Vous êtes sur la page 1sur 216

FACULTE DES SCIENCES

U.F.R Sciences & Techniques : S.T.M.I.A


Ecole Doctorale : Informatique-Automatique-Electrotechnique-Electronique-Mathmatique
Dpartement de Formation Doctorale : Electrotechnique-Electronique
Thse
Prsente pour lobtention du titre de
Docteur de lUniversit Henri Poincar, Nancy-I
en Gnie Electrique
par Lotfi BAGHLI

Contribution la commande de la machine asynchrone,
utilisation de la logique floue, des rseaux de neurones
et des algorithmes gntiques

Soutenue publiquement le 14 Janvier 1999 devant la commission dexamen :
Membres du Jury :
Prsident : H. BUYSE Professeur, LEI, Louvain-la-Neuve, Belgique
Rapporteurs : J. FAUCHER Professeur, LEEI, INPT - ENSEEIHT, Toulouse
J. P. HAUTIER Professeur, L2EP, ENSAM, Lille
Examinateurs : A. REZZOUG Professeur, IUFM de Lorraine, UHP, Nancy
H. RAZIK Matre de Confrences, IUFM de Lorraine, UHP, Nancy
Groupe de Recherche en Electrotechnique et Electronique de Nancy
Facult des Sciences - 54500 Vanduvre-ls-Nancy
Ddicaces






























A ma famille et mes amis
pour la patience et le dvouement dont ils ont fait preuve
Remerciements






J e tiens remercier Monsieur H. Buyse, Professeur l'Universit Catholique de
Louvain, pour m'avoir fait l'honneur de prsider mon jury.


J e remercie vivement Messieurs J . Faucher, Professeur l'Institut National
Polytechnique de Toulouse, et J . P. Hautier, Professeur l'Ecole Nationale Suprieure d'Arts
et Mtiers de Lille, pour l'intrt qu'ils ont port mon travail ainsi que pour les
enrichissantes observations faites dans leurs rapports.


J e tiens exprimer ma profonde gratitude Monsieur A. Rezzoug, Professeur
l'IUFM de Lorraine, pour m'avoir accueilli au sein de son quipe, pour avoir dirig ce travail,
pour les nombreuses discussions que nous avons eu, malgr un emploi du temps charg, pour
sa sensibilit, son gard, le respect et la sympathie dont je fus tmoin et pour m'avoir montr
l'importance de la partie exprimentale dans notre domaine.


J e remercie sincrement Monsieur H. Razik, Matre de confrences l'IUFM de
Lorraine, pour avoir co-dirig ce travail ainsi que pour ses nombreux conseils et son soutien
tout au long de cette thse.


Que tous les membres du laboratoire GREEN se trouvent ici remercis, notamment
ceux de l'Universit Henri Poincar, et plus particulirement J . Lvque et F. Weinachter. La
trs bonne humeur et l'ambiance au sein du groupe m'ont permis de mener mes travaux de
recherche de faon trs agrable.
Les discussions, les remarques et les commentaires de mes collgues ont t sources d'ides et
ont contribu au dveloppement et l'amlioration de cette tude.


J e veux galement remercier ma famille et mes amis pour leur soutien moral.


Enfin, je remercie tout particulirement mes parents, pour leur soutien inconditionnel
tout au long de ces longues annes d'tudes.


Table des matires
1
Introduction gnrale ________________________________________________________5
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques____________11
1. Introduction________________________________________________________________ 13
2. Logique floue _______________________________________________________________ 13
2.1. Principe et dfinitions_____________________________________________________________ 13
2.2. Oprateurs et normes _____________________________________________________________ 15
2.3. Infrence_______________________________________________________________________ 16
2.4. Structure d'un rgulateur flou_______________________________________________________ 20
3. Rseaux de neurones _________________________________________________________ 29
3.1. Principe et dfinitions_____________________________________________________________ 29
3.2. Perceptrons multicouches__________________________________________________________ 30
3.3. Rseaux de neurones fonction de base radiale ( RBF ) __________________________________ 35
3.4. Applications ____________________________________________________________________ 37
4. Algorithmes gntiques_______________________________________________________ 37
4.1. Principe et dfinitions_____________________________________________________________ 37
4.2. Applications ____________________________________________________________________ 38
5. Conclusion _________________________________________________________________ 40
Chapitre II : Application la commande de la machine asynchrone _________________41
1. Introduction________________________________________________________________ 43
2. Identification des paramtres de la machine asynchrone ___________________________ 43
2.1. Essai 1 : dmarrage_______________________________________________________________ 43
2.2. Essai 2 : chelon_________________________________________________________________ 51
2.3. Discussion______________________________________________________________________ 55
2.4. Conclusion _____________________________________________________________________ 57
3. Contrle vectoriel classique ___________________________________________________ 58
3.1. Introduction_____________________________________________________________________ 58
3.2. Modle de la machine asynchrone ___________________________________________________ 58
3.3. Mthodes de commande vectorielle des moteurs asynchrones______________________________ 61
4. Rgulation, mthodes classiques _______________________________________________ 65
4.1. Introduction_____________________________________________________________________ 65
4.2. Dcouplage_____________________________________________________________________ 65
4.3. Rgulation des courants ___________________________________________________________ 67
4.4. Rgulation de la vitesse____________________________________________________________ 71
4.5. Conclusion _____________________________________________________________________ 79
5. Rgulation par logique floue __________________________________________________ 79
5.1. Introduction_____________________________________________________________________ 79
5.2. Rgulateur flou trois ensembles____________________________________________________ 79
5.3. Rgulateur flou cinq ensembles____________________________________________________ 87
5.4. Stabilit des systmes intgrant un rgulateur flou_______________________________________ 89
5.5. Conclusion _____________________________________________________________________ 90
6. Rgulation par rseau de neurones _____________________________________________ 95
6.1. Introduction_____________________________________________________________________ 95
6.2. Rseau de neurones du type perceptron _______________________________________________ 95
6.3. Rgulateur neuro-flou ( cinq ensembles flous ) ________________________________________ 98
6.4. Rseau de neurones fonction de base radiale ( RBF ) __________________________________ 101
6.5. Conclusion ____________________________________________________________________ 105
7. Conclusion ________________________________________________________________ 105
Table des matires
2
Chapitre III : Influence des changements de paramtres de la machine _____________107
1. Introduction_______________________________________________________________ 109
2. Paramtres mcaniques _____________________________________________________ 109
2.1. Moment d'inertie ( J ) ____________________________________________________________ 109
2.2. Coefficient de frottement sec ( a
30
) _________________________________________________ 113
3. Paramtres lectriques ______________________________________________________ 115
3.1. Rsistance statorique ( R
s
) ________________________________________________________ 115
3.2. Coefficient de dispersion ( ) _____________________________________________________ 117
3.3. Constante de temps statorique (
s
) _________________________________________________ 119
3.4. Constante de temps rotorique (
r
) __________________________________________________ 120
4. Conclusion ________________________________________________________________ 121
Chapitre IV : Machine avec dfauts au rotor ___________________________________123
1. Introduction_______________________________________________________________ 125
2. Modle mailles ___________________________________________________________ 125
2.1. Calcul des inductances ___________________________________________________________ 125
2.2. Mise en quation________________________________________________________________ 127
3. Simulation de rupture de barres rotoriques _____________________________________ 132
3.1. Analyse par FFT du courant statorique en rgime quasi stationnaire________________________ 135
3.2. Conclusion ____________________________________________________________________ 137
4. Commande vectorielle de la machine prsentant des barres dfectueuses ____________ 139
4.1. Introduction____________________________________________________________________ 139
4.2. Mise en uvre__________________________________________________________________ 139
4.3. Comparaison des rgulateurs ______________________________________________________ 141
4.4. Conclusion ____________________________________________________________________ 143
Chapitre V : Commande sans capteur mcanique _______________________________145
1. Introduction_______________________________________________________________ 147
2. Les mthodes de commande sans capteur mcanique _____________________________ 147
2.1. Mthodes base d'estimateur ______________________________________________________ 147
2.2. Mthodes base d'observateur _____________________________________________________ 148
2.3. Commande directe du couple ( DTC ) _______________________________________________ 150
2.4. Systme adaptatif utilisant un modle de rfrence ( MRAS ) _____________________________ 153
2.5. Filtre de Kalman________________________________________________________________ 155
2.6. Autres mthodes________________________________________________________________ 158
3. Mthode propose __________________________________________________________ 159
3.1. Commande vectorielle sans capteur avec rgulation de vitesse ____________________________ 167
4. Techniques "intelligentes" de commande sans capteur____________________________ 170
5. Conclusion ________________________________________________________________ 172
Conclusion gnrale _______________________________________________________173
Annexes _________________________________________________________________179
1. Annexe 1 : Paramtres des machines tudies ___________________________________ 181
1.1. Machine 1_____________________________________________________________________ 181
1.2. Machine 2_____________________________________________________________________ 181
2. Annexe 2 : Prsentation du logiciel MASVECT__________________________________ 182
3. Annexe 3 : Description du dispositif exprimental________________________________ 185
Table des matires
3
Nomenclature ____________________________________________________________189
Glossaire ________________________________________________________________193
Bibliographie_____________________________________________________________197
Table des matires
4
Introduction gnrale
5
Introduction gnrale
Introduction gnrale
Introduction gnrale
6
Introduction gnrale
7
La machine asynchrone, de par sa construction, est la machine la plus robuste et la moins
chre du march. Les progrs raliss en commande et les avances technologiques
considrables, tant dans le domaine de l'lectronique de puissance que dans celui de la micro-
lectronique, ont rendu possible l'implantation de commandes performantes de cette machine
faisant d'elle un concurrent redoutable dans les secteurs de la vitesse variable et du contrle
rapide du couple.
Cependant, de nombreux problmes demeurent. L'influence des variations des paramtres de
la machine, le comportement en fonctionnement dgrad, la prsence d'un capteur mcanique
sont autant de difficults qui ont aiguis la curiosit des chercheurs dans les laboratoires. En
tmoigne, le nombre sans cesse grandissant des publications qui traitent le sujet.
Bien que dj prsents dans d'autres domaines, la logique floue, les rseaux de neurones et les
algorithmes gntiques constituaient, au dbut de notre travail de thse, une nouveaut dans le
domaine de l'lectrotechnique.
Nous avons voulu savoir quel pourrait tre l'apport de ces mthodes appliques
l'identification et la commande de la machine asynchrone.
Des questions se posent alors naturellement : ces mthodes qui ne relvent, en tout cas pas
premire vue, d'une logique cartsienne classique, peuvent elles conduire de meilleurs
rsultats ? Sinon, que prsentent elles comme avantages et inconvnients par rapport aux
techniques conventionnelles ?
Ce qui nous a le plus motiv dans ce travail, c'est qu'il comporte de nombreux volets et touche
plusieurs disciplines en mme temps. Il comporte par-dessus tout une partie exprimentale
forte en enseignements et qui nous permet, non seulement de voir concrtement
l'aboutissement et la finalit de l'tude, mais aussi de faire ressortir les problmes cruciaux de
mise en uvre.
Il est videmment impossible de cerner toutes les possibilits et les combinaisons o peuvent
intervenir ces techniques. Nous examinerons plus prcisment la rgulation ainsi que son
optimisation.
Il nous apparat ncessaire de commencer par prsenter ces mthodes puis d'expliciter les
manires les plus simples de les mettre en uvre.
Tout au long de ce travail, nous avons gard comme objectif l'implantation et
l'exprimentation des mthodes dveloppes. En effet, combien de procds donnent de trs
bons rsultats en simulation et ne fonctionnent pas du tout ds qu'il s'agit de les utiliser
concrtement. Nous essayerons aussi d'viter les procds trop complexes pour une
implantation raisonnable ou qui ne permettent pas de tirer des conclusions quant aux
performances obtenues.
L'aspect exprimental revt donc une trs grande importance. Il permet de valider les
mthodes tablies par un travail thorique et de simulation. Il met galement en vidence
certaines lacunes dues une mauvaise modlisation ou identification. Dans de nombreux cas,
les rsultats sont assez satisfaisants puisque la rgulation pallie ces erreurs, mais il arrive que
la mthode, une fois implante, ne fonctionne pas du tout. L'exprimentation en laboratoire
constitue donc un garde-fou avant l'tape d'industrialisation.
Introduction gnrale
8
Les diffrents travaux concernant le sujet font l'objet de cinq chapitres qui constituent ce
mmoire.
Le chapitre I prsente les diffrentes approches utilises dans cette tude. Ces techniques tant
relativement nouvelles dans la communaut lectrotechnique, il est important de bien prciser
les termes employs et de dvelopper suffisamment les mthodes utilises.
Nous commenons par dfinir et expliquer la terminologie utilise en logique floue, la thorie
des ensembles flous et ainsi que le mode de raisonnement propre aux variables floues. Nous
dveloppons une mthode de synthse d'un rgulateur flou et abordons les tapes ncessaires
la ralisation de l'infrence floue.
Nous prsentons par la suite les deux structures de rseaux de neurones auxquelles nous nous
sommes intresss dans ce travail. Les mthodes et proprits de l'apprentissage des rseaux
de neurones sont galement abordes.
Enfin, une mthode d'optimisation par algorithme gntique est prsente. Les notions,
directement inspires de la thorie de l'volution, qui interviennent dans ces algorithmes sont
explicites.
Dans ce chapitre, l'accent est mis aussi bien sur la conception des mthodes que sur leur
utilisation. Ceci afin de se familiariser avec une manire de raisonner diffrente par rapport
l'approche laquelle on est habitu dans la rsolution de certains problmes.
L'application de ces mthodes fait l'objet du chapitre II. En premier lieu, nous prsentons
l'identification de la machine asynchrone par algorithmes gntiques. Les mthodes bases sur
l'essai de dmarrage de la machine et sur des chelons de tension continue sont tudies. Une
analyse du comportement de l'algorithme ainsi que de la prcision des mthodes est mene.
Par la suite, la commande vectorielle de la machine asynchrone ainsi que les modles utiliss
pour la simulation de la machine et pour le contrle sont prsents. Une comparaison des
diffrentes mthodes sera aborde de manire plus dtaille dans le chapitre V.
Le fonctionnement et le rglage des diffrents contrleurs du schma classique sont explicits.
A chaque fois, les rsultats exprimentaux et de simulation sont compars et comments.
On s'intresse alors au remplacement du rgulateur classique de vitesse, au sein de la
commande vectorielle, par un rgulateur flou puis par un rgulateur neuronal. Les rgulateurs
flous trois puis cinq ensembles flous par variable sont compars par rapport aux
rgulateurs classiques du type Proportionnel-Intgral.
Les rgulateurs neuronaux de type perceptron sont ensuite utiliss afin de dupliquer la surface
de commande des rgulateurs flous. La procdure d'apprentissage, propre cette structure,
ainsi que son utilisation sont discutes.
Dans un premier temps, afin d'viter cette procdure d'apprentissage qui constitue une tape
lourde en terme de temps de calcul, des rgulateurs neuronaux fonction de base radiale
( RBF ) sont mis en uvre. Une amlioration de leurs performances, par optimisation de leurs
caractristiques l'aide d'algorithmes gntiques, est effectue et abouti au rgulateur RBF
retenu pour la suite de l'tude.
Les rsultats obtenus suite des essais lorsque des chelons de vitesse sont appliqus vide et
en charge ont permis de tirer des conclusions constructives.
Dans le chapitre III, nous prsentons une tude, par simulation, sur l'influence des
changements de paramtres de la machine sur la rponse du systme. Les diffrents
rgulateurs classiques, flous et neuronaux prcdemment retenus sont utiliss et les rsultats
obtenus sont compars. Les essais portent aussi bien sur des chelons de vitesse que sur des
chelons de couple rsistant. L encore, le comportement des rgulateurs est analys suivant
Introduction gnrale
9
leurs surfaces caractristiques et une confrontation des rsultats obtenus permet de complter
les conclusions du chapitre II sur les performances des rgulateurs.
Dans le chapitre IV, nous abordons le problme de la machine asynchrone prsentant des
dfaillances de structure. Nous nous intressons, plus spcialement, la rupture de barres
rotoriques et son impact sur le fonctionnement de la machine aussi bien en rgime non
command qu'en contrle vectoriel pour une rgulation de vitesse.
Nous verrons comment les rgulateurs envisags peroivent ces dfauts en rgime transitoire
et en rgime quasi permanent.
Le chapitre V prsente le problme de la commande vectorielle de la machine asynchrone
sans capteur mcanique. Un tat de l'art est dress et les diffrentes mthodes sont compares
et analyses. La solution que nous recherchons va dans le sens de la simplicit d'implantation
et de la robustesse vis vis des variations de paramtres. Une estimation du flux statorique
par intgration de la f.e.m. est alors propose. L'accent est mis sur l'influence des dcalages
des signaux de mesures, aussi minimes soient ils, sur le fonctionnement du dispositif. La mise
au point d'une mthode de compensation d'offset en ligne, rend possible l'utilisation de ce
procd. Des essais exprimentaux montrent l'efficacit d'une telle commande de couple.
Nous terminons par une conclusion sur l'ensemble de cette tude et nous proposons des
perspectives de travail.
Les annexes contiennent les paramtres des machines tudies, une prsentation du logiciel
que nous avons dvelopp au cours de cette tude et du dispositif exprimental labor. Des
problmes d'ordre pratique sont galement abords dans cette partie.
Introduction gnrale
10
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
11
Chapitre I
Logique floue, rseaux de neurones
et algorithmes gntiques
Chapitre I : Logique floue, rseaux
de neurones et algorithmes
gntiques
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
12
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
13
1. Introduction
On pourrait dire que la logique floue, les rseaux de neurones et les algorithmes gntiques
constituent des approches qui, tout compte fait, ne sont pas nouvelles. Leur dveloppement se
fait travers les mthodes par lesquelles l'homme essaye de copier la nature et de reproduire
des modes de raisonnement et de comportement qui lui sont propres. Bien que ces approches
paraissent "naturelles", et si elles se sont imposes dans des domaines allant du traitement de
l'image la gestion financire, elles commencent peine tre utilises dans les domaines de
l'lectrotechnique et de l'industrie afin de rsoudre les problmes d'identification, de
rgulation de processus, d'optimisation, de classification, de dtection de dfauts ou de prise
de dcision.
Considrant que la machine asynchrone cage et le convertisseur statique associ posent des
problmes difficiles tudier pour sa commande, nous nous proposons d'analyser ce que les
mthodes dcrites peuvent apporter comme solution cette commande. Il est videmment
impossible de cerner toutes les possibilits et les combinaisons o elles peuvent intervenir
dans un tel processus. Nous examinerons plus prcisment la rgulation ainsi que son
optimisation.
Il nous apparat ncessaire de commencer par prsenter ces mthodes puis d'expliciter les
manires les plus simples de les mettre en uvre. Plutt que dvelopper des mthodes trop
gnrales, nous cadrerons notre travail de faon rpondre l'objectif fix ici, la commande
vectorielle de la machine asynchrone, et d'analyser les avantages et les inconvnients lis
ces mthodes.
2. Logique floue
2.1. Principe et dfinitions
La logique floue repose sur la thorie des ensembles flous dveloppe par Zadeh [ZAD 65]. A
cot d'un formalisme mathmatique fort dvelopp, nous prfrons aborder la prsentation de
manire intuitive.
Les notions de temprature moyenne ou de courant faible sont relativement difficiles
spcifier de manire prcise. On peut fixer des seuils et considrer que l'on attribue tel ou tel
qualificatif en fonction de la valeur de la variable par rapport ces seuils. Ceci ne peut
exprimer qu'un avis trs tranch du qualificatif "temprature moyenne" par exemple. L'aspect
"vague" de ce qualificatif n'est pas reprsent ( figure 1.1 ).
On peut dfinir le degr d'appartenance de la variable temprature l'ensemble "faible"
comme le "degr de vrit" de la proposition "la temprature est faible".
En logique boolenne, le degr d'appartenance ( ) ne peut prendre que deux valeurs ( 0 ou
1 ). La temprature peut tre :
faible : 0 ) ( , 0 ) ( , 1 ) ( T T T
leve moyenne faible

moyenne : 0 ) ( , 1 ) ( , 0 ) ( T T T
leve moyenne faible

leve : 1 ) ( , 0 ) ( , 0 ) ( T T T
leve moyenne faible

Elle ne peut pas prendre deux qualificatifs la fois.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
14
: Degr d'appartenance
1
0
15 25 Temprature (C)
faible moyenne leve
40
Figure 1.1 Exemple d'ensembles considrs en logique boolenne
En logique floue, le degr d'appartenance devient une fonction qui peut prendre une valeur
relle comprise entre 0 et 1 inclus.

moyenne
T ( ), par exemple, permet de quantifier le fait que la temprature puisse tre
considre comme moyenne.
Dans ce cas, la temprature peut tre considre, la fois, comme faible avec un degr
d'appartenance de 0,2 et comme moyenne avec un degr d'appartenance de 0,8 ( figure 1.2 ).
0 ) ( , 8 , 0 ) ( , 2 , 0 ) ( T T T
leve moyenne faible

1
0
15 25 Temprature (C)
faible leve
: Degr d'appartenance
moyenne
0,2
0,8
T 40
Figure 1.2 Exemple d'ensembles considrs en logique floue
Pour la variable floue x, on dfinit un ensemble flou A sur un univers de discours X par une
fonction degr d'appartenance :
(x) x
X
A
A

!
] 1 , 0 [ :
( 1.1 )
L'univers de discours est l'ensemble des valeurs relles que peut prendre la variable floue x et

A
(x) est le degr d'appartenance de l'lment x l'ensemble flou A ( figure 1.3 ).
Plus gnralement, le domaine de dfinition de
A
(x) peut tre rduit un sous-ensemble de
X [ZAD 65]. On peut ainsi avoir plusieurs fonctions d'appartenance, chacune caractrisant un
sous-ensemble flou. C'est par l'association de tous les sous-ensembles flous de l'univers de
discours, que l'on obtient l'ensemble flou de la variable floue x [MAM 75]. Par abus de
langage, les sous-ensembles flous sont fort souvent confondus avec l'ensemble flou.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
15
1
0
univers de discours

A
(x)
x
Figure 1.3 Reprsentation d'un ensemble flou par sa fonction d'appartenance
Dans notre exemple, la variable floue est la temprature, l'univers de discours est l'ensemble
des rels de l'intervalle [0, 40]. On attribue cette variable trois sous-ensembles flous : faible,
moyenne et leve. Chacun est caractris par sa fonction degr d'appartenance :
) ( et ) ( , ) ( T T T
leve moyenne faible
.
1
0
15 25 T (C)

moyenne
(T)
0.5
40 20
Figure 1.4 Cas de l'ensemble flou "moyenne" de la variable Temprature
On peut dfinir la fonction degr d'appartenance
moyenne
sur tout l'univers de discours :

'

] 40 , 20 [ ;
) 25 exp( 1
1
1
] 20 , 0 [ ;
) 15 exp( 1
1
) (
x
x
x
x
x
moyenne
( 1.2 )
2.2. Oprateurs et normes
Comme dans la thorie des ensembles classiques, on dfinit l'intersection, l'union des
ensembles flous ainsi que le complmentaire d'un ensemble flou. Ces relations sont traduites
par les oprateurs "et", "ou" et "non". De nouvelles fonctions d'appartenance lies ces
oprateurs sont tablies :
x appartient A et B ) (x B A x
B A

x appartient A ou B ) (x B A x
B A

x appartient au complment de A ) (x A x
A

Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
16
L'oprateur "et" se dfini par une norme triangulaire ( t-norme ) :
xTy z y x
T


! ) , (
] 1 , 0 [ ] 1 , 0 [ ] 1 , 0 [ :
T possde les proprits suivantes :
commutativit : yTx xTy
associativit : Tz xTy yTz xT ) ( ) (
monotonie : y x yTz xTz si
admet 0 comme lment absorbant et 1 comme lment neutre : x Tx Tx 1 , 0 0
De mme, l'oprateur "ou" se dfini par une co-norme triangulaire ( T
*
) qu'on appelle aussi
s-norme ( S ) :
xSy z y x
S


! ) , (
] 1 , 0 [ ] 1 , 0 [ ] 1 , 0 [ :
S possde galement les proprits de commutativit, d'associativit et de monotonie. Elle
admet 1 comme lment absorbant et 0 comme lment neutre.
A l'aide de la loi de Morgan, on peut associer chaque t-norme, la s-norme dfinie par :
) 1 ( ) 1 ( 1 y T x xSy .
Les oprateurs les plus utiliss en logique floue sont :
Loprateur "et" pour la t-norme, qui correspond lintersection de deux ensembles A et
B. Il peut tre ralis par :
La fonction "Min" : )) ( ), ( min( ) ( x x x
B A B A

La fonction arithmtique "Produit" : ) ( ) ( ) ( x x x


B A B A

Loprateur "ou" pour la s-norme, qui correspond lunion de deux ensembles A et B. Il


peut tre ralis par :
La fonction "Max" : )) ( ), ( max( ) ( x x x
B A B A

La fonction arithmtique "Somme" : ) ( ) ( ) ( x x x


B A B A
+

Loprateur "non" est ralis par : ) ( 1 ) ( x x


A A
.
2.3. Infrence
En logique classique, la rgle de raisonnement du modus ponens permet, partir des deux
assertions,
x est A
et
si x est A alors y est B,
de conclure que y est B.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
17
En logique floue, la rgle s'appelle modus ponens gnralis et permet partir des assertions,
x est A'
et
si x est A alors y est B,
de conclure que y est B'.
L'infrence est l'opration d'agrgation des rgles.
Sans entrer dans les dtails de formalisation mathmatique, qui se basent sur les notions de
sous-ensembles flous, de graphes ( est le graphe dfinissant la relation (R) de A vers B ) et
de projection ( B' est la projection sur B de A' par le graphe ), il est possible de dfinir
l'ensemble B' par :
) , ( sup ) ( ,
' '
y x y B y
B A
A x
B

.
C'est dire que le degr d'appartenance de chaque lment y de B l'ensemble flou B' est gal
au plus grand degr d'appartenance des couples ) , ( y x l'intersection de l'ensemble A' avec le
graphe de la relation R.
Ce dernier est calcul en utilisant la fonction "Min" pour l'oprateur "et" de l'intersection :
)) , ( ), ( min( ) , (
' '
y x x y x
R A B A


.
En ce qui nous concerne, nous allons nous intresser aux infrences avec plusieurs rgles. En
effet, dans le cas de la commande et de la rgulation, les variables floues ont plusieurs
ensembles d'appartenance. Ainsi plusieurs rgles peuvent tre actives en mme temps.
Les rgles d'infrences peuvent tre dcrites de plusieurs faons,
a) Linguistiquement :
On crit les rgles de faon explicite comme dans l'exemple suivant,
SI ( la temprature est leve ET la vitesse est faible ) ALORS la tension est grande
positive
OU
SI ( la temprature est moyenne ET la vitesse est faible ) ALORS la tension est positive
b) Symboliquement :
Il s'agit en fait d'une description linguistique o l'on remplace la dsignation des
ensembles flous par des abrviations.
c) Par matrice d'infrence :
Elle rassemble toutes les rgles d'infrences sous forme de tableau. Dans le cas d'un
tableau deux dimensions, les entres du tableau reprsentent les ensembles flous des
variables d'entres ( temprature : T et vitesse : V ). L'intersection d'une colonne et d'une
ligne donne l'ensemble flou de la variable de sortie dfinie par la rgle. Il y a autant de
cases que de rgles.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
18
Exemple :
T U
F M E
F Z P GP V
E Z Z P
Tableau 1.1
Les rgles que dcrit ce tableau sont ( sous forme symbolique ) :
SI ( T est F ET V est F ) ALORS U=Z
OU
SI ( T est M ET V est F ) ALORS U=P
OU
SI ( T est E ET V est F ) ALORS U=GP
OU
SI ( T est F ET V est E ) ALORS U=Z
OU
SI ( T est M ET V est E) ALORS U=Z
OU
SI ( T est E ET V est E) ALORS U=P
Dans l'exemple ci-dessus, on a reprsent les rgles qui sont actives un instant donn
par des cases sombres :
SI ( T est M ET V est F ) ALORS U=P
OU
SI ( T est E ET V est F ) ALORS U=GP
Il arrive que toutes les cases du tableau ne soient pas remplies, on parle alors de rgles
d'infrences incompltes. Cela ne signifie pas que la sortie n'existe pas, mais plutt que le
degr d'appartenance est nul pour la rgle en question.
Il s'agit maintenant de dfinir les degrs d'appartenance de la variable de sortie ses sous-
ensembles flous. Nous allons prsenter les mthodes d'infrence qui permettent d'y arriver.
Ces mthodes se diffrencient essentiellement par la manire dont vont tre raliss les
oprateurs ( ici "ET" et "OU" ) utiliss dans les rgles d'infrence.
Nous prsentons les trois mthodes d'infrence les plus usuelles ; Max-Min, Max-Produit et
Somme-Produit :
2.3.1. Mthode d'infrence Max-Min
Cette mthode ralise l'oprateur "ET" par la fonction "Min", la conclusion "ALORS" de
chaque rgle par la fonction "Min" et la liaison entre toutes les rgles ( oprateur "OU" ) par
la fonction Max.
La dnomination de cette mthode, dite Max-Min ou "implication de Mamdani", est due la
faon de raliser les oprateurs ALORS et OU de l'infrence.
Reprenons l'exemple prcdent o seulement deux rgles sont actives :
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
19
Min
T
F E M
0,8
ET
V
F E
1
ALORS
Min
0,8
Z P
1
GP
U
Min
T
F E M
0,2
ET
V
F E
1
ALORS
Z P
GP
Min
0,2
1
U
Z
P
1
GP
U
OU
Max
Figure 1.5 Exemple d'infrence Max-Min
La variable T est Eleve avec un degr d'appartenance de 0,8 et Moyenne avec un degr
d'appartenance de 0,2. La vitesse V est faible avec un degr d'appartenance de 1.
L'application de la premire rgle d'infrence donne un degr d'appartenance la condition de
0,8 ( minimum d l'oprateur ET entre les deux degrs d'appartenance ). On obtient ainsi
une "fonction d'appartenance partielle" dessine en gris qui est crte 0,8.
De manire similaire, la seconde rgle donne lieu une fonction d'appartenance crte 0,2.
La fonction d'appartenance rsultante correspond au maximum des deux fonctions
d'appartenance partielles puisque les rgles sont lies par l'oprateur OU.
2.3.2. Mthode d'infrence Max-Produit
La diffrence par rapport la mthode prcdente rside dans la manire de raliser la
conclusion "ALORS". Dans ce cas, on utilise le produit comme illustr par la figure 1.6.
On remarque que les fonctions d'appartenances partielles ici ont la mme forme que la
fonction d'appartenance dont elles sont issues multiplies par un facteur d'chelle vertical qui
correspond au degr d'appartenance obtenu travers l'oprateur "ET".
On l'appelle galement "implication de Larsen".
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
20
Min
T
F E M
0,8
ET
V
F E
1
ALORS
Z
0,8
P
1
GP
U
Min
T
F E M
0,2
ET
V
F E
1
ALORS
Produit
0,2
Z P
1
GP
U
Z
P
1
GP
U
OU
Max
Produit
Figure 1.6 Exemple d'infrence Max-Produit
2.3.3. Mthode d'infrence Somme-Produit
Dans ce cas, l'oprateur "ET" est ralis par le produit, de mme que la conclusion "ALORS".
Cependant, l'oprateur "OU" est ralis par la valeur moyenne des degrs d'appartenance
intervenant dans l'infrence.
D'autres mthodes ont t labores, ayant chacune une variante spcifique. Nanmoins, la
mthode Max-Min est de loin la plus utilise cause de sa simplicit.
2.4. Structure d'un rgulateur flou
2.4.1. Introduction
Aprs avoir nonc les concepts de base et les termes linguistiques utiliss en logique floue,
nous prsentons la structure d'un contrleur flou.
La ralisation d'un rgulateur flou pose un problme li aux nombreuses manires de raliser
les oprateurs flous et l'implication. Bien que la liste des mthodes prsentes ne soit pas
exhaustive, on se retrouve dj avec un grand nombre de variantes. Nous allons prsenter les
principales diffrences entre ces dernires et justifier, sinon expliquer, nos choix.
L'aboutissement une implantation exprimentale constitue le but atteindre aprs les tapes
de modlisation et de simulation.
Dans ce qui suit, nous nous intressons principalement au rgulateur de vitesse au sein d'une
commande vectorielle de la machine asynchrone [BAG 96b].
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
21
La vitesse de rfrence peut tre pilote par un oprateur externe. La grandeur de sortie de ce
rgulateur de vitesse est l'image du couple lectromagntique de rfrence que l'ensemble
commande-convertisseur-machine doit gnrer. A flux constant, ce couple est proportionnel
au courant I
qs
*
( courant I
qs
de rfrence ) impos en entre la boucle de rgulation de
courant.
Le schma de base du rgulateur repose sur la structure d'un rgulateur classique la
diffrence que l'on va retenir la forme incrmentale. Cette dernire donne en sortie, non pas le
couple ou le courant appliquer mais plutt l'incrment de cette grandeur.
+
-

dE
*

E
1-Z
-1
FE
FdE
FdU
dE
n
E
n
Contrleur
flou
dU
n
dU

I
qs
*
Figure 1.7 Schma synoptique d'un rgulateur flou de vitesse
Dans le schma ci-dessus comme dans ce qui suit, nous notons :
E : l'erreur, elle est dfinie par :
) ( ) ( ) (
*
k k k E
( 1.3 )
dE : la drive de l'erreur, elle est approche par :
e
T
k E k E
k dE
) 1 ( ) (
) (

, T
e
tant la priode d'chantillonnage.
( 1.4 )
La sortie du rgulateur est donne par :
) ( ) 1 ( ) (
* *
k dU k I k I
qs qs
+
( 1.5 )
On retrouve en entre et en sortie du contrleur flou des gains dits "facteurs d'chelle" qui
permettent de changer la sensibilit du rgulateur flou sans en changer la structure. Les
grandeurs indices "n" sont donc les grandeurs normalises l'entre et la sortie du
contrleur flou.
Les rgles d'infrences permettent de dterminer le comportement du contrleur flou. Il doit
donc inclure des tapes intermdiaires qui lui permettent de passer des grandeurs relles vers
les grandeurs floues et vice versa ; ce sont les tapes de fuzzification et de defuzzification
( figure 1.8 ).
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
22
dE
n
E
n
dU
n
F
F
E d
~
E
~
Moteur
d'infrence
Matrice
d'infrence
F
-
1
U d
~
Figure 1.8 Structure du rgulateur flou
2.4.2. Fuzzification
Les ensembles flous des variables d'entre et leurs fonctions d'appartenance sont dfinir en
premier lieu.
L'tape de fuzzification permet de fournir les degrs d'appartenance de la variable floue ses
ensembles flous en fonction de la valeur relle de la variable d'entre.
Le choix du nombre des ensembles flous, de la forme des fonctions d'appartenance, du
recouvrement des ces fonctions et de leur rpartition sur l'univers de discours n'est pas
vident. Il y a cependant des facteurs qui sont plus important que d'autres ( cf. 2.4.5 ).
Une subdivision trs fine de l'univers de discours sur plus de sept ensembles flous n'apporte
en gnral aucune amlioration du comportement dynamique du systme rguler [BUH 94].
Par contre, on peut obtenir des comportements non linaires assez diffrents en fonction de la
manire dont les fonctions d'appartenance des ensembles flous sont disposes sur l'univers de
discours.
Nous avons opt pour des fonctions triangulaires et trapzodales pour les variables d'entres
( figure 1.9 ). Elles permettent une implantation facile et l'tape de fuzzification ne requiert
alors que peu de temps de calcul lors de son valuation en temps rel.
Z

1
P
E
n
N
-1 0 1
0,34
0,66
0 ) (
34 , 0 ) ( 1 ) (
66 , 0 ) (



n N
n P n Z
n n P
E
E E
E E

Figure 1.9 Fuzzification de l'erreur


Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
23
Le recouvrement de deux fonctions d'appartenance voisines est de 1 ; c'est dire que leur
croisement s'effectue =0,5. Un recouvrement insuffisant voir inexistant conduit une zone
o aucune rgle d'infrence n'est sollicite. De mme, un recouvrement trop important, surtout
avec un degr d'appartenance prs de l'unit, conduit un aplatissement de la caractristique
du rgulateur [BUH 94]. Le passage d'une fonction d'appartenance sa voisine doit s'effectuer
en douceur de manire ce qu'il y ait au moins deux rgles d'infrences qui soient sollicites
en mme temps.
Il est galement indispensable de pouvoir fuzzifier la variable de sortie. En effet, lors de
l'infrence et de la defuzzification, on a besoin de connatre les ensembles flous de cette
variable ainsi que leurs fonctions d'appartenance.
Du point de vue implantation, [MAM 75] utilise une table de fuzzification donnant les degrs
d'appartenance aux ensembles flous pour des valeurs discrtes que prend la variable sur
l'univers de discours.
2.4.3. Infrence
Comme nous l'avons prcdemment voqu, nous allons nous baser sur une matrice ou table
d'infrence pour cette tape.
La construction d'une telle table d'infrence repose sur une analyse qualitative du processus.
Dans notre cas c'est une analyse dans le plan de phase de la trajectoire que l'on souhaite
donner au systme.
E
n
dE
n
dU
n
>0
dU
n
<0
dU
n
=0
dU
n
>0
dU
n
<0
dU
n
=0
dU
n
>0
dU
n
<0
dU
n
=0
dU
n
>0
dU
n
<0
dU
n
=0
Figure 1.10 Trajectoire dans le plan de phase
Une action dans un sens ou dans l'autre de la commande provoque le dplacement dans une
direction indique par les flches ( figure 1.10 ). En pointills sont indiques les directions
que l'on ne souhaite pas donner au systme car il serait alors divergent.
Si l'on attribue trois ensembles flous, Ngatif, Zro et Positif, chacune des variables floues,
on peut crire pour chaque quadrant le comportement adopter.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
24
Par exemple :
Quadrant 1 :
SI E
n
est P ET dE
n
est P ALORS dU
n
est P
Quadrant 2 :
SI E
n
est N ET dE
n
est P ALORS dU
n
est Z
On remarque cependant que dans le cas de ce quadrant, on pourrait souhaiter donner un
comportement diffrent en sollicitant la commande de manire freiner l'annulation de
l'erreur ; on pourrait tout aussi bien choisir comme rgle :
SI E
n
est N ET dE
n
est P ALORS dU
n
est N
Si l'on ne retient que trois ensembles flous et deux entres, la matrice d'infrence est la
suivante :
dE
n
dU
n
N Z P
N N N Z
Z N Z P
E
n
P Z P P
Tableau 1.2
Si par contre, on subdivise l'univers de discours avec plus d'ensembles flous et/ou qu'on
prenne en compte la drive seconde ( sdE
n
), alors le choix des rgles devient plus vaste et
son optimisation dpend du systme rguler.
Dans le cas ou l'on attribue cinq ensembles flous ( GN, N, Z, P et GP )
1
aux variables, un
choix possible est le suivant :
dE
n
dU
n
GN N Z P GP
GN GN GN N N Z
N GN N N Z P
Z N N Z P P
P N Z P P GP
E
n
GP Z P P GP GP
Tableau 1.3

1
G signifie "Grand".
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
25
Ou
dE
n
dU
n
GN N Z P GP
GN GN GN GN GN Z
N GN N N Z P
Z N N Z P P
P N Z P P GP
E
n
GP Z GP GP GP GP
Tableau 1.4
Celle qui suit ne possde que huit rgles qui donnent un incrment de commande non nul
( diffrent de l'ensemble flou Z ). Elle convient la rgulation de processus du type 1
er
ordre
[RAM 93].
dE
n
dU
n
GN N Z P GP
GN Z Z GN Z Z
N Z Z N Z Z
Z N N Z P P
P Z Z P Z Z
E
n
GP Z Z GP Z Z
Tableau 1.5
Si de plus, on ne retient que les rgles donnant un ensemble flou diffrent de Z, le processus
d'infrence se retrouve sensiblement allg. C'est un exemple de table d'infrence incomplte.
L'infrence se fait donc sur la base des matrices que l'on vient de dcrire. On commence par
utiliser un oprateur t-norme pour dfinir la description symbolique associe la prmisse de
la rgle ; C'est dire raliser le "ET". On passe ensuite l'infrence proprement dite qui
consiste caractriser la variable floue de sortie pour chaque rgle. C'est l'tape de la
conclusion "ALORS".
Enfin, la dernire tape de l'infrence, appele agrgation des rgles, permet de synthtiser ces
rsultats intermdiaires. On utilise une s-norme.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
26
Comme nous l'avons vu, la manire de raliser les oprateurs va donner lieu des contrleurs
flous diffrents. Les rgulateurs les plus courants sont ceux de :
Mamdani :
Ces contrleurs sont dits symboliques car la prmisse et la conclusion sont symboliques
[MAM 75] [MAM 76]. Aprs l'infrence, il faut passer par une tape de "defuzzification"
afin d'obtenir la valeur relle de la commande appliquer.
Sugeno :
Ils sont dits de type procdural [TAK 83]. En effet, seule la prmisse est symbolique. La
conclusion, qui correspond la commande, est directement une constante relle ou une
expression polynomiale.
L'tablissement des rgles d'infrence est gnralement bas sur un des points suivants
[TAK 83] :
L'exprience de l'oprateur et/ou du savoir-faire de l'ingnieur en rgulation et contrle.
Un modle flou du processus pour lequel on souhaite synthtiser le rgulateur.
Les actions de l'oprateur ; s'il n'arrive pas exprimer linguistiquement les rgles qu'il
utilise implicitement.
L'apprentissage ; c'est dire que la synthse de rgle se fait par un procd automatique
galement appel superviseur. Souvent, des rseaux neuronaux y sont associs.
L'valuation des rgles d'infrence tant une opration dterministe, il est tout fait
envisageable de mettre sous forme de tableau ce contrleur.
Il reste, toutefois, intressant dans certains systmes complexes, de garder l'approche
linguistique plutt que d'avoir faire un nombre trop important de valeurs prcises
[KIN 77].
De plus, un algorithme linguistique peut tre examin et discut directement par quelqu'un qui
n'est pas l'oprateur mais qui possde de l'exprience sur le comportement du systme.
La formulation linguistique de la sortie permet galement d'utiliser le rgulateur flou en
boucle ouverte donnant ainsi l'oprateur les consignes adopter.
Si, aprs infrence, on se retrouve avec un ensemble flou de sortie caractris par l'apparition
de plus d'un maximum, cela rvle l'existence d'au moins deux rgles contradictoires ( figure
1.11 ). Une grande zone plate ( figure 1.12 ), moins grave de consquence, indiquerait que les
rgles, dans leur ensemble, sont faibles et mal formules.
Z

1
P
dU
n
GN N GP
Figure 1.11
Z

1
P
dU
n
GN N GP
Figure 1.12
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
27
2.4.4. Defuzzification
Par cette tape se fait le retour aux grandeurs de sortie relles. Il s'agit de calculer, partir des
degrs d'appartenance tous les ensembles flous de la variable de sortie, l'abscisse qui
correspond la valeur de cette sortie. Diffrentes mthodes sont utilises :
Mthode du centre de gravit :
C'est la mthode de defuzzification la plus courante. L'abscisse du centre de gravit de la
fonction d'appartenance rsultant de l'infrence correspond la valeur de sortie du
rgulateur.

dx x
dx x x
dU
R
R
n
) (
) (

( 1.6 )
Il apparat que plus la fonction d'appartenance rsultante est complique, plus le processus
de defuzzification devient long et coteux en temps de calcul.
Mthode par valeur maximum :
Cette mthode est beaucoup plus simple. La valeur de sortie est choisie comme l'abscisse
de la valeur maximale de la fonction d'appartenance.
Z

1
P
dU
n
GN N GP
dU
n
Figure 1.13 Defuzzification par valeur maximum
Mthode des hauteurs pondres :
Elle correspond la mthode de centre de gravit quand les fonctions d'appartenance ne se
recouvrent pas.

) (
) (
x
x x
dU
Ri
Ri
n

( 1.7 )
Cette mthode est surtout utilise quand les fonctions d'appartenance de la variable de
sortie sont des singletons.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
28
Z

1
P
dU
n
GN N GP
dU
n
Figure 1.14 Defuzzification par la mthode des hauteurs pondres
Dans ce cas, le calcul du centre de gravit ce trouve grandement simplifi. Le rgulateur
n'est plus de type Mamdani mais de type Sugueno de part la faon dont la sortie est
calcule.
Le rgulateur flou deux entres est reprsent par sa surface caractristique ( figure 1.15 ).
Cette dernire exprime les variations de la valeur relle de la sortie du rgulateur en fonction
des entres quand ces dernires parcourent l'univers de discours.
dE
E
Figure 1.15 Surface caractristique d'un rgulateur flou
2.4.5. Conclusion
L'obtention d'un contrle performant requiert une bonne formulation des rgles. Dans notre
cas, l'analyse dans le plan de phase permet de dgager rapidement un tableau de rgles
correct. Ceci n'est pas le cas pour des systmes non-linaires complexes o le modle est trs
compliqu sinon inexistant. Il convient galement d'accorder une grande importance au
processus prsentant des temps morts. Un exemple d'association d'un estimateur flou un
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
29
rgulateur PI flou est donn dans [AOK 90]. Il a permis de prendre en compte le retard
caractristique d'un four destin la fonte du verre.
D'un point de vue pratique, on peut rsumer dans les points suivants les lments qui ont peu
d'importance sur le comportement global du rgulateur flou [LUT 96] :
La forme des fonctions d'appartenance, d'o le choix de formes triangulaires cause de la
simplicit de mise en uvre.
Le choix des fonctions pour raliser les oprateurs et le mcanisme d'infrence
( agrgation des rgles : ALORS )
Le choix de la mthode de defuzzification ( hauteurs, C.G. )
Par contre, il faut faire prter une attention particulire, lors de la synthse du rgulateur flou :
Au nombre et surtout la rpartition des fonctions d'appartenance sur l'univers de
discours.
A la table des rgles.
Ces considrations pratiques ont guid le choix dvelopp au chapitre II.
3. Rseaux de neurones
3.1. Principe et dfinitions
L'origine des rseaux de neurones vient de l'essai de modlisation du neurone biologique par
Warren McCulloch et Walter Pitts [J OD 94]. Ils supposent que l'impulsion nerveuse est le
rsultat d'un calcul simple effectu par chaque neurone et que la pense ne grce l'effet
collectif d'un rseau de neurones interconnects.
Le schma suivant prsente un neurone formel :
x f
x
1
x
2
x
i
x
n
:
:
Sortie
w
1
w
2
w
i
w
n
Figure 1.16 Reprsentation d'un neurone
Les entres du neurone sont dsignes par x
i
( i=1..n ). Les paramtres w
i
reliant les entres
aux neurones sont appels poids synaptiques ou tout simplement poids. La sortie du neurone
est donne par :
( )
i
n
i
i
x w x x f Sortie


1
avec
( 1.8 )
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
30
x est l'tat d'activation du neurone ( galement appel tat ou activit ).
f est la fonction d'activation du neurone. Conformment au modle biologique, les fonctions
d'activation sont gnralement croissantes et bornes. Les fonctions les plus connues sont la
fonction signe, la fonction linaire sature et la fonction sigmode.
Leur choix revt une importance capitale comme nous le verrons par la suite.
Les rseaux de neurones sont constitus des neurones lmentaires connects entre eux par
l'intermdiaire des poids qui jouent le rle des synapses. L'information est porte par la valeur
de ces poids tandis que la structure du rseau de neurones ne sert qu' traiter cette information
et l'acheminer vers la sortie.
Le rseau de neurones fait partie des Rseaux Adaptatifs Non-linaires, cela signifie que ses
agents ( neurones ) s'organisent et modifient leurs liens mutuels lors d'une procdure
fondamentale qu'est l'apprentissage. Pour une tche prcise, l'apprentissage du rseau de
neurones consiste donc adapter les diffrents poids w
i
.
3.2. Perceptrons multicouches
Ce sont les rseaux de neurones les plus connus. Un perceptron est un rseau de neurones
artificiel du type feedforward, c'est dire propagation directe. Sur l'exemple suivant nous
prsentons un perceptron trois couches. La premire est celle des entres ( elle n'est
cependant pas considre comme couche neuronale par certains auteurs car elle est linaire et
ne fait que distribuer les variables d'entres ). La deuxime est dite couche cache ( ou couche
intermdiaire ) et constitue le cur du rseau de neurones. Ses fonctions d'activation sont du
type sigmode. La troisime, constitue ici par un seul neurone est la couche de sortie. Sa
fonction d'activation est du type linaire borne.
Nous pouvons remarquer sur la figure 1.17, des termes x
0
m
en entre des neurones
2
. En fait,
sur chaque neurone, en plus de ses entres qui les lient avec les neurones prcdents, on
ajoute une entre particulire que l'on appelle polarisation du neurone. Elle correspond un
biais qui joue un rle de translation du domaine d'activit du neurone. Sa valeur est donc lie
la fonction d'activation puisqu'elle permet le dplacement de cette fonction.
Afin de garder une notation gnralise, nous reprsentons ces biais comme le produit d'une
entre x
0
m
par les poids w
0j
m
. Nous fixons l'entre x
0
m
l'unit, le poids porte alors
l'information sur la polarisation du neurone.
Le perceptron multicouche est trs utilis en identification et en contrle. Avec une couche
cache, il constitue un approximateur universel. De rcentes recherches montrent qu'il peut
tre entran de manire approximer n'importe quelle fonction entres-sorties sous rserve
de mettre suffisamment de neurones dans la couche cache et d'utiliser des sigmodes pour les
fonctions d'activation [PIC 94]. Bien entendu, les thormes mathmatiques ne dmontrent
pas qu'un rseau une seule couche cache est optimal [THI 97].

2
Les termes en exposant reprsentent, non pas la fonction puissance, mais plutt l'indice (
m
)
de la couche du rseau de neurones.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
31
x
2
f
2
y
2
w
0
2
w
1
2
w
2
2
w
3
2
x
1
1
f
1
f
1
x
2
1
f
1
x
3
1
x
0
1
x
0
0
x
1
0
x
2
0
w
01
1
w
11
1
w
21
1
w
02
1
w
12
1
w
22
1
w
03
1
w
13
1
w
23
1
Couche cache Couche de sortie Couche d'entre
Figure 1.17 Rseau de neurones de type perceptron une couche cache
L'un des problmes de l'utilisation des rseaux de neurones consiste dans le choix de sa
topologie. Par exemple, il n'existe pas de rgle gnrale qui donne le nombre de neurones
retenir pour la couche intermdiaire. Ce choix est spcifique chaque application et, ce jour,
ce ne sont que des choix arbitraires dont on vrifie par la suite la validit.
3.2.1. Apprentissage
Une fois la structure fixe, il faut passer par le processus d'apprentissage, par lequel les poids
vont tre ajusts de manire satisfaire un critre d'optimisation.
Prenons le cas de l'identification d'un processus qui comporte deux entres et une sortie.
L'apprentissage va se faire sur un ensemble de triplet ( x
1
0
, x
2
0
, ys ) .
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
32
+
-
Processus (x
1
0
, x
2
0
)

2
Rseau de
neurones
ys
y
2
Figure 1.18 Schma synoptique du procd d'apprentissage du rseau de neurones
Pour chaque triplet, l'erreur entre les deux sorties est calcule. Elle est utilise pour corriger
les poids de la couche de sortie puis par rtropropagation de l'erreur ( error backpropagation
), des erreurs intermdiaires, correspondant la couche cache sont ainsi calcules et
permettent l'ajustement des poids w
ij
1
de la couche cache.
Nous prsentons, dans ce qui suit, un exemple de cet algorithme. Il est bas sur la mthode du
gradient. La notation adopte peut tre rsume comme suit :
Les entres x
i
0
sont notes y
i
0
pour permettre de gnraliser l'algorithme.
La fonction d'activation pour la sortie est f(x)=x.

i
m
i
m
ij
m
j
y w x
1
reprsente l'activit du neurone j de la couche m.
) (
m
j
m
j
x f y est la sortie du neurone j de la couche m.
( 1.9 )
( 1.10 )
w
ij
m
est le poids reliant la sortie du neurone ( i ) de la couche prcdente ( m-1 ) au neurone
( j ) de la couche considre ( m ).
i, j, i', j', k et l sont des indices muets.
L'erreur globale sur l'ensemble d'apprentissage ( indic (k) ) est :
3


k
k k k k y ys y ys E ) )( (
2
1
) (
2
) ( ) (
2
) (
( 1.11 )
Les poids vont tre ajusts par une variation de
1 2
et
ij i
w w . La direction optimale est donne
par l'oppos du gradient de l'erreur par rapport aux poids :
{ }


k
i
k
k k
k
k k k k
i i
i
w
y
y ys
y ys y ys
w w
E
w
2
'
) (
2
) (
2
) (
) (
2
) ( ) (
2
) (
2
'
2
'
2
'
) (
) )( (
2
1



3
Afin d'viter toute confusion entre les indices hauts et les exposants, nous crivons l'erreur quadratique sous sa
forme explicite ( Erreur * Erreur ).
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
33
) (
1
'
) (
2 2
3
0
) (
1 2
2
'
) (
2 2
3
0
) (
1 2 2
2
'
2
'
) (
2
) (
) (
k
i
k
i
k
i i
i
k
i
k
i i
i i
k
y x f
y w
w
x f y w f
w w
y

'

'

,
_



k
k
i
k k k
i
y x f y ys w ) (
1
'
) (
2 2
) (
2
) (
2
'
) ( ) (
( 1.12 )
De mme pour la couche cache :
{ }

'

'

'


k
k
i
i
k
i i
j
k k k
k j j i
k
j
k
j
k
k k
k j i
k
k k
k
k k k k
j i j i
j i
y x f w
x
x f y ys
w
x
x
y
y ys
w
y
y ys
y ys y ys
w w
E
w
) (
0
'
3
0
) (
1 1 2
1
'
) (
2 2
) (
2
) (
1
' '
) (
1
) (
1
) (
2
) (
2
) (
1
' '
) (
2
) (
2
) (
) (
2
) ( ) (
2
) (
1
' '
1
' '
1
' '
) ( ) ( ) (
) ( ) (
) )( (
2
1



k
k
i
k
j j
k k k
j i
y x f w x f y ys w ) (
0
'
) (
1
'
1 2
'
) (
2 2
) (
2
) (
1
' '
) ( ) ( ) (
( 1.13 )
On peut introduire l'erreur lmentaire la couche m par ) (k
m
j
, on a alors :


k
k
i
k
i
k k k k
y w
x f y ys
) (
1
) (
2 2
) (
2 2
) (
2
) ( ) (
2
) ( ) (

( 1.14 )
( 1.15 )
De mme



k
k
i
k
j ij
k
j j
k
k
j j
k k k k
j
y w
x f w
x f w x f y ys
) (
0
) (
1 1
) (
1 1 2
) (
2
) (
1 1 2
) (
2 2
) (
2
) ( ) (
1
) (
) ( ) ( ) (

( 1.16 )
( 1.17 )
On voit bien que pour le calcul de ) (
1
k
j
, on utilise ) (
2
k . En fait, de proche en proche, par
rtropropagation, on calcule une erreur correspondant chaque neurone pour une couche
donne. On peut remarquer cela plus explicitement sur un cas plus gnral o l'on a plusieurs
sorties dans la dernire couche. L'erreur est alors donne par :


k j
k
j
k
j
k
j
k
j
y ys y ys E ) )( (
2
1
) (
2
) ( ) (
2
) (
( 1.18 )
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
34
Dans la dernire couche :

'

'

,
_

sinon 0
' si ) (
)
) (
) (
1
'
) (
2 2
) (
1 2 2
2
' '
2
' '
) (
2
2
' '
) (
2
) (
2
) (
2
' '
2
' '
j j y x f
y w f
w w
y
w
y
y ys
w
E
w
k
i
k
j
i
k
i ij
j i j i
k
j
k j j i
k
j
k
j
k
j
j i
j i



k
k
i
k
j
k
j
k
j j i
y x f y ys w ) (
1
'
) (
2
'
2
) (
2
'
) (
'
2
' '
) ( ) (
( 1.19 )
Dans l'avant-dernire couche :

'


k j i l j i
k
l
k
l
k
i
k
i
k
j
k
j
k
j
k j j i
k
j
k
j
k
j
j i
j i
w
x
x
x
x
y
y ys
w
y
y ys
w
E
w
2
' '
) (
1
) (
1
) (
2
) (
2
) (
2
) (
2
) (
2
' '
) (
2
) (
2
) (
1
' '
1
' '
) (
) (



k j
k
i
k
j
k
j j
k
j
k
j
k
j j i
y x f w x f y ys w ) (
0
'
) (
1
'
1
) (
2
'
) (
2 2
) (
2
) (
1
' '
) ( ) ( ) (
( 1.20 )
On a alors :


k
k
i
k
j ij
k
j
k
j
k
j
k
j
y w
x f y ys
) (
1
) (
2 2
) (
2 2
) (
2
) ( ) (
2
) ( ) (

( 1.21 )
( 1.22 )
De mme

'

'


k
k
i
k
j ij
k
j
l
k
jl
k
l
k
j
l
k
jl
k
l
k
l
k
l
k
j
y w
x f w
x f w x f y ys
) (
0
) (
1 1
) (
1 1
) (
2
) (
2
) (
1 1
) (
2
) (
2 2
) (
2
) ( ) (
1
) (
) ( ) ( ) (

( 1.23 )
( 1.24 )
On peut galement montrer que la relation gnrale pour toute couche diffrente de la couche
de sortie, on a :

'

k
k
m
i
k
m
j
m
ij
k
m
j
m
l
k
m
jl
k
m
l
k
m
j
y w
x f w
) (
2
) (
1 1
) (
1 1
) ( ) ( ) (
1
) (


( 1.25 )
( 1.26 )
De ce qui prcde dcoule un certain nombre de remarques :
On peut choisir la vitesse avec laquelle se fait la mise jour des poids lors de
l'apprentissage en agissant sur . Il reprsente un facteur d'acclration appel ici facteur
d'apprentissage.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
35
Une variante permet l'introduction d'un terme inertiel qui aide la convergence [LUT 96],
) 1 ( ) ( ) 1 ( ) ( + + n w n w n w n w
m
ij
m
ij
m
ij
m
ij

( 1.27 )
Le choix de ce facteur est cependant dlicat, on peut d'ailleurs aboutir des effets
inverses ; des oscillations ou un ralentissement de la convergence. Les performances
apportes par ce terme ne sont pas toujours convaincantes [REN 95].
L'algorithme de rtropropagation introduit la drive premire des fonctions d'activation.
Comme nous le verrons dans le chapitre suivant, nous utiliserons pour notre application
comme fonctions d'activation, la fonction sigmode pour la couche cache et la fonction
identit pour la sortie.
Il est cependant tout fait envisageable d'utiliser d'autres algorithmes qui ne ncessitent
pas de drivation. Par exemple [BUR 97] utilise un algorithme de changement alatoire
des poids. Bien que cet algorithme ne prenne pas la pente la plus grande, il y a toujours
une bonne probabilit pour qu'un petit nombre d'essais alatoires trouvent une direction
dans la quelle les poids sont ajusts de manire rduire l'erreur.
Dans [EL-S 94], les auteurs exposent une mthode gntique pour l'adaptation des poids.
Nous verrons l'utilisation des algorithmes gntiques par la suite.
Ces mthodes ont pour but de rduire les problmes rencontrs lors de la convergence. En
effet, l'algorithme du gradient est trs sensible aux minimums locaux. Le choix d'un
facteur d'apprentissage variable permet dans certains cas d'acclrer la convergence
[PIC 94]. Il arrive cependant qu'on reste au-dessus du critre d'arrt sans jamais l'atteindre.
C'est souvent le signe que le mcanisme d'apprentissage est inadapt, ou que la topologie
du rseau ne permet pas d'atteindre ce degr de prcision. Dans ce cas, il faut augmenter le
nombre de neurones de la couche cache ou changer de structure.
Villiers et al. [De V 92] pensent qu'il n'y a pas de raison d'utiliser deux couches caches
la place d'une seule couche cache pour une complexit de rseau
4
donne. De plus, les
rseaux de neurones deux couches caches sont plus sensibles au problme du minimum
local durant l'apprentissage ( utilisant les mthodes de rtropropagation de l'erreur et du
gradient-conjugu ).
Un autre phnomne li l'algorithme de rtropropagation utilis sous sa forme locale ( la
mise jour des poids se fait au fur et mesure du parcourt de l'ensemble d'apprentissage )
est que l'on se retrouve pour des surfaces symtriques ( ys =surface( x
1
0
, x
2
0
) ) avec un
dcalage en sortie pour ( x
1
0
, x
2
0
)=( 0, 0 ). Nous mettrons en vidence ce phnomne dans
le chapitre II.
3.3. Rseaux de neurones fonction de base radiale ( RBF )
Les rseaux de neurones fonction de base radiale ( Radial Basis Functions ) sont des rseaux
de neurones une seule couche cache dont les fonctions d'activation sont des fonctions
base radiale, le plus souvent des gaussiennes. La fonction d'activation du neurone de la
couche de sortie est l'identit. Les entres sont directement connectes aux neurones de la
couche cache. La sortie d'un neurone de la couche cache est donne par :

4
La complexit du rseau de neurones peut tre estime par le nombre de poids utiliss dans l'architecture du
rseau.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
36

,
_

,
_

,
_

i j
ij i
j
j
j
j
j
j
c x
y
C X C X
f y
2
2 0
1
2
2
1 1
) (
2
1
exp
2
1
exp


( 1.28 )
( 1.29 )
Et la sortie par :

i
i i
y w y
1 2 2
( 1.30 )
x
2
y
2
w
1
2
w
2
2
w
3
2
x
1
0
x
2
0
Couche cache Couche de sortie Couche d'entre
y
1
1
y
2
1
y
3
1
y
4
1
w
4
2
Figure 1.19 Rseau de neurones de type RBF
Les gaussiennes sont dfinies par leur centre c
ij
et leur cart type
j
.
Ces derniers, avec les poids w
i
2
, sont les paramtres optimiser en vue de l'apprentissage. Ce
rseau de neurones, par rapport aux perceptrons multicouches, a comme particularit la
localisation de l'excitation du neurone. En effet, un vecteur d'entre donn ne sollicitera que
les quelques neurones dont le domaine de rception ( dfini par les couples c
ij
,
j
) contient la
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
37
valeur de cette entre. La rponse de la fonction de base radiale ainsi positionne diminue
rapidement en fonction de l'loignement du vecteur d'entre par rapport au centre de la
fonction RBF [SPE 96].
Nous verrons dans le chapitre suivant que ces rseaux de neurones peuvent tre utiliss sans
passer par la lourde procdure d'apprentissage qui est ncessaire aux perceptrons.
Enfin, il est intressant de remarquer qu'il existe une quivalence fonctionnelle entre un
rseau de neurones RBF et un systme d'infrence flou bien que provenant d'origines
compltement diffrentes ( les rseaux RBF de la physiologie et l'infrence floue des sciences
cognitives ) [ROG 93]. Il faut dans ce cas choisir des fonctions d'appartenance gaussiennes de
mme cart type que celui des RBF ainsi qu'un nombre de neurones gal au nombre de rgles
d'infrence.
3.4. Applications
Les rseaux de neurones sont utiliss dans de plus en plus de domaines, citons la
classification, la reconnaissance de formes, l'identification et la commande de processus. Le
choix d'utiliser tel ou tel type de rseau de neurones dpend de l'application mais aussi des
capacits de traitement du processeur sur lequel ils s'excutent. Le caractre local des RBF,
par exemple, permet d'allger les calculs de la sortie du rseau de neurones. En effet, pour une
entre donne, il n'est pas ncessaire de calculer l'activation de tous les neurones de la couche
cache, mais uniquement ceux dont le domaine de rception couvre l'entre. Lorsque le
nombre de neurones d'un tel rseau est important pour couvrir tout l'espace d'entre, cette
rduction du temps de calcul devient non ngligeable.
Il existe videmment de nombreuses autres variantes de rseaux de neurones [CHE 96],
[PIC 94] mais elles ne sont que trs partiellement utilises en commande [MIL 96]. Ce sont
des structures moins connues, citons les rseaux de Hopfield ou de Hamming qui ne sont pas
du type "propagation directe". Ils ncessitent plus de temps de calcul et leur analyse est
moins directe. Les rseaux de Kohonen sont, quant eux, utiliss principalement en
classification.
Dans cette tude, nous nous sommes limits aux rseaux de neurones de type perceptrons et
RBF. Ils se prtent le mieux notre application. De plus, la relative facilit avec laquelle on
peut analyser de leur fonctionnement dans le cadre de la rgulation permet de mieux les
exploiter.
4. Algorithmes gntiques
4.1. Principe et dfinitions
Les algorithmes gntiques, comme les rseaux de neurones, font partie des "Rseaux
Adaptatifs Non-linaires" ( RAN ) [REN 95]. Ils sont composs d'un grand nombre d'units
lmentaires ou agents, qui sont dans notre cas des neurones ou des chromosomes. Ces agents
traitent l'information le plus souvent de faon parallle et distribue. Ils interagissent entre eux
d'une manire non-linaire et sans contrle central. Si l'environnement extrieur dans lequel
ils baignent est capable de leur fournir une rtroaction, alors les agents et leurs interactions
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
38
sont modifis par des "oprateurs" de telle sorte que le systme global s'adapte
progressivement son environnement et amliore sa rponse.
Les algorithmes gntiques sont dvelopps pour des fins d'optimisation. Ils permettent la
recherche d'un extremum global. Ces algorithmes s'inspirent des mcanismes de slection
naturelle ( Darwin ) et de la gntique de l'volution. Un algorithme gntique fait voluer
une population de gnes en utilisant ces mcanismes. Il utilise une fonction cot base sur un
critre de performance pour calculer une "qualit d'adquation" ( fitness ). Les individus les
plus "forts" seront mme de se reproduire et auront plus de descendants que les autres.
Chaque chromosome est constitu d'un ensemble d'lments appels caractristiques ou
gnes. Le but est de trouver la combinaison optimale de ces lments qui donne un "fitness"
maximum. A chaque itration ( gnration de population ), une nouvelle population est cre
partir de la population prcdente.
Il existe de nombreuses faons de procder. Chaque utilisateur conoit en fait sa variante qu'il
juge s'adapter le mieux son problme. Nous prsentons dans ce qui suit, la version finale de
l'algorithme gntique que nous avons dvelopp pour notre application.
Tout d'abord, tous les individus sont valus ; on calcule leur fonction d'adquation ( fitness )
et ils sont classs du meilleur au pire ( figure 1.20 ).
Plus l'individu se trouve en haut de la liste, plus il a de chance de se reproduire. Cette phase
de reproduction s'effectue en plusieurs tapes de mutation et de croisement.
La mutation consiste modifier alatoirement un ou plusieurs gnes d'un chromosome
( caractristiques d'un individu ). Alors que le croisement s'effectue en changeant plusieurs
gnes entre deux parents.
Originellement, le codage des individus se faisait en transcrivant en binaire les paramtres
optimiser afin de constituer un gne. Ces gnes sont alors mis bout bout pour former le
chromosome. Il existe cependant une approche appele codage rel, o les fonctions de
mutation et de croisement sont rcrites pour s'appliquer directement au vecteur de paramtres
sans passer par la forme binaire. Ces algorithmes se prtent d'ailleurs fort bien pour donner
naissance des mthodes hybrides qui allient mthodes classiques et algorithmes gntiques
[CHO 97]. Nous avons retenu un codage rel, plus souple et plus prcis. On vite certains
problmes dus au codage binaire. Le codage rel procure aussi une vision directe des
paramtres tout au long de l'volution de la population.
4.2. Applications
Nous avons utilis les algorithmes gntiques pour l'identification des paramtres du modle
des machines tudies ainsi que lors de l'optimisation des rgulateurs.
Nous avons travaill, pour la quasi-totalit des rsultats qui seront prsents au chapitre
suivant, sur une population de 55 individus.
Les taux de croisement et de mutation sont, non pas issus d'une probabilit qu'a un individu de
se croiser ou de se muter, mais plutt fixs par des tailles de sous-populations dont les
fonctions sont dtermines l'avance.
Le tableau 1.6 rsume la configuration retenue.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
39
Nombre
d'individus
Position Constitution de la sous-population
1 0 0 Recopie : on conserve le meilleur individu
9 1 9 Mutation au hasard d'individus choisis parmi les 10
premiers avec un facteur au maximum de 0,001
5 10 14 Mutation au hasard d'individus choisis parmi les 15
premiers avec un facteur au maximum de 0,1
10 15 24 Croisement au hasard de deux individus choisis parmi les
15 premiers sans favoriser un parent par rapport l'autre
10 25 34 Mutation au hasard d'individus choisis parmi les 35
premiers avec un facteur au maximum de 0,5
20 35 54 Mutation au hasard d'un seul gne du premier individu de la
population avec un facteur au maximum de 0,01
Tableau 1.6 Configuration de la population d'individus
La troisime colonne explique l'origine de la sous-population concerne. Par exemple, les
individus du rang 10 14 sont issus d'une mutation de plus ou moins 10 % partir d'un des
individus de la gnration prcdente. Ce parent se doit d'tre class parmi les 15 premiers, ce
qui signifie qu'on le juge apte se reproduire.
Chaque population est plus ou moins spcialiste d'une phase du processus d'optimisation. Il
apparat en effet, quand la population part d'une initialisation alatoire, que ce sont les
individus issus d'une mutation avec un fort facteur qui se retrouvent en haut de la liste aprs
valuation du "fitness" et classement. Quand les individus commencent tendre vers le
vecteur optimum, c'est plutt la dernire sous-population ( faible mutation au hasard d'un seul
gne ) qui est trs sollicite, en mme temps que les individus issus du croisement. Enfin, vers
la fin, le meilleur individu reste souvent au sommet de la liste. Ceci peut tre retenu comme
critre de convergence.
On pourrait croire, la vue de sous-populations peu actives, qu'il faille rduire leur taille ou
les liminer ; il n'en est rien. En effet, l'un des grands avantages des algorithmes gntiques,
c'est de pouvoir sortir des maximums locaux. Des mutations au hasard ainsi que le grand
nombre d'individus sont une ncessit si l'on tient garder cette proprit.
On notera galement que l'on a eu aucun moment besoin de driver une quelconque
fonction. C'est un autre avantage des algorithmes gntiques. Toute mdaille ayant son revers,
la convergence vers l'optimum demande un grand nombre de gnrations. Si l'valuation du
"fitness" de chaque individu demande un temps de calcul important, alors le processus devient
trs lourd. Il se prte cependant trs bien au calcul parallle puisque l'adquation d'un individu
n'est pas lie celle de son voisin.
Chapitre I : Logique floue, rseaux de neurones et algorithmes gntiques
40
initialisation au hasard
de la population
Evaluation du "fitness"
de chaque individu
Classement des individus
du meilleur au pire
Tolrance atteinte
oui
non
fin de
l'optimisation
Cration de la nouvelle population par
croisement et mutation des individus
de la population prcdente
considrs aptes se reproduire
Recopie de la population
Figure 1.20 Organigramme de l'algorithme gntique
5. Conclusion
Dans ce chapitre, nous avons prsent les bases ncessaires la comprhension des mthodes
base de logique floue, de rseaux de neurones et d'algorithmes gntiques. Le vocabulaire
utilis par les communauts qui tudient et dveloppent ces mthodes est assez vaste et non
encore uniformis. Il nous a donc sembl ncessaire de prciser celui utilis ici afin de
permettre une lecture claire et sans ambigut des chapitres qui vont suivre.
De nombreuses possibilits d'utilisation de ces techniques sont envisageables rien qu'en ce qui
concerne la machine asynchrone et sa commande. Nous prsenterons les mthodes pour
lesquelles nous les avons utilises et nous nous garderons de faire des conclusions trop htives
en ce qui concerne leur supriorit par rapport aux mthodes classiques. Ce n'est pas parce
qu'une mthode est nouvelle qu'elle est forcment plus efficace. Nous les comparerons donc
de manire objective aux mthodes plus classiques. Nous mettrons en lumire ce que ces
techniques apportent comme amliorations sans occulter leurs dsavantages.
Chapitre II : Application la commande de la machine asynchrone
41
Chapitre II
Application la commande de la
machine asynchrone
Chapitre II : Application la
commande de la machine asynchrone
Chapitre II : Application la commande de la machine asynchrone
42
Chapitre II : Application la commande de la machine asynchrone
43
1. Introduction
On ne prsente plus la machine asynchrone, c'est le moteur utilis au quotidien dans les
applications domestiques ( machine laver ), l'atelier, l'usine ( machinerie d'entranement )
ainsi que dans les domaines spcialiss ( traction ferroviaire, maritime, auxiliaires dans les
centrales ). Sa robustesse et son cot d'achat et d'entretien lui ont permis de conqurir un
espace de plus en plus grand au dtriments des machines synchrones et courant continu.
De faon gnrale, il est incontestable que la motorisation lectrique commande prend une
place de plus en plus large. Il ne faut cependant pas non plus ngliger l'immense parc de
moteurs asynchrones utiliss des fins d'entranement non command mais la vitesse variable
est en plein essor et tout porte croire que la demande va s'accentuer surtout avec la baisse
continuelle des prix de l'lectronique de puissance et de commande.
Pour effectuer les diffrentes commandes, il est ncessaire de connatre un certain nombre de
paramtres. La premire partie de ce chapitre va nous permettre de confronter les rsultats
issus des diverses mthodes de dtermination de ces paramtres et tout particulirement celles
s'appuyant sur les algorithmes gntiques.
Nous prsenterons ensuite la modlisation adopte en vue de la commande de la machine
ainsi que la commande vectorielle classique utilise comme base de comparaison. Nous
verrons alors l'utilisation des mthodes de commande bases sur les rgulateurs flous et
neuronaux.
2. Identification des paramtres de la machine asynchrone
Les paramtres ncessaires la simulation du fonctionnement de la machine se divisent en
paramtres lectromagntiques et mcaniques. Nous montrons plus loin que les paramtres
lectromagntiques requis sont ( R
s
,
s
,
r
et ). Une machine asynchrone, vu de la source,
n'est pas en mesure de nous fournir des informations sur la valeur de sa rsistance rotorique
quivalente. On ne peut alors dterminer que sa constante de temps rotorique.
Dans le cadre de ce travail, nous mettons en uvre les algorithmes gntiques pour
l'identification des paramtres de la machine asynchrone.
Les essais sont effectus sur les deux machines dcrites en Annexe 1. Nous avons retenu les
mthodes qui tiennent compte du comportement transitoire aussi bien lectrique que
mcanique de la machine. Ainsi, nous avons utilis les mthodes d'essais dcrites dans
[KHE 95].
2.1. Essai 1 : dmarrage
L'essai consiste en un dmarrage de la machine, vide, sous pleine tension. On relve la
vitesse, la tension ainsi que le courant de la phase "a". Nous dterminons, la phase initiale de
la tension afin de l'introduire au niveau de la simulation. Nous observons une chute de tension
au dmarrage ( figure 2.3 ) que nous modlisons travers une fonction sigmode. Cette baisse
de tension est due la prsence d'un autotransformateur en amont.
L'algorithme gntique labor pour optimiser les paramtres du modle de la machine est
intgr au logiciel de simulation "MASVECT" ( Annexe 2 ).
La fonction d'adquation utilise est la suivante :
Chapitre II : Application la commande de la machine asynchrone
44
Erreur
Fitness
1

( ) ( )


+
+


) (
0
2
exp
2
exp
1
t t A
e
I I F F
Erreur
as sim as I sim
as
( 2.1 )
( 2.2 )
Avec 1

F et 5
as
I
F . Ce sont les facteurs qui permettent de pondrer l'importance d'une
grandeur par rapport l'autre. Dans ce cas, nous accordons plus d'importance l'ajustement
de la courbe du courant statorique relev qu' celle de la vitesse. De mme, afin d'acclrer la
convergence de l'algorithme nous avons favoris, l'aide d'une fonction sigmode
( paramtres A et t
0
dans la formule 2.2 ), le rgime permanent par rapport au dbut du rgime
transitoire.
Nous utilisons la fonction sigmode lorsque l'on dsire obtenir le passage d'un tat un autre
de faon non-linaire, trs prononce mais continue.
Les rsultats suivants concernent l'identification de la machine 2 ( annexe 1 ). En figures 2.1,
2.2 et 2.3 sont reprsents les rsultats exprimentaux et de simulation. Ces figures sont
suivies d'un agrandissement de l'volution de la vitesse et du courant au dmarrage.
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70
temps (s)
0.00
500.00
1000.00
1500.00
2000.00
2500.00
3000.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Wm Exprimental
Wm Simulation
Figure 2.1 Optimisation par algorithme gntique sur un dmarrage,
Vitesse mcanique
Chapitre II : Application la commande de la machine asynchrone
45
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70
temps (s)
-20.00
-10.00
0.00
10.00
20.00
I
a
s

(
A
)
Ias Exprimental
Ias Simulation
Figure 2.2 Optimisation par algorithme gntique sur un dmarrage,
Courant statorique
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70
temps (s)
-400.00
-300.00
-200.00
-100.00
0.00
100.00
200.00
300.00
400.00
V
a
s

(
V
)
Vas Simulation
Vas Exprimental
Figure 2.3 Optimisation par algorithme gntique sur un dmarrage,
Tension d'alimentation utilise
Chapitre II : Application la commande de la machine asynchrone
46
0.20 0.24 0.28 0.32 0.36 0.40
temps (s)
1750.00
2000.00
2250.00
2500.00
2750.00
3000.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)WmExprimental
WmSimulation
0.20 0.24 0.28 0.32 0.36 0.40
temps (s)
-15.00
-10.00
-5.00
0.00
5.00
10.00
15.00
I
a
s

(
A
)
Ias Exprimental
Ias Simulation
Vitesse Courant
Figure 2.4 Optimisation par algorithme gntique sur un dmarrage,
( Agrandissement )
Nous prsentons maintenant quelques rsultats traduisants graphiquement l'volution du
"fitness" en fonction du nombre de gnrations ainsi que la provenance du meilleur individu.
0 10000 20000 30000 40000 50000 60000
Gnrations
0.00E+0
2.00E-5
4.00E-5
6.00E-5
8.00E-5
1.00E-4
1.20E-4
F
i
t
n
e
s
s
0 10000 20000 30000 40000 50000 60000
Gnrations
0
5
10
15
20
25
30
35
40
45
50
55
I
n
d
i
v
i
d
u
Figure 2.5 Evolution du "Fitness" Figure 2.6 Position du meilleur individu
Par suite, sont reprsents les volutions de la rsistance statorique ( figure 2.7 ), la constante
de temps statorique ( figure 2.8 ), la constante de temps rotorique ( figure 2.9 ), le coefficient
de dispersion ( figure 2.10 ), le moment d'inertie ( figure 2.11 ) ainsi que les coefficients de
frottement ( figure 2.12 ).
Chapitre II : Application la commande de la machine asynchrone
47
0 10000 20000 30000 40000 50000 60000
Gnrations
0.00
2.00
4.00
6.00
8.00
R
s

(
O
h
m
)
0 10000 20000 30000 40000 50000 60000
Gnrations
0.00
0.10
0.20
0.30
0.40
T
s

(
s
)
Figure 2.7 Evolution de R
s Figure 2.8 Evolution de
s
0 10000 20000 30000 40000 50000 60000
Gnrations
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
T
r

(
s
)
0 10000 20000 30000 40000 50000 60000
Gnrations
0.01
0.02
0.03
0.04
0.05
s
i
g
m
a
Figure 2.9 Evolution de
r
Figure 2.10 Evolution de
Chapitre II : Application la commande de la machine asynchrone
48
0 10000 20000 30000 40000 50000 60000
Gnrations
0.00
0.02
0.04
0.06
0.08
J

(
k
g

m
2
)
0 10000 20000 30000 40000 50000 60000
Gnrations
0.00
0.02
0.04
0.06
0.08
0.10
C
o
e
f
f
i
c
i
e
n
t
s

d
e

f
r
o
t
t
e
m
e
n
t
a2 (Nm s/rd)
a3 (Nm)
Figure 2.11 Evolution de J Figure 2.12 Evolution des coefficients de
frottement
On peut constater une convergence des diffrents paramtres estims qui ncessite un grand
nombre de gnrations.
2.1.1. Evolution des paramtres au cours des 1000 premires gnrations
0 200 400 600 800 1000
Gnrations
0.00E+0
2.00E-5
4.00E-5
6.00E-5
8.00E-5
1.00E-4
F
i
t
n
e
s
s
0 200 400 600 800 1000
Gnrations
0
5
10
15
20
25
30
35
40
45
50
55
I
n
d
i
v
i
d
u
Figure 2.13 Evolution du "Fitness"
( Agrandissement )
Figure 2.14 Position du meilleur individu
( Agrandissement )
Chapitre II : Application la commande de la machine asynchrone
49
0 200 400 600 800 1000
Gnrations
0.00
2.00
4.00
6.00
R
s

(
O
h
m
)
0 200 400 600 800 1000
Gnrations
0.10
0.20
0.30
0.40
T
s

(
s
)
Figure 2.15 Evolution de R
s
( Agrandissement )
Figure 2.16 Evolution de
s
( Agrandissement )
0 200 400 600 800 1000
Gnrations
0.30
0.40
0.50
0.60
0.70
0.80
0.90
T
r

(
s
)
0 200 400 600 800 1000
Gnrations
0.01
0.02
0.03
0.04
0.05
s
i
g
m
a
Figure 2.17 Evolution de
r
( Agrandissement )
Figure 2.18 Evolution de
( Agrandissement )
Chapitre II : Application la commande de la machine asynchrone
50
0 200 400 600 800 1000
Gnrations
0.00
0.02
0.04
0.06
0.08
J

(
k
g

m
2
)
0 200 400 600 800 1000
Gnrations
0.00
0.02
0.04
0.06
0.08
C
o
e
f
f
i
c
i
e
n
t
s

d
e

f
r
o
t
t
e
m
e
n
t
a2 (Nm s/rd)
a3 (Nm)
Figure 2.19 Evolution de J
( Agrandissement )
Figure 2.20 Evolution des coefficients de
frottement ( Agrandissement )
Les rsultats issus de cette optimisation sont aprs 60000 gnrations :
Fitness =1,00213 10
-4
( Extrait de l'annexe 1 )
5
R
s
=7,828

s
=0,0833 s

r
=0,1415 s
=0,0466
J=0,006093 kg m
2
a
2
=0,000725 Nm s/rd
a
3
=0 Nm
Ce vecteur de paramtres, issu d'une optimisation globale sur tout le dmarrage, est un vecteur
de paramtres "moyen". C'est dire qu'il convient pour simuler aussi bien le rgime
permanent que le rgime transitoire.
Les rsultats suivants concernent l'identification de la machine 1 ( Annexe 1 ) :
Pour cette machine, nous avons spar l'identification de la partie mcanique de celles des
paramtres lectromagntiques.
Nous avons procd un essai de ralentissement de l'ensemble machine-frein poudre qui a
permis de calculer :
J=0,059 kg m
2
a
2
=0,01438 Nm s/rd
a
3
=0,5012 Nm

5
Il est vident que les valeurs donnes ici sont le rsultat numrique de l'optimisation. Les paramtres ne
peuvent pas tre connus avec une telle prcision.
Chapitre II : Application la commande de la machine asynchrone
51
En ce qui concerne cette machine, la large plage de variation des courants mis en jeu a rendu
la procdure d'acquisition plus difficile. Nous n'avons utilis que la fin du rgime transitoire
ainsi que le rgime permanent suite un dmarrage sous tension nominale. Nous obtenons un
jeu de paramtres ( tableau 2.1 ), qui non seulement convient au dmarrage, mais donne les
courants et les vitesses qui correspondent diffrentes charges de la machine ( tableau 2.2 ).
R
s
=2,2513

s
=0,06526 s

r
=0,1975 s
=0,0423
J=0,059 kg m
2
a
1
=0 Nm s
2
/rd
2
a
2
=0,01438 Nm s/rd
a
3
=0,5012 Nm
Tableau 2.1
Exprimental Simulation
Charge I
as eff
(A)
(tr/mn) I
as eff
(A)
(tr/mn)
A vide 4,6 1495,4 4,78 1496,6
C
r
=10 Nm 5,8 1483 5,66 1482,8
C
r
=20 Nm 7,9 1465 7,50 1467,5
C
r
=37 Nm 12,7 1430 11,9 1436
Tableau 2.2
La figure 2.6 reprsente, d'une gnration la suivante, de quelle population provient le
meilleur individu. Nous pouvons remarquer qu'au dbut, ( figure 2.14 ), c'est un petit peu de
partout qu'il est slectionn, avec une prdominance de la sous-population "faible mutation au
hasard d'un seul gne". Plus la slection devient pointue, plus la sous-population issue des
croisements contribue placer en tte de liste ses individus. Enfin, quand le systme a
converg vers la solution optimale, l'individu issu de la recopie reste trs souvent comme
meilleur individu au sens du critre d'adquation.
A travers les figures 2.13 2.20, pendant les 1000 premires gnrations, nous constatons
souvent une augmentation de l'adquation ( fitness ) ainsi que des changements de paramtres
( gnes ) qui s'oprent par sauts. Ce rsultat, on le doit au caractre alatoire de la cration de
certains individus de la population. Il permet l'algorithme, outre l'acclration de la
convergence au dbut du processus, d'avoir une meilleure robustesse vis vis des maximums
locaux.
2.2. Essai 2 : chelon
Cet essai est ralis en branchant la machine, connecte en toile, sur une source de tension
continue de sorte que les trois phases soient parcourues respectivement par I, -I/2 et I/2.
Un chelon positif de la tension conduit l'apparition d'un courant de la forme :

,
_

+ +

2 1
1 ) (
0
T
t
T
t
as
Be Ae I t I ( 2.3 )
Chapitre II : Application la commande de la machine asynchrone
52
Un chelon ngatif ( court-circuit de la source ) donne une dcroissance du courant de la
forme :

,
_

+

2 1
0
) (
T
t
T
t
as
Be Ae I t I ( 2.4 )
Un calcul simple partir du modle dq de la machine ramene au stator montre que les
paramtres sont donns dans les deux cas par :
r s
r s
r
T T
T T
T T

+
+
+

2 1
2 1
2 1
1
avec
B
A

( 2.5 )
Les constantes de temps T
1
et T
2
sont trs loignes l'une de l'autre comme le montrent les
figures 2.21 2.23, ce qui rend l'identification difficile. Nous avons galement remarqu
qu'utiliser les gnes ( ,
s
,
r
et ) au lieu de ( A, B, T
1
et T
2
) pour caractriser l'individu,
ralentissait la convergence de l'algorithme gntique. Il faut donc viter l'introduction de
formules intermdiaires.
2.2.1. Croissance du courant
Nous reprsentons ici le rsultat de l'identification pour une croissance du courant statorique.
Il correspond la rponse un chelon de tension continue fournie par une alimentation
stabilise.
0.00 0.40 0.80 1.20 1.60
temps (s)
0.00
1.00
2.00
3.00
4.00
5.00
I
a
s

(
A
)
Ias Exprimental
Ias Simulation
Figure 2.21 Identification par algorithme gntique sur une croissance du courant
Chapitre II : Application la commande de la machine asynchrone
53
Dans ce cas, une caractristique supplmentaire ( I
0
) doit tre ajoute aux individus de la
population. Elle correspond la valeur du courant I
as
en rgime permanent.
2.2.2. Dcroissance du courant
Lors d'un chelon ngatif de tension ( court-circuit ), la rponse du courant statorique est la
suivante :
0.00 0.40 0.80 1.20 1.60
temps (s)
0.00
1.00
2.00
3.00
4.00
5.00
I
a
s

(
A
)
Ias Exprimental
Ias Simulation
Figure 2.22 Identification par algorithme gntique sur une dcroissance du courant
2.2.3. Croissance du courant, chelon MLI
Cet essai a t effectu en utilisation une alimentation en MLI pour appliquer une tension (
valeur moyenne sur une priode MLI ) continue la machine.
Chapitre II : Application la commande de la machine asynchrone
54
0.00 0.20 0.40 0.60
temps (s)
0.00
2.00
4.00
6.00
8.00
I
a
s

(
A
)
Ias Exprimental
Ias Simulation
Figure 2.23 Identification par algorithme gntique sur une croissance du courant,
Cas d'une alimentation par un onduleur MLI
2.2.4. Comparaisons des rsultats
Le tableau ci-dessous montre une grande disparit des rsultats ainsi que des paramtres qui
s'loignent des valeurs couramment rencontres pour ce type de machines.
Essai
s

r

Croissance de I
as
0,215 0,214 0,115
Dcroissance de I
as
0,195 0,248 0,144
Croissance, alim. MLI 0,434 0,288 0,055
Tableau 2.3
En fait, ce n'est pas l'algorithme gntique qui est en faute, puisqu'il y a une trs bonne
concordance entre les rsultats de simulation et ceux d'exprimentation. La mthode de
l'chelon de tension est peu prcise cause de la grande diffrence entre les deux constantes
de temps T
1
et T
2
. On arrive trouver des jeux de paramtres compltement diffrents qui
donnent des rponses similaires. Elle reste, nanmoins, plus rapide
6
et plus simple mettre en
uvre que celle base sur le dmarrage de la machine.

6
Par rapidit, nous faisons allusion la convergence de l'algorithme et au temps de calcul requis.
Chapitre II : Application la commande de la machine asynchrone
55
0.00 0.20 0.40 0.60
temps (s)
0.00
2.00
4.00
6.00
8.00
I
a
s

(
A
)
Ias Exprimental
Ias Identification 1
Ias Identification 2
Figure 2.24 Sensibilit de l'identification sur une croissance du courant
L'identification 1 correspond :

,
_



009717 , 0 712686 , 0
363481 . 0 553212 , 0 1 5734 , 10 ) (
t t
as
e e t I ( 2.6 )

s
=0,434,
r
=0,288, =0,055
Alors que l'identification 2 correspond :

,
_



007683 , 0 33828 , 0
438111 . 0 482477 , 0 1 52 , 8 ) (
t t
as
e e t I ( 2.7 )

s
=0,181,
r
=0,165, =0,087
On voit qu'une faible diffrence entre les courbes conduit un rsultat trs diffrent.
2.3. Discussion
Il existe peu de travaux sur l'utilisation des algorithmes gntiques pour l'identification des
paramtres de la machine asynchrone. Citons [PIL 97], dans lequel les auteurs utilisent les
donnes de la plaque signaltique pour identifier les paramtres du schma quivalent
monophas de la machine. Dans [BEL 98], les auteurs comparent plusieurs mthodes
d'identification. Ils utilisent, toutefois, les rsultats exprimentaux du fonctionnement en
rgime permanent.
Chapitre II : Application la commande de la machine asynchrone
56
Les mthodes bases sur des chelons de tension sont peu prcises. Cependant, l'algorithme
gntique a convenablement converg vers ce qu'il lui est apparut comme le maximum global.
Nous retenons donc la mthode d'identification base sur le dmarrage de la machine.
Partant d'une population alatoire et loigne du vecteur optimum ( le meilleur des individus
slectionns ), nous observons une slection rapide vers ce qui semble tre un maximum
( figure 2.13 ).
Il s'ensuit alors une convergence beaucoup plus lente vers le maximum absolu. Remarquons
que ce sont tous les paramtres qui changent quand le point se dplace vers ce maximum et
notamment le triplet (
s
,
r
, ).
Sur la figure 2.25, nous avons trac l'volution des produits
s
et
r
. Ces courbes sont quasi
stationnaires durant cette phase bien que le triplet (
s
,
r
, ) continue de varier.
0 10000 20000 30000 40000 50000 60000
Gnrations
0.000
0.002
0.004
0.006
0.008
0.010
f
u
i
t
e
s
sigma Ts
sigma Tr
Figure 2.25 Evolution de
s
et
r
Ceci s'explique par le fait que les fuites caractrisent beaucoup plus la machine que ne le font
ses paramtres pris sparment.
Cette forte liaison entre les paramtres lectromagntiques suggre deux choses :
Premirement, on doit tre capable d'crire un modle de la machine qui ne tienne compte que
des fuites ramenes au stator et au rotor (
s
et
r
).
En effet, si l'on reprend le modle de la machine crit dans le repre statorique ( 2.17 ) et que
l'on pose :
s
qs
qs
s
ds
ds
s
qs
qs
s
ds
ds
R
V
V
R
V
V
R R


,
,

( 2.8 )
( 2.9 )
Alors le modle peut tre mis sous la forme :
Chapitre II : Application la commande de la machine asynchrone
57

'

,
_

,
_

+ + +

,
_

,
_

+ + +

,
_

+
3 2
2
1
) ( p
2
3 1
1
p
1 1 1
p
p
1 1
p
1 1
a a a I I R
J dt
d
I V
dt
d
I V
dt
d
V I I
dt
dI
V I I
dt
dI
ds qs qs ds s
qs qs
qs
ds ds
ds
qs qs
r
ds
s
qs
r s
ds
qs
ds qs ds
r s
qs ds
r s
ds




( 2.10 )
On voit bien que pour des vitesses peine leves, on a
r

1
p >> et puisque les grandeurs
varient avec une pulsation
s
, le modle ne dpend alors que de R
s
,
s
et
r
.
Deuximement, tout algorithme d'optimisation des fins d'identification du modle de la
machine doit pouvoir faire varier au moins les trois paramtres (
s
,
r
, ) en mme temps.
Par rapport des mthodes classiques, nous avons essay une mthode base sur le calcul
approch du gradient. Nous avons relev, outre la lenteur, un comportement incertain de
l'algorithme ds que l'on dpasse deux paramtres optimiser. Il faut galement choisir
convenablement le facteur d'acclration ainsi que le pas de drivation pour chaque
paramtre. De plus, cet algorithme, s'il converge vers un maximum local, ne peut plus s'en
sortir.
Ces contraintes n'existent pas dans le cas de l'algorithme gntique qui montre sa supriorit
pour ce type d'application.
2.4. Conclusion
On peut classer les mthodes d'optimisation, suivant la manire dont s'opre l'exploration, en
trois catgories. La premire exploite partir d'un point unique les informations locales pour
progresser vers un meilleur point. C'est le cas des mthodes du gradient, de Newton-Raphson,
de Levenberg-Marquardt
La deuxime utilise une famille de points pour explorer le domaine et exploite l'ordre relatif
des diverses solutions potentielles pour trouver la meilleure direction ( mthode du Simplex ).
Ces deux stratgies sont habituellement qualifies de "grimpeurs" [REN 95] car elles
emploient uniquement les informations locales pour trouver une nouvelle solution. La
convergence vers l'optimum global n'est alors pas garantie.
Les algorithmes gntiques se classent dans la troisime catgorie. Ils dmarrent avec des
individus parpills sur tout l'espace de recherche et identifient rapidement les sous domaines
susceptibles de contenir le maximum global. Ils offrent l'avantage de continuer explorer le
domaine d'optimisation tout en assurant la convergence.
Le problme d'optimisation n'est pas un problme simple et il n'existe pas de mthode
universelle qui marche pour tous les cas de figure. Souvent, une connaissance approfondie du
problme conduit l'adoption ou au rejet de telle ou telle mthode. Cette connaissance vient
Chapitre II : Application la commande de la machine asynchrone
58
surtout parfaire la manire dont est implant l'algorithme de minimisation et son rglage avec
pour consquence une convergence plus sre et plus rapide vers l'optimum global.
Par rapport aux travaux dj effectus au sein de notre laboratoire et qui ont surtout utilis la
mthode de Levenberg-Marquardt, nous avons explor la voie qu'offrent les algorithmes
gntiques appliqus l'identification des paramtres de la machine asynchrone. Ce sont des
mthodes lourdes en temps de calcul, quand on les utilise en vue d'une optimisation sur un
dmarrage. Elles ont cependant l'avantage d'tre beaucoup moins sensibles au point de dpart
et aux autres contraintes lies la drivation de la fonction optimiser et qui sont propres aux
algorithmes du type gradient.
3. Contrle vectoriel classique
3.1. Introduction
La machine asynchrone cage dont le rotor ne tourne pas la vitesse du champ tournant et
dont la seule entre lectrique est au stator, pose des problmes difficiles pour sa commande.
La communaut scientifique et industrielle a imagin bien des mthodes de commande afin de
pouvoir la contrler en couple, en vitesse ou en position. Les mthodes scalaires sont trs
prises pour leur simplicit de mise en uvre. Cependant, elles ne peuvent pas garantir du
couple l'arrt ni d'obtenir la dynamique et la prcision des mthodes dites vectorielles
[BOS 86][LEO 96].
La commande vectorielle est apparue avec les travaux de Blaschke [BLA 72]. Elle n'a
cependant pas eu tout de suite un grand essor car les rgulations, l'poque, reposaient sur des
composants analogiques, l'implantation de la commande tait alors difficile. Avec
l'avnement des micro-contrleurs et des dispositifs permettant le traitement du signal ( DSP )
[LEO 91a], [LEO 91b], il est devenu possible de raliser une telle commande un cot
raisonnable. Cela a conduit une explosion des recherches et des applications relatives la
commande vectorielle de la machine asynchrone. Le nombre des publications, des
applications et des brevets en tmoigne.
Si beaucoup de problmes sont rsolus, certains autres font encore l'objet de recherche. Quand
on ne cherche pas obtenir des performances leves, mme si l'identification n'est pas bien
faite et que les rgulateurs du schma de contrle vectoriel ne sont pas rgls l'optimum, le
comportement global du systme commande-convertisseur-machine parat satisfaisant.
Cependant, les problmes ne surgissent que lorsque la machine est pousse dans ses
retranchements.
3.2. Modle de la machine asynchrone
Dans le cadre de ce travail, nous nous sommes intresss aux modles de la machine
asynchrone qui permettent de simuler son fonctionnement en rgimes transitoires ainsi qu'
ceux qui dbouchent sur une commande suivant un schma de contrle vectoriel par
orientation du flux rotorique ou statorique. Nous verrons par la suite d'autres variantes de
contrle vectoriel ainsi qu'un modle qui permet de tenir compte de dfaillances au rotor
( rupture de barre ).
Chapitre II : Application la commande de la machine asynchrone
59
3.2.1. Hypothses de travail
Pour cette mise en quation, nous supposons que le bobinage est rparti de manire donner
une f.m.m. sinusodale s'il est aliment par des courants sinusodaux.
Nous supposerons galement que nous travaillons en rgime non satur. Nous ngligeons le
phnomne d'hystrisis, les courants de Foucault et l'effet de peau.
Enfin, le rgime homopolaire est nul puisque le neutre n'est pas reli.
3.2.2. Les quations de la machine asynchrone en rgime quelconque
La mise en quation de la machine asynchrone avec les hypothses que nous avons retenues
tant classique, nous ne mentionnerons que les points qui nous semblent essentiels et les
choix qui nous sont propres par rapport ce qui ce fait habituellement. Pour plus de dtail, le
lecteur pourra se rfrer [LES 81], [BOS 86], [VAS 90], [LEO 96], [BAG 95b].
Prcisons tout d'abord que nous prfrons utiliser la transformation de Clarke plutt que celle
de Concordia pour passer des grandeurs triphases ( a, b, c ) aux grandeurs diphases ( , ).
Ce choix de matrice de passage non norme est bien pratique en commande o l'on traite des
grandeurs dq ( I
ds,
I
qs
). En effet, cela nous permet, par exemple, d'apprcier directement le
module du courant qui est absorb par le moteur, sans avoir passer par un coefficient
multiplicateur.
1
1
1
]
1

1
]
1


1
1
1
]
1

2
3
2
3
0
2
1
2
1
1
3
2
avec
23
23
C
x
x
x
x
x
C
c
b
a

1
1
1
1
1
1
]
1



1
1
1
]
1


1
]
1

2
3
2
1
2
3
2
1
0 1
avec
32
32
C
x
x
x
x
x
c
b
a
C

a
b
c

Il apparat clairement ensuite que les repres de la transformation de Park des grandeurs
statoriques et celle des grandeurs rotoriques doivent concider pour simplifier les quations.
Ceci se fait en liant les angles
s r
et par la relation :

s r
+ ( 2.11 )
Les flux dans ce systme d'axes s'crivent :
s
s
r
r
d
q
s

'

+
+
+
+
qr r qs qr
dr r ds dr
qr qs s qs
dr ds s ds
I L MI
I L MI
MI I L
MI I L

( 2.12 )
et le couple lectromagntique :
Chapitre II : Application la commande de la machine asynchrone
60
) ( p
2
3
ds qs qs ds e
I I C
( 2.13 )
3.2.2.1. Dans un rfrentiel li au champ tournant
Notons
s s

!
que nous appellerons pulsation statorique, bien que le rgime puisse tre
quelconque ( transitoire non sinusodal ).
De mme, nous noterons
r r

!
la pulsation rotorique et

s r
!
p la pulsation mcanique.
Nous pouvons alors crire :

'

+ +
+
+ +
+
dr r
qr
qr r
qr r
dr
dr r
ds s
qs
qs s qs
qs s
ds
ds s ds
dt
d
I R
dt
d
I R
dt
d
I R V
dt
d
I R V

0
0
( 2.14 )
L'avantage d'utiliser ce rfrentiel, est d'avoir des grandeurs constantes en rgime permanent.
Il est alors plus ais d'en faire la rgulation.
3.2.2.2. Dans un rfrentiel li au stator
Dans ce cas les repres (
s
,
s
) et ( d, q ) sont confondus :

'

p
0

! !
!
r
s
( 2.15 )
Nous pouvons alors crire :

'

+
+ +
+
+
dr
qr
qr r
qr
dr
dr r
qs
qs s qs
ds
ds s ds
dt
d
I R
dt
d
I R
dt
d
I R V
dt
d
I R V

p 0
p 0
( 2.16 )
En ajoutant l'quation mcanique:
dt
d
J C C
r e

, et en rarrangeant les quations de faon


faire apparatre comme vecteur d'tat [ ]
t
qs ds qs ds
I I , on obtient :
Chapitre II : Application la commande de la machine asynchrone
61

'

,
_

,
_

+ +
+ +

,
_

+
3 2
2
1
) ( p
2
3 1
1
p
1 1 1 1
p
1
p
1 1
p
1 1 1 1
a a a I I
J dt
d
I R V
dt
d
I R V
dt
d
L L
I I V
L dt
dI
L L
I I V
L dt
dI
ds qs qs ds
qs s qs
qs
ds s ds
ds
qs
r s
ds
s
qs
r s
ds qs
s
qs
qs
s
ds
r s
qs ds
r s
ds
s
ds


( 2.17 )
Modliser la machine de cette manire permet de rduire le nombre de grandeurs qu'on a
besoin de connatre pour pouvoir simuler le fonctionnement de la machine. En effet, seules les
valeurs instantanes des tensions statoriques et du couple rsistant doivent tre dtermines
pour les imposer la machine. On n'a donc pas besoin de savoir ce que vaut la pulsation
statorique ou le glissement comme dans le cas du modle dont les quations sont crites dans
le rfrentiel tournant au synchronisme.
Pour le logiciel de simulation que nous avons dvelopp ( Annexe 2 ), nous avons voulu
sparer la partie "modle de la machine" de celle du "contrle et rgulation". Il nous a paru
judicieux d'essayer de calquer aussi fidlement que possible la maquette exprimentale, de
manire ce que la simulation soit proche de la ralit.
De ce fait, les seules donnes d'change entre les deux parties du logiciel sont, en entre du
modle, les tensions V
as
, V
bs
, V
cs
et le couple rsistant alors qu'en sortie, on retrouve les
courants I
as
, I
bs
et la vitesse mcanique.
De plus, ce modle n'introduit que quatre paramtres ( R
s
,
s
,
r
, ). Si l'on souhaite obtenir la
valeur des courants rotoriques, il faudra rajouter un cinquime paramtre. A dfaut de
connatre les paramtres par un calcul de champs, une hypothse souvent utilise fixe L
r
=L
s
,
elle est appele hypothse d'Alger [KHE 95].
3.3. Mthodes de commande vectorielle des moteurs asynchrones
Le but de la commande vectorielle est d'arriver commander la machine asynchrone comme
une machine courant continu excitation indpendante o il y a un dcouplage naturel entre
la grandeur commandant le flux, le courant d'excitation, et celle lie au couple, le courant
d'induit. Ce dcouplage permet d'obtenir une rponse trs rapide du couple.
En parlant d'orientation du flux, c'est plutt le systme d'axe d-q que l'on oriente de manire
ce que l'axe d soit en phase avec le flux, c'est dire :

'

0
q
d


( 2.18 )
Chapitre II : Application la commande de la machine asynchrone
62
La commande vectorielle orientation du flux rotorique est la plus utilise car elle limine
l'influence des ractances de fuite rotorique et statorique et donnent de meilleurs rsultats que
les mthodes bases sur l'orientation du flux statorique ou d'entrefer [BOS 86][FAI 95].
En imposant, 0
qr
, les quations de la machine dans un rfrentiel li au champ tournant
deviennent :
dr r

ds s s r
r
s
qs
s qs s qs
qs s s
r
r
ds
s ds s ds
I L
L
M
dt
dI
L I R V
I L
dt
d
L
M
dt
dI
L I R V

+ + +
+ +
qs r
r
e
qs
r r
r
ds r
r
r
I
L
M
C
I
M
MI
dt
d

+
( 2.19 )
Aprs passage par une transformation de Laplace nous obtenons :
qs
r r
r
ds r ds
r
r
ds s s r
r
s qs s s qs
qs s s r
r
ds s s ds
I
M
MI I
p
M
I L
L
M
I L p R V
I L
L
M
p I L p R V

+ + +
+ +
permanent rgime en ainsi ,
1
) (
) (
( 2.20 )
Il existe des mthodes de commande vectorielle directe et indirecte :
Dans la commande indirecte, l'angle de Park
s
est calcul partir de la pulsation statorique,
elle-mme reconstitue l'aide de la vitesse de la machine et de la pulsation rotorique
r
.
En ce qui concerne la commande directe, l'angle de Park est calcul directement l'aide des
grandeurs mesures ou estimes.
La commande vectorielle est dite boucle ouverte s'il n'y a pas de rgulation de flux
[CAR 95]. Le flux est impos dans ce cas par I
ds
, de plus la pulsation statorique peut
uniquement tre estime par la relation 2.21. Dans la version boucle ferme, cette pulsation
est estime partir de la valeur du flux rotorique ou du courant magntisant. Dans ce cas, on
tient compte de la constante de temps rotorique
r
.
3.3.1. Commande vectorielle indirecte par orientation du flux rotorique ( IRFO )
Dans ce type de commande, l'angle
s
utilis pour la transformation directe et inverse est
calcul partir de la formule suivante :
Chapitre II : Application la commande de la machine asynchrone
63
M
I dt
I
I
r
ds
ds r
qs
s
*
*
*
*
o ) p (

( 2.21 )
M
1
Reg
C
e
*
+
-
+
+
-
+
-
Reg
Reg
*
*
r r
qs
MI

+

V
ds
*
V
qs
*
C
32
V
cs
*
V
as
*
Ond
MLI
V
bs
*
MAS
I
qs
I
ds
C
22

p
I
qs
*
I
ds
*

r
*
p 3
2
r
M
Lr

P(-
s
)
P(
s
)
I
as
I
bs

r
*
Figure 2.26 Rgulation de vitesse par la commande vectorielle indirecte
La figure 2.26 reprsente le schma bloc d'une rgulation de vitesse du moteur asynchrone
command par orientation du flux rotorique.
Les principaux constituants dans ce type de commande sont la boucle de rgulation de vitesse,
celles des courants I
ds
et I
qs
, le bloc de calcul de
s
et les transformations directe et inverse.
La vitesse est rgule travers la boucle externe du bloc. La sortie de son rgulateur est le
couple lectromagntique de rfrence C
e
*
ou le courant de rfrence I
qs
*
. Il est limit de
manire tenir compte des caractristiques des IGBT de l'onduleur et de la surcharge de la
machine. I
qs
*
est compar la valeur I
qs
issue de la mesure des courants rels. L'erreur
sollicite l'entre du rgulateur dont la sortie est la tension de rfrence V
qs
*
qui son tour est
limit t
E
2
.
En parallle avec cette boucle interne, on trouve une boucle de rgulation de I
ds
. Le courant I
ds
de rfrence est calcul partir du flux imposer. Ce flux correspond sa valeur nominale
pour la zone de vitesse infrieure la vitesse de base. Au del de cette zone, on procde au
"dfluxage" de la machine de manire pouvoir atteindre des vitesses suprieures. Le couple
maximal que l'on peut imposer devient alors plus faible. Le procd de dfluxage en grande
vitesse est utilis en particulier en traction lectrique o l'on a besoin d'un fort couple pendant
la phase de dmarrage et d'un couple plus faible ( qui ne sert lutter que contre les
frottements ) pendant la marche normale.
La sortie du rgulateur de I
ds
donne la tension de rfrence V
ds
*
. Les deux tensions de
rfrence V
ds
*
et V
qs
*
sont alors transformes en grandeurs statoriques V
s
*
et V
s
*
, l'aide
d'une rotation d'angle
s
, puis en grandeurs triphases l'aide d'une transformation de Clarke.
Chapitre II : Application la commande de la machine asynchrone
64
L'onduleur MLI applique des crneaux de tensions la machine dont les valeurs moyennes
sur une priode de MLI correspondent aux valeurs V
as
*
, V
bs
*
, V
cs
*
.
Les courants I
as
et I
bs
sont mesurs puis transforms dans le rfrentiel tournant et donnent I
ds
et I
qs
qu'on utilise pour la rgulation des courants.
En parallle, la "pulsation statorique" puis l'angle
s
sont calculs partir d'une mesure de
vitesse mcanique et du calcul de la "pulsation de glissement". C'est cet angle qui sera utilis
dans les transformations directe et inverse.
En analysant ce schma de commande et les quations associes, on voit apparatre
principalement deux paramtres : M et
r
. Ils lient le flux rotorique et le courant I
ds
qui le
contrle, mais ils apparaissent surtout dans la formule qui permet de calculer
s
.
Une surestimation ou une sous-estimation de la constante de temps rotorique conduisent
respectivement une surexcitation ou une sous-excitation de la machine.
Dans les deux cas, l'amplitude et la phase du flux rotorique ne sont pas celles que l'on
voudrait imposer, il en rsulte une dgradation des performances, voire une instabilit du
systme. On perd alors le contrle vectoriel.
Cette dpendance vis--vis des paramtres de la machine peut tre rduite en utilisant une
commande directe. Nous aborderons ce point dans le chapitre 5.
Chapitre II : Application la commande de la machine asynchrone
65
4. Rgulation, mthodes classiques
4.1. Introduction
La commande vectorielle utilise dans cette partie de la thse est une commande indirecte par
orientation du flux rotorique.
Par rapport au schma introduit au paragraphe prcdent ( figure 2.26 ), il est intressant
d'ajouter des termes de dcouplage afin de rendre les axes d et q compltement indpendants.
Les performances qu'apporte ce dcouplage additionnel ont t montres dans [DAK 91] et
[BAG 96a]. Ce dcouplage permet surtout d'crire les quations de la machine et de la partie
rgulation d'une manire simple et ainsi de calculer les coefficients des rgulateurs.
4.2. Dcouplage
Les quations du moteur asynchrone command par orientation du flux rotorique, en
supposant que son module ne varie que trs lentement
7
par rapport I
ds
et I
qs
, s'crivent :
qs
r r
r
ds
r
r
ds s s r
r
s qs s s qs
qs s s ds s s ds
I
M
I
p
M
I L
L
M
I L p R V
I L I L p R V

+ + +
+
1
) (
) (
( 2.22 )
Nous pouvons alors reprsenter la machine par le schma bloc suivant :
qs
I
ds
V
qs
V
+
+
qs s s
I L
ds
I
+
- r s
r
L
M

-
ds s s
I L
p R
s s
+

1
1 1
p R
s s
+

1
1 1
Figure 2.27 Modle de la machine

7
Hypothse que l'on vrifie aussi bien en simulation qu'exprimentalement.
Chapitre II : Application la commande de la machine asynchrone
66
Les termes
s s qs s
r
r s s ds
L I
M
L
L I , et correspondent aux termes de couplage entre les
axes d-q.
Une solution consiste ajouter des tensions identiques mais de signes opposs la sortie des
rgulateurs de courant de manire sparer les boucles de rgulation d'axe d et q comme le
montre la figure 2.28.
qs
I
*
ds
V
*
qs
V
+
+
qs s s
I L
ds
I
+
- r s
r
L
M

-
ds s s
I L
qs
I
ds
I
+
-
qs s s
I L
+
+
r s
r
L
M

-
ds s s
I L
*
ds
I
*
ds
V
*
qs
V
+
-
*
qs
I
+
-
Modle de la machine
p R
s s
+

1
1 1
p R
s s
+

1
1 1
Rgulation
Reg
Reg
Figure 2.28 Dcouplage par addition des termes de compensation
On aboutit alors au schma bloc simple et identique pour les deux axes :
+
-
*
qs
V *
qs
I
qs
I
Reg
p R
s s
+

1
1 1
Figure 2.29 Boucle I
qs
aprs dcouplage
Ce type de dcouplage est dit "statique" par opposition un dcouplage "dynamique" qui
introduit une matrice de dcouplage la sortie des rgulateurs, ne faisant donc intervenir que
les termes (
* *
,
qs ds
V V et
s
). Cette mthode est dcrite dans [FAI 95]. Si d'un point de vue
purement mathmatique, les deux dcouplages se valent, le dcouplage retenu utilise les
valeurs des courants acquis la priode d'chantillonnage considre mais, par la mme
occasion, reporte leur bruit sur les rfrences de tension.
Chapitre II : Application la commande de la machine asynchrone
67
4.3. Rgulation des courants
Partant des paramtres issus de l'identification de la machine, nous avons voulu mettre au
point une mthode systmatique de calcul des coefficients des rgulateurs de la chane de
commande pour ce type de contrle.
Ce travail a une double vocation,
Il permet de prdterminer les paramtres de rglage des diffrents rgulateurs, vitant
ainsi une phase trop longue de mise au point.
Il propose une mthode systmatique de calcul des rgulateurs.
Le systme tant un systme discret, les coefficients du rgulateur quivalent dans un systme
continu ne correspondent pas directement celui qu'il faut implanter dans les programmes de
rgulation, que ce soit pour la simulation ou pour l'exprimentation.
Une des approches pour le dimensionnement des rgulateurs des systmes chantillonns
consiste concevoir le rgulateur en considrent le systme comme continu, mais en y
introduisant les retards inhrents la rgulation numrique, puis calculer le rgulateur
quivalent discret.
Nous reprsentons les retards du convertisseur statique ( onduleur MLI ), de la boucle de
rgulation et du temps de conversion analogique/digitale par un retard pur :
qd
pT
e

.
T
qd
reprsente le dlai sur l'axe q ; T
qd
=T
MLI
+T
Reg_Iqs
.
Ce retard sera approxim par une fonction de transfert du premier ordre :
qd
pT
pT
e
qd
+

1
1
.
Pour nous permettre de trouver une formulation explicite des gains des rgulateurs, nous
n'avons pas modlis le retard introduit par le filtre de courant dont la constante de temps
T
qf
=55 s est plus petite que T
qd
=300 s.
Pour chacune des boucles de courant, nous avons adopt classiquement un rgulateur
proportionnel-intgral ( PI ). Il comporte une action proportionnelle qui sert rgler la
rapidit avec laquelle la rgulation doit avoir lieu et une action intgrale qui sert liminer
l'erreur statique entre la grandeur rgule et la grandeur de consigne.
Un rgulateur proportionnel-intgral-drive ( PID ) est carter car, bien qu'une action
drive permette d'anticiper et d'acclrer la rgulation, elle amplifie nanmoins le moindre
bruit.
Le schma bloc devient :
+
-
*
qs
I
qs
I
p R
s s
+

1
1 1

,
_

+
q
q
pT
K
1
1
qd
pT + 1
1
Figure 2.30 Boucle de rgulation du courant I
qs
Chapitre II : Application la commande de la machine asynchrone
68
La fonction de transfert en boucle ouverte ( B.O. ) est :
s
s
qd q
q
q oi
p
R
pT pT
pT
K G
+

1
1
1
1
1
( 2.23 )
On dispose de deux degrs de libert pour rguler le systme. Nous avons choisi d'utiliser T
q
afin d'liminer le ple le plus lent, puis calculer K
q
selon le critre sur la rponse "harmonique
mplate" [BUH 88]. Cela permet d'avoir une rponse rapide avec un minimum de
dpassement et une bonne stabilit du systme.
) 1 (
1
qd s s
q
oi
s q
pT p R
K
G
T
+

( 2.24 )
( 2.25 )
La fonction de transfert en boucle ferme ( B.F. ) devient :
2
0 0
2
2
0
2
2
2
1
2
1

+ +

+ +

p p
T R
K
T
p p
T R
K
G
qd s s
q
qd
qd s s
q
fi ( 2.26 )
avec :

'

qd s s
q
qd q
s s
T R
K
T K
R

0
2
1
( 2.27 )
Pour un amortissement
2
1
, lors d'un
chelon sur la consigne, on a un dpassement
de 4,3 %.
D'o :
s
s
s q
qd
s
qd
s s
q
R
L
T
T
L
T
R
K




2 2
( 2.28 )
0 1 2 3 4 5 6 7 8
x 10
-3
0
0.2
0.4
0.6
0.8
1
1.2
temps (s)
Amplitude
Figure 2.31 Rponse de G
fi
un chelon
( systme continu )
Nous obtenons une marge de gain de prs de 79 dB et une marge de phase de 65.3, ce qui
nous garanti une bonne stabilit du systme [BAG 95b]. Les boucles de courant jouent un rle
primordial puisque, tout en assurant le contrle vectoriel, elles garantissent les protections
ncessaires l'ensemble convertisseur-machine. Ainsi, l'introduction de limitations sur les
Chapitre II : Application la commande de la machine asynchrone
69
rfrences de courant I
ds
*
et I
qs
*
assure la matrise des courants mme s'il apparat un problme
sur les boucles de rgulation externes.
La forme incrmentale du rgulateur PI discret que nous retenons est :
) ( )) 1 ( ) ( ( ) 1 ( ) ( k e K k e k e K k y k y
i p
+
( 2.29 )
avec :
e
q
q
i
q p
T
T
K
K
K K

( 2.30 )
Les mmes valeurs de coefficients sont adopts pour les deux boucles de courant.
Les contrleurs de courant ayant t rgls en se servant du premier jeu de paramtres de la
machine 1 ( Annexe 1 ). Nous prsentons les courbes de simulation et d'exprimentation de
l'volution du courant I
ds
suite un chelon sur sa rfrence ( figures 2.32 2.35 ). La
simulation (1) indique qu'elle a t effectue avec le premier jeu de paramtres tandis que la
simulation (2) a t conduite avec le deuxime jeu.
Les simulations ont t ralises en tenant compte de la MLI 10 kHz du convertisseur.
-0.0100 0.0000 0.0100 0.0200 0.0300 0.0400
temps (s)
5.00
6.00
7.00
8.00
9.00
10.00
I
d
s

(
A
)
Reg PI de courant
Echelon de 5 10 A
Ids ref Exprimental
Ids ref Exprimental
Ids Simulation (1)
Figure 2.32 Echelon sur I
ds
*
, passage de 5 10 A
Chapitre II : Application la commande de la machine asynchrone
70
-0.0100 0.0000 0.0100 0.0200 0.0300 0.0400
temps (s)
5.00
6.00
7.00
8.00
9.00
10.00
I
d
s

(
A
)
Reg PI de courant
Echelon de 5 10 A
Ids ref Exprimental
Ids ref Exprimental
Ids Simulation (2)
Figure 2.33 Echelon sur I
ds
*
, passage de 5 10 A
-0.0100 0.0000 0.0100 0.0200 0.0300 0.0400
temps (s)
0.00
1.00
2.00
3.00
4.00
5.00
6.00
I
d
s

(
A
)
Reg PI de courant
Echelon de 0 6 A
Ids ref Exprimental
Ids ref Exprimental
Ids Simulation (1)
Figure 2.34 Echelon sur I
ds
*
, passage de 0 6 A
Chapitre II : Application la commande de la machine asynchrone
71
-0.0100 0.0000 0.0100 0.0200 0.0300 0.0400
temps (s)
0.00
1.00
2.00
3.00
4.00
5.00
6.00
I
d
s

(
A
)
Reg PI de courant
Echelon de 0 6 A
Ids ref Exprimental
Ids ref Exprimental
Ids Simulation (2)
Figure 2.35 Echelon sur I
ds
*
, passage de 0 6 A
Nous remarquons une assez bonne concordance entre les rsultats de simulation et ceux issus
de l'exprimentation. La rponse en courant lors de la simulation (2) avec le deuxime jeu de
paramtres est plus rapide que celle de la simulation (1) en raison de la valeur plus faible de

s
. Il est intressant de constater que c'est plutt le jeu de paramtres (1) qui semble le mieux
adapt. Ce qui signifie que l'identification (1) est meilleure. De plus, l'cart entre
l'identification (1) et (2), travers les rsultats de simulation, n'a pas engendr de perte de
performances du systme.
On note un temps de monte de l'ordre de 2 ms, similaire celui prvu par les calculs.
Cependant, on ne retrouve pas toujours le dpassement de 4,3 %. Ce dernier apparat
exprimentalement quand la machine est dj "fluxe" et lors d'une variation moindre du flux.
Ceci est certainement d l'hypothse de simplification faite sur l'quation d'axe d lors de
l'introduction du dcouplage. Rappelons que l'effet de ce dernier est compens en rgime
permanent ( quand le courant a atteint sa rfrence ) par l'action intgrale du rgulateur.
Ce rsultat se retrouve galement sur des chelons de I
qs
*
, que nous avons effectus en
bloquant la machine l'arrt l'aide du frein poudre afin de minimiser l'action des termes de
couplage en
s
.
4.4. Rgulation de la vitesse
Le schma de rgulation en cascade retenu ncessite, pour un bon fonctionnement, que la
boucle interne soit plus rapide que la boucle externe. Dans notre cas, le rgulateur de vitesse
est sollicit toutes les 1 ms alors que les boucles de courant le sont toutes les 200 s.
Il est clair que le rglage du couple se fera par l'action sur le courant I
qs
plutt que par une
action sur le flux. Par consquent, la sortie du rgulateur de la boucle externe ( vitesse )
constitue la rfrence ( l'entre ) de la boucle interne ( courant I
qs
).
Chapitre II : Application la commande de la machine asynchrone
72
Le schma bloc de rgulation de la vitesse est le suivant :
+
-
*

*
qs
I
mes

qs
I
+
-

,
_

+
v
v
pT
K
1
1
pJ a +
2
1
vd
pT + 1
1
vf
pT + 1
1
G
fi
K
t
C
e
C
r
Figure 2.36 Boucle de rgulation de la vitesse, structure PI
avec :
K
v
, T
v
: coefficients du PI.
T
vd
: dlai dans la boucle de vitesse.
T
vf
: dlai introduit par le filtrage de la vitesse.
*
p
2
3
r
r
t
L
M
K : constante du couple lectromagntique.
La fonction de transfert en boucle ouverte par rapport la consigne :
pJ a
K
pT p p pT pT
pT
K G
t
vf vd v
v
v ov
+

+ +

2
2
0 0
2
2
0
1
1
2 1
1 1

( 2.31 )
Et en boucle ferme :
ov
ov
vf fv
G
G
pT G
+
+
1
) 1 (
( 2.32 )
Avec cette structure du rgulateur, il n'a pas t possible d'obtenir de bonnes performances
la fois pour l'asservissement de la vitesse ( rponse par rapport la consigne ) et pour la
rgulation ( rponse par rapport la perturbation ).
Ceci nous a amen prendre une structure IP [BAG 96a]. De plus, au lieu de bloquer tout
simplement l'intgrale ds que la sortie sature, il est intressant d'observer la structure anti-
saturation ( anti-windup ) [BAG 96b]. Le schma de cette boucle de rgulation prend alors la
forme reprsente par la figure 2.37.
Comme ces expressions sont trs compliques, il n'est plus possible de trouver explicitement
les coefficients du rgulateur adquat. D'autant plus que les diffrentes limitations sur les
tensions et les courants entrent en jeu ds lors que l'on procde des chelons de consigne.
Nous passons alors par des simulations l'aide du logiciel MASVECT mis au point
( Annexe 2 ) afin rgler le contrleur de vitesse. La mthode utilise est du type essai-erreur.
Nous avons galement essay de trouver les coefficients en utilisant un algorithme gntique
pour optimiser la rponse du systme soumis deux chelons de vitesse de rfrence ( -400
tr/mn puis 400 tr/mn ) et un chelon de couple rsistant ( 20 Nm ).
Chapitre II : Application la commande de la machine asynchrone
73
+
-
*

*
qs
I
mes

qs
I
+
-

-
+
-
+
-
v
pT
1
pJ a +
2
1
vd
pT + 1
1
vf
pT + 1
1
Gfi Iqs Kt
Ce
Cr
Kv
t
T
1
Figure 2.37 Boucle de rgulation de la vitesse, structure IP anti-saturation
Le tableau suivant rsume les diffrents rglages obtenus ( rgulateur discrtis ) :
Rgulateur Mthode d'optimisation K
p
K
i
T
t
IP Essai-erreur ( sim/exp ) 3 0,06 -
IP anti-saturation (1) Essai-erreur ( sim/exp ) 2 0,1 1
IP anti-saturation (2) Algorithme
gntique( sim )
2,87 0,337 0,174
Tableau 2.4 Rglage des contrleurs de vitesse
Les figures 2.38 et 2.39 prsentent les simulations effectues l'aide de ces rgulateurs de
vitesse. Aprs tablissement du flux, nous imposons une vitesse de rfrence de -400 tr/mn
0,8 s puis de 400 tr/mn 1,3 s et une charge de 20 Nm vient s'ajouter 1,8 s. Nous n'avons
prsent que l'volution de la vitesse et le courant I
qs
*
. Ce dernier reprsente la sortie du
rgulateur de vitesse.
Nous attirons l'attention sur le fait que le rglage obtenu pour le rgulateur IP peut tre utilis
pour un rgulateur IP anti-saturation, la monte en vitesse prsente alors le mme
ralentissement quand la vitesse approche de sa consigne.
L'anti-saturation ne rentre en jeu que lorsque le rgulateur se retrouve en bute de courant
I
qs ref
, pendant les longues phases de freinage ou d'acclration.
Le rglage (2) obtenu l'aide de l'algorithme gntique conduit pratiquement au mme temps
de monte que le rglage (1). Par contre, il est plus rapide et sollicite beaucoup plus
l'actionneur pour rejeter plus vite la perturbation. Ce qui provoque exprimentalement un
dpassement important et des oscillations. L'optimisation n'a cependant t faite qu'avec un
modle comprenant une fonction de transfert en courant idalise cause du temps de calcul
que l'algorithme gntique ncessite. Nous avons toutefois tenu compte, l'aide d'une entre
supplmentaire dans la fonction d'adquation de l'algorithme gntique, de la saturation la
sortie du rgulateur de vitesse.
Chapitre II : Application la commande de la machine asynchrone
74
0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-400.00
-300.00
-200.00
-100.00
0.00
100.00
200.00
300.00
400.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP
IP anti-saturation 1
IP anti-saturation 2
Figure 2.38 Evolution de la vitesse pendant son inversion de -400 +400 tr/mn,
Simulation, comparaison des diffrents rgulateurs
0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-20.00
-15.00
-10.00
-5.00
0.00
5.00
10.00
15.00
20.00
I
q
s

r
e
f

(
A
)
IP
IP anti-saturation 1
IP anti-saturation 2
Figure 2.39 Evolution de I
qs
*
pendant une inversion de vitesse de -400 +400 tr/mn,
Simulation, comparaison des diffrents rgulateurs
Chapitre II : Application la commande de la machine asynchrone
75
La confrontation des rsultats thoriques et exprimentaux en utilisant le rgulateur IP anti-
saturation (1) ( figures 2.40 2.43 ) montre que la modlisation est suffisament prcise pour
reflter les temps de rponses et les valeurs des diffrentes grandeurs exprimentales.
Ces figures reprsentent une inversion de vitesse de -400 +400 tr/mn vide. On observe sur
la figure 2.40, le mme temps de monte avec un lger dpassement dans le cas de la
simulation. Ceci se reflte bien sr par l'allure des courants I
qs ref
et I
qs
( figure 2.41 ). Aprs
une priode pendant laquelle I
qs
est en limitation 16,5 A, la rfrence du courant descend
plus vite dans le cas de la simulation pour atteindre une valeur en rgime permanent gale
celle du courant I
qs
exprimental.
Le courant I
ds
est trs peu perturb pendant la phase d'inversion de vitesse ce qui montre
l'efficacit du dcouplage ( figure 2.42 ). Les courants suivent leur rfrence avec prcision
grce l'action de leur correcteur dont on apperoit les sorties sur la figure 2.43. On notera
que V
qs ref
prend l'allure de la vitesse en rgime permanent du courant. Il existe cependant un
cart sur V
ds ref
d probablement une erreur d'identification sur R
s
puisque I
qs
est proche de
zro avant et aprs l'inversion ( V
ds
/R
s
=I
ds
) et galement une sensibilit
qr
( de l'ordre de
0,01 0,03 Wb ) qui introduit une diffrence de quelques volts.
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-400.00
-300.00
-200.00
-100.00
0.00
100.00
200.00
300.00
400.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP anti-saturation (1)
Wm ref Exprimental
Wm Exprimental
Wm Simulation
Figure 2.40 Evolution de la vitesse pendant
son inversion de -400 +400 tr/mn
Chapitre II : Application la commande de la machine asynchrone
76
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
IP anti-saturation (1)
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.41 Evolution du courant I
qs
pendant une inversion
de vitesse de -400 +400 tr/mn
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
0.00
2.00
4.00
6.00
8.00
10.00
I

(
A
)
IP anti-saturation (1)
Ids ref Exprimental
Ids Exprimental
Ids Simulation
Figure 2.42 Evolution du courant I
ds
pendant une inversion
de vitesse de -400 +400 tr/mn
Chapitre II : Application la commande de la machine asynchrone
77
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-150.00
-100.00
-50.00
0.00
50.00
100.00
150.00
V

(
V
)
IP anti-saturation (1)
Vds ref Exprimental
Vqs ref Exprimental
Vds ref Simulation
Vqs ref Simulation
Figure 2.43 Evolution des tensions de rfrence pendant
une inversion de vitesse de -400 +400 tr/mn
L'essai suivant montre la rponse du systme quand on applique un chelon de couple
rsistant de 20 Nm alors que la vitesse est rgule 400 tr/mn. Prcisons tout de suite que le
frein poudre coupl notre machine, pour appliquer ce couple, utilise une rgulation de
flux. Le temps de monte du couple rsistant dpend donc de la dynamique de son propre
rgulateur. Laquelle n'est pas instantane comme l'est celle de la simulation. La chute de la
vitesse est moins importante dans le cas exprimental ( figure 2.44 ). Dans les deux cas, elle
reste infrieure 5 % de la vitesse de consigne. Notons cependant que puisque le courant I
qs ref
n'a pas atteint la limite de scurit ( figure 2.45 ), il serait possible de rendre plus rapide
l'action de ce rgulateur par rapport la perturbation. On perdra alors en rponse par rapport
la rfrence de vitesse.
Chapitre II : Application la commande de la machine asynchrone
78
0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
350.00
360.00
370.00
380.00
390.00
400.00
410.00
420.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP anti-saturation (1)
Wm ref Exprimental
Wm Exprimental
Wm Simulation
Figure 2.44 Evolution de la vitesse suite un chelon de couple de 20 Nm
0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
I

(
A
)
IP anti-saturation (1)
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.45 Evolution du courant I
qs
suite un chelon de couple de 20 Nm
Chapitre II : Application la commande de la machine asynchrone
79
4.5. Conclusion
Nous avons prsent dans cette partie les diffrents rgulateurs classiques utiliss pour le
contrle vectoriel retenu. Il est intressant de remarquer que les rsultats de simulation
concordent avec ceux issus des essais exprimentaux. Toutefois, il n'a pas t possible
d'aboutir une mthode de calcul analytique du contrleur de vitesse. Nous avons observ
que lorsqu'on essayait de rendre ce rgulateur plus rapide, on aboutissait des dpassements
plus important exprimentalement qu'en simulation. Les signaux sont bien sr plus bruits
mais il est vraisemblable qu'il y ait un retard pur qui chappe au modle. L'identification
n'tant pas parfaite, nous pensons que ces rsultats sont trs satisfaisants et vont nous servir de
base pour les comparaisons avec les autres types de rgulateurs.
5. Rgulation par logique floue
5.1. Introduction
Dans cette partie, nous allons nous intresser au remplacement du rgulateur classique de
vitesse du schma de commande vectorielle prcdent par un rgulateur flou. Comme
mentionn au chapitre 1, le nombre de combinaisons et de variantes est quasiment infini.
Devant ce large ventail, notre choix sera d'abord dict par la simplicit de mise en uvre.
Nous recherchons un rgulateur flou que l'on peut implanter au sein de la commande
numrique que nous avons dveloppe autour d'un couple de DSP, TMS 320C31 et 320P14,
( Annexe 3 ). Une des contraintes est la limitation du temps de calcul tout en conservant les
proprits de rgulateur flou.
Compte tenu de ce qui vient d'tre dit, nous avons retenu pour le contrleur :
Une structure PI incrmentale ( matrice d'infrence deux dimensions ).
Un nombre limit trois ou cinq ensembles flous pour chaque variable.
Des variables d'entre dont les fonctions d'appartenance des ensembles flous sont de
formes triangulaires et trapzodales.
Des singletons pour les fonctions d'appartenance de la variable de sortie.
Des gains variables l'entre et la sortie du rgulateur permettant d'ajuster son
fonctionnement et de varier sa plage de sensibilit.
5.2. Rgulateur flou trois ensembles
Le rgulateur admet pour chaque variable les trois ensembles flous N ( ngatif ), Z ( zro ) et
P ( positif ). Les fonctions d'appartenance des variables floues de l'entre se recouvrent 1
( figure 2.46 ).
La figure 2.47 reprsente la sortie dU du rgulateur flou en fonction de ses entres E et dE.
Elle n'est pas normalise, et on peut voir les fortes non-linarites de rupture de pente. On
remarque surtout deux zones :
Une zone priphrique, plate ou de pente parallle un des deux axes E ou dE, qui correspond
la plage o une des variables d'entre est sature. En coordonnes normalises E
n
ou
dE
n
] [ 1 , 1 . C'est dans cette zone que le moteur d'infrence ne va valuer qu'une ou deux
rgles au maximum.
Une deuxime zone, centrale qui peut tre dcompose en quatre quadrants. Elle est mise en
vidence sur la figure 2.52 qui reprsente la surface de contrle du rgulateur normalis.
Chapitre II : Application la commande de la machine asynchrone
80
Z N P
E
n
-1 1 0

Z
+
P
=1
Z N P
dE
n
-1 1 0
Z N P
dU
n
-1 1 0
Figure 2.46 Formes des fonctions d'appartenance
Figure 2.47 Surface caractristique du rgulateur flou
Sur les figures qui suivent, nous prsentons les rsultats obtenus avec ce rgulateur pour
contrler la vitesse au sein du schma de commande vectoriel. L'essai reprsente une
inversion de vitesse de -600 600 tr/mn ( figures 2.48 et 2.49 ) vide et ( figures 2.50 et
2.51 ) sous une charge de 20 Nm. Les rsultats exprimentaux et de simulation sont
superposs. Seules la rfrence et la valeur de la vitesse et du courant I
qs
sont reprsentes.
On observe un temps de mont de la vitesse similaire en simulation par rapport celui de
l'essai exprimental de mme que la valeur en rgime permanent ( courant I
qs
, figure 2.49 ).
En ce qui concerne l'essai en charge, une diffrence se creuse pendant le transitoire de vitesse
( figure 2.50 ), o la simulation donne une rponse plus rapide. Cela est certainement d la
manire dont le frein impose son couple. En effet, ce dernier n'est pas constant quand la
vitesse varie sur une large plage, lorsque l'on est en rgulation de flux ( celle du frein
poudre ).
Si nous analysons, sur le plan de phase, l'volution du systme pendant l'inversion vide par
exemple, nous constatons que la phase d'inversion occupe surtout les quadrants 2 et 4 du plan
( figure 2.55 et 2.56 ). Or un examen attentif du trac en 3-dimension des surfaces de contrle
Chapitre II : Application la commande de la machine asynchrone
81
des rgulateurs flou et PI classique ( figure 2.52 et 2.53 ) ainsi que de leur diffrence ( figure
2.54 ), montre que c'est prcisment sur ces deux quadrants que la diffrence est pratiquement
nulle.
Ainsi, on devrait s'attendre ce que le rgulateur flou se comporte comme un rgulateur PI s'il
n'y a que ces deux quadrants qui sont sollicits.
Dans [GAL 93] et [GAL 95] les auteurs ont montr qu'on pouvait construire un contrleur
flou de type Sugeno qui donne exactement la mme rponse qu'un contrleur PI en des points
dits "modaux". Ceci est ralis en prenant une distribution rgulire de fonctions
d'appartenance triangulaires en entre et autant d'ensembles flous qu'il y a de points modaux
8
.
La matrice d'infrence, qui dans le cas d'un contrleur de type Sugeno, donne directement les
valeurs numriques de la sortie, est une matrice symtrique par rapport la diagonale. Elle
devient nanmoins de dimension trs importante suivant le nombre de points modaux choisis.
Dans le cas d'un contrleur de type Mamdani, un choix de fonctions d'appartenance en sortie
symtrique par rapport aux valeurs modales, de formes rectangulaires et de largeurs
identiques, permet d'obtenir une interpolation linaire entre ces valeurs modales.
Rellement, le fonctionnement du systme ne se cantonne pas uniquement l'intrieur de la
zone centrale. Lors de grandes variations de la vitesse de consigne, le courant de rfrence se
met toujours en limitation et on sort de la plage de variation quasi linaire du rgulateur.
Cependant, comme le rgulateur PI de base se comporte moins bien quand sa sortie est en
limitation, nous aboutissons un rglage qui favorise le rgulateur flou dans cette course aux
performances. On le remarque facilement sur une courbe comme celle de la figure 2.38.
Nanmoins, l'utilisation d'un rgulateur IP anti-saturation rattrape cette performance. En effet,
s'il est bien rgl, ce rgulateur opre dans la zone linaire de manire quivalente au
rgulateur flou mais de plus, il n'a pas de problme lorsque la sortie atteint la valeur de
saturation puisque le signal correspondant la diffrence entre la sortie non limite et la sortie
limite, est rinject l'entre du rgulateur pour le dsaturer. Ce qui lui permet de rcuprer
trs rapidement quand la grandeur rgule approche de la consigne aprs une longue phase de
limitation.
Ces rsultats se vrifient sur la figure 2.57 et la figure 2.58 qui reprsentent la vitesse et le
courant de rfrence I
qs ref
lors d'une inversion de vitesse de -600 +600 tr/mn
exprimentalement.

8
Les points modaux correspondent aux sommets des fonctions d'appartenance triangulaires
Chapitre II : Application la commande de la machine asynchrone
82
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Rgulateur flou
Wm ref Exprimental
Wm Exprimental
Wm Simulation
Figure 2.48 Evolution de la vitesse lors de son inversion vide
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Rgulateur flou
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.49 Variation de I
qs
lors d'une inversion de vitesse vide
Chapitre II : Application la commande de la machine asynchrone
83
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Rgulateur flou
Wm ref Exprimental
Wm Exprimental
Wm Simulation
Figure 2.50 Evolution de la vitesse lors de son inversion en charge
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-10.00
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Rgulateur flou
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.51 Variation de I
qs
lors d'une inversion de vitesse en charge
Chapitre II : Application la commande de la machine asynchrone
84
Figure 2.52 Surface caractristique du rgulateur flou
Coordonnes normalises
Figure 2.53 Surface caractristique du rgulateur PI
Coordonnes normalises
Chapitre II : Application la commande de la machine asynchrone
85
Figure 2.54 Diffrence entre les deux surfaces
-400.00 0.00 400.00 800.00 1200.00
E (tr/mn)
-2.00
-1.50
-1.00
-0.50
0.00
0.50
d
E

(
t
r
/
m
n
)
Figure 2.55 Trajectoire dans le plan de phase
Chapitre II : Application la commande de la machine asynchrone
86
-10.00 -5.00 0.00 5.00 10.00
E (tr/mn)
-0.30
-0.20
-0.10
0.00
0.10
0.20
0.30
d
E

(
t
r
/
m
n
)
Figure 2.56 Trajectoire dans le plan de phase,
agrandissement autour du point de rfrence
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Essai exprimental
Wm ref Reg flou
Wm Reg flou
Wm Reg IP anti-saturation
Figure 2.57 Evolution de la vitesse lors de son inversion vide
Comparaison entre le rgulateur flou et l'IP anti-saturation
Chapitre II : Application la commande de la machine asynchrone
87
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Essai exprimental
Iqs ref Reg flou
Iqs Reg flou
Iqs ref Reg IP anti-saturation
Iqs Reg IP anti-saturation
Figure 2.58 Variation de I
qs
lors d'une inversion de vitesse vide
Comparaison entre le rgulateur flou et l'IP anti-saturation
5.3. Rgulateur flou cinq ensembles
Dans le cas du rgulateur trois ensembles flous, les rglages se font surtout par l'action sur
les facteurs d'chelle l'entre et la sortie du rgulateur. Par contre, si l'on passe un
nombre plus important d'ensembles flous, cinq par exemple, un choix plus large s'offre
notamment sur la matrice d'infrence et la rpartition des fonctions d'appartenance.
[LUT 96] et [BUH 94] insistent bien sur le fait que ce n'est pas le choix des oprateurs pour
raliser l'infrence qui est important mais plutt la matrice d'infrence elle-mme et, surtout,
la rpartition des fonctions d'appartenance sur l'univers de discours. On peut en effet obtenir
des caractristiques non-linaires trs prononces. Cependant l'optimisation pour une
application donne peut tre longue et fastidieuse. Il convient de ne faire varier que la forme
ou la distribution des fonctions d'appartenance, soit des variables d'entres, soit de la sortie,
sinon on peut aboutir une certaine compensation des corrections envisages.
Les auteurs, cits en bibliographie [HIS 97], [HIS 98], [MAU 98], ont montr que l'utilisation
d'un procd d'optimisation selon la mthode de Taguchi, permettait de rduire
considrablement le nombre d'essais faire pour trouver le rglage optimum. Leur mthode
est base sur une identification du systme partir d'une rponse en boucle ouverte un
chelon. Un choix est ensuite fait sur les valeurs discrtes que peuvent prendre les paramtres
optimiser ( positions relatives des fonctions d'appartenance sur l'univers de discours, gains
Chapitre II : Application la commande de la machine asynchrone
88
du rgulateur ). Il s'ensuit des essais, avec des vecteurs de paramtres dfinis par les rgles
de Taguchi, nettement moins nombreux compars au grand nombre de possibilits de rglage.
De toute vidence, cette approche, fort intressante, ne s'applique qu'aux processus stables en
boucle ouverte. De plus, il est tout aussi difficile de choisir les valeurs discrtes que peuvent
prendre les paramtres ( deux paliers pour chaque paramtre ont t choisit par les auteurs ).
Enfin, un autre problme majeur, commun tous les procds d'optimisation automatique, est
celui du choix du critre d'optimisation. L'IAE ( Intgrale de l'Erreur Absolue ), utilis par
Hissel et al. ; ne garantit pas la robustesse du systme. Les travaux entrepris, visant attnuer
ce problme, sont prsents dans [HIS 98].
Comme nous pouvons le constater, il n'est pas facile de concevoir un rgulateur flou partir
de rgles et dmarches compltement structures au sens cartsien du terme. Il reste alors des
mthodes permettant, partir d'essais et d'erreurs, d'arriver une construction "au mieux" d'un
rgulateur flou. La stratgie de rgulation repose alors sur un ensemble de rgles de dcisions
heuristiques ou de rgles intuitives [KIN 77]. C'est d'ailleurs ce que l'on essaye de reprsenter
par l'approche logique floue.
Nous nous sommes intresss dans cette partie la mise en vidence de l'existence potentielle
d'un gain ( ou une diffrence ) qu'une modification de la matrice d'infrence et de la
rpartition des fonctions d'appartenance vont apporter la rgulation de la vitesse de la
machine asynchrone en commande vectorielle.
Nous avons utilis une rpartition uniforme des fonctions d'appartenance sur l'univers de
discours des entres mais pas pour celles de la sortie. Les fonctions restent bien sr
symtriques par rapport au zro.
Z PN
E
n
-0.5 1 0
GN
-1 0.5
PP GP Z PN
dE
n
-0.5 1 0
GN
-1 0.5
PP GP Z PN
dU
n
-0.3 1 0
GN
-1 0.3
PP GP
Figure 2.59 Formes des fonctions d'appartenance
On notera que pour la variable de sortie dU
n
, les fonctions d'appartenance correspondant aux
ensembles flous "petit ngatif" ( PN ) et "petit positif" ( PP ) sont proches de celle de
l'ensemble "zro".
Ce que nous essayons de reproduire intuitivement c'est de faire ragir, quand on est loin de
l'objectif, les ensembles flous "grand ngatif" et "grand positif", sachant que souvent, dans ce
cas, la sortie relle du rgulateur ( I
qs ref
) aura atteint sa valeur limite de saturation. Lorsque
l'on est proche de la vitesse de rfrence, ce seront les ensembles flous "petit ngatif" et "petit
positif" qui seront sollicits et comme leurs fonctions d'appartenance se trouvent plus proche
de celle de l'ensemble "zro", la rponse sera plus douce.
Ceci permet de multiplier le gain de sortie par 2,5 par rapport la valeur qu'il avait avec un
rgulateur 3 ensembles flous sans engendrer des oscillations sur la rponse ni un
dpassement plus important ( figure 2.62 ).
La matrice d'infrence utilise est dcrite par le tableau suivant :
Chapitre II : Application la commande de la machine asynchrone
89
dE
n
dU
n
GN PN Z PP GP
GN GN GN PN PN Z
PN GN PN PN Z PP
Z GN PN Z PP GP
PP PN Z PP PP GP
E
n
GP Z PP PP GP GP
Tableau 2.5 Matrice d'infrence du rgulateur flou
cinq fonctions d'appartenance par variable
La surface caractristique du rgulateur prend alors la forme de la figure 2.60. On observe
bien sr un nombre plus important de zones quand on compare avec la figure 2.47. Mais
surtout sur la figure 2.61, qui reprsente la surface norme et centrale du rgulateur, une
dissymtrie apparat cause de celle introduite dans la matrice d'infrence. De plus, les
surfaces qui correspondent au deuxime et quatrime quadrant ne sont plus plates comme
celles d'un PI ou du rgulateur flou prcdent 3 ensembles flous.
Le gain de performance est cependant ngligeable quand on considre la variation de vitesse
( figure 2.62 ) et celle du courant en sortie du rgulateur ( figure 2.63 ) pour un chelon de
-600 tr/mn +600 tr/mn.
Tout porte croire que dans ce cas de figure, il ne servirait pas grand chose d'augmenter la
complexit du rgulateur flou pour esprer amliorer la rponse du systme. En effet, la
limitation entre alors en jeu.
Sur des chelons plus petits ( figures 2.64 et 2.65 ), la diffrence est plus sensible. En effet,
seul le rgulateur cinq ensembles flous entre en limitation, ce qui permet d'obtenir une
rponse plus rapide un chelon.
Notons cependant qu'une augmentation du gain FdU du rgulateur trois ensembles flous, ne
contribue pas amliorer ses performances. En effet, les figures 2.66 et 2.67 montrent que la
rponse se fait avec beaucoup moins de dpassement. Cependant, sa sensibilit par rapport
aux perturbations augmente, ce qui fait qu'il devient inutilisable exprimentalement.
5.4. Stabilit des systmes intgrant un rgulateur flou
De nos jours, il existe un certain nombre d'tudes sur la stabilit des systmes flous. Ce sont
toutefois des tudes restrictives cause de l'inexistence d'outils appropris pour ce faire. Le
rgulateur flou tant non-linaire, il faut faire appel aux mthodes non-linaires telles que la
mthode de Liapunov, la thorie de l'hyperstabilit ou encore le critre de Popov. La plupart
de ces mthodes sont assez limitatives, n'offrant que des conditions suffisantes de stabilit
dans un domaine restreint.
Chapitre II : Application la commande de la machine asynchrone
90
Des auteurs, [PRE 97], prsentent une analyse de stabilit, appliquant la thorie de
l'hyperstabilit, d'un systme mono-entre mono-sortie linaire paramtres constants
( SISO-LTI ). Ce qui n'est bien sr pas le cas de nombreux systmes, dont le ntre, et pour
lesquels des rgulateurs flous sont utiliss et donnent satisfaction.
Le critre de Popov, sous une forme tendue, a t retenu par [RAM 93], [BUH 94] pour leurs
tudes de stabilit.
Tanaka et Sugeno ont, quant eux, propos de dcomposer le systme non-linaire en sous-
systmes linaires [TAN 92]. Cette opration est facilite quand le rgulateur flou est du type
Takagi-Sugeno pour lequel la conclusion s'exprime sous forme d'un polynme.
Le thorme de Popov, permet de donner une condition suffisante de stabilit pour des
boucles de rgulation ayant un lment non-linaire. En fait, cela revient trouver une droite
qui majore la courbe non-linaire caractristique du rgulateur mono-entre. Dans le cas d'un
rgulateur deux entres, on cherche alors un plan qui majore la surface caractristique, on
assimile alors le contrleur flou un rgulateur PI classique !
Le critre de Cypkin, qui est une extension du thorme de Popov aux cas des systmes
discrets, exige que la surface relle de commande soit continue et drivable en tout point. Ce
qui n'est pas vident avec des fonctions d'appartenance trapzodales et triangulaires.
Enfin, tous ces critres n'offrent que des conditions suffisantes de stabilit et sont trop
restrictifs.
L'analyse rigoureuse de stabilit n'est souvent pas possible dans les cas pratiques. Elle va de
plus l'encontre du principal avantage de l'approche floue, c'est dire son utilisation pour les
systmes qui sont difficilement modlisables [MAM 76].
5.5. Conclusion
Il n'est pas possible de prsenter tous les cas que nous avons essays, et encore moins
d'examiner tous ceux qui peuvent tre raliss. Nanmoins, nous avons montr, dans le cas de
l'application laquelle nous nous sommes intresss, la supriorit du rgulateur flou par
rapport un rgulateur PI. Cet avantage disparat, ds lors qu'on le compare un rgulateur IP
anti-saturation cause des proprits intrinsques dont nous avons discut.
L'extension d'un rgulateur de trois cinq ensembles flous a permis de gagner un peu plus en
dynamique sans affecter sa sensibilit par rapport aux perturbations ( bruit principalement )
inhrentes tous processus exprimental.
Ce gain s'accompagne d'une augmentation considrable du temps de calcul ncessaire son
excution qui passe de 30 s 63 s sur le DSP utilis ( Annexe 3 ). Dans la partie suivante
nous allons voir une manire de rduire ce temps de calcul.
Chapitre II : Application la commande de la machine asynchrone
91
Figure 2.60 Surface caractristique du rgulateur flou
5 fonctions d'appartenance
Figure 2.61 Surface caractristique du rgulateur flou
normalis 5 fonctions d'appartenance
Chapitre II : Application la commande de la machine asynchrone
92
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Simulation
Wm ref Reg flou 3 F
Wm Reg flou 3 F
Wm Reg flou 5 F
Figure 2.62 Evolution de la vitesse lors de son inversion vide
Comparaison entre le rgulateur flou 3 fonctions d'appartenance et
celui 5 fonctions d'appartenance
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Simulation
Iqs ref Reg flou 3 F
Iqs Reg flou 3 F
Iqs ref Reg flou 5 F
Iqs ref Reg flou 5 F
Figure 2.63 Variation de I
qs
lors d'une inversion de vitesse vide
Comparaison entre le rgulateur flou 3 fonctions d'appartenance et
celui 5 fonctions d'appartenance
Chapitre II : Application la commande de la machine asynchrone
93
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-150.00
-100.00
-50.00
0.00
50.00
100.00
150.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Simulation, Wm
Reg flou 3 F
Reg flou 5 F
Figure 2.64 Variation de la vitesse lors son inversion de -100 tr/mn +100 tr/mn
Comparaison entre le rgulateur flou 3 fonctions d'appartenance et
celui 5 fonctions d'appartenance
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Simulation, Iqs ref
Reg flou 3 F
Reg flou 5 F
Figure 2.65 Variation de I
qs ref
lors d'une inversion de vitesse de -100 tr/mn +100 tr/mn
Comparaison entre le rgulateur flou 3 fonctions d'appartenance et
celui 5 fonctions d'appartenance
Chapitre II : Application la commande de la machine asynchrone
94
0.00 0.20 0.40 0.60 0.80
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Simulation
Wm reg flou 3 F
FdU=4
FdU=10
Figure 2.66 Variation de la vitesse lors de son inversion
puis application d'une charge de 20 Nm, Rgulateur flou 3 fonctions d'appartenance
Comparaison entre FdU=4 et FdU=10
0.00 0.20 0.40 0.60 0.80
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Simulation
Iqs ref reg flou 3 F
FdU=4
FdU=10
Figure 2.67 Variation de I
qs ref
lors d'une inversion de vitesse
puis application d'une charge de 20 Nm, Rgulateur flou 3 fonctions d'appartenance
Comparaison entre FdU=4 et FdU=10
Chapitre II : Application la commande de la machine asynchrone
95
6. Rgulation par rseau de neurones
6.1. Introduction
Cette partie a pour but d'tudier le remplacement du rgulateur flou de la boucle de vitesse par
un rgulateur bas sur un rseau de neurones que nous appellerons simplement rgulateur
neuronal.
Nous utiliserons la possibilit d'apprentissage afin d'approcher la surface de commande du
contrleur flou. On ne s'attend pas alors une amlioration des performances du systme,
notre objectif est plutt,
d'tudier la faisabilit tant du point de vue de la mthode d'apprentissage que de celui de
la structure du rseau de neurones adopter,
d'valuer le temps de calcul requis par le rgulateur neuronal et le comparer celui de son
quivalent flou,
de rendre compte de la robustesse d'un tel rgulateur au sein de la commande envisage
face des variations de paramtres du systme ou sa mauvaise identification.
6.2. Rseau de neurones du type perceptron
La structure retenue est celle introduite dans le chapitre I. Le perceptron a donc une seule
couche cache. Elle est constitue de quatre neurones dont le premier est utilis comme biais.
On choisit comme ensemble d'apprentissage les triplets ( x
1
0
, x
2
0
, ys ). x
1
0
, x
2
0
reprsentent
l'erreur et la drive de l'erreur auxquelles on fait parcourir tout l'univers de discours des deux
variables floues. Notons que nous utilisons le domaine rel de variation des variables et non
pas celui norm entre -1 et 1. ys est la sortie du rgulateur flou dont on essaye de reproduire la
surface.
La figure 2.61 reprsente la solution vers laquelle a converg le rseau de neurones. On
constate, par rapport la figure 2.60, que les zones plates sont bien rendues. De mme que les
zones de dcroissance en bordure de surface. Cependant, sur la partie centrale, les "creux" et
"monts" des quadrants 1 et 3 de la surface caractristique du rgulateur flou ne sont pas
reproduits par le perceptron.
L'utilisation de ce rgulateur au sein de la commande montre que, lors d'une inversion de
vitesse par exemple, la rponse dynamique est similaire celle du rgulateur flou ( figures
2.64 et 2.65 ). Toutefois, nous observons des oscillations sur la fin du rgime transitoire qui
montrent une sensibilit plus grande aux perturbations. Ce rsultat n'est bien sr pas trs
perceptible sur les rsultats de simulation compars ceux obtenus exprimentalement
( figures 2.62 et 2.63 ).
Chapitre II : Application la commande de la machine asynchrone
96
Figure 2.60 Surface du rgulateur flou
3 fonctions d'appartenance
Figure 2.61 Approximation de la surface par
le rseau de neurones
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Rgulateur neuronal
Perceptron
Wm ref Exprimental
Wm Exprimental
Wm Simulation
Figure 2.62 Evolution de la vitesse lors de son inversion vide
Chapitre II : Application la commande de la machine asynchrone
97
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Rgulateur neuronal
Perceptron
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.63 Variation de I
qs
lors d'une inversion de vitesse vide
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Essai exprimental
Wm ref Reg flou
Wm Reg flou
Wm Reg neuronal
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Essai exprimental
Iqs ref Reg flou
Iqs Reg flou
Iqs ref Reg neuronal
Iqs Reg neuronal
Figure 2.64 Variation de la vitesse Figure 2.65 Variation de I
qs
Comparaison entre le rgulateur flou et le rgulateur neuronal
Chapitre II : Application la commande de la machine asynchrone
98
6.3. Rgulateur neuro-flou ( cinq ensembles flous )
Le rgulateur flou cinq fonctions d'appartenance ayant donn des rsultats trs probants, il
nous a sembl utile d'tudier la duplication de sa surface caractristique par un rseau de
neurones.
Compte tenu du comportement du processus tudi et du choix symtrique des ensembles
flous et de la table d'infrence, l'ensemble d'apprentissage prsente une symtrie par rapport
au point ( E=0, dE=0 ). Cependant, durant le processus d'apprentissage, si l'ajustement des
poids se fait en mme temps que les valuations de chacun des points de l'ensemble
d'apprentissage, alors il est possible de se retrouver avec une asymtrie de la surface par
rapport au point de rfrence.
Ce comportement du rseau de neurones n'est pas surprenant puisque, par principe mme, le
rseau de neurones adapte ses poids au fur et mesure qu'on lui propose des squences
d'apprentissage.
Nous avons constat ce problme sur des surfaces plus compliques, comme celle du
rgulateur flou cinq ensembles flous ( figure 2.69 ).
La procdure d'apprentissage par rtro-propagation de l'erreur dcrite dans le chapitre I doit
alors tre modifie de manire tenir compte de cet effet. Il apparat intressant d'valuer non
pas l'erreur pour chaque point pour des corrections locales mais plutt de ne changer les poids
qu'une fois toute la surface parcourue et l'erreur globale value. Cette approche a t utilise
avec succs pour l'apprentissage de la surface ( figure 2.69 ) et a donn lieu la surface de
contrle neuronale illustre par la figure ( figure 2.70 ). La mthode de calcul utilise est du
type Marquardt-Levenberg. Notons galement que lors de l'apprentissage d'une telle surface,
non norme, il convient de choisir un ensemble particulier de points, en resserrant autour de la
zone centrale ( E=0, dE=0 ) [BAG 97c]. Ce schma est illustr par les figures 2.66 et 2.67.
Figure 2.66 Rpartition des points de
l'ensemble d'apprentissage sur la surface de
contrle du rgulateur flou.
Figure 2.67 Rsultat de l'apprentissage.
Cette mthode fait apparatre une symtrie sur les poids pour des surfaces de commande telles
que les ntres. Si les fonctions d'activation des neurones de la couche cache utilises sont
linaires, cela conduit une simplification notable du rseau de neurones ( 6 poids distincts au
lieu de 13 initialement ). Dans notre cas, les fonctions d'activation sont des sigmodes. La
Chapitre II : Application la commande de la machine asynchrone
99
surfaces de contrle est, de ce fait, une superposition de sigmodes. C'est ce qui fixe l'allure
gnrale des pentes de la surface. L'axe de la sigmode sur le plan et le facteur d'chelle sont
fixs par les poids de connexion avec les neurones d'entre.
) 2 exp( 1
2
1 ) (
x
x f
+
( 2.33 )
-6 -4 -2 2 4 6
-1
-0.5
0.5
1
x
f(x)
Figure 2.68 Fonction sigmode
Figure 2.69 Surface caractristique du rgulateur flou
5 fonctions d'appartenance
Chapitre II : Application la commande de la machine asynchrone
100
Figure 2.70 Surface caractristique du rgulateur neuronal correspondant
Perceptron quatre neurones en couche cache
Au vu de la complexit de la surface floue envisage dans ce cas, approximer tous les points
de l'univers de discours d'une manire quitable est une tche dlicate. En effet, tous ces
points n'ont pas la mme importance du point de vue contrle. A l'aide d'une analyse sur le
plan de phase, il est intressant de constater que lorsque l'on est trs loin de l'objectif de
rgulation, la valeur exacte de l'incrment de sortie n'est pas trs importante. Il suffit qu'elle
soit suffisamment grande et du bon signe. Cependant, quand on se rapproche de la rfrence,
alors il convient d'avoir des valeurs aussi proches que possible du rglage optimal.
C'est dans cette optique que nous avons choisit un ensemble d'apprentissage non uniforme,
plus dense autour du rgime permanent ( E=0, dE=0 ).
La rponse de ce rgulateur neuronal [BAG 97c] conduit plus d'oscillations en fin de rgime
transitoire ( figures 2.71 et 2.72 ) que le rgulateur flou.
Chapitre II : Application la commande de la machine asynchrone
101
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Rgulateur neuronal
Perceptron
Wm ref Exprimental
Wm Exprimental
Wm Simulation
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Rgulateur neuronal
Perceptron
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.71 Variation de la vitesse Figure 2.72 Variation de I
qs
Un des inconvnients majeur des rseaux de neurones du type perceptron est qu'il n'est pas
possible d'y introduire une information priori du systme. Ceci est d cause de son
caractre distribu et non local de la reprsentation de l'information [REN 95]. Par ailleurs,
nous avons dj soulev le phnomne d'oubli, dont la consquence peut tre bnfique
comme dans le cas o le rseau de neurones doit voluer en fonction du changement lent de
certains paramtres du systme, l'apprentissage se faisant en ligne. Le rseau de neurones
s'adapte alors de manire dynamique et peut tre utilis des fins d'estimation et de prdiction
[VAS 94b], [BUR 97].
Pour la mme surface de commande, l'avantage d'un tel rgulateur neuronal est de rduire le
temps de calcul par rapport celui consomm quant on utilise un rgulateur flou ( celui cinq
ensembles flous pour chaque variable ).
Notons galement que pour garder la souplesse de rglage, l'aide des gains d'entre et de
sortie, que l'on a dans le cas du rgulateur flou, il convient de faire l'apprentissage sur la
surface norme du rgulateur et non pas sur sa surface relle.
6.4. Rseau de neurones fonction de base radiale ( RBF )
La diffrence fondamentale par rapport au perceptron est que le rseau de neurones de type
RBF permet d'introduire une contrainte de couverture de la zone d'activation du neurone.
C'est dire que le niveau d'activation des neurones dpend de leur position sur le plan
( E, dE ) et de leur sensibilit ( dcrite par le paramtre ). Il devient alors possible d'apporter
au rseau de neurones, au moment de sa conception, de l'information sur le systme
considr.
Les travaux faits au sein de notre laboratoire par [RAZ 98a] montrent qu'il est possible de
concevoir un rgulateur neuronal RBF, en partant d'un rgulateur flou, sans passer par la
procdure, lourde, d'apprentissage du rseau de neurones.
Le choix des paramtres des fonctions Gaussiennes ( centre et cart type ), ainsi que celui des
poids de connexion au neurone de sortie dtermine la surface du contrleur.
De plus, on peut agir, en ligne, sur ces facteurs afin de changer le comportement du rgulateur
[RAZ 98b].
Chapitre II : Application la commande de la machine asynchrone
102
Concrtement, dans le cas d'un rgulateur RBF deux dimensions ( E, dE ), la sortie est
donne par dU :

,
_

,
_


j i dEj
dEj
Ei
Ei
ij
c dE
c E
w dU
,
2
2
2
2
) (
) (
2
1
exp

( 2.34 )
La figure 2.73 montre la zone centrale de la surface de contrle norme du rgulateur RBF
six fonctions Gaussiennes. Les fonctions base radiales son placs sur le plan ( E, dE ) de
manire ce qu'elles se recouvrent entre elles. La surface de contrle relle est illustre par la
figure 2.74. Bien que cette surface prsente des bosses aux limites de la zone centrale, les
performances sont similaires celles du rgulateur flou quivalent [RAZ 98b].
Figure 2.73 Surface du rgulateur neuronal
RBF norm ( zone centrale )
Figure 2.74 Surface relle du rgulateur
neuronal RBF
En dernier lieu, nous avons procd une optimisation par algorithme gntique des poids et
des carts types du rseau de neurones RBF norm. Grce aux nombreuses symtries sur la
position des RBF Gaussiennes et de la valeur en sortie du rgulateur flou ( norm ) aux points
modaux, nous avons rduit le nombre de paramtres quatre ; deux poids et deux carts type.
Il faut cependant considrer un ensemble d'apprentissage qui va au del des valeurs 1 et 1
afin de prendre en compte des zones plates de la surface pour des entres satures ( figure
2.75 ).
Chapitre II : Application la commande de la machine asynchrone
103
Figure 2.75 Surface du rgulateur flou norm Figure 2.76 Surface du rgulateur neuronal
RBF aprs apprentissage
Figure 2.77 Diffrence entre les deux surfaces Figure 2.78 Surface relle du rgulateur
neuronal RBF
Les figures 2.75 2.78 montrent le cas o la convergence bute sur un minimum local. Le
phnomne de recouvrement est important et particulirement visible prs de la zone de
saturation des entres ( figures 2.76 et 2.78 ).
Quand ce minimum est dpass, le systme tend alors vers une solution qui a aplati et lisse
ces zones ( figures 2.80 et 2.82 ). Ce dernier rgulateur sera utilis pour le reste de l'tude et
sera dsign par "rgulateur RBF".
Chapitre II : Application la commande de la machine asynchrone
104
Figure 2.79 Surface du rgulateur flou norm Figure 2.80 Surface du rgulateur neuronal
RBF aprs apprentissage
Figure 2.81 Diffrence entre les deux surfaces Figure 2.82 Surface relle du rgulateur
neuronal RBF
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Rgulateur neuronal
RBF
Wm ref Exprimental
Wm Exprimental
Wm Simulation
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
I

(
A
)
Rgulateur neuronal
RBF
Iqs ref Exprimental
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
Figure 2.83 Variation de la vitesse Figure 2.84 Variation de I
qs
Chapitre II : Application la commande de la machine asynchrone
105
Les figures 2.83 et 2.84 prsentent une comparaison entre une simulation et un relev
exprimental effectus en utilisant le rseau de neurones RBF comme rgulateur de vitesse.
Sur un chelon de -600 +600 tr/mn, nous observons une bonne concordance entre les deux
rsultats, autant sur l'volution de la vitesse que sur celle du courant I
qs
.
Par rapport au rgulateur flou trois fonctions d'appartenance par variable ( figure 2.79 ), on
retrouve des temps de monte trs proches. Toutefois, le temps d'excution de l'algorithme est
plus important ( Annexe 3 ). Dans le chapitre suivant, nous verrons galement le
comportement du rgulateur RBF lorsqu'un chelon de charge est appliqu la machine.
6.5. Conclusion
Dans cette partie, nous nous sommes intresss aux rgulateurs base de rseaux de
neurones. Les deux types de structure que nous avons tudis sont diffrents dans la faon de
les entraner. Le perceptron, ne pouvant intgrer une connaissance priori du systme requiert
alors systmatiquement de passer par une phase d'apprentissage. Le rseau de neurones
fonction de base radiale peut, quant lui, tre utilis sans apprentissage puisque ses fonctions
d'activation peuvent tre places sur le plan ( E, dE ) pour ne ragir qu' des valeurs
particulires des entres. Ces rseaux de neurones peuvent galement tre entrans de
manire fournir une rponse plus proche du rgulateur flou de base.
Il existe d'autres domaines d'utilisation des rseaux de neurones RBF, par exemple, pour la
mise au point de rgulateurs classiques [STR 93]. Les rseaux de neurones sont galement
trs rpandus en classification et en reconnaissance de formes [CHE 96].
7. Conclusion
A travers, ce chapitre, nous avons prsent l'utilisation des algorithmes gntiques, de la
logique floue et des rseaux de neurones pour l'identification et la commande de la machine
asynchrone.
L'identification des paramtres de la machine est un problme complexe. Il est important de
souligner que le vecteur de paramtres que nous avons obtenu, l'issue de l'optimisation par
algorithme gntique, n'est qu'un vecteur moyen de paramtres. C'est dire que c'est le
vecteur qui correspond au meilleur compromis pour reprsenter la machine dans ses diffrents
types de fonctionnement.
La mthode propose est sduisante et offre une alternative trs intressante par rapport aux
mthodes classiques qui ncessitent de "dmarrer" prs du vecteur optimal et dont le
comportement est incertain face des minimums locaux.
Nous avons ensuite prsent, une commande vectorielle de la machine asynchrone par
orientation du flux rotorique. Nous nous sommes intresss au rgulateur de vitesse et
l'impact que pouvait avoir son remplacement par un rgulateur flou puis par un rgulateur
neuronal.
Afin de pouvoir juger sur un mme pied d'galit les diffrents rgulateurs, nous les avons
ramens avec les mmes gains en entre et en sortie un systme normalis. Leurs surfaces
Chapitre II : Application la commande de la machine asynchrone
106
de contrle ne dpendent alors que des caractristiques intrinsques des rgulateurs et non pas
des facteurs d'chelle ou des gains qui peuvent les rendre plus rapides ou plus lents.
Il s'avre, vis vis des chelons de consignes de vitesse, que ces rgulateurs donnent
pratiquement la mme rponse. Nous verrons dans le chapitre suivant ce qu'il en ait dans les
cas o des chelons de couple perturbateur sont appliqus au systme ainsi que lorsque des
variations de paramtres sont considres.
La principale diffrence entre ces rgulateurs rside plutt dans la manire avec laquelle la
surface de contrle du rgulateur est synthtise. Des approches nouvelles ont ainsi t
prsentes mais qui reposent nanmoins sur une connaissance de la rgulation du systme,
travers une tude dans le plan de phase de la rponse du systme. Une formulation
linguistique du comportement que l'on dsire faire adopter au systme est alors introduite par
le biais du rgulateur flou.
Dans l'approche neuronale, l'accent est mis sur l'utilisation du rseau de neurones comme
approximateur universel afin de reproduire la surface de contrle du rgulateur flou. Le gain
en temps de calcul est alors notable lorsqu'il s'agit de remplacer des rgulateurs flous
complexes. Un tableau comparatif des temps requis est prsent en annexe 3 ( tableau A.5 ). Il
est galement possible de se passer de la procdure d'apprentissage dans le cas des rseaux de
neurones fonction de base radiale pour lesquels il existe une correspondance "directe" avec
les rgulateurs flous.
Chapitre III : Influence des changements de paramtres de la machine
107
Chapitre III
Influence des changements de
paramtres de la machine
Chapitre III : Influence des
changements de paramtres de la
machine
Chapitre III : Influence des changements de paramtres de la machine
108
Chapitre III : Influence des changements de paramtres de la machine
109
1. Introduction
Les paramtres des machines ne donnent pas lieu des valeurs certaines et dfinitives. Ces
variations correspondent la dispersion constate lors de la fabrication en nombre, aux
volutions des valeurs lors du fonctionnement ou aux mthodes utilises pour l'identification
des machines. Il est alors particulirement intressant de comparer les rponses du systme
command par l'un ou l'autre des rgulateurs.
Partant des rgulateurs optimiss pour une rponse avec une machine parfaitement identifie,
nous comparerons cette rponse celles o l'on fait varier jusqu' plus ou moins 80 % de la
valeur du paramtre. Une telle gamme de variation est trs large, elle permet cependant de
montrer que certains paramtres n'ont qu'une influence trs rduite sur la rponse du systme.
Les tests portent aussi bien sur la rponse des chelons de consignes que sur la rponse
une variation de la charge. Lors des simulations effectues, nous amenons tout d'abord la
vitesse de la machine -600 tr/mn par l'action sur la variable "rfrence de vitesse"
( Annexe 2 ), puis nous procdons une inversion de vitesse jusqu' +600 tr/mn. Aprs
tablissement du rgime permanent, nous procdons un chelon de couple rsistant de 20
Nm.
2. Paramtres mcaniques
Le rgulateur considr tant celui de la vitesse, il est tout fait logique que l'influence du
moment d'inertie du systme tournant ( machine +frein ) ait une grande importance sur la
rponse.
2.1. Moment d'inertie ( J )
Nous simulons le comportement en vitesse pour des variations de -80 % +80 % sur l'inertie
du systme et procdons une comparaison lors de l'utilisation du rgulateur IP ( figure 3.1 )
et des rgulateurs flous trois et cinq ensembles flous par variable.
0.00 0.20 0.40 0.60 0.80 1.00 1.20
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Variation de J
de -80% +80%
Reg IP
Echelon de couple
Figure 3.1 Variation de la vitesse pour plusieurs valeurs de J
avec le rgulateur IP anti-saturation
Chapitre III : Influence des changements de paramtres de la machine
110
Afin de permettre des comparaisons moins subjectives que celles reposant sur les allures des
courbes, nous valuons les quatre indices suivants :
Temps de monte : il correspond au temps que met la vitesse pour atteindre 598 tr/mn lors
d'un chelon de -600 +600 tr/mn, c'est dire, moins de 0,33 % de la vitesse de consigne.
Dpassement : il correspond l'cart entre la vitesse de consigne et la vitesse maximale
atteinte lors de cet chelon.
Temps de rponse la perturbation : il correspond au temps que met la vitesse pour
revenir dans la plage [598, 602] tr/mn lors d'un chelon de couple de 20 Nm une vitesse
de consigne de 600 tr/mn.
Chute de vitesse : elle correspond l'cart entre la vitesse de consigne et le minimum de
vitesse atteint lors du mme essai de perturbation.
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.04
0.08
0.12
0.16
0.20
0.24
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg flou 5
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.00
5.00
10.00
15.00
20.00
25.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg flou 5

Figure 3.2 Temps de monte Figure 3.3 Dpassement


-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.02
0.04
0.06
0.08
0.10
0.12
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg flou 5
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
15.00
20.00
25.00
30.00
35.00
40.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg flou 5

Figure 3.4 Temps de rponse la perturbation Figure 3.5 Chute de vitesse


Chapitre III : Influence des changements de paramtres de la machine
111
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.040
0.080
0.120
0.160
0.200
0.240
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.00
10.00
20.00
30.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.6 Temps de monte Figure 3.7 Dpassement


-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
0.00
0.04
0.08
0.12
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de J (%)
10.00
20.00
30.00
40.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.8 Temps de rponse la perturbation Figure 3.9 Chute de vitesse


Il y a lieu de prter attention tout particulirement aux deux aspects suivants, la rponse du
systme pour les diffrents rgulateurs d'une part et l'influence de la variation du paramtre
"moment d'inertie" pour chaque rgulateur d'autre part.
Chapitre III : Influence des changements de paramtres de la machine
112
En ce qui concerne la rponse en fonction du type de rgulateur considr, nous avions dj
montr dans le chapitre II que le rgulateur IP anti-saturation conduisait pratiquement aux
mmes performances que le rgulateur flou trois ensembles flous par variable ( flou 3 ).
La nouveaut dans cette tude est que, vis vis d'une perturbation sur le couple de charge,
nous observons une meilleure rponse du rgulateur IP par rapport celle du rgulateur flou 3
( figures 3.4 et 3.5 ).
L'explication vient des formes des surfaces de contrle. En effet, lors d'un chelon positif du
couple rsistant, la vitesse chute puis remonte vers la consigne. La premire phase correspond
au premier quadrant ( E>0 et dE>0 ). Or la surface du correcteur flou correspondant prsente
dans ce quadrant un creux par rapport celle du rgulateur IP, ce qui explique une
sollicitation plus douce de la commande par le biais du courant I
qs ref
.
Le rgulateur IP ( pour sa partie linaire ) est caractris par K
p
=2 et K
i
=0,1 et le "flou 3"
9
par
FE=0,025 , FdE=0,5 , FdU=4.
Le rapport 20 = =
FE
FdE
K
K
i
p
permet de choisir la pente de la "droite de rgulation". Il
correspond la pente de la droite forme par l'intersection de la surface du rgulateur avec le
plan ( E, dE ).
FdU FE K
i
= et FdU FdE K
p
= . Dans ce cas, on voit bien la correspondance directe entre
le rgulateur flou et le rgulateur PI classique mis sous la forme incrmentale :
E K dE K dU
i p
+ =
Par rapport au rgulateur classique, le rgulateur flou offre, grce l'utilisation des facteurs
d'chelle, une manire diffrente de rglage avec notamment, l'introduction d'un rglage de
sensibilit par rapport aux mesures l'aide du choix de FE et FdE. Ce qui fixe galement la
"droite de rgulation" puis le facteur FdU permet d'ajuster la pente gnrale de la surface de
rgulation.
De ce qui prcde, on ne peut pas esprer de meilleures performances de la part du rgulateur
flou si l'on garde cette structure. L'extension cinq ensembles flous permis de les amliorer
surtout en ce qui concerne le rejet de la perturbation ( figures 3.4 et 3.5 ). Ceci au prix d'un
dpassement lgrement plus important des chelons de consigne ( figure 3.3 ).
En fonction du moment d'inertie, on observe une grande variation des indices que nous avons
dfinis. Il est cependant difficile de faire le choix du meilleur rgulateur. Tout d'abord il faut
noter que, pour une inertie trs petite, les rgulateurs IP et flou 3 conduisent des indices de
performance nettement moins intressants que les autres si ce n'est qu'ils ne gnrent aucun
dpassement.
Lorsque les moments d'inertie considrs sont importants, les temps de rponse l'chelon de
consigne tendent se confondre car la valeur du courant I
qs
reste en bute plus longtemps.
Pour ces mmes moments d'inertie, lors de l'chelon de perturbation, on observe une grande
variation sur le temps de rponse ( figure 3.8 ). Il faut en effet une demi-priode d'oscillation
supplmentaire pour que la vitesse rejoigne la fourchette [598, 602] tr/mn.
Les figures 3.6 3.9 permettent de comparer l'utilisation des rgulateurs neuronaux de type
perceptron correspondant aux rgulateurs flous ( trois et cinq ensembles flous par
variable ) ainsi que le rgulateur fonction de base radiale.

9
Nous dsignons par "flou 3" le rgulateur flou trois fonctions d'appartenance par variable.
Chapitre III : Influence des changements de paramtres de la machine
113
Sur la figure 3.8 ( Reg neuronal 3 ), on voit que le retard li au creux du quadrant 1 du
rgulateur flou 3 a t limin puisque le rgulateur neuronal correspondant a conduit une
surface de contrle plus lisse ( voir chapitre II ).
Le rgulateur neuronal 5, qui n'a pu assurer une recopie de tous les lments de la surface
floue associe, conduit l'apparition d'oscillations plus importantes que son homologue flou.
Il en rsulte une augmentation notable du temps de rejet de la perturbation.
Pour une meilleure approximation de cette surface, il aurait fallu un rgulateur neuronal de
constitution plus complexe mais cela aurait entran un temps de calcul plus long
10
et par
consquent, la perte d'un avantage certain.
Le rgulateur neuronal fonction de base radiale ( RBF ), donne de trs bons rsultats surtout
vis vis de la perturbation de couple pour laquelle on n'observe pratiquement pas
d'oscillations. De plus, le temps de rponse par rapport cette perturbation reste pratiquement
constant pour toute la gamme de variation du moment d'inertie. Ce rgulateur est toutefois
plus lent quand on considre la rponse un chelon de consigne de vitesse.
De ce qui prcde, nous retiendrons que le rgulateur neuronal 3, ayant corrig les lacunes du
rgulateur flou trois ensembles, se rvle plus intressant que le rgulateur IP anti-
saturation.
Le rgulateur flou tendu cinq ensembles flous a galement permis d'obtenir des
performances quasi similaires mais au prix d'une complexit plus leve.
2.2. Coefficient de frottement sec ( a
30
)
Nous simulons des variations de 0 20 Nm sur le coefficient de frottement sec a
30
de la
machine.
Il est intressant de signaler que le fait d'avoir un coefficient a
30
non nul, conduit une
rponse fortement non-linaire lors du changement du sens de rotation. En effet, durant la
phase de dcroissance de la vitesse, le couple rsistant aide au freinage puis, une fois le zro
dpass, lors de l'acclration, il devient une charge qui diminue le couple net d'acclration,
I
qs ref
donn.

10
Temps de calcul ncessaire son excution sur DSP.
Chapitre III : Influence des changements de paramtres de la machine
114
0 5 10 15 20
Variation de a30 (Nm)
0.130
0.140
0.150
0.160
0.170
0.180
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
0 5 10 15 20
Variation de a30 (Nm)
0.00
5.00
10.00
15.00
20.00
25.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.10 Temps de monte Figure 3.11 Dpassement


0 5 10 15 20
Variation de a30 (Nm)
0.01
0.02
0.03
0.04
0.05
0.06
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
0 5 10 15 20
Variation de a30 (Nm)
12.00
16.00
20.00
24.00
28.00
32.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.12 Temps de rponse


la perturbation
Figure 3.13 Chute de vitesse
Chapitre III : Influence des changements de paramtres de la machine
115
Dans ce cas, on ne remarque aucune incidence par rapport de la perturbation en fonction du
coefficient de frottement sec et les diffrents rgulateurs gardent les mmes carts entre leurs
indices respectifs.
Par rapport un chelon de consigne, videmment, au fur et mesure que ce coefficient
augmente, le temps de rponse s'accentue. Le dpassement, quant lui, diminue. Le
rgulateur flou 5 et neuronal 3 restent ceux qui donnent le meilleur compromis.
3. Paramtres lectriques
3.1. Rsistance statorique ( R
s
)
Les mmes simulations sont conduites avec la rsistance statorique comme paramtre pour
des variations de -80 % +80 %.
-80 -60 -40 -20 0 20 40 60 80
Variation de Rs (%)
0.130
0.135
0.140
0.145
0.150
0.155
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Rs (%)
0.00
5.00
10.00
15.00
20.00
25.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.14 Temps de monte Figure 3.15 Dpassement


Chapitre III : Influence des changements de paramtres de la machine
116
-80 -60 -40 -20 0 20 40 60 80
Variation de Rs (%)
0.01
0.02
0.03
0.04
0.05
0.06
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Rs (%)
12.00
16.00
20.00
24.00
28.00
32.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.16 Temps de rponse


la perturbation
Figure 3.17 Chute de vitesse
A travers les figures 3.14 3.17, nous observons que la rsistance statorique a trs peu
d'influence sur le temps de rponse en vitesse du systme. Il en rsulte un cart relativement
constant entre les courbes sur toute la plage de variation simule sur R
s
. Notons que le pas de
mesure en temps est de 1 ms pour toutes les simulations. Ce qui explique les sauts survenus
sur les courbes de la figure 3.14. Remarquons galement le faible cart sur les temps de
rponse par rapport au changement de consigne et qu'on retrouve ici sous la forme d'un
agrandissement de la figure 3.6 pour le moment d'inertie nominal.
En ce qui concerne l'chelon de couple, les rponses sont galement similaires pour les
diffrentes valeurs de la rsistance statorique considres avec toutefois l'apparition d'une
demi-oscillation supplmentaire pour que la vitesse soit comprise dans la fourchette de
tolrance en ce qui concerne le rgulateur neuronal 3 ( figure 3.16 ).
Au vu de ces rsultats, les rgulateurs neuronal 3 et flou 5 demeurent les meilleurs. Le
rgulateur neuronal 5 est trop rapide et provoque le plus de dpassement par rapport la
consigne. La variation de la rsistance statorique a trs peu d'incidence sur la rponse en
vitesse de la machine.
Grce leurs rgulateurs, les composantes directes et en quadrature du courant statorique
dcrit dans le repre tournant, continuent suivre leurs valeurs de rfrence, mme si la
rponse n'est plus optimale. Cela conduit un dpassement plus important de I
qs
des
chelons de I
qs ref
quand la rsistance est surestime ( -x% de R
s
) et une rponse plus lente
dans le cas contraire.
Chapitre III : Influence des changements de paramtres de la machine
117
3.2. Coefficient de dispersion ( )
Les figures suivantes prsentent la rponse du systme suite des variations de -80 %
+80 % sur .
-80 -60 -40 -20 0 20 40 60 80
Variation de sigma (%)
0.12
0.13
0.14
0.15
0.16
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de sigma (%)
0.00
5.00
10.00
15.00
20.00
25.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.18 Temps de monte Figure 3.19 Dpassement


Chapitre III : Influence des changements de paramtres de la machine
118
-80 -60 -40 -20 0 20 40 60 80
Variation de sigma (%)
0.01
0.02
0.03
0.04
0.05
0.06
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de sigma (%)
12.00
16.00
20.00
24.00
28.00
32.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.20 Temps de rponse


la perturbation
Figure 3.21 Chute de vitesse
Du point de vue de la rponse en vitesse, on ne remarque pas de grandes variations avec le
changement de la valeur de ( figures 3.18 3.21 ). Toutefois, sur le temps de monte
( figure 3.18 ), plus les fuites augmentent, plus le temps de rponse s'allonge. Ceci est bien
entendu la consquence d'un couple moins fort courant I
qs
donn, puisque la monte en
vitesse se fait pratiquement I
qs
=I
qs limitation
. D'ailleurs sur les courbes en courant ( non
reprsentes ici ), couple de charge fix, nous observons un appel en courant I
qs
plus lev
quand le coefficient de dispersion de la machine augmente.
Tout comme lors des variations de R
s
, la rponse en courant n'est plus optimale. De plus, les
termes de dcouplage n'tant plus parfaits, il en rsulte une perturbation sur I
ds
lors des
variations brutales de I
qs
.
Un autre point trs important concerne la valeur de lorsque la machine est alimente par
onduleur de tension. Il est souhaitable que ne soit pas trop faible, sous peine de voir des
oscillations trs importantes sur les courants et qui se reportent par la suite sur le couple
lectromagntique de la machine. En effet,
s
va limiter la vitesse de monte du courant lors
des crneaux de MLI. Nanmoins, une valeur trop leve, conduirait un mauvais rendement
de la machine.
Chapitre III : Influence des changements de paramtres de la machine
119
3.3. Constante de temps statorique (
s
)
Nous simulons des variations de -80 % +80 % sur
s
.
-80 -60 -40 -20 0 20 40 60 80
Variation de Ts (%)
0.00
0.10
0.20
0.30
0.40
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Ts (%)
0.00
20.00
40.00
60.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.22 Temps de monte Figure 3.23 Dpassement


-80 -60 -40 -20 0 20 40 60 80
Variation de Ts (%)
0.00
0.04
0.08
0.12
0.16
0.20
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Ts (%)
10.00
20.00
30.00
40.00
50.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.24 Temps de rponse


la perturbation
Figure 3.25 Chute de vitesse
La sensibilit est trs grande par rapport ce paramtre. Pour les variations modres,
comprises entre -20 % et +20% de la valeur de la constante de temps statorique, nous
Chapitre III : Influence des changements de paramtres de la machine
120
observons un comportement similaire des rgulateurs que prcdemment avec une
prdominance du rgulateur neuronal 3 et celui du flou 5 suivant les critres tablis.
Plus
s
est petit, plus le courant requis pour un mme couple rsistant est important.
Cependant la tension V
qs
impose par le rgulateur est alors plus basse. A contrario, pour
+20% de
s
, le courant absorb est moins lev et la tension l'est plus. Ce phnomne
provoque une entre en limitation du rgulateur de courant I
qs
pour des valeurs plus leves de

s
. J usqu' une perte du contrle vectoriel au del de 40%.
Pour les valeurs infrieures, c'est le courant de rfrence qui sature et la vitesse n'est alors plus
rgule, mais le contrle vectoriel n'est pas perdu pour autant.
Par rapport la perturbation, c'est la limitation de courant qui intervient ; la charge qui
s'ajoute au couple de frottement demande un courant I
qs
plus grand qui hlas ne peut tre
fourni pour des valeurs leves de
s
.
3.4. Constante de temps rotorique (
r
)
Des variations de -80 % +80 % de
r
ont t simules sur le modle de la machine.
-80 -60 -40 -20 0 20 40 60 80
Variation de Tr (%)
0.12
0.14
0.16
0.18
0.20
t

(
s
)
Temps de monte
Echelon -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Tr (%)
0.00
10.00
20.00
30.00
40.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Dpassement
Echelon de -600 +600 tr/mn
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.26 Temps de monte Figure 3.27 Dpassement


Chapitre III : Influence des changements de paramtres de la machine
121
-80 -60 -40 -20 0 20 40 60 80
Variation de Tr (%)
0.00
0.02
0.04
0.06
0.08
t

(
s
)
Temps de rponse
un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF
-80 -60 -40 -20 0 20 40 60 80
Variation de Tr (%)
12.00
16.00
20.00
24.00
28.00
32.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Chute de vitesse lors
d'un chelon de 20 Nm
Reg IP
Reg flou 3
Reg neuronal 3
Reg flou 5
Reg neuronal 5
Reg RBF

Figure 3.28 Temps de rponse


la perturbation
Figure 3.29 Chute de vitesse
Lors de ces essais, plus la constante de temps rotorique
r
est petite, plus le courant I
qs
demand est grand. Cela s'explique par le fait que la constante de temps utilise au niveau du
contrle ( plus prcisment dans l'expression du glissement ) se retrouve surestime :
*
*
*
1
ds
qs
r
I
I
r

=
( 3.1 )
Le courant I
qs
doit alors compenser cette erreur. Toutefois, le couplage entre les deux axes d-q
subsiste.
Contrairement au cas de la variation de
s
, la tension V
qs ref
entre en limitation pour les valeurs
faibles de
r
. Ce qui a pour effet de faire perdre le contrle vectoriel pour des valeurs
extrmes.
En ce qui concerne le rgulateur neuronal 3, par rapport la perturbation, sa rponse est trop
brutale pour les trois derniers points, ce qui a engendr une demi-priode en plus. Pour le
rgulateur neuronal 5, pour tous les points, une demi-priode en plus est ncessaire.
4. Conclusion
Il apparat, que les rgulateurs tudis conservent leur comportement face des changements
de paramtres.
Nous avons vrifi que le rgulateur flou reprsentait bien son quivalent IP. Ce que l'on
pouvait voir travers les surfaces de contrle s'est confirm sur les rponses du systme o la
non-linarit et la saturation du rgulateur taient fortement sollicites.
Chapitre III : Influence des changements de paramtres de la machine
122
Alors, o rside la diffrence ?
En dfinitive, c'est principalement la structure du rgulateur qui va imposer la rapidit de
rponse vis vis de la consigne. Ces diffrentes structures se caractrisent par des surfaces de
contrle spcifiques.
Nous avons galement montr qu'un contrleur flou peut tre construit partir des
caractristiques d'un contrleur IP classique.
En ce qui concerne les rgulateurs neuronaux perceptron, nous rappelons que leur surface de
contrle est fixe par les poids. Ces derniers sont issus du processus d'apprentissage dans le
but de dupliquer le comportement d'un contrleur flou. Par consquent, ce rgulateur est fig.
Les rgulateurs fonction de base radiale, peuvent tre directement modifis en agissant sur
les carts types, les centres des Gaussiennes et sur les poids, l encore, l'approche est
radicalement diffrente par rapport l'approche de rglage que l'on trouve en rgulation
classique.
Les rgulateurs flous et neuronaux n'ont pas apport une diffrence tangible ni une meilleure
robustesse
11
par rapport au rgulateur conventionnel IP anti-saturation.
Le rgulateur flou n'a rien de magique, ce n'est qu'une sorte de rgulateur base de surface
caractristique, la seule diffrence, vient de la manire dont l'interpolation s'effectue
[MIC 97].
Par rapport un rgulateur classique non-linaire, ce n'est pas par le comportement rsultant
que se fait la distinction mais plutt par la faon de raliser ce comportement.
La question qui se pose alors est : existe-t-il des applications o un rgulateur, base de
surface de contrle, doit tre conu suivant des rgles floues plutt que par des mthodes
classiques ?
L'approche floue devrait tre utilise si on ne dispose pas de modle analytique du systme ou
qu'il est trs compliqu pour permettre le calcul d'un rgulateur par les mthodes classiques
ou encore que les critres de rgulation ne soient pas dfinis prcisment ( utilisation de
termes linguistiques ) [MAM 76].

11
La dfinition de robustesse est un sujet de discorde. Nous entendons par robustesse du rgulateur la dfinition
suivante : Un rgulateur est dit robuste si le systme en boucle ferme, pour lequel il a t conu, est stable, non
seulement pour ce systme mais aussi pour un systme lgrement diffrent du systme nominal.
Chapitre IV : Machine avec dfauts au rotor
123
Chapitre IV
Machine avec dfauts au rotor
Chapitre IV : Machine avec dfauts
au rotor
Chapitre IV : Machine avec dfauts au rotor
124
Chapitre IV : Machine avec dfauts au rotor
125
1. Introduction
La machine asynchrone, malgr ses qualits, peut prsenter des dfauts structurels parmi
lesquels la rupture totale ou partielle de barres rotoriques, tout particulirement au niveau de
la brasure barre-anneau.
Nous portons notre attention dans cette partie sur le comportement des diffrents rgulateurs
quand la machine prsente des dfauts. Plus prcisment, nous nous intresserons aux
ruptures de barres rotoriques. Pour ce faire, il convient de dvelopper un modle qui tienne
compte de la structure du rotor. Le schma de commande de la machine reste inchang, c'est
dire une commande vectorielle indirecte du flux rotorique.
2. Modle mailles
Dans le but de simuler la marche du systme ainsi command, il est impratif de disposer d'un
modle de la machine qui puisse rendre compte du comportement transitoire de celle-ci lors
des variations de charge et de tension.
Afin de reprsenter individuellement les barres du rotor, deux approches peuvent tre
considres :
Une premire approche utilise le calcul de champ [BOU 94], [YAH 95]. Le calcul pas pas
dans le temps conduit jusqu'au couple mais au prix d'un temps de calcul prohibitif. La
mthode suppose une connaissance rigoureuse des dimensions et caractristiques de la
machine.
La deuxime manire, retenue ici, consiste traiter la machine en terme de circuit. Plusieurs
travaux mettant en uvre cette approche sont dcrits dans la littrature [MAN 96], [RIT 94],
[BEN 98a], et notamment [VAS 94a]. Le rotor est considr comme un ensemble de mailles
interconnectes entre elles, chacune forme par deux barres adjacentes et les portions
d'anneaux qui les relient ( figure 4.1 ).
A partir d'hypothses classiques, qui supposent que la permabilit du fer est infinie, que
l'entrefer est lisse et constant et que la f.m.m. statorique est distribution sinusodale, on
calcule les diffrentes inductances et mutuelles qui interviennent dans les quations du circuit.
2.1. Calcul des inductances
2.1.1. Stator
L'induction due la bobine statorique de la phase m s'crit :

,
_


3
2
cos
p
2
) (
0

m p I
e
N
B
sm
s
sm
( 4.1 )
Par consquent, le flux principal et l'inductance cyclique sont donns par :
sm
s
psm
I
e
N
RL
p
4
2
2
0


( 4.2 )
sl
s
sl sp sc
L
e
N
l L L + + RL
p
6
2
3
2
2
0

( 4.3 )
Chapitre IV : Machine avec dfauts au rotor
126
2.1.2. Rotor
Le rotor cage est reprsent par la figure 4.1. La figure 4.2 reprsente la forme d'onde de
l'induction produite par la maille rotorique k.
I
bk
I
rk
I
b(k-1)
I
b(k-3)
I
b(k-2)
I
r(k-1)
I
ek
L
I
b(k+1)
I
r(k+1)
I
rk
I
r(k-1)
I
e
I
r(k-2)
I
rk
reprsente le courant de maille k et I
bk
le
courant de barre k, avec :
) 1 ( +

k r rk bk
I I I ( 4.4 )

2
N
r
!
a
r
2 0
I
rk
r rk
r
r
rk
a I
e N
N
B
!
!
0
1
1

r rk
r
rk
a I
e N
B
!
!
0
2
1

r
Figure 4.1 Structure du rotor Figure 4.2 Induction produite
par une maille rotor
On voit bien, travers la figure 4.2, qu'il n'est pas possible de retenir l'hypothse du premier
harmonique en ce qui concerne l'induction produite par une maille du rotor. Partant de cette
rpartition, on calcule alors l'inductance principale d'une maille rotorique ainsi que la
mutuelle entre deux mailles :
LR 2
1
0
2

e N
N
L
r
r
rp

( 4.5 )
LR 2
1
0
2

e N
M
r
rr

( 4.6 )
2.1.3. Stator-Rotor
L'induction produite par la bobine statorique de la phase m induit dans la maille rotorique k le
flux :

+ +
+

r r
r r
rk
N N
k
N N
k
sm
S
rk sm smrk
d B S d B



2
p
2
p
' LR ) ' (
! !
( 4.7 )
r r
r r
N N
k
N N
k
sm s smrk
m I N
e

+ +
+
1
]
1

,
_


2
p
2
p
0
3
2
' p sin
p
1
LR
p
2
( 4.8 )
Chapitre IV : Machine avec dfauts au rotor
127
Il en rsulte la mutuelle stator-rotor entre la
phase statorique m et la maille rotorique k :

,
_

+ ka m M M
sr smrk
3
2
cos

( 4.9 )
o

,
_

2
sin LR
p
4
2
0
a
N
e
M
s sr

( 4.10 )
et
r
N
a
2
p est l'angle lectrique entre deux
mailles rotoriques.

0 s
B
r
N
k
2
p
+
r
N

I
s0
phase a
I
rk
, maille
rotorique k
Figure 4.3 Position de la maille rotorique k, par
rapport la bobine statorique de la phase (m=0)
2.2. Mise en quation
Nous utilisons une transformation de Clarke pour passer des grandeurs triphases statoriques
( a, b, c ) aux grandeurs diphases ( , ). Nous pouvons effectuer la simulation avec deux
repres distincts pour le stator et le rotor, cependant, cela demande la rvaluation et
l'inversion, chaque pas de simulation, de la matrice inductance [L] ( du systme
[ ] [ ] [ ] [ ][ ] I R V I
dt
d
L qui est de dimension N
r
+3 ).
Pour allger le temps de calcul, on limine l'angle de la matrice de couplage en choisissant
le repre le plus adquat et qui est celui du rotor. Dans ce repre, toutes les grandeurs ont une
pulsation g
s
en rgime permanent. Cette caractristique peut tre utilise pour l'analyse de
rupture de barres rotoriques dans la machine par l'observation du courant I
ds
[VAS 94a].
2.2.1. Stator
Aprs transformation et rotation, l'quation lectrique dans le repre rotorique s'crit sous
forme matricielle :
dt
d
P I R V
sdq
sdq sdq s sdq

,
_

+
2

( 4.11 )
avec
1
1
1
1
1
1
]
1

1
]
1

1
]
1

1
]
1


) 1 (
0
sin
cos
0
0
r
N r
rj
r
sr
qs
ds
sc
sc
sdq
I
I
I
ja
ja
M
I
I
L
L
"
"
# #
# #
( 4.12 )
2.2.2. Rotor
L'quation lectrique relative la maille k est donne par :
dt
d
I R I I
N
R
I R I
N
R
rk
bk bk e rk
r
e
k b k b rk
r
e

+ + +

) ( 0
) 1 ( ) 1 (
( 4.13 )
Chapitre IV : Machine avec dfauts au rotor
128
Pour simuler la rupture de barre, il faut forcer zro ou diminuer fortement le courant
parcourant la barre k. Pour ce faire, il suffit d'en augmenter suffisamment la rsistance.
Le flux induit dans la maille rotorique est donn par :
( ) ( ) ( )
bk k b b ek rk
r
e
qs ds sr
N
k j
j
rj rr rk rp rk
I I L I I
N
L
ka I ka I M I M I L
r
+ + + + + +

) 1 ( 2
3
1
0
sin cos
( 4.14 )
Le terme en L
rp
reprsente le flux principal, celui en M
rr
reprsente le flux mutuel avec les
autres mailles rotoriques, puis viennent les termes de couplage avec le stator. On remarquera
le facteur 3/2 par rapport l'quation statorique cause de la transformation de Clarke.
Les termes en L
b
et L
e
reprsentent les fuites rotoriques.
En le rcrivant uniquement en fonction des courants de maille, on aboutit :
( ) ( )
e
r
e
qs ds sr k r k r b
N
k j
j
rj rr rk b
r
e
rp rk
I
N
L
ka I ka I M I I L I M I L
N
L
L
r
+ + +

,
_

+ +
+

sin cos 2
2
2
3
) 1 ( ) 1 (
1
0
( 4.15 )
pour k allant de 0 N
r
-1
L'quation relative l'anneau de court circuit est :

,
_

1
0
1
0
r r
N
k
rk
r
e
e e
N
k
rk
r
e e
e
I
N
R
I R
dt
dI
N
L
dt
dI
L
( 4.16 )
Le systme complet [ ] [ ] [ ] [ ][ ] I R V I
dt
d
L devient :
( 4.17 )

1
1
1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
1
1
1
]
1


+ +

+ +
+ +

e
N r
rj
r
qs
ds
e N
L
N
L
N
L
b N
L
rp b rr rr rr b rr
sr sr
rr rr b rr b N
L
rp b rr
N
L
b rr rr rr b rr b N
L
rp
sr sc
sr sc
I
I
I
I
I
I
dt
d
L
L L L M M M L M
ka M ka M
M M L M L L L M
L M M M L M L L
ja M L
ja M L
r
r
e
r
e
r
e
r
e
r
e
r
e
r
e
) 1 (
0
2
2
3
2
3
2
2
0 0
2
sin cos
2
2
0 sin 0
0 cos 0
"
"
#
" "
$ " "
" $
" "
" "
# # # %
# # # #
1
1
1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
1
1
1
]
1


+ +
+ +
+ +

1
1
1
1
1
1
1
1
1
1
]
1




e
N r
rj
r
qs
ds
e N
R
N
R
N
R
N b N b N
R
N b N b
bk k b bk N
R
k b
N
R
N b b N b b N
R
sr s sc
sr sc s
qs
ds
I
I
I
I
I
I
R
R R R R
R R R R
R R R R
ja M R L
ja M L R
V
V
r
r
e
r
e
r
e
r r r
e
r r
r
e
r
e
r r r
e
) 1 (
0
) 1 ( ) 2 (
2
) 2 ( ) 1 (
) 1 (
2
) 1 (
) 1 ( 0 ) 1 ( 0
2
0 0
0 0 0 0
0 0
0 0 0 0
0 cos
0 sin
0
0
0
"
"
#
" "
" " "
" "
# # # %
# # # #
"
"
"


( 4.18 )
Le couple lectromagntique est obtenu par drivation de la co-nergie :
Chapitre IV : Machine avec dfauts au rotor
129
[ ]
1
1
1
]
1

1
]
1

+
+

"
"
# #
# #
rk
sr
sr
s e
I
ka M
ka M
I C
t
) sin(
) cos(
p
2
3

'

1
0
1
0
cos sin p
2
3
r r
N
k
rk qs
N
k
rk ds sr e
ka I I ka I I M C
( 4.19 )
( 4.20 )
On y ajoute alors les quations mcaniques afin d'avoir la vitesse
p

et la position
lectrique du rotor :
( )
3 2
2
1
1
a a a C
J dt
d
e

et

dt
d
( 4.21 )
( 4.22 )
Le systme ci-dessus a t implant au sein du logiciel de simulation MASVECT que nous
avons dvelopp. Initialement, la matrice [L] est constitue et inverse.
Il est important de noter que si toutes les fuites sont ramenes au stator alors la matrice
inductance est mal conditionne. Les inductances de fuites ( L
b
, L
e
), prsentes dans la sous-
matrice inductance rotorique, contribuent stabiliser numriquement la matrice [BAG 97a].
A chaque pas de calcul, les tensions V
ds
et V
qs
sont calcules partir des tensions
d'alimentation de la machine et de l'angle qui dfinit la position du rotor par rapport au
stator. Les lments de la matrice [R] dpendent de la vitesse et des valeurs de rsistance des
barres du modle. En fonction des vnements simuls, la rsistance de la barre, dont on veut
simuler la rupture, est augmente. Cette augmentation ne doit tre de valeur trs grande que si
l'on choisit un pas de simulation trs fin
12
. En effet, pour un pas de 10
-4
s, une augmentation
de plus de 200 fois la rsistance conduit une instabilit numrique. La dgnrescence du
systme est due au fait que les valeurs des deux courants de maille contenant la barre
considre, deviennent trs proches. La diminution du pas de calcul permet de contourner ce
problme au prix d'une augmentation du temps d'excution de la simulation. Rappelons, que
dans la ralit, le courant n'est jamais nul. En effet, [KER 84] montre que c'est par les tles
que passe alors une partie du courant lorsqu'une barre vient rompre. [RIT 94] estime qu'une
augmentation de la rsistance de la barre de 11 fois permet d'aboutir des rsultats en
concordance avec ceux obtenus exprimentalement.
En ce qui nous concerne, nous avons considr des augmentations de 200 et de 11 fois la
rsistance initiale de la barre.
Le problme de l'identification des paramtres de ce modle est plus compliqu que ne l'est
celui du modle dq. Des donnes gomtriques comme la longueur active, le rayon ainsi que
l'entrefer ont t mesurs une fois la machine dmonte. La rsistance des barres et de
l'anneau ont t dans un premier temps estimes partir des dimensions de la cage
d'aluminium inject. En ce qui concerne les inductances de fuites au rotor, l'inductance L
b
a
t assimile une inductance de fuite d'encoche, laquelle a t value par calcul. Puis,
l'inductance de fuite due l'anneau a t dtermine moyennant l'hypothse L
e
=L
b
[KOS 69],
[VAS 94a].
Ces paramtres ont ensuite fait l'objet d'une optimisation en utilisant une mthode du type
essai-erreur de sorte que les rponses transitoires et de rgime permanent du courant

12
La mthode d'intgration est celle de Runge-Kutta d'ordre 4.
Chapitre IV : Machine avec dfauts au rotor
130
statorique et de la vitesse soient identiques celles issues d'un essai exprimental de
dmarrage vide. Le fonctionnement au point nominal a galement t pris en considration.
La rsistance statorique ainsi que les paramtres mcaniques sont ceux issus d'une
optimisation par algorithme gntique ( voir chapitre 2 ) des paramtres du modle dq sur
l'essai de dmarrage. L'excution d'une simulation d'un modle dq est trs rapide et sans
commune mesure avec celle du modle mailles.
Afin de s'entourer d'un maximum de prcautions, nous avons vrifi la concordance des
paramtres du modle mailles en retrouvant les paramtres du modle dq quivalent. Pour
ce faire, nous avons appliqu une transformation de Clarke gnralise ( N
r
) qui permet de
passer des N
r
grandeurs quilibres vers deux grandeurs dq.
1
]
1

1
]
1


1
1
1
1
1
1
]
1

# #
# #
"
"
ja
ja
N
T
I
I
I
I
I
r
r
qr
dr
T
N r
rk
r
r
r
sin
cos
2
avec
1
) 1 (
0
1
( 4.23 )
Pour la transformation directe :
1
1
1
]
1


" "
" "
ka ka T
r
sin cos
( 4.24 )
Donc
2
1
I
2

r
r
-
r
N
T T et
1
1
1
]
1


#
" "
#
a j k
N
T T
r
-
r r
) cos(
2
1
( 4.25 )
Nous constituons les matrices augmentes directe
r
T
a
et inverse
1 a

r
T de sorte que :

1 0 0 0 0
0 0 0
0
0 sin cos
0
0 0 0
0 0 0 1 0
0 0 0 0 1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
1
1
]
1

e
qr
dr
qs
ds
e
rk
qs
ds
I
I
I
I
I
ka ka
I
I
I
I
" "
" " " "
" "
" " " "
" "
( 4.26 )
La nouvelle matrice d'inductance du modle dq quivalent, en considrant que toutes les
barres sont saines, est :
Chapitre IV : Machine avec dfauts au rotor
131
1
1
1
1
1
1
1
1
1
]
1


e
rc sr
rc sr
sr
r
sc
sr
r
sc
eq
L
L M
L M
M
N
L
M
N
L
T L T L
r r
0 0 0 0
0 0
2
3
0
0 0 0
2
3
0
2
0 0
0 0
2
0
] [ ] [
a 1 - a
( 4.27 )
avec
) cos 1 ( 2 2 a L
N
L
M L L
b
r
e
rr rp rc
+ +
( 4.28 )
Celle de la rsistance :
1
1
1
1
1
1
1
1
]
1



e
r
r
sr
r
s sc
sr
r
sc s
eq
R
R
R
M
N
R L
M
N
L R
T R T R
r r
0 0 0 0
0 0 0 0
0 0 0 0
0 0
2
0
2
0
] [ ] [
a 1 - a


( 4.29 )
avec
) cos 1 ( 2 2 a R
N
R
R
b
r
e
r
+
( 4.30 )
Les valeurs de L
rc
et R
r
doivent tre considres avec un facteur multiplicatif prs. En effet,
seuls la constante de temps et le coefficient de dispersion, ainsi trouvs, ont un sens
physique :
) cos 1 ( 2 2
) cos 1 ( 2 2
a R
N
R
a L
N
L
M L
b
r
e
b
r
e
rr rp
r
+
+ +

,
_

+ +

) cos 1 ( 2 2
2 2
3
1
a L
N
L
M L L
M
N
M
b
r
e
rr rp sc
sr
r
sr

( 4.31 )
( 4.32 )
En comparant les valeurs trouves partir du modle mailles avec celle issues de
l'identification par algorithme gntique sur un modle dq, nous obtenons :
Paramtres issus de l'optimisation par algorithme gntique, modle dq ( Annexe 1 ) :

s
=0,0833 s

r
=0,1415 s
=0,0466
Chapitre IV : Machine avec dfauts au rotor
132
Paramtres utiliss ( Annexe 1 ) :
R
s
=7,828
J=0,006093 kg m
2
a
1
=0 Nm s
2
/rd
2
a
2
=0,000725 Nm s/rd
a
3
=0 Nm
Rayon=0,03575 m
Longueur=0,065 m
Entrefer=0,00025 m
Ns=160
Nr=16
L
sl
=0,018 H
R
b sain
=150 10
-6

R
b casse
=0,03
R
e sain
=72 10
-6
( totale )
L
b
=10
-7
H
L
e
=10
-7
H ( totale )
D'o le modle dq quivalent :

s
=0,0752 s

r
=0,145 s
=0,0487
Nous remarquons que ces paramtres sont trs proches de ceux issus de l'optimisation par
algorithme gntique et que
s
+
r
( obtenus par identification par algorithme gntique et
par le modle dq quivalent ) sont gaux.
3. Simulation de rupture de barres rotoriques
Le modle ainsi constitu permet donc de simuler la rupture de barres au rotor ainsi que celle
de portions d'anneau.
Les figures suivantes prsentent une comparaison entre les rsultats exprimentaux et ceux
obtenus par simulation des deux modles.
Les figures 4.4 et 4.5 montrent l'volution de la vitesse et du courant statorique lors de cet
essai. Le dmarrage s'effectue vide, il nous permet de comparer le relev exprimental avec
les courbes issues de la simulation.
Nous observons une juxtaposition entre les rsultats des deux modles et une trs bonne
concordance avec le relev exprimental surtout la fin du rgime transitoire et durant le
rgime permanent ( t <0,4 s ).
A partir de cet instant, nous procdons un chelon de couple rsistant nominal de 3,5 Nm en
simulation. La vitesse chute alors 2880 tr/mn ( figure 4.4 ) et le couple lectromagntique
vient quilibrer le couple rsistant ( figure 4.6 ). La figure 4.7 montre l'volution du courant
dans les quatre premires barres du rotor. On observe des courants de mme amplitude
parfaitement quilibrs dphass d'un mme angle.
A t=0,8 s, nous simulons la rupture de la premire barre ( k=0 ) par une augmentation de 200
fois de sa rsistance. Instantanment, le courant dans cette barre chute pratiquement zro
Chapitre IV : Machine avec dfauts au rotor
133
( figure 4.7 ) tandis que les courants dans les barres voisines deviennent dsquilibrs. Le
courant que conduisait la barre ( k=0 ) se rpartit alors dans les barres voisines.
Le rotor avec ce dfaut de structure cre en plus du champ rotorique direct qui tourne g
s
par rapport au rotor, un champ inverse qui lui tourne -g
s
dans le repre rotorique.
L'interaction de ces champs avec celui issu du bobinage statorique donne naissance un
couple lectromagntique somme d'une composante directe constante et d'une composante
inverse sinusodale de pulsation 2g
s
( figure 4.6 ). Elle sera la cause d'oscillations sur la
vitesse ( figure 4.4 ).
Les f.e.m. induites au stator comportent, cause de cette oscillation de la vitesse, des
composantes en
s
, (1-2g)
s
, (1+2g)
s
et (1-4g)
s
[FIL 96], [HEI 98]. D'o des courants
statoriques contenant ces composantes. Les champs cres par ces courants vont leur tour
induire au rotor des courants directs et inverses. Ainsi, par un processus identique, on retrouve
des composantes de courant de frquences
s
f kg) 2 1 ( t .
Pour la composante en (1-2g)
s
, par exemple, plusieurs termes y apparaissent avec diffrentes
phases et amplitudes. Ils peuvent donc s'ajouter ou se soustraire selon la diffrence entre leurs
phases.
Les auteurs, cits en bibliographie [DOR 96], [SOB 96], [THO 97] et [DOR 97], montrent
que cela dpend d'un grand nombre de facteurs, parmi eux, l'inertie du systme et l'existence
d'excentricit statique et dynamique.
En effet, toute cause donnant naissance une ondulation de vitesse de pulsation 2g
s
va
engendrer les composantes latrales auxquelles on s'intresse. Ce qui rend plus difficile le
diagnostic de rupture de barres rotoriques.
Filippetti et al. [FIL 98] rsument une mthode d'analyse qu'ils ont dveloppe et qui est
base sur l'utilisation, comme indice, de la somme de la hauteur des deux raies latrales. Ce
faisant, la dtection du dfaut devient indpendante de l'inertie de la machine.
Le raisonnement ci dessus, qui concerne l'tablissement des composantes latrales, est
partiellement erron. En ralit, le processus ne s'tablit pas par itrations mais en une fois.
Cependant, les amplitudes des composantes latrales diminuent mesure que l'on s'loigne de
la raie centrale. Ce qui correspond de plus en plus d'interaction statorrotor, avec chaque
fois un passage par l'entrefer. L'attnuation qui en rsulte est donc due aux fuites.
A t=1,7 s, on simule la rupture de la barre adjacente ( k=1 ). Les courants dans les barres
voisines deviennent alors de moins en moins sinusodaux et d'amplitude plus importante
qu'avec une seule barre casse. Ceci se ressent sur le couple et la vitesse par une augmentation
de l'amplitude des oscillations.
Chapitre IV : Machine avec dfauts au rotor
134
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40
Temps (s)
0
500
1000
1500
2000
2500
3000
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Exprimental
Modle dq
Modle mailles
Echelon
de couple
1 barre
rompue
2 barres voisines
rompues
Figure 4.4 Vitesse au dmarrage, en charge puis lors de la rupture de barres
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40
Temps (s)
-20
-10
0
10
20
I
a
s

(
A
)
Exprimental
Modle dq
Modle mailles
Figure 4.5 Courant au dmarrage, en charge puis lors de la rupture de barres
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40
Temps (s)
0
4
8
12
C
e

(
N
m
)
Modle dq
Modle mailles
Figure 4.6 Couple au dmarrage, en charge puis lors de la rupture de barres
Chapitre IV : Machine avec dfauts au rotor
135
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40
Temps (s)
-1000
-500
0
500
1000
I
b
k

(
A
)
Modle mailles
k=0, 1, 2, 3
Figure 4.7 Courant dans les quatre barres voisines, au dmarrage, en charge puis lors de la
rupture de la barre k=0 0,8 s et de la barre k=1 1,7 s.
Lors de la rupture de barre, il est difficile d'analyser directement le courant statorique. Ce
dernier ne prsente en effet qu'une faible modulation ( figure 4.5 ).
L'analyse par FFT permet de mettre en vidence les raies prsentes dans le spectre du signal.
Nous prsentons les rsultats de simulation et exprimentaux relatifs l'analyse de I
as
par FFT
en rgime permanent charge nominale pour un glissement de 4%. Le dfaut rotorique a t
ralis en sciant la barre la limite de l'anneau de court circuit [HEI 98].
3.1. Analyse par FFT du courant statorique en rgime quasi stationnaire
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.8 Moteur sain,
simulation
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.9 Moteur sain,
exprimentation
f
g
=46,0 Hz, A
g
=-48,0 dB
f
d
=54,0 Hz, A
d
=-48,9 dB
Chapitre IV : Machine avec dfauts au rotor
136
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.10 Une barre casse ( R200 ),
simulation
f
g
=46,0 Hz, A
g
=-31,81 dB
f
d
=54,0 Hz, A
d
=-35,08 dB
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.11 Une barre casse,
exprimentation
f
g
=46,1 Hz, A
g
=-35,1 dB
f
d
=54,0 Hz, A
d
=-36,7 dB
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.12 Une barre casse ( R200 ),
simulation, C
r
=3,33 Nm
f
g
=46,0 Hz, A
g
=-30,92 dB
f
d
=54,0 Hz, A
d
=-34,22 dB
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.13 Une barre casse ( R11 ),
simulation, C
r
=3,32 Nm
f
g
=46,05 Hz, A
g
=-33,25 dB
f
d
=53,95 Hz, A
d
=-36,47 dB
40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.14 Une barre casse ( R11 ),
simulation, C
r
=3,323 Nm
f
g
=46,05 Hz, A
g
=-34,06 dB
f
d
=53,95 Hz, A
d
=-37,29 dB

40 45 50 55 60
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
Frequency(Hz)
Spectral density(dB)
Figure 4.15 Une barre casse ( R11 ),
simulation, C
r
=3,33 Nm
f
g
=46,0 Hz, A
g
=-34,82 dB
f
d
=54,0 Hz, A
d
=-38,09 dB
Chapitre IV : Machine avec dfauts au rotor
137
Les figures 4.8 4.15 prsentent le spectre de frquence du courant autour de 50 Hz.
L'acquisition s'est effectue une priode d'chantillonnage de 10
-4
s sur une dure totale de
10 s. Nous avons ralis les simulations dans les mmes conditions en doublant le dure de
l'chantillon afin d'obtenir une rsolution plus fine, de 0,05 Hz.
Lors de la simulation du moteur sain, nous n'observons aucune raie latrale ( figure 4.8 ).
Cependant, sur l'essai exprimental ( figure 4.9 ), apparaissent des raies de faible amplitude
s
f g) 2 1 ( t et d'autres raies, encore plus faibles,
s
f g) 4 1 ( t . Comme nous l'avons
prcdemment signal, toute dissymtrie du rotor engendre l'apparitions de telles raies. Leur
amplitude
13
est toutefois trs faible puisque de -48 dB par rapport au fondamental 50 Hz.
Lorsqu'une barre est rompue, on remarque l'apparition des raies latrales ( figure 4.10 et
4.11 ). Deux constations s'imposent. La premire rside dans le fait que l'essai exprimental
tant bruit, tout le spectre se retrouve rehauss. De plus, les raies ne sont pas nettes. On
observe galement un phnomne d'vasement du spectre. En fait, si l'on dsire obtenir un
spectre net, il faudrait que les raies concident exactement avec les frquences discrtes du
spectre. Ceci s'avre difficile, voir impossible exprimentalement car il faudrait adapter la
frquence d'chantillonnage en fonction du glissement. D'ailleurs ce dernier, qui n'est qu'un
glissement moyen, est difficile valuer avec prcision puisque la vitesse varie.
Sur la simulation reprsente par la figure 4.12, nous avons lgrement fait varier le couple
rsistant impos la machine, ce qui a pour effet de faire varier le glissement moyen et par la
mme, la position des raies latrales dans le spectre. La double concidence ( raies 50 Hz et
46 Hz ) quasi exacte avec les frquence discrtes, fait que l'vasement disparat. On obtient
alors la valeur maximale d'amplitude des raies latrales. Lorsque l'on s'carte de la frquence
discrte de 46,00 Hz, cette amplitude va diminuer, passer par un minimum puis augmenter
jusqu' atteindre son maximum pour la frquence discrte voisine ( 46,05 Hz ou 45,95 Hz ).
La prcision sur l'amplitude des raies latrales est donc diminue par ce problme
d'vasement du spectre, problme li la thorie de l'analyse spectrale.
Les figures 4.13 4.15 prsentent les simulations effectues en augmentant la rsistance de la
barre rotorique dfectueuse de 11 fois sa valeur initiale au lieu des 200 fois des simulations
prcdentes. Ceci pour diffrentes valeurs trs proches du couple rsistant.
On observe une augmentation de quelques dB ( en valeur absolue ) sur l'amplitude des raies
latrales par rapport aux figures 4.10 et 4.12. C'est dire que l'on obtient des raies moins
importantes, ce qui est logique puisque le dfaut est moins important.
Les amplitudes des bandes latrales, issues de la simulation, sont trs proches de celles
obtenues exprimentalement. Remarquons que sur les simulations, on voit nettement que la
raie basse (1-2g)f
s
est plus importante que la raie haute (1+2g)f
s
. Ce phnomne, trs
complexe, qui dpend de nombreux facteurs [FIL 96], [DOR 96], [FIL 98], apparat de
manire moins vidente sur le relev exprimental.
3.2. Conclusion
L'intrt de l'analyse par FFT du courant statorique pour le diagnostic de dfaut rside dans la
simplicit du capteur utilis. En effet, la mesure du courant statorique puis son traitement est

13
Les amplitudes des raies sont ngatives, plus elles augmentent en valeur absolue, plus les signaux auquel elles
correspondent sont faibles par rapport au fondamental, qui lui est l'origine ( 0 dB ).
Chapitre IV : Machine avec dfauts au rotor
138
plus simple et moins onreux qu'une analyse de la vitesse, des vibrations ou du flux axial
[HAR 82], [KLI 88].
Cette analyse donne, toutefois, des amplitudes peu prcises des raies latrales. La variation de
la vitesse, du glissement et le problme d'vasement du spectre qui en rsulte, rendent
imprcise la quantification de ces amplitudes. De nombreuses autres mthodes bases sur
l'analyse du courant statorique continuent tre dveloppes [BEN 98c].
Malgr les problmes soulevs, la mthode de diagnostic prsente n'est pas remettre en
cause. En effet, pour dtecter la rupture de la barre, il conviendrait d'avoir une analyse
continue du courant et de dtecter le saut sur l'amplitude de la raie latrale gauche par rapport
sa valeur quand la machine est saine.
Il faut tre capable de suivre la raie latrale en permanence, puisque cette raie varie en
amplitude et en frquence avec le point de fonctionnement de la machine.
Cette analyse peut se faire sans interrompre la chane de production et permet, le cas chant,
de prvoir la rparation ou le remplacement de la machine qui commence prsenter des
signes de fatigue.
La modle dvelopp reproduit les phnomnes relevs exprimentalement. Cela signifie que
l'on peut tudier en simulation avec ce modle le comportement dynamique d'une machine
rotor dfaillant en commande vectorielle. Ceci fait l'objet de la partie qui va suivre.
Chapitre IV : Machine avec dfauts au rotor
139
4. Commande vectorielle de la machine prsentant des barres dfectueuses
4.1. Introduction
La commande vectorielle devenant courante, il est intressant de considrer le cas o un
dfaut surviendrait la machine. Nous nous proposons dans cette partie de voir l'influence des
rgulateurs tudis sur la marche d'une machine asynchrone en commande vectorielle lorsqu'il
se produit des ruptures de barres. Nous mettrons en vidence de nouveaux indices propres
ce type de commande en vue du diagnostic de dfauts rotoriques.
4.2. Mise en uvre
Supposons que, la rgulation tant mise en place, un incident survienne. Comment se
comporte alors le systme ?
Nous avons utilis le modle prcdent pour modliser le moteur et le modle dq de la
machine saine pour simuler la commande. Les rgulateurs de courant ont t calculs suivant
la mthode prsente dans le chapitre II. Par contre, nous avons gard les mmes rgulateurs
de vitesse que pour la machine 1 ( Annexe 1 ).
Les figures 4.16 4.20 prsentent la simulation de la marche en commande. Aprs
tablissement du flux, une rfrence de vitesse de 1000 tr/mn est impose la machine
t=0,8 s. La rfrence de courant I
qs ref
dlivre par le rgulateur de vitesse
14
passe rapidement
sa valeur limite ( figure 4.19 ) puis, une fois la vitesse atteinte, revient une valeur trs
faible correspondant au couple de frottements.
Un chelon de couple de 3,5 Nm est appliqu t=1,2 s. Nous observons une chute
momentane de vitesse ( figure 4.17 ) de moins de 1% compense grce une augmentation
du courant I
qs
( figure 4.19 ).
Le rgime ainsi tabli, nous procdons la simulation d'une premire rupture de barre ( k=0 )
par une augmentation de 200 fois de sa rsistance t=1,3 s. Le courant dans cette barre
s'annule tandis qu'il augmente dans les barres voisines ( figure 4.20 ). Aprs un rgime
transitoire trs bref, les fluctuations du couples dues cette dissymtrie du rotor se retrouvent
compenses par un courant I
qs ref
qui s'adapte en temps rel afin de garder la vitesse aussi
proche que possible la vitesse de rfrence.
On observe une ondulation de vitesse de moins de 0,1 %. Par contre, le courant appel est
nettement plus perturb qu'il ne l'tait sans commande et avec une barre casse ( figure 4.18 ).
La deuxime barre adjacente, venant cder t=2,1 s, aggrave la dissymtrie du rotor et celle
des courants de barre. Le courant I
qs
suit toujours sa rfrence mais l'amplitude de ses
oscillations devient plus importante. Tant qu'il n'entre pas en limitation, la compensation des
ondulations de couple continue se faire. La vitesse reste toujours peu perturbe par ce
dfaut.
Remarquons toutefois que le systme n'est plus parfaitement dcoupl puisque le modle dq
quivalent n'est plus valable lorsque le dfaut est prsent. Le courant I
ds
prsente alors des
oscillations de plus en plus importantes en fonction de la gravit du dfaut et du couple de
charge impos la machine.

14
Le rgulateur utilis est le "neuronal 3" qui correspond donc au rgulateur flou trois fonctions d'appartenance
par variable.
Chapitre IV : Machine avec dfauts au rotor
140
0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80
Temps (s)
0
200
400
600
800
1000
V
i
t
e
s
s
e

(
t
r
/
m
n
)
2 barres voisines
rompues
1 barre
rompue
Echelon de
couple
Figure 4.16 Vitesse rfrence 1000 tr/mn puis en charge puis lors de la rupture de barres
0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80
Temps (s)
990
992
994
996
998
1000
1002
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Figure 4.17 Vitesse rfrence 1000 tr/mn puis en charge puis lors de la rupture de barres,
agrandissement
0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80
Temps (s)
-6
-4
-2
0
2
4
6
I
a
s

(
A
)
Figure 4.18 Courant I
as
lors du changement de vitesse de rfrence 1000 tr/mn puis en
charge puis lors de la rupture de barres
Chapitre IV : Machine avec dfauts au rotor
141
0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80
Temps (s)
0
1
2
3
4
I

(
A
)
Ids
Iqs ref
Iqs
Figure 4.19 Courants de commande I
ds
, I
qs ref
et I
qs
, vitesse de rfrence 1000 tr/mn
puis en charge puis lors de la rupture de barres
0.80 1.00 1.20 1.40 1.60 1.80 2.00 2.20 2.40 2.60 2.80
Temps (s)
-300
-200
-100
0
100
200
300
I

(
A
)
Ib 0
Ib 1
Ib 2
Ib3
Figure 4.20 Courant dans les quatre premires barres, au dmarrage puis en charge
puis lors de la rupture de la barre k=0 0,8 s et de la barre k=1 1,7 s.
4.3. Comparaison des rgulateurs
Nous avons vu que l'utilisation d'un contrle vectoriel performant permettait de compenser les
ondulations du couple dues la rupture de barres rotoriques. Comment ragissent alors les
diffrents rgulateurs tudis ?
Les figures 4.21 4.25 prsentent une comparaison entre ces rgulateurs de vitesse pour le
mme essai.
A travers la figure 4.21, on retrouve le rsultat du chapitre prcdent en ce qui concerne le
temps de monte suite un chelon de vitesse. C'est dire la rponse la plus rapide pour le
rgulateur neuronal 5 suivi de trs prs du neuronal 3 et du flou cinq ensembles flous par
variable. Le rgulateur IP, flou 3 et RBF ayant quasiment le mme temps de rponse.
Chapitre IV : Machine avec dfauts au rotor
142
Cependant, dans le cas de ce banc, il n'y pas de dpassement ( vitesse en dessous de 1000,05
tr/mn ) mme pour le rgulateur neuronal 5.
Par rapport la perturbation du couple de charge ( figures 4.22 et 4.23 ), les rgulateurs
neuronal 3 et flou 5 restent ceux qui donnent le meilleur compromis entre le temps de rponse
et la chute de vitesse.
Lorsque que l'on passe d'une premire rupture de barre ( figure 4.24 ), une deuxime rupture
( figure 4.25 ), on observe quasiment le mme cart relatif d'amplitude de chute de vitesse
entre les diffrents rgulateurs. La variation du couple lectromagntique tant perue par la
rgulation comme une variation du couple de charge, on retrouve alors un classement
semblable celui d'un chelon de perturbation sur la charge.
Le rgulateur neuronal 3 ainsi que le rgulateur flou 5 donnent les meilleurs rponses. Il faut
toutefois relativiser les choses, puisque les carts entre les diffrents rgulateurs considrs
sont faibles.
Type de rgulateur
0.93
0.94
0.95
0.96
0.97
0.98
t

(
s
)
IP
Flou 3
Neuronal 3
Flou 5
Neuronal 5
RBF
Figure 4.21 Temps de monte de 0 1000 tr/mn
Type de rgulateur
1.20
1.21
1.22
1.23
1.24
t

(
s
)
IP
Flou 3
Neuronal 3
Flou 5
Neuronal 5
RBF
Type de rgulateur
9.00
10.00
11.00
12.00
13.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP
Flou 3
Neuronal 3
Flou 5
Neuronal 5
RBF

Figure 4.22 Temps de rponse la


perturbation
Figure 4.23 Chute de vitesse
Chapitre IV : Machine avec dfauts au rotor
143
Type de rgulateur
0.00
0.20
0.40
0.60
0.80
1.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP
Flou 3
Neuronal 3
Flou 5
Neuronal 5
RBF

Type de rgulateur
0.00
0.40
0.80
1.20
1.60
2.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
IP
Flou 3
Neuronal 3
Flou 5
Neuronal 5
RBF

Figure 4.24 Ondulation pour une barre casse Figure 4.25 Ondulation pour deux barres
casses
4.4. Conclusion
Dans cette partie, nous avons abord l'influence de la commande vectorielle et des diffrents
types de rgulateurs de vitesse sur la rponse de la machine asynchrone qui prsente des
dfauts rotoriques.
Il s'est avr que la diffrence entre ces rgulateurs est plutt due la rapidit de rponse par
rapport la perturbation. En fait, le contrle voit les ondulations du couple lectromagntique
de la machine comme des variations du couple rsistant. Il les compense par une action
antagoniste sur le courant I
qs ref
. On retrouve donc, ce niveau, une image directe des
ondulations de vitesse.
Cette grandeur devient alors le nouvel indice de diagnostic de dfaut. Comme elle s'exprime
dans le repre lie au champ tournant, sa valeur moyenne est constante en rgime permanent,
s'il n'y a pas de dfaut. Dans le cas d'une dfaillance rotorique, l'amplitude des oscillations
( de frquence 2g
s
) est directement lie la gravit du dfaut.
Chapitre IV : Machine avec dfauts au rotor
144
Chapitre V : Commande sans capteur mcanique
145
Chapitre V
Commande sans capteur mcanique
Chapitre V : Commande sans
capteur mcanique
Chapitre V : Commande sans capteur mcanique
146
Chapitre V : Commande sans capteur mcanique
147
1. Introduction
Parce que les outils de calcul le permettent et que les modles se sont affins, des exigences
nouvelles vis vis de la commande voient le jour. Une recherche de la simplicit de
conception et de la robustesse devient un des critres les plus importants dans de nombreuses
applications. Cette demande mobilise particulirement les chercheurs. On s'vertue surtout
se dbarrasser du capteur mcanique de vitesse ou de position. Il est le maillon faible de la
chane. En effet, outre l'encombrement et la difficult d'adaptation et de montage sur tous les
types d'entranement, il est fragile et onreux.
On essaye donc de faire remplir sa fonction par des capteurs de grandeurs lectriques et
d'algorithmes de calcul afin de reconstituer la vitesse de la machine. Avec des moyens de
calcul numrique de plus en plus puissants, des mthodes dont l'implantation tait impossible
il y a quelques annes, deviennent ralisables sur des DSP de faible cot.
On trouve maintenant dans la littrature de nombreuses mthodes de commandes sans
capteurs mcaniques. Nous nous intresserons, dans ce qui suit, celles qui peuvent s'utiliser
dans le cadre d'une commande vectorielle de la machine asynchrone.
Des articles gnraux sur l'tat de l'art ont dj fait l'objet de nombreuses publications
[ELL 98], [RAJ 96], [ILA 94], [HOL 93].
Dans ce chapitre, nous prsenterons diffrentes mthodes et commenterons leur implantation,
les difficults rencontres, leurs avantages et inconvnients. Nous aborderons, par la suite,
une mthode simple que nous proposons pour la commande vectorielle sans capteur d'une
machine munie d'enroulements en quadrature de capture de f.e.m.. Elle prsente l'avantage
d'utiliser une mthode de compensation en ligne de l'offset. Ce dernier se trouve tre le facteur
dterminant des mthodes de commande sans capteur mcanique. Enfin, nous verrons
brivement qu'actuellement, des tudes portent sur un contrle, dit "intelligent", utilisant des
techniques de rseaux de neurones et de logique floue.
2. Les mthodes de commande sans capteur mcanique
2.1. Mthodes base d'estimateur
A partir des quations d'tat de la machine, on peut aboutir plusieurs formulations qui
permettent d'estimer la vitesse. Cependant, afin d'avoir un contrle vectoriel performant, il
convient de ne pas utiliser la vitesse ainsi estime pour reconstruire l'angle
s
. Une meilleure
faon de faire est d'implanter une commande vectorielle directe qui ne repose pas sur la
connaissance de la pulsation de glissement et de la vitesse pour calculer l'angle de la matrice
de rotation.
On estime cet angle partir des composantes et du flux, dans le cas d'une orientation du
flux statorique, on a :

,
_

S
S
A

rctg
S ( 5.1 )
Toute la difficult est dans l'estimation des flux. En utilisant les courants mesurs et les
tensions d'alimentation de la machine, on reconstitue les f.e.m. puis les flux :
Chapitre V : Commande sans capteur mcanique
148
( )
( )dt I R V
dt I R V
s s s s
s s s s

( 5.2 )
On peut aussi opter pour une orientation du flux rotorique, mais cela introduit des paramtres
supplmentaires pour l'estimation :
) (
) (
s s s
r
r
s s s
r
r
I L
M
L
I L
M
L






( 5.3 )
Dans ce cas, on est tributaire de plus de paramtres lectromagntiques. C'est pour cela que
l'on prfre utiliser, en commande directe, un schma d'orientation du flux statorique, plutt
que rotorique [De D 94a].
Deux problmes subsistent encore,
le premier est d la rsistance statorique dont la valeur varie avec la temprature et la
frquence,
le second, et non des moindres, est celui de l'intgration effectue en boucle ouverte. En
effet, surtout basse vitesse, le moindre dcalage ( offset ) sur les signaux va lui aussi tre
intgr. Il donne lieu une rampe qui s'ajoute l'allure sinusodale des flux et rend ce
signal inutilisable pour le calcul de
s
qui constitue le cur mme de toute commande
vectorielle.
2.2. Mthodes base d'observateur
Le problme pos par le traitement en boucle ouverte peut tre vit en utilisant des
observateurs afin de reconstituer l'tat du systme.
En fait, un observateur n'est qu'un estimateur en boucle ferme qui introduit une matrice de
gain pour corriger l'erreur sur l'estimation.
Si le systme observer est dterministe alors le reconstructeur d'tat est appel observateur.
Le plus connu et le plus simple est l'observateur de Luenberger. Dans le cas contraire, lorsque
le systme est stochastique, on parle de filtre. Nous verrons galement cet estimateur dans la
partie qui traite du filtre de Kalman.
Afin de pouvoir observer les grandeurs non mesurables de la machine, il est ncessaire que le
systme soit observable. Dans le cas de la machine asynchrone, les quations de la machine
dans le repre fix au stator sont :
1
]
1

1
1
1
1
1
1
1
]
1

+
1
1
1
1
1
1
1
1
1
1
]
1

,
_

,
_

qs
ds
s
s
r r
r r
r r s r s r s r
r s r r s r s r
V
V
L
L
X
M
M
L L
M
L L
M
L L
M
L L
M
X
0 0
0 0
1
0
0
1
1
p 0
p -
1
0
p
1 1 1 1
0
p 0
1 1 1 1





!
( 5.4 )
Chapitre V : Commande sans capteur mcanique
149
avec comme vecteur d'tat X=[ ]
t
qr dr qs ds
I I , on voit bien que l'on est confront un
systme non-linaire variable.
On peut utiliser l'observateur, tel quel, en lui fournissant la vitesse comme la sortie d'un
correcteur PI dont l'erreur est base sur la diffrence entre les courants estims et ceux
mesurs, la manire d'un MRAS [ILA 94], [KAT 97].
Une autre manire de procder est de considrer le systme rellement comme non-linaire et
de prendre comme variable d'tat supplmentaire la vitesse. Dans ce cas, on dispose d'un
observateur de Luenberger tendu ( ELO ).
Par rapport au systme prcdent, on ajoute donc une quation. Le systme devient :
( )

'


+
0 ) (
) ( ), ( ) (
t
t V B t X f t X
dqs n n n n
!
!
( 5.5 )
Si l'on dsire galement estimer un couple rsistant constant, le modle augment devient :
( )

'

,
_


+
0 ) (
) ( p
2
3 1
) (
) ( ), ( ) (
t C
C I I
L
M
J
t
t V B t X f t X
r
r ds rs qs dr
r
dqs n n n n
!
!
!

( 5.6 )
Notons :
1
]
1

p
n
X
X
X ,
1
]
1

p
n
f
f
f ,
1
]
1

] 0 [
n
B
B et ] [
dqs
V U le systme ainsi augment.
( 5.7 )
L'observateur de Luenberger tendu est bas sur la forme linarise du systme prcdent,
c'est dire :
( ) ( ) ) ( ) ( ) ( ) ( ) (
) (

+ +

t X g t BU t X t X f t X
t X
!
( 5.8 )
o
( ) ( ) ( ) ) ( ) ( ) ( ) (
) (




t X t X f t X f t X g
t X
( 5.9 )
sont les termes considrs comme constants.
Alors l'ELO s'crit :
( ) ( )[ ] ( ) ) (

) (

) ( ) (

) ( ) (

) (

) (

) (

+ + +

t X g t X C t Y t X K t BU t X t X f t X
t X
!
( 5.10 )
Evidemment lors d'une implantation sur processeur numrique, on discrtise l'observateur et
) (

t X devient constant sur la priode d'chantillonnage T


s
, avec =T
s
.
L'ELO prsent ici est un observateur d'ordre complet puisqu'il estime tous les tats du
moteur. D'autres formes d'observateurs ( d'ordre rduit ) existent si l'on ne cherche estimer
que les composantes du flux par exemple, en utilisant toutes les variables d'tat mesurables.
On en arrive au fonctionnement de l'observateur. A chaque itration, on procde la
linarisation autour du point ) (

s
T t X , puis on recalcule la matrice de gain K en fonction des
Chapitre V : Commande sans capteur mcanique
150
ples que l'on dsire donner au systme. Souvent ces ples sont fixs pour toute la plage de
fonctionnement de l'observateur afin de diminuer le temps de calcul.
Ce sont cependant ces ples qui vont caractriser la rponse de l'estimateur. On les choisit
avec une partie relle ngative plus grande en module que celles des ples du systme
observer, de manire ce que l'observateur soit plus rapide que le systme.
Nanmoins, on ne peut les choisir infiniment grandes puisque cela augmente aussi leur
sensibilit au bruit [BOR 90].
De trs nombreuses publications traitent du sujet, citons parmi elles : [FRA 90], [BEN 92],
[OUR 92], [HOL 93], [DU 94], [ILA 94], [J AN 94], [DU 95].
Nous pouvons retenir que les observateurs sont surtout utiliss pour des systmes
dterministes, que leurs performances peuvent tre ajustes avec une facilit relative par
l'action sur la matrice de gain, qu'ils conviennent aux systmes aux paramtres incertains ou
lentement variables et qu'ils requirent moins de temps de calcul que leurs homologues filtres
de Kalman.
Nous avons implant des observateurs d'ordre complet et rduit en simulation et mme
exprimentalement, mais le problme qui se pose concerne les signaux de tensions avec
lesquels on attaque l'observateur. Sur une priode de 200 s, nous ne disposons que d'une
seule mesure de courant, qui correspond la valeur instantane du courant cet instant
( Annexe 3 ). Or les tensions que l'on envoie l'observateur sont celles issues des rgulateurs
de courant. Elles correspondent au mieux ( une priode prs ) aux valeurs moyennes des
tensions appliques la machine sur deux priodes de MLI. Les rsultats qui en dcoulent
sont relativement corrects en ce qui concerne les flux, mais pour une estimation de la vitesse
l'aide de ces grandeurs reconstitues et pour son utilisation dans le contrle vectoriel
( bouclage interne en commande sans capteur de vitesse ), les rsultats ne donnent pas
satisfaction.
2.3. Commande directe du couple ( DTC )
La commande directe de couple se base sur l'orientation du "vecteur" flux statorique par
l'action directe sur l'tat des interrupteurs.
Suivant un dcoupage angulaire en six zones, on dtermine la position de ce vecteur dans le
repre ( s, s ) fix au stator.
On maintient le vecteur flux proche de sa valeur de rfrence ( cercle en pointill sur la figure
5.1 ).
Chapitre V : Commande sans capteur mcanique
151
5
V
"
s

"
4
V
"
3
V
"
2
V
"
1
V
"
6
V
"

s
1
2 3
4
5 6
Figure 5.1 Principe du DTC
Si l'on dsigne par
s
l'augmentation du flux et par
e
celle du couple lectromagntique,
on peut rsumer comme suit l'action du vecteur spatial de tension appliqu ds lors que l'on se
trouve dans la zone i :

e
>0
s
>0
1 + i
V
"

e
>0
s
<0
2 + i
V
"

e
<0
s
>0
1 i
V
"

e
<0
s
<0
2 i
V
"
Tableau 5.1 Table des vecteurs de tension
Dans la zone 2, par exemple, si le flux statorique est suprieur sa rfrence et si l'on dsire
augmenter le couple, il convient d'appliquer le vecteur
4
V
"
. On obtient ainsi
s
<0 et
e
>0
( figure 5.1 ).
La commande directe du couple a t introduite en 1985 par Depenbrock et Takahashi
[TAK 85]. Elle a connu des dveloppements la fin des annes 80, notamment par ABB
[J AN 89]. Egalement appele Direct Self-Control, elle est surtout utilise en traction de forte
puissance.
De nombreuses variantes et amliorations peuvent tre introduites comme l'utilisation des
vecteurs nuls de tension
0
V
"
et
7
V
"

15
. Pendant cette phase, le vecteur
s

"

ne tourne plus, ce qui
entrane une dcroissance du couple lectromagntique. Cela permet cependant de diminuer la

15

0
V
"
correspond aux trois phases de la machine relies en mme temps la borne positive de l'onduleur tandis
que pour
7
V
"
, ces phases sont relies la borne ngative.
Chapitre V : Commande sans capteur mcanique
152
frquence moyenne de commutation des interrupteurs et d'obtenir un contrle moins violent
[CHA 96].
Cette frquence est galement fonction de la largeur de la bande d'hystrsis, donc de la
marge de variation d'amplitude que l'on tolre pour le flux statorique.
0.00 0.40 0.80 1.20 1.60 2.00
temps (s)
-600.00
-400.00
-200.00
0.00
200.00
400.00
600.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
0.00 0.40 0.80 1.20 1.60 2.00
temps (s)
-40.00
-20.00
0.00
20.00
40.00
60.00
I
a
s

(
A
)
Figure 5.2 Evolution de la vitesse ( DTC ) Figure 5.3 Evolution du courant I
as
( DTC )
-1.50 -1.00 -0.50 0.00 0.50 1.00 1.50
Phi alpha s (Wb)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
P
h
i

b
e
t
a

s

(
W
b
)
Figure 5.4 Trajectoire de l'extrmit du vecteur flux
statorique dans le repre ( s, s ) li au stator
Chapitre V : Commande sans capteur mcanique
153
Les figures 5.2 5.4 reprsentent une simulation effectue sur la machine 1 l'aide du logiciel
MASVECT en mode de commande DTC. Nous imposons aprs tablissement du flux une
vitesse de rfrence de -600 tr/mn puis de 600 tr/mn, enfin t=1,8 s une charge de 20 Nm est
applique.
Notons tout d'abord, que contrairement la commande vectorielle, il n'y ni rgulation, ni
limitation de courant dans une commande DTC. Si on ne prend pas des dispositions
particulires, comme une augmentation progressive de la rfrence de flux, il y a un trs fort
appel en courant lors de l'tablissement du flux ( figure 5.3, t <0,1 s ).
De mme pour les transitoires en couple qui peuvent tre trs rapides et qui sont masqus par
l'appel de courant instantan qui en rsulte.
Il faut galement considrer les problmes poss par de mauvaises conditions initiales au
dmarrage du contrle alors que la machine est dj fluxe. Ceci provoque une trajectoire
circulaire mais non centre sur le zro du flux de la machine [ZOL 96]. Ce problme n'existe
pas en commande vectorielle ou mme la reprise la vole se fait sans difficult.
La figure 5.4 reprsente la position de
s

"
pendant deux priodes en rgime quasi-stationnaire.
On voit bien que sa valeur est assujettie autour de la valeur de rfrence.
L'un des avantages du DTC est la facilit du passage en mode pleine onde lorsque la machine
doit tourner haute vitesse et que la tension est en limite des capacits de l'onduleur. A ce
moment, le cercle devient un hexagone et les courants sont plus riches en harmoniques. Le
nombre de commutations des interrupteurs est alors minimum pour une priode statorique
donne. Le dfluxage peut aussi s'oprer avec un schma de contrle trs simple. C'est pour
cela que le DTC convient tout particulirement pour la traction ferroviaire.
Des solutions ont t proposes afin de garder les avantages du DTC tout en y intgrant des
amliorations qui relvent de la commande vectorielle, notamment l'arrt et basse vitesse
[KAZ 95].
Cependant, le mme problme se pose nouveau, savoir une difficult obtenir des signaux
corrects de flux dans le repre statorique pour connatre son module et savoir dans quel
secteur de commutation l'on se trouve et quels sont les interrupteurs commuter.
2.4. Systme adaptatif utilisant un modle de rfrence ( MRAS )
Le MRAS ( Systme Adaptatif Modle de Rfrence ) est base sur la comparaison des
sorties de deux estimateurs. Le premier, qui n'introduit pas la grandeur estimer ( la vitesse
dans notre cas ), est appel modle de rfrence et le deuxime est le modle ajustable.
L'erreur entre ces deux modles pilote un mcanisme d'adaptation qui gnre la vitesse. Cette
dernire est utilise dans le modle ajustable. La premire tude du MRAS pour la machine
asynchrone est due Schauder [SCH 89].
La figure 5.5 prsente le schma synoptique du MRAS.
Chapitre V : Commande sans capteur mcanique
154
+
-

X
dv
Modle de rfrence
( Equations statoriques )
Modle adaptatif
( Equations rotoriques )
V
ds
, V
qs
, I
ds
, I
qs
X
qv
X
di
X
qi
Mcanisme
d'adaptation
Figure 5.5 Principe du MRAS
Le MRAS le plus courant se base sur les modles tension et courant de la machine asynchrone
crits dans le repre statorique.
Le modle de rfrence ( tension ) est reprsent par :

'

,
_

,
_


dt
dI
L I R V
M
L
dt
d
dt
dI
L I R V
M
L
dt
d
s
s s s s
r
rv
s
s s s s
r rv

( 5.11 )
Le modle adaptatif ( courant ) est lui dcrit par :

'

+
+
s
r
ri
r
ri
ri
s
r
ri ri
r
ri
I
M
dt
d
I
M
dt
d

p
1
( 5.12 )
L'erreur destine au correcteur est calcule suivant le produit crois :
ri rv rv ri
e


( 5.13 )
A l'examen de ces quations, il apparat vident, que l'on va se trouver confront aux
problmes d'intgration en boucle ouverte. De nombreux auteurs, parmi eux [HOL 93] et
[ILA 94] proposent d'utiliser des filtres passe-bas la place des intgrateurs purs. La
frquence de coupure est choisir avec soin, elle fixe le seuil de vitesse ou plutt de pulsation
statorique en dessous duquel la commande ne peut plus fonctionner correctement. Certes, si
une inversion de vitesse s'opre rapidement, le systme peut continuer fonctionner.
Nanmoins, si l'on reste trop longtemps trs basse vitesse, voir l'arrt, le contrle est
perdu.
Chapitre V : Commande sans capteur mcanique
155
Afin de palier ses problmes, des solutions de MRAS plus robustes ont t proposes, parmi
elles, citons celles proposes par Peng et Fukao [PEN 94]. Les auteurs vitent l'intgration et
utilisent les composantes E
s
et E
s
de f.c.e.m. de la machine. Leur produit crois entre le
modle tension et le modle courant, dfinit le critre d'erreur. Ils furent galement parmi les
premiers proposer d'utiliser un MRAS bas sur l'observation de l'nergie ractive
instantane plutt que sur le flux rotorique. Cette mthode se distingue galement par
l'absence de la rsistance statorique dans sa formulation, la rendant plus robuste aux variations
de ce paramtre par rapport ses prdcesseurs.
Un rapprochement peut se faire par rapport un observateur ( non tendu ) dans la manire
dont se fait le bouclage sur le modle adaptatif. Toutefois, dans le cas de l'observateur, le
modle de rfrence est le systme physique lui-mme. Nous y retrouvons donc les problmes
rencontrs dans le cas des observateurs.
En dfinitive, se pose toujours le mme problme basse vitesse, d'o l'utilisation dans
certaines applications de filtres passe-bas au lieu d'intgrateurs purs. Il faut galement ajouter
la question de convergence ( stabilit et rapidit ) de l'estimation et de la dpendance vis vis
des paramtres de la machine surtout en ce qui concerne le modle de rfrence.
2.5. Filtre de Kalman
Le filtre de Kalman est un observateur stochastique. Il permet de trouver la matrice de gain
optimale au sens de la minimisation des bruits sur les mesures et de l'incertitude sur les tats
du systme [BEN 91]. Les sources de bruit sont supposes gnrer des bruits blancs,
Gaussiens et non corrls. Il existe galement de la mme manire que l'ELO, le filtre de
Kalman tendu ( EKF ) pour les systmes non linaires.
Puisque la matrice de gain est prdtermine par l'algorithme du filtre, les rglages s'oprent
alors uniquement sur les matrices de covariance R et Q du filtre. Cependant, ces ajustements
peuvent conduire un cart par rapport au rglage optimum surtout dans le cas du filtre
tendu [DU 94].
Souvent, le filtre de Kalman tendu introduit un biais dans l'estimation, alors que l'ELO
n'introduit pas d'erreur statique. Ce biais peut tre compens par l'estimation de la rsistance
rotorique [MAN 94].
Enfin, le calcul ncessaire au filtre de Kalman est lourd et ncessite, entre autres, une
inversion de matrice, ce qui conduit des temps de calcul qui peuvent tre prohibitifs.
Les figures 5.6 5.10 reprsentent une simulation effectue avec une version de MASVECT
qui incorpore un filtre de Kalman tendu d'ordre 5. Les signaux issus du filtre ne sont pas
utiliss pour la ralisation de la commande vectorielle qui reste celle introduite dans le
chapitre II. La priode d'chantillonnage du filtre a t fixe 500 s ce qui correspond
l'ordre de grandeur d'excution de l'algorithme sur les processeurs de signaux [MAN 94],
[WES 97]. Le contrle reprend les caractristiques voqus en Annexe 3.
Tout d'abord, on laisse le flux s'tablir, puis t=0,8 s, on applique une consigne de vitesse de
rfrence de -400 tr/mn, t=1,3 s, une consigne de 400 tr/mn, enfin la machine est charge
20 Nm t=1,8 s.
Chapitre V : Commande sans capteur mcanique
156
En ce qui concerne la vitesse, on observe sur la figure 5.6 une dynamique de rponse assez
faible et la prsence d'une erreur statique.
Quant aux courants I
s
et I
s
( figures 5.7 et 5.8 ), ainsi que les flux rotoriques
r
et
r
( figures 5.9 et 5.10 ), le filtre de Kalman tendu les reconstitue avec une bonne prcision sauf
quand la vitesse est proche de zro. La prcision est meilleure sur ces grandeurs car il y a
nettement moins d'incertitude sur leur tat que sur celui de la vitesse, puisque c'est un filtre
d'ordre 5. La vitesse est alors considre comme un paramtre qui change lentement par
rapport aux grandeurs lectromagntiques.
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-600
-400
-200
0
200
400
600
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Filtre de Kalman Etendu
Wm Machine
Wm EKF
Figure 5.6 Evolution de la vitesse
0.00 0.40 0.80 1.20 1.60 2.00
temps (s)
-20.00
-10.00
0.00
10.00
20.00
I

(
A
)
Filtre de Kalman Etendu
I alphas Machine
I alphas EKF
Figure 5.7 Evolution du courant statorique ( composante alpha )
Chapitre V : Commande sans capteur mcanique
157
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-20.00
-10.00
0.00
10.00
20.00
I

(
A
)
Filtre de Kalman Etendu
I betas Machine
I betas EKF
Figure 5.8 Evolution du courant statorique ( composante beta )
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Filtre de Kalman Etendu
Phi alphar Machine
Phi alphar EKF
Figure 5.9 Evolution du flux rotorique ( composante alpha )
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Filtre de Kalman Etendu
Phi betar Machine
Phi betar EKF
Figure 5.10 Evolution du flux rotorique ( composante beta )
Chapitre V : Commande sans capteur mcanique
158
La figure 5.11 montre l'volution de la vitesse dans le cas d'un filtre de Kalman tendu
d'ordre 6 qui estime aussi le couple rsistant ( statique ) ( quations 5.6 ). Le systme est
beaucoup plus stable que le prcdent et a une meilleure dynamique vide. Cependant, il est
difficile de le rgler surtout en ce qui concerne le bruit sur l'tat du couple. Une petite valeur
de l'incertitude sur l'tat va permettre d'avoir une trs bonne rponse de la vitesse vide ( cas
prsent dans cette simulation, figure 5.11 ) alors qu'une grande valeur permet d'avoir une
rponse dynamique mais bruite sur le couple rsistant et donc sur la vitesse.
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
temps (s)
-800
-600
-400
-200
0
200
400
600
800
1000
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Filtre de Kalman Etendu
ordre 6
Wm Machine
Wm EKF
Figure 5.11 Evolution de la vitesse, cas d'un EKF d'ordre 6
Westerholt et al. recommandent d'estimer le couple statique auquel on ne peut, bien sr,
associer aucune quation physique donnant ses variations. La convergence des estimations est
acclre en utilisant un EKF d'ordre 6 qui introduit le couple de charge comme variable
d'tat. Les auteurs expriment galement l'importance de la discrtisation et de la linarisation
au second ordre [WES 92], [MAN 94].
Le grand problme des filtres de Kalman tendus, est de rgler les matrices R et Q. Elles
correspondent la confiance accorde aux mesures et aux quations d'tat. Le temps de calcul
requis pour excuter l'algorithme est galement un frein l'implantation de cet estimateur sur
des micro-contrleurs ou des processeurs peu puissants.
2.6. Autres mthodes
Dans ce paragraphe, nous regroupons les mthodes d'estimation de la vitesse et/ou de la
position de la machine asynchrone qui reposent sur les caractristiques gomtriques et
physiques de construction de la machine.
La premire mthode que nous prsentons est celle des harmoniques d'espace dues aux
encoches rotoriques [RAJ 96], [ZIN 90]. La frquence de glissement est dtermine grce aux
harmoniques d'encoche qu'on retrouve dans les tensions de phase statoriques. On limine le
fondamental par la sommation des trois tensions de phase, puis l'on se dbarrasse de
l'harmonique 3. La mthode n'est cependant pas exploitable sur toutes les machines et ne
fonctionne correctement que pour des vitesses suprieures une vitesse de l'ordre de
Chapitre V : Commande sans capteur mcanique
159
300 tr/mn si l'on n'utilise que l'amplitude du signal. D'autres variantes prennent en compte la
dtection de la frquence des harmoniques d'encoche.
J ansen et Lorenz [J AN 95] ont mis au point une mthode d'estimation de la position et de la
vitesse de la machine asynchrone base sur la variation sinusodale de l'inductance de fuite
tout autour de la circonfrence du rotor. Ces auteurs mettent en avant l'existence
d'harmoniques dus la saturation des encoches. Le processus d'extraction de l'information
passe par l'injection d'un signal de 555 Hz [J AN 96] superpos aux signaux de commande
classiques de l'onduleur. Le courant est ensuite filtr et dbarrass de son fondamental et de la
composante directe de la porteuse. Un observateur est alors utilis pour extraire l'information
spatiale contenue dans la composante inverse de la porteuse. Il est alors possible, l'aide de ce
schma htrogne en boucle ferm, d'obtenir la vitesse puis la position du rotor de toute
machine prsentant une saillance qui dpend de la position rotorique.
Cette mthode fonctionne correctement pour les rgimes saturs. Il n'est donc pas possible de
l'utiliser au-dessus de la vitesse de base, en mode de dfluxage. Nanmoins, pour cette plage
de vitesse, l'estimation du flux par les f.e.m. est efficace. On peut alors penser un schma
hybride avec une logique de basculement. La mthode a toutefois montr certaines
complications et limitations sur des machines encoches fermes [J AN 96]. Elle ne doit donc
tre utilise que pour les machines encoches ouvertes ou semi-fermes.
Cilia et al. [CIL 97a],[CIL 97b] ont par ailleurs utilis cette mthode avec une porteuse de
283,5 Hz sur des rotors double cage. La cage extrieure t modifie de manire obtenir
une inductance qui varie sinusodalement avec la position du rotor sur un pas polaire. Les
auteurs ont galement tudi les ondulations de couple qui en rsulte dans un schma de
contrle vectoriel classique. D'autres auteurs ont exploit l'excentricit dynamique existante
de fait dans une machine. Cependant, l'utilisation d'asymtries prvues par construction
conduit de meilleurs rsultats en ce qui concerne les vibrations.
L'avantage fondamental par rapport aux mthodes bases sur des observateurs est qu'avec des
observateurs, quand la pulsation statorique est nulle, le systme n'est plus observable et il n'est
pas possible de reconstituer la vitesse de la machine [HOL 93].
Alors qu'ici, l'injection d'une porteuse diffrente du fondamental va permettre de suivre la
position et la vitesse de la machine mme frquence statorique fondamentale nulle puisque
l'estimation ne dpend plus de cette frquence.
3. Mthode propose
Nous venons de passer en revue de nombreuses mthodes de commande visant se librer du
capteur mcanique. Ces mthodes, n'ont cependant pas cess de crotre en complexit. A
travers l'tude, les simulations, les essais et la mise au point de certaines de ces commandes, il
nous est apparu clairement que le problme crucial rside dans l'intgration des termes de
tension statorique.
Tout d'abord, avant de procder une commande en vitesse, il faut dj obtenir une
commande en couple performante. Si l'on dsire avoir une commande vectorielle en
rgulation de couple qui se passe de la mesure de vitesse, il est clair que c'est vers une
commande directe plutt qu'indirecte que l'on va se tourner.
Chapitre V : Commande sans capteur mcanique
160
Vient alors le choix du flux orienter
16
. Dans le cas d'une commande indirecte on prfre une
commande vectorielle par orientation du flux rotorique cause du haut degr de dcouplage
entre les deux axes qu'elle procure quand les paramtres dans la formule de calcul du
glissement sont corrects.
Pour une commande directe, la solution d'orienter le flux statorique parat plus intressante.
L'estimation du flux statorique est plus robuste car elle introduit moins de paramtres de la
machine. Elle est plus efficace, en terme de gestion de tension statorique, fort apprciable en
rgime de dfluxage [XU 91], [De D 94a].
La stabilit n'est pas en reste. Xu et al. [XU 88] ainsi que Profumo et al. [PRO 91] ont montr
que, dans le cas du DRFO ( commande Directe par Orientation du Flux Rotorique ), en
rgime permanent, le couple de dcrochage varie avec l'erreur sur la connaissance de
l'inductance de fuite et de l'inductance rotorique. Alors que dans le cas d'une commande
directe par orientation du flux statorique ( DSFO ), ce couple de dcrochage n'est pas fonction
de l'erreur de ces estimations. Il est alors plus facile de fixer la limite sur la rfrence du
couple afin d'assurer la stabilit.
Du point de vue dynamique, la commande DRFO fait intervenir le terme de l'inductance de
fuite dans l'estimation du flux rotorique. Cette estimation se retrouve dans la boucle de retour
du systme. Or les performances d'un systme fonctionnant en boucle ferme dpendent
essentiellement de la qualit du signal de retour. Le DSFO utilise, lui, comme signal de retour
le flux statorique dont l'estimation est plus prcise que ne l'est celle du flux rotorique.
En conclusion, il apparat naturel de choisir le flux statorique dans le cas d'une commande
vectorielle directe.
La machine sur laquelle nous avons travaill ( Annexe 1 ) dispose d'enroulements
supplmentaires disposs en quadrature au stator [KHE 95]. Le but de ces enroulements est de
se passer de la connaissance de la rsistance statorique et d'accder directement aux f.e.m. de
la machine des fins de commande. D'autres tudes ont dj eu lieu utilisant des prises de
mesure sur les bobines statoriques ( tapped stator windings ) [LIP 86], [ZIN 90], [De D 94b].
La f.e.m. d'une phase tant alors estime partir de la diffrence de tension entre deux
bobines d'une mme phase. [LIP 86] utilise ces bobines afin de pouvoir estimer les flux et le
couple lectromagntique de la machine. [ZIN 90] estime le flux d'entrefer puis l'utilise afin
de reconstituer le flux rotorique pour une commande vectorielle directe. [De D 94b] utilise
cette technique de mesure afin d'implanter une commande hybride indirecte et directe ( mais
avec capteur mcanique ) de son contrleur vectoriel "universel" [De D 94a].
Ces auteurs s'accordent sur le fait que le flux issu de l'intgration des f.e.m. recueillies de cette
manire correspond en fait au flux d'entrefer de la machine quelques fuites prs [ZIN 90]. Il
est difficile de dire si c'est le flux d'entrefer ou le flux statorique qui est rcolt.
Dans le cas des bobines supplmentaires de notre machine, il s'agit du flux statorique puisque
les capteurs ne sont pas situs au milieu de l'entrefer mais l'intrieur des encoches
statoriques, prs de l'entrefer. Il n'y donc pas l'inductance de fuite dans sa totalit qui
intervient.
Nous en venons au problme d'intgration. Peu d'auteurs traitent directement de ce problme
extrmement important. [XU 91] procde au calibrage des convertisseurs A/N chaque fois
que le systme est mis en route. Ces convertisseurs sont tout d'abord lus des centaines de fois
alors que le systme n'est pas encore activ. La valeur moyenne ainsi obtenue est utilise
comme offset et elle est retranche de la mesure pendant la marche normale. Il adjoint cette
correction une frquence d'chantillonnage importante de 64,1 kHz. La moyenne de 16

16
En vrit, c'est le systme d'axes d-q tournant au synchronisme que l'on oriente de manire faire porter
entirement le flux choisi sur l'axe d.
Chapitre V : Commande sans capteur mcanique
161
mesures conscutives est utilise dans les calculs. Cela permet d'avoir un pas d'intgration
effectif de 15,6 s alors que l'intgration n'est effectue que toutes les 250 s.
[CHA 96] procde, quant lui, par intgration de ces deux signaux indpendamment puis les
retranche.
Les problmes d'offset et de quantification constituent le maillon faible de cette intgration en
boucle ouverte. Au bout d'un certain temps de fonctionnement du contrle, le terme continu
intgr peut devenir trs grand jusqu' arriver la limite de reprsentation numrique du
calculateur utilis. Gnralement, le systme se r-initialise de lui-mme gnrant nanmoins
un -coup de couple.
Il arrive galement, si les valeurs d'offset sont mal identifies ou si elles ont chang au cours
du fonctionnement, que les signaux des flux aient une allure sinusodale mais avec une valeur
moyenne qui drive dans le temps.
D'autres auteurs utilisent des filtres passe-bas, simples ( [HOL 93], [VRA 98] , [HUR 98] ) ou
multiples, ( en cascade [BOS 95] ), avec une frquence de coupure trs faible au lieu
d'intgrateurs purs afin de diminuer la sensibilit aux faibles vitesses.
La mthode que nous proposons part des constatations de [DOD 98] sur la possibilit
d'intervenir sur les signaux des flux en temps rel. Les composantes
s
et
s
du flux
statorique tant dphases de 90. Il s'avre que pour liminer l'offset d'un des deux signaux,
il suffirait de lui ter la valeur qu'a ce signal quand son homologue passe par un extremum.
Nous avons donc dvelopp un algorithme qui permet de suivre les deux signaux
s
et
s
sur une fentre glissante cinq valeurs afin d'y reprer le minimum ou le maximum. La
correction s'oprant sur l'autre signal et vice versa. Ainsi, tous les quarts de priode, une
correction s'opre, diminuant fortement la drive des signaux.
La figure 5.12 montre le processus de correction oprant sur les signaux exprimentaux des
flux.
De plus, aprs calcul de l'angle de la transformation de Park et de la pulsation statorique,
l'offset liminer en amont sur les signaux des f.e.m. est estim et ajust de manire plus
lente que ne l'est celui des flux. Ceci permet de diminuer les corrections brutales sur les
signaux des flux et ainsi de moins perturber l'angle
s
. Aprs convergence des offsets vers
leurs valeurs nominales, les flux
s
et
s
ont la forme reprsente par la figure 5.13. Ces
offsets sont limits afin d'viter des corrections inefficaces dans le cas o le systme se
retrouve bloqu. Par ailleurs, nous suspendons les corrections pour les chantillonnages
suivant l'ajustement de manire ne pas avoir d'oscillations indsirables.
Des publications rcentes s'intressent l'utilisation de mthodes simples d'estimation et aux
problmes d'intgration des tensions statoriques [VRA 98], [HUR 98], [DOD 98], [BAG 98],
[TZO 96].
[KAT 97] utilise un observateur adaptatif dont la vitesse est la sortie d'un correcteur PI. Dans
[VRA 98] et [HUR 98], les auteurs utilisent une commande RDFO base sur une estimation
du flux statorique. Leur mthode de dtection est base sur le suivi du passage par zro des
signaux flux. La correction s'opre sur l'extremum du flux en lui tant sa valeur moyenne pic-
-pic. Par rapport celle que nous proposons, cette mthode est sujette une erreur sur la
dtection du "vrai" passage par zro dans le cas o le flux comporterait un offset.
Chapitre V : Commande sans capteur mcanique
162
0.00 0.04 0.08 0.12 0.16 0.20
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Figure 5.12 Signaux exprimentaux des flux
s
et
s
quand les offsets ne sont pas ajusts
0.00 0.04 0.08 0.12 0.16 0.20
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Figure 5.13 Signaux exprimentaux des flux
s
et
s
aprs que
les offsets auto-ajustables aient atteint leurs valeurs nominales
Les figures 5.14 5.16 permettent la comparaison entre les f.e.m. reconstitues par rapport
celles issues de la mesure l'aide des enroulements supplmentaires [BAG 98]. La
reconstitution utilise en guise de tension, les termes V
*
s
et V
*
s
issus, aprs transformation,
des rgulateurs de courant. Il faut noter queV
*
ds
et V
*
qs
sont constants sur deux priodes MLI.
On remarque que les f.e.m. reconstitues sont plus dformes basse vitesse et qu'il existe un
dphasage avec les signaux mesurs. Il dpend principalement de la valeur de la rsistance
statorique utilise.
Ainsi, le schma de contrle prsent ici est meilleur car il ne dpend pas de ce paramtre.
Chapitre V : Commande sans capteur mcanique
163
0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-50.00
-25.00
0.00
25.00
50.00
f
.
e
.
m
.

(
V
)
f.e.m. 100 tr/mn
E alphas mesur
E alphas reconstitue
Figure 5.14 f.e.m. 100 tr/mn
0.00 0.04 0.08 0.12 0.16 0.20
temps (s)
-150.00
-100.00
-50.00
0.00
50.00
100.00
150.00
f
.
e
.
m
.

(
V
)
f.e.m. 350 tr/mn
E alphas mesure
E alphas reconstitue
0.00 0.04 0.08 0.12 0.16 0.20
temps (s)
-150.00
-100.00
-50.00
0.00
50.00
100.00
150.00
f
.
e
.
m
.

(
V
)
f.e.m. 600 tr/mn
E alphas mesure
E alphas reconstitue
Figure 5.15 f.e.m. 350 tr/mn Figure 5.16 f.e.m. 600 tr/mn
La mthode de compensation dynamique ainsi dveloppe permet d'obtenir une commande
vectorielle DSFO en couple aussi performante que la commande IRFO. En effet, la qualit de
reconstitution de l'angle
s
est remarquable jusqu' des vitesses de 30 tr/mn, la vitesse
nominale de la machine tant de 1420 tr/mn.
A des fins de comparaison, nous prsentons les courbes exprimentales correspondant une
inversion de vitesse en DSFO ( figures 5.17 5.20 ) et en IRFO ( figures 5.21 5.24 ). La
vitesse est mesure et utilise pour la rgulation de vitesse dans les deux cas. Cependant, en
DSFO, la commande vectorielle en couple est bien sans capteur mcanique, alors que dans le
cas du IRFO, l'angle de Park est calcul partir des signaux issus de l'encodeur incrmental.
Bien qu'il n'y ait pas de rgulateur de flux ( le flux tant impos par le courant I
ds ref
qui est
constant dans cette plage de vitesse ), on observe des flux d'amplitude constante ( figures 5.20
et 5.24 ).
Notons galement que les courants I
ds
et I
qs
sont bien rguls autour de leurs consignes et que
I
ds
n'est pas perturb par les changements importants de I
qs
, ce qui prouve l'efficacit du
dcouplage introduit par le contrle vectoriel.
Chapitre V : Commande sans capteur mcanique
164
A travers la figure 5.18, lorsque I
qs ref
est en but 16,5 A, le courant I
qs
n'atteint pas cette
limite. En effet, cet instant, la vitesse change trs rapidement et les rgulateurs de courant
PI, qui sont labors pour un systme totalement dcoupl ( quation 5.14 ), ne sont pas assez
rapides pour compenser les termes de couplage qui existent entre les axes d et q.
*
1
1 1
qs
s s
qs
V
p R
I
+

( 5.14 )
En ce qui concerne le contrle vectoriel par orientation du flux rotorique, il est simple de
calculer les termes de dcouplage injecter dans les boucles de rgulation [BAG 96a]. Alors
que pour le contrle DSFO, ces formules sont plus complexes et requirent trop de temps de
calcul du DSP par rapport au gain de performances qu'elles apportent. Comme on le remarque
sur la figure 5.22, on calcule ces termes pour le contrle IRFO. Il en rsulte un courant I
qs
qui
suit particulirement bien sa rfrence. La diffrence n'est cependant perceptible que sur les
larges changements de vitesse.
Ces termes ne sont pas confondre avec le courant de compensation ( galement appel de
dcouplage ) qu'il faut ajouter au courant I
ds ref
dans le cas du DSFO [De D 94a], [BOS 95],
[BAG 98],
r
qs r r
dqs
p
I
I

1
( 5.15 )
qui compense en partie la chute de flux statorique en charge.
Le rgulateur de vitesse utilis ici est un peu plus lent que ceux prsents dans les chapitres
prcdents afin d'viter des oscillations nfastes et des phnomnes de pompage sur le courant
I
qs
, particulirement basse vitesse. En effet, on remarque que le courant I
qs
du DSFO est
lgrement plus perturb ( figure 5.18 ) que ne l'est celui du IRFO ( figure 5.22 ). Ceci est d
la transformation de Park inverse appliques aux courants mesurs. En effet, elle fait
intervenir l'angle
s
qui est affect par les corrections d'offset. Ces corrections sont
interprtes par les rgulateurs de courant comme des variations de courant.
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
0.00
100.00
200.00
300.00
400.00
500.00
600.00
700.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Wm ref
Wm
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
C
o
u
r
a
n
t
s

(
A
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Iqs ref
Iqs
Figure 5.17 Vitesse de la machine, DSFO Figure 5.18 Courants I
qs ref
et I
qs
, DSFO
Chapitre V : Commande sans capteur mcanique
165
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
0.00
5.00
10.00
15.00
C
o
u
r
a
n
t
s

(
A
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Ids ref
Ids
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Phi alphas
Phi betas
Figure 5.19 Courants I
ds ref
et I
ds
, DSFO Figure 5.20 Flux
s
et
s
, DSFO
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
0.00
100.00
200.00
300.00
400.00
500.00
600.00
700.00
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Wm ref
Wm
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-5.00
0.00
5.00
10.00
15.00
20.00
C
o
u
r
a
n
t
s

(
A
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Iqs ref
Iqs
Figure 5.21 Vitesse de la machine, IRFO Figure 5.22 Courants I
qs ref
et I
qs
, IRFO
Chapitre V : Commande sans capteur mcanique
166
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
0.00
5.00
10.00
15.00
C
o
u
r
a
n
t
s

(
A
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Ids ref
Ids
-0.10 0.00 0.10 0.20 0.30 0.40 0.50
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Echelon de vitesse
50 tr/mn 600 tr/mn
Phi alphas
Phi betas
Figure 5.23 Courants I
ds ref
et I
ds
, IRFO Figure 5.24 Flux
s
et
s
, IRFO
Ce schma de commande a t expriment jusqu' 50 tr/mn avec des rponses satisfaisantes.
En dessous de cette vitesse, il n'est pas possible d'effectuer des changements brutaux sur la
rfrence de vitesse sans perdre le contrle vectoriel. Nous pouvons faire des changements
lents jusqu' 30 tr/mn mais le fonctionnement est instable cette vitesse en mode direct. A
faible vitesse et l'arrt, il est impossible d'utiliser cette mthode. En effet, les f.e.m.
deviennent d'amplitude trop faible et de priode trop large. Elles sont perturbes par le bruit
de mesure et l'algorithme de compensation d'offset n'est d'aucun secours. Les flux obtenus
alors par intgration sont inutilisables pour le contrle vectoriel.
Bose et al. [BOS 95] recommandent de passer en contrle vectoriel indirect trs basse
vitesse. Cependant, cela suppose la connaissance de la vitesse afin de reconstituer la pulsation
statorique et l'angle de Park. Une approximation est faite en posant la vitesse comme nulle, la
pulsation statorique est alors gale la pulsation rotorique donne par :
ds s ds
qs r
r
S
r
I L
I p
L

+

) 1 (
( 5.16 )
Nous utilisons galement cette relation en contrle direct, l'estimation de vitesse tant gale
la diffrence entre la pulsation statorique et rotorique. Il peut tre intressant de ne pas utiliser
le terme "driv" afin de ne pas amplifier le bruit sur le courant I
qs
et ne pas le reporter dans
l'estimation de la vitesse [XU 91]. Cela veut dire que l'on se contente d'une estimation base
sur le rgime permanent ( du courant dcrit dans le repre d-q ). Nanmoins, comme le
contrle vectoriel ralis par la mthode directe n'implique pas l'utilisation de cette estimation
de vitesse, et qu'il n'est utilis que pour la vitesse de la machine, cette approximation peut se
justifier.
Chapitre V : Commande sans capteur mcanique
167
3.1. Commande vectorielle sans capteur avec rgulation de vitesse
J usqu' prsent, nous avons prsent une commande vectorielle sans capteur mcanique avec
rgulation de courant ; c'est dire une commande en couple. Nous abordons maintenant la
commande en vitesse avec une rgulation sur une vitesse estime et non pas mesure.
Dans le souci de simplicit, l'estimateur lmentaire de vitesse est utilis. De plus, afin de
pouvoir dmarrer ou rcuprer le contrle en cas de dcrochage, un schma de contrle
vectoriel hybride a t implant. Il permet de passer d'un ISFO un DSFO et vice versa.
Les figures 5.25 5.28 reprsentent la rponse du systme un chelon de vitesse de
-300 tr/mn 300 tr/mn. Il est important de noter que, comme l'inversion de vitesse s'effectue
rapidement, il n'y pas perte de contrle vectoriel. Cependant, quand la vitesse est proche de
zro, le dcouplage n'est plus parfait et cela se ressent sur les perturbations engendres par les
variations de I
qs
sur I
ds
( figure 5.27 ). Il est noter la diffrence qui existe entre la vitesse
estime ( utilise comme signal de retour dans la rgulation de vitesse ) et celle mesure
( uniquement des fins de comparaison ) ( figure 5.25 ). Les oscillations observes ont dj
t amoindries par l'utilisation de filtres sur les estimations des pulsations statorique et
rotorique. Malheureusement, cela introduit galement un retard sur la vitesse reconstitue qui
doit jouer sur le phnomne de pompage constat.
0.00 0.50 1.00 1.50 2.00
temps (s)
-400
-300
-200
-100
0
100
200
300
400
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Inversion de vitesse
-300 tr/mn 300 tr/mn
Wm ref
Wm mesure
Wm estime
0.00 0.50 1.00 1.50 2.00
temps (s)
-15.00
-10.00
-5.00
0.00
5.00
10.00
15.00
20.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-300 tr/mn 300 tr/mn
Iqs ref
Iqs
Figure 5.25 Vitesse de la machine Figure 5.26 Courants I
qs ref
et I
qs
Chapitre V : Commande sans capteur mcanique
168
0.00 0.50 1.00 1.50 2.00
temps (s)
0.00
5.00
10.00
15.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-300 tr/mn 300 tr/mn
Ids ref
Ids
0.00 0.50 1.00 1.50 2.00
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Inversion de vitesse
-300 tr/mn 300 tr/mn
Phi alphas
Phi betas
Figure 5.27 Courants I
ds ref
et I
ds Figure 5.28 Flux
s
et
s
Les figures 5.29 5.32 montrent une inversion de vitesse de -600 tr/mn 600 tr/mn. L'chelle
de temps tant plus petite et les variations plus grandes, il est plus ais de constater de la
qualit de l'estimation de vitesse. On voit bien que la rgulation se fait correctement par
rapport la variable estime. Cependant, l'estimation n'est pas rigoureuse et l'on observe
galement en plus des oscillations de la vitesse relle de la machine, une erreur statique due
une sous-estimation de la pulsation rotorique.
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-800
-600
-400
-200
0
200
400
600
800
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Inversion de vitesse
-600 tr/mn 600 tr/mn
Wm ref
Wm mesure
Wm estime
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-15.00
-10.00
-5.00
0.00
5.00
10.00
15.00
20.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-600 tr/mn 600 tr/mn
Iqs ref
Iqs
Figure 5.29 Vitesse de la machine Figure 5.30 Courants I
qs ref
et I
qs
Chapitre V : Commande sans capteur mcanique
169
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
0.00
5.00
10.00
15.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-600 tr/mn 600 tr/mn
Ids ref
Ids
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Inversion de vitesse
-600 tr/mn 600 tr/mn
Phi alphas
Phi betas
Figure 5.31 Courants I
ds ref
et I
ds Figure 5.32 Flux
s
et
s
Dans l'essai suivant ( figures 5.33 5.36 ), nous remettons nouveau le rgulateur de vitesse
sur l'entre de la mesure de vitesse, bien que nous n'utilisons pas cette mesure dans la
commande vectorielle ( commande en couple sans capteur ). Nous voulons mettre en vidence
le passage du mode direct au mode indirect. A basse vitesse, nous oprons une inversion de
-100 tr/mn 100 tr/mn. Sur la figure 5.36, nous observons vers t=0 s, des flux qui s'annulent
et une perte du contrle vectoriel direct. L'algorithme de slection du contrle repre cette
anomalie et se met en contrle indirect ( ISFO ). Toute la pulsation statorique vient alors
uniquement de la pulsation rotorique, puisque le contrle suppose la vitesse nulle. Il est alors
normal de se retrouver pour de si faibles couples rsistants avec des glissements trs levs et
des courants I
qs
consquents. Au bout de 0,4 s, les flux sont nouveaux rtablis et
l'algorithme d'adaptation en ligne recommence se rgler. Le passage nouveau vers le mode
direct est alors imminent. Aprs un petit laps de temps, ncessaire la stabilisation des flux,
le basculement en mode direct se fait avec un lger -coup de couple correspondant au
changement sur la manire de synthtiser l'angle de Park. Le glissement revient alors des
valeurs raisonnables de mme que le courant I
qs
.
Chapitre V : Commande sans capteur mcanique
170
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-200
-100
0
100
V
i
t
e
s
s
e

(
t
r
/
m
n
)
Inversion de vitesse
-100 tr/mn 100 tr/mn
Wm ref
Wm
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-10.00
-5.00
0.00
5.00
10.00
15.00
20.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-100 tr/mn 100 tr/mn
Iqs ref
Iqs
Figure 5.33 Vitesse de la machine Figure 5.34 Courants I
qs ref
et I
qs
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
0.00
5.00
10.00
15.00
C
o
u
r
a
n
t
s

(
A
)
Inversion de vitesse
-100 tr/mn 100 tr/mn
Ids ref
Ids
0.00 0.20 0.40 0.60 0.80 1.00
temps (s)
-1.50
-1.00
-0.50
0.00
0.50
1.00
1.50
F
l
u
x

(
W
b
)
Inversion de vitesse
-100 tr/mn 100 tr/mn
Phi alphas
Phi betas
Mode de fonctionnement
Figure 5.35 Courants I
ds ref
et I
ds Figure 5.36 Flux
s
et
s
4. Techniques " intelligentes" de commande sans capteur
Dans ces dix dernires annes, une nouvelle gnration de contrle base sur l' "intuition" et
le "jugement" a vu le jour. Les chercheurs l'ont nomm "contrle intelligent" ( IC ) [EL-S 97].
Leur but principal tant de parvenir un contrle simple, adaptatif et performant. Ces
contrleurs offrent la possibilit d'obtenir la reproduction des dynamiques d'un systme
complexe non linaire seulement travers ces entres / sorties, sans avoir recours un modle
Chapitre V : Commande sans capteur mcanique
171
structurel. Ils peuvent exprimer des objectifs qui sont difficiles exprimer
mathmatiquement.
Les plus communes de ces techniques sont la logique floue et les rseaux de neurones.
Nous n'abordons ici que les mthodes de commande sans capteur mcanique faisant appel
ces techniques.
On peut distinguer deux catgories :
En premier, il y a les mthodes qui utilisent des contrleurs flous, neuronaux, neuro-flous au
sein d'un schma de commande dans lequel l'estimation de la vitesse se fait par les procds
conventionnels dj mentionns [VAS 95], [MIR 94]. Il n'est cependant pas vident que
l'utilisation de tels rgulateurs montre leur supriorit sur des rgulateurs conventionnels
relativement sophistiqus. Effectivement, dans la plupart des cas, un contrleur classique est
largement suffisant pour venir bout des tches accomplir. Ce qui est intressant, c'est
plutt la possibilit que l'on a, avec un contrleur intelligent, d'implanter des connaissances
d'expert. Le rglage et la mise au point de ces correcteurs se font aussi avec une approche
diffrente par rapport aux rgulateurs classiques.
La deuxime catgorie est celle o les estimations de vitesse se font l'aide de ces techniques.
C'est principalement par des rseaux de neurones [KUL 97], [BUR 97] que l'estimation a lieu.
En effet, sa capacit d'apprentissage lui permet de calquer le fonctionnement du systme en
crant un modle invers comme le montre la figure 5.37.
NN
( Perceptron )
Estimateur de
vitesse
( I
ds
[i], I
ds
[i-1],, I
ds
[i-n] )
( I
qs
[i], I
qs
[i-1],, I
qs
[i-n] )
( V
ds
[i], V
ds
[i-1],, V
ds
[i-m] )
( V
qs
[i], V
qs
[i-1],, V
qs
[i-m] )
] [

i
Figure 5.37 Structure d'un estimateur de vitesse base de rseau de neurones
Cet estimateur, prsent dans [KUL 97], utilise, en entre, les quatre dernires valeurs de
courant I
ds
et I
qs
et les trois dernires valeurs de tension V
ds
et V
qs
. Avec une couche cache de
10 12 neurones, il arrive, aprs apprentissage, estimer la vitesse avec une prcision de 3 %
sur tout un cycle de variation de vitesse.
Il est toutefois, trs important de bien comprendre le fonctionnement et l'essence mme du
rseau de neurones, sinon, on tombe vite dans une course vers des systmes inutilement
compliqus, sans apport d'efficacit. Le type du rseau de neurones, la mthode
d'apprentissage, le choix de l'ensemble d'apprentissage et de l'ensemble de validation sont
autant de problmes auxquels doit faire face le concepteur d'un tel systme [PIE 96].
Un mauvais choix de mthode d'apprentissage, par exemple, consiste continuer
l'apprentissage en ligne mme quand le systme de commande vectorielle de la machine est
en rgime permanent. Ceci va faire perdre l'information acquise pendant les transitoires qui
est ncessaire un balayage large de tout l'espace de fonctionnement du systme.
Chapitre V : Commande sans capteur mcanique
172
5. Conclusion
La commande sans capteur mcanique est en pleine volution. Si le contrle pour des vitesses
leves ne pose plus beaucoup de problmes, il n'en est pas de mme pour les faibles vitesses
et le positionnement. Deux voies de recherche, correspondant deux techniques diffrentes,
font l'objet de recherches intensives dans les laboratoires.
La premire est base sur le suivi des phnomnes dpendant de la vitesse ( f.c.e.m. ). La
deuxime concerne les saillances spatiales [HOL 98 ]. Etant donn que les techniques qui
cherchent estimer le flux ou la vitesse du rotor travers l'utilisation des f.c.e.m. se basent
sur une grandeur qui est fonction de la vitesse, elles pchent par un manque de prcision
vitesse faible et nulle. Ces techniques sont cependant trs efficaces pour les vitesses plus
leves.
Les mthodes bases sur les saillances spatiales peuvent tre divises en deux sous-groupes
suivant qu'elles utilisent le fondamental des grandeurs lectriques ou un signal additionnel
indpendant de ces grandeurs. Ces dernires sont plus appropries pour les trs basses vitesses
puisqu'elles ne dpendent pas de l'amplitude ou de la frquence du fondamental [DEG 97].
Notre contribution dans ce domaine concerne l'implantation d'une commande vectorielle
directe sans capteur mcanique. Elle a comme avantage de ne pas dpendre de la rsistance
statorique et ne ncessite qu'une modification mineure la construction de la machine. De
plus, un algorithme de compensation d'offset en ligne a t mis au point. Il est de surcrot
utilisable pour d'autres types de commandes qui ncessitent une estimation rapide des
composantes du flux statorique comme, par exemple, la commande directe du couple ( DTC ).
Un tat de l'art sur les techniques de commande sans capteur mcanique a t dress. Nous
avons mis en vidence l'importance considrable de certains problmes de mesure sur la
qualit du contrle. Par une amlioration de ces conditions, l'utilisation de simples estimateurs
de flux suffit la ralisation d'une commande sans capteur performante dans son domaine
d'utilisation.
Conclusion gnrale
173
Conclusion gnrale
Conclusion gnrale
Conclusion gnrale
174
Conclusion gnrale
175
Actuellement, l'utilisation des techniques prsentes dans ce mmoire concerne de
nombreuses applications relatives aux machines et leur commande.
Les algorithmes gntiques sont utiliss pour l'identification des paramtres de modles et
pour le rglage et l'optimisation des rgulateurs et des estimateurs.
La logique floue est utilise en rgulation de bien des manires. Le rgulateur peut tre
classique et rendu adaptatif par un superviseur flou ou alors tre entirement flou.
Par contre, la logique floue n'est pas utilise pour la modlisation de systmes rencontrs dans
ce domaine puisqu'on estime que les quations de la physique conduisent un modle de
connaissance suffisamment reprsentatif de la ralit dans le domaine du gnie lectrique.
Les rseaux de neurones ont, quant eux, deux principales utilisations, en "approximateur"
universel et en "classificateur". La capacit d'apprentissage d'un rseau de neurones sur un
ensemble de donnes lui permet d'adopter une raction conforme face des cas peu diffrents
de ceux auxquels il a t habitu. La classification permet la distinction et la formation de
groupes ayant des caractristiques similaires, parfois caches. Le diagnostic de dfaut est
l'application la plus rencontre dans ce cas de figure.
Le perceptron a longtemps t le seul rseau de neurones tre utilis cause de sa
simplicit. La puissance des calculateurs augmentant, on commence rencontrer les RBF et
des rseaux plus complexes qui ne sont pas propagation directe.
L'estimation des paramtres et de l'tat de la machine n'est pas en reste puisque les mthodes
base de logique floue et de rseaux de neurones se retrouvent de plus en plus souvent dans les
algorithmes dits de "contrle intelligent". Ainsi, on s'vertue allier la puissance de calcul des
DSP actuels ces techniques dans le but d'augmenter la robustesse de la commande ou de
rduire le nombre de capteurs utiliss. Le sujet qui a suscit le plus d'tudes dans ce domaine
est sans doute celui de la commande sans capteur de vitesse.
Notre travail a consist tudier ces techniques et leur application dans le but de commander
une machine asynchrone. Nous avons essay de les prsenter d'une manire suffisamment
complte et synthtique pour permettre la comprhension de leur fonctionnement et
l'approfondissement des tudes menes.
La mise au point d'un algorithme gntique et son utilisation dans un processus d'optimisation
ont montr l'adquation de cette mthode pour l'identification des paramtres de la machine.
C'est une bonne alternative aux mthodes classiques bases sur des algorithmes de gradient.
Elle permet, en effet, d'viter le problme de drivation et d'tre moins sensible la prsence
de minimums locaux. La mthode convient particulirement quand il s'agit d'optimiser
plusieurs paramtres en mme temps.
En ce qui concerne la logique floue et les rseaux de neurones, compte tenu de l'immense
champ d'applications, nous avons restreint notre tude la rgulation au sein d'une commande
vectorielle de la machine. Nous nous sommes intresss aux rgulateurs de vitesse
classiquement utiliss et leur remplacement par diffrents types de rgulateurs flous et
neuronaux. Les rsultats de l'tude montrent qu'il n'y a pas de supriorit notable en ce qui
concerne les performances de ces nouveaux rgulateurs, le systme command tant
correctement connu. Il est cependant difficile de comparer les diffrents rgulateurs. Nous
avons choisi pour ce faire de les ramener avec les mmes gains en entre et en sortie un
systme normalis de sorte que leurs surfaces de contrle ne dpendent que des
caractristiques intrinsques des rgulateurs et non pas des facteurs d'chelle ou des gains.
Nous avons mis en vidence, travers une analyse dans le plan de phase et l'aide des
surfaces de contrle, que si le rgulateur flou correspondant un rgulateur IP anti-saturation
donne les mmes performances lors des changements de consignes, il est toutefois plus lent
Conclusion gnrale
176
face une perturbation de charge mcanique. Cette lacune est comble par le rgulateur
neuronal de type perceptron. L'approximation de la surface du contrleur flou par le rseau de
neurones a permis de lisser les reliefs de la surface aux endroits concerns, c'est dire l o
l'incrment de commande est beaucoup plus faible que celui du contrleur IP. Le choix d'un
nombre rduit de neurones autorisant ce lissage conduit galement des temps de calcul
raisonnables.
La lourde procdure d'apprentissage peut, dans un premier temps, tre vite par l'introduction
de rseaux de neurones fonction de base radiale. Grce aux proprits de placement et de
slectivit de leurs fonctions d'activation, ces rseaux permettent d'intgrer des informations
" priori" sur le systme. Une optimisation plus fidle de la surface de contrle floue a rendu
leur comportement plus proche de celui du contrleur flou correspondant que de celui du
rgulateur neuronal perceptron.
En dfinitive, il n'est pas question d'obtenir, l'aide de ces rgulateurs, des performances trs
suprieures celles des contrleurs classiques convenablement choisis et optimiss. Ce qui
est intressant, c'est la manire dont s'opre la conception, la mise au point et le rglage de ces
nouveaux rgulateurs.
Ces techniques conviennent alors particulirement aux cas des systmes complexes
modliser. La logique floue offre un cadre formel pour une synthse linguistique intgrant des
considrations heuristiques. Les rseaux de neurones permettent, quant eux, d'adopter
l'approche "bote noire" du systme et de ne considrer que ses entres et ses sorties.
Nous avons galement abord le problme des variations de paramtres de la machine et d'une
mauvaise identification et de leur incidence sur le contrle vectoriel de la machine
asynchrone. Une tude paramtrique utilisant les diffrents rgulateurs a permis d'tayer nos
conclusions.
Nous avons tendu ce problme au cas o la machine prsente des dfauts de structure, plus
spcialement des ruptures de barres rotoriques. Un modle plus complet de la machine a
permis de rendre compte des phnomnes que l'on retrouve exprimentalement lorsque ces
dfauts se produisent. Nous avons alors mis en vidence le comportement d'une telle machine
fonctionnant avec un contrle vectoriel. Lors de ruptures de barres, les diffrents rgulateurs
tudis peroivent ces dfauts comme un couple rsistant perturbateur. Ils le compensent en
adoptant un couple lectromagntique antagoniste. Ceci introduit une nouvelle manire de
diagnostiquer les dfauts rotoriques.
Le dernier volet de cette tude concerne un sujet particulirement intressant ; la commande
vectorielle sans capteur mcanique. De trs nombreuses mthodes ont t et continuent d'tre
proposes.
Nous dressons tout d'abord un tat de l'art et nous prsentons les principales mthodes. Nous
considrons que le problme crucial rside dans l'intgration des f.e.m. de la machine pour la
reconstitution des flux. Nous proposons alors une solution simple appliquer ds lors que l'on
dispose d'un calculateur numrique pour implanter la commande. La compensation
dynamique des offsets apparaissant sur ces signaux permet d'obtenir une commande fiable
jusqu' de trs basses vitesses et, qui de plus, est stable.
Lors d'un des derniers congrs, nous avons pu constater, qu'actuellement, ce mme problme
de compensation d'offset fait galement l'objet de recherches intensives dans d'autres
laboratoires.
Le travail de recherche a conduit au dveloppement d'un outil de simulation et d'analyse de
fonctionnement de machines asynchrones en rgime command. Des efforts particuliers ont
Conclusion gnrale
177
par ailleurs t dvelopps afin de valider notre tude, chaque tape, l'aide d'essais
exprimentaux. Cette approche exprimentale, permet de confronter les rsultats de
simulation avec la ralit et de garder en tte que les mthodes tudies doivent avoir comme
finalit une implantation exprimentale.
Les travaux effectus donnent lieu plusieurs voies de recherche qu'il nous apparat utile de
creuser. Tout d'abord en ce qui concerne les algorithmes gntiques, il serait intressant de
comparer notre approche celle o les mutations et les croisements sont fixs non pas par des
tailles de sous-populations mais par des probabilits que ces phnomnes aient lieu.
Nous avons commenc considrer la gnralisation des rgulateurs flous et neuronaux
tous les rgulateurs du schma de contrle vectoriel, mais le temps de calcul requis ( sur notre
DSP actuel ) pour les rgulateurs de courant devient trs important et ne permet plus
l'acquisition de donnes sans perturber le fonctionnement du programme de commande qui
s'excute sur le DSP.
L'tude et la mise en place de superviseurs flous ou neuronaux pour l'optimisation et le
contrle du fonctionnement du schma de commande de la machine est galement un projet
trs important.
La modlisation et le fonctionnement en rgime dgrad est un sujet de recherche qui se
poursuit actuellement dans notre laboratoire. Il s'agit d'aller vers une simplification du
modle, tout en conservant les caractristiques intrinsques de la structure du rotor.
En ce qui concerne la commande sans capteur, nous disposons maintenant d'une commande
vectorielle en couple performante et qui ne ncessite pas de capteur mcanique. L'utilisation
d'enroulements supplmentaires de la machine a mme permis d'viter l'utilisation de la
valeur de la rsistance statorique pour l'estimation des flux. Cependant l'estimation de la
vitesse reste amliorer. Il convient dornavant d'utiliser les signaux de flux obtenus par la
mthode propose et de les coupler aux mthodes d'estimation de la vitesse qui requirent une
connaissance prcise des flux.
Suite aux problmes soulevs, plus particulirement, en annexe 3, il convient de concevoir
des machines destines la commande. Elles doivent tre spcialement adaptes afin de
supporter des tensions pic--pic plus importantes et fonctionner pour une tension nominale
adapte celle que peut fournir le pont continu de l'onduleur de tension utilis. Un soin
particulier doit galement tre accord aux paramtres de la machine.
Au niveau de l'implantation de la commande, de rcentes tudes concernent le dveloppement
de composants intgrant un trs grand nombre de processeurs flous ou de rseaux neuronaux.
Les commandes spcifiques de plus en plus rapides et pointues voluent des dispositifs base
de DSP vers des structures moins coteuses base de FPGA et d'ASIC.
La commande rapproche et le concept de "mcatronic" vont permettre la miniaturisation, la
baisse des cots de fabrication et donc la diffusion encore plus large des dispositifs
commands.
Conclusion gnrale
178
Annexes
179
Annexes
Annexes
Annexes
180
Annexes
181
1. Annexe 1 : Paramtres des machines tudies
1.1. Machine 1
Plaque signaltique :
Constructeur : CEN
U : 220/380 V.
I
n
: 21/12 A.

n
=1420 tr/mn.
P
n
=5,5 kW.
1.1.1. Premire identification
Vecteur de paramtres 1 [KHE 95]
R
s
=2,25
R
r
=0,7
L
s
=0,1232 H
L
r
=0,1122 H
M=0,1118 H

s
=0,0546 s

r
=0,160 s
=0,09
J=0,038 kg m
2
( machine seule )
a
2
=0,049 Nm s/rd
J
f
=0,0124 kg m
2
Tableau A.1
1.1.2. Deuxime identification
Les paramtres mcaniques sont issus d'une identification sur une courbe de ralentissement.
Les paramtres lectromagntiques sont le rsultat d'une optimisation par algorithme
gntique sur un dmarrage vide.
Vecteur de paramtres 2
R
s
=2,2513

s
=0,06526 s

r
=0,1975 s
=0,0423
J=0,059 kg m
2
( moteur +frein )
a
1
=0 Nm s
2
/rd
2
a
2
=0,01438 Nm s/rd
a
3
=0,5012 Nm
Tableau A.2
1.2. Machine 2
Plaque signaltique :
Constructeur ABB
U : 220/380 V.
I
n
: 4,5/2,6 A.

n
=2850 tr/mn.
P
n
=1,1 kW.
Annexes
182
Les paramtres du modle dq sont issus d'une optimisation par algorithme gntique sur un
dmarrage vide ( Vitesse et courant statorique sur 0,7 s )
R
s
=7,828

s
=0,0833 s

r
=0,1415 s
=0,0466
J=0,006093 kg m
2
a
1
=0 Nm s
2
/rd
2
a
2
=0,000725 Nm s/rd
a
3
=0 Nm
Tableau A.3
Les paramtres du modle mailles sont issus de mesures :
R
s
=7,828
J=0,006093 kg m
2
a
1
=0 Nm s
2
/rd
2
a
2
=0,000725 Nm s/rd
a
3
=0 Nm
Rayon=0,03575 m
Longueur=0,065 m
Entrefer=0,00025 m
Ns=160
Nr=16
L
sl
=0,018 H
R
b sain
=150 10
-6

R
b casse
=0,03
R
e sain
=72 10
-6
( totale )
L
b
=10
-7
H
L
e
=10
-7
H ( totale )
Tableau A.4
D'o le modle dq quivalent :

s
=0,0752 s

r
=0,145 s
=0,0487
2. Annexe 2 : Prsentation du logiciel MASVECT
Nous avons dvelopp tout au long de ce travail de recherche nos propres outils de simulation
et de visualisation de donnes. Le logiciel principal, nomm MASVECT, est crit en BC++
4.5. Totalement orient objet, aussi bien en ce qui concerne les classes de ses composants :
machines TMachine ( modle dq ), TMachineSpe ( modle maille ), qu'en ce qui concerne
l'environnement graphique pour lequel il est destin ( Windows 95 ).
Ainsi, l'on retrouve comme classe fentre principale TSimulWindow drive de la classe
TWindow de l'OWL de Borland ( Object Windows Library ).
Cette classe incorpore les classes machines et observateurs ainsi que pratiquement toutes les
fonctions de gestion des vnements ( changement de rfrences, couples de charge ), des
diffrents mode de commande, la gestion des fichiers de sauvegarde des donnes de la
machine, des rsultats de simulation et des fichiers exprimentaux destin l'optimisation.
Elle encapsule galement toutes les botes de dialogues destines au paramtrage du logiciel.
Annexes
183
MASVECT est actuellement compos de plus de 9000 lignes de code source en C++et 2200
lignes de ressources ( .rc ) rparties en plusieurs fichiers grs par un projet ( ide ) unique.
Il n'est pas possible ici de dcrire toutes les fonctionnalits du logiciel MASVECT, nous en
prsentons ci-dessous les principales :
Choix du modle de la machine ( dq ou maille ), branchement de la machine ( toile ou
triangle ).
Marche normale de la machine asynchrone, dmarrage sur le rseau triphas.
Commande vectorielle : rotorique, statorique, directe ou indirecte
Utilisation ou non de l'onduleur MLI, des termes de dcouplage
Commande en courant / rgulation de vitesse.
Choix de tous les types de rgulateur prsents.
Possibilit de simuler des essais statiques.
Commande directe du couple ( DTC ).
Programmation d'vnements survenant pendant la simulation sur la vitesse de rfrence,
le couple de charge, les ruptures de barres ( choix des barres, des portions d'anneau et de
la gravit des dfauts ).
Optimisation de certains rgulateurs de vitesse suivant des critres ISE par algorithme
gntique ( GA ).
Optimisation des paramtres de la machine sur la base de fichiers exprimentaux
( optimisation simultane pondre de la vitesse et du courant statorique ).
Gnration des surfaces de contrle floues et neuronales.
Appel du logiciel de trac de courbes GRAPH pour l'affichage des grandeurs
slectionnes et qui sont d'ailleurs sauvegard dans un fichier de rsultats ( .dat )
galement accessible aux logiciels de traitement commerciaux ( Excel ).
Sauvegarde des donnes relatives aux paramtres de la machine, de la simulation et des
grandeurs afficher dans un fichier au format propritaire ( .mas ).
Le logiciel GRAPH permet d'afficher les courbes issus de la simulation. Il est
automatiquement appel par MASVECT. Il est toutefois utilisable en tant que
visualisateur universel puisqu'il accepte des fichiers de donnes standards et s'adapte
dynamiquement au nombre de variables contenues et la longueur des vecteurs. GRAPH
est une interface documents multiples ( MDI ). Il permet d'afficher une ou plusieurs
variables sur une mme fentre en fonction de la premire colonne ( le temps
gnralement ). Il est galement possible de choisir des colonnes particulires de manires
prsenter les variations des grandeurs sur un diagramme polaire et mme d'en faire
l'animation en fonction du temps. Des changements dynamiques de l'chelle et une
manipulation entirement la souris permettent d'agrandir et de dplacer la zone de
visualisation sur un graphe, rendant l'analyse de la simulation aise et intressante.
Evidemment, ces fonctionnalits sont accessibles l'aide du seul module sans besoin de
recompiler ou de retoucher au code source du logiciel.
Annexes
184
Figure A.1 Fentre d'affichage du logiciel MASVECT
Figure A.2 Fentre d'affichage du logiciel de trac de courbes GRAPH
Annexes
185
3. Annexe 3 : Description du dispositif exprimental
Figure A.3 Photographies du banc d'essai
Annexes
186
Onduleur
MAS
I
bs
Frein
Encodeur
Redresseur
3~
2 ADC 16-bit
Encodeur 1
MLI 0 - 5
DS 1102
PC
Pentium
DSP TMS320C31
380 V 12 A 5.5 kW
220 / 380 V
6 kVA
DSP TMS 320P14
Carte d'interface
signaux MLI
Carte d'acquisition
courants
I
as
E
s
E
s
2 ADC 12-bit
Carte d'acquisition
f.e.m.
Figure A.4 Schma du banc d'essai
La figure A.4 reprsente le schma synoptique du banc exprimental. La machine asynchrone
comporte des bobines supplmentaires places dans les encoches statoriques, de manire
pouvoir mesurer les f.e.m. sur les deux axes en quadrature du stator.
Le moteur est coupl un frein poudre dont l'lectronique permet de le commander en
rgulation de flux ou en rgulation de couple. L'encodeur incrmental utilis en commande
vectorielle indirecte ( IRFO ) a une rsolution de 4096 pas par tour.
L'onduleur de tension est base d'IGBT pilots 10 kHz. La carte d'interface permet
d'attaquer les IGBT avec un motif de MLI centr gnr partir des six signaux MLI issus
des comparateurs du DSP P14 ( virgule fixe ).
Ce dernier a t re-programm par voie logicielle et synchronis avec son DSP matre; le
TMS 320C31 ( virgule flottante ) qui excute le programme de contrle de la machine.
Cette synchronisation, extrieure la carte DS 1102, permet, l'aide d'un timer distinct de
celui ddi la MLI, de dclencher une interruption matrielle sur le DSP C31. Elle
dclenche les conversions des ADC. La lecture des convertisseurs se faisant indpendamment
de ce processus, pendant une interruption propre au processeur matre. Ceci permet de faire
l'acquisition des courants et des f.e.m. de faon synchronise, au milieu du motif MLI, quand
les signaux sont le moins perturbs. L'impact sur la qualit de la rgulation est considrable;
les courants sont nettement moins chahuts et la machine est trs silencieuse. Ce procd a
par ailleurs t utilis dans [VRA 98].
Le DSP virgule flottante ( C31 ) est programm directement en langage C, sans utiliser
l'environnement MATLAB Simulink RTW. Ceci dans le but d'optimiser le temps de
calcul et de pouvoir implanter directement les routines crites pour le logiciel MASVECT,
dvelopp en parallle la mise en uvre exprimentale, avec un minimum de changement
de code. Les comparaisons qui en rsultent sont galement plus rigoureuses.
Annexes
187
L'utilisation d'un bus continu partir d'un redresseur six diodes connect au rseau ne
permet de disposer que de 540 V de tension maximale ( 514 V de tension moyenne ). Or, une
machine prvue pour fonctionner sous une tension de 380 V doit disposer de 2 220 =311 V
max par phase. La tension maximale, dont on dispose via l'onduleur command en MLI
calcule, est de E / 2 =540 V / 2 =270 V vide au lieu de 311 V nominale.
Les performances en terme de vitesse de base
17
se trouvent donc considrablement rduites.
Ainsi, on est en but de tension bien avant d'atteindre la vitesse nominale de la machine. De
plus, comme on doit toujours garder une marge de tension pour que les rgulateurs de courant
puissent fonctionner correctement, le dfluxage doit se faire plus bas encore en vitesse.
Les courants sont rguls indpendamment sur les
deux axes d et q. Nanmoins, l'amplitude du
vecteur tension rsultant doit tre infrieure ou
gale E / 2.
Afin de s'assurer de cette condition, des limites
fixes imposeraient V
ds ref lim
=V
qs ref lim
= 2 / 2 / E .
Ce qui diminue encore la marge de manuvre.
Une astuce consiste ne limiter que V
ds ref
cette
valeur et calculer chaque fois la limite de V
qs ref
:
2
2
lim
2
ref ds ref qs
V
E
V

=
Cela ncessite nanmoins du temps de calcul
supplmentaire pour le DSP sur la boucle interne
de commande. Au sein de cette boucle,
s'effectuent diffrentes oprations, citons parmi
elles, la lecture des convertisseurs ( ADC ), le
calcul de l'angle de Park et des termes de
dcouplage, les transformations ainsi que la rgulation des courants.
Il reste cependant la possibilit de connecter la machine en triangle, mais cette opration ne
permet pas d'assurer un courant homopolaire nul, ce qui peut tre nfaste en cas de non-
symtrie de la machine et/ou de l'alimentation. De plus, la tension du pont E ( 540 V ) se
retrouve applique aux bornes de l'enroulement d'une phase au lieu de deux phases en srie
dans le cas d'un branchement toile.
Ceci nous amne donc la conclusion qu'il faut des machines spcialement dimensionnes
pour tre utilises en commande. Avec des tensions d'alimentation plus basses et une meilleur
isolation des enroulements statoriques. En effet, des tudes ont montr le vieillissement
acclr des enroulements des machines conventionnelles alimentes en MLI avec
l'apparitions de dcharges partielles [MBA 96].
Donnes concernant les boucles de rgulation :
Priode de MLI
T
MLI
=100 s

17
La vitesse de base correspond la limite au del de laquelle on commence dfluxer la machine.
E/2
q
45 d
V
ds ref
V
qs ref
Figure A.5 Limitation de la sortie
des rgulateurs de courant
Annexes
188
Rgulateurs de Courant ( PI ) avec termes de dcouplage :
T
e
=200 s
K
p
=19,7
K
i
=0,75
Rgulateur de vitesse ( IP anti-saturation ) :
T
e
=1 ms
K
p
=2,0
K
i
=0,1
T
t
=1,0
Rgulateur de vitesse ( Flou ) :
FE=0.025
FdE=0.5
FdU=4
Type du rgulateur Temps d'excution sur le DSP TMS
320C31 cadenc 40 MHz
IP anti-saturation 8 s
Rgulateur Flou 3 fonctions d'appartenance 30 s
Rgulateur Flou 5 fonctions d'appartenance 63 s
Rgulateur neuronal ( perceptron ) 37 s
Rgulateur neuronal ( RBF ) 52 s
Tableau A.5
Rgulateur de position ( P ) :
T
e
=2 ms
K
p
=30,0
Nomenclature
189
Nomenclature
Nomenclature
Nomenclature
190
Nomenclature
191
Symbole Signification Unit
Coefficient de dispersion de Blondel

Position du rotor rd
Vitesse lectrique du rotor =p rd/s
, w
m
Vitesse mcanique rd/s, tr/mn

r
Constante de temps rotorique s

r
Pulsation rotorique rd/s

s
Constante de temps statorique s

s
Pulsation statorique rd/s
a angle lectrique entre deux mailles rotoriques rd
a
1
, a
10
Coefficient de frottement dynamique Nm s
2
/rd
2
a
2
, a
20
Coefficient de frottement visqueux Nm s/rd
a
3
, a
30
Coefficient de frottement sec Nm
dE Drive de l'erreur
e Entrefer m
E Erreur
I Courant de phase A
J Moment d'inertie kg m
2
J
f
Moment d'inertie du frein kg m
2
K
d
, T
d
Coefficients du rgulateur du courant d'axe d
K
p
, K
i
, T
i
Coefficients du rgulateur discrtis
K
q
, T
q
Coefficients du rgulateur du courant d'axe q
K
v
, T
v
Coefficients du rgulateur de vitesse
L Longueur active du rotor m
L
b
Inductance d'une barre rotorique H
L
e
Inductance totale de l'anneau de court circuit H
L
r
Inductance cyclique rotorique H
L
s
Inductance cyclique statorique H
L
sl
Inductance de fuite statorique H
M Mutuelle cyclique H
N
r
Nombre de barres rotoriques
N
s
Nombre de spires statoriques par phase
p Nombre de paires de ples
p Oprateur de Laplace
P Puissance W
P() Matrice de rotation dans le plan
R Rayon de la machine au milieu de l'entrefer m
R
b casse
Rsistance d'une barre rotorique casse

R
b sain
Rsistance d'une barre rotorique saine

R
e
Rsistance totale de l'anneau de court circuit

R
r
Rsistance rotorique

R
s
Rsistance statorique

T
qd
Retard dans la boucle de rgulation d'axe d s
T
vd
Retard dans la boucle de rgulation de vitesse s
T
vf
Retard d au filtre de vitesse s
Nomenclature
192
U Tension entre phases V
w
ij
m
Poids reliant la sortie du neurone ( i ) de la couche ( m-1 )
au neurone ( j ) de la couche ( m ).
X
s
, X
s
Grandeurs statoriques dans le repre ( , ) fix au stator
X
*
, X
ref
Grandeur de consigne ou de rfrence
X
dq
Vecteur de composantes d et q
X
dr
Grandeur rotorique d'axe d ( repre dq )
X
ds
Grandeur statorique d'axe d ( repre dq )
X
n
Grandeur normalise
X
qr
Grandeur rotorique d'axe q ( repre dq )
X
qs
Grandeur statorique d'axe q ( repre dq )
Glossaire
193
Glossaire
Glossaire
Glossaire
194
Glossaire
195
Acronyme Signification
A/N Analogique / Numrique
ADC Analog to Digital Converter
ASIC Application Specific Integrated Circuit
DRFO Direct Rotor Flux Orientation
DSC Direct Self-Control
DSFO Direct Stator Flux Orientation
DSP Digital Signal Processor
DTC Direct Torque Control
EKF Extended Kalman Filter
ELO Extended Luenberger Observer
FFT Fast Fourrier Transformation
Fitness Critre d'adquation
FPGA Field Programmable Gate Array
GA Genetic Algorithm
IAE Integral of Absolute Error
IC Intelligent Control
IRFO Indirect Rotor Flux Orientation
ISE Integral of Square Error
ISFO Indirect Stator Flux Orientation
MLI Modulation de Largeur d'Impulsion
MRAS Model Reference Adaptive Systems
RAN Rseau Adaptatif Non-linaire
RBF Radial Basis Function
Glossaire
196
Bibliographie
197
Bibliographie
Bibliographie
Bibliographie
198
Bibliographie
199
[AOK 90] Aoki, S.; Kawachi, S; Sugeno, M., "Application of fuzzy control logic for dead-
time processes in a glass melting furnace," Fuzzy Sets and Systems, vol. 38, pp.
251-265, 1990.
[BAG 94] Baghli, L., Ralisation d'un environnement graphique avec base de donnes
pour l'analyse et la simulation de rseaux lectriques, Projet de Fin d'Etudes,
Ecole Nationale Polytechnique d'Alger, J uin 1994, 115p.
[BAG 95a] Baghli, L., "Mthodes de commande du moteur asynchrone pour un cahier de
charge prcis," Rapport bibliographique, INPL, Nancy, Avril 1995, 27p.
[BAG 95b] Baghli, L., Commande vectorielle d'une machine asynchrone enroulements de
mesure de f.e.m., Rapport de stage de DEA, Universit Henri Poincar, Nancy,
J uillet 1995, 76p.
[BAG 96a] Baghli, L.; Razik, H.; Rezzoug, A., "A field oriented control method using
decoupling terms for induction motors," in Proc. 2
nd
EPE Chapter symposium
on electric drive design and applications, Nancy, 4-6 J une 1996, pp.147-151.
[BAG 96b] Baghli, L.; Razik, H.; Rezzoug, A., "Rgulation floue de la vitesse dans une
commande vectorielle de la machine asynchrone par orientation du flux
rotorique," LFA96 Rencontres Francophones sur la logique floue et ses
Applications, Nancy, 4-5 Dcembre 1996, pp.40-46.
[BAG 97a] Baghli, L.; Hein, D.; Razik, H.; Rezzoug, A., "Modelling rotor cage induction
motors for fault detection," in Proc. IEEE-SDEMPED97, Carry-le-Rouet,
France, 1-3 Sept. 1997, pp. 41-47.
[BAG 97b] Baghli, L.; Razik, H.; Rezzoug, A., "Comparison between fuzzy and classical
speed control within a field oriented method for induction motors," in Proc.
EPE97, Trondheim, Norway, 8-10 September 1997, vol. 2, pp. 2.444-2.448.
[BAG 97c] Baghli, L.; Razik, H.; Rezzoug, A., "Neuro-Fuzzy Controller in a Field Oriented
Control for Induction Motors," in Proc. EPE97, Trondheim, Norway, 8-10
September 1997, vol. 1, pp. 1.096-1.101.
[BAG 97d] Baghli, L.; Hein, D.; Razik, H.; Rezzoug, A., "Dfauts rotoriques de la machine
asynchrone; Modles pour le diagnostic," in Proc. AGIS97, Angers, France, 11
Dec. 1997, pp. 23-25.
[BAG 98] Baghli, L.; Razik, H.; Rezzoug, A., "A stator flux oriented drive for an
induction motor with extra ( , ) coils," in Proc. IECON'98, Aachen,
Germany, August 31
st
- September 4
th
1998, vol. 4, pp. 2522-2526.
[BAR 94] Barbier, C. E.; Nogarede, B.; Verniers, F., "Optimisation of the electric vehicle
drive system control strategy using global system approach," in Proc. ICEM94,
1994, pp. 341-346.
Bibliographie
200
[BEL 98] Bellaaj-Mrabet, N.; J elassi, K., "Comparaison de mthodes d'identification des
paramtres d'une machine asynchrone," Eur. Phys. Journal, AP, vol. 3, pp. 71-
80, 1998.
[BEN 91] Ben ammar, F.; Pietrzak-David, M.; De Fornel, B.; Mirzaian, A., "Field
oriented control of high-power motor drives by Kalman filter flux observation,"
in Proc. EPE'91, Firenze, 1991, pp. 2.182-2.187.
[BEN 92] Ben-Brahim, L.; Kawamura, A., "A fully digitized field oriented controlled
induction motor drive using only current sensors," IEEE Trans. Indus.
Electron., vol. 39, n3, pp. 241-249, J une 1992.
[BEN 95] Benhidjeb, A., Contribution l'tude de la commande d'un systme de type pont
roulant. Comparaison exprimentale des mthodes analytiques et floues, Thse
de Doctorat de l'Universit de Haute Alsace, 1995.
[BEN 98a] Bentounsi, A.; Nicolas, A., " Transient and steady-state analysis of induction
motors with cage faults," in Proc. IMACS-CESA98, Nabeul-Hammamet,
Tunisie, 1-4 April 1998, vol. 1, pp. 429-433.
[BEN 98b] Ben-Brahim, L.; Tadakuma, S., "Practical considerations for sensorless
induction motor drive system," in Proc. IECON'98, August 31
st
- September 4
th
1998, Aachen, Germany, pp. 1002-1007.
[BEN 98c] Benbouzid, M. E. H., "A review of induction motors signature analysis as a
medium for faults detection," in Proc. IECON'98, August 31
st
- September 4
th
1998, Aachen, Germany, pp. 1950-1955.
[BLA 72] Blaschke, F., "The principle of field orientation as applied to the new
transvektor closed-loop control system for rotating-field machines," Siemens
Review, XXXIX, n5, pp. 217-220, 1972.
[BOR 90] Borne, P.; Dauphin-Tanguy, G.; Richard, J -P; Rotella, F.; Zambettakis, I.,
Commande et optimisation des processus, Technip, 1990, 303p.
[BOS 86] Bose, B. K., Power electronics and AC drives, Prentice Hall, 1986, 402p.
[BOS 95] Bose, B. K.; Simes, M. G.; Crecelius, D. R.; Rajashekara, K.; Martin, R.,
"Speed sensorless hybrid vector controlled induction motor drive," in Proc.
IEEE IAS Ann. Mtg., 1995, pp. 137-143.
[BOU 94] Boualem, B.; Piriou, F., "Modelling of induction motor accounting for skewed
slots effects," in Proc. ICEM94, 1994, pp. 699-704.
[BUH 86] Bhler, H., Rglages chantillonns, Traitement par la transformation en Z,
vol. 1, Presses Polytechniques Romandes, 2
me
ed. 1986, 382p.
[BUH 88] Bhler, H., Conception des systmes automatiques, Complment du trait de
l'lectricit, Presses Polytechniques Romandes, 1988, 542p.
Bibliographie
201
[BUH 94] Bhler, H., Rglages par logique floue, Presses Polytechniques Romandes,
1994, 181p.
[BUR 97] Burton, B.; Kamran, F.; Harley, R. G.; Habetler, T. G.; Brooke, M. A.; Poddar,
R., "Identification and control of induction motor stator currents using fast on-
line random training of a neural network," IEEE Trans. Ind. Applicat., vol. 33,
pp. 697-704, May/J une 1997.
[CAR 95] Caron, J . P.; Hautier, J . P., Modlisation et commande de la machine
asynchrone, Ed Technip, 1995, 279p.
[CHA 94] Chan, C. C.; Leung, W. S.; Williams, B.W., "An A.C. drive system for
electrical vehicles," in Proc. ICEM94, 1994, pp. 831-834.
[CHA 96] Chapuis, Y-A., Commande directe du couple d'une machine asynchrone par le
contrle direct de son flux statorique, Thse de Doctorat de l'INP de Grenoble,
1996.
[CHE 90] Chen, S. ; Billings, S.; Grant, P., "Non linear system identification using neural
networks," International Journal of Control, vol. 51, n6, pp. 1191-1214, 1990.
[CHE 94] Chen, C-L.; Chen, W-C., "Fuzzy controller design by using neural network
techniques," IEEE Trans. on Fuzzy Systems, vol. 2, n3, pp. 235-244, Aug.
1994.
[CHE 96] Chen, C. H., Fuzzy logic and neural network handbook, IEEE Press, 1996.
[CHO 97] Chouiter, D-R., Conception et ralisation d'une commande robuste de machine
asynchrone, Thse de Doctorat de Ecole Centrale de Lyon, 1997.
[CIL 97a] Cilia, J .; Asher, G. M.; Bradley, K. J .; Sumner, M., "Sensorless position
detection for vector-controlled induction motor drives using an asymmetric
outer-section cage," IEEE Trans. Indus. Appli., vol. 33, n5, pp. 1162-1169,
Sept./Oct. 1997.
[CIL 97b] Cilia, J .; Asher, G. M.; Bradley, K. J .; Sumner, M., "Control of a shaft-
sensorless position induction motor using an asymmetric outer-section cage," in
Proc. EPE97, Trondheim, Norway, 8-10 September 1997, vol. 4, pp. 4.486-
4.491.
[DAK 91] Dakhouche, K.; Roye, D., "Digital vector control of induction machine using a
PWM inverter," in Proc. EPE91, pp. 2.227-2.230.
[De D 94a] De Doncker, R. W.; Novotny, D. W., "The universal field oriented controller,"
IEEE Trans. Indus. Appli., vol. 30, n1, pp. 92-100, J an./Feb. 1994.
[De D 94b] De Doncker, R. W.; Profumo, F.; Pastorelli, M., "Self-tuning of tapped stator
winding induction motor servo drives using the universal field-oriented
controller," IEEE Trans. Power Electron., vol. 9, n4, pp. 357-366, J uly 1994.
Bibliographie
202
[De V 92] De Villier, J .; Barnard, E., "Backpropagation neural nets with one and two
hidden layers," IEEE Trans. on Neural Networks, vol. 4, n1, pp. 136-141,
J anuary. 1992.
[DEG 97] Degner, M. W.; Lorenz, R. D., "Wide bandwidth flux, position and velocity
estimation in AC machines at any speed ( including zero ) using multiple
saliencies," in Proc. EPE97, Trondheim, Norway, 8-10 September 1997, vol.
1, pp. 1.536-1.541.
[DEN 90] Dente, J .; Faria, R.; Labrique, F.; Robyns, B., "A low cost digital field oriented
control system for an induction actuator," in Proc. IMACS TC1'90, Nancy, 19-
21 Sept. 1990, pp.31-36.
[DER 94] Derouane, B.; Friedrich, G., "Comparative study of different control strategies
for the induction machine in automotive applications with on board energy," in
Proc. ICEM94, 1994, pp. 156-161.
[DOD 98] Dodds, S. J .; Vittek, J ., "Magnetic Flux Estimator with Automatic Correction of
Drift Distortion," The Scientific Works and Studies of the University of Zilina,
Electrotechnical Series, Slovak Republic, vol. 22, 1998, pp. 5-15.
[DOR 96] Dorrell, D. G.; Paterson, N. C.; Watson, J . F., "The causes and quantification of
sideband currents for use in rotor fault detection systems for cage induction
motors," in Proc. ICEM96, 1996, Vigo, Spain, vol. 3, pp. 414-419.
[DOR 97] Dorrell, D. G.; Thomson, W. T.; Roach, S., "Analysis of airgap flux, current
and vibration signals as a function of the combination of static and dynamic
airgap eccentricity in 3-phase induction motors," IEEE Trans. on Industry
Applications, vol. 33, n1, pp. 24-34, J an./Feb. 1997.
[DOU 94] Douine, B., Commande vectorielle directe de la machine asynchrone :
estimation de flux et de vitesse, Rapport de stage de D.E.A. INPL, 1994, 46p.
[DU 94] Du, T.; Vas, P.; Stronach, A. F.; Brdys, M. A., "Application of Kalman filters
and extended Luenberger observers in induction motor drives," in Proc.
Intelligent Motion, J une 1994, pp. 369-387.
[DU 95] Du, T.; Vas, P.; Stronach, A. F., "Real-time DSP implementation of an extended
observer in a high-dynamic performance induction motor drive," in Proc.
EPE'95, Sevilla, Spain, 1995, pp. 3.045-3.049.
[ELL 98] Elloumi, M.; Ben-Brahim, L.; Al-Hamadi, M. A., "Survey of speed sensorless
controls for IM drives," in Proc. IECON'98, August 31
st
- September 4
th
1998,
Aachen, Germany, pp. 1018-1023.
[EL-S 94] El-Sharkawi, M. A.; Huang, S. J ., "Ancillary techniques for neural network
applications," IEEE International Conf. On Neural Networks, NY, USA, 1994,
vol. 6, pp. 3724-3729.
Bibliographie
203
[EL-S 97] El-Sharkawi, M. A.; Huang, T. C.; El-Samahi, A., "Intelligent control for high
performance drives," in Proc. IEEE International Electric Machines and Drives
Conf, Milwaukee, 18-21 May 1997, pp. TA2-1.1-TA2-1.6.
[FAI 95] Faidallah, A., Contribution l'identification et la commande vectorielle des
machines asynchrones, Thse de Doctorat de l'INP de Lorraine, 1995.
[FIL 96] Filippetti, F.; Franceschini, G.; Tassoni, C.; Vas, P., "Impact of speed ripple on
rotor fault diagnosis of induction machines," in Proc. ICEM96, Vigo, Spain,
1996, vol. 2, pp. 452-457.
[FIL 98] Filippetti, F.; Franceschini, G.; Tassoni, C.; Vas, P., "AI techniques in induction
machines diagnosis including the speed ripple effect," IEEE Trans. Indus.
Appli., vol. 34, n1, pp. 98-108, 1998.
[FLA 94] Flaus, J -M., La rgulation industrielle, rgulateur PID, prdictif et flous,
Herms, 1994, 349p.
[FRA 90] Franceschini, G.; Pastorelli, M.; Profumo, F.; Tassoni, C.; Vagati, A., "About
the gain choice of flux observer in induction servo-motors," in Proc. IECON'90,
pp. 601-606.
[FU 95] Fu, Y., Commande vectorielle des machines courant alternatif, Etude des
problmes lis la numrisation des rgulateurs, Thse de Doctorat de
l'Universit Catholique de Louvain, 1995.
[GAL 93] Gallichet, S.; Foulloy, L., "Fuzzy equivalence of classical controllers," in Proc.
EUFIT93, Aachen, 1993, pp. 1567-1573.
[GAL 95] Gallichet, S.; Foulloy, L., "Fuzzy controllers : synthesis and equivalences,"
IEEE Trans. on Fuzzy Systems, vol 3, n2 pp. 140-148, May 1995.
[GAR 94] Garcia, G. O.; Stephan, R. M.; Watanabe, E. H., "Comparing the indirect field-
oriented control with a scalar method," IEEE Trans. on Industrial Electronics,
vol. 41, n2, pp. 201-207, April 1994.
[HAL 97] Halpin, S. M.; Burch, R. F., "Application of neural networks to industrial and
commercial power systems : A tutorial overview," IEEE Trans. Indus. Appli.,
vol. 33, n5, pp. 1355-1361, Sept./Oct. 1997.
[HAR 82] Hargis, C.; Gaydon, B. G.; Kamash, K., "The detection of rotor defects in
induction motors," in Proc. ICEM-Design and Application, London, UK, 1982,
pp. 216-220.
[HEI 98] Hein, D., Identification de la machine asynchrone en vue du diagnostic de
pannes, Thse CNAM de Paris, Centre Associ de Metz, 1998.
Bibliographie
204
[HIS 97] Hissel, D.; Maussion, P.; Gateau, G.; Faucher, J ., "Fuzzy logic control
optimization of electrical systems using experimental designs," in Proc.
EPE97, Trondheim, Norway, 8-10 September 1997, vol. 1, pp. 1.090-1.095.
[HIS 98] Hissel, D.; Maussion, P.; Faucher, J ., "On evaluating robustness of fuzzy logic
controllers through Taguchi methodology," in Proc. IECON'98, Aachen,
Germany, August 31
st
- September 4
th
1998, vol. 1, pp. 17-22.
[HO 88] Ho, Y. Y. E.; Sen, C. P, "Decoupling control of induction motor drives," IEEE
Trans. on Industrial Electronics, vol. 35, n2, pp. 253-262, May 1988.
[HOL 93] Holtz, J ., "Methods for speed sensorless control of AC drives," in Proc. IEEE
PCC-Yokohama, 1993, pp. 415-420.
[HOL 98] Holtz, J ., "Sensorless position control of induction motors an emerging
technology," in Proc. IECON'98, August 31
st
- September 4
th
1998, Aachen,
Germany, pp. I1-I12.
[HUR 98] Hurst, K., D.; Habetler, T. G.; Griva, G.; Profumo, F., "Zero-speed tacholess IM
torque control : simply a matter of stator voltage integration," IEEE Trans.
Indus. Electron., vol. 34, n4, pp. 790-795, J ul./Aug. 1998.
[ILA 94] Ilas, C.; Bettini, A.; Ferraris, L.; Griva, G.; Profumo, F., "Comparison of
different schemes without shaft sensors for field oriented control drives," in
Proc. IECON'94, pp. 1579-1588.
[J AN 89] J anecke, M.; Kremer, R.; Steuerwald, G., "Direct self-control (DSC), a novel
method of controlling asynchronous machines in traction applications," in Proc.
EPE89, pp. 75-81.
[J AN 94] J ansen, P. L.; Lorenz, R. D.; Novotny, D. W., "Observer-based direct field
orientation : analysis and comparison of alternative methods," IEEE Trans.
Indus. Appli., vol. 30, n4, pp. 945-953, J ul./Aug. 1994.
[J AN 95] J ansen, P. L.; Lorenz, R. D., "Transducerless position and velocity estimation in
induction and salient AC machines," IEEE Trans. Indus. Appli., vol. 31, n2,
pp. 240-247, Mar./Apr. 1995.
[J AN 96] J ansen, P. L.; Lorenz, R. D., "Transducerless field orientation concepts
employing saturation-induced saliencies in induction machines," IEEE Trans.
Indus. Appli., vol. 32, n6, pp. 1380-1393, Nov./Dec. 1996.
[J EL 91] J elassi, K., Positionnement d'une machine asynchrone par la mthode du flux
orient, Thse de Doctorat de l'INP de Toulouse, 1991.
[J OD 94] J odouin, J -F., Les rseaux de neurones; principes et dfinition, Hermes, 1994,
124p.
Bibliographie
205
[KAT 97] Kataoka, Y.; Kubota, H.; Matsuse, K., "Sensorless vector control of induction
machines with stator voltage offset compensation," in Proc. EPE97,
Trondheim, Norway, 8-10 September 1997, vol. 4, pp. 4.508-4.511.
[KAZ 95] Kazmierkowski, M. P.; Kasprowicz, A. B., "Improved direct torque and flux
vector control of PWM inverter-fed induction motor drives," IEEE Trans.
Indus. Electron., vol. 42, n4, pp. 344-349, Aug. 1991.
[KER 84] Kerszenbaum, I.; Landy, C. F., "The existence of large inter-bar currents in
three phase squirrel cage motors with rotor-bar and/or end-ring faults," IEEE
Trans. on Power Apparatus and System, vol. 103, n7, pp. 1854-1862, J uly
1984.
[KET 92] Ketata, R., Mthodologies de rgulation numrique incluant la logique floue,
Thse de Doctorat de l'INSA de Toulouse, 1992.
[KHE 95] Khenfer, N., Machines asynchrone : ses modles, son identification et sa
commande, Thse de Doctorat de l'INP de Lorraine, 1995.
[KIE 95] Kiendl, H; Rger, J . J ., "Stability analysis of fuzzy control systems using facet
functions," Fuzzy Sets and Systems, vol. 45, pp. 135-156, 1992.
[KIM 98] Kim, Y-H.; Kim, S-S.; Hong, I-P., "Speed sensorless vector control of high-
speed induction motors using intelligent control algorithm," in Proc. IECON'98,
August 31
st
- September 4
th
1998, Aachen, Germany, pp. 888-892.
[KIN 77] King, P. J .; Mamdani, E. H., "The application of fuzzy control systems to
industrial processes," Automatica, vol. 13, pp. 235-242, 1977.
[KLI 88] Kliman, G. B.; Stein, J .; Endicott, R. D.; Madden, R. W., "Noninvasive
detection of broken rotor bars in operating induction motors," IEEE Trans. on
Energy Conversion, vol. 3, n4, pp. 873-878, Dec. 1988.
[KOS 69] Kostenko, M.; Piotrovski, L., Machines lectriques, vol. 2, Mir Moscou,
Moscow, 1969.
[KUL 97] Kulkarni, A. S.; El-Sharkawi, M. A., "Speed estimator for induction motor
drives using an artificial neural network," in Proc. IEEE International Electric
Machines and Drives Conf, Milwaukee, 18-21 May 1997, pp. MD2-2.1- MD2-
2.3.
[LEE 97] Lee, J -S.; Takeshita, T.; Matsui, N., "Stator-flux-oriented sensorless induction
motor drive for optimum low-speed performance," IEEE Trans. Indus. Appli.,
vol. 33, n5, pp. 1170-1176, Sept./Oct. 1997.
[LEM 91] Lemaire-Semail, B.; Bouillaut, F.; Razek, A., "Modlisation et commande
vectorielle d'un moteur asynchrone satur avec contrle dynamique du flux,"
Journal Phys. III, vol. 1, pp. 1509-1528, 1991.
Bibliographie
206
[LEO 91a] Leonhard, W., "30 years space vectors, 20 years field orientation, 10 years
digital signal processing with controlled AC-drives, a review ( Part 1 )," EPE
Journal, vol. 1, n1, pp. 13-20, J uly 1991.
[LEO 91b] Leonhard, W., "30 years space vectors, 20 years field orientation, 10 years
digital signal processing with controlled AC-drives, a review ( Part 2 )," EPE
Journal, vol. 1, n2, pp. 89-102 October 1991.
[LEO 96] Leonhard, W., Control of electrical drives, 2
nd
ed. Springer-Verlag, 1996, 420p.
[LES 81] Lesenne, J .; Notelet, F.; Seguier, G., Introduction l'lectrotechnique
approfondie, Technique et Documentation, 1981, 247p.
[LES 86] Lessmeier, R.; Schumacher, W.; Leonhard, W., "Microprocessor-controlled
AC-servo drives with synchronous or induction motors : which is preferable ?,"
IEEE Trans. on Industry Applications, vol. 1A-22, n5, pp. 812-819, Sept./Oct.
1986.
[LEV 95] Levrat, E., logique floue, Cours de DEA, non publi, CRAN, Nancy, 1995.
[LIN 93] Lin, F. J .; Liaw, C. M, "Control of indirect field-oriented induction motor drives
considering the effect of dead-time and parameter variations," IEEE Trans. on
Industrial Electronics, vol. 40, n5, pp. 486-495, Oct. 1993.
[LIP 86] Lipo, T. A.; Chang, K. C., "A new approach to flux and torque-sensing in
induction machines," IEEE Trans. Indus. Appli., vol. 22, n4, pp. 731-737,
J ul./Aug. 1986.
[LUT 96] Lutaud-Brunet, M., Identification et contrle de processus par rseaux neuro-
flous, Thse de Doctorat de l'Universit de d'Evry Val d'Essonne, 1996.
[MAM 74] Mamdani, E. H., "Application of fuzzy algorithms for control of simple
dynamic plant," Proceedings of IEEE, vol. 12, pp. 1585-1588, 1974.
[MAM 75] Mamdani, E. H.; Assilian, S., "An experiment in linguistic synthesis with a
fuzzy logic controller," International Journal of Man-Machine Studies, vol. 7,
pp. 311-323, 1975.
[MAM 76] Mamdani, E. H., "Advances in the linguistic synthesis of fuzzy controllers,"
International Journal of Man-Machine Studies, vol. 8, pp. 325-334, 1976.
[MAN 94] Manes, C.; Parasiliti, F.; Tursini, M., "Comparison of rotor flux estimation in
induction motors with a nonlinear observer and the extended Kalman filter," in
Proc. IECON'94, pp. 2149-2154.
[MAN 96] Manolas, S. T., Tegopoulos, J ., Papadopoulos, M., "Analysis of squirrel cage
induction motors with broken rotor bars," in Proc. ICEM96, Vigo, Spain, 1996,
vol. 3, pp. 19-23.
Bibliographie
207
[MAU 98] Maussion, P.; Hissel, D., "Optimized fuzzy logic controller parameters for
open-loop stable or evolutive electromechanical systems," in Proc. IECON'98,
Aachen, Germany, August 31
st
- September 4
th
1998, vol. 1, pp. 23-27.
[MBA 96] Mbaye, A., "Existance possible de dcharges partielles dans l'isolation
statorique des moteurs asynchrones basse tension aliments par onduleur MLI,"
in Proc. JCGE'96, 1-3 avril 1996, Lyon, France, pp. 262-265.
[MCC 43] McCulloch, W. S. ; Pitts, W., "A logical calculus of the ideas immanent in
nervous activity," Bulletin of Mathematical biophysics, vol. 5, pp. 115-133,
1943.
[MEN 92] Mendes, E.; Lemaire-Smail, B., "Reconstitution du flux rotorique pour la
commande vectorielle des moteurs asynchrones," Journes de la SEE Groupe
Nord, 2 Dc. 1992, 20p.
[MIC 97] Michels, K., "Fuzzy control for electrical drives ?," in Proc. EPE97,
Trondheim, Norway, 8-10 September 1997, vol. 1, pp. 1.102-1.105.
[MIL 96] Miller III, W. T.; Sutton, R. S.; Werbos, P. J ., Neural networks for control, Ed.
The MIT Press, 1996, 524p.
[MIR 94] Mir, S. A.; Zinger, D. S.; Elbuluk, M. E., "Fuzzy controller for inverter fed
induction machines," IEEE Trans. Indus. Appli., vol. 30, n1, pp. 78-84,
J an./Feb. 1994.
[NEA 94] Neacsu, D. U.; Stincescu, R.; Raducanu, L.; Donescu, V., "Fuzzy logic control
of an V/f PWM inverter-fed drive," in Proc. ICEM94, 1994, pp. 12-17.
[OHI 85] Ohinishi, K.; Suzuki, H.; Miyachi, K.; Terashima, M., "Decoupling control of
secondary flux and secondary current in induction motor drive with controlled
voltage source and its comparaison with volt/hertz control," IEEE Trans. on
Industry Applications, vol. 1A-21, n1, pp. 241-247, J an./Feb. 1985.
[OUR 92] Ourth, T.; Nguyen Phuoc, V. T.; Pietrzak-David, M.; De Fornel, B., "Sensorless
speed control of induction motor drives using observer based vector control," in
Proc. ICEM'92, pp. 858-862.
[PEN 94] Peng, F. Z.; Fukao, T., "Robust speed identification for speed-sensorless vector
control of induction motors," IEEE Trans. Indus. Appli., vol. 30, n5, pp. 1234-
1240, Sept./Oct. 1994.
[PIC 94] Picton, P., Introduction to neural networks, Ed. Macmillan, 1994, 168p.
[PIE 92] Pietrzak-David, M.; De Fornel, B., "Comparaison et synthse des procds de
commande vectorielle," Journes de la SEE Groupe Nord, Lille, 2 Dc. 1992,
18p.
Bibliographie
208
[PIE 96] Pierlot, N., Application des rseaux neuronaux la commande en vitesse d'une
charge mcanique entrane par machine asynchrone, Thse de Doctorat de
l'Universit des Sciences et Technologies de Lille, 1996.
[PIL 97] Pillay, P.; Nohan, R.; Haque, T., "Application of genetic algorithms to motor
parameter determination for transient torque calculations," IEEE Trans. Ind.
Applicat., vol. 33, pp. 1273-1282, Sept./Oct. 1997.
[PRE 97] Precup, R-E.; Preitl, S., "Popov-type stability analysis method for fuzzy control
system," in Proc. EUFIT'97, Aachen, Germany, 8-11 September 1997, pp.
1306-1310.
[PRO 91] Profumo, F.; Pastorelli, M; Ferraris, P.; De Doncker, R. W., "Comparison of
universal field oriented ( UFO ) controllers in different reference frames," in
Proc. EPE'91, Firenze, 1991, pp. 4.689-4.695.
[RAJ 96] Rajashekara, K.; Kawamura, A.; Matsuse, K., Sensorless Control of AC Motor-
Drives, IEEE PRESS, 1996, 498p.
[RAM 93] Rambault, L., Conception d'une commande floue pour une boucle de
rgulation, Thse de Doctorat de l'Universit de Poitiers, 1993.
[RAZ 98a] Razik, H.; Baghli, L.; Rezzoug, A., "Neuro-Fuzzy speed control of an induction
motor," in Proc. IMACS-CESA98, Nabeul-Hammamet, Tunisie, 1-4 April
1998, vol. 1, pp. 1026-1030.
[RAZ 98b] Razik, H.; Baghli, L.; Rezzoug, A., "Adaptive Neuro-Fuzzy Speed Control of
an Induction Motor," in Proc. PEMC98, Prague, Czech Republic, 8-10
September 1998, vol. 3, pp. 34-39
[REN 95] Renders, J . M., Algorithmes gntiques et rseaux de neurones, Ed. Herms,
1995, 349p.
[REZ 98] Rezzoug, A.; Baghli, L.; Razik, H., "Commande floue et domotique," in Proc.
Journes 1998 de la Section Electrotechnique, CLUB E.E.A, Nancy, France, 29-
30 J anvier 1998, pp. 1-11.
[RIT 94] Ritchie, E.; Deng, X.; J okinen, T., "Dynamic model of three-phase squirrel cage
induction motors with rotor faults," in Proc. ICEM94, 1994, pp. 694-698.
[ROB 92] Roboam, X.; Hapiot, J . C.; De Fornel, B.; Andrieux, C., "Contrle d'une
machine asynchrone par estimation robuste de la vitesse," Journal Phys. III,
vol. 2, pp. 439-453, 1992.
[ROB 98] Robyns, B.; Hautier, J . P.; Buyse, H., " Fuzzy logic based multi-model field
oriented control of induction motors," in Proc. IMACS-CESA98, Nabeul-
Hammamet, Tunisie, 1-4 April 1998, vol. 1, pp. 1037-1042.
Bibliographie
209
[ROG 93] Roger J ang, J . S.; Sun, C. T., "Functional equivalence between radial basis
function networks and fuzzy inference systems," IEEE Trans. on Neural
Networks, vol. 4, n1, pp. 156-159, 1993.
[ROY 92] Roye, D.; Diallo, D., "La commande vectorielle du moteur asynchrone : aspects
pdagogiques," Journes de la SEE Groupe Nord, Lille, 2 Dc. 1992, 12p.
[SCH 89] Schauder, C., "Adaptive speed identification for vector control of induction
motors without rotational transducers," in Proc. IEEE IAS Ann. Mtg., 1989, pp.
493-499.
[SCH 92] Schroedl, M., "Sensorless control of induction motors at low speed and
standstill," in Proc. ICEM'92, pp. 863-867.
[SCH 94] Schroedl, M.; Elin, V., "Electric vehicle with robust sensorless induction motor
drive," in Proc. ICEM94, 1994, pp. 338-340.
[SCH 96] Schierling, H., "Self-commissioning - a novel feature of modern inverted-fed
induction motor drives," in Proc. Intern. Conf. on Power Electronics and
Variable Speed Drives, 13-15 J uly 1998, London, UK, pp. 287-290.
[SOB 96] Sobczyk, T. J .; Vas, P.; Tassoni, C., "Models for induction motors with air-gap
asymmetry for diagnostic purposes," in Proc. ICEM96, Vigo, Spain, 1996, vol.
2, pp. 79-84.
[SPE 96] Specht, D. F., "Probabilistic neural networks and general regression neural
networks," in Fuzzy logic and neural network handbook, Chen, C. H., IEEE
Press, McGraw Hill, 1996, pp. 3.1-3.44.
[STE 91] Stephan, R. M., "Field oriented and field acceleration control for induction
motors : is there a difference ?," in Proc. IECON91, pp. 567-572.
[STR 93] Strefezza, M.; Dote, Y., "Radial basis neural network adaptive controller for
servomotor," in Proc. ISIE93, Budapest, 1993, pp. 747-752.
[STR 95] Stronach, A. F.; Vas, P., "Fuzzy-neural control of variable-speed AC drives," in
Proc. Intelligent Motion, J une 1995, pp. 117-129.
[TAK 83] Takagi, T.; Sugeno, M., "Derivation of fuzzy control rules from human
operator's control actions," in Proc. IFAC Symp. On Fuzzy Information,
Knowledge Representation and Decision Analysis, J uly 1983, pp. 55-60.
[TAK 85] Takahashi, I.; Noguchi, T., "A new quick response and high efficiency control
strategy of an induction motor," in Proc. IEEE IAS Ann. Mtg., 1985, pp. 496-
502.
[TAN 92] Tanaka, K; Sugeno, M., "Stability analysis and design of fuzzy control
systems," Fuzzy Sets and Systems, vol. 45, pp. 135-156, 1992.
Bibliographie
210
[THI 97] Thiria, S.; Lechevallier, Y.; Gascuel, O.; Canu, S., Statistique et mthodes
neuronales, Ed. Dunod, 1997.
[THO 97] Thomson, W. T.; Rankin, D.; Dorrell, D. G., "On line current monitoring to
diagnose airgap eccentricity, an industrial case history of a large high-voltage
three-phase induction motor," in Proc. IEEE International Electrical Machines
and Drives Conference Record, Milwaukee, USA, 1997, vol. MA2/4, pp. 1-3.
[TZO 96] Tzou, Y-Y.; Lee, W-A.; Lin S-Y., "Dual-DSP sensorless speed control of an
induction motor with adaptive voltage compensation," in Proc. PESC'96, 1996,
vol. 1, pp. 351-357.
[VAS 90] Vas, P., Vector control of AC machines, Ed. Oxford University Press, 1990,
332p.
[VAS 93] Vas, P., Parameter estimation, condition monitoring and diagnosis of electrical
machines, Ed. Oxford University Press, 1993, 360p.
[VAS 94a] Vas, P.; Filippetti, F.; Franceschini, G.; Tassoni, C., "Transient modelling
oriented to diagnostics of induction machines with rotor asymmetries," in Proc.
ICEM94, 1994, pp. 62-67.
[VAS 94b] Vas, P.; Le, J .; Stronach, A. F.; Lees, P., "Artificial neural network based
control of electromechanical systems," IEE International Conf. On Control,
London, UK, 21-24 March 1994, vol. 2, pp. 1065-1070.
[VAS 95] Vas, P.; Stronach, A. F.; Neuroth, M., "A fuzzy-controlled speed sensorless
induction motor drive with flux estimator," in Proc. ICEM95, 11-13 September
1995, pp. 315-319.
[VRA 98] Vranka, P.; Griva, G.; Profumo, F., "Practical improvement of a simple V-I flux
estimator for sensorless F.O. controllers operating in the low speed region," in
Proc. IECON'98, August 31
st
- September 4
th
1998, Aachen, Germany, pp.
1615-1620.
[WAN 94] Wang, P.; Kwork, D. P., "Optimal design of PID process controllers based on
genetic algorithms," Control Eng. Practice, vol. 2, n 4, pp. 641-648, 1994.
[WES 92] Westerholt, E. V., Pietrzak-David, M.; De Fornel, B., "Extended state
estimation of nonlinear modeled induction machines," in Proc. PESC'92,
Toledo, 1992, pp 271-278.
[WES 97] Westerholt, E. V., "A PCMCIA DSP-card to boost inverter performance :
sensorless drive control via extended Kalman filter," in Proc. EPE97,
Trondheim, Norway, 8-10 September 1997, vol. 4, pp. 4.498-4.503.
[WIL 98] Wilamowski, B. M., "Analog VLSI hardware for fuzzy systems," in Proc.
IECON'98, August 31
st
- September 4
th
1998, Aachen, Germany, pp. 52-55.
Bibliographie
211
[XU 88] Xu, X.; De Doncker, R.; Novotny, D. W., "A stator flux oriented induction
machine drive," in Proc. IEEE PESC, 1988, pp. 870-876.
[XU 91] Xu, X.; Novotny, D. W., "Implementation of direct stator flux orientation
control on a versatile DSP based system," IEEE Trans. Indus. Appli., vol. 27,
n4, pp. 694-700, 1991.
[YAH 95] Yahoui, H., Contribution la surveillance et du diagnostic des machines
lectriques, Thse de Doctorat de l'Universit Claude Bernard Lyon 1, 1995.
[ZAD 65] Zadeh, L. A., "Fuzzy Sets," Information and Control, vol. 8, pp. 338-353, 1965.
[ZEL 94] Zelazny, M.; Giri, F.; Bennani T., Systmes asservis : commande et rgulation,
Synthse, application, instrumentation, T2, Eyrolles, 1994.
[ZIN 90] Zinger, D. S.; Profumo, F.; Lipo, T. A.; Novotny, D. W., "A direct field-
oriented controller for induction motor drives using tapped stator windings,"
IEEE Trans. Power Electron., vol. 5, n4, pp. 446-453, Oct. 1990.
[ZOL 96] Zolghadri, M. R.; Pelissou, C.; Roye, D., "Start up of a global direct torque
control system," in Proc. PESC96, pp. 370-374.
Rsum
Les algorithmes gntiques, la logique floue et les rseaux de neurones sont de plus en plus
utiliss dans des domaines d'application trs varis. Nous nous proposons de les tudier dans
le cadre de l'identification et de la commande de la machine asynchrone.
Plus particulirement, nous utilisons les algorithmes gntiques afin d'identifier les
paramtres du modle dynamique de la machine. Des rgulateurs, base de logique floue et
de rseaux de neurones, sont implants au sein d'une commande vectorielle par orientation du
flux rotorique.

Est galement aborde l'influence de la variation des paramtres sur le fonctionnement du
systme. Les dfauts de structure de la machine asynchrone sont considrs dans le cas des
ruptures de barres au rotor. Le diagnostic de ces dfauts ainsi que leur influence sur le
comportement de la rgulation sont tudis.

Enfin, une amlioration de la commande vectorielle sans capteur mcanique est prsente
ouvrant une voie vers les techniques intelligentes de commande. Ces dernires sont
maintenant possibles compte tenu de la puissance sans cesse grandissante des processeurs.

Un logiciel de simulation, dvelopp dans le cadre de la thse, a permis de mener une bonne
partie des tudes prsentes. Une attention particulire a t accorde la partie
exprimentale, seul garant de la faisabilit et de la validation de l'tude.


Mots-cls : Machine asynchrone, Commande vectorielle, Logique floue, Rseaux de
neurones, Algorithmes gntiques, Identification, Diagnostic de dfauts, Commande sans
capteur.



Genetic algorithms, fuzzy logic and neural networks are increasingly used in greatly varied
applications. We propose to study them for the identification and the control of the induction
motor. More particularly, we use the genetic algorithms in order to identify the parameters of
the transient model of the machine. Controllers, based on fuzzy logic and neural networks, are
implemented within a rotor-flux oriented control scheme.

The influence of variation of the parameters on the operation of the system is also
investigated. Faulty induction machines are considered in the case of rotor broken bars. The
diagnosis of these defects and their influence on the behaviour of the control are studied.

Lastly, an improvement of the mechanical-sensorless vector control is presented opening a
new way towards "intelligent control". Thanks to the ever increasing power of processors,
such techniques can be used to replace the sensor.

A simulation tool elaborated along with the thesis made it possible to develop the studies
presented here. Particular care was devoted to the experimental side, the only guarantee of the
feasibility and validation of the study.


Keywords : Induction machine, Vector control, Fuzzy logic, Neural networks, Genetic
algorithms, Identification, Fault diagnosis, Sensorless control.

Vous aimerez peut-être aussi