Académique Documents
Professionnel Documents
Culture Documents
Vectorielle + PID Calcul
Vectorielle + PID Calcul
Chapitre II
Application la commande de la
machine asynchrone
Chapitre II : Application la
commande de la machine asynchrone
41
42
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.
1
Erreur
2
2
F ( sim exp ) + FI as (I as sim I as exp )
Erreur =
1+ e
( 2.1 )
( 2.2 )
A( t0 t )
2500.00
Vitesse (tr/mn)
2000.00
Wm Exprimental
Wm Simulation
1500.00
1000.00
500.00
0.00
0.00
0.10
0.20
0.30
0.40
0.50
0.60
temps (s)
44
0.70
Ias Exprimental
Ias Simulation
Ias (A)
10.00
0.00
-10.00
-20.00
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
temps (s)
300.00
200.00
Vas (V)
100.00
0.00
-100.00
-200.00
-300.00
-400.00
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
temps (s)
3000.00
15.00
10.00
Ias Exprimental
2750.00
Ias Simulation
Wm Simulation
Ias (A)
Vitesse (tr/mn)
5.00
Wm Exprimental
2500.00
0.00
2250.00
-5.00
2000.00
-10.00
1750.00
-15.00
0.20
0.24
0.28
0.32
0.36
0.40
0.20
0.24
0.28
temps (s)
0.32
0.36
0.40
temps (s)
Vitesse
Courant
55
50
1.00E-4
45
40
35
Individu
Fitness
8.00E-5
6.00E-5
30
25
20
4.00E-5
15
10
2.00E-5
5
0.00E+0
0
0
10000
20000
30000
40000
50000
Gnrations
60000
10000
20000
30000
40000
50000
60000
Gnrations
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 ).
46
8.00
0.40
6.00
0.30
Ts (s)
Rs (Ohm)
4.00
2.00
0.20
0.10
0.00
0.00
0
10000
20000
30000
40000
50000
60000
10000
20000
Gnrations
30000
40000
50000
60000
Gnrations
0.05
0.80
0.70
0.04
sigma
Tr (s)
0.60
0.50
0.03
0.40
0.30
0.02
0.20
0.10
0.01
0
10000
20000
30000
40000
50000
Gnrations
60000
10000
20000
30000
40000
50000
60000
Gnrations
47
0.10
0.08
a2 (Nm s/rd)
Coefficients de frottement
J (kg m2)
0.06
0.04
0.02
a3 (Nm)
0.06
0.04
0.02
0.00
0.00
0
10000
20000
30000
40000
50000
60000
10000
Gnrations
20000
30000
40000
50000
60000
Gnrations
On peut constater une convergence des diffrents paramtres estims qui ncessite un grand
nombre de gnrations.
1.00E-4
55
50
45
8.00E-5
40
35
Fitness
Individu
6.00E-5
30
25
4.00E-5
20
15
2.00E-5
10
5
0.00E+0
0
0
200
400
600
800
Gnrations
48
1000
200
400
600
800
1000
Gnrations
4.00
0.30
Ts (s)
Rs (Ohm)
6.00
2.00
0.20
0.00
0.10
0
200
400
600
800
1000
200
Gnrations
400
600
800
1000
Gnrations
0.04
0.60
sigma
Tr (s)
0.70
0.03
0.50
0.02
0.40
0.30
0
200
400
600
800
Gnrations
1000
0.01
0
200
400
600
800
1000
Gnrations
49
0.08
0.08
0.06
0.06
Coefficients de frottement
J (kg m2)
0.04
0.02
0.00
a2 (Nm s/rd)
a3 (Nm)
0.04
0.02
0.00
0
200
400
600
800
Gnrations
1000
200
400
600
800
1000
Gnrations
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.
50
J=0,059 kg m2
a1=0 Nm s2/rd2
a2=0,01438 Nm s/rd
a3=0,5012 Nm
Tableau 2.1
Charge
A vide
Cr=10 Nm
Cr=20 Nm
Cr=37 Nm
Exprimental
(tr/mn)
1495,4
1483
1465
1430
Simulation
(tr/mn)
1496,6
1482,8
1467,5
1436
Tableau 2.2
T1
T2
I as (t ) = I 0 1 + Ae + Be
( 2.3 )
51
I as (t ) = I 0 Ae + Be
( 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 :
T + T2
r = 1
1+
s = T1 + T2 r
T1 T2
s r
avec =
( 2.5 )
A
B
Les constantes de temps T1 et T2 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, T1 et T2 ) 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.
5.00
4.00
3.00
Ias (A)
Ias Exprimental
Ias Simulation
2.00
1.00
0.00
0.00
0.40
0.80
1.20
1.60
temps (s)
Figure 2.21 Identification par algorithme gntique sur une croissance du courant
52
4.00
3.00
Ias (A)
Ias Exprimental
Ias Simulation
2.00
1.00
0.00
0.00
0.40
0.80
1.20
1.60
temps (s)
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.
53
Ias (A)
6.00
4.00
Ias Exprimental
Ias Simulation
2.00
0.00
0.00
0.20
0.40
0.60
temps (s)
Figure 2.23 Identification par algorithme gntique sur une croissance du courant,
Cas d'une alimentation par un onduleur MLI
s
0,215
0,195
0,434
r
0,214
0,248
0,288
0,115
0,144
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 T1 et T2. 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.
Par rapidit, nous faisons allusion la convergence de l'algorithme et au temps de calcul requis.
54
Ias (A)
6.00
4.00
Ias Exprimental
Ias Identification 1
2.00
Ias Identification 2
0.00
0.00
0.20
0.40
0.60
temps (s)
L'identification 1 correspond :
t
t
( 2.6 )
0 , 33828
0 , 007683
I as (t ) = 8,52 1 0,482477e
0.438111e
( 2.7 )
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.
55
sigma Ts
sigma Tr
0.008
fuites
0.006
0.004
0.002
0.000
0
10000
20000
30000
40000
50000
60000
Gnrations
ds = ds , qs = qs
( 2.8 )
R
R
s
Vds =
V
Vds
, Vqs = qs
Rs
Rs
( 2.9 )
1
1 1
I ds pI qs +
ds + p qs + Vds
=
+
s r
s r
dt
dI
1
1
1
1
qs = pI ds
I qs +
p ds + qs + Vqs
+
s
r
dt
s r
d ds
= Vds I ds
dt
d qs
dt = Vqs I qs
d 1 3 pR ( I
2
dt = J 2 s ds qs qs I ds ) a1 a 2 a3
( 2.10 )
1
et puisque les grandeurs
r
varient avec une pulsation s, le modle ne dpend alors que de Rs, s et r.
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
57
58
1
1
xa
1
x
C23
x
2
2
x avec C23 = 3
b
3
3
xc
2
2
1
0
xa
x
C32
1
3
x
avec
C
32
x
b
2
2
xc
3
1
2 2
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 et r par la relation :
r
s = + r
( 2.11 )
qs
dr
qr
r
r
= Ls I ds + MI dr
= Ls I qs + MI qr
= MI ds + Lr I dr
( 2.12 )
= MI qs + Lr I qr
et le couple lectromagntique :
59
3
p( ds I qs qs I ds )
2
( 2.13 )
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 :
d ds
Vds = Rs I ds + dt s qs
V = R I + d qs +
s qs
s ds
qs
dt
0 = Rr I dr + d dr r qr
dt
d
0 = Rr I qr + qr + r dr
dt
( 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
( 2.15 )
Vds = Rs I ds + dt
V = R I + d qs
s qs
qs
dt
0 = Rr I dr + d dr + p qr
dt
d
0 = Rr I qr + qr p dr
dt
( 2.16 )
d
, et en rarrangeant les quations de faon
dt
I qs ds qs t , on obtient :
60
Ls
s r
Ls r
Ls
dt
dI
1
11 1
1
1
qs =
Vqs + pI ds + I qs
p ds +
qs
Ls
s r
Ls
Ls r
dt
d ds
= Vds Rs I ds
dt
d qs
dt = Vqs Rs I qs
d 1 3 p( I
2
ds qs qs I ds ) a1 a 2 a 3
dt = J 2
( 2.17 )
( 2.18 )
q = 0
61
dI qs
dt
+ s
d r
+ r = MI ds
dt
M
r =
I qs
r r
M
r + sLs I ds
Lr
Ce = p
( 2.19 )
M
r I qs
Lr
r =
M
I ds
1 + p r
r =
M
I qs
r r
M
r + sLs I ds
Lr
( 2.20 )
62
s = ( p +
I qs*
r I ds*
r*
o I =
M
*
ds
)dt
C e*
Reg
( 2.21 )
Iqs*+
2 Lr
3pM r*
Vqs*
Vas*
Reg
-
P(s) Vbs*
Ond
MAS
MLI
C32
r*
Vds*
Ids* +
1
M
Vcs*
Reg
MI qs*
r r*
Ias
Iqs
C22
Ids
Ibs
P(-s)
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 Ids et Iqs, 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 Ce* ou le courant de rfrence Iqs*. Il est limit de
manire tenir compte des caractristiques des IGBT de l'onduleur et de la surcharge de la
machine. Iqs* est compar la valeur Iqs issue de la mesure des courants rels. L'erreur
sollicite l'entre du rgulateur dont la sortie est la tension de rfrence Vqs* qui son tour est
E
limit .
2
En parallle avec cette boucle interne, on trouve une boucle de rgulation de Ids. Le courant Ids
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 Ids donne la tension de rfrence Vds*. Les deux tensions de
rfrence Vds* et Vqs* sont alors transformes en grandeurs statoriques Vs* et Vs*, l'aide
d'une rotation d'angle s, puis en grandeurs triphases l'aide d'une transformation de Clarke.
63
64
r =
M
I ds
1 + p r
r =
M
I qs
r r
M
r + sLs I ds
Lr
( 2.22 )
+
+
Vqs
+
-
M
s r
Lr
1
1
Rs 1 + s p
I ds
1
1
Rs 1 + s p
I qs
Ls s I ds
65
M
r et sLsIds correspondent aux termes de couplage entre les
Lr
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.
Ls s I qs
I ds* +
Reg
Vds*
Ls s I qs
Vds*
+
+
1
1
Rs 1 + s p
I ds
1
1
Rs 1 + s p
I qs
I ds
I
*
qs
M
s r
Lr
Reg
Vqs*
Ls s I ds
I qs
*
qs
+
-
Rgulation
M
s r
Lr
Ls s I ds
Modle de la machine
On aboutit alors au schma bloc simple et identique pour les deux axes :
I qs*
Reg
Vqs*
1
1
Rs 1 + s p
I qs
66
+
-
1
K q 1 +
pTq
1
1 + pTqd
1
1
Rs 1 + s p
I qs
67
1 + pTq
pTq
1 Rs
1
1 + pTqd 1 + p s
( 2.23 )
On dispose de deux degrs de libert pour rguler le systme. Nous avons choisi d'utiliser Tq
afin d'liminer le ple le plus lent, puis calculer Kq 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.
Tq = s
Goi =
( 2.24 )
Kq
1
Rs p s (1 + pTqd )
( 2.25 )
Rs sTqd
1
p2 + 2 p
Kq
1
+
2Tqd Rs sTqd
02
= 2
p + 2 p 0 + 02
( 2.26 )
avec :
1 Rs s
=
2 K qTqd
Kq
=
0
Rs sTqd
( 2.27 )
1
, lors d'un
Pour un amortissement =
2
chelon sur la consigne, on a un dpassement
de 4,3 %.
D'o :
Kq =
Amplitude
1.2
0.8
0.6
Rs s Ls
=
2Tqd
2Tqd
Tq = s =
Ls
Rs
0.4
( 2.28 )
0.2
4
temps (s)
8
-3
x 10
68
( 2.29 )
avec :
K p = Kq
( 2.30 )
K
Ki = q Te
Tq
Les mmes valeurs de coefficients sont adopts pour les deux boucles de courant.
10.00
9.00
Reg PI de courant
Echelon de 5 10 A
Ids (A)
8.00
7.00
6.00
5.00
-0.0100
0.0000
0.0100
0.0200
0.0300
0.0400
temps (s)
69
10.00
9.00
Reg PI de courant
Echelon de 5 10 A
Ids (A)
8.00
7.00
6.00
5.00
-0.0100
0.0000
0.0100
0.0200
0.0300
0.0400
temps (s)
6.00
5.00
Ids (A)
4.00
Reg PI de courant
Echelon de 0 6 A
3.00
2.00
1.00
0.00
-0.0100
0.0000
0.0100
0.0200
0.0300
temps (s)
70
0.0400
5.00
Ids (A)
4.00
Reg PI de courant
Echelon de 0 6 A
3.00
2.00
1.00
0.00
-0.0100
0.0000
0.0100
0.0200
0.0300
0.0400
temps (s)
71
* +
-
K v 1 +
pTv
1
1 + pTvd
*
qs
Cr
-
I qs
Gfi
Ce
Kt
1
a2 + pJ
mes
1
1 + pTvf
1 + pTv
1
02
1
Kt
2
pTv 1 + pTvd p + 2 p 0 + 0 1 + pTvf a 2 + pJ
( 2.31 )
Et en boucle ferme :
G fv = (1 + pTvf )
Gov
1 + Gov
( 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 antisaturation ( 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 ).
72
+
*
1
pTv
-
mes
I qs*
Kv
1
1 + pTvd
Cr
-
I qs
Gfi Iqs
Ce
Kt
1
a2 + pJ
1
1 + pTvf
Mthode d'optimisation
Essai-erreur ( sim/exp )
Essai-erreur ( sim/exp )
Algorithme
gntique( sim )
Kp
3
2
2,87
Ki
0,06
0,1
0,337
Tt
1
0,174
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 Iqs*. 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
Iqs 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.
73
300.00
Vitesse (tr/mn)
200.00
100.00
0.00
0.80
1.00
1.20
1.40
1.60
1.80
2.00
temps (s)
-100.00
-200.00
IP
IP anti-saturation 1
-300.00
IP anti-saturation 2
-400.00
Figure 2.38 Evolution de la vitesse pendant son inversion de -400 +400 tr/mn,
Simulation, comparaison des diffrents rgulateurs
20.00
15.00
10.00
5.00
0.00
-5.00
IP
-10.00
IP anti-saturation 1
IP anti-saturation 2
-15.00
-20.00
0.80
1.00
1.20
1.40
1.60
1.80
2.00
temps (s)
Figure 2.39 Evolution de Iqs* pendant une inversion de vitesse de -400 +400 tr/mn,
Simulation, comparaison des diffrents rgulateurs
74
La confrontation des rsultats thoriques et exprimentaux en utilisant le rgulateur IP antisaturation (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 Iqs ref et Iqs ( figure 2.41 ). Aprs
une priode pendant laquelle Iqs 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 Iqs exprimental.
Le courant Ids 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 Vqs ref prend l'allure de la vitesse en rgime permanent du courant. Il existe cependant un
cart sur Vds ref d probablement une erreur d'identification sur Rs puisque Iqs est proche de
zro avant et aprs l'inversion ( Vds/Rs=Ids ) et galement une sensibilit qr ( de l'ordre de
0,01 0,03 Wb ) qui introduit une diffrence de quelques volts.
400.00
300.00
IP anti-saturation (1)
Wm ref Exprimental
200.00
Vitesse (tr/mn)
Wm Exprimental
Wm Simulation
100.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-100.00
-200.00
-300.00
-400.00
75
IP anti-saturation (1)
15.00
10.00
I (A)
Iqs Simulation
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
8.00
I (A)
6.00
IP anti-saturation (1)
Ids ref Exprimental
4.00
Ids Exprimental
Ids Simulation
2.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
temps (s)
0.50
100.00
V (V)
50.00
0.00
IP anti-saturation (1)
-50.00
-100.00
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
77
410.00
Vitesse (tr/mn)
400.00
390.00
380.00
IP anti-saturation (1)
370.00
Wm ref Exprimental
Wm Exprimental
360.00
Wm Simulation
350.00
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
I (A)
10.00
5.00
IP anti-saturation (1)
Iqs ref Exprimental
0.00
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
-5.00
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
78
P
Z
-1
dEn
En
-1
dUn
-1
Z +P =1
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 Iqs 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 Iqs , 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
80
Les points modaux correspondent aux sommets des fonctions d'appartenance triangulaires
81
400.00
Vitesse (tr/mn)
200.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
Rgulateur flou
Wm ref Exprimental
-400.00
Wm Exprimental
Wm Simulation
-600.00
Rgulateur flou
Iqs ref Exprimental
15.00
Iqs Exprimental
Iqs ref Simulation
Iqs Simulation
I (A)
10.00
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
82
400.00
Vitesse (tr/mn)
200.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
Rgulateur flou
Wm ref Exprimental
-400.00
Wm Exprimental
Wm Simulation
-600.00
15.00
I (A)
10.00
5.00
Rgulateur flou
0.00
-5.00
Iqs Simulation
-10.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
83
84
dE (tr/mn)
0.50
E (tr/mn)
0.00
-400.00
0.00
400.00
800.00
1200.00
-0.50
-1.00
-1.50
-2.00
dE (tr/mn)
0.30
0.20
0.10
E (tr/mn)
0.00
-10.00
-5.00
0.00
5.00
10.00
-0.10
-0.20
-0.30
400.00
Vitesse (tr/mn)
200.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
Essai exprimental
Wm ref Reg flou
-400.00
Wm Reg flou
Wm Reg IP anti-saturation
-600.00
20.00
Essai exprimental
Iqs ref Reg flou
15.00
I (A)
10.00
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
87
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.
GN
PN Z
PP
GP
GN
PN Z
PP
En
-1 -0.5
0.5 1
GP
GN
PN Z
PP
GP
dEn
-1 -0.5
0.5 1
dUn
-1
-0.3 0 0.3
On notera que pour la variable de sortie dUn, 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 ( Iqs 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 :
88
En
GN PN
PP
GP
GN GN GN
PN
PN
PN GN PN
PN
PP
GN PN
PP
GP
PP
PN
PP
PP
GP
GP
PP
PP
GP
GP
89
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.
90
91
400.00
Vitesse (tr/mn)
200.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
Simulation
Wm ref Reg flou 3 F
-400.00
Wm Reg flou 3 F
Wm Reg flou 5 F
-600.00
Simulation
Iqs ref Reg flou 3 F
15.00
I (A)
10.00
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
100.00
Vitesse (tr/mn)
50.00
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-50.00
Simulation, Wm
-100.00
Reg flou 3 F
Reg flou 5 F
-150.00
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
20.00
15.00
I (A)
10.00
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
Figure 2.65 Variation de Iqs 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
93
400.00
Vitesse (tr/mn)
200.00
0.00
0.00
0.20
0.40
0.60
0.80
temps (s)
-200.00
Simulation
Wm reg flou 3 F
-400.00
FdU=4
FdU=10
-600.00
Simulation
Iqs ref reg flou 3 F
15.00
FdU=4
FdU=10
I (A)
10.00
5.00
0.00
-5.00
0.00
0.20
0.40
0.60
0.80
temps (s)
95
600.00
Rgulateur neuronal
Perceptron
400.00
Wm ref Exprimental
Wm Exprimental
Vitesse (tr/mn)
200.00
Wm Simulation
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
-400.00
-600.00
96
Rgulateur neuronal
Perceptron
Iqs ref Exprimental
15.00
Iqs Exprimental
Iqs ref Simulation
10.00
I (A)
Iqs Simulation
5.00
0.00
-5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
20.00
Essai exprimental
600.00
Essai exprimental
15.00
400.00
Wm Reg flou
10.00
Wm Reg neuronal
I (A)
Vitesse (tr/mn)
200.00
0.00
5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
0.00
-400.00
-5.00
-0.10
-600.00
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
97
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
98
2
f ( x) = 1
1 + exp( 2 x )
( 2.33 )
0.5
-6
-4
-2
-0.5
-1
99
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.
100
Rgulateur neuronal
Perceptron
600.00
15.00
Rgulateur neuronal
Perceptron
400.00
Iqs Exprimental
Wm ref Exprimental
Iqs Simulation
I (A)
200.00
Vitesse (tr/mn)
Wm Exprimental
Wm Simulation
0.00
5.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
-200.00
0.00
-400.00
-5.00
-600.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
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.
101
dU = wij exp
+
2
2 Ei2
i, j
dEj
( 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].
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 ).
102
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".
103
600.00
20.00
Rgulateur neuronal
RBF
Rgulateur neuronal
RBF
400.00
15.00
Wm ref Exprimental
Vitesse (tr/mn)
Iqs Exprimental
Wm Exprimental
200.00
Wm Simulation
10.00
I (A)
Iqs Simulation
0.00
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
temps (s)
5.00
-200.00
0.00
-400.00
-600.00
-5.00
-0.10
0.00
0.10
0.20
0.30
temps (s)
104
0.40
0.50
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 Iqs.
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
105
106