora denis.dumora@u-bordeaux1.fr
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailConcours EPITA 2009 Epreuve de Sciences Industrielles pour l ingénieur La suspension anti-plongée de la motocyclette BMW K1200S
Concours EPIT 2009 Epreuve de Sciences Industrielles pour l ingénieur La suspension anti-plongée de la motocyclette MW K1200S Durée : 2h. Calculatrices autorisées. Présentation du problème Le problème
Plus en détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détail- Automatique - Modélisation par fonction de transfert et Analyse des systèmes linéaires continus invariants
- Automatique - Modélisation par fonction de transfert et Analyse des systèmes linéaires continus invariants M1/UE CSy - module P2 (1ère partie) 214-215 2 Avant-propos 3 Avant-propos Le cours d automatique
Plus en détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailRapport de projet de fin d étude
Rapport de projet de fin d étude Réalisé Par : Encadré Par : -Soumya sekhsokh Mohammed RABI -Kawtar oukili Année Universitaire 2010/2011 ETUDE D UNE BOUCLE DE REGULATION DE NIVEAU : - IMPLEMENTATION DU
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailProgramme Pédagogique National du DUT «Réseaux et Télécommunications» Présentation de la formation
Programme Pédagogique National du DUT «Réseaux et Télécommunications» Présentation de la formation PPN Réseaux et Télécommunications publié par arrêté du 24 juillet 2008 Sommaire 1 Présentation générale
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailSYSTEMES LINEAIRES DU PREMIER ORDRE
SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle
Plus en détailData first, ou comment piloter l analyse par les données
CNRS & Patrick Flandrin École Normale Supérieure de Lyon Data first, ou comment piloter l analyse par les données M2 de Physique Cours 2012-2013 1 Table des matières 1 Introduction 4 2 Rappel sur les analyses
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailTraitement numérique du signal. Première partie : Bases mathématiques
1 Traitement numérique du signal. Première partie : Bases mathématiques J.Idier H. Piet-Lahanier G. Le Besnerais F. Champagnat Première version du document : 1993 Date de la dernière remise à jour : mars
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailCours de Systèmes Asservis
Cours de Systèmes Asservis J.Baillou, J.P.Chemla, B. Gasnier, M.Lethiecq Polytech Tours 2 Chapitre 1 Introduction 1.1 Définition de l automatique Automatique : Qui fonctionne tout seul ou sans intervention
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détailLa couche physique de l ADSL (voie descendante)
La couche physique de l ADSL (voie descendante) Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France Problématique qq kilomètres CENTRAL câble de 0,4mm Objectifs initiaux :
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailTEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.
(19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:
Plus en détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
Plus en détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailLa (les) mesure(s) GPS
La (les) mesure(s) GPS I. Le principe de la mesure II. Equation de mesure GPS III. Combinaisons de mesures (ionosphère, horloges) IV. Doubles différences et corrélation des mesures V. Doubles différences
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailGENIE DES SYSTEMES INDUSTRIELS
MASTER SCIENCES, TECHNOLOGIES, SANTE/STAPS GENIE DES SYSTEMES INDUSTRIELS Spécialité Risques Industriels et Maintenance www.univ-littoral.fr OBJECTIFS DE LA FORMATION L objectif du master régional GSI
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailIntroduction aux Communications Numériques
Université de Cergy-Pontoise - 01 - Communications numériques Introduction aux Communications Numériques Master M1 ISIM March 19, 01 Iryna ANDRIYANOVA iryna.andriyanova@u-cergy.fr 1 Contenu du cours 1
Plus en détailInformation. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?
Compétences générales Avoir des piles neuves, ou récentes dans sa machine à calculer. Etre capable de retrouver instantanément une info dans sa machine. Prendre une bouteille d eau. Prendre CNI + convocation.
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailErreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailDynamique des protéines, simulation moléculaire et physique statistique
Dynamique des protéines, simulation moléculaire et physique statistique Gerald R. Kneller kneller@llb.saclay.cea.fr, kneller@cnrs-orleans.fr Université d Orléans Laboratoire Léon Brillouin, CEA Saclay
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détail