Vous êtes sur la page 1sur 161

N dordre : 183

COLE CENTRALE DE LILLE



THSE
prsente en vue
dobtenir le grade de

DOCTEUR
en
Spcialit : Gnie lectrique
par
Dan Ilea
DOCTORAT DLIVR CONJOINTEMENT
PAR L'COLE CENTRALE DE LILLE ET L'UNIVERSIT TECHNIQUE DE CLUJ-NAPOCA, ROUMANIE

Titre de la thse :
Conception optimale des moteurs rluctance variable commutation lectronique pour la
traction des vhicules lectriques lgers

Soutenue le 25 Octobre 2011 devant le jury dexamen :

Prsident
Radu Ciupa, Doyen, UTC-N, Roumanie

Rapporteur
Christophe Forgez, Professeur des Universits, UTC

Rapporteur
Nicolae Muntean , Professeur, UPT, Roumanie
Membre
Radu Munteanu, Recteur, UTC-N, Roumanie
Membre
Radu Ciupa, Doyen, UTC-N, Roumanie
Membre
Frdric Gillon, MdC HDR, EC-Lille

Co-directeur de thse
Pascal Brochet, Professeur des Universits,EC-Lille
Mircea M. Radulescu, Professeur, UTC-N, Roumanie

Thse prpare dans le Laboratoire L2EP
cole Doctorale SPI 072
PRES Universit Lille Nord-de-France
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Table de matires
2

Remerciements
Les travaux de recherche prsents dans ce mmoire ont t raliss dans le cadre
d'une cotutelle internationale entre l'Universit Technique de Cluj-Napoca, Roumanie
et l'cole Centrale de Lille, France, au sein du groupe 'Special Electrical Machines
and Light Electric Traction' - SEMLET et du laboratoire d'lectrotechnique et
d'lectronique de Puissance - L2EP, respectivement. L'apport de ce double
patronage s'est avr crucial pour le droulement de la thse.
Je tiens d'abord exprimer ma profonde reconnaissance envers Monsieur le
Professeur Mircea M. Radulescu, co-directeur de thse, pour tout le soutien
scientifique et moral qu'il m'a offert durant ces dernires annes et pour les
perspectives qu'il m'a ouvert. Toutes nos rencontres ont t la fois chaleureuses et
riches en enseignements.
Je tiens exprimer ma haute considration pour Monsieur le Professeur Pascal
Brochet, co-directeur de thse, pour ses conseils et son suivi pendant les stages
l'cole Centrale de Lille.
Je suis extrmement reconnaissant envers Monsieur Frdric Gillon, Matre de
Confrences HdR l'Ecole Centrale de Lille et co-encadrant de cette thse. Son
dvouement, son dynamisme et son optimisme constants ont t sans doute dcisifs
pour le bon achvement de cette thse.
Je tiens exprimer mes remerciements aux membres de la commission d'examen.
Tout d'abord, je suis reconnaissant envers Monsieur Radu Ciupa, Doyen de
l'Universit de Cluj-Napoca, Roumanie, pour avoir accept de prsider le Jury de
soutenance.
Je suis extrmement reconnaissant envers Monsieur Christophe Forgez, Professeur
des universits l'Universit Technique de Compiegne, France et Monsieur Nicolae
Muntean, Professeur l'Universit Polytechnique de Timisoara, Roumanie, pour
l'honneur qu'ils m'ont accord en acceptant d'tre mes rapporteurs.
Je remercie trs profondment Monsieur Radu Munteanu, Recteur de l'Universit
Technique de Cluj-Napoca pour m'avoir fait l'honneur de bien vouloir accepter d'tre
membre du Jury.
J'adresse aussi les plus vifs remerciements tous les enseignants et collgues du
laboratoire SEMLET de Cluj-Napoca, pour leur conseils et prcieux aide dans le
droulement de la thse.
Un trs grand remerciement va envers tous les membres du laboratoire L2EP de
l'cole Centrale de Lille qu'ils m'ont chaleureusement accueillie dans leur grande
famille durant mes stages en France. Leur compagnie restera un de plus beaux
souvenirs de ces annes.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Table de matires
3

Je tiens remercier chaleureusement tous mes amis pour leur amiti et leurs
encouragements.
Il me sera impossible de ne pas remercier ma famille, ma mre, mon pre, ma sur
et ma grand-mre, pour leur soutien et tous leurs efforts qu'ils ont entrepris durant
ces annes. Qu'ils trouvent ici l'expression de toute mon affection.
Je voudrais remercier spcialement Ana, pour tre toujours ct de moi, avec la
chaleur humaine et l'inspiration dont j'avais besoin.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Table de matires
4

TABLE DES MATIERES
Introduction gnrale ________________________________________________________ 7
Structure de la thse _________________________________________________________ 9
1. Le moteur rluctance variable commutation lectronique pour applications de
traction lectrique lgre ____________________________________________________ 11
1.1 Introduction ____________________________________________________________ 12
1.2 Domaine de la traction lectrique lgre _____________________________________ 13
1.2.1. Contexte gnral _______________________________________________________________ 13
1.2.2. Critres imposs par le domaine de traction lectrique ________________________________ 14
1.2.1. Solutions existantes ____________________________________________________________ 17
1.2.2. Le moteur rluctance variable commutation lectronique comme solution de traction
lectrique ____________________________________________________________________________ 19
1.3 Le moteur rluctance variable commutation lectronique (MRVCE) ____________ 21
1.3.1. Gnralits ___________________________________________________________________ 21
1.3.2. Topologies ____________________________________________________________________ 22
1.3.3. Principe de fonctionnement ______________________________________________________ 24
1.4 Conclusion _____________________________________________________________ 31
2. Modlisation du moteur rluctance variable commutation lectronique (MRVCE)
32
2.1 Introduction ____________________________________________________________ 33
2.2 Mthodes utilises dans la modlisation _____________________________________ 34
2.2.1. Classification __________________________________________________________________ 34
2.2.2. Modlisation par quations diffrentielles de champ lectromagntique _________________ 36
2.2.3. Modlisation par rseau de permances ____________________________________________ 38
2.3 Conception de l'outil de modlisation par rseau de permances _________________ 39
2.3.1. Objectifs ______________________________________________________________________ 39
2.3.2. Calcul des permances __________________________________________________________ 39
2.3.2.1 Principe de la mthode _____________________________________________________ 39
2.3.2.2 Calcul de la gomtrie des tubes de flux _______________________________________ 41
2.3.2.3 Permances des rgions d'air ________________________________________________ 42
2.3.2.3.1. Permances d'encoche __________________________________________________ 42
2.3.2.3.2. Permances d'entrefer___________________________________________________ 43
Position aligne ________________________________________________________________ 43
Position d'alignement incomplet __________________________________________________ 44
Position de non-alignement ______________________________________________________ 45
2.3.2.4 Permances des parties ferromagntiques _____________________________________ 48
2.3.3. Alimentation-commande lectronique _____________________________________________ 49
2.3.3.1 Topologies d'onduleurs _____________________________________________________ 50
2.3.3.1.1. Onduleur en demi-pont asymtrique _______________________________________ 50
2.3.3.1.2. Onduleur Miller ________________________________________________________ 52
2.3.3.1.3. Onduleur N+1 __________________________________________________________ 53
2.3.3.1.4. Onduleur triphas en pont complet ________________________________________ 54
2.3.3.2 Stratgies d'alimentation ___________________________________________________ 56
2.3.3.3 Variables de commande de l'onduleur triphas en pont complet ___________________ 58
2.3.4. Prise en compte de la saturation __________________________________________________ 60
2.3.5. Mise en quation du circuit magntique du MRVCE ___________________________________ 63
2.3.6. Rsolution du circuit magntique __________________________________________________ 67
2.3.6.1 Mthode de Newton-Raphson _______________________________________________ 68
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Table de matires
5

2.3.6.2 Calcul non-linaire du systme magntique ____________________________________ 70
2.4 Validation de l'outil de modlisation par rseau de permances __________________ 72
2.4.1. Modle de rfrence par lments finis ____________________________________________ 72
2.4.2. Rsultats _____________________________________________________________________ 75
2.5 Conclusion _____________________________________________________________ 79
3. Optimisation multi-objectif du MRVCE par essaim de particules _________________ 80
3.1 Optimisation des systmes lectromagntiques _______________________________ 81
3.2 Le problme d'optimisation _______________________________________________ 83
3.3 Mthodes doptimisation _________________________________________________ 85
3.4 Optimisation par essaim de particules _______________________________________ 88
3.4.1. Gnralits ___________________________________________________________________ 88
3.4.2. Technique d'optimisation par essaim de particules ___________________________________ 88
3.4.3. Mise en quation_______________________________________________________________ 91
3.4.4. Coefficients du PSO _____________________________________________________________ 92
3.4.5. Versions existantes _____________________________________________________________ 93
3.5 Optimisation multi-objectif _______________________________________________ 95
3.5.1. Gnralits ___________________________________________________________________ 95
3.5.2. Classifications _________________________________________________________________ 95
3.5.3. Mthodes multi-objectif bases sur la dominance Pareto ______________________________ 96
3.5.3.1 Mthodes multi-objectif pour les algorithmes gntiques _________________________ 96
3.5.3.2 Mthodes multi-objectif pour PSO ____________________________________________ 97
3.5.4. Optimisation multi-objectif par essaim de particules (MOPSO) __________________________ 99
3.5.5. valuation du front (mtriques) __________________________________________________ 100
3.5.5.1 Distance gnrationnelle __________________________________________________ 100
3.5.5.2 Espacement _____________________________________________________________ 101
3.5.5.3 Taux d'erreur ____________________________________________________________ 101
3.5.5.4 Surface _________________________________________________________________ 102
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules _______________ 103
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules _________ 109
3.7.1. Plateforme d'optimisation L2EP __________________________________________________ 109
3.7.2. Problmes d'optimisation multi-objectif ___________________________________________ 111
3.7.2.1 Problme DEB11 _________________________________________________________ 111
3.7.2.2 Problme TEAM 22 (SMES) _________________________________________________ 114
3.7.2.3 Problme du moteur synchrone aimants permanents __________________________ 117
3.7.2.4 Problme du MRVCE ______________________________________________________ 119
3.8 Conclusion ____________________________________________________________ 123
4. tude exprimentale __________________________________________________ 125
4.1 Introduction ___________________________________________________________ 126
4.2 Prototype du MRVCE ____________________________________________________ 126
4.3 Banc d'essais __________________________________________________________ 132
4.3.1. Onduleur triphas en pont complet _______________________________________________ 132
4.3.2. Systme d'exprimentation dSpace 1104 __________________________________________ 133
4.3.3. Matriel complmentaire _______________________________________________________ 133
4.4 Implmentation de la stratgie de commande _______________________________ 135
4.4.1. Introduction __________________________________________________________________ 135
4.4.2. Logiciel d'implmentation en temps rel ___________________________________________ 135
4.4.3. Logiciel d'exprimentation ______________________________________________________ 141
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Table de matires
6

4.5 Essais pratiques ________________________________________________________ 143
4.5.1. Caractrisation _______________________________________________________________ 143
4.5.1.1 Variation de la rsistance de phase avec la temprature _________________________ 143
4.5.2. Mesure de l'inductance de phase _________________________________________________ 144
4.5.3. Flux induit ___________________________________________________________________ 146
4.5.4. Implmentation de la commande optimise ________________________________________ 149
4.6 Conclusion ____________________________________________________________ 150
5. Conclusion Gnrale ___________________________________________________ 151
6. Bibliographie _________________________________________________________ 153
7. Annexes _____________________________________________________________ 158

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Introduction gnrale
7

Introduction gnrale
Le domaine de la traction lectrique a suscit un trs grand intrt dans les dernires
annes. Une amlioration substantielle des performances lectromagntiques et
nergtiques de l'ensemble de traction lectrique doit tre faite avant que les
vhicules lectriques puissent rivaliser avec les vhicules quips avec moteurs
combustion interne. La conception optimale de l'ensemble moteur lectrique de
traction onduleur doit prendre en compte une varit de critres et contraintes.
tant donne la liaison entre la gomtrie du moteur et la stratgie de commande de
l'onduleur, l'optimisation de l'ensemble de traction doit prendre en considration, en
mme temps, les deux composants.
L'objectif de la thse est la conception d'un outil d'optimisation appliqu un systme
de traction lectrique lgre qu'emploie un moteur rluctance variable aliment par
un onduleur triphas en pont complet. Le systme de traction doit prendre en compte
les critres et les contraintes imposes par l'application.
Le choix du sujet est justifi par les prvisions faites pour le domaine de traction et
par la ncessit d'une rduction du cot de l'ensemble moteur-onduleur en vue d'une
production chelle industrielle. Des critres dynamiques, nergtiques, de fiabilit
et conomiques sont considrs dans le procs d'valuation des solutions possibles.
Le moteur rluctance variable aliment par un onduleur triphas en pont complet
remplit le mieux la totalit des critres considrs.
Le moteur rluctance variable commutation lectronique (MRVCE) est modlis
en utilisant la technique par rseau de permances. Ce type d'analyse offre le
meilleur compromis entre les temps de calculs et la prcision des rsultats. En mme
temps, la technique de commande lectronique peut tre facilement intgre dans le
modle pour effectuer l'analyse dynamique du fonctionnement du moteur. L'outil de
modlisation doit tre modulaire et paramtrable, pour pouvoir tre employ dans un
procs d'optimisation.
L'outil d'optimisation ralis utilise l'algorithme par essaim de particules, modifi pour
rsoudre des problmes multi-objectif. La technique multi-objectif conue fait appel
aux sous-essaims pour assurer la diversit des solutions optimales. Les objectifs
sont lis la qualit des caractristiques de fonctionnement du moteur, en tant que
les variables d'optimisation concernent la gomtrie du moteur aussi que la
technique de commande. Ainsi, le procs d'optimisation considre en mme temps le
dimensionnement du moteur et sa stratgie d'alimentation. L'outil d'optimisation est
valid avec plusieurs modles analytiques et numriques avant d'tre appliqu au
modle du moteur rluctance variable. Les performances de l'algorithme sont
compares avec ceux de l'algorithme gntique (NSGA-II) et d'une implmentation
classique de l'algorithme par essaim de particules multi-objectif.
Finalement, un prototype de moteur rluctance variable est construit et le
fonctionnement du MRVCE aliment depuis l'onduleur triphas en pont complet est
implment. Le modle par rseau de permances est valid l'aide des rsultats
obtenus suite l'tape de caractrisation du moteur. La technique de commande
biphase spcifique ce type d'alimentation est implmente. L'implmentation de la
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Introduction gnrale
8

stratgie de commande optimise montre une amlioration des caractristiques de
fonctionnement du moteur. Ainsi, l'tape d'optimisation de la stratgie de commande
de MRVCE est aussi valide.
Les recherches menes, couvrant toutes les sections importantes de la thse, ont
t prsentes dans 9 articles scientifiques, publis dans des confrences et revues
internationales avec comit de lecture.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Structure de la thse
9

Structure de la thse
La thse est structure dans quatre chapitres et les Annexes.
Dans le premier chapitre, le domaine de la traction lectrique lgre est prsent.
L'intrt pour le dveloppement des solutions de traction lectrique est illustr dans
le contexte conomique, politique, cologique et nergtique.
Les critres spcifiques l'application de traction lectrique sont identifis et les
avantages et les inconvnients des diffrents types de moteurs lectriques sont
rpertoris du point de vue de l'application. Le choix pour le moteur rluctance
variable commutation lectronique MRVCE est justifi sur la base de ces critres.
Le principe de fonctionnement du moteur est prsent et les problmes lis aux
performances lectromagntiques du moteur sont mis en vidence. Le procs de
conception optimale du moteur rluctance variable va se concentrer sur
l'amlioration de ces problmes.

Le deuxime chapitre se concentre sur la conception d'un outil de modlisation du
moteur rluctance variable commutation lectronique. L'outil doit tre rapide,
prcis et modulable, l'objectif final tant de l'intgrer dans un procs d'optimisation.
Dans un premier temps les techniques de modlisation des systmes
lectromagntiques sont rpertories, mettant l'accent sur la prcision des mthodes
et les temps de calcul. La mthode par lments finis et la mthode par rseau de
permances sont traites plus dtailles, les deux tant employes dans le suivant.
La mthode par lments finis est utilise seulement comme mthode de validation
en tant que la mthode par rseau de permances est choisie pour tre implmente
dans l'outil de modlisation. Les composantes de l'analyse par rseau de
permances sont prsentes et les variables d'optimisation lis la gomtrie du
moteur et la stratgie de commutation sont identifies.
Les diffrentes topologies d'onduleurs utiliss avec le moteur rluctance variable
sont discutes et la solution la plus conomique est choisie pour implmentation.
Une stratgie optimise pour l'alimentation biphase du MRVCE est prsente.
Le circuit du moteur est mis en quation et les solutions implmentes pour
l'intgration de la stratgie de commutation dans le modle et pour la rsolution du
circuit magntique non-linaire sont exposes.
Le deuxime chapitre se conclut par la validation de l'outil de modlisation par
rseau de permances du MRVCE. Un outil commercial par lments finis (JMag-
Studio) est utilis pour valider la distribution des lignes de flux dans la machine et les
inductances des phases.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Structure de la thse
10

Le troisime chapitre prsente l'outil d'optimisation propos pour l'optimisation du
fonctionnement du moteur rluctance variable en vue de l'application de traction
lectrique lgre.
Les diffrents types de problmes et des algorithmes d'optimisation sont prsents,
avec un intrt plus prononc pour les problmes du domaine lectromagntique et
les solutions d'optimisation stochastiques.
La mthode d'optimisation choisie est l'optimisation par essaim de particules, dont le
caractre stochastique, mtaheuristiques, permet l'application aux problmes
difficiles et non-linaires. Le principe de la mthode est expliqu ainsi que les
diffrents coefficients de l'algorithme et l'influence qui ils ont sur l'volution de
l'algorithme.
Une solution qui permet la rsolution des problmes avec plusieurs objectifs
contradictoires est implmente et teste sur plusieurs types de problmes. La
mthode est teste par rapport deux autres mthodes existantes, le NSGA-II et le
MOPSO.
Aprs la validation de l'outil d'optimisation sur une gamme large de problmes, le
modle par rseau de permances du moteur rluctance variable est optimis. Les
deux objectifs contradictoires considrs sont la minimisation des ondulations de
couple et la maximisation du couple moyen. La gomtrie des dents et la stratgie de
commande spcifique l'alimentation biphase sont les variables d'optimisation.

Le dernier chapitre est ddi la validation exprimentale de l'outil de modlisation
par rseau de permances et des rsultats obtenus la suite de l'tape
d'optimisation. Ainsi, le prototype de MRVCE construit est prsent, ainsi que
l'implmentation du systme moteur onduleur sur le banc d'essais.
La commande de l'onduleur est faite l'aide d'un systme d'exprimentation en
temps rel de type dSpace 1104. Le contrle du moteur est implment sous
MATLAB/Simulink.
L'tape de caractrisation du prototype valide l'outil de modlisation par rseau de
permances implment. L'application de la stratgie de commande optimise, lie
la gomtrie du moteur, relve l'amlioration des caractristiques de fonctionnement.
Finalement, les Annexes contiennent les caractristiques du codeur incrmental
utilis, de l'onduleur en pont triphas et de l'interface de protection entre la carte
dSpace et l'onduleur.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Chapitre 1. Le moteur rluctance variable commutation lectronique pour
applications de traction lectrique lgre
11









Chapitre 1
1. LE MOTEUR A RELUCTANCE
VARIABLE A COMMUTATION
ELECTRONIQUE POUR APPLICATIONS
DE TRACTION ELECTRIQUE LEGERE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.1 Introduction
12

1.1 INTRODUCTION
Dans ce chapitre on va prsenter la problmatique que cette thse adresse et
argumenter l'actualit des dmarches effectues. Une justification du choix pour la
solution propose sera faite dans le contexte de la traction lectrique lgre.
Dans un monde de plus en plus dynamique les contraintes d'ordre conomique,
politique et cologique ont une grande importance sur le dveloppement des
solutions de transport. La demande pour la rduction des missions des gaz effet
de serre et la recherche des ressources alternatives d'nergie vont changer
compltement les moyens de transport dans les prochaines annes.
L'interaction de ces trois critres pose des grandes difficults dans la conception des
futurs vhicules qui doivent tre en mme temps efficients, confortables,
conomiques et moins polluants.
Tout d'abord, la cote conomique du problme vise la rduction des couts
d'exploitation des vhicules par le remplacement du ptrole (dont le prix augmente
constamment dans les dernires annes) par une autre source moins chre et plus
fiable du point de vue politique. Aussi, une simplification de la chane de traction des
vhicules peut apporter des rductions substantielles dans le cot d'entretien du
vhicule sur toute sa dure de vie.
La perspective cologique est la plus mdiatise dans le contexte des vhicules
lectriques. La rduction des gaz effet de serre et des particules nocives dans l'air
est un des grands avantages apports par l'implmentation de cette technologie
chelle globale. En plus de cette rduction de la pollution provenue des vhicules
personnels, une optimisation des moyens de transport dans les grandes
agglomrations doit aussi contribuer la rduction des polluants, aussi que la
promotion des vhicules adapts pour les courts trajets (vlos, vlos lectriques,
scooters lectriques, etc.).
Finalement, le critre politique est assez important dans le futur dveloppement des
solutions de traction. La dcision des pays dvelopps de ne plus tre dpendants
des ressources fossiles, provenant dans leur majorit des zones de conflit ou
instables politiquement, n'est pas la seule influencer la direction de dveloppement.
Le changement des sources d'alimentation doit tre fait d'une faon prudente, pour
viter l'mergence des nouvelles situations de monopole. Un exemple d'un nouveau
monople est reprsent par les matriaux utiliss pour la construction des batteries
ou les lments de terre-rares ncessaires pour les aimants permanents qui
proviennent dans leur majorit de la Chine.
La solution envisage dans cette thse pour rpondre ces critres est un systme
de traction lectrique lgre employant le moteur rluctance variable
commutation lectrique. Tout en reconnaissant l'importance des autres composants
de la chane de traction (stockage d'nergie, partie d'alimentation, composants
auxiliaires) ainsi que l'intgration des tous ces composants dans l'ensemble du
vhicule, on considre la conception et l'optimisation du moteur lectrique et de sa
partie d'alimentation-commande d'une importance majeure sur les performances du
systme de traction.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
13

1.2 DOMAINE DE LA TRACTION ELECTRIQUE
LEGERE
1.2.1. CONTEXTE GENERAL
La justification du sujet de thse est donne par l'intrt accru de l'industrie et des
agences gouvernementales europennes et internationales vers le dveloppement
des solutions alternatives pour remplacer les vhicules utilisant des carburants
provenus des sources non-rgnrables. cet effet, l'Union Europenne a ralise
plusieurs rapports pour valuer l'impact de ce changement grande chelle de
l'industrie automobile. partir de ces rapports, des stratgies ont t tablies pour
dfinir la direction vers laquelle les constructeurs europens doivent se diriger pour
rester comptitifs dans les annes suivantes sur le march international.
Mme si les donnes prsentes dans ces documents visent surtout les vhicules
quatre roues, lourds (camions et autocars) et lgers (voitures et camionnettes), les
prvisions faites sont aussi applicables aux vhicules deux et trois roues qui font
l'ensemble du domaine de traction lectrique lgre.
Dans le dernier rapport de l'Union Europenne [1] la tendance du march
international d'automobiles pour les annes 2000-2050 estime par l'Agence
Internationale de l'nergie (IEA) est considre comme un point de rfrence (Figure
1). L'objectif majeur pour les prochaines dcennies est le remplacement des
vhicules utilisant des moteurs thermiques par des nouvelles solutions plus propres.
Ainsi, les vhicules purement lectriques, hybrides et avec pile de combustible vont
reprsenter une partie du march de plus en plus importante.


Figure 1. Prvisions pour le march international d'automobiles (source IEA)
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
14

Bien que le rapport de l'IEA se concentre plutt sur les sources d'alimentation des
vhicules que sur le moteur de traction, il est tout fait clair que la propulsion de ces
vhicules va tre assure soit partialement (dans les ca des solutions hybrides) soit
compltement par des moteurs lectriques.
Les avantages des vhicules utilisant un moteur lectrique par rapport aux vhicules
avec moteur thermique incluent:
rendement global de la chane de traction plus lev
rduction de la masse totale de la chane de traction
couple lev depuis la phase de dmarrage
rduction ou limination des missions des gaz effet de serre
limination de la dpendance de ressources fossiles
rcupration d''nergie lors du freinage lectrique
rduction du bruit
rduction du prix total d'exploitation du vhicule
Le dfi majeur pour l'introduction grande chelle sur le march des vhicules
lectriques est reprsent par la quantit limite d'nergie que peut tre stocke au
bord des vhicules. Ainsi, il est essentiel que la transformation de l'nergie lectrique
en nergie mcanique se fasse avec le rendement le plus haut possible dans toutes
les tapes de fonctionnement. L'optimisation du dimensionnement du moteur et de la
stratgie de commande de l'onduleur d'alimentation peut contribuer d'une manire
dcisive aux performances du vhicule.
1.2.2. CRITERES IMPOSES PAR LE DOMAINE DE TRACTION
ELECTRIQUE
Les moteurs lectriques utiliss pour des applications de traction lectrique sont
soumissent des conditions d'utilisation diffrentes par rapport aux machines
employes dans des applications industrielles. cause de ces demandes spciales il
faut viser des autres objectives dans la conception optimale des moteurs lectriques.
La caractristique principale utilise dans l'valuation du vhicule lectrique est
reprsent par le cycle de fonctionnement. Ils existent plusieurs cycles de
fonctionnement standards appliqus par l'industrie d'automobile, en fonction des
habitudes d'utilisation des vhicules dans des diffrentes rgions. Les plus connues
cycles de fonctionnement sont le "Nouveau Cycle de Conduite Europen" ("New
European Driving Cycle" NEDC) dans l'Europe (Figure 2), le FTP75 ("Federal test
procedure") dans les tats-Unis ou le "10-15 Mode" au Japon.
Ainsi, en fonction du cycle choisi, le vhicule doit atteindre des critres de
performance comme la vitesse maximale, la pente maximale ou l'acclration
maximale pendant une priode standard de fonctionnement. Ces critres peuvent
tre valus l'aide des caractristiques couple-vitesse et puissance-vitesse du
moteur de traction. Il doit tre capable de fournir un couple lev au dmarrage et
une puissance leve aux hautes vitesses (rgime de croisire). La plage de
variation de la vitesse puissance constante doit tre la plus tendue possible pour
bnficier de la puissance entire du moteur jusqu' hautes vitesses.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
15


Les courbes idalises de la vitesse par rapport au couple et la puissance sont
prsentes sur la Figure 3. La vitesse jusqu' laquelle le moteur peut dlivrer un
couple constant est appele la vitesse de base. partir de cette vitesse, le moteur
atteint la puissance nominale et le couple dlivr dcrot jusqu' la vitesse maximale.
Le domaine de fonctionnement puissance constante varie en fonction du type de
moteur, de la stratgie de contrle implmente et de la conception optimale de
l'ensemble de traction pour l'application spcifique.
Les conclusions qu'on peut tirer sur la base de cette caractristique de
fonctionnement sont [2]:
la puissance nominale ncessaire pour la phase d'acclration dcrot avec la
rduction de la rgion de fonctionnement couple constant; ainsi, le gabarit
du moteur peut tre rduit


Figure 3. Caractristique de fonctionnement du moteur de traction

Figure 2. Cycle NEDC de fonctionnement des voitures
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
16

la vitesse maximale de fonctionnement du moteur a une grande influence sur
la valeur du couple maximal; l'augmentation du couple nominal se traduit par
un nombre plus lev des spires et des pertes Joules
la rduction de la puissance nominale ncessaire (par l'extension du domaine
de fonctionnement puissance constante) augmente la valeur du couple
maximal et ainsi le cot de la partie de puissance de l'ensemble de traction.
Le choix du moteur de traction adapt l'application est ainsi bas sur ces
demandes contradictoires de la part de l'ensemble de traction. Les critres
spcifiques imposs aux moteurs de traction lectrique peuvent tre rsums
comme suit:
densit de puissance et puissance instantane leves
couple lev dans la gamme des bases vitesses
puissance leve dans la gamme des hautes vitesses
une gamme large de vitesses, ncessaire pour les cycles urbains et extra-
urbains
une gamme de vitesses puissance constante la plus tendue possible pour
diminuer la puissance nominale requise
rponse rapide aux demandes de couple
fonctionnement dans les quatre quadrants avec rcupration d'nergie lors du
freinage rcupratif
fonctionnement intermittent en surcharge
encombrement et poids rduits ainsi qu'une faible inertie
robustesse et fiabilit leves dans des conditions de fonctionnement
spcifiques aux vhicules lectriques
ondulations de couple rduites
bruit rduit
prix raisonnable
Il faut aussi prendre en compte la nature de l'application et l'environnement dans
lequel le moteur va fonctionner. Ainsi, le fait que l'nergie disponible est embarque
(et donc limite) impose un fonctionnement le plus conomique possible dans toutes
les tapes de fonctionnement. Les tapes de freinage avec rcupration ont une
grande importance pour l'conomie d'nergie dont il faut pleinement en profiter.
cause des cycles surtout urbaines aux quelles les vhicules sont soumis, les pertes
dans les priodes de fonctionnement vide influencent beaucoup l'efficacit globale
du systme.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
17

1.2.1. SOLUTIONS EXISTANTES
Parmi les moteurs lectriques, seulement le moteur asynchrone et le moteur
synchrone aimants permanents atteint la maturit industrielle. Le moteur
rluctance variable n'existe pas l'chelle industrielle du domaine.
Le moteur asynchrone cage a t adopt entre autres par le constructeur
amricain General Motors pour son vhicule purement lectrique EV1 dans les
annes '90 et plus rcemment par le constructeur de vhicules sportifs Tesla (Figure
4). Beaucoup d'autres vhicules lectriques drivs des plateformes de vhicules
classiques utilisent le moteur asynchrone (Renault Kangoo en France ou BMW X5 en
Allemagne).
Les constructeurs asiatiques ont tabl sur le moteur synchrone aimants
permanents. L'hybride Prius de Toyota (le plus vendu vhicule hybride ce moment)
utilise ce type de moteur lectrique, de mme que les constructeurs japonais Nissan
(avec le model Leaf) et Honda. Le constructeur franais Renault utilise, lui aussi, le
moteur aimants permanents pour sa nouvelle gamme de voitures lectriques ZE
(Figure 5).
Malgr l'ample intrt que le moteur rluctance variable commutation
lectronique (MRVCE) a suscit dans les dernires annes, une version
commerciale de vhicule lectrique utilisant ce type de moteur n'est pas encore
disponible. Mme si le moteur rempli beaucoup de besoins du domaine de la traction
lectrique, des obstacles conomiques et techniques existent encore dans le
dveloppement d'une solution large chelle industrielle. Seulement quelques
prototypes de vhicules lectriques utilisant le MRVCE ont t tudis, surtout dans
les laboratoires de recherche universitaires [3] [4].
La comparaison entre les diffrents types de moteurs pour la traction lectrique a t
faite, dans la majorit des cas, pour des puissances spcifiques aux voitures
lectriques. Nanmoins, beaucoup des solutions de traction lectrique lgre deux
ou trois roues existent (la "roue Copenhague" [5], ou les vlos Kalkhoff [6] pour
nommer seulement deux des solutions plus rcentes).


a) EV1

b) Tesla
Figure 4. Voitures lectriques avec moteur asynchrone
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
18


Le dveloppement des moyens de transport deux ou trois roues (vlos ou scooter
lectriques) est encore plus intressant du point de vue cologique et logistique,
dans les grandes agglomrations urbaines. La taille plus rduite et le rendement
nergtique par utilisateur plus lev sont les principaux avantages des solutions de
traction lectrique lgre.



a) Vlo lectrique Kalkhoff

b) Roue Copenhague

Figure 6. Solutions de traction lectrique lgre

a) Toyota Prius

b) Nissan Leaf

c) Renault gamme ZE
Figure 5. Voitures lectriques avec moteur synchrone aimants permanents
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
19

1.2.2. LE MOTEUR A RELUCTANCE VARIABLE A COMMUTATION
ELECTRONIQUE COMME SOLUTION DE TRACTION ELECTRIQUE
Dans ce qui suit, on considre les caractristiques demandes aux solutions de
traction lectrique pour faire une valuation des diffrents types de moteurs
lectriques. Ainsi, une classification sera propose suivant des critres nergtiques,
mcaniques et conomiques.
Dans [7] une comparaison des trois solutions (moteur asynchrone, moteur synchrone
aimants permanents et MRV commutation lectronique) est faite sur un cycle
complet de fonctionnement. Ainsi, le moteur aimants permanents utilis par
l'hybride Prius est considr comme rfrence. Un moteur asynchrone avec un stator
de construction identique et MRV commutation lectronique d'une taille similaire
sont modliss.
Le moteur synchrone offre la plus grande efficacit des trois moteurs, sur
toute la gamme de vitesses et les densits de puissance les plus leves, ce
qui se traduit par un encombrement plus rduit.
Par contre, des inconvnients sont aussi considrer dans l'emploi de ce
genre de machine. Tout d'abord, les aimants sont construits avec des
lments de terres rares dont l'acquisition pose des problmes conomiques,
politiques et cologiques. En plus, les aimants rduisent la fiabilit du moteur
par les effets de dmagntisation que peuvent apparatre dans le cas d'une
utilisation en dehors des limites prvues.
L'chauffement se produit surtout dans le rotor (dans les aimants); ainsi la
diffusion de la chaleur est plus difficile faire. Un dernier inconvnient pour ce
type de moteur est li au cycle de fonctionnement du vhicule, et plus
exactement aux phases de fonctionnement vide. L'excitation du moteur doit
tre maintenue mme dans ces priodes, entranant des pertes
supplmentaires dans les parties ferromagntiques.

Le moteur asynchrone cage offre un couple et un rendement comparables
aux moteurs aimants permanents, surtout dans la gamme des hautes
vitesses. L'avantage principal de ce type de moteur par rapport aux moteurs
synchrones est l'absence des aimants et la construction simple. La gamme
des vitesses puissance constante est trs large et donc le moteur est bien
adapt pour des applications de traction. L'avantage majeur du moteur
asynchrone est reprsent par son prix trs rduit, suite son degr
d'intgration dans le march.
Toutefois, le grand nombre des spires dans le bobinage et la prsence de la
cage rotorique augmentent les pertes Joules et la masse totale du moteur.
Aussi, l'chauffement de ce type de moteur est important. Dans la gamme des
basses vitesses, le moteur cage est moins efficace que d'autres moteurs.

Par comparaison, le MRV commutation lectronique (MRVCE) a l'atout
d'une construction trs simple. Cela se traduit par une fiabilit leve, un prix
de construction rduit (52% par rapport au prix du moteur asynchrone et
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.2. Domaine de la traction lectrique lgre
20

seulement 30% par rapport au moteur synchrone aimants permanents [7]) et
un poids rduit (85% du poids du moteur aimants et 73% du poids du
moteur asynchrone). La localisation de l'chauffement dans le stator plutt
que dans le rotor facilite l'vacuation de la chaleur et limine la ncessit des
systmes de refroidissement supplmentaires.
Nanmoins, la densit de puissance et l'efficience du moteur, qui sont
infrieures, doivent tre attentivement adresses depuis la phase de
conception. Finalement, les ondulations de couple et les effets acoustiques du
moteur sont des inconvnients spcifiques au MRVCE.
Le cot de la partie d'alimentation est relativement lev par rapport aux
autres solutions. L'onduleur normalement utilis (en demi-pont asymtrique)
n'est pas disponible sous une forme industrielle ce qu'entrane une
augmentation du prix du systme de traction. Cet inconvnient peut tre palli
par la modification du type d'alimentation et de la stratgie de commande [8]
de faon que le MRVCE soit aliment depuis un onduleur triphas en pont
complet.
Les avantages et les inconvnients de ces trois solutions de traction lectrique sont
rsums dans le Tableau 1 en fonction des critres spcifiques aux solutions de
traction lectrique lgre [2] [7] [9] [10]. Chaque moteur est valu sur la base de 6
critres sur une chelle de 0 5, avec 5 la meilleure rponse au critre.
Comme on peut observer, le MRVCE est une solution comptitive pour la traction
lectrique lgre, avec un poids rduit, une fiabilit trs leve et un cot de
fabrication faible, comme ses principaux atouts. Par contre, la commande
relativement complique et l'emploi d'une structure spciale d'onduleur reprsentent
des obstacles importants dans l'implmentation industrielle. L'alimentation du
MRVCE depuis un onduleur classique en pont triphas pourrait donc finalement
imposer cette solution pour la traction lectrique lgre.

Tableau 1. Comparaison des quatre moteurs pour la traction lectrique lgre
Moteur
Critre
Moteur
courant
continu
Moteur
asynchron
e
Moteur
synchrone
aimants
MRVCE
Performances nergtiques 2 4 5 4
Poids 2 3 4 5
Cout (moteur) 5 4 3 5
Fiabilit 2 4 3 5
Densit de puissance 1 4 5 3
Partie alimentation 4 5 3 2
Total 16 24 23 24
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
21

1.3 LE MOTEUR A RELUCTANCE VARIABLE A
COMMUTATION ELECTRONIQUE (MRVCE)
1.3.1. GENERALITES
Bien que le premier moteur rluctance variable commutation mcanique a t
invent en 1842, les difficults inhrentes son contrle l'en fait presque inutilisable
dans les applications pratiques. C'est seulement aprs plus d'un sicle que, avec
l'introduction des composants d'lectronique de puissance, le moteur rluctance
variable ( double saillance) commutation lectronique (MRVCE) a t
"redcouvert" et il est devenu une vritable option pour les applications vitesse
variable.
Le MRVCE comporte des dents sur le stator et sur le rotor. Seules les bobines
statoriques sont alimentes en courant. Le rotor ne contient ni aimants ni
enroulements (Figure 7).

Malgr l'attention que ce moteur a suscite dans la communaut scientifique, il existe
relativement peu d'applications industrielles utilisant ce type de moteur. La grande
disponibilit des moteurs asynchrones et synchrones aimants permanents pour
presque toutes les applications et gammes de puissances limite l'introduction du
MRVCE.
La structure simple du MRVCE lui donne des grands avantages par rapport aux
autres solutions aussi que des inconvnients importants comme les ondulations du
couple dues la double saillance et le caractre fortement non-linaire des effets
lectromagntiques pendant le fonctionnement. cause de ces effets, la
modlisation du moteur et la stratgie de son alimentation-commande sont assez
compliques.
Le courant dans les phases du moteur est commut en fonction de la position du
rotor ('autocommutation') pour profiter de la variation de l'inductance entre la position
aligne et non-aligne des dents rotoriques par rapport aux dents statoriques. Ce
mode d'alimentation-commande entrane la ncessit d'une partie lectronique de
contrle spciale pour grer le fonctionnement de l'onduleur et la dtection prcise
de la position du rotor.


Figure 7. Moteur rluctance variable commutation lectronique (MRVCE) (source Microchip
[12])
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
22

Les applications du MRVCE dans l'industrie restent encore limites. Le moteur
asynchrone est difficile remplacer dans les applications simples o le prix est le
critre le plus important et le moteur aimants permanents reste la solution prfre
dans les applications avec un trs haut rendement. Par contre, le domaine de la
traction, lectrique qu'impose des critres diffrents des autres applications vitesse
variable, prsente une grande opportunit pour l'introduction du MRVCE grande
chelle. Des nombreuses tudes ont valid l'applicabilit du moteur rluctance
variable dans ce domaine [2] [7] [9] [10] [12] et ont montr que ses performances
peuvent rivaliser avec celles des autres moteurs en utilisant une conception soigne.
1.3.2. TOPOLOGIES
Le choix du nombre des dents et des phases doit se faire par rapport l'application
envisage et aux performances souhaites. Les critres qui peuvent influencer le
choix pour une topologie particulaire incluent:
- la caractristique de fonctionnement par le biais de la valeur du couple et sa
qualit (ondulations et bruit), les demandes mcaniques lors du dmarrage et
les performances nergtiques lors du freinage rcupratif
- le type d'alimentation (triphas, monophas, etc.) et l'onduleur utilis
- les chemins de flux magntique et les pertes de fer produits
Comme il est expliqu en [13] le nombre des dents statoriques et rotoriques est
normalement pair et la liaison entre les deux valeurs est donne par:
2 = R S N N (1-1)
avec N
S
et N
R
- nombre des dents statoriques et rotoriques.
Les moteurs avec un nombre plus grand des dents sont obtenus partir des
structures de base, on multipliant N
S
et/ou N
R


a)

b)

c)
Figure 8. Moteur rluctance variable avec a) une seule phase (2/2) b) trois phases (6/4) c) quatre
phases (8/6)
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
23

Les structures les plus efficientes doivent respecter la relation suivante en ce qui
concerne la relation entre le nombre des dents statoriques et rotoriques [14]:
R R S qN N N MCM = ) , ( (1-2)
avec q le nombre des phases du moteur et MCM, le moindre commun multiple.
Pour l'application de traction lectrique lgre le MRVCE doit tre capable de
dmarrer depuis toutes les positions sans osciller et il doit fonctionner de manire
identique dans les deux sens. Aussi, il doit tre capable de fournir de l'nergie au
dispositif de stockage lors du freinage rcupratif. Un onduleur triphas en pont
complet sera utilis fin de rduire le cot de l'ensemble de traction. Ainsi, le moteur
utilis est triphas.
Les dimensions des dents doivent aussi respecter des contraintes gomtriques
relatives la zone efficace de production du couple:

s
>
R
R
S
R
R S
N
qN
|
t
|
t
| |
2
2
) , min(
(1-3)
avec
s
et
r
les angles au centre des dents statoriques et rotoriques.
La gamme de variation possible des deux angles est complte par:

|
|
.
|

\
|
=
q NR
2
1
2
min max
t
| | (1-4)
Ces limitations sur la dimension des dents sont expliques l'aide de la Figure 9.
Ainsi, la limite infrieure du triangle des solutions (
Smin
;
Rmin
) est donne par le pas
rotorique divis par le nombre des phases q. Le point (
Smin
;
Rmax
) corresponde
une machine avec des encoches de mme taille que le pas polaire et le point (
Smax
;

Rmin
) une machine sans encoches.
Dans le cas idal il faut minimiser la priode d'inductance constante dans la position
aligne et donc de maintenir les deux valeurs d'arc gales. De l'autre cot, il est
prfrable de maintenir la valeur de l'arc de la dent rotorique la plus petite possible
(tout en tenant compte des limitations imposes prcdemment) pour rduire les
effets des bords des dents et ainsi de rduire la valeur de l'inductance dans la
position non-aligne L
min
.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
24


1.3.3. PRINCIPE DE FONCTIONNEMENT
Le principe de fonctionnement du MRVCE est directement li sa structure. Le
couple est produit par la tendance du rotor de se positionner de faon que la
rluctance entre une dent statorique et une dent rotorique soit minimum. En effet,
lorsque deux ples opposs du stator sont excits, deux ples du rotor s'alignent
avec eux, mais un autre ensemble de ples est hors alignement. L'alimentation d'une
autre paire de ples du stator amne encore une fois les ples du rotor
l'alignement. De la mme faon, et en commutant squentiellement le courant dans
les enroulements du stator, le rotor tourne. Par le choix de la squence
d'alimentation des phases de l'enroulement statorique on peut modifier le sens de
rotation du moteur.
Le flux (,i) d'une phase varie d'une manire cyclique avec la position du rotor et
avec le courant d'alimentation i. La forme idalise du flux d'une phase est donn
dans la Figure 10. L'effet de la saturation intervienne dans l'volution du flux de la
phase surtout pour la position aligne.


Figure 10. Variation du flux d'une phase avec la position et le courant

Figure 9. Gamme des valeurs possibles pour les arcs des dents statoriques et rotoriques
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
25

Dans ce qui suit, on utilise le circuit quivalent d'une phase du MRVCE (Figure 11)
pour lier la tension d'alimentation v
x
applique sur la phase k avec le flux produit.

dt
d
x
dt
di
i
x
x
i
x
R
dt
x
d
x
i
x
R
x
v
u
u c
+ c
+
c
+ c
+ =
+
+ = (1-5)
avec R
x
rsistance lectrique de la phase
i
x
courant de phase

x
flux total de la phase
position rotorique
L'inductance propre d'une phase L
x
est :

x
i
x
x
i
x
L
c
+ c
= ) , (u (1-6)
et la tension magntomotrice
x
:

dt
d
x
x
e
u
u c
+ c
= (1-7)
La tension magntomotrice e
k
peut tre divise en deux composantes: e
mag
et e
mec

(Figure 11). L'nergie magntique stocke dans un circuit est donn par e
mag
*i
x
et
l'nergie mcanique par le produit e
mec
*i
x
.

Depuis (1-5)-(1-7), la tension v
k
d'une phase est:

x
e
dt
x
di
i
x
L
x
i
x
R
x
v + + = ) , (u (1-8)
Dans le cas d'un moteur avec n phases, la tension dans une phase x est affecte
non seulement par l'inductance propre L
x
mais aussi par les inductances mutuelles
des autres phases M
xj
. Ainsi, le flux de la phase x est:



Figure 11. Circuit quivalent d'une phase du MRVCE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
26


=
=
+ = +
n
x j
j
xj
M
x
i
x
L
x
1
(1-9)
L'inductance mutuelle entre la phase x et la phase j est exprime par:

j
i
j
i
k
i
kj
M
c
+ c
=
) , , (u
(1-10)
Depuis (1-8)-(1-10) on obtient l'expression de la tension d'alimentation d'une phase
statorique en considrant les inductances propres et mutuelles dans la machine.
x
e
dt
j
di
n
x j
j
xj
M
dt
x
di
x
L
x
i
x
R
x
v +
=
=
+ + =
1
(1-11)
Les tensions des deux autres phases sont obtenues d'une manire similaire.
La forme idalise de l'inductance propre d'une phase en fonction de la position
rotorique est prsente sur la Figure 12.
cause de la variation des inductances et de la tension magntomotrice avec et i,
les mthodes classiques qu'utilisent le circuit quivalent pour calculer les
performances du moteur ne peuvent pas tre employes. Ainsi, le couple
lectromagntique est calcul en utilisant le principe de la variation de la co-nergie
dans un circuit magntique.
Dans un systme lectromagntique de conversion d'nergie, un changement
incrmental de l'nergie applique va engendrer un changement de l'nergie
mag
dW stocke dans le champ magntique et de l'nergie mcanique
mec
dW utilise
pour le mouvement. La rlation entre les trois formes d'nergie est:


Figure 12. Inductance idalise d'une phase
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
27



mec
dW
mag
dW
elec
dW + = (1-12)
La co-nergie
'
mag
dW est dfinie comme le complment de l'nergie stocke dans un
circuit magntique.

mag
dW i d
mag
dW = ) , (
'
| (1-13)
avec | le flux produit par le courant i.
La variation de la co-nergie est due non seulement au courant i mais galement la
position du rotor.
u
u
u d
mag
W
di
i
mag
W
i
mag
dW
c
c
+
c
c
=
' '
) , (
'
(1-14)
D'une autre cot, la loi de Faraday nous donne la relation entre l'nergie magntique
et le couple lectromagntique:
u
|
u
|
u
|
u | d
ct
mag
W
d
ct
mag
W
d
em
C id
mag
dW
=
c
c
+
=
c
c
= = (1-15)
Ainsi, l'expression du couple en fonction de l'nergie magntique est:

u
u |
c
c
=
) , (
mag
W
em
C
(1-16)
En introduisant l'quation (1-13) dans (1-16), on obtient la valeur du couple sous la
forme d'une variation de la co-nergie en fonction du courant i dans la bobine et de la
position rotorique .

Figure 13. nergie magntique et co-nergie dans un systme non-linaire
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
28


u
u
c
c
=
) , (
'
i
mag
W
em
C (1-17)
Dans le cas du moteur rluctance variable, la variation de la co-nergie peut tre
remplace par la variation de la permance d'entrefer et par la force
magntomotrice c de la phase. Le couple lectromagntique total est la somme des
couples produits par chaque phase.

=
c
A c
=
n
j
j
j
e i
em
C
1
2
2
1
) , (
u
u (1-18)
Une observation importante doit tre faite quant la prsence du carr de la tension
magntomotrice (et donc du courant) dans l'quation du couple. Ainsi, le sens du
couple produit ne dpend pas du sens du courant dans les bobines mais seulement
de la pente de variation de la permance. Cela nous indique que le moteur peut
fonctionner avec n'importe quelle polarit du courant, la squence d'alimentation
tant la seule influencer le sens de rotation. Ainsi, le moteur peut tre utilis d'une
manire identique dans les quatre quadrants.
La variation de la permance d'entrefer d'une dent statorique et d'une dent rotorique
est responsable pour la cration du couple. Pendant un cycle de variation de la
permance on peut distinguer quatre priodes:

0

1
: la priode de croissance linaire de la permance, quand la dent
rotorique commence s'aligner avec la dent statorique;
1
la dent rotorique
est compltement aligne et la permance atteint la valeur maximale
max
; le
couple produit dans cette zone est positif par rapport au sens de rotation.

1

2
: la priode d'alignement complet des deux dents; dans cette rgion la
permance reste la valeur maximale et il n'y a pas de production de couple

2

3
: la priode de dsalignement, avec la dent rotorique que s'loigne de la
position aligne; la variation de la permance de la valeur maximale
max

jusqu' la valeur de non-alignement
min
produit un couple ngatif par rapport
au sens de rotation choisi comme rfrence

3

4
: dans la priode de non-alignement la valeur de la permance reste
constante
min
et par consquence il n'y a pas de production de couple.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
29


Le cycle prsent dans la Figure 14 est un cycle idalis, la variation de la
permance n'tant pas en ralit linaire et les passages d'une zone l'autre tant
plus lises. La dure de la priode d'alignement complet est lie la gomtrie
relative des dents et elle peut manquer dans le cas d'une largeur identique des deux
dents.
Les pentes de croissance et dcroissance de la permance sont les plus
intressantes pour la production du couple, les deux autres priodes ayant une
importance seulement dans le cas d'une alimentation biphase. Il faut aussi prciser
que la valeur de la permance n'est jamais zro, mme dans la position de non-
alignement il existe une permance entre la dent statorique et la culasse rotorique

min
.
cause de la faon dont le couple est produit sous la forme des impulsions le
MRVCE est particulirement susceptible produire des ondulations de couple
importantes (Figure 15). Ces ondulations sont gnralement indsirables, surtout
dans le domaine de la traction, o les oscillations du moteur de traction peuvent
provoquer des situations dangereuses.
D'une manire gnrale, l'amplitude de ces ondulations est rduite par
l'augmentation du nombre des dents statoriques et rotoriques, aussi que par
l'augmentation de la surface des dents [13] [15]. Toutefois, l'augmentation du nombre
des dents ou de la surface de superposition rduit le couple nominal de la machine
et donc diminue les performances nergtiques de l'ensemble de traction.

Figure 14. Cycle idalis de la permance et du couple d'une paire des dents
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.3 Le moteur rluctance variable commutation lectronique (MRVCE)
30


Une autre approche pour la rduction des ondulations de couple est l'optimisation de
la stratgie de commande [16] pour profiter le plus possible des zones de production
du couple et pour diminuer le couple parasite. Cette optimisation des instants de
commutation des phases doit s'appuyer sur une trs bonne analyse de la topologie
employe, obtenue depuis l'tape de modlisation.

Figure 15. Couple et ondulations du couple dans une machine rluctance variable
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
1.4 Conclusion
1.4 CONCLUSION
Dans ce chapitre introductif le contexte du domaine de la traction lectrique lgre
est prsent pour justifier l'intrt et l'actualit du sujet abord. Les recherches dans
ce domaine sont motives par les nombreux rapports des organismes internationaux
du domaine de transport qui indiquent le fort intrt que les vhicules lectriques
vont susciter dans les prochains dcennies.
Les critres spcifiques imposs par ce domaine sont identifis pour pouvoir dfinir
les objectifs atteindre par la solution propose. Suivant, une taxonomie des
solutions de traction lectrique existantes sur le march est faite. Plusieurs types de
moteurs lectriques sont compars sur la base des critres spcifiques
l'application.
partir de ces rsultats, le choix pour le moteur rluctance variable comme
solution de traction lectrique lgre est justifi et les notions gnrales sur sa
structure et son fonctionnement sont prsentes.
Le principe de son fonctionnement est expliqu aussi que les quations qui
gouvernent la production du couple l'aide du circuit quivalent du moteur et du
principe de la variation de la co-nergie dans un systme lectromagntique. Les
problmes lis sa conception sont identifis pour tre intgrs dans l'tape
d'optimisation.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Chapitre 2. Modlisation du moteur rluctance variable commutation lectronique
(MRVCE)








Chapitre 2
2. MODELISATION DU MOTEUR A
RELUCTANCE VARIABLE A
COMMUTATION ELECTRONIQUE
(MRVCE)
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.1 Introduction
33

2.1 INTRODUCTION
Une structure simple et l'absence d'aimants et de bobinage rotorique sont les
principaux avantages du MRVCE. La construction et la maintenance du moteur sont
facilites, le cout de fabrication est rduit et la fiabilit augmente. Toutefois, la
modlisation des effets lectromagntiques produits l'intrieur du moteur est
particulirement difficile et technologiquement, la partie d'alimentation du moteur est
atypique et donc gnralement coteuse.
La double saillance du MRVCE fait que les conditions ncessaires pour la
transformation de Park ne sont pas satisfaites. Le couple est produit par impulsions
et la seule mthode de l'estimer est par rapport l'nergie lectrique convertie en
nergie mcanique pendant une impulsion. La saturation qui intervient normalement
dans le fonctionnement d'un MRVCE et les couplages mutuels produits entre les
phases augmentent encore la complexit de la modlisation.
Des mthodes numriques et analytiques pour la modlisation de la MRVCE existent
dans la littrature, chacune avec ses avantages et inconvnients. Gnralement, les
mthodes numriques ont l'avantage d'une prcision assez haute au dtriment du
temps de calcul et des ressources levs ncessaires. Les mthodes analytiques,
n'ont pas la prcision des mthodes numriques mais ont l'avantage de la rapidit.
Le domaine d'application envisag pour la MRVCE est la traction lectrique lgre.
Ainsi, le systme comprenant la MRVCE et la partie d'alimentation doit rpondre
certains critres de fonctionnement. Dans ce chapitre, l'outil de modlisation par
rseau de permances est prsent. Le modle ralis va tre ultrieurement utilis
dans un procs d'optimisation dont le but est de trouver les meilleurs paramtres du
systme du point de vu de l'application et non pas du composant machine. Ainsi,
l'outil de modlisation doit tre rapide, facilement paramtrable et surtout prcis dans
le domaine de variation tudi.
La validation des rsultats obtenus va tre faite l'aide d'un outil lments finis pour
une certaine gomtrie et avec une certaine technique d'alimentation. Dans le
dernier chapitre, une autre validation de l'outil par rseau de permances va tre
faite l'aide de mesures sur un prototype construit grce nos outils.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.2 Mthodes utilises dans la modlisation des moteurs lectriques
34

2.2 METHODES UTILISEES DANS LA
MODELISATION
2.2.1. CLASSIFICATION
Les mthodes analytiques [17] - [21] utilisent les quations de fonctionnement du
moteur lectrique pour modliser les effets lectromagntiques qui surgissent. Ces
mthodes considrent comme point de dpart la gomtrie du moteur pour obtenir,
l'aide d'quations les courbes de flux et de couple.
Ces modles ont t les premiers tre dvelopps et ncessitent des faibles
ressources de calcul. Par contre, les simplifications qu'ils introduisent dans la
rsolution des modles rduisent la prcision des rsultats. Une supposition
gnralement faite est le dcouplage magntique entre les phases; c'est--dire que
le flux produit par une phase statorique n'est pas influenc par le flux des autres
phases. L'inductance est calcule dans des positions cls (aligne, non-aligne,
etc.).
Les mthodes d'interpolation [22] font appel aux donnes rcupres partir
d'essais pratiques. L'intrt des ces mthodes provient de la rcupration quasi
instantane des rsultats pour une position, ce qui est indispensable pour les
applications avec un contrle en ligne. Par contre, ces mthodes sont difficiles
implmenter et sont couteuse.
Des mthodes rcentes, appeles "mthodes intelligentes" ont ts appliques avec
succs dans des tapes trs spcifiques de la modlisation du MRVCE. Les
mthodes les plus connues dans cette catgorie sont les mthodes par rseaux
neuronales artificielles ("Artificial Neural Network ANN) [23] [24] et les mthodes
par systmes d'infrence adaptatives neuronales fuzzy ("Adaptive neural fuzzy
inference systems ANFIS) [25] [26]. Ces dernires mthodes valuent le couple
produit en fonction du flux mesur en utilisant des mthodes fuzzy neuronales.
Les mthodes des lments finis [27] ont l'avantage de la prcision et du calcul
localis des grandeurs lectromagntiques. Par contre, les ressources informatiques
et les temps de calcul ncessaires sont assez levs. Ces mthodes peuvent tre
utilises pour faire l'analyse complte du fonctionnement de la machine ou, plus
souvent, pour obtenir des rsultats intermdiaires utiliss par la suite travers
d'autres mthodes. Les mthodes des lments finis sont actuellement
implmentes dans des outils commerciaux peu modifiables et peu modulables.
Les mthodes base de circuit magntique quivalent [28] [29] sont les plus
rpandues pour le calcul des caractristiques du MRVCE. L'analyse par rseau de
permances est une de ces mthodes. Le circuit magntique de la machine, obtenu
partir de la gomtrie et des caractristiques lectriques et magntiques est rsolu
par des mthodes de type circuits lectriques. Les permances des parties d'entrefer
et des parties ferromagntiques sont les composantes passives du circuit et les
sources magntomotrices sont les composantes actives. La rsolution du circuit peut
tre faite en linaire ou en non-linaire, avec les phases indpendantes ou couples
magntiquement. La complexit de ces mthodes se situe gnralement au niveau:
du calcul prcis des permances d'entrefer [30] pour les diffrentes positions
du rotor
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.2 Mthodes utilises dans la modlisation des moteurs lectriques
35

de la rsolution matricielle du systme d'quations non-linaires [31].
Dans ce qui suit, la mthode d'analyse par rseau de permances est implmente
pour simuler le fonctionnement du MRVCE. La mthode par lments finis va tre
aussi utilise comme mthode auxiliaire, dans un premier temps pour identifier les
chemins de flux magntique les plus importants pour l'analyse et, ensuite, comme
outil de validation de la modlisation par rseau de permances, avant les essais
pratiques.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.2 Mthodes utilises dans la modlisation des moteurs lectriques
36

2.2.2. MODELISATION PAR EQUATIONS DIFFERENTIELLES DE
CHAMP ELECTROMAGNETIQUE
La modlisation par quations diffrentielles de champ lectromagntique, rsolues
par la mthode numrique des lments finis, permet d'obtenir non seulement les
caractristiques de fonctionnement globales de la machine mais aussi des rsultats
locaux l'intrieur du circuit magntique de la machine, notamment les flux et les
potentiels magntiques scalaires. La complexit de la mthode et assez leve ce
qu'entrane des ressources informatiques trs importantes.
La mthode est base sur la rsolution des quations de Maxwell pour le champ
lectromagntique produit l'intrieure de la machine, dont la forme diffrentielle est:
=

V D (2-1)
0 =

V B (2-2)

t
B
E x
c

c
=

V (2-3)

t
D
J H x
c

c
+

V (2-4)
avec :
E champ lectrique [V/m]
D dplacement lectrique ( E D
0
c = ) [C/m
2
]
densit de charge lectrique [C/m
3
]
B induction magntique [T]
H champ magntique [A/m]
J densit de courant [A/m
2
]
t temps [s]
V operateur divergence
Vx operateur rotor
La liaison entre la densit du courant et le champ lectrique E est donne par:


= E J o (2-5)
avec -- conductivit lectrique.
L'induction magntique B est lie au champ magntique H par l'quation:
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.2 Mthodes utilises dans la modlisation des moteurs lectriques
37

H
r
B
0
(2-6)
avec
0
la permabilit du vide (4*10
-7
N/A
2
) et
r
la permabilit relative du
matriau.
Une autre variable magntique ncessaire dans l'analyse des champs
lectromagntiques tournants est le potentiel vecteur A. Il peut tre exprim l'aide
de l'induction B comme suit:


V = A x B (2-7)
La rsolution des problmes d'analyse de champ en deux dimensions peut tre faite
en utilisant les quations (2-1)-(2-7) regroupes par l'quation diffrentielle scalaire:
y
Hc
x
Hc
J
t
A
y
A
x x
A
x
x y
ex
r r c
c

c
c
+ =
c
c
+
|
|
.
|

\
|
c
c
c
c
+
|
|
.
|

\
|
c
c
c
c
* *
1
*
1
0 0
o

(2-8)
Les conditions limites ncessaires pour rsoudre cette quation diffrentielle sont
systmatises comme suit [32]:
- condition de Newman homogne et gale zro |
.
|

\
|
=
c
c
0
n
A
sur le contour du
domaine d'tude
- condition de Dirichlet qu'impose la valeur du potentiel vecteur sur la partie
choisie du contour du domaine d'tude
- conditions de symtrie ou conditions de priodicit ou d'anti-priodicit selon
la parit de la partie du systme d'tude
Dans cette tude la rsolution de l'quation de Poisson dans la machine est faite
l'aide d'un outil commerciale d'analyse par lments finis - JMag-Studio
TM
. L'analyse
est faite dans un tat dynamique, fin d'tudier l'effet de la stratgie d'alimentation
sur les grandeurs lectromagntiques du moteur.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.2 Mthodes utilises dans la modlisation des moteurs lectriques
38

2.2.3. MODELISATION PAR RESEAU DE PERMEANCES
Le principe de cette modlisation revient dcomposer le circuit magntique en
lments discrets assimils des tubes de flux. Chaque tube de flux fait une
approximation d'un chemin possible pour les lignes du champ magntique. Les tubes
de flux permettent de prendre en compte la gomtrie dans la rsolution du circuit
magntique. Le tube de flux est aussi caractris par une permance dont la valeur
dpend du matriau et de son tat de saturation.
Les autres composants du circuit magntique sont les sources c'est--dire les
tensions magntomotrices. Ils font la liaison entre la partie lectrique et la partie
magntique de la machine. Les sources magntomotrices peuvent tre assimiles
aux sources de tension dans les circuits lectriques.
Aprs la dtermination complte du circuit magntique les mthodes classiques de
rsolution des circuits lectriques peuvent tre utilises pour rsoudre le systme et
obtenir les valeurs des potentiels magntiques et les valeurs du flux de chaque tube.
Les permances peuvent tre regroupes dans deux catgories:
- permances des parties d'air qui peuvent tre constantes pour une gomtrie
constante (les permances des encoches statoriques) ou variables avec la
position du rotor (permances d'entrefer). Les derniers sont plus difficile
estimer, surtout pour des positions d'alignement partiel o plusieurs chemins
de flux doivent tre prisent en considration.
- permances des parties ferromagntiques peuvent aussi tre constantes ou
variables avec la position du rotor. La difficult dans ce cas est donne par le
phnomne de saturation qui survienne pour des valeurs de courant
d'alimentation plus importantes et/ou pour des positions d'alignement partiel.
Pour rsoudre le circuit magntique avec une prcision raisonnable des hypothses
simplificatrices ont tes considres dans l'analyse [30]:
- les lignes de flux dans l'entrefer sont soit des arcs concentriques soit des
lignes droites
- les lignes de flux entrent et sortissent des parties de fer sous la direction
normale
- les lignes de flux dans les dents du stator et du rotor sont parallles l'axe
des dents
- les lignes de flux dans les culasses statorique et rotorique sont concentriques
- les encoches sont partialement remplies par les bobines (deux bobines
conscutives sont spares par des rgions d'air)
- l'arbre du moteur est compltement amagntique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
39

2.3 CONCEPTION DE L'OUTIL DE MODELISATION
PAR RESEAU DE PERMEANCES
2.3.1. OBJECTIFS
Dans le cadre de l'optimisation du MRVCE pour des applications de traction
lectrique lgre il est ncessaire d'avoir un modle prcis, rapide et paramtr de
l'ensemble de traction. Du point de vue de l'algorithme d'optimisation, le modle du
MRVCE doit pouvoir fournir les caractristiques de fonctionnement du moteur partir
de variables gomtriques et de commande imposes par l'optimisation.
Les temps de calcul du modle ont une trs grande influence sur l'applicabilit
pratique de l'optimisation. Dans le procs d'optimisation, des centaines de versions
du moteur doivent tre calcules dans un temps le plus rduit possible.
Le procs de modlisation du moteur doit tre compltement automatis, partir de
la construction de la gomtrie jusqu' l'interprtation des rsultats. Le modle doit
aussi pouvoir identifier des cas infaisables, comme par exemple des gomtries
extrmes et doit grer ce type de situations sans intervention humaine.
Ainsi, la mthode par rseau de permances est utilise pour la construction de
l'outil de modlisation. La mthode est rapide, facilement paramtrable et avec une
prcision leve, que sera prouve par une comparaison avec la mthode des
lments finis et dans le dernier chapitre l'aide des essais pratiques effectus sur
un prototype. La mthode permette aussi d'intgrer la technique d'alimentation dans
le modle et ainsi de prendre en considration l'effet de la gomtrie du moteur
simultanment avec la commande de l'onduleur.
Dans la suite, les tapes de la construction de cet outil seront prsentes. Ensuite, la
validation de la mthode serait faite par rapport la mthode des lments finis, sur
une gomtrie existante de MRVCE.
2.3.2. CALCUL DES PERMEANCES
2.3.2.1 PRINCIPE DE LA METHODE
La mthode des tubes de flux est base sur l'approximation d'un chemin de flux par
un tube qui respecte certains critres:
- la section est constante tout au long du tube
- les lignes des flux passent seulement dans la direction longitudinale du tube
- les deux sections aux extrmits du tube sont quipotentielles
Un tube de flux peut avoir une forme quelconque, avec une section S (Figure 16).
Ceci est quivalent un autre tube droit de section constante et longueur gale la
longueur moyenne du tube initial.
La permance d'un tube de flux est lie la section S, la longueur l et de la
permabilit du moyen dont le tube substitue.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
40


l
S
= A

(2-9)
Pour le cas de l'entrefer, la permabilit est gale la permabilit du vide
0
(410
-
7
H/m). Pour les parties ferromagntiques la permabilit relative du matriau
intervienne et l'quation (2-9) devient:
l
S
r

0
= A (2-10)
La permabilit relative des parties ferromagntiques nous permette de modliser
l'effet de la saturation dans la machine l'aide de la courbe de premire aimantation
B(H).
Dans le cadre de la modlisation par rseau de permances, l'information sur la
gomtrie de la machine est contenue dans les dimensions des tubes de flux. Les
proprits magntiques des milieux modliss sont aussi intgres dans les
proprits de ces tubes. Ainsi, les proprits gomtriques et des matriaux de la
machine sont prises en compte dans le modle par rseau de permances l'aide
des tubes de flux et des permances que le constituent.
fin d'obtenir des rsultats corrects l'issue de l'analyse, les zones importantes
pour le passage du flux dans la machine doivent tre identifies et intgres dans le
modle. En mme temps, un niveau trop lev des composants dans le circuit
augmente la difficult de rsolution aussi que les temps de calcul et les ressources
ncessaires pour l'analyse. Ainsi, les tubes de flux pris en compte doivent tre
soigneusement choisis, de faon atteindre le compromis entre la prcision des
rsultats et complexit du systme.
Le choix des tubes de flux intgrs dans le modle peut tre fait l'aide d'une
analyse par lments finis. Dans les diffrentes positions d'alignement et non-
alignement entre les dents statoriques et les dents rotoriques les chemins de flux les
plus importants sont identifis et les gomtries des leurs tubes de flux sont
calcules.

Figure 16. Tube de flux
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
41


Les permances d'entrefer aussi que les permances des parties ferromagntiques
varient en fonction de la position du rotor. Dans le cas des permances d'entrefer
seulement la gomtrie du tube change (calcule l'aide des quations proposes
par Kokernak [28]), pendant que dans le cas des permances du fer c'est surtout la
permabilit relative
r
qui change en fonction de la quantit de flux que les tubes
contiennent.
2.3.2.2 CALCUL DE LA GEOMETRIE DES TUBES DE FLUX
La modlisation par rseau de permances du moteur rluctance variable dbute
avec le calcul de la gomtrie partir des variables d'entre donnes par l'utilisateur.
L'outil de modlisation est paramtr de faon qu'il soit possible d'tudier des
diffrentes topologies et gomtries. Ainsi, le nombre des dents statoriques et
rotoriques peut varier tout en respectant les critres de faisabilit de la topologie.
partir des dimensions du moteur, les surfaces de superposition entre les dents
statoriques et les dents rotoriques sont calcules pour toutes les positions du rotor.
Les variables relatives la gomtrie du moteur qui doivent tre prcises dans la
phase d'initialisation du modle sont:
le nombre de dents statoriques et rotorique N
sp
et N
rp

les cinq diamtres qui caractrisent le stator et le rotor: D
sext,
D
sint
, D
rext
, D
rint
,D
axe
(diamtres extrieur et intrieur du stator, diamtre d'alsage, diamtre
intrieur du rotor et diamtre de l'arbre respectivement).
la largeur de la dent statorique et de la dent rotorique: w
s
et w
r
respectivement
la longueur axiale du moteur L
am

partir de ces donnes, les autres dimensions gomtriques, comme la largeur de
l'entrefer e, les hauteurs des dents h
s
et h
r
et les hauteurs des culasses h
scu
et h
rcu
,
sont calcules pour obtenir tous les informations ncessaires dans le calcul des
tubes de flux.

Figure 17. Identification des chemins de flux dans la position aligne et non-aligne

j

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
42


2.3.2.3 PERMEANCES DES REGIONS D'AIR
Les permances des rgions d'air peuvent tre classifies dans deux grandes
catgories: permances d'entrefer et permances d'encoche statorique. Les
permances d'entrefer relient les dents statoriques aux dents rotoriques. La valeur
des ces permances varie avec la position du rotor.
Les permance d'encoche apparaissent entre deux dents statoriques conscutives.
La valeur de cette de permance est constante pour une gomtrie donne.
Normalement ils sont ngligeables par rapport aux permances d'entrefer, mais ils
deviennent importants dans le cas d'une alimentation biphase.
2.3.2.3.1. PERMEANCES D'ENCOCHE
La permance d'encoche
enc
peut tre facilement exprime l'aide des dimensions
gomtriques du moteur:
s
s
h
sext
R
L
s
h
enc
O
= A
* )
2
(
*
0
(2-11)
avec
0
permabilit du vide (
0
= 4*10
-7
H/m)
h
s
- hauteur de la dent statorique
L - longueur axiale de la machine
R
sext
- rayon extrieur du stator

s
- pas statorique
La permance de l'encoche statorique est importante pour le calcul des effets de
couplage entre les phases, surtout pour le cas d'une alimentation avec deux ou
plusieurs phases en mme temps.

Figure 18. Paramtres gomtriques du moteur rluctance variable


Figure 1.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
43


2.3.2.3.2. PERMEANCES D'ENTREFER
Le calcul de la permance d'entrefer est fait pour le cas d'une seule dent statorique
et une dent rotorique pour des positions spcifiques. Ensuite, il va tre gnralis par
interpolation et dcalage pour toutes les positions relatives des dents statoriques et
rotoriques.
Pour des certains positions rotoriques, un seul tube n'est pas suffisant pour
modliser toutes les chemins importants emprunts par le flux. Ainsi, deux ou
plusieurs tubes de flux en parallle et/ou srie seront utiliss.
POSITION ALIGNEE
Dans la position aligne on peut considrer qu'une grande partie du flux passe
directement de la dent statorique la dent rotorique par le biais du tube de flux
numro 1 (Figure 20). L'quation de la permance pour ce tube de flux est simple
dduire, partir de (2-9):
e
L
e
rext
R
r s
a
* )
2
( * ) , min(
0 1
+
= A
| |
(2-12)
avec
s
et
r
: les angles au centre des dents statoriques et rotoriques
respectivement
rext
R
r
w
R
s
w
s
=
=
r
sint
|
|
(2-13)
R
rext
,R
sint
- rayon extrieur du rotor et le rayon intrieur du stator
w
s
, w
r
- largeurs des dents statoriques
e - largeur de l'entrefer

Figure 19. Lignes de flux dans l'encoche
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
44


En plus de cette permance, dans la position aligne, une autre permance doit tre
considre pour avoir une modlisation complte des phnomnes
lectromagntiques. Les lignes de flux de la rgion 2 ont une forme d'arc
concentrique et leur permance peut tre exprime comme suit:
t

t
| | | |
| | | |

L
e
rext
R
r s r s
L
e
rext
R
r s r s
a
0
2
2
)
2
( )] , min( ) , [max(
)
2
( )] , min( ) , [max(
0 2
=
+
+
= A (2-14)
La surface du tube de flux est donne par la diffrence entre les angles des deux
dents multiplie par le rayon moyen dans l'entrefer et la profondeur de la machine.
La longueur du tube de flux est proportionnelle avec un arc de cercle de radians.
La permance totale dans le cas de la position aligne est gale la somme de ces
deux permances qui sont en parallle. La permance de la rgion 2 est prise en
compte deux fois (Figure 20). Ainsi, la valeur totale de la permance d'entrefer dans
la position aligne
a
est:
2
* 2
1 a a a
A + A = A (2-15)
POSITION D'ALIGNEMENT INCOMPLET
Dans les positions d'alignement incomplet une partie de la dent rotorique est encore
aligne avec la dent statorique alimente. Ainsi, il existe encore un tube de flux
orthogonal la surface des dents mais l'influence des tubes circulaires sur les cotes
est plus leve. La forme de ces tubes de flux est prsente sur la Figure 21.

Figure 20. Tubes de flux dans la position aligne
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
45


La permeance dans la premire rgion est donne par la surface de superposition
entre les deux dents, similaire la permeance pour le cas d'alignement complet.
e
L
e
rext
R
x
d
- + -
= A
)
2
(
0 1
|
(2-16)
avec
x
l'angle de superposition entre la dent statorique et la dent rotorique.
L'expression pour les deux rgions des bords des dents est similaire avec
l'expression pour le cas aligne, sauf que dans ce cas l'angle au centre du tube est
de /2 radians au lieu de radians.
t

t
| | | |
| | | |

L
e
rext
R
r s r s
L
e
rext
R
r s r s
d
0
4
2 2
)
2
( )) , min( ) , (max(
)
2
( )) , min( ) , (max(
0 2
=

+
+
= A (2-17)
Les tubes des deux rgions tant en parallle, la permance totale pour des
positions d'alignement intermdiaire est:
2
* 2
1 d d d
A + A = A (2-18)
POSITION DE NON-ALIGNEMENT
Les positions de non-alignement peuvent tre classifies leur fois dans deux sous-
catgories:
- non-alignement proche
- non-alignement distant
Dans la position de non-alignement proche, l'effet produit par la dent statorique
alimente sur la dent rotorique proche d'elle est encore significatif. Par contre,

Figure 21. Tubes de flux dans une position d'alignement intermdiaire
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
46

partir d'une certaine position rotorique (considre dans notre modle gale 5) la
majorit des lignes de flux ne passent plus par la dent rotorique mais ils rentrent
directement dans la culasse rotorique. Les deux cas sont prsents sur la Figure 22.
Pour le premier cas, de non-alignement proche, la permance dans la rgion numro
1 peut tre considre comme une partie de la permance de l'encoche dfinie
antrieurement:
)
2
( *
*
0 1
e
rext
R
L
s
h
n
+
= A
o
(2-19)
avec h
s
- hauteur de la dent statorique
- angle mesur au centre entre les deux dents.

La permance de la deuxime rgion est:
)
2
( *
*
0 1
e
rext
R
L
s
h
n
+
= A
o
(2-20)
Les permances des rgions trois et quatre sont calcules de faon similaire avec
ceux pour les rgions des cots de la position aligne:
t

t
o | |
o | |

L
e
rext
R
r s
L
e
rext
R
r s
n n
0
2
4
)
2
( ) ) , (min( 2
)
2
( ) ) , (min(
0 4 3
=
+
+
= A = A (2-21)
Les permances des rgions 1 et 3 forment une permance en srie, aussi que
celles des rgions 2 et 4. Les deux permances srie sont leur tour lies en
parallle. Ainsi, l'quation de la permance totale de l'entrefer pour cette position est:

a) Non-alignement proche

b) Non-alignement distant
Figure 22. Positions de non-alignement
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
47

4 2
4
*
2
3 1
3
*
1
n n
n n
n n
n n
n
A + A
A A
+
A + A
A A
= A (2-22)

Pour le cas de non-alignement distant, quand les lignes de flux ne passent pas
travers la dent rotorique, l'quation de la permance d'entrefer est:
e
r
h
L
e
rext
R
s
n
+
+
= A
* )
2
( *
0
|
(2-23)
Ainsi, quand la dent rotorique n'est pas dans la proximit de la dent statorique
alimente, la permance de l'entrefer pour cette paire est trs rduite.
Les permances d'entrefer sont considres linaires et donc elles ne sont pas
influences par la valeur du courant dans les phases alimentes. En revanche, elles
varient avec la position du rotor et leurs calcul doit se faire pour chaque position
discrte des paires des dents rotoriques par rapport aux paires des dents
statoriques.
Nanmoins, pour pouvoir calculer l'effet que ces permances d'entrefer ont sur le
couple lectromagntique de la machine, il faut que les valeurs des permances
soient continues sur le domaine de variation de la position rotorique ([-180180]).
Ainsi, on calcule la permance d'entrefer pour des positions cls et ensuite on utilise
une fonction d'interpolation du logiciel Matlab (la spline cubique) pour obtenir le
domaine continu de variation de la permance. La forme de cette courbe pour une
dent statorique et une dent rotorique est prsente sur la Figure 23. Les rgions
importantes d'alignement et non-alignement analyss auparavant sont aussi
indiques.


Figure 23. Courbe de la permance d'entrefer pour une dent statorique et une dent rotorique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
48

2.3.2.4 PERMEANCES DES PARTIES FERROMAGNETIQUES
La caractristique magntique d'un milieu ferromagntique est donne par sa
permabilit relative
r
. Pour les milieux linaires la permabilit a une valeur
constante, tandis que pour les milieux saturables
r
varie en fonction du courant
d'alimentation par le biais du champ magntique H.
Ainsi, la permance d'un tube de flux d'une rgion ferromagntique est:
l
s
r fer

0
= A (2-24)
Suivant, la gomtrie des tubes de flux qui caractrisent les principales rgions du
moteur est calcule partir des dimensions du moteur.
Les permances des culasses statoriques et respectivement rotoriques sont:
)
2
(
)
2
(
0
0
cu
axe r
cu
r er
cu
sext s
cu
r es
rb
R
L rb
sb
R
L sb
+ O

= A
O

= A


(2-25)
avec
0
- permabilit du vide (410
-7
H/m)

r
- permabilit relative du milieu ferromagntique,
sb
cu
- largeur de la culasse statorique
rb
cu
- largeur de la culasse rotorique
R
sext
- rayon extrieur du stator

s
- pas statorique

r
- pas rotorique
Les permances des dents statoriques et des dents rotoriques sont respectivement:
r
r
r dr
s
s
r ds
h
L w
h
L w

= A

= A


0
0
(2-26)
avec w
s
et w
r
les largeurs de la dent statorique et de la dent rotorique
h
s
et h
r
les hauteurs de la dent statorique et de la dent rotorique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
49

2.3.3. ALIMENTATION-COMMANDE ELECTRONIQUE
Les avantages du moteur rluctance variable sont surtout lis sa structure simple
et robuste. L'absence d'aimants rduit la masse totale du moteur et augmente sa
fiabilit. En mme temps le cot de fabrication du MRVCE est rduit par rapport aux
autres types de machines lectriques.
Nanmoins, le moteur rluctance variable autocommutation demande une
alimentation atypique. Ainsi, le MRVCE est gnralement aliment depuis un
onduleur triphas en demi-pont asymtrique. Cette topologie d'onduleur augmente le
prix total du systme de traction et rduit l'attractivit du MRVCE comme solution de
traction lectrique.
De nombreux papiers ont tudis diffrentes mthodes pour alimenter le moteur
rluctance variable en utilisant d'autres topologies d'onduleurs. Dans le suivant on va
analyser le fonctionnement du MRVCE aliment de manire classique (c'est--dire
avec l'onduleur en demi-pont asymtrique) aussi que d'autres solutions
d'alimentation.
Les caractristiques souhaitables pour les onduleurs utiliss dans l'alimentation du
MRVCE sont [33]:
capacit de fournir des tensions bipolaires pour les priodes de magntisation
et dmagntisation des phases.
tension de sortie gale la tension du bus continu pour la phase de
magntisation aussi que pour la phase de dmagntisation
disponibilit de la tension de dmagntisation dans une phase en mme
temps que la tension de magntisation dans une autre phase
nombre rduit de composants
Ces critres sont complts par les besoins de l'application de traction lectrique:
plage large des vitesses
efficacit leve sur toute la gamme de vitesses et de puissances
fiabilit et robustesse
prix rduit
Quatre topologies d'onduleur seront prsentes, chacune ayant des avantages et
des inconvnients du point de vue de l'application envisage.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
50

2.3.3.1 TOPOLOGIES D'ONDULEURS
2.3.3.1.1. ONDULEUR EN DEMI-PONT ASYMETRIQUE
L'onduleur le plus utilis pour l'alimentation du moteur rluctance variable est
l'onduleur en demi-pont asymtrique (Figure 24). Un bras d'onduleur est form par
deux commutateurs semi-conducteurs et deux diodes de roue libre.
L'avantage majeur de ce circuit est le contrle indpendant des phases qu'il offre et
la protection implicite donne par la prsence du bobinage du moteur entre les deux
composants semi-conducteurs. En plus, l'onduleur offre une capacit maximale dans
le cas du freinage avec rcupration et des performances de fonctionnement
identiques dans les quatre quadrants [34]. La superposition des courants des deux
phases est aussi possible, ce qui donne la possibilit de rduction des ondulations
de couple du moteur.
Pourtant, cette topologie d'onduleur n'est pas disponible dans en configuration
standard dans l'industrie et ainsi son prix est assez lev par rapport aux solutions
plus habituelles.
Le courant dans les phases du moteur est contrl par la slection d'un des trois
tats possibles pour les commutateurs:
les deux commutateurs d'un bras sont amorcs et la phase est alimente
les deux commutateurs d'un bras sont ouverts et le courant dcrot rapidement
par les diodes (phase de dmagntisation)
un seul commutateur d'un bras est amorc et le courant dcrot lentement
(phase de roue libre)
La stratgie de commande est directement lie aux phnomnes lectromagntiques
du moteur. Ainsi, les phases sont alimentes sur la partie ascendante de la courbe
de l'inductance. Pour un moteur triphas avec six dents statoriques et huit dents
rotoriques, la stratgie de commande est prsente sur la Figure 25.
En fonction de la gomtrie du moteur, les priodes de conduction peuvent tre
prolonges pour profiter de la superposition des phases et ainsi pour rduire les
ondulations du couple. Le courant utilis pour ce type d'alimentation est unipolaire.


Figure 24. Onduleur triphas en demi-pont asymtrique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
51

Pour les applications de traction, la technique de contrle la plus adapte est le
contrle direct du couple (DTC 'Direct Torque Control' en anglais). Certains papiers
[35] [36] ont tudis l'application de cette technique de contrle au MRVCE aliment
depuis l'onduleur en demi-pont, avec de bons rsultats. Le contrle sans capteurs
('sensorless') a t aussi implment pour les techniques de contrle classique [37]
et pour le DTC [38].L'limination du capteur de position entrane une rduction du
prix et de la masse de l'ensemble et introduit plus de fiabilit dans le fonctionnement.


Figure 25. Stratgie d'alimentation pour le 6/8 MRVCE avec onduleur en demi-pont asymtrique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
52

2.3.3.1.2. ONDULEUR MILLER
Une autre solution utilise pour l'alimentation du MRVCE est l'onduleur Miller (Figure
26). Cette topologie a l'avantage d'un nombre rduit des composants de
commutation (4 pour un onduleur triphas) et ainsi d'un prix rduit.

L'onduleur Miller a t dvelopp sur la base de l'onduleur en demi-pont, ayant
comme ide principale la rduction du nombre des composants. La partie infrieure
de l'onduleur est identique l'onduleur en demi-pont asymtrique, en tant que les
commutateurs suprieurs sont remplacs par un seul dispositif commun pour tous
les bras.
Le mode de fonctionnement de cet onduleur est le suivant: la phase qu'on doit
alimenter est choisie l'aide des commutateurs infrieurs S
1
, S
2
et S
3
en temps que
le commutateur suprieur S relie l'autre extrmit du bobinage aliment la borne
positive du circuit continu. Pour une phase i ils existent trois tats de fonctionnement:
S et S
i
sont amorcs et la phase est alimente (priode de magntisation)
S et S
i
sont ouverts et le courant de la phase dcrot rapidement par la diode
commune et la diode de phase (priode de dmagntisation)
S est amorc et S
i
est ouvert, ainsi le courant de la phase dcrot lentement
(priode de roue libre)
La consquence directe du nombre rduit des composants est la perte du contrle
indpendant des phases. Ainsi, la priode de dmagntisation d'une phase ne peut
pas tre superpose avec la priode de magntisation d'une deuxime phase. D'une
autre cot, dans le cas de la superposition des priodes de magntisation des deux
phases la tension maximale disponible pour chaque phase est seulement une moiti
de la tension du bus continu.
Un deuxime inconvnient est li au manque d'une standardisation de l'onduleur, ce
qu'entraine, comme dans le cas de l'onduleur en demi-pont, un prix de l'ensemble de
traction assez lev.



Figure 26. Onduleur Miller
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
53

2.3.3.1.3. ONDULEUR N+1
Dans l'ide de la rduction du prix total de l'ensemble de traction, une solution est
propose dans [33] qui emploie un module industriel avec quatre bras "VSI" standard
pour alimenter le MRVCE triphas.

Un des bras de l'onduleur commun pour les trois phases (S
+
, S
-
) est li au point
neutre du moteur. Ainsi, le contrle indpendant des trois phases est maintenu.
Chaque phase peut tre alimente avec une tension positive ou ngative et l'tape
de magntisation d'une phase peut se superposer avec la priode de
dmagntisation d'une autre phase.
L'avantage de cette topologie est la possibilit d'utiliser la superposition des phases
avec le courant de la phase qui se magntise, utilis comme courant de
dmagntisation pour la phase qui doit tre teinte. La stratgie est explique sur la
Figure 28.
Vu le nombre des composants semi-conducteurs utiliss pour la construction de
l'onduleur 'n+1', le prix total de l'ensemble de traction reste lev et la partie de
commande ncessite une puissance de calcul augmente.


Figure 28. Stratgie d'alimentation biphas du MRVCE depuis l'onduleur 'n+1'

Figure 27. Onduleur 'n+1'
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
54

2.3.3.1.4. ONDULEUR TRIPHASE EN PONT COMPLET
Pour viter l'inconvnient d'une topologie inhabituelle on propose dans le suivant
l'utilisation d'un onduleur triphas en pont complet pour alimenter le moteur
rluctance variable. Ce type d'onduleur est le plus courant dans l'industrie et cause
de sa standardisation, offre un prix beaucoup moins lev par rapport aux autres
topologies prsentes.
Pourtant, l'utilisation de cet onduleur entrane la perte du contrle indpendant des
phases: le retour du courant d'une phase se fait par une deuxime phase. Ainsi,
l'implmentation d'une nouvelle stratgie de commande avec des courants bipolaires
est ncessaire. La topologie de cet onduleur est prsente sur la Figure 29.

Le courant de la phase est maintenu autour d'une certaine valeur l'aide d'une
bande d'hystrsis. Ainsi, dans chaque priode il existe trois modes de
fonctionnement de l'onduleur (Figure 30):
Mode 1 les deux commutateurs S
1
et S
4
sont en conduction et les phases 1
et 2 sont lies au bus continu; le courant dans la phase 1 est positif et le
courant dans la phase 2 est ngatif; les deux commutateurs conduisent
jusqu' quand le courant atteint la valeur maximale
Mode 2 quand S
1
est teint l'onduleur fonctionne dans le mode de roue libre,
avec le courant que dcroit lentement par D
1
et S
4

Mode 3 les deux commutateurs sont teints et le courant dans les phases
dcroit rapidement cause de la tension ngative fournie dans ce cas par le
bus continu; le circuit se referme par les diodes D
1
et D
4



Figure 29. Onduleur triphas en pont complet
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
55



Figure 30. Modes de fonctionnement dans une priode
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
56

2.3.3.2 STRATEGIES D'ALIMENTATION
La stratgie classique pour l'alimentation du MRVCE depuis l'onduleur triphas en
pont complet est prsente dans [39]. Une des deux phases alimentes est
responsable pour la production du couple, l'inductance de cette phase tant dans la
zone de variation positive (Figure 31). L'inductance de la deuxime phase, qu'est
utilise comme chemin du retour pour le courant de la premire phase, doit tre dans
la zone constante, pour ne pas produire du couple de freinage.

L'utilisation de cette stratgie, bien qu'intuitive, apporte des nouveaux problmes lis
aux temps de commutation. La modification de la polarit du courant d'alimentation
d'une priode la suivante impose l'introduction des temps morts pour viter les
courts circuits dans l'onduleur. Ainsi, la priode de conduction effective est rduite et
les performances dynamiques diminues.
Pour viter ce problme une stratgie d'alimentation pour le MRVCE qu'limine la
ncessite du temps de garde est propose dans [8]. Ainsi, une priode de non-
conduction est interpose entre deux priodes de conduction avec des polarits
opposes (Figure 32).
La succession d'alimentation des phases est change par rapport la technique
prcdente et la priode de conduction est double. Par consquence, la frquence
de commutation est rduite par une moiti et la ncessit d'une priode de garde est
limine. La valeur du courant dans les phases est maintenue autour d'une valeur
impose en utilisant les trois modes prsents prcdemment.


Figure 31. Stratgie classique de commande du MRVCE en utilisant l'onduleur triphas en pont complet
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
57

La squence de commutation pour les six commutateurs est prsente dans le
Tableau 2. Pour un moteur avec six dents statoriques et huit dents rotoriques le pas
de commutation est de 15.
Une variante sans capteurs de cette stratgie est prsente dans [40]. La technique
utilise des impulsions avec une trs courte priode introduites dans la phase qu'est
normalement teinte pour obtenir l'information sur les inductances des trois phases
et ainsi identifier la position du rotor. Nanmoins, cette stratgie est difficile utiliser
dans la phase de dmarrage du moteur cause des oscillations du rotor qu'elle peut
produire.

Tableau 2. tats de commutateurs pour le MRVCE 6/8 en fonction de la position du rotor
0-15 15-30 30-45 45-60 60-75 75-90
90-
105
105-
120
120-
135
135-
150
150-
165
165-
180
S1 1 1 0 0 0 0 1 1 0 0 0 0
S2 0 0 0 1 1 0 0 0 0 1 1 0
S3 0 0 0 0 1 1 0 0 0 0 1 1
S4 0 1 1 0 0 0 0 1 1 0 0 0
S5 0 0 1 1 0 0 0 0 1 1 0 0
S6 1 0 0 0 0 1 1 0 0 0 0 1

Figure 32. Stratgie de commande optimise du MRVCE aliment par onduleur en pont complet
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
58

2.3.3.3 VARIABLES DE COMMANDE DE L'ONDULEUR TRIPHASE EN
PONT COMPLET
La rduction des ondulations de couple du moteur rluctance variable peut tre
obtenue en optimisant la gomtrie du moteur. La stratgie d'alimentation du moteur
peut aussi contribuer l'optimisation des paramtrs de fonctionnement du moteur.
Dans un premier temps les variables de commande lies la qualit du couple
produit doivent tre identifies. La forme des courants d'alimentation, le nombre des
phases, la topologie d'onduleur et la stratgie de commande employe ont tous une
influence sur la qualit du couple lectromagntique.
Comme il est expliqu dans [41] les ondulations de couple dans un MRVCE ont deux
composantes:
les ondulations de phase
les ondulations de commutation.
Les ondulations de phase sont directement lies la MLI utilise en tant que les
ondulations de commutation sont dues la superposition imparfaite des inductances
des deux phases conscutives.
Les ondulations de phase sont lies aux harmoniques produites par MLI. Leur effets
peuvent tre rduits par l'utilisation d'une technique de commande plus performante
et par l'emploie d'un onduleur plus qualitatif. La rduction de ce type des ondulations
ne fait pas l'objet de ces recherches.
L'tude de la contribution de la commande dans l'optimisation du fonctionnement du
moteur rluctance variable va prendre en compte les ondulations de commutation.
Ce type d'ondulations est gnralement plus prononc que les ondulations de phase.
Nanmoins, les effets produits qu'ils produisent sont plus facile diminuer en
utilisant une stratgie de commutation optimise.
Dans le cas d'une alimentation avec une phase la fois (Figure 33), la situation
idale est retrouve dans le cas o la somme des deux phases conscutives est
maintenue constante. On considrant l'effet du couplage mutuel entre les phases
comme constant pour la priode tudie, le couple des deux phases conscutives
doit respecter l'quation:
.
) , ( ) , (
2
1 2
2
2
1
2
1 2 1 const
i L
i
i L
i C C = |
.
|

\
|
c
c
+
c
c
= +
u
u
u
u
(2-27)
avec C
1
et C
2
les couples produits par les deux phases conscutives, i
1
et i
2
les
courants des phases, L l'inductance et l'angle rotorique.
En utilisant l'onduleur triphas en pont complet le contrle indpendant des phases
est perdu. Ainsi, les effets produits par toutes les trois phases un moment donn
doivent tre considrs pour avoir l'image complte de la production du couple. En
utilisant la technique propose par Somsiri (voir section 2.3.3.2) les ondulations de
couple cres par les courants des trois phases ont la forme prsente dans la
Figure 34.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
59



La frquence des
ondulations de commutation
reste la mme, avec une
commutation tous les 15
degrs dans le cas d'un
MRVCE avec 6 dents
statoriques et 8 dents
rotoriques. Par contre, la
valeur de ces ondulations
est plus rduite par rapport
l'alimentation
conventionnelle. La
technique de contrle
impose la squence et la
dure de l'alimentation, la
seule variable qui reste disponible tant le dplacement des priodes de conduction
avec un angle autour du point zro (Figure 35). Ainsi, le couple parasite produit par
les paires de phases alimentes peut tre rduit au minimum.

Figure 34. Ondulations du couple pour une alimentation biphase

Figure 33. Ondulations du couple pour une alimentation monophase

Figure 35. Angle de dcalage de la technique de commande
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
60

2.3.4. PRISE EN COMPTE DE LA SATURATION
Le phnomne de saturation est frquent dans le fonctionnement de la machine
rluctance variable. Ainsi, il est ncessaire que chaque permance des parties
ferromagntiques puisse reproduire cet effet. Ces composants sont caractriss par
une permabilit magntique variable obtenue depuis la courbe de premire
aimantation B (H) du matriau.
Dans le modle implment on suppose que l'induction magntique est homogne
dans chacun des tubes de flux et que les lignes de flux voluent seulement dans la
direction axiale des tubes.
La courbe B(H) utilise dans le calcul du modle est obtenue depuis des mesures
exprimentales sur des tles utilises pour la construction d'un prototype de MRVCE.
Ainsi, les rsultats de la modlisation devrait se rapprocher le plus possible la
ralit.
Les valeurs du champ magntique et de l'induction correspondante sont prsentes
dans le Tableau 3 [42] et la courbe obtenue par interpolation est prsente sur la
Figure 36.
Tableau 3. Valeurs mesures de la courbe de premire aimantation B(H)
H
[A/m]
20.3 40.2 61.8 82.1 101.5 155.1 205.5 307 409.2 609.7 1112.8 1510.1 2006.6 2509.4 3016.8 5000
B
[T]
0.06 0.18 0.31 0.43 0.54 0.73 0.87 1.07 1.17 1.28 1.37 1.4 1.43 1.45 1.47 1.52
La saturation dans les composants du circuit magntique peut tre globale ou locale.
La saturation globale survient dans toutes les parties ferromagntiques de la
machine pour des niveaux levs du courant d'alimentation. La vitesse de variation
de ce type de saturation est rduite et est lie la stratgie d'alimentation du moteur.


Figure 36. Courbe B(H) de premire aimantation
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
61

La saturation globale est prsente surtout dans les culasses du MRVCE. Pour le cas
d'une alimentation avec une seule phase la fois, la distribution des lignes de flux
dans les culasses peut tre considre constante par rapport la position du rotor
(Figure 37a). En revanche, pour le cas d'une alimentation biphas, la saturation est
concentre dans les rgions de la culasse entre les deux dents alimentes (Figure
37b). Les autres sections de la culasse sont parcourues par des trs faibles lignes de
flux. Dans ce cas, la rpartition du flux dans les culasses est beaucoup moins
homogne.
La saturation locale est prsente surtout au niveau des dents statoriques alimentes
et des dents rotoriques qui se trouvent dans des positions d'alignement partiel ou de
non-alignement proche. Ce phnomne est plus difficile modliser par la mthode
de rseau de permances cause de l'hypothse simplificatrice mentionne
antrieurement concernant l'homognit du champ magntique dans un tube de
flux. Ce type de saturation est li directement au mouvement du rotor et ainsi a un
taux de variation plus prononc.
En fonction de la valeur du champ magntique H dans les diffrentes sections de la
machine, l'induction est obtenue l'aide de la courbe B(H). La liaison entre le champ
magntique (qui reprsente la partie lectrique du circuit) et l'induction magntique
(la partie magntique) est donn par:
H
r
B
0
= (2-28)
La caractristique magntique du milieu ferromagntique peut aussi tre donne par
l'volution de la permabilit
r
en fonction du champ magntique (Figure 38). Cette
reprsentation offre une image plus claire sur l'volution de la des parties
ferromagntiques dans le cas non-linaire.


a)

b)
Figure 37. Induction et lignes de flux dans le 6/8 MRVCE pour le cas d'une alimentation a)
monophase et b) biphase
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
62



Figure 38. Courbe r(H) pour le matriau utilis
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
63

2.3.5. MISE EN EQUATION DU CIRCUIT MAGNETIQUE DU MRVCE
Le circuit magntique du MRVCE est trait sous une forme matricielle, avec b
branches et n nuds. Pour une branche du circuit (Figure 39), l'volution des
grandeurs magntiques est donne par l'quation:
j
j
j j
u
j
u
A
=
|
c
2 1
(2-29)
avec u
j1
potentiel scalaire dans le nud du dpart de la branche j
u
j2
potentiel scalaire dans le nud d'arrive de la branche j

j
force magntomotrice dans la branche j

j
flux magntique dans la branche j

j
permance de la branche j

Ainsi, trois matrices sont dfinies pour la modlisation du circuit:
(n,n) matrice des permances
u (n) vecteur des potentiels scalaires dans les nuds du circuit
(n) vecteur des fluxes produits par les sources magntomotrices.
Certaines branches contiennent des sources magntomotrices qui font la liaison
avec le circuit d'alimentation du moteur. Ces branches sont considres actives. Les
autres branches, passives, sont caractrises seulement par leurs permances.
Le rseau de permances complet du moteur triphas rluctance variable avec 6
dents statoriques et 8 dents rotoriques est prsent sur la Figure 40. Le circuit a 28
nuds et 76 branches. Ainsi, la mthode de rsolution des nuds est prfre la
mthode des mailles.
Le systme des quations est rsolu pour chaque nud en appliquant la loi des
nuds de Kirchhoff. Ainsi, la somme des tous les flux dans les branches adjacentes
un nud doit tre gale zro.

Figure 39. Branche du circuit magntique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
64


Figure 40. Rseau de permances pour le MRVCE 6/8
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
65

Pour les six nuds de la culasse statorique, le systme d'quations est:

A + A = A
A + A = A
A + A = A
A + A = A +
A + A = A +
A + A = A +
5 6 5 6 6 1 6 12 3 6
4 5 4 5 5 6 5 11 2 5
3 4 3 4 4 5 4 10 1 4
2 3 2 3 3 4 3 9 3 3
1 2 1 2 2 3 2 8 2 2
6 1 6 1 1 2 1 7 1 1
) ( ) ( ) ( : ) 6 (
) ( ) ( ) ( : ) 5 (
) ( ) ( ) ( : ) 4 (
) ( ) ( ) ( : ) 3 (
) ( ) ( ) ( : ) 2 (
) ( ) ( ) ( : ) 1 (
ds ds s
ds ds s
ds ds s
ds ds s
ds ds s
ds ds s
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
c
c
c
c
c
c
(2-30)
avec u
i
- potentiel scalaire dans le nud i

j
- force magntomotrice dans la branche j

s
- permance de la dent

ds
- permance d'une section de la culasse statorique.
Le systme est complt par les quations des nuds dans les bouts des dents
statoriques. Ces nuds sont les nuds de dpart pour les permances d'entrefer
entre les dents statoriques et les dents rotoriques.

= A + A + + A + A +
= A + A + + A + A +
= A + A + + A + A +
= A + A + + A + A
= A + A + + A + A
= A + A + + A + A
0 ) * 2 ( ) ( ) ( ) ( : ) 12 (
0 ) * 2 ( ) ( ) ( ) ( : ) 11 (
0 ) * 2 ( ) ( ) ( ) ( : ) 10 (
0 ) * 2 ( ) ( ) ( ) ( : ) 9 (
0 ) * 2 ( ) ( ) ( ) ( : ) 8 (
0 ) * 2 ( ) ( ) ( ) ( : ) 7 (
7 11 12 68 20 12 61 13 12 6 6 3 12
12 10 11 58 20 11 51 13 11 5 5 2 11
11 9 10 48 20 10 41 13 10 4 4 1 10
10 8 9 38 20 9 31 13 9 3 3 3 9
9 7 8 28 20 8 21 13 8 2 2 2 8
8 12 7 18 20 7 11 13 7 1 1 1 7
enc x x s
enc x x s
enc x x s
enc x x s
enc x x s
enc x x s
u u u u u u u u u
u u u u u u u u u
u u u u u u u u u
u u u u u u u u u
u u u u u u u u u
u u u u u u u u u

c
c
c
c
c
c
(2-31)
avec
xij
- permance d'entrefer entre la dent statorique i et la dent rotorique j

enc
- permance de l'encoche statorique.
Les nuds des bouts des dents rotoriques sont dtermins d'une manire similaire.

= A + + A + A
= A + + A + A
= A + + A + A
= A + + A + A
= A + + A + A
= A + + A + A
= A + + A + A
= A + + A + A
0 ) ( ) ( ) ( : ) 20 (
0 ) ( ) ( ) ( : ) 19 (
0 ) ( ) ( ) ( : ) 18 (
0 ) ( ) ( ) ( : ) 17 (
0 ) ( ) ( ) ( : ) 16 (
0 ) ( ) ( ) ( : ) 15 (
0 ) ( ) ( ) ( : ) 14 (
0 ) ( ) ( ) ( : ) 13 (
68 12 20 18 7 20 8 21 20
67 12 19 17 7 19 7 21 19
66 12 18 16 7 18 6 21 18
65 12 17 15 7 17 5 21 17
64 12 16 14 7 16 4 21 16
63 12 15 13 7 15 3 21 15
62 12 14 12 7 14 2 22 14
61 12 13 11 7 13 1 21 13
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
x r
x r
x r
x r
x r
x r
x r
x r

(2-32)

Finalement, les quations pour les nuds de la culasse rotorique sont:
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
66

= A + A + A
= A + A + A
= A + A + A
= A + A + A
= A + A + A
= A + A + A
= A + A + A
= A + A + A
0 ) ( ) ( ) ( : ) 28 (
0 ) ( ) ( ) ( : ) 27 (
0 ) ( ) ( ) ( : ) 26 (
0 ) ( ) ( ) ( : ) 25 (
0 ) ( ) ( ) ( : ) 24 (
0 ) ( ) ( ) ( : ) 23 (
0 ) ( ) ( ) ( : ) 22 (
0 ) ( ) ( ) ( : ) 21 (
7 27 28 8 21 28 8 20 28
6 26 27 7 28 27 7 19 27
5 25 26 6 27 26 6 18 26
4 24 25 5 26 25 5 17 25
3 23 24 4 25 24 4 16 24
2 22 23 3 24 23 3 15 23
1 21 22 2 23 22 2 14 22
8 28 21 1 22 21 1 13 21
dr dr r
dr dr r
dr dr r
dr dr r
dr dr r
dr dr r
dr dr r
dr dr r
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
u u u u u u
(2-33)
Aprs avoir regroupes les permances en fonction des nuds qu'ils lient, le
systme d'quation peut tre crit sous la forme matricielle:
] [ ] ][ [ F u = A (2-34)
La matrice des permances [] est une matrice carre, de dimensions 28x28 qui
contienne les informations sur les permances des branches. Le format de la matrice
est le suivant:
(
(
(
(
(
(
(
(
(

A A A
A A A
A A A
= A

=
=
=
n
j
j n i n n
n i
n
j
j i i
n i
n
j
j
n n
1
, , 1 ,
,
1
, 1 ,
, 1 , 1
1
, 1
, ] [





(2-35)
Ainsi, sur la diagonale on retrouve la somme des permances des branches qui ont
comme point de dpart ou d'arrive le nud i. Les autres champs de la matrice
contiennent les permances reliant les nuds du rseau, avec le signe ngatif. Pour
les nuds qui ne sont pas lis, la valeur de la permance est considre zro.
La matrice-colonne des potentiels magntiques scalaires [u] contienne les inconnues
du systme magntique:
(
(

=
n
u
u
n
u
1
1 ,
] [ (2-36)
Le potentiel du dernier nud est considr comme potentiel de rfrence, gale
zro.
La matrice-colonne des flux connus dans la machine (les flux produits par les
tensions magntomotrices) a le format suivant:
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
67

(
(

=
n
F
F
n
F
1
1 ,
] [ (2-37)
Le flux F
i
correspondant au nud i est donn par la force magntomotrice multiplie
par la permance de la branche si le nud est li directement une branche active.
Si toutes les branches connectes au nud sont passives le flux connu de ce nud
est gal zro.

A
=
autrement 0
arrive) d' ou depart active(du branche une connect noeud
i i
i
F
c
(2-38)
Aprs avoir dfini la matrice des permances dans la machine et la matrice des flux
connus, les potentiels magntiques scalaires dans les nuds du modle peuvent
tre calculs:
] [
1
] [ ] [ F u

A = (2-39)
Ensuite, les flux dans toute la machine sont dtermins en utilisant l'quation (34)
pour chaque branche.
Le champ magntique est calcul sur une section de la machine avec l'quation:
l
i
u
i
u
i
H )
2 1
( = (2-40)
avec u
i1
et u
i2
dfinies antrieurement comme les potentiels scalaires des deux
extrmits du tube et l la longueur du tube de flux.
De la mme manire, l'induction magntique peut tre calcule partir du flux d'une
branche:
i
s
i
i
B
|
= (2-41)
avec s
i
la section du tube de flux.
2.3.6. RESOLUTION DU CIRCUIT MAGNETIQUE
Pour le cas d'un circuit magntique non-linaire, la liaison entre la valeur du champ
magntique H et la valeur de l'induction B est donne par la courbe B(H) du
matriau. Ainsi, la permabilit de chaque section de fer, et implicitement sa
permance, varie avec la quantit du courant inject dans les phases et le niveau de
saturation des parties magntiques. tant donn que les branches du modle ne
sont pas indpendantes, le niveau de saturation d'une branche va engendrer un
changement des chemins de flux ressenti par les autres branches. Ainsi, le calcul
itratif du niveau de saturation dans la machine peut tre fait seulement en tenant
compte du modle entier.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
68

2.3.6.1 METHODE DE NEWTON-RAPHSON
Le calcul du systme d'quations non-linaires est fait l'aide d'un solveur de type
Newton-Raphson. La mthode de Newton-Raphson [43] est une mthode numrique
utilise pour trouver la solution d'une quation non-linaire l'aide d'approximations
successives.
La technique employe par ce solveur est explique l'aide d'une fonction
reprsent graphiquement sur la Figure 41. La mthode dmarre d'un point initial x
i

et calcule la valeur de la fonction f(x
i
) en ce point. La tangente de la fonction (la
drive) dans le point initial intersecte l'axe des abscisses en un point plus proche de
la solution. La valeur de la fonction dans ce nouveau point est calcule et le
processus est ritr jusqu' ce que le nouveau point trouv soit suffisamment
proche de la solution.
La valeur du nouveau point x
i+1
est obtenu partir de:
) (
) (
1
i
x f
i
x f
i
x
i
x
'
=
+
(2-42)
avec :
1
) (
) tan( ) (
+

= = '
i
x
i
x
i
x f
i
x f u (2-43)
Le systme non-linaire des quations de la machine rluctance variable est rsolu
quand la contribution des sources de forces magntomotrices est correctement
rpartie dans la machine et le systme est bien quilibr du point de vue de la
saturation.
Ainsi, le solveur Newton-Raphson doit trouver la solution du systme des quations
non-linaires:


Figure 41. Algorithme de Newton-Raphson
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
69

0 ] [ ] ][ [ = A F u (2-44)
La matrice des potentiels scalaires ne doit plus varier entre deux itrations
conscutives lorsque le systme converge. Pour le calcul de la matrice des
permances et de la matrice des flux connus on utilise les permabilits des sections
ferromagntiques calcules avec l'ancienne valeur de la matrice des potentiels
magntiques l'aide de l'quation (2-44) et de la courbe B(H) du matriau. Ainsi,
l'itration finie lorsque les valeurs des permabilits qui permettent la rpartition
quilibre dans toute la machine du flux produit par les sources sont trouves.
L'itration est considre comme termine et la solution comme acceptable quand
l'erreur dans la rsolution du systme est infrieure 10
-7
.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
70

2.3.6.2 CALCUL NON-LINEAIRE DU SYSTEME MAGNETIQUE
Le calcul du systme magntique du moteur rluctance variable dbute avec la
construction des tubes de permances partir de la gomtrie du moteur. La
permance d'entrefer pour une dent statorique et une dent rotorique est calcule
pour les points cls identifis dans la section 2.3.2.3 et est ensuite intgre sur le
domaine [-180 180]. Suivant, les valeurs de la permance d'entrefer entre toutes
les dents statoriques et toutes les dents rotorique sont identifies. Les permances
des parties ferromagntiques sont calcules en utilisant la valeur de la permabilit
pour le cas linaire. Suivant, la matrice des permances [] et la matrice des flux
connus [F] sont construites, initialement pour le cas linaire.
En utilisant l'quation (2-44) une premire rsolution du systme magntique est
faite pour le cas linaire. Les valeurs du champ magntique H dans les composants
ferromagntiques sont calcules partir de la matrice des potentiels magntiques
scalaires [u] obtenue. Les nouvelles valeurs de l'induction et de la permabilit des
tubes de flux peuvent tre ainsi retrouves l'aide de la courbe d'aimantation du
matriau ferromagntique.
Les matrices de la permance et des flux connus sont reconstruite en utilisant les
nouvelles valeurs de
r
et le systme magntique du MRVCE est rsolu de nouveau.
Si la diffrence entre la nouvelle matrice des potentiels magntiques scalaires
obtenue et l'ancienne matrice des potentiels est suprieure la tolrance impose la
matrice des potentiels scalaires utilise pour la nouvelle itration est calcule avec la
mthode de Newton-Raphson.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.3 Conception de l'outil de modlisation par rseau de permances
71


la suite du procs itratif, la matrice finale des potentiels scalaires des nuds du
rseau est obtenue. partir de ces potentiels, les vraies valeurs des flux dans la
machine et les inductances des phases sont calcules. Ainsi, le couple total de la
machine peut tre obtenu en utilisant l'quation:
u u
u
u
u
u
c
c
+
c
c
+
c
c
=
ab
M
b
i
a
i
b
i
b
L
b
i
a
i
a
L
a
i
b
i
a
i C
) , (
2
2
1
) , (
2
2
1
) , , ( (2-45)
avec i
a
et i
b
- les deux phases alimentes un moment donn
L
a
et L
b
- inductances propres des deux phases
M
ab
- inductance mutuelle entre les phases a et b
- position rotorique

Figure 42. Calcul non-linaire du systme magntique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
72

2.4 VALIDATION DE L'OUTIL DE MODELISATION
PAR RESEAU DE PERMEANCES
2.4.1. MODELE DE REFERENCE PAR ELEMENTS FINIS
Le modle par lments finis est utilis dans un premier temps pour l'identification
des lignes de flux qui vont tre incorpores dans le modle par rseau de
permances.
la suite de la modlisation du moteur rluctance variable par la mthode de
rseau de permances, l'analyse par lments finis est encore utilise, cette fois-ci
pour offrir une validation de l'outil implment. Vu les temps de calcul levs de la
mthode par lments finis, la comparaison sera faite sur une seule gomtrie du
moteur.
Les tapes de modlisation par lments finis l'aide du logiciel JMag-Studio sont:
dfinir les paramtres d'analyse une analyse 2D transient avec mouvement
et circuit d'alimentation est choisie.
dessiner la gomtrie du moteur et dlimiter les diffrentes rgions de la
machine (Figure 43) - le logiciel permet la construction directe de la gomtrie
ou l'importation d'une gomtrie dj construite dans un environnement ddi.
Les rgions de la machine sont dlimites l'intrieur des sections fermes.

assigner les proprits des matriaux et les conditions de simulation pour le
modle du moteur rluctance variable, nous avons dfini quatre types des
matriaux:
o matriau magntique isotrope le matriau utilis pour les rgions de
fer du stator et du rotor, avec une courbe B(H) identique la courbe du
matriau identifie sur le prototype construit (voir section 2.2.3.5) et une
rsistivit lectrique de 1.2E-7 m
o bobinage les douze rgions cot de chaque dent statorique qui
contiennent les spires alimentes.

Figure 43. Construction de la gomtrie du moteur rluctance variable commutation lectronique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
73

o matriau amagntique l'arbre du moteur
o air les autre rgions
Les conditions d'analyse sont lies au type d'analyse EF effectue, au nombre
d'itrations pour le calcul non-linaire (15 pour notre modle), la priodicit du
moteur (une demie), au mouvement et aux conditions-limite.

raliser le maillage le maillage est construit manuellement. L'entrefer tant
le plus important pour le calcul des caractristiques de fonctionnement, il est
divis dans six couches sur la direction radiale et 720 divisions sur la direction
circonfrentielle. Les rgions de fer ont une plus grande granularit par
rapport aux rgions du bobinage et de l'arbre pour avoir une meilleure image
des chemins emprunts par le flux dans la machine.

construction du circuit d'alimentation le circuit d'alimentation est li aux
bobines dfinies dans le modle travers les trois conditions MEF. Ces

Figure 45. Maillage du modle par lments finis du MRVCE 6/8

Figure 44. Les diffrents matriaux du modle FEA du MRVCE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
74

composants dfinissent le nombre des spires pour chaque bobine et la
rsistance de la phase (3.1 ).

rsolution de l'quation diffrentielle de champ pour chaque division du
maillage l'issu de cette tape les grandeurs lectromagntiques locales et
globales de la machine sont obtenues. Les rsultats de l'analyse incluent:
o distribution de l'induction magntique dans la machine
o chemins des lignes de flux
o inductances des bobines
o couple lectromagntique


a) Lignes de flux

b) Induction magntiques

c) Inductance de la phase

d) Couple lectromagntique
Figure 47. Rsultats de l'analyse par lments finis

Figure 46. Circuit d'alimentation du MRVCE
L
ph

[mH]
temps [s]
temps [s]
C
ph
[Nm]
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
75

2.4.2. RESULTATS
Une validation prliminaire de l'outil de modlisation par rseau de permances a t
faite dans [44] en considrant des hypothses simplificatrices. Le moteur est
aliment d'une manire classique, avec une seule phase la fois et les couplages
entre les phases ne sont pas pris en considration. Les caractristiques de la tle
magntique sont prises en compte mais le moteur fonctionne dans une rgion o la
saturation n'est pas atteinte. Ainsi, le modle peut tre considr comme linaire.
Les lignes de flux prdominantes sont identifies l'aide de l'analyse par lments
finis (Figure 48) et une version simplifie du rseau de permances est implmente.

La comparaison entre le modle par rseau de permances et le modle lments
finis est faite l'aide de la permance d'entrefer entre une dent statorique et une
dent rotorique. La densit du flux magntique dans la dent statorique qui
corresponde la permance d'entrefer obtenue est prsente sur la Figure 49.
Les valeurs obtenues avec le modle par rseau de permances sont trs proches
des valeurs du modle par lments finis. Ainsi, le modle, sous la forme linaire et
dans le cas d'une alimentation monophase est valid. L'intrt majeur de ce modle
est reprsent par son temps de calcul, qui est sensiblement plus rduit par rapport
l'analyse par lments finis. Pour le calcul des caractristiques globales du MRVCE
partir d'une gomtrie donne, l'outil dvelopp prendre seulement 3 secondes
pour le cas linaire, dynamique et avec la prise en compte de la technique
d'alimentation biphase. Par contre, le mme type d'analyse est fait avec l'outil par
lments finis JMag-Studio
TM
en 3 minutes. De plus, les temps de calcul de
l'analyse par lments finis ne comprennent pas le temps de ralisation de la
gomtrie du moteur, que doit tre refaite manuellement chaque fois dans le cas
d'une intgration avec un outil d'optimisation.


Figure 48. Lignes de flux identifies et implmentes dans le modle par rseau de permances
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
76


La validation du modle complet par rseau de permances du moteur rluctance
variable est prsente dans [45]. Cette version apporte en plus du modle
prcdente:
introduction des effets de saturation dans le calcul des caractristiques du
MRVCE
prise en compte des couplages entre les phases
technique d'alimentation avec deux phases en mme temps
intgration de la partie de commande dans le modle du moteur
La comparaison est faite dans ce cas sur la gomtrie utilise pour la construction du
prototype du moteur rluctance variable et avec les caractristiques lectriques et
magntiques relles. Dans une premire tape, l'inductance de la phase est
compare pour le cas d'une alimentation monophase (Figure 50).

Une deuxime validation du modle est faite l'aide des informations sur la
distribution du flux dans la machine et plus prcisment de la valeur de l'induction
dans les parties ferromagntiques. Pour cela, la machine est alimente avec un
courant continu de 6A et la distribution du flux est tudie.
Ainsi, l'induction est compare dans six points reprsentatifs de la machine (Figure
51). Comme on peut observer dans le Tableau 4, le taux d'erreur entre le modle par
lments finis et le modle par rseau de permances est presque ngligeable. Le
taux d'erreur est calcul par rapport la valeur maximale de l'induction magntique
dans la machine entire. Les diffrences peuvent tre expliques par la non-
homognit du flux dans les tubes considrs dans le cas de l'analyse par lments
finis qui ne peut pas tre modlise dans le modle par rseau de permances.




Figure 49. Courbe de l'induction dans la dent statorique (cas linaire)
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
77










Figure 51. Distribution de la densit du flux dans le MRVCE 6/8 (courant continu 6A)

Figure 50. Inductance de phase pour le modle complet
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.4 Validation de l'outil de modlisation par rseau de permances
78

Tableau 4. Comparaison de l'induction magntique dans les diffrentes rgions du MRVCE
Point Induction rseau de permances[T] Induction lments finis[T] Taux d'erreur [%]
1 0.7033 0.6972 + 0.65
2 0.4977 0.4851 + 1.33
3 0.9849 0.9452 + 4.2
4 0.076 0.04 + 3.8
5 0.6975 0.7303 - 3.47
6 0.008 0.001 + 0.74

Le temps de calcul pour le modle complet du MRV, avec systme non-linaire et
alimentation biphase est plus long que pour la version linaire, mais il reste
suffisamment rduit par rapport l'analyse par lments finis. Ainsi, le temps de
calcul est d'environ 40 secondes, lgrement variable avec le dgre de saturation
du moteur, par rapport aux 20 minutes ncessaires pour l'analyse par lments finis.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
2.5 Conclusion
2.5 CONCLUSION
Le deuxime chapitre est ddi la modlisation par rseau de permances du
MRVCE aliment par un onduleur en pont triphas complet. L'outil de modlisation
prsent est conu pour tre intgr dans un procs d'optimisation qui modifie la
gomtrie du moteur et la stratgie de commande.
En l'introduction les principales techniques de modlisation sont prsentes et les
deux techniques utilises sont dtailles. La modlisation par lments finis est
utilise pour identifier les chemins des lignes de flux dans le MRVCE et pour offrir
une validation du modle par rseau de permances. Le logiciel commercial JMag-
Studio
TM
est utilis pour raliser l'analyse par lments finis pour diffrentes
gomtries. Les temps de calculs levs et les ressources informatiques ncessaires
pour faire tourner ce type d'analyse diminuent considrablement le nombre de
gomtries qui peuvent tre tudies.
Ensuite, le procs de modlisation par rseau de permances est prsent et les
avantages qu'apporte cette mthode sont mis en vidence. Les quations utilises
pour le calcul des permances d'entrefer sont dduites et les caractristiques non-
linaires des milieux ferromagntiques sont mises en quation.
Les quations caractrisant le systme magntique du MRVCE sont mises sous une
forme matricielle et le systme est rsolu avec les potentiels magntiques scalaires
aux nuds. La mthode de rsolution de Newton-Raphson est employe pour les
cas non-linaires.
L'alimentation-commande du MRVCE tant un des principaux dsavantages dans
l'application de traction lectrique lgre du MRVCE une solution qu'utilise un
onduleur en pont complet est implmente. En utilisant cette technique, deux phases
sont alimentes en mme temps et une nouvelle technique de commande est
implmente.
Les modifications apportes par ce type d'alimentation sont incorpores dans le
modle par rseau de permances en vue d'une future intgration l'outil
d'optimisation qui prend en compte simultanment la gomtrie du moteur et la
technique d'alimentation en mme temps.
Finalement, le modle par rseau de permances est valid l'aide d'une analyse
par lments finis, pour le cas d'une alimentation classique (avec une phase la
fois) aussi que pour le cas de l'alimentation modifie (avec deux phases la fois).
Les rsultats obtenus sont trs proches des rsultats par lments finis mais les
temps de simulations sont beaucoup moins levs. L'outil de modlisation par
rseau de permances peut ainsi tre utilis dans le cadre d'une optimisation du
systme de traction, en profitant de la rapidit et de la prcision qu'il offre.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Chapitre 3. Optimisation multi-objectif du MRVCE par essaim de particules
80









Chapitre 3
3. OPTIMISATION MULTI-OBJECTIF DU
MRVCE PAR ESSAIM DE PARTICULES
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.1 Optimisation des systmes lectromagntiques
81

3.1 OPTIMISATION DES SYSTEMES
ELECTROMAGNETIQUES
La ncessit d'avoir une connaissance dtaille des phnomnes lectriques et
magntiques produits dans les systmes lectromagntique augmente
considrablement la complexit des modles. La consquence directe est
l'augmentation des temps de calcul et des ressources de calcul ncessaires.
Le grand nombre de variables qui doivent tre considr en conception fait que la
connaissance apriori de l'influence de chacune de ces variables par rapport aux
autres est impossible. L'interaction des toutes ces variables nous donne des
combinaisons presque infinies et impossible vrifier dans leur totalit.
Les mthodes utilises le plus souvent pour la modlisation des systmes
lectromagntiques sont:
les mthodes analytiques : sont bases sur la description mathmatique des
systmes et ils sont gnralement rapides; nanmoins, pour des modles plus
compliqus la formulation mathmatique devienne trs difficile et ncessite
des approximations. La prcision des rsultats n'est pas toujours satisfaisante.
les mthodes numriques, dont la plus connue est la mthode par lments
finis. Dans la plus part des cas, ces mthodes ont l'avantage de la prcision,
mais ils ncessitent des ressources trs importantes et des temps de calcul
levs. Le dispositif est dcompos en petits lments et les phnomnes
produits l'intrieur sont analyss d'une manire locale.
les mthodes de circuit magntique quivalent : sont des mthodes trs
rpandues pour le calcul des systmes lectromagntiques. Ils font appel aux
lois de fonctionnement des systmes et des mthodes de rsolution
typiques aux circuits lectriques. La mthode de calcul par rseau de
permances fait partie de cette classe de mthodes.
les mthodes d'interpolation: font appel aux donnes rcupres depuis des
essais pratiques pour approximer les rsultats des valeurs intermdiaires.
Ces mthodes ncessitent la construction de prototypes et donc sont trs
couteuses du point de vue conomique et en temps.
En plus de l'analyse lectromagntique d'un systme, d'autres analyses doivent
parfois tre faites en mme temps: analyse thermique, mcanique, arodynamique,
acoustique, conomique,. Les rsultats de ces analyses peuvent tre
indpendants, mais plus souvent ils sont lis les uns aux autres. Ainsi, la recherche
pour trouver les bons paramtres pour remplir toutes ces conditions devient trs
complexe.
Les variables d'un systme tudi peuvent tre continus (par exemple la valeur
d'une tension d'entre) ou discrtes (le nombre de dents d'un moteur). Les
systmes peuvent avoir une volution linaire par rapport aux variables ou ils
peuvent voluer de faon non-linaire.
Dans la plupart des cas, l'amlioration d'une caractristique a pour consquence la
dtrioration d'une autre. Dans ce cas, il faut trouver des compromis entre les
diffrentes caractristiques antagonistes et pour atteindre le meilleur rsultat
possible.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.1 Optimisation des systmes lectromagntiques
82

Par ailleurs, les rsultats obtenus doivent se conformer aux certains critres, appels
contraintes, qui peuvent tre des diffrentes natures (conomique, systmique, de
construction, de compatibilit, etc.).
Dans ce chapitre sera prsent un outil d'optimisation multi-objectif applicable aux
systmes lectromagntiques complexes intgrant des effets provenant de plusieurs
types d'analyses (lectrique, magntique et acoustique). Aussi, diffrents types de
modles seront utiliss (lments finis, analytique et par rseau de permances).
Les problmes tudies sont contraints ce qui rduit le domaine de faisabilit des
solutions.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.2 Le problme d'optimisation
83

3.2 LE PROBLEME D'OPTIMISATION
Le procs d'optimisation cherche les meilleures valeurs des variables pour lesquelles
les sorties d'un problme optimiser donnent les meilleures performances en
respectant les limites imposes. Un problme d'optimisation peut avoir un seul
objectif optimiser ou plusieurs. tant donn que dans les applications pratiques, et
encore plus dans le domaine de l'lectrotechnique, les problmes de conception ont
plusieurs objectifs souvent contradictoires, l'optimisation multi-objectif est tudie.
La description mathmatique du problme d'optimisation est:

=
=
=
s

=
l j
m i
X h
X g
avec
X f
X f
X f
X F
j
i
k

1
1
0 ) (
0 ) (
) (
) (
) (
) ( min
2
1
(3-1)
Le vecteur X contienne les variables d'optimisation { }
n
x x x X , ,
2 1
= qui sont dfinies
sur un espace| |
max min
X X . Le vecteur F des sorties du problme contient les
fonctions objectifs, qui doivent tre minimiss (ou maximiss, en fonction du
problme) sous rserve de respect des contraintes
i
g et
j
h qui sont des contraintes
d'ingalit et d'galit. Un problme d'optimisation est multi-objectif quand le nombre
de fonctions objectif (k) est suprieur un.
La rsolution d'un problme d'optimisation doit fournir les valeurs des variables
d'optimisation obtenues en minimisant les fonctions objectifs et en respectant les
contraintes d'ingalit g
i
(X) et d'galit h
j
(X). Dans le cas d'une optimisation mono-
objectif, le domaine des solutions optimales est restreint une seule valeur, par
contre pour un problme multi-objectif le domaine des solutions comprend plusieurs
valeurs.
Dans le cas d'un problme d'optimisation o un objectif doit tre maximis, la
fonction est considre avec le signe oppos ( -f(X) ) avant d'appliquer (3-1).
La dimensionnalit de l'espace des variables (le nombre de variables) influence
directement la complexit du problme. Le processus d'optimisation est complexifi
par des limitations imposes dans l'espace des solutions. Ces limitations
interviennent par le biais des contraintes. Dans le cas o les contraintes sont
prsentes, elles peuvent avoir une influence plus ou moins importante. Par rapport
l'interaction des contraintes avec l'espace des solutions on peut avoir des contraintes
non-actives (Figure 52a) ou des contraintes actives (Figure 52b). Dans le cas des
contraintes non-actives, les solutions optimales ne sont pas affectes par les
contraintes et donc l'algorithme peut voluer librement l'intrieur des rgions
prometteuses. Dans le cas des contraintes actives, les rgions optimales sont
discontinues et l'algorithme doit franchir des contraintes pour trouver de nouvelles
solutions.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.2 Le problme d'optimisation
84


Les problmes d'optimisation peuvent tre classifis en fonction de plusieurs critres.
Les classifications les plus utiliss sont [46] :
- suivant le nombre de variables d'optimisation on peut avoir des problmes
mono-variable ou multi-variable
- suivant le type des variables ils existent des problmes continus, discrets ou
combinatoires.
- suivant le type de la fonction objectif on distingue des problmes linaires,
quadratiques ou non-linaires.
- suivant la formulation du problme on peut avoir des problmes contraints ou
non-contraints.

Figure 52. Effet des contraintes sur l'espace des solutions a) contraintes non-actives b) contraintes
actives
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.3 Mthodes d'optimisation
85

3.3 METHODES DOPTIMISATION
Une classification gnrale [46] des mthodes d'optimisation est donne dans la
Figure 53.

Les mthodes d'optimisation ont t cres pour rpondre diffrents types de
problmes. Ainsi, pour les problmes combinatoires, avec un nombre limit et connu
de solutions, les mthodes exactes essayent tous les combinaisons des paramtres
pour trouver la bonne solution. Un exemple de mthode exacte c'est le "Branch and
Bound". Pour les problmes plus difficiles, avec un nombre trs grand de solutions,
les temps de calcul pour parcourir tous les solutions devient prohibitifs. Dans ces
cas, les mthodes approches sont utiliss (heuristiques et mtaheuristiques).
Les problmes continus, dont le nombre de solutions est apriori infini, sont les plus
courants dans nos applications. Les mthodes d'optimisation employes pour ce
type de problmes peuvent tre divises en deux catgories: les mthodes linaires
et les mthodes non-linaires. Les mthodes linaires, dont la plus connue est la

Figure 53. Classification des mthodes d'optimisation mono-objectif
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.3 Mthodes d'optimisation
86

programmation linaire peuvent tre appliqus sur des problmes linaires.
Toutefois, la majorit des problmes d'optimisation sont non-linaires (appelles aussi
"difficiles"). Dans ce cas, les mthodes employes utilisent des processus itratifs
pour trouver la solution optimale. Dans le cas o le gradient de la fonction objectif est
connu, il peut tre exploit, et il est prfrable d'utiliser des mthodes de type
gradient, qui ont une convergence rapide. Si le gradient de la fonction objectif n'est
pas connu, les mthodes mtaheuristiques peuvent tre appliques. Ces mthodes
exploitent des ides gnrales, habituellement observs dans la nature. Ces
mthodes peuvent tre appliques tous types de problmes d'optimisation.
Les mthodes mtaheuristiques sont trs utilises en ingnierie et c'est pourquoi leur
tude mritent plus d'attention dans notre classification. Plus exactement, on va se
concentrer plutt sur les mtaheuristiques distribues (bass sur des populations)
que sur les mtaheuristiques de voisinage (o une seule solution est avance la
fois par exemple le recuit simul ou la recherche tabou).
Les mtaheuristiques distribus assurent le contrle d'un certain nombre d'individus
groups au sein d'une population, qui ont chacun une volution plus ou moins
indpendante. Dans la suite on va prsenter trois mtaheuristiques distribues vont
tre prsentes:
1. Algorithme Gntique ("Genetic Algorithms") : les premires rfrences
concernant le sujet datent des annes '50. Dans le cadre des algorithmes
gntiques on peut aussi inclure "Evolutionary Strategy" ES, introduite par
Rechenberg (1965) et "Evolutionary Programming" EP, introduite en 1966 par
Fogel. L'ide principale des algorithmes gntiques est l'volution des
individus les plus puissants au cours des gnrations. L'volution de la
population doit aussi tenir compte de la diversit, un autre facteur trs
important pour la reprsentativit de la population finale. Trois oprateurs de
reproduction sont utiliss par l'algorithme: la slection, la mutation et le
croissement.
2. Algorithme par essaim de particules PSO ("Particle Swarm Optimization"):
apparu pour la premire fois au dbut des annes '90 [47], l'algorithme est
inspir des actions des groupes d'animaux (essaims) dans leur recherche des
meilleures rgions de subsistance. Ainsi, chaque individu de la population a la
mmoire de son exprience antrieure et l'information fourni par l'ensemble du
groupe sur les rgions les plus prometteuses. Cette contribution de
l'exprience globale, en plus de l'exprience personnelle est une des
particularits de PSO ce qui lui assurent le succs dans les recherches
globales. L'algorithme par essaim de particules a l'avantage d'une
implmentation trs simple.
3. Algorithme d'optimisation "Bacterial Foraging" est un algorithme rcent
d'optimisation mtaheuristiques stochastiques, propose par Passino en 2002
[48]. L'algorithme est inspir par le comportement d'un certain type de bactrie
(Escherichia coli) dans sa recherche des zones les plus nutritives. Le model
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.3 Mthodes d'optimisation
87

mathmatique de l'volution du groupe des bactries comprend quatre phases
: le "chemotaxis", qui est la phase d'avancement ou de culbute d'une bactrie,
le regroupage des bactries dans des essaims dans les rgions les plus
prometteuses, la reproduction des bactries quand les conditions sont
favorables et l'limination totale ou la dispersion des individus qui se trouvent
dans des rgions inhospitalires. L'algorithme a beaucoup t utilis pour de
l'hybridation avec d'autres algorithmes stochastiques, pour amliorer leurs
performances dans la recherche globale ou locale [49], [50].
Dans la section suivante, l'algorithme par essaim de particules PSO va tre
prsent d'une faon plus dtaille, avec un intrt plus marqu pour sa formulation
mathmatique et les mcanismes d'volution qu'il emploie.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
88

3.4 OPTIMISATION PAR ESSAIM DE PARTICULES
3.4.1. GENERALITES
L'algorithme d'optimisation par essaim de particules PSO ("Particle Swarm
Optimization") fait parti des mthodes d'optimisation stochastiques, de type volutif.
La mthode s'inspire du comportement des groupes d'animaux dans la nature et son
principe s'appuie sur la collaboration entre les individus pour explorer le domaine.
Chaque individu faisant parti de la population (essaim) contribue avec son
exprience l'volution du groupe et il utilise l'exprience globale du groupe pour sa
propre volution. Ainsi, l'information passe dans les deux sens, du groupe vers
l'individu et de l'individu vers le groupe.
Les premires ides pour un algorithme bas sur l'intelligence des essaims ont ts
introduites en 1995 par Kennedy (un psychologue social) et Eberhart (un ingnieur
en gnie lectrique) [47], qui tudi les relations sociales dans un groupe pour
dvelopper de nouvelles mthodes de calcul. En quelques mois, les lois de la
collaboration entre individus ont ts exprims et introduites dans un algorithme.
Ainsi, la premire version de l'algorithme d'optimisation par essaim de particules
PSO est ne.
Depuis, de nombreuses contributions ont amlior le fonctionnement de l'algorithme,
lui assurant une place bien tablie parmi les mthodes d'optimisation stochastiques.
Mme si la base la mthode a t conue comme une mthode mono-objectif,
l'algorithme a t rapidement adapt pour qu'il puisse rsoudre des problmes multi-
objectifs.
Les nombreuses applications de l'algorithme dans les plus diverses domaines et
surtout dans le domaine de l'ingnierie [51]-[58] montrent la comptitivit de
l'algorithme par rapport aux autres mthodes stochastiques et valide notre choix pour
cette mthode.
3.4.2. TECHNIQUE D'OPTIMISATION PAR ESSAIM DE PARTICULES
L'algorithme s'appuie sur la collaboration des individus qui font parti d'une population
pour trouver les meilleures solutions dans un espace de recherche. L'algorithme
dmarre avec une population initiale, positionne de faon alatoire ou distribue,
dans l'espace des variables. chaque itration les individus sont valus et les
valeurs de leurs fonctions-objectif sont compares. L'individu avec la meilleure
fonction objectif va tre considr comme guide pour la prochaine itration et les
autres individus de la population vont se diriger vers lui. En plus de cette composante
appele "sociale", chaque individu conserve l'information sur sa meilleure position
antrieure (composante "cognitive"). Ainsi, les particules vont explorer les rgions les
plus prometteuses o il y a plus de chance de trouver une solution optimale.
L'volution des particules d'une itration l'autre est prsente sur la Figure 54.
Dans un espace de recherche deux variables, partir d'une position initiale, les
individus vont converger vers la meilleure valeur trouve par l'ensemble du groupe.
Le fait que quelques individus arrivent plus rapidement ou plus lentement dans la
rgion optimale est du la composante cognitive de chaque individu et au caractre
heuristique de l'algorithme.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
89


L'influence des deux composantes (sociale et cognitive) dans le mouvement d'une
particule est explique l'aide de la Figure 55. Ainsi, l'volution de la particule de
l'itration i l'itration i+1 est donne par la somme euclidienne de trois vecteurs c
1
,
c
2
et c
3
reprsentant les trois composants que l'influence, c'est--dire la vitesse
antrieure

i
v , l'attraction vers la meilleure valeur globale
g
x et l'attraction vers la
meilleure valeur personnelle
p
x .

Figure 54. PSO mcanisme d'volution
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
90


L'algorithme est itratif, chaque pas les valeurs des individus tant compares et
les nouveaux guides choisis. Les tapes qui doivent tre parcourues par l'algorithme
sont:
1. Initialisation des individus de la population dans l'espace des variables. Les
positions initiales peuvent tre choisies d'une faon alatoire ou ils peuvent
tre distribus pour couvrir l'intgralit du domaine de recherche.
Boucle itrative
2. valuation de tous les individus de la population
3. Pour chaque individu la valeur trouve est compare avec la valeur retenue
comme meilleure valeur personnelle (composante cognitive). Si la nouvelle
valeur est meilleure elle remplace l'ancienne valeur dans la mmoire de la
particule. La position de la meilleure valeur locale est elle aussi retenue.
4. L'individu avec la meilleure valeur est identifi et sa position est assigne
comme composante sociale pour tous les autres individus de la population.
5. La position et la vitesse de chaque individu sont mises jour avec (3-2).
6. Le critre d'arrt de la boucle itrative est vrifi (gnralement un nombre
d'itrations maximal atteint ou un critre de convergence)
Fin de la boucle itrative
7. Post-traitement des solutions optimales.
Dans le cas des problmes avec plusieurs objectifs la classification des individus est
plus difficile. Ainsi, des critres d'valuation de la fitness des individus sont
ncessaires pour tablir les guides sociaux (voir section 3.5)

Figure 55. volution d'une particule

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
91

3.4.3. MISE EN EQUATION
La formulation mathmatique choisie pour dfinir le mouvement d'une particule dans
l'espace de recherche utilise la version de PSO prsente par Shi et Eberhart [59].
L'avantage de cette formulation est l'emploie de coefficients indpendants du
problme optimiser.
Chaque particule est caractrise par deux vecteurs dans l'espace des variables: sa
position
i
x

et sa vitesse
i
v

dfinies par l'quation (3-2).

+
+ +

i i
i g i p i i
v x
i
x
x x c U x x c U v v
1
1 1 1 ) (
2
) 1 , 0 ( ) (
1
) 1 , 0 ( e
(3-2)
La position d'une particule au pas i est dfinie partir de la position au pas antrieur
1

i
x et de la vitesse
i
v

. Le calcul de la nouvelle vitesse se fait avec la prise en


compte de l'influence des composants sociaux et cognitifs.
Le coefficient e a t introduit pour limiter la vitesse des particules dans l'espace de
recherche et il est appel dans la bibliographie inertie massique ("inertia weight" en
anglais). Comme expliqu dans [60] la constante ) 1 ( e agit comme un coefficient
de frottement, d'o e peut tre considr similaire la viscosit du milieu dans
lequel les particules voluent. Pour maintenir les individus l'intrieur du domaine
des variables et pour assurer la stabilit de l'essaim, il est conseill de garder la
valeur de cette inertie massique en dessous de 1. Une variation de la valeur de e au
cours des itrations peut amliorer la vitesse de convergence des particules. Il est
conseill de dmarrer avec une valeur pour e prs de 1, pour que les individus
fasse une exploration extensive du domaine de recherche, puis de la diminuer de
faon ce que le mouvement des particules soit plus limit.
Les deux coefficients c
1
et c
2
sont des coefficients d'acclration utiliss pour mettre
en balance l'effet de la composante sociale et cognitive. La composante sociale est
reprsente par le terme

p
x qui est la position de la meilleure solution trouve par
l'ensemble de la population. La meilleure position trouve par un individu est

g
x . Le
choix de c
1
et c
2
a une grande influence sur l'volution des individus vers la meilleure
valeur globale. Les valeurs de c
1
et de c
2
ont une grande influence sur le
comportement global de l'algorithme. Les coefficients sont toujours lis au problme
d'optimisation et il est difficile de trouver une valeur universelle.
Les vecteurs ) 1 , 0 (

U sont des vecteurs de valeurs alatoires sur le domaine | | 1 0 qui


donnent la composante stochastique de l'algorithme. Finalement, l'operateur
reprsente la multiplication terme terme de chaque lment.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
92

3.4.4. COEFFICIENTS DU PSO
Comme on l'a vu prcdemment, le choix des coefficients de (3 - 2) a une trs
grande importance pour la convergence de l'algorithme d'optimisation et pour la
stabilit de la population au cours des itrations.
Dans les premires versions de PSO la vitesse des particules tait limite dans un
intervalle ] [
max max
V V fin de maintenir les individus l'intrieur de l'espace de
recherche. La vitesse maximale tait lie au domaine des variables et donc diffrente
pour chaque problme. Pour liminer cet inconvnient, Clerc et Kennedy [61]
introduisent un coefficient appel "de constriction". Les phnomnes qui font qu'une
population soit stable ou instable sont tudis et des valeurs sont proposs pour
assurer une stabilit indpendamment du problme. L'quation de la vitesse d'une
particule en utilisant le coefficient de constriction _ est:
) ) ( ) 1 ... 0 ( ) ( ) 1 ... 0 ( ( 2 1 1

+

+ + = i g i
l
i i x p c U x p c U v v _ (3-3)
Clerc et Kennedy observent des rgularits intressantes pour une valeur de c
1
+c
2

dans le domaine [04]. L'analyse les conduisent calculer une valeur pour _
comme suit:

+ = >
+
=
autrement rand
c c c o c si
c c c
) 1 ... 0 (
4
4 2
2
2 1
2
_ (3-4)
La valeur la plus utilise pour c est de 4.1 (avec c
1
=c
2
=2.05) et donc la valeur pour _
est de 0.7298.
Les deux formulations pour le calcul de la vitesse, avec inertie massique (3-2) et
coefficient de constriction (3-3) sont quivalentes et en utilisant les observations de
Clerc et Kennedy, les valeurs pour c
1
, c
2
et e correspondant la mise en quation
(3-2) sont [60]:

=
=
=
49618 . 1
49618 . 1
7298 . 0
2
1
c
c
e
(3-5)
Les coefficients peuvent tre modifis pour assurer une plus grande influence de la
composante globale ou locale mais la convergence de la population peut tre
affecte. Des versions de PSO bases sur les conclusions de Clerc et Kennedy, qui
remplacent les coefficients de l'quation de vitesse par des distributions statistiques
ont ts dveloppes (voir section 3.4.5).
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
93

3.4.5. VERSIONS EXISTANTES
Dans le paragraphe suivant, on va prsenter quelques versions de PSO, en
essayant d'expliquer les particularits de chacune. Il faut tout d'abord prciser que
chacun des algorithmes a ses propres particularits et donc peuvent donner de
meilleurs rsultats pour certains problmes. Il est toutefois impossible de justifier la
supriorit d'un algorithme pour tous types de problmes. Certains d'entre eux
pressentent une meilleure convergence, d'autres peuvent avoir de meilleurs temps
de calculs, une meilleure rpartition du front ou une meilleure capacit de sortir ds
rgions d'optima locaux. Certains algorithmes ont ts conus pour des optimisations
mono-objectif et d'autres sont plus avantageuse pour les problmes multi-objectif.
Les versions de PSO analyses pour notre problmatique sont:
"Bare-Bones PSO" - est une des versions les plus intressantes de PSO, par
le fait qu'elle limine la ncessit de choisir les coefficients appliqus la
vitesse des particules. Ainsi, la vitesse et les coefficients de constriction c
1
et
c
2
sont remplacs par une distribution gaussienne influence par la meilleure
position globale et la meilleure position personnelle de chaque individu. La
nouvelle position d'une particule est ainsi dfinie par:
)
2
,
,
,
(
, j i j i
N
j i
x o = (3-6)
o N est la distribution gaussienne avec une valeur moyenne
2 / ) (
,
,
j i
l g j i
p p = et une variance gale
j i
l g j i
p p
,
2
,
= o pour chaque
variable n j 1 = de la particule i. [62]
"Hybrid PSO" - l'ide de l'optimisation PSO-hybride, introduite par Angeline
[63], utilise une composante de slection caractristique aux algorithmes
gntiques pour maintenir la diversification de la population. chaque
itration, les individus sont ordonns en fonction de leurs valeurs "fitness" et la
moiti la plus domine de la population prenne les positions et les vitesses
des autres individus. En mme temps, les individus gardent leurs meilleures
valeurs personnelles et ainsi au prochain pas les deux moitis de la population
vont voluer dans des directions diffrentes.
"Constrained molecular dynamics" est une technique hybride, avec des
particules qui glissent sur le domaine de fitness. L'exploration et l'exploitation
du domaine sont faites l'aide d'analogies avec les lois physiques. Ainsi les
forces qui donnent le dplacement des particules sont les forces de gravit,
l'lasticit et le frottement [64].
"Gaussian Particle Swarm Optimizer" (G-PSO) - cette approche propose la
gnration automatique des coefficients c
1
et c
2
en utilisant une distribution
gaussienne dans le domaine [01] avec une valeur moyenne de 0.8
(observe comme la meilleure valeur pour les composants (p
i
-x
i
) dans [65]) et
une variance de 0.6. Ainsi, une distribution asymtrique des probabilits est
introduite dans le contexte de PSO [66]. Une version reliant la technique des
sauts gaussiens et cauchy la version "Bare-bones PSO" est prsente dans
[67].
"Particle Swarm with Exponential distribution" (PSO-E) est la deuxime
version probabiliste de PSO prsente dans notre numration qui propose
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.4 Optimisation par essaim de particules
94

une distribution exponentielle pour les deux coefficients c
1
et c
2
,

cette fois-ci
dans l'intervalle [0,72 0.86] [68]
"Binary PSO" - Kennedy et Eberhart ont propos une variante de PSO o la
valeur de la modification de la vitesse d'une particule est reprsente par un
changement des bits dans un espace binaire. La vitesse est dfinie comme la
probabilit que la particule atteigne un coin de l'hyper-cube. Ainsi, la nouvelle
position est dfinie l'aide d'une transformation logistique [69]
"Speed-constrained Particle Swarm Optimizer" (SMPSO) - cet algorithme
utilise une limitation de la vitesse des particules pour les maintenir l'intrieur
de l'espace des variables et une mutation polynomiale pour augmenter la
composante stochastique de l'algorithme [70]
"Fully-Informed PSO" - les individus sont influencs dans leur mouvement non
seulement par la position du meilleur individu du groupe, mais aussi par les
positions des tous les autres individus. Ainsi, chaque particule fait un choix
compltement inform chaque itration [71]
"Theta-PSO": la vitesse d'une particule est remplace dans cette version par
un vecteur angulaire

Au
et le mouvement des particules est donne par ce
vecteur. De plus, des coefficients de mutation sont ajouts pour garder la
diversit du front [72]

"Comprehensive Learning PSO" (CLPSO): la mthode est similaire au "Fully-
Informed PSO" dans le sens que chaque individu est inform sur les
meilleures expriences de tous les autres individus du groupe. Dans le cas o
la meilleure valeur locale d'un individu et la meilleure valeur globale se
trouvent dans la mme rgion, la particule va prendre comme meilleure valeur
personnelle la meilleure valeur personnelle d'une autre particule, pour viter
de rester bloque dans une rgion d'optimum local [73].
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
95

3.5 OPTIMISATION MULTI-OBJECTIF
3.5.1. GENERALITES
Bien que le PSO ait t initialement conu pour rsoudre des problmes mono-
objectif, des modifications lui ont permis d'aborder le domaine de l'optimisation multi-
objectif. Dans cette partie les caractristiques des techniques multi-objectif ainsi
qu'une rapide taxonomie des techniques les plus connues vont tre prsents. En
plus des techniques conues pour les algorithmes gntiques qui peuvent, dans leur
majorit, tre adapts au PSO, des techniques ddies spcialement au PSO seront
prsents. Les techniques utilises pour crer la population initiale seront prsentes
en dtail.
3.5.2. CLASSIFICATIONS
La majorit des problmes d'optimisation rencontrs dans le domaine technique ont
normalement deux ou plusieurs objectifs, opposs. Ainsi, on ne peut pas parler d'une
seule solution optimale, mais plutt des plusieurs solutions qui offre le meilleur
compromis. Le choix de la solution retenir parmi les solutions optimales reste
faire, soit par un dcideur humain soit par un autre algorithme. Les algorithmes multi-
objectif peuvent tre classes en trois catgories [46]:
- mthodes priori : la dcision sur l'importance des critres dans le choix final
est faite avant l'excution de l'algorithme d'optimisation. Dans ce cas, la
contribution d'un dcideur humain n'est pas requise.
- mthodes progressives: le dcideur est questionn au cours des itrations,
pour guider l'algorithme vers le choix final.
- mthodes postriori : l'algorithme prsente au dcideur, la fin des
itrations, un ensemble des solutions pour faire son choix.
La grande majorit des mthodes postriori utilisent des techniques
mtaheuristiques (voir section 3.3). Ces techniques sont employes pour des
problmes "d'optimisation difficile", o la formulation du modle ne permet pas un
dveloppement mathmatique prcis. Les mthodes mtaheuristiques peuvent tre
dterministes o stochastiques. Les mthodes stochastiques utilisent des
composants alatoires dans la recherche des meilleures solutions, tandis que les
mthodes dterministes s'appuient les gradients des fonctions objectifs. L'avantage
est une vitesse de convergence plus rapide que pour les algorithmes stochastiques,
par contre, ils doivent connaitre exactement les lois d'volution des fonctions-objectif
(c'est--dire pouvoir calculer les gradients). Dans la suite seulement les mthodes
mtaheuristiques stochastiques seront considres.
En fonction de la classification des solutions d'optimisation, les mthodes
mtaheuristiques multi-objectif peuvent tre:
mthodes d'agrgation les objectifs sont combins dans une fonction
scalaire qui est optimis avec un algorithme d'optimisation mono-objectif.
Cette solution peut tre employe seulement dans le cas d'une bonne
connaissance du domaine de recherche. La mthode d'agrgation la plus
utilise est la technique des sommes pondrs [74].
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
96

mthodes non-Pareto bases sur la population l'algorithme favorise
diffrents critres la fois et la recherche des meilleures individus est dirige
dans plusieurs directions (recuit simul, "Multiple Objective Simulated
Annealing" ou recherche tabou)
mthodes bases sur la dominance de Pareto utilisent explicitement la
notion de la dominance de Pareto.
Seules les mthodes bases sur la dominance de Pareto seront dtaills dans ce
travail.
3.5.3. METHODES MULTI-OBJECTIF BASEES SUR LA DOMINANCE
PARETO
fin d'introduire le concept de front de Pareto, il faut dfinir la notion de domination
entre individus d'une population dans un espace multidimensionnel au niveau des
objectifs.
Dfinition: relation de dominance
Un individu a domine un autre individu b ) ( b a si et seulement si:
{ }
{ } ) ( ) ( ,..., 2 , 1
) ( ) ( ,..., 2 , 1
b f a f n j
et b f a f n i
j j
i i
> e -
> e
(3-7)
Ainsi un individu domine un autre s'il offre des solutions pareilles ou meilleurs dans
tous les dimensions, avec au moins une dimension qu'est strictement meilleure.
Dfinition: individu non-domin
Un individu est non-domin si aucun autre individu dans la population ne le domine.
La totalit des individus non-domins forment le front de Pareto.
Ainsi, le concept du front de Pareto et de l'optimalit globale au sens de Pareto est
dfini comme suit:
Dfinition: optimalit au sens de Pareto [46]
Un vecteur

x est optimal au sens de Pareto s'il n'existe pas de vecteur '

x tel que '

x
domine le vecteur

x .
3.5.3.1 METHODES MULTI-OBJECTIF POUR LES ALGORITHMES
GENETIQUES
Les premiers mthodes multi-objectif bases sur la dominance Pareto tait formules
pour le cas des algorithmes gntiques:
"Niched Pareto Genetic Algorithm"[75] est une mthode base sur la
dominance de Pareto et sur la slection par tournoi. Deux individus en
comptition sont compars avec une slection d'individus du groupe. Si un
des individus en comptition est domin par un des individus du groupe et que
l'autre individu en comptition n'est pas domin, l'individu non-domin va
gagner le tournoi. Si tous les deux individus en comptition sont soit domins
soit non-domins l'individu avec la meilleure valeur d'efficacit est choisi come
vainqueur.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
97

"Nondominated Sorting Genetic Algorithm"[76] (NSGA) l'algorithme utilise le
rang de Pareto pour les individus non-domins de la population. Ainsi, les
individus avec un certain rang vont avoir une efficacit ("fitness") gale
l'inverse du rang. Pour assurer une bonne distribution des individus sur le front
de Pareto, pour chaque individu d'un certain rang on va calculer une valeur m
i

appele "de niche". Cette distance est la somme des distances entre l'individu
est les individus qui sont proximit de lui (une distance
share
o est dfinie
pour chaque problme). Ainsi, un individu non-domin va avoir une valeur
d'efficacit gale :
i
i
m
F
f = (3-8)
o F est la valeur d'efficacit de la catgorie d'appartenance de l'individu i. Un
individu avec une efficacit plus rduite a une probabilit plus leve d'tre
slectionn pour le nouveau front de Pareto.
"Nondominated Sorting Genetic Algorithm II" [77] (NSGA- II) - est une version
amlior du NSGA, qui introduit le concept d'litisme au sens de Pareto. Pour
avoir une meilleure information sur la qualit d'un individu, la mthode
consiste attacher chaque solution un nombre de domination qui donne
l'information sur le nombre d'individus qui dominent cette solution et un autre
ensemble contenant les solutions domins par l'individu. Ainsi, une
classification rapide des dominances peut tre faite. La mthode limine la
ncessit de dfinir la distance
share
o (qu'tait dpendante du problme) et la
remplace par un calcul de la densit de l'espace des fonctions objectif.
"Strength Pareto Evolutionary Algorithm 2" (SPEA 2) [78]- est une version
amliore de la technique propose par les mmes auteurs dans [79]. La
mthode est litiste, avec la fitness d'un certain individu qui est donne non
seulement par le nombre d'individus qui le domine mais aussi par le nombre
des individus domins. Une archive externe avec les individus non-domins
est maintenue est une information sur la densit de l'environnement
proximit de chaque particule est incorpore dans le calcul de la fitness.
Pareto-adaptive -dominance [80] pour cette mthode, la fitness d'un
individu est donne par les rapports de dominance tablie entre l'individu et
les individus qui se trouvent dans un rayon autour de lui. Dans cette version,
la valeur de est dtermine automatiquement, en fonction de la forme de
l'espace de recherche et du front de Pareto.
3.5.3.2 METHODES MULTI-OBJECTIF POUR PSO
Quelques mthodes stochastiques multi-objectif dveloppes spcifiquement pour
tre utiliss avec l'algorithme par essaim de particules vont tre prsentes:
"Multiple objective Particle Swarm Optimization" (MOPSO) - l'algorithme
propos par Coello utilise une archive externe pour sauvegarder les
meilleures valeurs globales trouves chaque itration. Le front Pareto des
solutions est divis ensuite dans des hyper-cubes, chacun ayant une valeur
de densit donne par le nombre de particules qu'il contienne. Les guides
pour les individus de la population sont choisies en utilisant une mthode
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
98

"roue de roulette", dont les individus des hyper-cubes les moins peupls ayant
une probabilit plus forte d'tre slectionns [81].
"Multiple objective Particle Swarm Optimization with crowding distance and
local search" (MOPSO-CDLS)- est un algorithme qu'essaye d'amliorer le
MOPSO, avec l'introduction d'une nouvelle mthode pour la slection des
guides globaux (composantes sociales). Ainsi, le guide pour un individu est
choisi parmi les 10% des individus les plus isols de l'archive externe s'il
l'individu est domin par ceux-ci, ou par un autre individu de l'archive choisi de
faon autrement [82].
"Multiple objective Particle Swarm Optimization with crowding distance and
roulette wheel" (MOPSO CDR) est la deuxime solution base sur MOPSO
prsente dans notre taxonomie. En plus des modifications apports par la
version CDLS, cette version fait encore une recherche dans l'archive externe
pour aider dans le choix des meilleures positions personnelles. Ainsi, si la
position actuelle et la meilleure position trouve par l'individu au long de son
histoire sont incomparables, la solution la plus proche entre les deux du guide
global est choisie comme nouvelle meilleure position personnelle [83].
"Cooperative Particle Swarm Optimization" (CPSO) - cet algorithme a t
conu pour rpondre au problme de l'augmentation exponentielle de la
complexit d'une optimisation avec la taille de l'espace des fonctions objectif.
Pour rduire la complexit de calculs, dans un espace de fonctions objectif de
n dimensions, la population est divise dans n sous-populations, chacune
tant responsable pour la minimisation d'une seule dimension. Les sous-
versions CPSO-S
k
(l'espace est divis dans k sous-espaces de c dimensions
chacun) et CPSO- H
k
(le CPSO-S
k
est entrelac avec l'algorithme classique
PSO tous les deux itrations) apportent des certains amliorations dans le cas
des problmes avec un grand nombre de dimensions [84].
"Two Sub-swarms Exchange Particle Swarm Optimization" (TSE-PSO) la
mthode propose la division de la population dans deux sous-populations, les
individus de la premire sous-population utilisant un algorithme PSO classique
tandis que les individus de la deuxime sous-population utilisent seulement
leur meilleures valeurs locales pour se dplacer dans l'espace de recherche.
Aprs un certain nombre d'itrations des individus choisis de manire
alatoire depuis le deuxime groupe remplacent les individus du premier
groupe qu'ont les plus faibles fitnesss. Ainsi la diversit de la population est
amliore et la convergence peut tre plus rapide [85] dans certains cas.
m-DNPSO: la particularit de cet algorithme est l'optimisation d'un seul objectif
la fois en utilisant une mthode lexicographique. Les objectifs sont diviss
dans deux groupes, la slection du guide pour la population se faisant par
rapport au premier groupe de fonctions-objectif. Suivant, les solutions choisies
sont compars par rapport aux fonctions du deuxime groupe [86].
"Two-stage Particle Swarm Optimizer" (TSPSO) l'algorithme en deux tapes
commence avec une version classique de PSO qui fait une recherche
grossire dans l'espace des fonctions objectifs. Quand cette solution
commence stagner, une autre mthode plus fine est introduite pour avancer
les particules optimales vers les vraies solutions. Ainsi, l'algorithme utilis
dans la deuxime tape (S-TSPO) cherche trouver le point optimal partir
de la meilleure position globale trouve lors de la premire optimisation.
Chaque dimension de l'espace autour du point est optimise la fois et les
solutions trouves sont compares sur les autres dimensions [87].
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
99

Il faut dire que les techniques dveloppes pour les algorithmes gntiques peuvent
tre utilises avec PSO (et d'autres algorithmes stochastiques) de mme que les
techniques ddies aux essaims de particules peuvent tre appliques des autres
mthodes.
3.5.4. OPTIMISATION MULTI-OBJECTIF PAR ESSAIM DE
PARTICULES (MOPSO)
La technique d'optimisation multi-objectif propose dans [81] est utilise comme
point du dpart dans l'laboration de notre algorithme. Les principales
caractristiques de cette technique ("Multiple Objectives Particle Swarm
Optimization"), propose par Coello, et de ses deux sous-versions, MOPSO-CDLS
("Multiple Objective Particle Swarm Optimization with Crowding Distance and Local
Search") [82] et MOPSO CDR ("Multiple Objective Particle Swarm Optimization
with Crowding Distance and Roulette Wheel") [83], sont:
emploi d'une archive externe pour sauvegarder les solutions non-domins:
chaque itration, les individus non-domins de la population sont compars
avec les solutions stockes dans l'archive. Un individu non-domin de la
population actuelle peut tre inclus dans l'archive seulement s'il n'est pas
domin par aucune des autres solutions existantes dj dans l'archive. D'un
autre cote, s'ils existent des solutions dans l'archive qui sont domins par le
nouveau individu ils seront automatiquement exclues. Finalement, si la taille
de l'archive dpasse une certaine valeur fixe (normalement la taille de la
population), une mthode de rduction de l'archive est utilise.
qualit du front: si la taille de l'archive externe dpasse une certaine valeur,
des techniques bases sur la densit d'essaim est implmente pour rduire
la taille de l'archive. Ainsi, l'espace des solutions non-domins sauvegardes
dans l'archive externe est divis dans des hyper-cubes (des cubes avec un
nombre de dimensions gale aux nombre des fonctions-objectif), chacun
ayant une valeur de fitness lie la densit des particules qu'il contienne. Les
individus dans les rgions les plus denses seront limins jusqu' ce que
l'archive arrive la taille souhaite.
choix des guides: les hyper-cubes sont aussi utiliss dans le choix des guides
pour les individus de la population. Premirement, le choix d'un hyper-cube
est fait en utilisant la technique de roulette. Les hyper-cubes qui ont les
valeurs de densit les plus petites ont les plus de chance d'tre slectionns.
Aprs qu'un hyper-cube est slectionn, un de ses individus est choisi de
faon alatoire. Le choix du guide est fait pour chaque individu de la
population. L'ide de cette solution est de choisir plusieurs guides pour la
population, de faon taler le plus possible les solutions sur le front de
Pareto et ainsi rsoudre le problme de la convergence prcoce de
l'algorithme dans le cas multi-objectif. Toutefois, cette technique introduit des
temps de calcul supplmentaires et peut annuler l'effet du guide social par une
variation trop frquente de la direction de mouvement.
introduction d'un operateur de mutation : aux premiers itrations, tous les
individus de la population sont affects par ce coefficient aussi que les
domaines de variation des variables. Suivant l'avancement des itrations, le
nombre d'individus affects par ce coefficient dcrot exponentiellement.
L'effet souhait est l'amlioration du caractre exploratoire de l'algorithme.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
100

prise en compte des contraintes: quand deux individus sont compars pour
dterminer leurs rapports de dominance, le respect des contraintes est aussi
considr. Si un des deux individus n'est pas faisable (il ne respecte pas une
ou plusieurs contraintes) l'individu faisable va tre dominant. Si les deux
individus sont non-faisables, l'individu avec le moins de violations des
contraintes sera dominant. Si les deux individus sont faisables, le critre de
domination expliqu dans (7) est simplement utilis.
la distance d'agglomration ("crowding distance") est introduite dans [82] pour
remplacer la technique du choix des guides globaux. Si l'individu est domin
par un des plus isols individus du front celui est choisi comme son guide
global. Si l'individu n'est pas domin par aucun des individus les plus isols du
front, un individu de l'archive extrieure est choisi de faon alatoire pour tre
son guide.
choix du guide cognitif (local) : dans [83] une nouvelle technique est propose
pour le choix du guide local, qu'utilise l'archive externe pour faire la mdiation
dans le cas o l'ancienne valeur du guide local et la nouvelle position ne sont
pas comparables. La nouvelle position sera sauvegarde comme guide local
seulement si elle est plus proche d'une rgion plus isole du front que l'ancien
guide local.
L'algorithme multi-objectif implment utilise des techniques de division de la
population dans des sous-essaims et des critres de choix des guides inspirs des
techniques MOPSO.
3.5.5. VALUATION DU FRONT (METRIQUES)
L'valuation de la qualit du front de Pareto doit se faire sur la base de trois critres
identifis dans [88]:
la distance entre le front Pareto trouv et le vrai front des solutions; cette
valuation peut se faire seulement pour les problmes o on connait le vrai
front de solutions
la distribution des solutions sur le front doit tre la plus symtrique possible;
l'valuation est base sur la distance euclidienne entre les individus du front
la surface couverte par le front Pareto doit tre maximise; ainsi, les solutions
non-domins doivent balayer un domaine le plus tendu dans tous les
dimensions de l'espace des fonctions-objectif.
fin de pouvoir estimer la qualit des fronts obtenus pour nos problmes, soit par
rapport aux autres algorithmes soit par rapport aux vrais fronts, trois mtriques ont
t implmentes [81].
3.5.5.1 DISTANCE GENERATIONNELLE
La mtrique de la distance gnrationnelle a t implmente pour rpondre au
premier problme, celui de la qualit du front Pareto obtenu par rapport au vrai front
du problme. Ainsi, on peut juger si les solutions donnes la fin d'un processus
d'optimisation sont vraiment les meilleures solutions possibles. Il est sous-entendu
que cette mtrique peut tre applique seulement dans le cas o le vrai front Pareto
du problme est connu. Dans le cas contraire, il est possible d'utiliser un front de
Pareto obtenu la suite d'une optimisation plus mthodique (avec un trs grand
nombre d'valuations) comme front de comparaison.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
101

La mtrique de la distance gnrationnelle est dfinie comme:
n
n
i
i
d
GD

=
1
2
(3-9)
avec n le nombre des solutions du front Pareto valu et d
i
la distance entre l'individu
i du front valu et l'individu le plus proche de lui du vrai front Pareto. videment, une
valeur de GD gale zro est le cas idal dont le front Pareto trouv est arriv
jusqu'au vrai front.
Pour le cas o le vrai front n'est pas connu et un autre front ( priori plus avanc) est
utilis comme front idal, il faut faire attention que le front trouv ne dpasse pas le
pseudo-vrai front, pour que la mtrique donne des informations correctes. Pour viter
cet inconvnient il est parfois utile d'valuer aussi la distance gnrationnelle inverse
d'un front, dfinie comme suit:
m
m
j
j
d
RGD

=
=
1
2
(3-10)
avec m le nombre d'individus dans le vrai front et d
j
la distance euclidienne entre
l'individu j du vrai front et le plus proche individu de front trouv.
3.5.5.2 ESPACEMENT
La mtrique d'espacement adresse le deuxime critre du front. Il donne une
information sur la qualit de la distribution des solutions sur le front de Pareto.

=
n
i
i
d d
n
S
1
2
)
_
(
1
1
(3-11)
avec
=

=
nf
k
x
j
k
f x
i
k
f
j
i
d
1
) ( ) ( min ,
_
d la valeur moyenne de d
i
, j=1n et nf le
nombre d'objectifs. Une valeur de cette mtrique gale zro nous indique une
rpartition quidistante de toutes les solutions du front.
3.5.5.3 TAUX D'ERREUR
Cette mtrique indique le nombre de solutions du front qui ne font pas partie du vrai
front Pareto.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.5 Optimisation multi-objectif
102

n
n
i
i
e
ER

=
=
1
(3-12)
avec e
i
gale 1 si la solution ne fait pas partie du vrai front ou 0 s'il fait partie du
vrai front Pareto. Une valeur d'ER gale zro nous indique que tous les individus
trouvs font partie du vrai front des solutions.
Pour les problmes continus, il reste le problme de la tolrance avec laquelle on
considre qu'une solution fait partie du vrai front. Couramment, il est considr
qu'une solution est vraie quand elle se trouve proximit d'une vraie solution avec
une tolrance de 1%, dfinie dans l'espace des fonctions-objectif.
3.5.5.4 SURFACE
Pour les problmes dont on ne connat pas le vrai front Pareto une mtrique utile
c'est la valeur de la surface couverte par le front. Ainsi, pour avoir une gamme la plus
tendue possible des solutions parmi lesquelles on peut faire le choix de la solution
implmente, il faut que les individus non-domins arrivent atteindre des extrmes
les plus loignes possible. Le calcul de la surface couverte par le front nous donne
une information sur l'expansion du front:
[
=
=
nf
i
i
f
i
f Surf
1
)] min( ) [max( (3-13)
avec nf - le nombre de fonctions-objectif.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
103

3.6 OUTIL D'OPTIMISATION MULTI-OBJECTIF PAR
SOUS-ESSAIMS DE PARTICULES
L'algorithme d'optimisation prsent est conu pour rpondre aux ncessits des
problmes lectromagntiques. D'ailleurs, l'outil d'optimisation a t intgr dans la
plateforme d'optimisation du L2EP de manire pouvoir tre facilement utilis sur
des autres problmes.
L'algorithme utilise quelques-unes des caractristiques de l'algorithme MOPSO [81]
pour obtenir une bonne qualit du front et pour le choix des guides sociaux et une
technique avec sous-essaims pour amliorer le dynamisme des particules, surtout
vers la fin des itrations.
Les principales tapes de cette solution sont prsentes avec la structure de
l'algorithme explique sur la Figure 56.
1. Initialisation des individus Ayant donn le nombre des individus de la
population, l'algorithme procde l'initialisation de chaque individu dans
l'espace des variables. L'initialisation peut se faire d'une faon alatoire ou les
individus peuvent tre distribus uniformment pour couvrir tous l'espace des
variables. Pour certains problmes, l'initialisation des individus peut avoir une
importante influence sur la convergence finale et sur la faon de s'taler sur le
front de Pareto.
La structure des informations sauvegardes pour chaque individu est:
fo
cv
c
nfo
n
nfo
n
nfo
n
n
x f
x cv
x x ctr
x x mvg
x x mpg
x x mvl
x x mpl
x x val
x x v
x x p individu
=
=
=
=
=
=
=
=
=
=
] ... [
] ... [
] ... [
] ... [
] ... [
] ... [
] ... [
] ... [
1
1
var 1
1
var 1
1
var 1
var 1
(3-14)
avec n
var
et n
fo
- le nombre de variables et des fonctions objectif
p et v les vecteurs de la position actuelle et de la vitesse de la particule
val les valeurs des fonctions objectif dans la position actuelle
mpl et mvl la meilleure position locale et les valeurs des fonctions objectif
mpg et mvg - la meilleure position globale et les valeurs des fonctions objectif
ctr les valeurs des contraintes pour la position actuelle
cv le nombre de contraintes dpasses
f - la valeur de la fitness de l'individu.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
104



Figure 56. Algorithme propos d'optimisation multi-objectif PSO avec deux sous-essaims

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
105

2. valuation des individus
Les individus de la population sont valus chaque itration sur la base du
problme d'optimisation. Aprs la rcupration des valeurs des fonctions-
objectif, les contraintes sont vrifies et le nombre des contraintes qui
dpassent les limites imposes est mis jour pour chaque particule. Les
valeurs des fonctions-objectif dans la position actuelle sont compares avec
les meilleures valeurs trouves dans l'historique de la particule. Si la nouvelle
position domine l'ancienne meilleure position, cella est mis--jour. Pour la
premire valuation de la population, les meilleures positions locales sont
identiques aux positions initialises.
3. Fitness des particules
Aprs l'valuation de toute la population, les rapports de domination entre les
individus sont dtermins sur la base de (3 - 7). Ainsi, chaque individu est
compar avec tous les autres individus de la population et pour chaque
individu qui le domine sa valeur de fitness est augmente. Si l'individu n'est
pas faisable (il ne respecte pas tous les contraintes), sa valeur de fitness est
automatiquement fixe une valeur gale la taille de la population. la fin
de ce processus de comparaison. Les individus avec une fitness gale zro
vont constituer le front des solutions non-domins.
4. Cration du front
Le premier front est form avec les solutions non-domins obtenus la suite
des rapports entre les individus. S'il n'y a pas suffisamment d'individus non-
domins dans la population pour crer un front assez diversifi, les premiers
individus les moins domins de la population sont rajouts au front. Aprs la
constitution du premier front, chaque itration les individus non-domins de
la population sont compars avec les individus existants dans l'archive (ancien
front). Les individus non-domins par les solutions de l'archive vont tre
ajouts dans le nouveau front,et les solutions de l'archive qui sont domines
sont limines.
Une tape d'valuation des individus de l'archive externe est rajoute pour
faciliter le choix des individus qui vont tre effacs de l'archive dans le cas o
la taille de l'archive dpasse la limite impose. Ainsi, le critre de densit du
front ("crowding distance") [82] est utilis pour classifier les individus du front.
La distance entre un individu sont plus proche voisin est calcule et les
individus sont ordonns suivant cette distance, avec les individus les plus
isols en tte de liste.
Pour rduire le nombre des comparaisons ncessaires si toutes les distances
entre tous les individus doivent tre calcules ((N-1)
2
pour N individus dans le
front), les individus sont d'abord ordonns en fonction de la premire fonction
objectif et seulement les distances entre des individus conscutifs seront
calculs, ce que ncessite seulement (N-1) calculs.
5. Choix des guides
Deux mthodes pour le choix des guides globaux sont employes pour
maintenir la diversit des solutions et pour garantir un talage suffisant du
front Pareto. Ainsi, dans les premires itrations les individus de la population
vont tre diviss dans trois sous-populations qui vont suivre les trois guides
identifis sur la Figure 57. Les trois guides sont les extremums du front et le
point le plus proche du point utopique, soit l'individu au centre du front.
Cette technique est facilement implmente en utilisant l'information de la
densit. Dans le cas o cette technique de choix de guides est utilise, une
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
106

tape supplmentaire est ajoute au calcul du front. Le premier et le dernier
individu du front (ordonns sur la base de la premire fonction objectif) ainsi
que l'individu le plus proche du point utopique vont tre assigne d'une
distance maximale gale deux fois la distance maximale trouve dans le
front. Ainsi, les trois points seront les plus isols suite au calcul de la densit.
Cette technique vise tendre le plus grande possible le front.

La deuxime technique pour le choix des guides (Figure 58) vise la qualit du
front, avec les trois points les plus isols du front tant choisis comme guides.
Si un des guides domine l'individu de la population il sera choisi comme guide
social. Si aucun des trois individus du front ne le domine pas un des individus
du front va tre choisi de faon alatoire comme guide social. Il faut faire
attention ne pas attribuer trop d'individus un seul guide pour viter de faire
converger trop vite l'essaim. Ainsi, une limite est impose sur le nombre
d'individus de la population qui peuvent avoir comme guide social un certain
individu du front.

Figure 57. Premire technique pour le choix du guide global
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
107


6. Division de la population dans deux sous-essaims
Pour viter le problme de perte du dynamisme des individus vers la fin des
itrations, identifi dans [71], on propose une technique qui augmente la
composante d'exploration de certaines particules. Ainsi, les individus de la
population sont ordonns en fonction de leurs fitness et la population divise
dans deux sous-populations des tailles gales. La premire sous-population
contienne les individus avec les meilleures valeurs de fitness, c'est--dire les
individus les plus proches des rgions optimales. La deuxime sous-
population contienne les autres individus de l'essaim qui sont dans des
rgions moins bonnes. L'ide de cette division est d'encourager les meilleures
particules rester dans leurs rgions optimales et en mme temps de forcer
les particules moins bonnes a se diriger vers des rgions plus prometteuses.
L'application de ce caractre diffrencie est faite l'aide des deux
coefficients d'acclration ("throttle coefficients") c
1
et c
2
. Pour les individus du
premier sous-essaim le coefficient c
1
va tre plus grand que c
2
. Ainsi,
l'exprience locale de ces particules va tre encourage. Pour les particules
du deuxime sous-essaim, c
2
va tre plus grand que c
1
pour augmenter
l'influence du leader global et sortir la particule de sa rgion actuelle.
Les essais pratiques nous ont donns les meilleures valeurs pour c
1
et c
2

comme suit:

e
e
=
n n
n
X i indiv
X i indiv
c c
... 2 /
2 / ... 1
2 1
) ( ] 5 . 1 2 . 1 [
) ( ] 2 . 1 5 . 1 [
] [ (3-15)
Aussi, la distribution du front final est amliore si l'inertie massique du
sous-essaim contenant les solutions les plus domines est diminue avec la
progression des itrations. La valeur de l'inertie est fixe 0.9 au dbut de
l'optimisation et dcroit linairement jusqu' 0.4.

Figure 58. Deuxime technique pour le choix des guides
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.6 Outil d'optimisation multi-objectif par sous-essaims de particules
108

Les deux sous-essaims voluent indpendamment pour un certain nombre
d'itrations, chacun ayant un front propre et ses nouveaux guides. Cette
division ne doit pas tre confondue avec la division de la population dans son
avancement vers les diffrents guides. Dans le cadre de l'volution spare
de chaque sous-essaim les techniques pour le choix des guides sociaux
restent les mmes que ceux prsentes au point 5.

7. Reconstitution de la population
Aprs un certain nombre d'itrations pendant que chaque sous-essaim a volue
indpendamment, les deux populations et leurs fronts sont runis et valus. Si
l'optimisation n'a pas atteint la condition d'arrt (nombre d'itrations ou un autre
critre sur la qualit du front) la population est de nouveau redivis et une nouvelle
tape d'volution indpendante des 2 sous essaims ralis.


Figure 59. Division de la population dans deux sous-essaims
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
109

3.7 APPLICATION DE L'ALGORITHME MULTI-
OBJECTIF PAR SOUS-ESSAIMS DE PARTICULES
L'algorithme multi-objectif par essaim de particules prsent prcdemment a t
implment sous MATLAB

, l'objectif tant de construire un outil d'optimisation multi-


objectif pouvant tre utilis avec diffrents types de problmes lectromagntiques.
Pour faciliter le couplage entre les algorithmes d'optimisation et les problmes, une
plateforme a t conue dans le cadre du laboratoire L2EP de l'cole Centrale de
Lille [89]. L'outil d'optimisation multi-objectif par essaim de particules a t mis sous
la forme de cette plateforme pour profiter de l'intgration facile avec une multitude de
modles.
3.7.1. PLATEFORME D'OPTIMISATION L2EP
La plateforme dfinie un format standard pour passer les informations entre les
modles et les algorithmes d'optimisation. Pour chaque modle le format de ses
entres et sorties doit tre initialis et pass au algorithme pour initialiser les
individus de la population. Les informations sur le modle comprennent le nombre
des variables avec leurs domaines de variation, le nombre des contraintes avec leurs
domaines et le type de fonctions-objectif ( minimiser ou maximiser). Le format
pour le vecteur des entres est:

=
=
= =
ct
i
x
i
x
i
x avec
n
x x e
0
var 1
] ...
1
[ (3-16)
Le format des sorties du modle doit tre aussi prcise, de faon que l'algorithme
puisse faire la diffrence entre les fonctions objectif et les contraintes. Le vecteur qui
donne le format des sorties du modle est:

=
= <
= >
= =
contrainte 0
maximiser 0
minimiser 0
] ...
1
[
i
x
fo
i
x
fo
i
x
i
x avec
n
x x s (3-17)
La liaison entre le modle et l'algorithme d'optimisation est prsente sur la Figure
60. la fin du procs d'optimisation l'algorithme doit sortir la valeur optimale (dans le
cas d'une optimisation mono-objectif) ou le front Pareto des solutions optimales
(dans le cas des optimisations multi-objectif) aussi que les valeurs des variables de
conception lis aux solutions optimales. En plus des rsultats d'optimisation,
l'algorithme doit aussi fournir des informations sur le procs d'optimisation : temps de
calcul, nombre d'itrations, nombre d'individus ou gnrations, qualit du front, etc.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
110



Figure 60. Plateforme d'optimisation L2EP
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
111

3.7.2. PROBLEMES D'OPTIMISATION MULTI-OBJECTIF
3.7.2.1 PROBLEME DEB11
Le problme no.11 de Deb [90] est un cas-test classique pour les algorithmes
d'optimisation multi-objectif. Le problme est un simple systme d'quations
analytiques non-linaires de deuxime ordre. La formulation du problme est:

|
.
|

\
|

|
.
|

\
|

=
=
s s
s s
1
2
2
2
2
1
1 1 . 0
1 1 . 0
4 . 0
6 . 0
exp 8 . 0
004 . 0
2 . 0
exp 2
2
1
min
2
1
x
x x
OF
x OF
x
x
(3-18)
Les deux variables d'optimisation sont x
1
et x
2
dfinies sur l'intervalle [0.11].
L'volution des fonctions-objectif est reprsente par rapport aux domaines des
variables sur la Figure 61.
Le temps d'excution du modle est trs rduit, de l'ordre de la milliseconde. Ainsi, le
modle est trs bien adapt pour faire des valuations rapides du comportement de
l'algorithme avec un grand nombre d'individus et d'itrations.
L'optimisation est faite on utilisant 100 individus et 300 d'itrations. Le front de Pareto
des solutions obtenues avec l'algorithme MOPSO avec sous-essaims est prsent
sur la Figure 62.
L'algorithme d'optimisation avec sous-essaims est compar avec une implmentation
classique de MOPSO sur la base des critres de front prsents prcdemment
(Figure 63). On peut observer que la version de MOPSO qui utilise la technique des
sous-essaims a une convergence beaucoup plus rapide que la version classique.
Aussi, par rapport la distance gnrationnelle (3-9), qui donne l'information sur la
qualit de la distribution des solutions sur le front, le MOPSO avec sous-essaims a
un meilleur comportement.
Le temps de calcul pour la variante par sous-essaims tait de 43.35 seconds par
rapport aux 52.45 seconds pour la variante classique. Le front considr comme
idal et utilis dans le calcul du taux d'erreur a t obtenu avec une population de
1000 individus pour 300 itrations.



Figure 61. volution des fonctions-objectif pour le problme Deb11
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
112


On peut donc conclure que l'algorithme MOPSO utilisant la solution propose de
division de la population dans deux sous-essaims a un comportement plus
dynamique et une convergence plus rapide que la variante classique. Il reste encore
vrifier la capacit des particules s'taler sur le front Pareto.

Figure 63. Comparaison MOPSO sous-essaim et MOPSO classique

Figure 62. Front Pareto du problme Deb11
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
113


Tableau 5. Mtriques du front problme DEB11
Algorithme
Mtrique
MOPSO sous-essaims MOPSO classique
Distance gnrationnelle 5.62e-4 5.959e-4
Reverse distance
gnrationnelle
7.56e-4 6.099e-4
Espacement 0.011 0.0067
Taux d'erreur 0.03 0.04
Surface 6.1029 5.957

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
114

3.7.2.2 PROBLEME TEAM 22 (SMES)
Ce problme d'optimisation est rgulirement utilis pour tester des algorithmes
d'optimisation multi-objectif. tant un problme de conception d'un systme
lectromagntique le cas test TEAM 22 convient parfaitement au domaine
d'application de notre outil.
Le systme est un dispositif de stockage d'nergie magntique par anneaux
supraconducteurs ("Superconducting Magnetic Energy Storage" SMES). Les deux
anneaux coaxiaux sont parcourus par un courant de sens contraire. Une description
dtaille du problme est disponible sur le site web du projet TEAM [91].
Le problme a deux formulations, avec 3 et 8 paramtres respectivement. Dans
notre tude on a utiliss la formulation avec 3 paramtres. Une adaptation du
problme pour le cas multi-objectif [92] est employe pour tester notre outil.
La reprsentation du problme est donne sur la Figure 64, avec les diffrentes
grandeurs gomtriques considres comme paramtres d'entre.
Les valeurs des variables d'entre pour le problme avec 3 variables et 5 paramtres
constants sont prsentes dans le Tableau 6.
L'objectif du problme est d'obtenir une certaine valeur d'nergie stocke (180 MJ)
tout en respectant une condition physique garantissant l'tat de supraconductivit
("quench condition"). En mme temps, le champ magntique valu dans des
plusieurs points de mesure doit tre le plus faible possible.
La condition pour l'tat de supraconductivit ("quench condition") est exprime par le
rapport entre la densit de courant dans les anneaux J et l'amplitude maximale de
l'induction magntique B
max
.


Figure 64. Configuration 2D axisymtrique du dispositif SMES.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
115

Les deux fonctions-objectif du problme sont exprims en fonction de l'induction de
fuites et de l'nergie stocke. Ainsi, le problme d'optimisation peut tre exprim
comme suit:

=
=
s s
s s
s s
ref
ref
normal
stray
d
h
R
E
E E
OF
B
B
OF
2
1
min
2
2
4 . 0 1 . 0
1 . 1
2
204 . 0
4 . 3 6 . 2
2
1
2
(3-19)
sous respect de la contrainte:
]
2
[A/mm 54
max,
4 . 6 + s
i
B
i
J (3-20)
avec i=1,2, B
stray
l'induction valu dans les points l'extrieur du systme, B
normal

l'induction de rfrence gale 200T, E l'nergie stocke par la configuration
tudie, E
ref
l'nergie de rfrence souhaite (180 MJ) et J la densit de courant.
Le systme est modlis avec un logiciel lments finis (Opera 2D) et le temps de
calcul pour une configuration est d'environ 5 secondes.
L'optimisation est faite avec 160 individus et 50 itrations, pour un total de 8000
valuations du modle. Les rsultats de l'optimisation avec l'algorithme MOPSO par
sous-essaim sont compars avec les rsultats obtenus avec un algorithme gntique
multi-objectif, l' NSGA II (Figure 65).
Comme on peut observer, la version propose de l'algorithme par essaim de
particules s'est mieux tale sur le front de Pareto. Cette performance est trs utile
pour donner au dcideur une plage la plus large possible des solutions. Mme si
NSGA II trouve un nombre plus grand d'individus (188 individus) - groups surtout
dans le coude du front - les solutions offertes par MOPSO avec sous-essaims (61
individus) sont mieux rparties.
Les mtriques du front prsentes dans la section 3.5.5 sont appliques sur les deux
rsultats (Tableau 7). Le taux d'erreur a t considr entre les rsultats d'un
algorithme par rapport l'autre. On peut ainsi observer qu'il y a un nombre plus
grand d'individus du front NSGA-II qui sont domins par les individus du front
MOPSO que dans l'autre sens.
Sur la basse de la mtrique d'espacement on peut aussi voir que les solutions de
MOPSO avec sous-essaims sont mieux distribues sur le front que les solutions de
Tableau 6. Dimensions gomtriques pour le problme SMES avec 3 variables
R1
[m]
R2
[m]
h1/2
[m]
h2/2
[m]
d1
[m]
d2
[m]
J1
[MA/m
2
]
J2
[MA/m
2
]
min - 2.6 - 0.204 - 0.1 - -
max - 3.4 - 1.1 - 0.4 - -
fix 2.0 - 0.8 - 0.27 - 22.5 -22.5

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
116

NSGA-II. La diffrence n'est pas assez grande cause de la surface plus tendue
couverte par MOPSO sous-essaims.




Figure 65. Front Pareto du problme TEAM 22
Tableau 7. Mtriques du front problme TEAM 22
Algorithme
Mtrique
MOPSO sous-essaims NSGA-II
Distance gnrationnelle 2.3e-4 1.98e-4
Distance gnrationnelle
inverse
0.0027 0.0035
Espacement 0.0425 0.0278
Taux d'erreur 0.1923 0.0266
Surface 0.1153 0.0178

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
117

3.7.2.3 PROBLEME DU MOTEUR SYNCHRONE A AIMANTS
PERMANENTS
Le troisime problme d'optimisation considr pour la validation de notre outil est le
modle constante localise ("lumped model") d'une machine synchrone aimants
permanents [93]. La modlisation multi-physique de ce systme inclue quatre
modles: lectronique, lectrique, magntique et thermique et deux modles
analytiques: mcanique et vibro-acoustique. Les phnomnes physiques de tous ces
systmes interagissent les uns avec les autres avec des couplages faibles ou forts.
L'interaction entre les diffrents modles est donne sur la Figure 66.
Les variables d'optimisation sont des dimensions gomtriques lies la
construction de la machine synchrone aimants permanents. Le problme 7
entres et 6 sorties, dont 2 fonctions objectif et 4 contraints.
Les entres du systme sont:

=
s s
s s
s s
s s
s s
s s
[V] phase une dans on alimentati d' tension 660
[tr/min] rotor du rotation de vitesse 5000 1500
[m] statorique culasse la de hauteur 025 . 0 015 . 0
[m] aimant d' hauteur 012 . 0 008 . 0
] [ aimant l' de angle 35 25
[m] encoche d' largeur 012 . 0 008 . 0
] entrefer[m 007 . 0 003 . 0
o
s
scul
aim
aim
enc
v
N
h
h
l
e
o
(3-21)

La vitesse de rotation du rotor N est une variable discrte fixe des valeurs dans le
domaine {1500;2000;2500;3000;3500;4000;4500;5000}.





Figure 66. Modle multi-physique global et interactions entre phnomnes physiques
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
118

Les sorties du modle sont:

[dB] bruit
[Euro] cout
[kg] moteur du masse
[%] couple du s ondulation
[Nm] moyen couple
p
L
c
M
R
moyen

(3-22)
Les deux fonction-objectifs considres pour l'optimisation sont le couple moyen et le
bruit, avec les trois autres sorties prises en compte comme des contraints.
L'optimisation est faite pour diffrentes vitesses et l'volution du couple par rapport
au bruit pour les solutions du front est tudie. Il est intressant d'observer que les
ondulations du couple ne sont pas directement lies au bruit, pour des diffrentes
vitesses les deux phnomnes ayant des volutions diffrentes (Figure 67).
Le temps d'valuation du modle est d'environ 15 seconds.


Figure 67. Front Pareto du problme PMSM pour des diffrentes vitesses
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
119

3.7.2.4 PROBLEME DU MRVCE
Aprs avoir valid l'outil d'optimisation MOPSO par sous-essaims sur trois types de
modles avec des dgres de complexit varies il est temps de l'appliquer sur notre
moteur rluctance variable MRVCE.
Le domaine pour lequel le moteur est conu impose certains critres de fiabilit et de
rentabilit pour l'ensemble du systme de traction. Ainsi, un onduleur en pont
triphas complet est utilis pour alimenter le MRVCE. L'avantage de cette solution
est donn par son prix rduit. Nanmoins, la faon d'alimenter le moteur doit tre
compltement change et une stratgie avec deux phases alimentes en mme
temps doit tre implmente. Dans ce cas, les couplages entre les phases
deviennent importantes et les effets de saturation plus prononcs. Aussi, en fonction
de la gomtrie du moteur, les instants de commutation des phases doivent tre
dcals pour obtenir de bons rsultats (voir Chapitre 2).
Le MRVCE est modlis avec un rseau des permances, les dimensions
gomtriques du moteur tant priss en compte par les caractristiques des tubes de
flux et la technique d'alimentation par les valeurs des forces magntomotrices dans
les phases du moteur pour chaque position rotorique. Les effets de non-linarit
produits par l'tat de saturation du moteur sont pris en compte, ainsi que le couplage
entre les phases.
Les variables d'optimisation sont les largeurs des dents statoriques w
s
et rotoriques
w
r
et le dcalage des instants de commutation des trois phases . Ainsi, l'algorithme
d'optimisation propose des solutions qui tiennent compte en mme temps de la
gomtrie du moteur et de la stratgie d'alimentation. Les trois variables
d'optimisation sont prsents sur la Figure 68.
Les objectifs d'optimisation sont le couple moyen, qui doit tre maximis pour avoir
une solution efficiente et les ondulations de couple qui doivent tre rduites. Les
solutions proposes doivent tenir compte des contraintes de construction.
Le problme d'optimisation pour le cas du moteur rluctance variable peut tre
prsent comme suit:



Figure 68. Variables d'optimisation pour le problme MRVCE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
120

= =
}
= =
< <
< <
< <
% 100 *
2
min max
2
0
1
min
3 0
14 6
16 8
avg
T
T T
R OF
T
dt
inst
T
avg
T OF
o o
r
s
w
w

(3-23)
sujet aux contraintes:

s
s
0
2
3
*
0
2
t
|
t
|
r rp
N
s
s
(3-24)
avec w
s
et w
r
les largeurs de la dent statorique et rotorique, respectivement, T
inst
,
T
max
, T
min
and T
avg
les couples instantan, maximal, minimal et moyen
respectivement, R le pourcentage des ondulations du couple,
s
le pas statorique, N
rp

le nombre des dents rotoriques et
s
et
r
les angles au centre qui correspondent aux
w
s
et w
r
.
Le modle est plus lourd en temps de calcul que les trois autres problmes
prsents, avec environ 35 seconds pour une valuation. Ce fait est du la boucle
itrative de calcul de l'tat de saturation de la machine. Pour des diffrentes valeurs
du courant d'alimentation, l'tat de saturation de la machine varie et les temps de
calculs peuvent tre diffrents. Pour le procs d'optimisation on a considr une
valeur fixe de 6A pour le courant des phases pour toutes les valuations.
Les surfaces d'volution des fonctions-objectif par rapport aux deux des variables (w
s

et w
r
) avec un pas gale une unit et une valeur fixe de de 0
0
sont prsentes sur
la Figure 69.
L'volution des deux fonctions-objectif est aussi vrifie par rapport la taille de la
dent statorique et de l'angle de dcalage de la commutation, pour une valeur de w
r

gale 11 mm (Figure 70), avec le mme pas de discrtisation.
Pour le cas d'une valeur fix de w
s
gale 11 mm, l'volution des fonctions-objectif
sur le domaine de variation des deux autres variables est donne sur la Figure 71.


Figure 69. Couple moyen et ondulations du couple sur le domaine de ws et wr
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
121



L'optimisation de ce problme est faite avec 50 individus et 30 itrations. Le front de
Pareto obtenu est prsent sur la Figure 72.

Les valeurs des variables de conception pour trois points du front sont prsentes.
On peut observer que les ondulations du couple ont la valeur minimale pour une
configuration avec une surface presque gale des deux dents et que le couple

Figure 72. Front de Pareto du problme MRVCE


Figure 71. Couple moyen et ondulations du couple sur le domaine de variation de wr et pour
ws=11mm

Figure 70. Couple moyen et ondulations du couple sur le domaine de variation de ws et pour
wr=11mm
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.7 Application de l'algorithme multi-objectif par sous-essaims de particules
122

moyen a la valeur la plus leve pour des structures avec de trs grandes dents
statoriques et des dents rotoriques petits.
En ce que concerne la troisime variable, on observe que pour une alimentation
biphase la meilleure valeur de l'angle de dcalage est autour de 2.5.
Le procs d'optimisation du moteur rluctance variable alimente depuis un
onduleur on pont triphas nous donne des solutions optimales pour la conception du
moteur du point de vue de l'application envisag. Aprs l'tape d'optimisation il reste
encore faire le choix de la solution finale que sera implmente, parmi les solutions
proposes.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.8 Conclusion
123

3.8 CONCLUSION
Dans ce chapitre on a prsents un outil d'optimisation bas sur l'algorithme par
essaim de particules, conu pour tre appliqu aux problmes d'optimisation multi-
objectif. Les problmes lectromagntiques sont souvent difficiles mettre en
quation, leurs lois d'volution tant non-linaires, discontinues et dpendantes de
plusieurs phnomnes la fois. Ainsi, les algorithmes stochastiques sont bien
adapts pour optimiser ce type de problmes.
D'abord, une prsentation rapide de la structure des problmes d'optimisation multi-
objectif et des difficults qu'ils introduisent est faite. Ensuite, les algorithmes
d'optimisation conus pour rsoudre ces types de problmes sont classifis.
L'algorithme d'optimisation par essaim de particules est prsent avec une analyse
de ses lois d'volution et des coefficients qu'il emploie. Les avantages et les
inconvnients de la mthode par rapport aux autres mthodes d'optimisation multi-
objectif sont dtaills.
Des algorithmes multi-objectif de PSO sont prsents et les diffrentes
caractristiques considres comme intressantes pour notre implmentation sont
dcrites de faon dtaille.
Pour l'implmentation de notre outil d'optimisation la solution de MOPSO ("Multi-
objective Particle Swarm Optimization") est adopte avec une technique de sous-
essaims. Ainsi, la population est divise en deux sous-essaims sur la base de la
fitness des individus. Les individus ayant les meilleurs fitness vont favoriser leurs
composantes cognitives tandis que les particules les moins bonnes vont tre diriges
vers de meilleures rgions en augmentant leur composante sociale.
La densit du front est utilise pour classifier les solutions optimales. Deux mthodes
diffrentes pour le choix des guides sociaux sont implmentes pour maintenir la
qualit et la diversit du front Pareto.
L'outil d'optimisation est intgr dans la plateforme d'optimisation existante au
laboratoire L2EP et diffrents modles ont t tests.
Premirement, un modle mathmatique non-linaire rapide est utilis pour faire des
valuations sur la qualit de la solution implmente par rapport aux autres
algorithmes PSO classiques. La vitesse de convergence et la distribution des
solutions sur le front final donnent des rsultats encourageants.
Ensuite, deux modles lectromagntiques sont optimiss avec l'outil PSO. Le
modle par lments finis du cas-test TEAM 22 (SMES) est utilis pour faire des
comparaisons avec l'algorithme gntique NSGA-II. Les deux fronts obtenus sont
comparables mais ils comportent certaines particularits. La composante exploratrice
de l'algorithme par essaim de particules est beaucoup plus prononce que pour
l'algorithme gntique test le front final tant beaucoup plus tal dans le cas de
MOPSO avec sous-essaims.
Le deuxime problme lectromagntique prsent est celui d'un modle
constante localise ("lumped model") d'un moteur synchrone aimants permanents.
La complexit de ce modle est donne par les couplages entre les diffrentes
composantes du systme (lectrique, magntique, thermique, mcanique et vibro-
acoustique). Les liaisons entre les effets lectromagntiques et acoustiques sont
tudies l'aide d'un problme d'optimisation multiobjectif.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
3.8 Conclusion
124

Finalement, l'outil d'optimisation est utilis avec le moteur rluctance variable.
L'optimisation du moteur prend en compte en mme temps la gomtrie du moteur et
la commande adapte au fonctionnement du moteur aliment par un onduleur en
pont triphas. L'objectif de cette optimisation est d'obtenir une configuration de
MRVCE qui donne une valeur du couple moyen la plus leve possible avec les
moins d'ondulations de couple possible.
Les trois variables de conception prises en compte agissent directement sur la
production du couple. L'volution de fonctions objectives par rapport aux variables
d'optimisation est prsente. la fin du processus d'optimisation le front de Pareto
est tudi et des configurations situes aux extrmits du front sont dtailles. En
fonction de l'importance d'un des critres d'optimisation par rapport l'autre les
meilleures configurations du MRVCE peuvent tre choisies par le concepteur.
L'outil d'optimisation implment utilisant une stratgie multi-objectif par sous-
essaims est valid.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Chapitre 4. Essais pratiques
125









Chapitre 4
4. TUDE EXPERIMENTALE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.1 Introduction
4.1 INTRODUCTION
Dans ce dernier chapitre on va prsenter la validation exprimentale de l'tape de
modlisation par rseau de permances du moteur rluctance variable.
L'optimisation de la stratgie de commande est aussi valide par le biais de la
variable de dcalage des temps de commutation . Cette variable est lie la
gomtrie du moteur. Les rsultats de l'tape d'optimisation montrent que le choix
d'une valeur pour adapte la gomtrie du moteur peut augmenter le couple
nominal et rduire les ondulations de couple.
Le prototype construit a six dents statoriques, huit dents rotoriques et trois phases,
avec les bobines des dents statoriques opposes lies en srie. Le moteur est conu
pour des puissances relativement basses, pour le domaine de la traction lectrique
lgre. Le moteur est aliment depuis un onduleur triphas classique, en pont
complet, fin de rduire le cout de l'ensemble de traction.
4.2 PROTOTYPE DU MRVCE
La conception du prototype est base sur les simulations par rseau de permances
et par lments finis et sur des autres prototypes tudies. Le nombre de dents
statoriques et rotoriques est choisi de faon limiter les ondulations de couple le plus
possible. La gomtrie des dents a une grande influence sur les performances du
moteur.
Les dimensions gomtriques du prototype sont donnes dans la Figure 73 et le
Tableau 8. Les caractristiques magntiques des tles utilises dans la construction
du prototype sont rsumes dans la Figure 74 et le Tableau 9. Finalement, les
caractristiques lectriques du bobinage sont donnes dans le Tableau 10. Le
moteur est conu pour une vitesse nominale de 1000 tours/min.




Figure 73. Gomtrie du prototype construit
dss
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.2 Prototype du moteur rluctance variable
127

Tableau 8. Gomtrie du prototype de MRVCE
Signification Symbole Valeur Unit de
mesure
Nombre de dents/pole statorique N
s
6 -
Nombre de dents rotoriques N
r
8 -
Diamtre axe D
ax
18 [mm]
Longueur du moteur L
am
118 [mm]
Diamtre intrieur rotor D
ri
38 [mm]
Diamtre extrieur rotor D
re
56.55 [mm]
Diamtre intrieur stator D
si
58.25 [mm]
Diamtre extrieur stator D
se
116.6 [mm]
Largeur de la culasse statorique H
scu
10 [mm]
Largeur de la culasse rotorique H
rcu
10 [mm]
Largeur dent statorique W
s
16 [mm]
Largeur bouts dent rotorique W
r1
10.5 [mm]
Largeur basse dent rotorique W
r2
13 [mm]
Hauteur dent statorique H
s
19.175 [mm]
Hauteur totale dent rotorique H
r
9.275 [mm]
Hauteur basse dent rotorique H
r2
7.275 [mm]
Hauteur bobinage H
b
15 [mm]
Entrefer e 0.85 [mm]
Pas statorique
s
60 [deg]
Pas rotorique
r
45 [deg]
Angle du bobinage
b
27 [deg]
Hauteur du dcoupage Hd 4.16 [mm]
Largeur du dcoupage Ld 8 [mm]


Tableau 9. Caractristiques magntiques du prototype de MRVCE
Signification Valeur Unit
Type de tle M250-50A -
paisseur de tle 0.5 [mm]

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.2 Prototype du moteur rluctance variable
128



Tableau 10. Caractristiques lectriques du prototype de MRVCE
Signification Symbole Valeur Unit
Tension d'alimentation V 30 [V]
Courant nominal I 4 [A]
Nombre de phases M
f
3 -
Nombre de spires (par
phase)
n
sp
156 -
Diamtre du conducteur D
c
0.643 [mm]
Section du conducteur s 0.324 [mm
2
]
Resistance de la phase R
f
3.1 [Ohm]
Classe du conducteur classe F
(T
max
=155
0
)


Des tles de type M250-50A sont utilises pour la construction du stator et du rotor.
Les tles sont dcoupes au laser. Les paquets des tles sont assembls et serrs
l'aide des trois bagues amagntiques places sur la dimension axiale du moteur. Le
paquet des tles du stator est bloqu par une autre bague fix dans la clavette
statorique et les tles rotoriques sont fixes sur l'arbre de la machine (Figure 75).

Figure 74. Caractristique B(H) des tles utilises
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.2 Prototype du moteur rluctance variable
129


cause des imperfections dans la dcoupe des tles rotoriques, les bouts des dents
rotoriques ont dus tre rajusts aprs l'assemblage du rotor avec une fraise
automatique. Ainsi, les bouts des dents rotoriques sont plus troits que la dent (10.5
mm pour le bout de la dent et 13mm pour le reste de la dent). L'ajustement de la dent
rotorique est fait sur une profondeur de 2 mm. Le rotor rsult est prsent sur la
Figure 76 et la Figure 77.



Figure 76. Rotor du prototype

Figure 75. Fixation des paquets de tles
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.2 Prototype du moteur rluctance variable
130


Le stator contient le bobinage avec des spires de classe F qui peuvent atteindre une
temprature maximale de 155 C. Les bobines des dents opposes forment une
phase, avec 78 spires par dent et 156 spires par phase. Une vue interne du stator
est prsente sur la Figure 78.

Un codeur incrmental de type BaumerIVO GI321 est fix sur l'arbre du MRVCE. Le
codeur a une rsolution de 600 impulsions par tour. Les signaux donns sont de type
TTL. Les caractristiques du codeur peuvent tre retrouves dans les Annexes.
Le prototype de MRVCE, mont sur le banc d'essais est prsent sur la Figure 79.

Figure 77. Prototype du MRVCE aprs r-usinage

Figure 78. Stator du prototype
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.2 Prototype du moteur rluctance variable
131


Figure 79. Prototype du moteur rluctance variable commutation lectronique
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.3 Banc d'essais
132

4.3 BANC D'ESSAIS
4.3.1. ONDULEUR TRIPHASE EN PONT COMPLET
L'onduleur utilis pour les essais pratiques est un onduleur Semikron SEMITEACH
IGBT 1.3kW en pont triphas complet (Figure 80). L'ensemble comprend un pont
redresseur et un onduleur triphas avec un bras supplmentaire pour le freinage
rcupratif (voir Annexes). Le courant maximal d'alimentation du pont est de 30 A
pour une tension de 440 V.
Le pont est conu pour des applications de laboratoire. Ainsi, il offre multiples
possibilits de configuration et contrle. Les six commutateurs sont accessibles
travers les six ports BNC. Trois autres ports BNC offrent la rcupration des signaux
d'erreur provenus de l'onduleur.
L'onduleur est aliment sur le bus de courant continu et les trois phases du moteur
rluctance variable sont lies au point milieu des trois bras de l'onduleur.
L'alimentation des drivers de l'onduleur est faite dans le domaine 015V. Les
signaux de commande des six commutateurs sont aussi dans le domaine 015V.
Ainsi, une carte de transformation de signaux du domaine 05V au 015V et de
protection contre les courts circuits est construite pour faire la liaison entre le
systme d'exprimentation dSpace 1104 et l'onduleur Semikron. Le chemin
schmatique de cette carte est donn dans les Annexes.




Figure 80. Onduleur Semikron et carte de conversion signaux
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.3 Banc d'essais
133

4.3.2. SYSTEME D'EXPERIMENTATION DSPACE 1104
Le systme d'exprimentation dSpace 1104 est utilis pour interfacer le programme
de commande avec les entres/sorties de l'ensemble moteur-onduleur. La carte
DS1104 est complte par la bibliothque RTI pour Simulink et le logiciel
ControlDesk. La bibliothque RTI contient les blocs de communication en temps rel.
Ces blocs remplacent les systmes models pour construire des programmes de
type HIL (Hardware-in-loop).
La carte dSpace reoit les signaux du codeur incrmental et envoie des signaux de
commande vers les six commutateurs de l'onduleur. Les signaux d'erreur des trois
bras de l'onduleur sont rcuprs pour intgrer la protection de l'onduleur dans le
programme de contrle. Les valeurs des courants et des tensions des phases et du
bus continu sont rcupres par les ports de communication ADC.


4.3.3. MATERIEL COMPLEMENTAIRE
Les autres composants du banc d'essais sont:
frein poudre Langlois avec une puissance maximale de 3kW. Le frein est
utilis pour bloquer le rotor dans des positions fixes ncessaires dans la
mesure de l'inductance (Figure 82).
oscilloscope digital Tektronix DPO2014 avec 5 canaux d'acquisition.
L'oscilloscope est utilis avec trois sondes de tension et trois sondes de
courant (Figure 83).
deux multimtres Agilent 34405A
source d'alimentation
ordinateur avec Matlab/Simulink 6.5, la bibliothque RTI et le logiciel de
gestion d'exprimente ControlDesk.




Figure 81. Carte dSpace1104
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.3 Banc d'essais
134






Figure 83. Oscilloscope Tektronix et sondes

Figure 82. Frein poudre Langlois
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
135

4.4 IMPLEMENTATION DE LA STRATEGIE DE
COMMANDE
4.4.1. INTRODUCTION
L'application pratique de la stratgie de contrle du moteur rluctance variable se
fait l'aide du systme d'exprimentation dSpace 1104. L'intgration du logiciel de
commande avec les composants "hardware" (l'onduleur en pont triphas, le moteur
rluctance variable et le codeur incrmental) se fait l'aide des deux lments:
le logiciel d'implmentation en temps rel "Real-Time Interface RTI" qui fournit
les blocs ncessaires pour interfacer le systme dSpace avec les programmes
MATLAB/Simulink dvelopps.
le logiciel d'exprimentation et de test "ControlDesk

" qui permet de grer en


temps rel les essais.
La stratgie de contrle est implmente sous MATLAB/Simulink l'aide des
informations fournies par le codeur incrmental, via les blocs d'acquisition RTI.
partir de la position rotorique la stratgie de commande est applique et les tats des
six commutateurs de l'onduleur en pont triphas sont obtenus. Ainsi, l'ensemble
moteur-onduleur est la composante "hardware in loop - HIL" dans l'implmentation
avec le systme dSpace.
4.4.2. LOGICIEL D'IMPLEMENTATION EN TEMPS REEL
Le logiciel d'implmentation en temps rel a t ralis sous MATLAB/Simulink
version 6.5 en utilisant les boites d'interaction avec la carte dSpace fournies
(bibliothque RTI). La structure gnrale du programme labor est prsente sur la
Figure 84.
Le pas d'intgration de la simulation est fixe et gale 1e-4 secondes et le solveur
ode4 (Runge - Kutta) est utilis. Cette configuration permet l'excution du
programme en temps rel sur le systme dSpace utilis.
Le programme principal peut tre dcompos dans quatre grandes sous-parties:
rcupration des signaux d'erreur de l'onduleur ("Inverter error")
gestion de la phase de dmarrage du moteur ("Start")
gestion de la phase de fonctionnement dynamique du moteur ("Run")
transformation de la technique de commande dans des signaux pour
l'onduleur ("Commande")
En plus de ces quatre grandes parties, dans le programme principal on trouve les
blocs RTI de gestion des entres sur les ports ADC de la carte dSpace utiliss pour
rcuprer les tensions et courants mesurs (DS1104ADC_C5 et _C6). Les signaux
sont multiplis avec les coefficients de multiplication des sondes utiliss.
La variable "Master switch", dont la valeur par dfaut est zro, contrle l'tat de
fonctionnement du systme.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
136



Figure 84. Programme principal d'implmentation de la commande du MRVCE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
137

Le sous-programme de rcupration des signaux d'erreur envoys par l'onduleur est
ncessaire pour assurer la protection de la partie d'alimentation contre des
phnomnes de court-circuit et surtension. Les drivers internes de gestion de
l'onduleur donnent l'information sur l'tat de chaque bras et cette information est
intgre dans la stratgie de commande. Les signaux d'erreur sont envoys dans un
premier temps vers la carte de protection (voir l'Annexe). Ainsi, une interruption de
type "hardware", trs rapide, sera faite sans l'intervention du programme de
commande pour protger l'onduleur et le systme dSpace. L'intrt pour le bloc
d'erreur est d'informer l'environnement d'exprimentation de la production d'une
erreur sur un des bras de l'onduleur pour faire l'arrt du programme de commande.

Le sous-programme de dmarrage du moteur (Figure 85) a comme objectif de fixer
le rotor dans une certaine position considre comme position 0. Le sous-
programme est de type "Enabled" ce qui signifie qu'il sera excut seulement quand
le programme principal le permet.
Le sous-programme a trois sorties:
"Start phase on/off" - signalise l'tat de la phase de dmarrage et peut avoir
une valeur gale 0 ou 1.
"Enable run" - signal pour dmarrer la phase de fonctionnement dynamique
la fin de la phase de dmarrage.
"Phases" - l'tat de l'alimentation des trois phases pendant la phase de
dmarrage.
Le sous-programme compte 300 pas d'itration durant lesquelles la phase de
dmarrage est active. Pendant cette priode, la phase 1 et la phase 3 sont
alimentes pour fixer le rotor dans une position connue. la fin de cette priode, la
position du rotor est initialise zro ( l'aide du bloc "Rotor position reset") pour
donner un point de rfrence la technique de commutation lors de l'tape de
fonctionnement dynamique. Aussi, la variable "Enable run" devient gale 1 et le
sous-programme "Run" poursuit avec la technique de commutation.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
138


Le sous-programme "Start" est actif seulement pendant les premiers 300 priodes
d'itration du dbut de l'excution de l'exprimente.

Le sous-programme de commande du moteur pendant la phase de fonctionnement
dynamique "Run" est prsent dans la Figure 86. Il est un programme de type
"enabled" qui commence lorsque l'tape de dmarrage est finie. Il inclut son tour
trois autres sous-programmes:
"Encoder" - est la composante destine faire la gestion de l'interface de
communication avec le codeur incrmental travers les blocs RTI (Figure 87).
Ainsi, le bloc DS1104ENC_POS_C1 fait l'interprtation des impulsions
fournies par le codeur. Ces signaux sont multiplis avec la rsolution
spcifique du codeur (600 lignes dans ce cas) pour obtenir la position en
dgres et la vitesse en rot/min. Aussi, la variable de commutation est
intgre dans ce sous-programme pour dcaler les temps de commutation
avec le nombre de dgres spcifi par les rsultats de l'optimisation. Le bloc
"Encoder Master Setup" est un bloc spcifique la bibliothque RTI, utilis
pour dfinir les paramtres du codeur incrmental.

Figure 85. Sous-programme "Start"
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
139


"Feed" - est le sous-programme destin rcuprer l'tat d'alimentation des
trois phases partir de la position rotorique relle (Figure 87). Ainsi, le
programme utilise un tableau construit avant l'exprimentation ("offline")
contenant les tats des trois phases dans l'intervalle de 0 360 dgres. Le
domaine est divis dans 24 sections de 15 dgres et les blocs de "pre-look-
up" identifient la section dans laquelle le rotor se trouve un certain pas
d'itration. Cette information est passe aux blocs d'interpolation avec "pre-
look-up" qui donnent pour chaque phase l'information de son tat
d'alimentation dans le domaine {-1, 1, 0} ce qui signifie une alimentation de
polarit ngative, positive ou pas d'alimentation, respectivement.


Figure 87. Sous-programme "Encoder"

Figure 86. Sous-programme "Run"
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
140


"No feed" est le sous-programme utilis pour couper l'alimentation tous les
trois phases dans le cas o la vitesse du rotor dpasse la vitesse impose ou
l'onduleur signalise une erreur.

L'alternance entre les phases d'alimentation et non-alimentation ("Feed" et "No feed")
est donne par la diffrence entre la vitesse impose ("Imposed speed") qui peut tre
varie dans le programme d'exprimentation, et la vitesse relle identifie par le bloc
"Encoder". Finalement, l'information sur la position est envoye sur la sortie DAC de
la carte dSpace pour pouvoir tre visualise sur une forme analogique.
La sortie de ce sous-programme est reprsente par l'tat d'alimentation (positif,
ngatif ou zro) des trois phases de l'onduleur.
Le sous-programme "Commande" (Figure 89) utilise l'information sur l'tat
d'alimentation des trois phases (fournie soit par le sous-programme de dmarrage
soit par le sous-programme de fonctionnement dynamique) et envoie l'information
sous un format binaire aux six commutateurs de l'onduleur. Les informations pour les
trois commutateurs infrieurs sont obtenues par la ngation de l'information des
commutateurs suprieurs de faon liminer la possibilit d'un court-circuit
accidentel sur les phases de l'onduleur. Les blocs de communication avec la carte
dSpace sont les six blocs RTI "Master bit out".
Pour assurer la protection de l'onduleur lors de l'arrt de l'excution de l'exprimente,
l'tat des commutateurs par dfaut est zro.

Figure 88. Sous-programme "Feed"
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
141


4.4.3. LOGICIEL D'EXPERIMENTATION
Le logiciel d'exprimentation ControlDesk 2.4 fourni avec la carte dSpace est utilis
pour construire l'interface de gestion de l'exprimente. Ce logiciel charge le
programme construit avec MATLAB/Simulink dans la mmoire de la carte dSpace et
permet l'interaction avec ceci pendant l'exprimentation. Le logiciel fait aussi la
gestion des communications avec les ports du systme dSpace.
Le logiciel est organis sous la forme des exprimentes contenant le programme,
l'interface de communication avec le programme ("layout") et les liaisons entre les
diffrents variables et les composants d'interface du systme dSpace.
Les variables dfinies dans le programme de commande peuvent tre affiches et
modifies l'aide de l'interface graphique. Les variables modifies en temps rel
sont:
"Master switch" la variable qui permet le dmarrage et l'arrt de la stratgie de
contrle du moteur. Cette variable peut avoir la valeur 0 ou 1.
"Imposed speed"- contrle la vitesse impose du moteur. La variation de la
vitesse est limite dans l'intervalle [03000 rpm].
"gamma" - dfinie le dcalage de la stratgie d'alimentation par rapport au
point zro. Cette variable est limite dans l'intervalle [-55] mcaniques.

D'autres variables sont affiches dans l'interface de l'exprimente:
les tats d'erreur de l'onduleur
l'tat de fonctionnement du moteur.

Figure 89. Sous-programme "Commande"
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.4 Implmentation de la stratgie de contrle
142

les tensions et les courants des phases mesures
la position et la vitesse rotorique




Figure 90. Logiciel d'exprimentation ControlDesk
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
143

4.5 ESSAIS PRATIQUES
4.5.1. CARACTERISATION
4.5.1.1 VARIATION DE LA RESISTANCE DE PHASE AVEC LA
TEMPERATURE
La rsistance d'une bobine varie avec la temprature. L'explication physique de ce
phnomne est lie la croissance du nombre des collisions entre les lectrons
avec la hausse de la temprature. L'quation (4-1) exprime cette variation:
T
R
R
A =
A
o
0
(4-1)
avec R la variation de la rsistance
R
0
la rsistance du bobinage la temprature de base
coefficient de variation de la rsistance avec la temprature (pour cuivre
=3.9*10
-3
K
-1
) [94].
T la variation de la temprature
Cette variation est importante pour avoir une information sur la valeur maximale du
courant dans le moteur lie la valeur admissible d'chauffement. Dans le cadre de
cette caractrisation, le moteur est aliment avec un courant continu de 3A. Dans le
fonctionnement habituel, le moteur rluctance variable est aliment en impulsions.
Ainsi, pour la mme valeur de courant d'alimentation, l'chauffement dans le rgime
de fonctionnement normal sera plus rduit que l'chauffement pendant ce test.
Les valeurs du courant et de la tension sont mesures tous les minutes l'aide d'un
procs automatis en utilisant un multimtre Agilent 34405A li avec l'ordinateur.
Ainsi, les valeurs mesures sont automatiquement stocks. La rsistance est
calcule partir des valeurs de courant et tension et la valeur de la temprature est
retrouve avec (4-1). La mesure est faite pour un priode d'une heure.


Figure 91. Variation de la rsistance avec la temprature pour une alimentation monophase
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
144

La valeur initiale de la rsistance de phase est de 3.103 et la temprature initiale
est de 22.5C.
La temprature de rfrence est considre comme 20C. La temprature
commence se stabiliser aprs 25 minutes et atteint la valeur maximale de 77.74C
aprs une heure. La rsistance ce moment est de 3.765.
Un deuxime test de la variation de la rsistance de phase est fait dans le cas d'une
alimentation biphase, vue l'emploie de l'onduleur en pont triphas complet.
L'alimentation des deux phases en mme temps va entraner une hausse plus rapide
de la temprature l'intrieur du moteur. Le courant d'alimentation est de 3A
(courant continu) sur chaque phase et le temps de mesure est de 60 minutes.

La rsistance initiale de la phase mesure est de 3.04 correspondante une
temprature de 22.17C. La temprature de rfrence considre est de 20C. La
temprature commence se stabiliser aprs 45 minutes et atteint une valeur
maximale de 93.65C aprs 60 minutes. La rsistance de la phase aprs une heure
est de 3.88.
Il est ainsi montr que l'chauffement du bobinage reste dans les limites admissibles
(156C pour les spires de type F utilises) mme dans le cas d'une alimentation
biphase et pour des longues priodes de fonctionnement.
4.5.2. MESURE DE L'INDUCTANCE DE PHASE
La variation de l'inductance dans les phases est la principale composante dans la
production du couple du moteur rluctance variable. Ainsi, une bonne
approximation de ce phnomne est ncessaire dans l'tape de modlisation. Les
inductances varient par rapport la valeur du courant et par rapport la position du
rotor.
La mthode choisie pour mesurer l'inductance du MRVCE [95] emploie une
alimentation sinusoidale. La bobine d'une phase est alimente avec une tensions
sinusoidale de frquence connue et les valeurs effectives de la tension et du courant
sont rcupres. Ainsi, partir de l'quation (4-2) la valeur de l'inductance effective de
la phase peut tre calcule:

Figure 92. Variation de la rsistance avec la temprature pour une alimentation biphase
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
145

2
2
2
1
R
I
U
f
eff
L |
.
|

\
|
=
t
(4-2)
La frquence d'alimentation f est de 50Hz. La valeur de la rsistance R mesur en
courant continu est de 3.5. Pour viter la variation de la rsistance avec la temprature
pendant les mesures, le moteur est aliment pour 15 minutes avec une tension sinusodale de
30V pour chauffer le bobinage du moteur pour atteindre la rgion de temprature stabilise.
L'inductance est mesure pour diffrents positions partir de la position aligne
jusqu' la position non-aligne. Le rotor est mis dans la position souhaite l'aide
des informations provenues du codeur incrmental o il est bloqu avec le frein
poudre. Suivant, le courant dans la phase est augment jusqu' la valeur souhaite
et la valeur de la tension est rcupre.
La forme de l'inductance obtenue est donne sur la Figure 93. La mesure est faite
sur 45 mcanique entre deux positions d'alignement complet.
Une premire validation du modle par rseau de permances du moteur
rluctance variable est faite l'aide de l'inductance mesure. La courbe obtenue
avec le logiciel de modlisation par lments finis est aussi prsente sur la Figure
94. La diffrence entre la courbe obtenue avec le modle par rseau de permances
et les deux autres courbes est due la gomtrie variable de la dent rotorique
spcifique au prototype construit. Ainsi, dans le modle par rseau de permances,
la largeur de la dent rotorique est considre constante. Pour compenser cette
approximation, la hauteur de la dent est considre lgrement rduite, l'hypothse
tant similaire au coefficient de Carter (Figure 95).


Figure 93. Inductance d'une phase du prototype de MRVCE
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
146



4.5.3. FLUX INDUIT
Dans la position aligne les lignes de flux doivent passer dans leur quasi-totalit
d'une dent statorique la dent oppose. Les lignes de flux qui passent dans les
autres dents produisent des pertes supplmentaires et du couple parasite. Pour
vrifier que les pertes dans les phases non-alimentes sont ngligeables on alimente
une phase avec une tension alternative et on recouper les tensions au bornes des
deux autres phases. Les mesures sont faites pour plusieurs valeurs du courant et
relvent des fuites trs rduites (Figure 96). Les valeurs des pertes sont exprimes
en pourcentage par rapport la valeur de la tension applique sur la phase active.

Figure 95. Intgration de la largeur variable de la dent dans le modle par rseau de permances

Figure 94. Validation du modle par rseau de permances
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
147


La valeur rduite des fuites dans les deux autres phases du moteur est confirme
par les simulations par lments finis (Figure 97).

Dans le cas d'une alimentation biphase, les lignes de flux induites dans la phase
inactive sont presque inexistantes (Figure 98). Les fuites dans ce cas ne dpassent
pas le 3% pour aucune valeur de tension d'alimentation. Encore une fois, les
simulations par lments finis confirment les rsultats obtenus (Figure 99).

Figure 97. Distribution des lignes de flux pour une alimentation monophase

Figure 96. Tension aux bornes des phases du MRVCE - une phase alimente
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
148




Figure 99. Distribution des lignes de flux pour une alimentation biphase

Figure 98. Tension aux bornes des phases du MRVCE- alimentation biphase
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.5 Essais pratiques
149

4.5.4. IMPLEMENTATION DE LA COMMANDE OPTIMISEE
Une solution optimise de la stratgie de commande pour le moteur rluctance
variable aliment depuis l'onduleur triphas en pont complet a t propose dans le
chapitre ddi l'optimisation. La variable d'optimisation lie la stratgie de
commande est l'angle de dcalage des instants de commutation . Cet angle varie
avec la gomtrie du moteur (surtout la gomtrie des dents). La valeur optimale de
pour le prototype construit est autour de 2.5 mcaniques. Ce dcalage de l'angle
de commutation de la stratgie de commande doit amliorer le couple moyen et
rduire les ondulations de couple par rapport la stratgie classique.
Comme on peut observer sur la Figure 100 et la Figure 101, le couple moyen dans le
cas de la stratgie optimise est nettement suprieur au couple obtenu dans le cas
de l'application de la commande l'instant 0. Aussi, la vitesse atteinte est plus
leve pour le mme courant de phase.


Figure 101. Stratgie optimise de commande ( = 2.5)

Figure 100. Stratgie classique de commande ( = 0)
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
4.6. Conclusion
150

4.6 CONCLUSION
Un prototype du moteur rluctance variable a t construit sur la base de l'tape de
conception par rseau de permances. Le moteur est aliment depuis un onduleur
en pont triphas complet. La commande en temps rel de l'onduleur est faite avec un
systme d'exprimentation dSpace 1104.
La caractrisation du moteur valide les rsultats obtenus avec le modle par rseau
de permances. La courbe de l'inductance d'une phase est mesure et compare
avec la courbe du modle. Les flux induits dans le cas d'une alimentation
monophase et biphase sont rcuprs pour vrifier la distribution correcte des
lignes de flux dans la machine.
Finalement, la stratgie de commande optimise de l'onduleur en pont complet, lie
la gomtrie du moteur, est valide. Les rsultats montrent une amlioration de la
valeur du couple moyen et des ondulations de couple pour le cas du dcalage de la
stratgie de commande avec un angle obtenu la suite de l'tape d'optimisation.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
5. Conclusion gnrale
151

5. CONCLUSION GENERALE
Ce travail de thse s'inscrit dans le cadre du dveloppement d'une solution
performante et conomique pour la traction des vhicules lectriques lgers.
Dans le premier chapitre, la justification pour le choix du sujet de thse est faite.
Dans le cadre du dveloppement des solutions de transport lectriques,
l'optimisation de la conception et de la commande du moteur de traction est une
tape trs importante.
L'tat de l'art des solutions industrielles existantes est fait et les critres spcifiques
ce domaine sont identifis. Trois diffrents types de moteurs lectriques (moteur
asynchrone, moteur synchrone aimants permanents et moteur rluctance
variable commutation lectronique MRVCE) sont classifis sur la base de ces
critres. Le choix du MRVCE est justifi par les avantages conomiques et de
construction qu'il offre, aussi que par les caractristiques lectromagntiques
souhaitables pour cette application.
Le principe de fonctionnement du MRVCE est prsent et les inconvnients du
moteur sont identifis pour tre intgrs dans le procs d'optimisation.

Le deuxime chapitre se concentre sur la conception du modle par rseau de
permances du MRVCE et l'intgration de ce modle dans un outil rapide, prcis et
modulable.
Le modle par rseau de permances offre les caractristiques de fonctionnement
dynamique du moteur partir des donns gomtriques, lectriques et magntiques
fournies par l'utilisateur.
Le modle inclut les effets de saturation et l'alimentation biphase, spcifique la
solution de traction envisage, avec onduleur triphas en pont complet. La stratgie
de commande de l'onduleur est intgre dans le modle par rseau de permances
avec la possibilit de variation des temps de commutation.
Une rsolution matricielle du systme non-linaire de la machine est implmente
fin de rduire au minimum les temps de calcul. Le calcul itratif de la distribution du
flux dans la machine est fait l'aide d'un solveur de type Newton-Raphson.
Une premire validation du modle par rseau de permances est faite l'aide d'un
modle par lments finis. La distribution du flux dans les rgions de la machine est
tudie, aussi que l'inductance de phase obtenue. La prcision du modle par
rseau de permance est comparable avec ce de l'analyse par lments finis.
L'avantage principal de l'outil de modlisation conu est son temps de calcul qu'est
beaucoup plus rduit que ce de l'analyse par lments finis. Ainsi, les modles
obtenus peuvent tre intgrs dans un procs d'optimisation.
Une premire validation du modle par rseau de permances du moteur
rluctance variable, pour le cas linaire, a t prsente dans [44]. La modlisation
du moteur avec la prise en compte de l'application de traction lectrique a t valide
dans [96]. La version finale du modle, avec la prise en compte de la saturation et de
l'alimentation biphas a t prsente dans [97]. L'application du modle dans un
procs d'optimisation a t montre dans [45].

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
5. Conclusion gnrale
152

Le troisime chapitre est ddi l'optimisation de la gomtrie de moteur et de la
stratgie de commande de l'onduleur triphas en pont complet. L'implmentation de
l'algorithme d'optimisation par essaim de particules (PSO) est prsente.
L'algorithme est intgr dans un outil applicable aux problmes avec plusieurs
objectifs.
Une premire implmentation de la technique classique de PSO multi-objectif
(MOPSO) est faite pour servir comme point de rfrence pour l'algorithme
dvelopp.
L'implmentation multi-objectif de PSO est base sur la dominance de Pareto et
utilise le caractre social de l'algorithme pour amliorer la qualit et la rapidit du
procs d'optimisation.
La technique propose est compare avec les algorithmes NSGA-II et MOPSO
classique sur plusieurs types de problmes multi-objectif. Les rsultats obtenus
montrent la supriorit de l'algorithme implment sur plusieurs critres d'valuation
de front de solutions.
La version classique de MOPSO a t utilise dans le procs d'optimisation du
modle par rseau de permances du moteur rluctance variable avec
alimentation monophase [98] et biphase [99]. L'algorithme amlior de MOPSO
avec sous-essaims a t test sur plusieurs modles lectromagntiques y compris
le modle dynamique du moteur rluctance variable [100] [93] [45]

Le quatrime chapitre prsente la validation exprimentale de la solution de traction
propose. Un prototype de moteur rluctance variable est construit, bas sur les
simulations avec le modle par rseau de permances. Un banc d'essais,
comprenant le MRVCE, l'onduleur triphas en pont complet et les composants de
commande et contrle est mis point.
D'abord, le prototype de moteur rluctance variable est caractris du point de vue
lectromagntique. Ensuite, un programme de contrle du MRVCE aliment par
l'onduleur en pont complet est implment. La stratgie de commande est spcifique
l'alimentation biphase du MRVCE. L'exprimentation en temps rel est faite avec
un systme dSpace 1104.
Le modle par rseau de permances est compar avec les rsultats obtenus la
suite de l'tape de caractrisation du prototype pour valider l'outil de modlisation
construit. La validation de l'outil d'optimisation est faite avec l'implmentation de la
stratgie de commande optimise, avec des instants de commutation dcals.

En ce qui concerne les perspectives, une technique de contrle adapte
l'application de traction lectrique (i.e. contrle direct de couple DTC) peut apporter
des amliorations considrables des performances de l'ensemble de traction. La
prise en compte des autres objectifs dans l'optimisation du MRVCE peut adresser
des autres critres de performance (thermiques, volumiques, de bruit, etc.).
L'amlioration de l'algorithme multi-objectif pour prendre en compte plusieurs
objectifs la fois est une autre solution pour largir la perspective du procs
d'optimisation du MRVCE aliment par un onduleur en pont triphas.

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Bibliographie
153

6. BIBLIOGRAPHIE
[1] Communication de la commission au Parlement Europen, au Conseil et au Comit Economique
et Social Europen, "Une stratgie europenne pour des vhicules propres et conomes en
nergie," Bruxelles,
http://europa.eu/rapid/pressReleasesAction.do?reference=IP/10/473&format=HTML&aged=0&lan
guage=FR&guiLanguage=en, Avril 28, 2010. [Online].
http://europa.eu/rapid/pressReleasesAction.do?reference=IP/10/473&format=HTML&aged=0&lan
guage=FR&guiLanguage=en
[2] X.D. Xue, K.W.E. Cheng, and N.C Cheung, "Selection of electric motor drives for electric
vehicles," in Australasian Universities Power Engineering Conference, 2008, pp. 1-6.
[3] X.D. Xue, K.W.E. Cheng, T.W. Ng, and N.C. Cheung, "Multi-objective optimization design of in-
wheel switched reluctance motors in electric vehicles," IEEE Transactions on industrial
electronics, vol. 57, no. 9, pp. 2980-2987, Septembre 2010.
[4] W Wu, H.C. Lovatt, and J.B Dunlop, "Optimisation of switched reluctance motors for hybrid
electric vehicles," in International conference on Power Electronics, Machines and Drives, 2002,
pp. 177-182.
[5] Roue Copenhagen. [Online]. http://senseable.mit.edu/copenhagenwheel/
[6] Kalkhoff vlos. [Online]. http://www.kalkhoff-bikes.de/
[7] David G. Dorell, Andrew M. Knight, Mircea Popescu, Lyndon Evans, and David A. Staton,
"Comparison of Different Motor Design Drives for Hybrid Electric Vehicles," in Energy Conversion
Congress and Exposition ECCE, Atlanta, GA, 2010, pp. 3352-3359.
[8] P.T. Somsiri and Aree P.K., "Three-phase full-bridge converters applied to switched reluctance
motor drives with a modified switching strategy," in International Conference on Electrical
Machines and Systems ICEMS, 2007, pp. 1563-1568.
[9] S. Smaka, S. Masic, M. Cosovic, and I. Salihbegovic, "Switched reluctance machines for hybrid
electric vehicles," in XIX International Conference on Electrical Machines ICEM, Rome, 2010.
[10] Matthias Felden, Patrick Butterling, Peter Jeck, Lutz Eckstein, and Kay Hameyer, "Electric
vehicle drive trains: from the specification sheet to the drive-train concept," in 14th International
Power Electronics and Motion Control Conference, 2010, pp. S11-9 - S11-6.
[11] Microchip. [Online].
http://www.microchip.com/stellent/idcplg?IdcService=SS_GET_PAGE&nodeId=2125&param=en
542241
[12] Nigel Schofield, Stephen A. Long, David Howe, and McClelland Mike, "Design of a Switched
Reluctance Machine for Extended Speed Operation," IEEE Transactions on industry applications,
vol. 45, no. 1, pp. 116-122, Janvier/Fvrier 2009.
[13] T.J.E. Miller, Electronic control of switched reluctance machines. Oxford, England: Newnes,
2001.
[14] P.J. Lawrenson, J.M. Stephenson, P.T. Blenkinsop, J. Corda, and N.N. Fulton, "Variable-speed
switched reluctance motors," IEE Proccedings, vol. 127, no. 4, pp. 253-265, July 1980.
[15] M.C. Costa et al., "Optimisation of a switched reluctance motor using experimental design
method and diffuse elements response surface," in IEE Proceedings- Science, Measurement and
Technology, 2005, pp. 411-413.
[16] Iqbal Husein, "Minimization of torque ripple in SRM drives," IEEE Transactions on Industrial
Electronics, vol. 49, no. 1, pp. 28-39, Fvrier 2002.
[17] Arthur Radun, "Analytically computing the flux linked by a switched reluctance motor phase when
the stator and rotor poles overlap," IEEE Transactions on magnetics, vol. 36, no. 4, pp. 1996-
2003, Juliet 2000.
[18] Arthur Radun, "Analytical calculation of the switched reluctance motor's unaligned inductance,"
IEEE Transaction on Magnetics, vol. 35, no. 6, pp. 4473-4481, Novembre 1999.
[19] Seok-Myeong Jang, Dae-Joon You, Young-Hee Han, and Jeong-Phil Lee, "Analytical design and
dynamic characteristics of switched reluctance motors with minimum torque ripple," in
Proceeding of International Conference on Electrical Machines and Systems, Seoul, Korea,
2007, pp. 1236-1239.
[20] Abdelhamid Boucetta, M.L Bendaas, and O. Fadli, "Modelling and design performance analysis
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Bibliographie
154

of the SRM drive system," Asian Journal of Information Technology, vol. 6, no. 5, pp. 576-583,
2007.
[21] H.C Lovatt, "Analytical model of a switched reluctance motor," IEE Proceedings on Electrical
Power Applications, vol. 152, no. 2, pp. 352-358, 2005.
[22] F Soares and P.J Costa Branco, "Simulation of a 6/4 switched reluctance motor based on
Matlab/Simulink environment," IEEE Transactions on Aerospace and Electronic Systems, vol. 37,
no. 3, pp. 989-1009, Juliet 2001.
[23] W.Z. Lu, A. Keyhani, and A. Fardoun, "Neural network-based modeling and parameter
identification of switched reluctance motors," IEEE Transactions on Energy Conversion, vol. 18,
no. 2, pp. 284-290, Juin 2003.
[24] E. Mese and D.A. Torrey, "An approach for sensorless position estimation for switched
reluctance motors using artificial neural networks," IEEE Transactions on Power Electronics, vol.
17, no. 1, pp. 66-75, Janvier 2002.
[25] F. Dalddaban, N Ustkoyuncu, and K. Guney, "Phase inductance estimation for switched
reluctance motor usign adaptive neural fuzzy inference system," Energy Conversion
Management, vol. 47, pp. 485-493, 2006.
[26] W. Ding and Deliang Liang, "Modeling of a 6/4 switched reluctance motor using adaptive neural
fuzzy inference system," IEEE Transactions on Magnetics, vol. 44, no. 7, pp. 1796-1804, Juliet
2008.
[27] J.P.A. Bastos and N. Sadowski, "Electromagnetic modeling by Finite Element Methods", CRC
Press , April 2003
[28] J.M Kokernak and Torrey D.A., "Magnetic Circuit Model for the Mutually Coupled Switched-
Reluctance Machine," IEEE Transactions on Magnetics, vol. 36, no. 2, pp. 500-507, Mars 2000.
[29] Vladan Vujicic and Slobodan N. Vukosavic, "A simple nonlinear model of the switched reluctance
motor," IEEE Transactions on energy conversion, vol. 15, no. 4, pp. 395-400, Decembre 2000.
[30] R Krishnan, Switched Reluctance Motor Drives : Modeling, Simulation, Analysis, Design and
Applications.: CRC Press, 2001.
[31] USA University of South Florida. Holistical Numerical Methods Institute. [Online].
http://numericalmethods.eng.usf.edu/
[32] Herv Roisse, Contribution la modlisation des systemes lectrotechniques par la mthode des
rseaux de permances couple. Application aux machines synchrones aimants permanents,
Thse de doctorat ed. Lille, France, 1998.
[33] Z. Grbo and S. Vukosavic, "Cost-optimized switched reluctance motor drive with bipolar
currents," Electrical Engineering , SpringerLink, vol. 89, no. 3, pp. 183-191, 2007.
[34] H. Chen and Jason J. Gu, "Implementation of the Three-Phase Switched Reluctance Machine
System for Motors and Generators", IEEE/ASME Transactions on Mechatronics, vol.15, no.3,
Juin 2010
[35] Guiying Song, Zhida Li, Zhenghan Zhao, and Xiang Wang, "Direct Torque Control of Switched
Reluctance Motors," in International Conference on Electrical Machines and Systems ICEMS
2008, Wuhan, 2009, pp. 3389-3392.
[36] Hai-Jiao Guo, "Considerations of Direct Torque Control for Switched Reluctance Motors," in IEEE
International Symposium on Industrial Electronics, Montreal, 2006, pp. 2321-2325.
[37] Akitomo Komatsuzaki, Yojiro Miura, and Ichiro Miki, "Novel Position Estimation for Switched
Reluctance Motor Based on Space Vector of Phase Inductance," in International Conference on
Electrical Machines and Systems ICEMS, Wuhan, 2008, pp. 2932-2937.
[38] Mitani Mitani, Hiroki Goto, Hai-Jiao Guo, and Osamu Ichinokura, "Position Sensorless Direct
Torque Control of SR Motors," in EPE-PEMC, Portoroz, 2006, pp. 1143-1148.
[39] Yong-Ho Yoon, Jae-Moon Kim, Chung-Yuen Won, and Lee Byoung-Kuk, "New approach to SRM
drive with six-switch converter," Mechatronics, pp. 1-13, 2009.
[40] S. Kachapornkul et al., "Sensorless control of switched reluctance motor for three-phase full-
bridge inverter drive," in International Conference on Electrical Machines and Systems ICEMS,
2008, pp. 3321-3326.
[41] J.Y. Chai and C.M. Liaw, "Reduction of speed ripple and vibrations for switched reluctance motor
drive via intelligent current profiling," IET Electric Power Applications, vol. 4, no. 5, pp. 380-396,
2010.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Bibliographie
155

[42] Abdelkader Benabou, "Contribution la caractrisation et la modlisation de matriaux
magntiques en vue d'une implantation dans un code de calcul de champ" Thse, Universit
de Sciences et Technologies de Lille, Lille, Decembre 2002.e
[43] W.H. Press, S.A Teukolsky, W.T. Vetterling, and B.P Flannery, Numerical Recipes in C, 2nd ed.
Cambridge: Cambridge University Press, 1992.
[44] D. Ilea, F. Gillon, P. Brochet, and M.M Radulescu, "Comparative Finite-Element and Permeance-
Network Analysis for Design Optimization of Switched Reluctance Motors," in Computational
Methods for the Innovative Design of Electrical Devices. Berlin Heidelberg, Germany: Springer-
Verlag, 2011, pp. 304-310,
http://www.springer.com/engineering/computational+intelligence+and+complexity/book/978-3-
642-16224-4.
[45] D. Ilea, M.M. Radulescu, F. Gillon, and P. Brochet, "Dynamic Model of a Three-Phase Full-
Bridge Inverter-Fed Switched Reluctance Motor for Optimization Purposes," in Proc. of
ACEMP&Electromotion Joint Conference, Istanbul, 2011.
[46] Yann Collette and Patrick Siarry, Optimisation multiobjectif. Paris, France: Eyrolles, 2002.
[47] J. Kennedy and R.C. Eberhart, "Particle Swarm Optimization," in Proceeding of the IEEE
international conference on neural networks IV, 1995, pp. 1942-1948.
[48] K.M. Passino, "Biomimicry of bacterial foraging for distributed optimization and control," IEEE
Control Systems, vol. 22, no. 3, pp. 52-67, 2002.
[49] D.H. Kim, A. Abraham, and J.H. Cho, "A hybrid genetic algorithm and bacterial foraging approach
for global optimization," Science Direct Elsevier, no. 177, pp. 3918-3937, 2007.
[50] A. Biswas, S. Dasgupta, S. Das, and A. Abraham, "Synergy of PSO and bacterial foraging
optimization," in Innovations in Hybrid Intelligent Systems - Advances in Soft Computing.:
Springer, 2008, vol. 44, pp. 255-263.
[51] G Ciuprina, D Ioan, and I. Munteanu, "Use of Intelligent-Particle Swarm Optimization in
Electromagnetics," IEEE Trans. on Magnetics, vol. 38, no. 2, pp. 1037-1040, March 2002.
[52] J. Robinson and Y. Rahmat-Samii, "Particle Swarm Optimization in Electromagnetics," IEEE
Trans. on Antennas and Propagation, vol. 52, no. 2, pp. 397-407, February 2004.
[53] U Baumgartner, Ch. Magele, and W Renhart, "Pareto Optimality and Particle Swarm
Optimization," IEEE Trans. on Magnetics, vol. 40, no. 2, pp. 1172-1175, March 2004.
[54] E Mezura-Montes and C.A.C Coello, "A simple multimembered evolution strategy to solve
constrained optimization problems," IEEE Trans. on Evolutionary Computation, vol. 9, no. 1, pp.
1-17, February 2005.
[55] J-H Seo, C-H Im, S-Y Kwak, C-G Lee, and H-K Jung, "An improved particle swarm optimization
algorithm mimicking territorial dispute between groups for multimodal function optimization
problems ," IEEE Trans. on Magnetics, vol. 44, no. 6, pp. 1046-1049, June 2008.
[56] S.K. Goudos, D. Z. Zaharis, D.G. Kampitaki, I.T. Rekanos, and C.S. Hilas, "Pareto Optimal
Design of Dual-Band Base Station Antenna Arrays Using Multi-Objective Particle Swarm
Optimization with Fitness Sharing," IEEE Trans. on Magnetics, vol. 45, no. 3, pp. 1522-1525,
March 2009.
[57] P. Demarcke, H. Rogier, and R. Goossens, "Beamforming in the Presence of Mutual Coupling
Based on Constrained Particle Swarm Optimization," IEEE Trans. on Antennas and Propagation,
vol. 57, no. 6, pp. 1655-1666, June 2009.
[58] L.S. Coelho and H.V.H., Alotto,P. Ayala, "A multi-objective gaussian particle swarm approach
applied to electromagnetic optimization," IEEE Trans. on Magnetics, vol. 46, no. 8, pp. 3289-
3292, August 2010.
[59] Y Shi and R.C. Eberhart, "A modified particle swarm optimizer," in Proc. of the IEEE international
conference on evolutionary computation, 1998, pp. 69-73.
[60] Riccardo Poli, James Kennedy, and Tim Blackwell, "Particle swarm optimization - An overview,"
Swarm Intell, vol. 1, pp. 33-57, 2007.
[61] M. Clerc and J. Kennedy, "The Particle Swarm - Explosion, Stability and Convergence in a
Multidimensional Complex Space," IEEE Trans. on Evolutionary Computation, vol. 6, no. 1, pp.
58-73, February 2002.
[62] J. Kennedy, "Bare bones particle swarms," in Proc. of the 2003 IEEE Swarm Intelligence
Symposium, 2003, pp. 80-87.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Bibliographie
156

[63] P.J. Angeline, "Using Selection to Improve Particle Swarm Optimization," in IEEE World
Congress on Computational Intelligence, 1998, pp. 84-89.
[64] R. Poli and C.R. Stephens, "Constrained molecular dynamics as a search and optimization tool,"
in Lecture notes in computer science : Proceedings of the 7th European conference on genetic
programming (EuroGP), Springer, Ed., 2004, pp. 150-161.
[65] I.C. Trelea, "The particle swarm optimization algorithm: convergence, analysis and parameter
selection," Information Processing Letters, vol. 85, no. 6, pp. 317-325, 2003.
[66] R.A. Krohling, "Gaussian swarm: A novel particle swarm optimization algorithm," in Proc. of the
2004 IEEE Conf. on Cybernetics and Intelligent Systems, Singapore, 2004, pp. 372-376.
[67] R.A. Krohling and E. Mendel, "Bare bones particle swarm optimization with gaussian or cauchy
jumps," in IEEE Congress on Evolutionary Computation, 2009, pp. 3285-3291.
[68] R.A. Krohling and L.S. Coelho, "PSO-E: Particle Swarm with Exponential Distribution," in IEEE
Congress on Evolutionary Computation, Vancouver, 2006, pp. 1428-1433.
[69] J. Kennedy and R.C. Eberhart, "A discrete binary version of the particle swarm algorithm," in
IEEE International Conference on Computational Cybernetics and Simulation, 1997, pp. 4104-
4108.
[70] A.J. Nebro et al., "SMPSO: A new PSO-based metaheuristic for multi-objective optimization," in
IEEE Symposium on Computational Intelligence in multi-criteria decision-making, 2009, pp. 66-
73.
[71] R. Mendes, J. Kennedy, and J. Neves, "The fully informed particle swarm :simpler, maybe
better," IEEE Trans. on Evolutionary Computation, vol. 8, no. 3, pp. 204-210, June 2004.
[72] W. Zhong, J. Xing, and F. Qian, "An improved theta-PSO algorithm with crossover and mutation,"
in Proc. of the 7th World Congress on Intelligent Control and Automation, Chongqing, 2008, pp.
5308-5312.
[73] J.J. Liang, P.N. Suganthan, and S. Baskar, "Comprehensive learning particle swarm optimizer for
global optimization of multimodal functions," IEEE Trans. on Evolutionary Computation, vol. 10,
no. 3, pp. 281-295, June 2006.
[74] J. Branke and S. Mostaghim, "About selecting the personal best in multi-objective particle swarm
optimization," Parallel Problem Solving from Nature - PPSN IX, vol. 4193, pp. 523-532, 2006.
[75] J. Horn and N. Nafpliotis, "Multiobjective optimization using the niched pareto genetic algorithm,"
University of Illinois, IlliGAL Report 93005, 1993.
[76] N. Srinivas and K. Deb, "Multiobjective functino optimization using nondominated sorting genetic
algorithms," Evol. Comput., vol. 2, no. 3, pp. 221-248, 1995.
[77] K. Deb, Pratap A., Agarwal S., and Meyarivan T., "A fast and elitist multiobjective genetic
algorithm NSGA II," IEEE Trans. on Evolutionary Computation, vol. 6, no. 2, Avril 2002.
[78] E. Zitzler, M. Laumanns, and L. Thiele, SPEA2: Improving the Strength Pareto Evolutionary
Algorithm, 103rd ed., 2001.
[79] E. Zitzler and L Thiele, "Multi-objective Evolutionary Algorithms : A comparative case study and
the Strength Pareto Approach," IEEE Trans on Evolutionary Computation, vol. 3, no. 4,
Novembre 1999.
[80] A.G. Hernandez-Diaz, L.V. Santana-Quintero, C.A. Coello Coello, and J. Molina, "Pareto-
adaptive epsilon-dominance," Evolutionary Computation, vol. 15, no. 4, pp. 493-517, 2007.
[81] C.A. Coello Coello, G.T. Pulido, and L.S Lechuga, "Handling Multiple Objectives with Particle
Swarm Optimization," IEEE Trans. on Evolutionary Computation, vol. 8, no. 3, pp. 256-279, June
2004.
[82] C.-S. Tsou, S.-C. Chang, and P.-W. Lai, "Using crowding distance to improve multi-objective
PSO with local search," Swarm Intelligence, Focus on Ant and Particle Swarm Optimization, pp.
77-86, December 2007.
[83] R.A. Santana, M.R. Pontes, and C.J.A. Bastos-Filho, "A multiple objective particle swarm
optimization using crowding distance and roulette wheel," in International Conference on
Intelligent Systems Design and Applications ISDA, Pisa, 2009, pp. 237-242.
[84] Frans van den Bergh and Andries P. Engelbrecht, "A cooperative approach to particle swarm
optimization," IEEE Trans. on evolutionary computation, vol. 8, no. 3, pp. 225-239, June 2004.
[85] J. Zhao, L Lu, and H. Sun, "A modified two sub-swarms exchange particle swarm optimization,"
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Bibliographie
157

in International Conference on Intelligent Technology and Automation, 2010, pp. 180-183.
[86] C.G.B Lamont and D.A. van Veldhuizen, "Evolutionary algorithms for solving multi-objective
problems," Genetic and Evolutionary Computation, vol. 2, 207.
[87] T. Zhuang, Q. Li, Q. Guo, and X. Wang, "A two-stage particle swarm optimizer," in IEEE World
Congresss on Computational Intelligence, Hong Kong, 2008, pp. 557-563.
[88] E. Zitzler, K. Deb, and L. Thiele, "Comparison of multiobjective evolutionary algorithms: Empirical
results," Evolutionary Computation, vol. 8, no. 2, pp. 173-195, 2000.
[89] S. Brisset, "Dmarches et Outils pour la Conception Optimale des Machines
lectriques",Habilitation diriger des recherches, Universit des Sciences et Technologie de
Lille, Dec. 2007
[90] K. Deb, "Multi-objective genetic algorithms : problem difficuties and construction of test
problems," Evolutionary Computation, vol. 7, pp. 205-230, 1999.
[91] Team Workshop Problem 22 : SMES Optimization Benchmark. [Online].
http://www.compumag.org/jsite/images/stories/TEAM/problem22.pdf
[92] F.G. Guimaraes et al., "A multiobjective proposal for the TEAM benchmark problem 22," IEEE
Transactions on Magnetics, vol. 42, no. 4, pp. 1471-1474, April 2006.
[93] N. Bracikowski, D. Ilea, F. Gillon and P. Brochet, "Multi-physics Design Rules of Permanent
Magnet Synchronous Machine with Lumped Models" , International Conference on the
Computation of Electromagnetic Fields, COMPUMAG 2011, Sydney, Australia, July 2011
[94] D.J. Griffiths, Introduction to electrodynamics.: Upper Saddle River, 1999.
[95] S.S. Murthy, B. Singh, and V. Kumar Sharma, "A frequency response method to estimate
inductance profile of switched reluctance motor," in International Conference on Power
Electronics and Drive Systems, 1997, pp. 181-187.
[96] D.Ilea, M.M. Radulescu, F. Gillon, and P. Brochet, "Multi-objective optimization of a switched
reluctance motor for light electric traction applications"; in Proc. of Vehicle Power and Propulsion
Conference VPPC 2010, 1-3 Sept. 2010, Lille, France, DOI: 10.1109/VPPC.2010.5729005,
http://ieeexplore.ieee.org/search/srchabstract.jsp?tp=&arnumber=5729005&queryText%3Dswitch
e
d+reluctance+particle+swarm%26openedRefinements%3D*%26searchField%3DSearch+All
[97] D. Ilea, A. Berbecea, F. Gillon, P. Brochet, M.M. Radulescu, "Multi-objective PSO tool for
electromagnetic problems with grid computing", COMPUMAG 2011 Conference , July 2011,
Sydney, Australia
[98] D. Ilea, M.M. Radulescu, F. Gillon, P. Brochet, "Particle-swarm-optimized design of switched
reluctance motors for light electric traction applications", in Electromotion Revue, no.1, January-
Mars 2010, pp.23-29, ISSN 1223-057x
[99] D. Ilea, M.M. Radulescu, F. Gillon, P. Brochet, "Particle-swarm-optimized design of a three-
phase full-bridge inverter-fed switched reluctance motor", in Electromotion Revue, no.3, July-
September 2010, pp.155-162; ISSN 123-057x
[100] N. Bracikowski, D. Ilea, F. Gillon, M. Hecquet, P. Brochet, "Design of Permanent Magnet
Synchronous Machine in order to reduce Noise under Multi-Physic constraints" in Proc. of
International Electric Machines and Drives Conference (IEMDC 2011), Niagara Falls, Canada,
May 2011
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Annexes
158

7. ANNEXES


t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Annexes
159


t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3
Annexes
160

t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3

161

Titre en franais : Conception optimale des moteurs rluctance variable commutation
lectronique pour la traction des vhicules lectriques lgers
Rsum en franais:
Le domaine de la traction lectrique a suscit un trs grand intrt dans les dernires
annes. La conception optimale de l'ensemble moteur lectrique de traction onduleur doit
prendre en compte une varit de critres et contraintes. tant donne la liaison entre la
gomtrie du moteur et la stratgie de commande de l'onduleur, l'optimisation de l'ensemble
de traction doit prendre en considration, en mme temps, les deux composants.
L'objectif de la thse est la conception d'un outil d'optimisation appliqu un systme de
traction lectrique lgre qu'emploie un moteur rluctance variable aliment (MRVCE) par
un onduleur triphas en pont complet.
Le MRVCE est modlis en utilisant la technique par rseau de permances. En mme
temps, la technique de commande lectronique peut tre facilement intgre dans le modle
pour effectuer l'analyse dynamique du fonctionnement du moteur.
L'outil d'optimisation ralis utilise l'algorithme par essaim de particules, modifi pour
rsoudre des problmes multi-objectif. Les objectifs sont lis la qualit des caractristiques
de fonctionnement du moteur, en tant que les variables d'optimisation concernent la
gomtrie du moteur aussi que la technique de commande. Les performances de
l'algorithme sont compares avec ceux de l'algorithme gntique (NSGA-II) et d'une
implmentation classique de l'algorithme par essaim de particules multi-objectif.
Finalement, un prototype de moteur rluctance variable est construit et le fonctionnement
du MRVCE aliment depuis l'onduleur triphas en pont complet est implment et les outils
de modlisation et d'optimisation sont valids.
Mots-clefs: moteur reluctance variable, optimisation multi-objectif, essaim de particules,
traction lectrique.

Titre en anglais: Optimal design of switched reluctance motors for light electric traction
applications
Rsum en anglais:
The interest for the electric traction applications has been growing in the last few years. The
optimal design of the electric motor and of the inverter that powers it needs to consider a long
list of restrictions and criteria. Because of the fact that the geometry of the motor and the
switching strategy are closely linked, the optimization of the traction solution needs to consider
both, at the same time.
The objective of this thesis is the development of an optimization tool applied for the
optimization of an electric traction solution that uses the switched reluctance motor (SRM) fed
from a three phase full bridge inverter.
The SRM is modeled using Permeance Network Analysis (PNA). The switching technique can
be easily integrated in the model, which gives the possibility to run a dynamic analysis.
The optimization tool created uses the Particle Swarm Optimization (PSO) algorithm, modified
for multi-objective problems. The algorithms performances are compared with those of the
Genetic Algorithm, using the NSGA-II multi-objective technique and with a classic version of
multiple objective particle swarm optimizer (MOPSO).
Finally, a SRM prototype is constructed and the drive solution using a full-bridge three phase
inverter is implemented. The modeling and optimization tools are thus experimentally
validated.
Mots-clefs: switched reluctance motor, multi-objective optimization, particle swarm
optimization, electric traction.
t
e
l
-
0
0
7
9
4
1
0
0
,

v
e
r
s
i
o
n

1

-

2
5

F
e
b

2
0
1
3