Académique Documents
Professionnel Documents
Culture Documents
Intitulé
‘‘Synthèses Des Techniques de Commande DTC Associe à
L’intelligence Artificielle Appliquée au Contrôle D’un Moteur
Asynchrone Alimenté par Onduleur Multi-Niveaux’’
Faculté : Génie Electrique
Département : Electrotechnique
Spécialité : Electrotechnique
Les travaux de recherche présentés dans ce mémoire ont été effectués au sein Laboratoire des
Développements des Entrainements Electriques (LDEE) de l’Université d’USTO-Mohamed
Boudiaf D’Oran.
Je commencerais par exprimer ma profonde gratitude envers mon directeur de thèse Monsieur
BENDJEBBAR Mokhtar , Maître de conférences au département d’El électrotechnique
à l’Université d’USTO, d’avoir proposé le sujet sur lequel j’ai travaillé, et qui a assuré la direction
et l’encadrement du travail présenté dans ce mémoire , pour la confiance qu’il m’a témoignée et
pour tous les conseils, ses encouragements , soutient et surtout sa gentillesse afin de nous permettre
l'accomplissement de ce travail.
J’adresse mes remerciements aux membres du jury d’avoir accepté de juger ce travail :
À monsieur BOURAHLA Mohamed, Professeur à l’Université d’USTO d’Oran, pour l’honneur
qu’il ma fait en acceptant la présidence du jury de ce mémoire.
À monsieur ZEMALACHE MEGUENNI Kadda, Professeur à l’Université des Sciences et de la
Technologie d’Oran pour avoir accepté de juger ce travail. Qu’il trouve ici l’expression de mon
respect et ma profonde reconnaissance.
À monsieur MEROUFEL Abdelkader , Professeur à l’université Djillali Liabes à Sidi-Bel-
Abbés pour l’intérêt qu’il a bien voulu porter à ce travail en acceptant de siéger dans ce jury. Qu’il
trouve ici l’expression de mon respect et ma profonde reconnaissance.
À monsieur MANSOURI Abdellah, Professeur à l’Ecole National Polytechnique d’Oran pour
m’honorer de participer en membre dans ce jury. Qu’il trouve ici l’expression de mon respect et ma
profonde reconnaissance.
À monsieur CHENAFA Mohamed, Professeur à l’Ecole National Polytechnique d’Oran pour
avoir accepté de juger ce travail. Qu’il trouve ici l’expression de mon respect et ma profonde
reconnaissance.
Enfin, je ne pourrais terminer ces remerciements sans une pensée à l’ensemble de mes enseignants
qui sont à l’origine de tous mes savoirs !
Cette méthode même si elle porte plusieurs avantages par rapport aux autres commandes vectorielles
représentées dans la rapidité dans le temps de réponse et les insensibilités aux variations paramétriques
du moteur asynchrone , mais elle a aussi des inconvénients représentées dans la irrégularité dans
la fréquence de commutation et des ondulations remarquables aux niveaux du flux statorique et dans le
couple électromagnétique.
Pour dominer ces problèmes et améliorer les performances de cette commande, on a fait dans
la première étape des modifications dans l’algorithme de commutation avec les changements
nécessaires dans les autres composants dans le schéma général selon la DTC avec l’onduleur à multi-
niveaux. Ensuite on a proposé de transformer le noyau de l’algorithme obtenu de DTC par l’utilisation
des techniques d’intelligence artificielle représentants respectivement par les réseaux de neurones
artificiels, la logique floue, les systèmes neuro-flous.
الملخص
في االلكتر ني ال درة إلى ظ ر عدة استراتجي في نظ التحك الشع عي أدى التط ر الح صل في المع لج الدقي
هي طري، من بين هذه االستراتجي التي الق ر اج من طع النظير في الميدان الصن عي،ل محر الالتزامني ثالثي األط ار
.التحك المب شر لعز الد ران
هذه الطري حتى إن ك ن تحمل مزاي كثيرة في م دمت سرعت ال ئ في االستج ب إض ف إلى عد تأثره في التغيرا التي
إال إن تتس بعي المتمث في ج د ت ترا االستبدال متغيرة خ ص ج د اهتزازا، تطرأ ع ى عن صر المحر من ج
. من ج أخرى، ع ى مست ى الح ل الك ر مغن طيسي العز الد راني ل محر
قمن في مرح أ لي بتعديل جد ل التغيرا الكالسيكي حتى يك ن ب ستط عته،لدرأ هذا اإلشك ل لتحسين منظ م التحك هذه
ث عدلن خ ارزمي التحك المحصل ع ي ب عتم د ت ني الذك ء االصطن عي المتمث، التحك في المم ج المتعدد المست ي
المنط الغ مض الطري ال جين المتمث في الشبك العصبي االصطن عي المستندة الشبك العصبي االصطن عي،في
.ب لمنط الغ مض
، العصبي االصطن عي الشبك، المم ج المتعدد المست ي، التحك المب شر لعز الد ران،المحر الالتزامني: الكلما المفتاحي
. الشبك العصبي االصطن عي المستندة ب لمنط الغ مض،المنط الغ مض
Abstract
The progresses of micro-processing and in the power electronics allow to create many strategies of the
vector control for induction motor of the three-phase, one these strategies which have a great success
in the industrial world, the direct torque control (DTC).
This method has a lot of advantages which the response time is quick and not sensible for all variation
in parameters of the induction motor, but in the same time, it has a many disadvantages which
represented the irregular in frequency of the switches, and a high ripple in the stator flux and in the
torque produced by the asynchronous motor.
For avoid there problems and to improve this strategy of control, we replace in first time the classical
table switching by an other to allow the controlling the multi-levels inverter. Then we propose to
progress the new algorithm by using the artificial intelligence, represented in the artificial neural
networks, the fuzzy logic, and neuro-fuzzy systems.
Keywords : Induction motor, Direct torque control, Multi-levels inverter, Artificial neural networks,
Fuzzy logic, Neuro-fuzzy systems.
Contribution de l’auteur
I. Publications Internationales :
01 M. L. Zegai , M. Bendjebbar, K. Belhadri, F.Lakhdari “Adaptive Neuro-Fuzzy Speed
Regulator Applied in Direct Torque Control for Induction Motor Drive Using
Multilevel Inverter’. International Review of Automatic Control (IREACO),
Vol. 9, N. 4 , ISSN 1974-6059, July 2016, pp.182-191.
02 K.Belhadri, B.Kouadri , M.L. Zegai, "Adaptive Neural Control Algorithm Design for
Attitude Stabilization of Quadrotor UAV". International Review of Automatic
Control (IREACO) , Vol. 9, N. 6 , ISSN 1974-6059, November 2016, pp.390-396.
Symbole Signification
Rs Résistance statorique [Ω] .
Rr Résistance rotorique [Ω] .
Ls Inductance statorique [H].
Lr Inductance rotorique [H].
Lm Inductance mutuelle propre [H].
ls Inductance propre d’enroulement statorique [H].
lr Inductance propre d’enroulement rotorique [H].
Ms Inductance mutuelle statorique [H].
Mr Inductance mutuelle rotorique [H].
Msr Inductance mutuelle entre le stator et rotor [H].
Mrs Inductance mutuelle entre le rotor et stator [H].
f Coefficient de frottement [N.s/rad].
J Moment d’inertie [kg.m2].
P Nombre de paire de poles.
d et q Axes direct et quadrature.
α et β Axes alpha et beta.
xd et xq Composantes de la grandeur x dans le repère (d-q).
xα et xβ Composantes de la grandeur x dans le repère (˞-˟).
φ Flux [Wb].
ωréf Vitesse de référence [rad/s].
ωs Pulsation électrique statorique [rad/s].
ωr Pulsation électrique rotorique [rad/s].
Ω Vitesse mécanique [rad/s].
θ La position du flux statorique
θe Angle électrique [Rad].
θs Position angulaire du stator [rad/s].
θr Position angulaire du rotor [rad/s].
Cem Couple électromagnétique [N.m].
Cr Couple résistant [N.m].
e L’écart entre la consigne et la mesure.
V Tension [V].
I Courant [A].
S Opérateur de Laplace.
μ (x) Degré d’appartenance.
Vsa,b,c et Vra,b,c Tensions de phases (stator et rotor) [V].
isa,b,c et ira,b,c Courants statoriques et rotoriques de phases [A].
σ Coefficient de dispersion.
t Temps continu [s].
ABRÉVIATIONS
Introduction Générale
A
u début de l’évolution technologique, le moteur à courant continu a constitué le
seul moyen de transformation de l’énergie électrique en énergie mécanique, et la
seule source électromagnétique à vitesse variable grâce à sa simplicité de
commande. Par contre, ce type de machine présente plusieurs inconvénients liés à son poids,
elle ne peut être utilisée ni dans les applications de grande puissance, ni dans des endroits
explosifs, pour ces raisons, y’avait des vues destinées vers d’autres solutions pour avoir des
actionneurs moins coûteux, sécurisés et plus robustes.
Le contrôle de la machine d’induction par des onduleurs à deux niveaux est la méthode
la plus classique et la plus simple, mais l’utilisation ce genre de convertisseurs présente des
inconvénients tels que, la limitation en puissance et que le taux d’harmonique est très élevé
qui limite par conséquent le développement d’entraînements alternatifs. Ces problèmes ont
conduit à l’apparition de nouvelles structures de convertisseurs de puissance destinées pour
les applications de haute tension appelées convertisseurs multi-niveaux. A nos jours, l’étude
des machines asynchrones alimentées par des convertisseurs multi-niveaux constitue un vaste
thème de recherche dans les laboratoires d’électrotechnique. Grâce à leur topologie, les
onduleurs à multi-niveaux permettent une association série de plusieurs cellules de
commutation, ce qui permet une augmentation du niveau de tension appliquée et également la
puissance transitée. Cette structure permet aussi d’avoir une tension de sortie proche de la
sinusoïde grâce aux plusieurs niveaux de tension fournis par ce convertisseur.
Ces dernières années, les progrès qui conjoignent l’électronique de puissance avec la
micro-informatique permettent de créer plusieurs techniques qui ont été développées pour
permettre le variateur de vitesse d'atteindre parfaitement ces performances, parmi ces
techniques de commande qui sont appliquées aux machines asynchrones, on distingue:
la commande scalaire, la commande vectorielle, la commande directe du couple, la
commande directe du flux et la commande non linéaire (mode glissant, prédictive,
adaptative…).
Introduction Générale
Ce travail présenté, porte sur la commande directe du couple (DTC), cette commande se
base sur l’orientation du vecteur flux statorique par l’action directe sur l’état des interrupteurs
d’onduleur de tension. La détermination de la séquence de commande appliquée aux
interrupteurs de l’onduleur est généralement basée sur l’utilisation de régulateurs à hystérésis
dont la fonction est de contrôler l’état du système.
Dans le premier chapitre, c’est la problématique et l’état de l’art lié à la commande DTC où
on a cité en cas particulier les anciens et les récents travaux de recherche proposés pour
améliorer les performances de la commande directe du couple.
Au niveau du quatrième chapitre, nous présenterons les fondements des réseaux de neurones
artificiels afin de les appliqués à la commande neuronale dans la DTC à multi-niveaux afin de
voir l’intérêt de cette technique dans ce genre de commande.
Par la suite, et en cinquième chapitre, nous exposerons les principes de base de la logique
floue, après que nous appliquerons cette stratégie de contrôle dans le noyau de l’algorithme
original de la DTC à multi-niveaux pour vérifier les avantages de cette technique.
On terminera par le sixième chapitre, où nous proposerons dans cette partie une récente
méthode appartienne dans le monde d’intelligence artificielle représentante dans la commande
neuro-floue, dont l’objectif est de mettre cette stratégie dans l’algorithme fondamental de la
DTC à multi-niveaux avec deux méthodes proposées, afin de tester ses performances.
Et on finira cette thèse par une conclusion générale qui vient clôturer notre travail présenté
et quelques perspectives qu’englobent nos propositions pour développer cette stratégie de la
commande comme une suite de recherche dans ce travail.
Chapitre I:
I.1 Introduction :
La technique de commande directe du couple (Direct Torque Control ou ‘DTC’) est introduite
en 1985 par ‘Takahashi’. Cette méthode consiste à commander directement la fermeture ou
l'ouverture des interrupteurs de l'onduleur à partir des valeurs pré calculées du flux statorique
et du couple car les changements d'état des interrupteurs sont liés directement à l'évolution des
états électromagnétiques du moteur. Donc elle n’a pas commandé à partir des consignes de
tension et de fréquence comme d’autres commandes vectorielles, mais son principe est basé
sur l'utilisation de régulateurs à hystérésis pour surveiller l'amplitude et l’évolution du flux
statorique et le couple électromagnétique. Il s'agit donc de maintenir ces deux grandeurs dans
des plages d'erreurs définies, les deux sorties de ces régulateurs combinées avec l’angle qui
indique la position où le vecteur du flux statorique se trouve dans le plan biphasé, représentent
les données nécessaires de l’algorithme de commutation qui servent à contrôler l'onduleur
pour alimenter le moteur asynchrone avec des tensions bien sélectionnées.
Les premiers produits commerciaux utilisant cette méthode de commande sont des systèmes
de tractions du groupe ABB, conçus pour équiper les locomotives hybrides. En 1995, la
famille de variateurs de vitesse qui utilise la méthode, est lancée.
Deux estimateurs du couple et du flux statorique basés sur le modèle lié au stator,
Une table de sélection du vecteur de tension désirée du stator, établie en concordance
avec les erreurs du flux et du couple simultanément,
Deux comparateurs à hystérésis l'un à deux niveaux destiné pour le contrôle du flux,
l'autre à trois niveaux consacré au contrôle du couple électromagnétique,
Un régulateur de vitesse.
Dans les littératures, il y’avait plusieurs travaux qui présentés les méthodes utilisées pour
améliorer les performances de la commande DTC. Dans ce chapitre nous allons présenter
l'état de l'art du sujet que nous intéressons, en regroupant l'ensemble des articles ou contenus
d'ouvrages, que nous avons choisis de sélectionner pour commencer notre étude. A chaque
fois, nous tacherons de présenter dans quelle configuration de commande l'auteur s'est place,
quelle a été sa thématique de recherche et si il y a eu ou pas une validation expérimentale.
Dans le bilan que nous présenterons ensuite, nous donnerons les grands axes de recherche
vers lesquels nous avons souhaite nous orienter à la lueur de cette étude bibliographique.
On rappelle dans la suite de ce paragraphe les avantages et les inconvénients de la stratégie de
commande DTC objet des travaux de recherche présentés dans cette thèse.
1
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
Les inconvénients de la commande DTC peuvent être résumés par les points suivants :
Durant les deux dernières décennies, de nouvelles stratégies de la commande DTC classique
sont développées. Ces stratégies ont été proposées dans le cadre de surmonter les défauts liés
avec cette commande et d’améliorer également ces performances pour avoir un contrôle
parfait.Les travaux de recherche montrent plusieurs méthodes pour améliorer les
performances de la commande DTC, qui sont présentés dans:
2
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
Dans les travaux de [21], ont utilisé la modulation vectorielle dans la commande DTC. Les
auteurs ont proposé d’utiliser un régulateur hybride pour régulateur de vitesse et deux
régulateurs PI pour les boucles du couple et du flux pour construire le vecteur de tension de
référence utilisé par la technique SVM-DTC. Cette proposition donne des résultats
satisfaisants dans les réponses du couple et du flux.
Dans [22], les auteurs associaient la technique de SVM sur la commande DTC à deux
niveaux, les résultats de ce travail montrent des diminutions remarquables des ondulations du
couple électromagnétique, et avoir des fréquences de commutations constantes.
Cependant, les auteurs de [23], ont développé une stratégie DTC sans capteur de vitesse par
un estimateur basé sur la technique model de référence (MRAS) associé à un régulateur
hybride, cette technique est conçue sur la base d’un system adaptatif utilisant deux
estimateurs du flux, le premier, n’introduisant pas la vitesse, est appelé modèle de référence,
et le second pilote un algorithme d’adaptation qui génère la vitesse estimée . Par comparaison
à la stratégie DTC conventionnelle, les performances de la méthode proposée sont améliorées.
Le flux statorique ainsi que le couple sont directement contrôlés par le vecteur de tension
généré par l’onduleur puisque ce contrôle est assuré par un algorithme de MLI vectorielle.
Les auteurs de [24] et [25] ont montré que l’état de commutations appliquées à la machine
dans DTC conventionnelle est insuffisant pour un bon fonctionnement de la commande. Ces
travaux montrent aussi que l’insertion de la modulation vectorielle dans la commande DTC
permet d’une part de résoudre partiellement le problème des ondulations du flux et du couple,
et d’autre part de contrôler la fréquence de commutation des interrupteurs de l’onduleur. Dans
ces conditions, la commande DTC à base de SVM par une utilisation d’un comparateur du
couple de cinq niveaux permet de produire un nombre de vecteurs tension plus élevé. Les
performances de la stratégie proposée ont été validées par des simulations et des essais
expérimentaux. Cette stratégie est montrée une réponse améliorée du flux et du couple et
d’avoir une fréquence de commutation constante.
3
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
A causes des limitations enregistrés aux niveaux des onduleurs à deux niveaux, et avec le
développement simultanément de l’électronique de puissance et des composants à semi-
conducteurs, la technique des onduleurs à multi-niveaux devienne un outil de recherche très
important, ce dernier liée également à des tensions et puissances plus élevées. D’autre part, on
cherche à obtenir des grandeurs de sortie ayant une meilleure qualité.
Au ces points de vue, les chercheurs électrotechniciens sont consacrés d’utiliser des onduleurs
multi-niveaux dans la commande DTC.
Dans [7], les auteurs dans ce travail présentés une étude comparatives entre la commande
DTC classique à deux et à multi-niveaux avec l’utilisation dans chaque cas deux types des
régulateurs de vitesses, un proportionnel intégral et l’autre par la technique de mode glissant.
Les résultats des simulations été marquées sous différentes conditions. Les résultats
numériques montrent qu’il y’a pas des modifications considérables dans la réponse de vitesse
dans les cas étudiées, mais y’a des réductions importantes du couple dans le cas d’utilisation
d’un onduleur à multi-niveaux.
Dans cette publication [13], les auteurs sont montrent qu’il est possible d’intégré la
commande DTC dans les entrainements des énergies éoliennes par l’utilisation d’une machine
asynchrone à double alimentation (MADA) actionnée par un onduleur à multi-niveaux, les
résultats de simulation illustrée une dégradation parfaite de taux des ondulations au niveau du
couple et dans le flux dans la machine utilisée.
Les chercheurs, dans [26], utilisaient une commande DTC basée sur les onduleurs à multi-
niveaux. Cette méthode, même elle est complexe si on la compare avec la commande de DTC
seulement à deux niveaux, cependant cette proposition repose sur deux avantages majeurs, la
réduction du nombre de transformateurs à utiliser et le facteur de puissance unitaire assuré par
l’onduleur à trois niveaux. Entre autres, l’abaissement de la distorsion harmonique ce que
présente une réduction importante des ondulations du couple électromagnétique et le flux
statorique. Egalement, cette stratégie nous permet d’utiliser des machines plus puissantes.
Depuis 1990, les méthodes d’intelligences artificielles ont été introduites dans les
applications de l’électronique de puissance, dans les entraînements électriques, et même dans
l’estimation de la vitesse [1]. L’avantage de ces techniques c’est qu’elles n’exigent pas un
model mathématique pour concevoir les contrôleurs ou les observateurs. En effet, suite à de
moteur d’inférence qui gère les règles dans la base de données dans la logique floue, ou
l’opération de l’apprentissage dans les réseaux de neurones et les systèmes neuro-flous, ils
peuvent estimer, identifier et adapter avec une grande précision les paramètres et les variables
de commande de tout actionneur électrique en ,particulier, la machine à induction qui est un
système multi-variables et non linéaire [2].
4
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
Récemment, le contrôle basé sur l’intelligence artificielle est proposé comme une solution
efficace pour améliorer les performances dynamiques de la commande DTC. Généralement,
on peut définir que l’application de cette méthode dans ce genre de commande citée dans les
cas suivants :
A la lumière de ces approches, on trouve dans l’article [15], [6], les auteurs ont proposés de
développer la commande DTC à modulation vectorielle avec l’intégration de la logique floue
dans les régulateurs à hystérésis du couple et du flux, l’intérêt de ce travail exprimait dans la
réduction dans la distorsion des courants, minimisation des ondulations dans le couple et dans
le flux, amélioration dans le temps de réponse, limitation des problèmes qui sont rencontrés
dans les basses vitesses.
Dans la publication de [14], les auteurs ont proposé d’insertion la modulation vectorielle dans
la technique de DTC, avec une étude comparative entre un régulateur du vitesse de type PID
et neuronal, l’apprentissage de ce dernier est fait en temps réel pour produire le couple de
référence, les résultats de simulation de cet article montrent que l’utilisation de DTC-PID
génère une réponse de vitesse rapide mais avec un dépassement remarquable, cependant, la
DTC-NN offre une réponse lente mais sans aucun dépassement.
Dans les travaux de [6], les éditeurs, proposaient d’utiliser la technique de la logique floue au
niveau des régulateurs PI (du couple et du flux) avec une contribution de la technique SVM,
cette méthode, permet d’obtenir une réduction au niveau du couple électromagnétique et du
flux statorique.
Dans [10],[8] ,[9] les chercheurs ont remplacés la table de vérité de l’état de commutation de
DTC à deux niveaux, par un régulateur flou, ce que permet, d’avoir des réductions
considérables au niveau du couple électromagnétique et le flux statorique.
On trouve dans la thèse de [16], que l’auteur a montré l’effet de la variation de la résistance
statorique à basse et moyenne vitesse, ensuite, il est inséré des différentes techniques
d’intelligence artificielle (la logique floue, les réseaux de neurones, le neuro-flou) dans la
table de commutation de ‘Takahashi’ (utilisation un onduleur à deux niveaux), ces différentes
5
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
stratégies montrent ses efficacités dans l’amélioration dans les réponses du couple et le flux,
ainsi, il montre que chaque technique a des influences dans la manière de projection du flux
statorique dans le plan biphasé (α,β).
Dans la publication de [5], les concepteurs ont suggérés l’insertion d’un contrôleur à l’aide de
la technique de neuro-flou à la place du contrôleur principal classique de la DTC à deux
niveaux, cette nouvelle stratégie été testée et validée par une simulation numérique, elle
permet d’avoir des réductions importantes dans le couple (de 13.3% vers 3.75%) , ainsi , une
réponse améliorée dans le flux statorique, et avoir un enregistrement remarquable dans la
rapidité de temps de réponse des grandeurs mesurés par rapport à la technique
conventionnelle.
Les travaux de recherche dans [17]-[18], présentés une nouvelle application de la technique
de la logique floue dans la table de commutation de DTC adaptée avec un onduleur à multi-
niveaux, les testes de simulations et les validations expérimentaux, montrent des éliminations
importantes dans les oscillions du couple et dans la valeur des distorsions dans les courants et
les tensions obtenus.
Dans même cadre, les auteurs de [19], sont présentés d’une façon détaillée le principe de
fonctionnement d’une commande DTC des machines asynchrone dans le cas d’utilisation des
onduleurs multi-niveaux de type NPC, avant de faire une comparaison entre les performances
de la méthode fondamentale et deux techniques d’intelligence artificielle qui sont représentés
dans la logique floue et les réseaux de neurones artificiels. Les résultats de simulation obtenus
avec des nouvelles stratégies de commande proposée montrent des amortissements satisfaites
dans les réponses du flux statorique et du couple électromagnétique.
L’article [20], propose une commande de DTC à deux niveaux par l’utilisation la technique de
neuro-flou de type ANFIS à la place de la table de commutation afin de générer les vecteurs
tensions de référence à l’aide de technique de modulation vectorielle par l’auto-apprentissage,
ainsi, des adaptations et optimisations des gains du régulateur PI par annulation le régulateur
PI classique et le remplacer par un régulateur PI avec des gains variables selon un algorithme
donné. L’effet de cette proposition est résumé dans les points suivants, avoir des fréquences
de commutation constantes, dégrader l’amplitude de dépassement de la vitesse, avoir
directement des valeurs nominales des courants statoriques dans le régime transitoire, une
hausse robustesse contres les grandes charges ajoutées.
A l’issue de cette synthèse, notre étude sera consacrée sur la commande directe du couple
d’un onduleur à multi-niveaux appliquée sur un moteur asynchrone. Dans ce cadre, les
travaux proposés dans cette thèse sont directement orientés vers l'application des techniques
intelligentes afin de pallier à certains aspects de la commande DTC, le premier aspect, auquel
on a investigué consiste à limiter en partie la forte ondulation au niveau des grandeurs couple
électromagnétique et flux statorique, et l’autre, pour réguler la fréquence de commutation.
Pour ce faire, Le travail proposé est de remplacer la table de commutation de la commande
DTC à multi-niveaux par des contrôleurs intelligents, on utilisant:
6
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
Les performances de la commande DTC à multi-niveaux avec ces contrôleurs proposés ont
été testées dans l’environnement de logiciel Matlab-Simulink.
I.3 Conclusion:
Dans ce chapitre, on a présenté l’état de l’art d’une nouvelle commande vectorielle destinée
dans ces dernières décennies au contrôle des moteurs asynchrones. On a précisé également la
problématique de cette recherche, et les grandes lignes de nos objectifs.
Au cours de cette étude bibliographique, nous avons exploré quelques travaux et des
contributions escomptées pour améliorer les performances de la commande directe du couple
du moteur à induction. Cette projection de la lumière dans ces études jugée clairement
l’intérêt progressif de cette technique de commande dans le monde d’électrotechnique.
7
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
Bibliographie
[1] S.H.Kim,T.S.Park,J.Y.Yoo,G.T.Park,"Speed-sensorless vector control of an induction
motor using neural network speed estimation", IEEE Transactions on Industrial
Electronics, vol. 48, no. 3, pp. 609 – 614, June 2001.
[2] J.Ghouili,A.Chériti,"Estimation Robuste de Vitesse d’une Machine Asynchrone à
L’aide de Réseau de Neurones Dynamiques", Proceedings of IEEE Canadian
Conference on Electrical and Computer Engineering Shaw Conference Center,
Edmonton, Alberta, pp. 1086–1091, May 9-12,1999.
[3] Y.S.Raon,Dr.A.J.Laxmi,“Comparaison of the Performance of DTC of Induction
Generator in Wind Energy Conversion System with PI and Neural Controllers”,
Conference on Power and Energy Systems, Published by Elsevier , AARSI procedia 2
(2012) , 275-281.
[4] Y.Gao,J.Wang1,X.Qiu,"The Improvement of DTC System Performance on Fuzzy
Control", 2011 3rd International Conference on Environmental Science and
Information Application Technology (ESIAT 2011), Published by Elsevier Procedia,
Procedia Environmental Sciences 10 ( 2011 ) 589 – 594.
[5] G.F.Areed,A.Y.Haikal,R.H.Mohammed,“Adaptive neuro-fuzzy control of an
induction motor” ,Ain Shams Engineering Journal (2010) 1, 71–78, Production and
hosting by Elsevier.
[6] S.G.Malla,J.M.R.Malla,“Direct Torque Control of Induction Motor with Fuzzy
Controller”, International Journal of Emerging Trends in Electrical and Electronics
(IJETEE – ISSN: 2320-9569) Vol. 10, Issue. 3, April-2014.
[7] R.Dharmaprakash,J.Henry,”Direct Torque Control Of Induction Motor Using
Multilevel Inverter”, International Journal of Latest Research in Science and
Technology ISSN (Online):2278-5299 Volume 3, Issue 3: Page No. 70-75, May-June
2014.
[8] S.Mathew,B.K.Mathew,“Direct Torque Control of Induction Motor Using Fuzzy
Logic Controller”, International Journal of Advanced Research in Electrical,
Electronics and Instrumentation Engineering (An ISO 3297: 2007 Certified
Organization), Vol. 2, Special Issue 1, December 2013.
[9] P.R.Tripathy, B.P.Panigrahi.“Simulation Studies on Switching Table based DTC and
Fuzzy Rule based DTC for Three-Phase Squirrel Cage Induction Motor”, ETASR -
Engineering, Technology & Applied Science Research Vol. 2,N° 1, 2012, 162-166.
[10] D.C.Sekhar,G.V.Marutheshwar, “Modeling And Direct Torque Control Of Induction
Motor By Using Hybrid Control Technique”, Electrical and Electronics Engineering:
An International Journal (ELELIJ) Vol 3, No 2, May 2014.
[11] C.Vignesh,S.S.Sheela,R.Balachandar,"Performance Enhancement of Direct Torque
Control of Induction Motor Using Fuzzy Logic Controllerz", International Journal of
Innovative Research in Science, Engineering and Technology, Volume 3, Special
Issue 1, February 2014.
[12] R.R.Kumar,A.G.Rajesh,S.Surjuse,"Adaptive Neuro-Fuzzy Speed Controller for
Vector Controlled Induction Motor Drive", Asian Power Electronics Journal, Vol. 3,
No. 1, Sept 2009.
[13] R.Chacko,S.S.Beevi,DrA.A.Dutt,"Improved DTC using Three-level Inverter topology
for Wind Power Applications".International Journal of Emerging Technology and
Advanced Engineering Website: www.ijetae.com (ISSN 2250-2459, ISO 9001:2008
Certified Journal, Volume 3, Issue 12, December 2013.
8
Chapitre I : Etat de l’Art de La Commande DTC de la Machine Asynchrone
[14] W.M.Utomo et al, “An Improved DTC of an Induction Motor Drive with Neural
Network Controller” International Journal of Mechanical & Mechatronics
Engineering IJMME-IJENS Vol:14 No:02 , April 2014 ,IJENS.
[15] L.Youb,A.Craciunescu,“Direct Torque Control of Induction Motors with Fuzzy
Minimization Torque Ripple”. Proceedings of the World Congress on Engineering
and Computer Science 2009 Vol II WCECS 2009, October 20-22, 2009, San
Francisco, USA.
[16] R.Toufouti,"Contribution A La Commande Directe de Couple De La Machine
Asynchrone", Thèse Doctorant en Sciences, 2008, Université de Constantine.
[17] S.X.Liu,M.Y.Wang,Y.G.Chen,S.Li ,"A Novel Fuzzy Direct Torque Control System
for Three-level Inverter-fed Induction Machine", International Journal of Automation
and Computing 7(1), February 2010, 78-85 DOI: 10.1007/s11633-010-0078-7.
[18] R.Zaimeddine,E.M.Berkouk,"Feedback of the Input Voltage in FDTC Control Using
a Three-Level NPC-VSI", American Journal of Applied Sciences 4 (7): 417-425,
2007, ISSN 1546-9239, 2007 Science Publications.
[19] F.Kadri,S.Drid,F.Djeffal,"Direct Torque Control Of Induction Motor Fed By Three-
Level NPC Inverter Using Fuzzy Logic And Neural Network".
[20] A.Miloudi,A.Draou,"Variable Gain PI Speed Control Of A Direct Torque Neuro
Fuzzy Controlled Induction Motor Drive".
[21] Y.Pan,Y.Zhang,Z.Wang,"A Novel Variable Domain Adaptive Fuzzy Control of Direct
Torque Control for Induction Motor Based on Space Vector Control". Seventh
International Conference on Fuzzy Systems and Knowledge Discovery (FSKD 2010).
[22] C.A.Martins,X.Roboam,T.A.Meynard,A.S.Carvalho,"Switching frequency imposition
and ripple reduction in DTC drives by using a multilevel converter", IEEE
Transactions on Power Electronics, vol. 17, no. 2, pp. 286 – 297, March 2002.
[23] J.H.Pujar,S.F.Kodad,"Robust Sensorless Speed Control of Induction Motor with
DTFC and Fuzzy Speed Regulator". International Journal of Electrical and
Electronics Engineering 5:1, 2011.
[24] D.Casadei,G.Serra,A.Tani,"Implementation of a Direct Control Algorithm for
Induction Motors Based on Discrete Space Vector Modulation", IEEE Transactions
on Power Electronics, Vol. 15, No. 4, on page(s): 769-777, July 2000.
[25] H.R.Keyhani,M.R.Zolghadri,A.Homaifar,"An extended and improved discrete space
vector modulation direct torque control for induction motors", Power Electronics
Specialists Conference, 2004. PESC 04. 2004 IEEE 35th Annual, on page(s): 3414-
3420 Vol. 5. 20-25 June 2004.
[26] X.D.T.Garcia,A.Arias,M.G.Jayne,P.A.Witting,‘Direct Torque Control Of Induction
Motors Utilizing Three-Level, Voltage Source Inverters’,IEEE Transactions On
Industrial -Electronics, Vol. 55, No. 2, February 2008.
9
Chapitre II:
Modélisation De L’association
Convertisseur - Machine Asynchrone
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
II.1 Introduction :
Ce succès s’explique par une conception robuste réduisant les frais de maintenance et son
cout de conception relativement moindre par rapport aux autres machines électriques.
Il s’explique également par l’augmentation continue de la puissance de calcul des
microprocesseurs permettant de contrôler en temps réel la machine asynchrone. En effet, le
contrôle de cette machine s’avère difficile à cause de sa complexité fonctionnelle qui
transparait évidemment dans les modèles utilisés pour concevoir les stratégies de
commande,[1] de telle sorte l’absence de découplage naturel entre l’inducteur et l’induit
donne au moteur asynchrone un modèle dynamique non linéaire qui est à l’opposé de la
simplicité de sa structure et de ce fait sa commande pose un problème théorique pour les
automaticiens [2]. Ainsi la difficulté est de mesurer certaines grandeurs fondamentales telles
que le flux magnétique et le couple électromagnétique.
La machine asynchrone triphasée qui est indiquée sur la figure (II.1), comporte une partie fixe
dite stator, constituée par un empilage de tôles à faible taux de perte, supportant des bobinages
symétriques triphasés alimentés en courant alternatif triphasé. Une partie mobile, dite rotor,
n'est pas alimentée, elle est en court-circuit et elle peut être de deux sortes :
10
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
La modélisation (les modèles de Park) de la machine asynchrone s'appuie sur les hypothèses
classiques suivantes:
Dans ces conditions, les équations des circuits électriques font intervenir des inductances
propres et mutuelles permettant de définir les flux en fonction des courants. Les coefficients
des inductances propres sont constants et les coefficients des inductances mutuelles ne
dépendent que de la position des enroulements. On obtient ainsi un modèle réduit moins
complexe, mais assez représentatif pour décrire le comportement dynamique et statique de la
machine, et pour élaborer des stratégies appropriées pour la commande, l'observation et le
diagnostic. La machine standard possède 6 enroulements (3 au stator et 3 au rotor) couplés
magnétiquement.
11
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Soit une machine asynchrone triphasée au stator et au rotor représentée schématiquement sur
la figure (II.2), dont les phases statoriques et rotoriques sont repérées respectivement par
(as, bs, cs) et (ar, br, cr). Les phases rotoriques sont court-circuitées. Le nombre de paires de
pôles est égal à [p] et on note que :
L’angle mécanique (θ) définit la position relative instantanée entre les axes magnétiques des
phases (as) et (ar) choisis comme axes de référence. Les expressions générales des tensions du
moteur asynchrone s’obtiennent en écrivant que la tension appliquée à chacun des
enroulements est la somme de la chute de tension ohmique et de la chute de tension inductive
due au flux total qui le traverse[1], [2].
Au Stator :
=[ ][ ] + [ ] (II.1)
Au Rotor:
= =[ ][ ] + [ ] (II.2)
Où :
12
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
La matrice des résistances est de matrice simple et elle est diagonale puisqu'elle n'a pas de
composantes non nulles que sur la première diagonale.
Les hypothèses que nous avons présentées, conduisent à des relations linéaires entre les
flux et les courants. Elles sont exprimées sous forme matricielle comme suit :
Ѱ [ ] [ ]
[ ]=[ ][ ] (II.5)
Ѱ [ ] [ ]
Où :
[ ]=[ ] (II.6)
[ ]=[ ] (II.7)
𝜋 𝜋
cos 𝜃 cos 𝜃 + cos 𝜃 −
𝜋 𝜋
[ ]=[ ] = cos 𝜃 − cos 𝜃 cos 𝜃 + (II.8)
𝜋 𝜋
[cos 𝜃 + cos 𝜃 − cos 𝜃 ]
Avec :
En remplaçant (II .5) dans (II.1) et puis dans (II.2), on obtient finalement le système suivant :
=[ ][ ] + [ ] [ ] + {[ ][ ]}
{ (II.9)
=[ ][ ] + [ ] [ ] + {[ ][ ]}
13
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
− = Ω+ Ω (II.10)
= [ ] [ ][ ] (II.11)
Avec :
: Moment d’inertie du rotor.
: Coefficient de frottement visqueux.
: Couple électromagnétique.
: Couple résistant.
: Nombre de paire de pôle.
Remarque :
Les équations (II.6) et (II.7) de la matrice des inductances mutuelles étant à éléments non
constants et les coefficients des équations (II.9) sont variables et la résolution analytique de ce
système d’équations se heurte à des difficultés insurmontables particulièrement, lors de
14
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
l’étude des phénomènes transitoires. Pour cela, on utilise alors des transformations
mathématiques qui permettent de décrire le comportement de la machine à l’aide d’équations
différentielles à coefficients constants. Donc l’étude analytique du comportement du système
est alors relativement difficile, vu le grand nombre de variable. On utilise alors des
transformations qui permettent de décrire le comportement de la machine à l’aide d’équations
différentielles à coefficients constants.
Pour passer du système triphasé abc, au système biphasé dq, il faut utiliser les
transformations de Park :
Où :
, , sont les valeurs instantanées des grandeurs triphasées ;
, sont les valeurs instantanées des grandeurs biphasé ;
ℎ est la composante homopolaire ;
[𝑃] est la matrice de Park ;
[𝑃]− est la matrice inverse de Park .
[ √ √ √ ]
et
cos 𝜃 − sin 𝜃
√
𝜋 𝜋
[𝑃]− = √ . cos 𝜃 − −sin 𝜃 − (II.15)
√
𝜋 𝜋
[cos 𝜃 − −sin 𝜃 −
√ ]
Où 𝜃 est l’angle entre l’axe d et l’axe de référence dans le système triphasé (as pour les
grandeurs statoriques et ar pour les grandeurs rotoriques).
15
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Si on pose θ = 0 dans les équations précédentes, les matrices de Park deviennent les
matrices de Concordia :
− −
√ −√
[ ]=√ (II.16)
[√ √ √ ]
et
√
− √
[ ]− = √ (II.17)
√
− −√
[ √ ]
Les transformations de Concordia sont utilisées pour faire le passage entre le système triphasé
abc en un système fictif, αβ.
[ ] = [ ]. [ ] et [ ] = [ ]− . [ ] (II.18)
ℎ ℎ
Ces transformations sont utilisables dans le contrôle direct du couple (DTC). [21], [22], [23].
L’isotropie du moteur asynchrone permet une souplesse dans la composition des équations de
la machine selon deux axes à l’aide des composantes de Park, cela nécessite l’utilisation d’un
repère qui permet de simplifier au maximum les expressions analytiques. Il existe différentes
possibilités pour le choix du repère d’axes, se ramène pratiquement à trois référentiels
(systèmes biphasés) orthogonaux : [14]
Où : Vitesse angulaire de rotation du système d’axes biphasé par rapport au système d’axes
triphasé.
16
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
{ = = + −
Ce référentiel possède des tensions et des courants réels et peut être utilisé pour étudier les
régimes de démarrage et de freinage des machines à courant alternatif.
{ = = +
Ce système est utilisé pour étudier les processus transitoires dans les machines synchrones
et asynchrones.
L'avantage d'utiliser ce référentiel est d'avoir des grandeurs constantes en régime permanent.
Il est alors plus facile de faire la régulation de ces grandeurs [4].
Ce référentiel est le seul qui n’introduit pas de simplification dans la formulation des
équations. Il fait correspondre des grandeurs continues aux grandeurs sinusoïdales en régime
permanent, raison pour laquelle ce référentiel est utilisé pour la commande des machines
asynchrone.
17
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Un système est un ensemble composé des parties séparables, mais liées entre elles d’une
manière souvent très complexe. Dans les littératures ordinaires, une représentation d’état
permet de modéliser un système dynamique sous forme matricielle en utilisant des variables
d’état.
D’une manière générale, la représentation d’état est en fonction du système à étudier, elle peut
être linéaire ou non-linéaire, ou même elle est utilisable dans le régime continu ou discret.
La sélection d’une représentation d’état dépend de sa modélisation, car les variables d’état, la
mesure et la commande sont choisis selon la grandeur physique souhaitée de traiter.
Avec :
Dans le cas d’une machine asynchrone, la représentation d’état est selon les critères suivants :
18
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Le tableau II.1 présent quelques représentations d’états pour la machine asynchrone alimentée
en tension [5] avec référentiel lié au champ tournant (d, q).
Model I (II.22)
−𝜎 −𝜎 −𝜎
− 𝜎
+ 𝜎 𝜎 𝜎
𝑚 𝑚
−𝜎 −𝜎 −𝜎
− + −
𝜎 𝜎 𝑚 𝜎 𝑚 𝜎
= =
ѱ 𝑚 −
[ѱ ]
−
𝑚
−
[ ]
𝜎
𝑚
=[ ] = 𝜎 = ѱ −ѱ
[ ]
Model II (II.23)
𝑚
− 𝜎 𝜎
ѱ 𝑚
ѱ − − 𝜎 𝜎
= =
ѱ 𝑚 −
𝜎
[ѱ ] 𝜎
−
𝑚
−
[ 𝜎 𝜎 ]
𝑚
=[ ] =[ ] =𝜎 ѱ ѱ −ѱ ѱ
=[ ] = 𝜎
= ѱ −ѱ
[ 𝜎 ]
Tableau II.1 : Modélisation sous forme d’état d’une machine
asynchrone alimentée en tension.
19
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Les progrès de l'électronique de puissance ont permis de réduire le coût et la taille des
variateurs de vitesse dans ces quatre dernières décennies. Ils sont concerné à la fois aux
interrupteurs semi-conducteurs utilisés, la topologie, les méthodes utilisées en contrôle
commande et en simulation, ainsi que le matériel et les logiciels employés pour la commande,
[7].
Les machines électriques alimentées par des convertisseurs statiques, dont le schéma de
principe est représenté par la Figure (II.4), sont utilisées comme des actionneurs rotatifs dans
beaucoup d’équipements industriels à vitesse variable.
Figure II.4: Schéma global d'un MAS à vitesse variable avec son alimentation.
20
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Le circuit non contrôlé de base du redresseur (à diodes) à double alternance est montré
dans la figure II.6, ce redresseur est connu aussi sous le nom de pont de Graetz. Les diodes
D1, D3,et D5 désigné parfois sous le nom de demi pont supérieur, elles ont une cathode
commune, chacune de ces diodes conduit lorsque le potentiel de ses anodes est le plus positif,
tandis que les diodes D2, D4, et D6 constituent demi pont inferieur, elles ont une anode
commune, chacune de ces diodes conduit lorsque le potentiel de ses cathodes est le plus
négatif [13].
Le pont double alternance a l'avantage que l’amplitude de la tension redressée est supérieure
plus de √ fois que la tension alternative [13].
Si on suppose que le redresseur est alimenté par un réseau de tension triphasé équilibré:
= 𝜋
π
{ t = sin 𝜋f t – (II.25)
π
t = sin 𝜋f t –
Cette tension redressée est représentée dans la figure II.6. Elle est assez ondulée, ce qui
nécessite une opération de filtrage.
300
Tension [V]
200
100
-100
-200
-300
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps [s]
Figure II.6: Représentation de la tension redressée.
21
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Afin de réduire le taux d'ondulation de cette tension redressée, on utilise un filtre passe-
bas (LC) qui illustre en figure II.7.
= +
{ (II.27)
=𝐶 −
Pour dimensionner le filtre, les paramètres sont choisis tel que sa pulsation de résonance est
nettement supérieure à la pulsation d’utilisation, afin de minimiser l’influence des
harmoniques d’ordre supérieur provoqués par l’onduleur : >
500
Tension redressée avant le Filtrage
Tension redressée aprés le Filtrage
400
300
Tension [V]
400
380
200
360
340
320
100
0.05 0.055 0.06 0.065 0.07 0.075
0
0 0.05 0.1 0.15
Temps [s]
22
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
La figure II.9 représente un onduleur de tension triphasé, il est constitué de trois bras, chaque
bras est formé de deux interrupteurs commandés de manière complémentaires afin d’éviter un
court-circuit de la source et d’assurer une continuité du courant de la charge [16].
Chaque interrupteur est formé d’un semi-conducteur contrôlable (IGBT, GTO,…..etc.) et une
diode connectée en anti-parallèle, les six diodes de roue libre assurent la protection des
transistors et la récupération de l’énergie vers la source.
Les tensions de sortie aux bornes de l’onduleur sont référencées par rapport au point fictif 0
de la source de l’onduleur, ils ont pour expression :
𝐸
é, = , ,
V − = {−𝐸 (II.30)
′
é, = , ,
23
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Donc, pour chaque bras, il y’a deux états indépendants. Ces deux états peuvent être considérés
comme des grandeurs booléennes et la commutation supposée idéale :Si(i=1 ou 0) {i=1, 2, 3}
La matrice de transfert est la suivante :
− −
− −
[ ]= (II.37)
− −
[ ]
24
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
La commande souvent adaptée aux convertisseurs statiques est la stratégie MLI. Plusieurs
méthodes ont été développées avec l’objectif de générer à la sortie de l’onduleur une tension
sinusoïdale ayant le moins d’harmoniques possibles.
En pratique, il y’a plusieurs types de MLI qui peuvent être considérés, dont on peut citer :
[6], [17].
La stratégie de la modulation vectorielle est proposée par « Der Broek & al, 1988 ». Elle
consiste à générer une séquence spécifiée des états de l’onduleur. La modulation vectorielle
est une modulation en temps réel. Elle utilise le fait qu’un vecteur peut représenter les trois
tensions d’un système triphasé de somme nulle.
Cette modulation est utilisée dans les commandes modernes des machines à courant alternatif,
les tensions de référence sont les tensions désirées à la sortie de l’onduleur. Cette technique à
MLI est basée sur les points suivants. [18]:
25
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Le tableau suivant illustre la représentation des huit vecteurs de l’onduleur à deux niveaux.
V1 1 0 0 ⁄ − ⁄ − ⁄ √ 0 √
𝜋
V2 1 1 0 ⁄ ⁄ − ⁄ √ √ √
6
𝜋
0 1 0 − ⁄ ⁄ − ⁄
V3 −√ √ √
6
V4 0 1 1 − ⁄ ⁄ ⁄ −√ 0 −√
𝜋
0 0 1 − ⁄ − ⁄ − ⁄
V5 −√ −√ √
6
𝜋
1 0 1 ⁄ − ⁄ ⁄ √ √
V6 −√
6
V7 1 1 1 0 0 0 0 0 0
Tableau II.2: Table de vérité de l’onduleur de tension à deux niveaux.
Avec :
= + (II.38)
| | = √( ) +( ) (II.39)
Le vecteur tension de contrôle ⃗⃗⃗⃗⃗⃗⃗ est approché, sur la période de modulation TMLI, par
un vecteur de tension moyen < ⃗ > élaboré par application des vecteurs d’état de l’onduleur
⃗⃗⃗⃗ et ⃗⃗⃗⃗⃗⃗⃗⃗⃗
+ adjacents pendant les temps TK , TK+1 respectivement et des vecteurs nuls
⃗⃗⃗
pendant (1-k0).T0 et ⃗⃗⃗ pendant k0 .T0 (Figure II.10).
⃗⃗⃗ ⃗ ⃗ ⃗ ⃗ ⃗ ⃗ ⃗
TMLI / 2 TMLI / 2
26
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Avec :
−k T k T
Tk
(⃗⃗⃗⃗⃗⃗⃗ )n = {∫ ⃗⃗⃗⃗k dt + ∫Tk+ ⃗⃗⃗⃗⃗⃗⃗⃗
V Vk+ dt + ∫ ⃗⃗⃗⃗
V dt + ∫ ⃗⃗⃗⃗
V dt} (II.40)
T I
T =T I − Tk − Tk+ (II.43)
T0 est le temps d’application des vecteurs nuls. M
2
⃗⃗⃗
β
α
A
30°
𝑽𝒔
30° 60°- θ
𝑻 ⃗⃗⃗⃗
𝑽⁄
θ 𝑻 M1
M3
𝑽𝒔 ⃗⃗⃗⃗ ⁄
𝑻 𝑽 α
𝑻
Figure II.11: Calcule des temps de commutation T1 et T2 du premier secteur.
La figure (II.11) représente le cas où le ⃗⃗⃗⃗⃗⃗⃗ se trouve dans le secteur 1, le vecteur de sortie ⃗⃗⃗
occupera les trois positions M1, M2, M3 qui entourent Vref avec des durées respectives T1, T2,
T3 de façon que la position moyenne coïncide avec l’extrémité de ⃗⃗⃗⃗⃗⃗⃗ , avec leur temps
d’application des vecteurs adjacents ⃗⃗⃗ et ⃗⃗⃗ est donné comme suit : [24], [25], [26].
+
∫ = ∫ +∫ +∫ +
(II.44)
=( + ) (II.45)
= + (II.46)
Avec :
Te = T1+T2+T0 (II.47)
A partir de la figure (II.11), le calcul de la valeur A, peut être calculée à deux manières qui
nous permet de déterminer les périodes T1, T2, donc on a :
𝜋 𝜋
= cos = sin −𝜃 (II.48)
𝜋
si −𝜃 𝜋
D’où = 𝜋 = sin −𝜃 (II.49)
c s √ 𝐸
6
27
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
√
= − (II.51)
√ 𝐸
√ −√
D’où = (II.52)
𝐸
= 𝜋 = (II.54)
c s √ 𝐸√
6
√
D’où = (II.55)
𝐸
1
S1 0
1
S2 0
1
S3 0
T T T T
T T T T
Figure
Figure II.12: Principe de la génération de la MLI vectorielle à partir des vecteurs d’état.
28
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Oui Non
>
K=1 ou 2 ou 3 K=4 ou 5 ou 6
𝑣 𝑣 𝑣 𝑣
29
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
La modélisation a fait pour l’objet des simulations basiques pour tester et valider les
performances de la machine asynchrone utilisée que sera mise en œuvre dans la suite de notre
travail. Les paramètres de la machine sont indiqués dans l’Annexe A.
Nous donnons les résultats de simulation pour un démarrage avec l’utilisation de la technique
de MLI vectorielle, le couple de charge appliqué est de type échelon frottement brut fixé à 05
[N.m] à t= 0.5 [s], les grandeurs sont : Le courant statorique, le flux rotorique, la vitesse de
rotation et le couple électromagnétique.
30 1
0.9
20
0.8
0.7
Le Courant Statorique [A]
0 0.5
0.4
-10
0.3
0.2
-20
0.1
-30 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Le temps [s] Le temps [s]
70 120
Ce
60 Ce(Ref)
100
Le Couple Electromagnétique [N.m]
50
80
La Vitesse Wr [Rad/s]
40
30 60
20
40
10
20
0
-10 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Le Temps [s] Le temps [s]
Les résultats précédents présentent la simulation à vide et après avoir d’ajouter une charge de 05
[N.m] à l’instant 0.5 [s] d’un moteur asynchrone alimenté par la technique de MLI vectorielle en
boucle ouverte.
La figure II.14 montre la réponse du courant statorique, au cours du démarrage, le courant atteint
une valeur plus de deux et demi fois de sa valeur nominale, après il se stabilise à sa valeur
nominale, par la suite il aura une augmentation quand on ajoute la charge.
La figure II.15 montre la réponse du flux rotorique, au début la valeur de flux atteint sa valeur
nominale ≈ 0.93 [Wb], après il a un écroulement au-dessous quand on ajoute la charge.
La figure II.16 présente la réponse du couple, en régime transitoire, la forme de son démarrage
est fortement pulsative, après sa réponse prend une valeur autour de zéro. Après application de
la charge, le couple atteint sa valeur finale égale à la valeur de charge appliquée, autour de 05
[N.m].
La figure II.17 présente la réponse de la vitesse, dans le régime permanent, elle se stabilise à
une valeur ≈ 110 rad/s, après il aura une diminution quand on ajoute la charge puisqu’il y avait
pas une chaine de régulation pour atteindre sa valeur de référence.
II.12 Conclusion :
La modélisation de la machine asynchrone est une étape nécessaire pour son contrôle, car
le modèle mathématique de la machine doit avoir une structure pouvant décrire et simuler
complètement les caractéristiques réelles de la machine d'une part, et de l’autre, il faut qu'il
soit pratique pour la mise en œuvre avec des algorithmes plus complexes.
Les résultats obtenus lors d’un démarrage à vide et après l’application de la charge, atteste la
validité du modèle de la machine présentée.
31
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
Bibliographie
[1] S.Emmanuel "Diagnostic des machines asynchrones: modèles et outils paramétriques
dédiés à la simulation et à la détection de défauts", Thèse de doctorat université de
Nantes ,1999.
[2] S.Belhamdi ''Prise en compte d'un défaut rotorique dans la commande d'un moteur
asynchrone'', Thèse de magister université de Biskra, 2005.
[3] R.Abdessemed, M.Kadjoudj,˝Modélisation des machines électriques˝, Presses de
l’université de Batna.1997.
[4] C.Canudas de Wit, ˝ Commande des Moteurs Asynchrone : Modélisation, Contrôle
Vectoriel et DTC˝, Edition Hermès Sciences, Lavoisier, Paris 2004.
[5] G.Grellet , G.Clerc ‘actinonneurs éléctriques’ ,edition- Eyrolles, 1996.
[6] J.Bonal,G.Seguier,’Entraînement Electrique à Vitesse Variable, Rappels
d’Electrotechnique de Puissance et d’Automatisme les Variateurs Electroniques de
Vitesse’, Volume 2, Edition Technique et Documentation, Paris, 1998.
[7] https://fr.wikipedia.org/wiki/Variateur_%C3%A9lectronique_de_vitesse
[8] H.Tamrabet, ‘Robustesse d’un contrôle vectoriel de structure minimale d’une
machine Asynchrone’, Thèse de magistère, Université de Batna, 2006.
[9] S.Mendaci, ’Différentes stratégies du contrôle direct de couple d’un Moteur à
Induction associée à une observateur de flux par Modes de glissement’, Thèse de
Magister en Electrotechnique, Université de Batna, Algérie.
[10] ‘Contrôle du Moteur à induction sans capteur de vitesse et de position’, Thèse de
Magister en Electrotechnique, Université de Batna, Algérie, 2005.
[11] N.Nait-Said, ‘Contribution A L’identification Et A La Commande De La Machine
Asynchrone’, Thèse de doctorat en génie électrique, Université de Batna,Algérie,
2003.
[12] A.DISSA, "Contrôle Direct Du Couple Du Moteur A Induction Sans Capteur De
Vitesse Associée A Un Observateur Non Linéaire", Thèse de Magister en
Electrotechnique, Université de Batna, Algérie.
[13] W.Shepherd,L.Zhang,’Power Converter Circuits’. Edition Founding. New York,
USA, 2004
[14] G.Guy,C.Guy,’Actionneurs Electriques, Principes Modèles Commande’,
Edition Eyrolles, 2000.
[15] L. Benalia,’Commande en tension des moteurs à induction double alimentes ‘, Thèse
de doctorat, Université de Batna, 2010.
[16] G.Séguier ‘Electronique de puissance. Les fonctions de base et leurs principales
applications’, 7e édition 1999
[17] L.Baghli, ‘Contribution à la commande de la MAS utilisation à la logique floue et des
réseaux de neurones et des algorithmes génétiques’.
[18] J.P.Caron, J.P.Hautier, ‘Modélisation Et Commande de La Machine Asynchrone’.
Edition TECHNIP, Paris 1995.
[19] C.Carloss de Wit, ‘Modélisation contrôle vectoriel et DTC’, Edition Hermes Sciences
Europe, 2000.
32
Chapitre II : Modélisation De L’association Convertisseur - Machine Asynchrone Triphasée
33
Chapitre III:
III.1 Introduction :
La technique de commande directe du couple (Direct Torque Control ‘DTC’) a été introduite
par monsieur ‘Takahashi’ au milieu des années 80 [1]-[7]. Récemment, cette technique est la
plus utilisée dans l'industrie et a placé parfaitement d'autres types de commande, et
particulièrement, la commande par orientation de flux (Field Oriented Control ‘FOC‘), car
cette technique présente un inconvénient majeur lié avec la forte sensibilité aux variations
dans les paramètres essentielles dans les machines asynchrones triphasées.
La commande DTC consiste à calculer les grandeurs de contrôle qui sont le flux statorique et
le couple électromagnétique à partir des mesures de courants statoriques sans utilisation de
capteurs mécaniques, en même temps, cette de commande assure un découplage naturel entre
le flux et le couple et son schéma synoptique a une structure simple.Car l’absence de boucles
de contrôle des courants, la transformation de Park et le block de calcul de la modulation de
tension MLI rend la réalisation de la commande DTC plus faisable que la commande par
orientation de flux rotorique.
Aussi, cette technique offre, des avantages déjà bien connus par rapport aux autres techniques
classiques présentés les points suivants [5] :
Cependant, la DTC a des problèmes à basse vitesse, la nécessité de disposer des estimations
de flux statorique et du couple, ses contraintes de calcul qui sont beaucoup plus fortes (20 à
30 kHz) [3]-[4] et les ondulations dans le couple et le flux.
34
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Les sorties de ces régulateurs, et l’angle qui représente la position du flux statorique, ils sont
tout déterminés le vecteur de tension de l’onduleur optimal à appliquer dans chaque instant de
commutation [6].
Dans une commande DTC, il est conseillé de travailler avec des fréquences de calcul plus
élevées pour avoir des réductions dans les oscillations du couple générées par les régulateurs à
hystérésis.
Les propriétés générales de la commande directe du couple sont représentées dans les points
suivants:
Cela conduit à un contenu harmonique riche en augmentant les pertes, les bruits acoustiques
et des oscillations du couple qui peuvent exciter des résonances mécaniques.
On utilise les expressions vectorielles de la machine dans le référentiel lié au stator : [8]
̅
𝜙
̅ = 𝐼̅ +
{ ̅
𝜙
(III.1)
̅ = = 𝐼̅ + − 𝜎 𝜙̅
Alors le courant stator s’écrit :
̅
𝜙 𝐿
𝐼̅ =
𝜎 𝐿
− 𝐿 𝑚𝐿 𝜙̅ (III.2)
35
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Avec
𝐿2𝑚
𝜎= − (III.3)
𝐿 𝐿
En posant = ̅̅̅̅̅̅̅
𝜙 𝜙 , le couple s’exprime par :
𝐿𝑚
𝐶 𝑚 = 𝜎𝐿 𝐿
𝜙 𝜙 sin = ‖𝜑 . 𝜑 ‖ sin = ‖𝜑 ‖. ‖𝜑 ‖ sin (III.6)
On constate donc que le couple dépend de l’amplitude des deux vecteurs 𝜙̅ et 𝜙̅ et de leur
position relative.
L’équation (III.6) permet donc de conclure que la seule manière de faire varier la composante
du couple électromagnétique à l’échelle de la période d’échantillonnage est d’agir sur l’angle
entre les vecteurs flux statorique et rotorique.
La figure III.1 représente la composante du couple produite en fonction des deux vecteurs 𝜙̅
et 𝜙̅ , et elle montre aussi qu’afin d’augmenter rapidement l’angle et donc le couple, donc
il est indésirable de faire avancer le vecteur flux statorique dans le sens de rotation considéré
positif.
L’application d’un vecteur de tension nul peut également permettre de maintenir la valeur du
couple.
36
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
𝜑 =𝜑 +∫ − 𝐼 (III.7)
En négligeant le terme résistif, ce qui est approximatif raisonnable aux moyennes et en hautes
vitesses, la variation du vecteur flux statorique issue de l’application d’un vecteur Vs à la
machine durant un temps court , ∆T=t1-t2 est donnée par :
𝜑 =𝜑 + ∆ → ∆𝜑 = 𝜑 −𝜑 ≈ ∆ (III.8)
L’équation (III.8) montre que lors de l’application d’un vecteur de tension constant,
l’extrémité du vecteur flux statorique évolue dans le temps décrivant une droite parallèle à ce
vecteur tension, et on se déplace à une vitesse (en Wb/s) égale à son amplitude (Figure. III.2).
La figure III.2 montre que l’amplitude du vecteur flux statorique ou bien la magnétisation de
la machine peut être augmentée (respectivement diminuée) en appliquant un vecteur de
tension ayant une forte composante colinéaire avec le vecteur flux statorique et il est de même
37
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
sens (respectivement de sens inverse). Par contre, l’application d’un vecteur de tension en
quadrature aura un effet négligeable sur la variation de son amplitude [9] [10].
La figure III.3 montre qu’il est possible de déplacer le vecteur du flux statorique dans le plan
αβ à partir des vecteurs de tension fournis par un onduleur de deux niveaux selon six
directions déterminées. En commutant d’un vecteur de tension bien sélectionné, permet de
faire déplacer le vecteur flux statorique sur le plan αβ et suivre une trajectoire. Généralement
d’une forme circulaire.
Le choix de ne porte pas uniquement sur l’erreur du module mais sur le sens de rotation de
𝜑 et le secteur dans lequel se trouve le vecteur flux.
A cet effet, le plan complexe (α, β) fixe au stator est subdivisé en six secteurs, figure (III.4).
Lorsque le flux 𝜑 se trouve dans la section i, le contrôle du flux et du couple peut être assuré
en sélectionnant l’un des huit vecteurs tensions, selon la manière suivante :
Quel que soit le sens d’évolution du flux ou du couple, dans la zone i, les deux vecteurs
et + ne sont jamais utilisés. En effet, ces deux vecteurs provoquent une forte croissance du
flux mais son effet sur le couple dépend de la zone, avec un effet nul en milieu de zone.
38
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Le vecteur tension statorique à la sortie de l’onduleur est déduit des écarts du couple et du
flux estimés par rapport à leurs références, ainsi que de la position du vecteur 𝜑 .
III.4.2.Estimateurs:
. L’estimation du flux statorique et du couple électromagnétique se fait à partir de vecteurs
tension et des courants statoriques [11].
Le vecteur flux statorique est calculé à partir de ses deux composantes biphasées d’axes (α,β)
, soit :
𝜑 =𝜑 + 𝜑 (III.10)
𝜑 =∫ − 𝐼
Avec { (III.11)
𝜑 =∫( − 𝐼 )
Et le module de 𝜑 s’écrit :
|𝜑 | = √𝜑 +𝜑 (III.12)
39
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Les composantes , du vecteur de courant statorique sont calculées à partir des courants
( , , mesurés et par la transformation de Concordia, soit :
= + (III.13)
=√
{ (III.14)
= −
√
=√ − +
{ (III.15)
= −
√
Le secteur dans lequel se trouve le vecteur 𝜑 est déterminé à partir des composantes 𝜑
et 𝜑 . L’angle 𝜃 détermine la position du vecteur 𝜑 est égale à :
𝜑
𝜃 = tan− 𝜑
(III.16)
La position de 𝜑
⃗ dans l’intervalle [0 2𝜋] est donnée dans le tableau III.1.
𝜽𝒔
𝜑
𝑎 −
𝜑 > 𝜑
𝜑 > 𝜑
𝑎 − + 𝜋
𝜑 < 𝜑
𝜑
𝜑 < 𝑎 − +𝜋
𝜑
𝜋
𝜑
𝜑 =
𝜋
𝜑 <
𝐶 = 𝑃[𝜑 −𝜑 ] (III.17)
40
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
III.4.3 Correcteurs :
. III.4.3.1 Correcteur du flux de la DTC à deux niveaux :
. L’objectif de cette correction est de conserver l’amplitude du flux statorique dans
une bande et de maintenir ainsi l’extrémité de ce dernier dans une couronne circulaire
comme le montre la figure III.5.[14], [13]
La sortie du correcteur doit indiquer le sens d’évolution du module du flux. Les deux seuils du
comparateur sont choisis suivant l’ondulation tolérée par le flux statorique.
𝛥𝜑 > 𝜑 𝐴 𝐾𝜑 =
𝛥𝜑
𝛥𝜑 𝜑 > 𝐴 𝐾𝜑 =
𝛥𝜑
𝛥𝜑 𝜑 < 𝐴 𝐾𝜑 =
{ 𝛥𝜑 < − 𝜑 𝐴 𝐾𝜑 =
Ce régulateur à hystérésis à deux niveaux convient parfaitement pour avoir des bonnes
performances dynamiques.
41
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Le tableau III.2 illustre les vecteurs de tension à appliquer pour augmenter ou diminuer
l’amplitude de flux statorique dans chaque secteur.
Pour mieux contrôler le couple dans les quatre cadrans de fonctionnement sans intervention
sur la structure ; ‘Takahashi’ a proposé un correcteur à hystérésis à trois niveaux, [15].
Ce correcteur permet de commander la machine dans les deux sens de rotation avec un couple
positif ou négatif.
𝛥𝐶 > 𝐴 𝐾 =
𝛥 𝑒
𝛥𝐶 > 𝐴 𝐾 =
𝛥 𝑒
𝛥𝐶 < 𝐴 𝐾 =
𝛥𝐶 < − 𝐴 𝐾 =−
𝛥 𝑒
− 𝛥𝐶 > 𝐴 𝐾 =
𝛥 𝑒
{ − 𝛥𝐶 < 𝐴 𝐾 =−
𝐾 = − signifie que le couple est inférieur à la limite inférieure de la bande et il faut donc
l’augmenter.
𝐾 = signifie que le couple est à l’intérieur de la bande et il faut donc le maintenir.
𝐾 = signifie que le couple est supérieur à la limite supérieure de la bande et il faut le
diminuer.
42
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Avec ce correcteur, pour inverser le sens de rotation de la machine il est nécessaire de croiser
deux phases de la machine.
Cependant ce correcteur est plus simple à implanter. De plus en sélectionnant correctement les
vecteurs nuls suivant les zones Ni, on s’aperçoit que pour chaque zone i, il y a un bras de
l’onduleur qui ne commute pas, et permet ainsi de diminuer la fréquence moyenne de
commutation des interrupteurs et par conséquence, on diminue les pertes par commutation au
niveau de l’onduleur.
Le tableau III.3 illustre les vecteurs de tension à appliquer pour augmenter ou diminuer le couple
électromagnétique dans chaque secteur.
43
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
. Le tableau III.4 constitue l’essentiel des travaux de ‘Takahashi’, on remarque que les
règles de comportement du flux et du couple énoncées avant sont totalement respectées. On
peut avoir sur le tableau des séquences nulles qui sont systématiquement appliquées lorsqu’on
souhaite maintenir le couple. Ceci quelques soient les états de sortie de correcteur du flux et
pour les autres situations, on applique un des vecteurs actifs selon le secteur et le
comportement du flux et du couple.
Pour définir cette table de commutation, nous avons supposé que la sortie du régulateur
du couple ne prend que de deux états, comme celle du flux. Ceci revient à dire que la condition
de maintien du couple est rarement utilisée [16].
44
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Les séquences qui correspondent à ∆𝐶 𝑚 nulle sont ignorées dans la table suivante qui illustre
cette modification (Tableau III.5)
III.5 Structure générale du contrôle directe du couple sur un onduleur à deux niveaux:
La sélection du vecteur de tension appliqué à la machine, aussi bien que la séquence des
niveaux de phase et les signaux de commande de l’onduleur se font par le tableau
III.4. Ce dernier est synthétisé à partir des règles qualitatives d’évolution du flux statorique et
du couple qui sont établies au point précédent et constituent ainsi le noyau de l’algorithme de
commande [17], [18].
45
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
46
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
L’onduleur triphasé de trois niveaux à structure NPC comme l’indique la figure (III.8)
est une nouvelle structure de conversion utilisée pour alimenter à tension de fréquence
variable, des moteurs à courant alternatif de forte puissance. [13], [20].
Elle est constituée principalement de trois bras symétriques, chaque bras de l’onduleur est
constitué de quatre paires (diode-transistor) en séries et deux diodes médianes permettant
d’avoir le niveau zéro de la tension de sortie de l’onduleur.
Une diode en inverse sur chaque interrupteur assure la circulation du courant pendant la phase
de roue libre.
Figure III.8: Onduleur à trois niveaux à structure NPC alimenté une MAS.
47
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
La symétrie des onduleurs triphasées à trois niveaux permet leur modélisation par
bras. Ainsi, on commencera par définir un modèle global d’un bras sans à priori sur
la commande. On montrera ensuite comment déduire celui d’un bras complet.
Dans le but de réduire, en considérant toutes les configurations possibles d’un bras, on
représente chaque pair transistor (Tki) –diodes (Dki) par un seul interrupteur bidirectionnel
(TDki) [13], [20]. On vu la symétrie de la structure de l’onduleur triphasée à trois niveaux. la
modélisation de ce dernier se fait par bras figure (ІII.9).
Une analyse topologique d’un bras montre cinq configurations possibles. Ces
différentes configurations sont présentées par les figures (ІII.10). Les grandeurs
électriques caractérisant chacune de ces configurations sont données dans le tableau (ІII.6)
(avec 0 origine des potentiels et Vk le potentiel du nœud K du bras K) .pour la
configuration E0, le potentiel Vk dépend de la charge de l’onduleur [21].
Les grandeurs électriques caractérisant chacune de ces configurations sont représentées dans
le tableau (ІII.6) :
48
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Les fonctions de connexion des demi-bras s’expriment, en fonction de celles des interrupteurs
comme suit :
𝐹 =𝐹 𝐹
{ (III.18)
𝐹 =𝐹 𝐹
𝐹 𝑚 vaut «1» dans le cas où les interrupteurs du demi-bras sont tous fermés, et «0» dans tous
les autres cas. Le tableau (III.7) présente la table d’excitation des interrupteurs d’un bras
d’onduleur à trois niveaux.
49
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Les tensions simples entre les bornes du moteur et le point milieu sont données comme suit :
= −
{ = − (III.19)
= −
= −
{ = − (III.20)
= −
Les tensions simples en fonction des tensions composées sont données par le système
suivant :
𝑉 −𝑉
𝑁 =
𝑉 −𝑉
𝑁 = (III.21)
𝑉 −𝑉
{ 𝑁 =
Les tensions de sortie de l’onduleur triphasé à trois niveaux par rapport au point milieu
« o » en fonction de l’état des interrupteurs s’exprime comme suit : (on suppose Uc1= Uc2=
Uc) .
=𝐹 𝐹 −𝐹 𝐹 = 𝐹 𝐹 −𝐹 𝐹
{ =𝐹 𝐹 −𝐹 𝐹 = 𝐹 𝐹 −𝐹 𝐹 (III.23)
=𝐹 𝐹 −𝐹 𝐹 = 𝐹 𝐹 −𝐹 𝐹
On constate d'après le système (III.23), que l'onduleur de tension à trois niveaux est
équivalent à deux onduleurs à deux niveaux en série.[19]
𝐹 =𝐹 𝐹 𝐹 =𝐹 𝐹 𝐹 =𝐹 𝐹
{ ;{ ;{ (III.24)
𝐹 =𝐹 𝐹 𝐹 =𝐹 𝐹 𝐹 =𝐹 𝐹
=𝐹 −𝐹 = 𝐹 −𝐹
{ =𝐹 −𝐹 = 𝐹 −𝐹 (III.25)
=𝐹 −𝐹 = 𝐹 −𝐹
50
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
= − = 𝐹 𝐹 −𝐹 𝐹 − 𝐹 𝐹 −𝐹 𝐹
{ = − = 𝐹 𝐹 −𝐹 𝐹 − 𝐹 𝐹 −𝐹 𝐹 (III.26)
= − = 𝐹 𝐹 −𝐹 𝐹 − 𝐹 𝐹 −𝐹 𝐹
− 𝐹 𝐹
[ ]=[ − ] . {[𝐹 ] − [𝐹 ] } (III.27)
− 𝐹 𝐹
− − 𝐹 𝐹
[ ] = ⁄ [− − ] . {[𝐹 ] − [𝐹 ] } (III.28)
− − 𝐹 𝐹
L’ensemble des vecteurs de tensions délivrées par un onduleur à trois niveaux ainsi que les
séquences de niveaux de phase correspondantes sont représentées dans la figure III.11 :
51
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Le groupe des vecteurs "pleine tension" : Ce groupe contient les vecteurs de tension
nommés V15, V16, V17, V18, V19 et V20. Ces vecteurs constituent l'hexagone extérieur
"pleine tension" [23],[24]. La tension du point milieu, n’est pas affectée par l’application
de ces vecteurs [22].
Le groupe des vecteurs "tension intermédiaire" : les vecteurs tension de ce groupe se
nomment V21, V22, V23, V24, V25 et V26. Pendant l’application de ces vecteurs, on ne peut
pas savoir s'il va être de l'augmenter ou de la diminuer la tension du point milieu.
Le contrôle du flux et du couple est assuré en sélectionnant l’un des 27 vecteurs tensions
cités dans la figure (III.11), On distingue que le choix des grands vecteurs provoquent une
large variation du couple et du flux. Ainsi les moyens vecteurs pour des moyennes
variations et automatiquement les petits vecteurs pour les petites variations du flux et du
couple [11]-[25].
52
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
La figure (III.12) montre un exemple de l’influence de chaque vecteur tension sur les
composantes du flux et du couple, quand le vecteur 𝜑 se trouve dans la zone Z(1).
Si :
𝛥𝜑 > 𝜑 𝐴 𝐾𝜑 =
𝛥𝜑
𝛥𝜑 𝜑 > 𝐴 𝐾𝜑 =
𝛥𝜑
𝛥𝜑 𝜑 < 𝐴 𝐾𝜑 =
𝛥𝜑
− 𝜑 𝛥𝜑 > 𝐴 𝐾𝜑 = −
𝛥𝜑
− 𝜑 𝛥𝜑 < 𝐴 𝐾𝜑 =
{ 𝛥𝜑 < − 𝜑 𝐴 𝐾𝜑 =
53
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Ainsi que le correcteur du couple est définit par l’algorithme suivant: [26]
𝛥𝐶 > 𝐴 𝐾 =
𝛥𝐶
− 𝛥𝐶 > 𝐴 𝐾 =
𝛥𝐶
− 𝛥𝐶 < 𝐴 𝐾 =
𝛥𝐶
𝛥𝐶 > 𝐴 𝐾 =
𝛥𝐶
𝛥𝐶 < 𝐴 𝐾 =
𝛥𝐶
− 𝛥𝐶 > 𝐴 𝐾 = −
𝛥𝐶
− 𝛥𝐶 < 𝐴 𝐾 =
𝛥𝐶
− 𝛥𝐶 − > 𝐴 𝐾 = −
𝛥𝐶
− 𝛥𝐶 − < 𝐴 𝐾 = −
{ 𝛥𝐶 < − 𝐴 𝐾 =−
D’où :
54
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Afin de calculer les zones des secteurs et réaliser le contrôle direct du flux statorique et
du couple électromagnétique de la machine asynchrone pilotée par un onduleur 3-niveaux de
tension à structure NPC, nous devons élaborer la table de commutation mettant en œuvre au
mieux les possibilités de l'onduleur.
L’élaboration des tables de commutation sur douze secteurs fait une bonne localisation de
vecteur flux dans le plan complexe. De là, une nouvelle table de commande est déduite
donnant une relation directe entre Si, Kφ et KC et les ordres de commutation Vi de l’onduleur
à trois-niveaux de tension. Cette table est valide dans les deux sens de rotation de la machine.
Ce tableau est représenté dans littérature dans les travaux de [27] et [28].
Secteurs
𝑲𝝋 𝑲𝒄
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12
+2 V21 V16 V22 V17 V23 V18 V24 V19 V25 V20 V26 V15
+1 V21 V02 V22 V03 V23 V04 V24 V05 V25 V06 V26 V01
+1 0 V00 V07 V14 V00 V07 V14 V00 V07 V14 V00 V07 V14
-1 V26 V01 V21 V02 V22 V03 V23 V04 V24 V05 V25 V06
-2 V26 V15 V21 V16 V22 V17 V23 V18 V24 V19 V25 V20
+2 V22 V17 V23 V18 V24 V19 V25 V20 V26 V15 V21 V16
+1 V22 V03 V23 V04 V24 V05 V25 V06 V26 V01 V21 V02
0 0 V00 V07 V14 V00 V07 V14 V00 V07 V14 V00 V07 V14
-1 V25 V06 V26 V01 V21 V02 V22 V03 V23 V04 V24 V05
-2 V25 V20 V26 V15 V21 V16 V22 V17 V23 V18 V24 V19
+2 V17 V23 V18 V24 V19 V25 V20 V26 V15 V21 V16 V22
+1 V03 V23 V04 V24 V05 V25 V06 V26 V01 V21 V02 V22
-1 0 V00 V07 V14 V00 V07 V14 V00 V07 V14 V00 V07 V14
-1 V05 V25 V06 V26 V01 V21 V02 V22 V03 V23 V04 V24
-2 V19 V25 V20 V26 V15 V21 V16 V22 V17 V23 V18 V24
Tableau III.8: Table de commutation de commande DTC
appliqué à l’onduleur à 3-niveaux de type NPC.
55
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
La sélection du vecteur de tension appliquée à la machine, est assurée par les signaux de
commande de l’onduleur, voir le tableau III.7.
56
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
200
Vsa[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsb [V]
200
Vsb[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsc [V]
200
Vsc[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Le temps [s]
1.2 Phis
1 Phis (Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0 0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Le temps [s]
57
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
20
120 Wr
15 Wr(Ref)
100
10
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
5 80 102
100
0 60
98
20
-15
-20 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Le temps [s] Le temps [s]
200 12
Ce
150 Ce(Ref)
10
Le Couple Electromagnétique [N.m]
100 +0.65
8
50
Vs(Axe Beta) [V]
6
0
4
-50
2
-100 -0.65
-150 0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Le temps [s]
La figure (III-15) montre la réponse des tensions statoriques qui sont générées par le
contrôleur de la DTC alimentée par un onduleur à deux niveaux.
La figure (III-16) illustre la trajectoire du vecteur flux circulaire sur le plan biphasé (α, β) par
la DTC à deux niveaux où on peut voir que la forme de sa projection est quasi circulaire avec
des ondulations importantes.
58
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Dans la figure (III-17) la réponse du flux statorique est très rapide par rapport à celle du
couple, afin de se stabiliser au tour de sa valeur désirée avec des ondulations remarquables.
Comme il est présenté sur la figure (III-21) la réponse du couple électromagnétique est
immédiate mais elle se présente avec des ondulations considérables (± . ,ce qui provoque
un défaut majeur qui caractérise la commande DTC, au niveau de la forme du courant
statorique, elle se présente sous forme sinusoïdale avec un pic de démarrage égal à 15 [A], ce
qui est montré sur la figure (III-18).
Cependant, l’inconvénient majeur causé par cette technique est représenté par des ondulations
considérables aux niveaux de la réponse du flux statorique et particulièrement dans la réponse
du couple électromagnétique, car cette conséquence provoque une vibration considérable sur
l’actionneur électrique et peut causer la réduction du temps de vie des parties mécaniques
composées du système (désalignement de l’arbre de moteur, bruit audible, détérioration les
roulements ….etc.).
59
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
200
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsb[V]Vsb [V]
200
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsc [V]
200
Vsc[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Le temps [s]
1.2 Phis
1 Phis(Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0 0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Le Temps [s]
60
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
20
120 Wr
Wr(Ref)
15
100
10
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
80 102
5
100
60
98
0
0.5 0.52
40
-5
-10 20
-15 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Le temps [s] Le temps [s]
200 16
Ce
150 14 Ce(Ref)
Le Couple Electromagnétique [N.m]
12
100
10
50
Vs(Axe Beta) [V]
8 +0.45
0
6
-50
4
-100
2
-0.45
-150
0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Le temps [s]
La figure (III-22) représente des tensions statoriques qui sont produites par le contrôleur de la
DTC alimentée par un onduleur à multi niveaux.
La figure (III-23) montre la forme de la trajectoire du vecteur flux sur le plan biphasé (α, β)
par la DTC à multi niveaux, où on peut voir que la forme de sa projection est parfaitement
circulaire avec moins d’ondulations.
61
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
La figure (figure III-24) illustre la réponse du flux statorique, aussi elle est très rapide par
rapport à celle du couple, afin de se stabiliser au tour de sa valeur souhaitée avec des
ondulations bien réduites.
Dans la figure (III-28) il y’a une représentation de la réponse du couple électromagnétique qui
est immédiate, ainsi elle se présente avec moins d’ondulations (𝑀𝑎𝑥 ± . , par rapport à
celle présentée dans la commande directe du couple alimentée par un onduleur à deux
niveaux(𝑀𝑎𝑥 ± . . Au niveau de la forme du courant statorique, elle se présente sous
forme sinusoïdale avec un pic de courant de démarrage égal à 15 [A], ce qui est illustré sur la
figure (III-25).
Comme indiqué sur la figure (III-26), la réponse de la vitesse de rotation du moteur est très
rapide, et sa régulation, ainsi elle offre une grande robustesse contre les charges appliquées.
Au cours de ces résultats réalisés, si on compare avec la DTC pilotée par un onduleur à deux
niveaux seulement, l’application des onduleurs à multi niveaux dans la technique de
commande directe du couple nous permet d’avoir des améliorations considérables aux
niveaux des réponses du flux statorique et le couple électromagnétique. Mais pour les autres
grandeurs mesurées, il n’y avait pas des grandes modifications à remarquer. Cependant cette
commande dans ces nouvelles conditions, nécessite le développement de certains éléments de
base (régulateurs à hysistéris du flux et du couple, calculateur de zones du flux statorique).
Ainsi, elle exige un algorithme de commutation plus compliqué, ce qui doit avoir un
microcontrôleur ayant une forte capacité de calcul et une taille de mémoire assez grande.
III.12 Conclusion:
Dans ce chapitre, nous avons présenté les principes de bases de la commande directe du
couple appliquée sur un moteur asynchrone avec l’utilisation de deux types d’onduleurs.
62
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
Bibliographie
[1] I.Takahashi,T.Noguchi,‘A new quick response and high efficiency control strategy of
induction motor’. IEEE Transactions on Industrial Electronics, IE-22, 820-827.
(1986).
[2] D.Casadie,G.Serra,A.Tani,‘Implementation of a direct torque control algorithm for
induction motors based on discrete space vector modulation.’ IEEE Transactions on
Power Electronics, 15(4), 769-777.
[3] S.Belkacem,F.Naceri,R.Abdessemed,“Speed sensorless DTC of induction motor
drives using EKF”, ICEEA'08, International Conference on Electrical Engineering
and its Applications Sidi Bel-Abbes, May 20 – 21, 2008.
[4] Z.Zhang,R.Tang,B.Bai, and D.Xie,‘Novel Direct Torque Control Based on Space
Vector Modulation With Adaptive Stator Flux Observer for Induction Motors’, IEEE
transactions on Magnetics, vol. 46, no. 8, pp. 3133–3136, 2010.
[5] S.Chekroun,‘Commande Neuro-Floue Sans Capteur De Vitesse D’une Machine
Asynchrone Triphasée ‘; Ecole supérieur d’enseignement technologique D’Oran.
[6] Baghli.L.‘Modélisation Et Commande De La Machine Asynchrone’ , Note De Cours,
Iufm De Lorraine, Uhp, France. 2004.
M.Depenbrok,“Direct Self-Control (Dsc) Of Inverter Fed Induction Machine”, IEEE
[7]
Trans. Power Electron., Vol. Pe-3, Pp. 420–429, Oct 1988.
M.Pacas,J.Weber,‘Predictive Direct Torque Control For The Pm Synchronous
[8] Machine’,IEEE Transactions On Industrial Electronics, Vol. 52, No. 5, Pp. 1350–
1356, October 2005.
[9] X.Roboam,‘La Modélisation A La Commande Des Machines Asynchrones’ Edition
Interne Leei,1995.
[10] M.Aaltonen,P.Tiitinen,J.Lalu,S.Heikkila,‘Régulation Directe Du Couple
D’entrainements A Courant Triphasé’ In Révue Abb, Vol. 31995, Pp. 19-24
[11] C.Canudas De Wit,‘Modélisation Contrôle Vectoriel Et Dtc’, Editions Hermes
Science Europe Ltd, 2000.
[12] L.Hoang,’Comparison Of Filed-Oriented Control And Direct Torque Control’,
Ieee,1999.
[13] Carlos Canudasde Wit,‘Commande Des Moteur Asynchrones. Volume1, Modélisation
Contrôle Vectoriel Et Dtc ‘. Paris, Hermès Science Publications, 2000.
[14] A. Ameur,‘Commande Sans Capteur De Vitesse Par Dtc D’une Machine Synchrone A
Aimants Permanents Dotée D’un Observateur D’ordre Complet A Mode Glissants’
Université De Batna 2005.
[15] B.De Fornel,‘Techniques De L’ingénieur’, D3, 623.
[16] J.Belhadj,M.Pietrzak-David,A.Ghazel,I.Slama-Belkhodja,B.De Fornel,’Silding Modes
Observer For Direct Torque Control With An Optimised Switching Table’ Porc.
European Conf. On Power Electronics And Applications. Epe’99, Lausanne-
Switzerland, Sept. 7-9, 1999.
[17] P.Vas,‘Sensorless Vector And Direct Torque Control’, New York : Oxford Science
Publications, 1998.
[18] J.N.Nash,‘Direct Torque Control, Induction Motor Vectror Control Without An
Encoder’ ,IEEE, Trans. On Industry Applications, Vol. 33, N° 2, Pp 333-341, 1997.
[19] F.Elhachemi,‘Analyse De Fonctionnement Symetrique Et Asymétrique Des Onduleurs
Multiniveux ‘, Mémoire D’ingénieur En Electrotechnique De L’université De Batna,
2005.
63
Chapitre III : Principe de la Commande Directe du Couple d’un Moteur Asynchrone
Alimenté par deux types d’Onduleurs.
64
Chapitre IV:
L’un des défis de l’homme aujourd’hui est de copier la nature et de reproduire les modes
de raisonnement et de comportement qui lui sont propre. Les réseaux de neurones sont nés de
cette envie, ils constituent une famille de fonctions non linéaires paramétrées, utilisées dans
de nombreux domaines (physique, chimie, biologie, finance, etc.), notamment pour
la modélisation du processus et la synthèse de lois de commande, leur application dans le
domaine de l’électronique de puissance est assez récente [2].
Les réseaux de neurones artificiels (RNA) ont été évoqués pour la première fois en 1943, dans
un article resté historique publié par Mc Culloch et Pitts [1]. Ils avaient réussi à créer le
neurone formel qui est la modélisation du neurone biologique et ils sont les premiers à
montrer que des réseaux de neurones formels simples peuvent réaliser des fonctions logiques,
arithmétiques et symboliques complexes.
En 1969 : M. Minsky et S. Papert publient un ouvrage qui met en exergue les limitations
théoriques du perceptron. Limitations alors connues, notamment concernant l’impossibilité de
traiter par ce modèle des problèmes non linéaires. Ils étendent implicitement ces limitations à
tous les modèles de réseaux de neurones artificiels. Leurs objectifs sont atteints, il y a un
abandon financier des recherches dans le domaine (surtout aux U.S.A.), les chercheurs se
tournent principalement vers l’IA et les systèmes à bases de règles.
Entre 1970 et 1980 peu d’articles furent publiés en raison de la faible quantité de chercheurs
intéressés.
65
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Au début des années quatre-vingt (80), les recherches dans ce domaine ont repris surtout après
la publication du travail de J.J. du physicien Hopfield en 1982, qui a reconnu à qui l’on doit
le renouveau d’intérêt pour les réseaux de neurones artificiels. Il présente une théorie du
fonctionnement et des possibilités des réseaux de neurones.
Par contre, dans la technique de la haute tension, les RNA ne sont pas apparus qu’en 1994,
après la publication d’A.A. Mazroua et al [4] dans ‘The Institute of Electrical and Electronics
Engineers (IEEE)’ d’un article traitant de la reconnaissance des tailles d’impulsions de
décharges partielles. Depuis, les travaux se sont succédés et ont touché tous les domaines de
la haute tension.
Dans ce chapitre nous allons présenter un aperçu sur les réseaux de neurones artificiels, puis
on passera à leurs applications sur l’algorithme de commande DTC à onduleur multi-niveaux
pour tester ses performances par cette méthode proposée.
Le système nerveux compte plus de 1000 milliards de neurones interconnectés. Bien que les
neurones ne soient pas tous identiques, leurs formes et certaines caractéristiques permettent de
les répartir en quelques grandes classes. En effet, il est aussi important de savoir, que les
neurones n'ont pas tous un comportement similaire en fonction de leur position dans le
cerveau.
Les neurones sont des cellules nerveuses décomposables, en trois parties principales (Figure
IV.1) :
Les dendrites : leurs rôles est de capter l’information provenant des autres neurones.
Cette information se présente sous la forme de médiateurs chimiques dite
neurotransmetteurs libérés dans les synapses. La capture de ces substances par les
dendrites donne naissance à un signal électrique appelé potentiel d’action qui est
acheminé vers le corps cellulaire.
L’axone : c'est le long de l'axone que les signaux partent du neurone. Contrairement
aux dendrites qui se ramifient autour du neurone, l'axone est plus long et se ramifie à
son extrémité où il se connecte aux dendrites des autres neurones. Sa taille peut varier
entre quelques millimètres à plusieurs mètres [5].
Les synapses : sont des jonctions entre deux neurones, et généralement entre l'axone
d'un neurone et une dendrite d'un autre neurone.
66
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs
élémentaires fonctionnant en parallèle. Chaque processeur élémentaire calcule une sortie
unique sur la base des informations qu'il reçoit. Toute structure hiérarchique de réseaux est
évidemment un réseau.
Un neurone est donc avant tout un opérateur mathématique, dont on peut calculer la valeur
numérique par quelques lignes de logiciel. On a pris l'habitude de représenter graphiquement
un neurone comme indiqué sur la figure IV.2.
67
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Des entrées du neurone formel ( : elles proviennent soit des sorties d’autres
neurones, soit de stimuli sensoriels (capteur visuel, sonore…) ;
Des paramètres de pondération (les poids" ") : Ils correspondent à l’efficacité
synaptique dans les neurones biologiques ( 𝟎: synapse excitatrice ; 𝟎: synapse
inhibitrice). Ces poids pondèrent les entrées et peuvent être modifiés par
l’apprentissage ;
Une unité de sommation : son rôle est de faire la somme de multiplication les entrées
par ses poids.
la fonction d’activation : elle peut être sous différentes formes (linéaire, non linéaire,
forme en sigmoïde, etc.…), elle est de faire pour la comparaison entre la valeur de la
sommation avec celle du seuil, pour valider la valeur de la sortie.
Une sortie du neurone formel : Elle peut être binaire ou réelle.
𝑢 =∑= ± (IV.1)
= + +⋯+ ±
Cette sortie correspond à une somme pondérée des poids et des entrées plus ce qu’on nomme
le biais b du neurone. Le résultat s de la somme pondérée s’appelle le niveau d’activation du
neurone. Le biais b s’appelle aussi le seuil d’activation du neurone. Lorsque le niveau
d’activation atteint ou dépasse le seuil b, alors l’argument de f devient positif (ou nul). Sinon,
il est négatif [6].
Et a partir de cette valeur, une fonction d’activation calcule la valeur de sortie j du neurone.
C’est cette valeur qui sera transmise aux neurones avals par cette équation:
= 𝜑(𝑢 ) (IV.3)
booléenne ;
linéaire : 𝐸 = ℎ … =∑= … ;
affine : 𝐸 = ℎ … =∑= … − ;
polynomiale de degré supérieur à deux.
68
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Tableau IV.1 : Les différentes fonctions d'activations les plus utilisées dans les RNA
Elle calcule la sortie (S) du neurone en fonction de son état d’activation (A). Elle est
généralement considérée comme la fonction identité : S = g (A) = A = f (E). Qui concerne la
nature de la sortie du neurone, elle peut être binaire ou réelle.
69
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
L’architecture d’un réseau de neurones est l’organisation des neurones entre eux au sein d’un
même réseau. Autrement dit, il s’agit de la façon dont ils sont ordonnés et connectés. La
majorité des réseaux de neurones utilise le même type de neurones. Quelques architectures
plus rares se basent sur des neurones dédiés. L’architecture d’un réseau de neurones dépend
de la tâche à apprendre (problème à résoudre). Un réseau de neurone est en général composé
de plusieurs couches de neurones, des entrées jusqu’aux sorties [8].
Couche d’entrée : les neurones de cette couche reçoivent les valeurs d’entrée du
réseau et les transmettent aux neurones cachés. Chaque neurone reçoit une valeur. Il ne fait
pas donc de sommation.
Couche(s) cachée(s) : chaque neurone de cette couche reçoit l’information de
plusieurs couches précédentes, effectue la sommation pondérée par les poids, puis la
transforme selon sa fonction d’activation qui est en général, une fonction sigmoïde. Par la
suite, il envoie cette réponse aux neurones de la couche suivante.
Couche de sortie : elle joue le même rôle que les couches cachées. La seule différence
entre ces deux types de couches est que la sortie des neurones de la couche de sortie n’est liée
à aucun autre neurone [27].
Dans le monde de réseaux de neurones, ils existent deux principaux types qui sont :
les réseaux non bouclés et les réseaux bouclés.
Ce sont des réseaux unidirectionnels sans retour arrière (feedforward). Le signal de sortie
est directement obtenu après l’application du signal d’entrée. Si tous les neurones ne sont pas
des organes de sortie, on parle de neurones cachés (Figure IV.3) [9].
Les réseaux dotés de ce type de connexions sont appelés réseaux à couches ou réseaux
statiques, ils n’ont pas de véritable comportement dans le temps et ils possèdent une
ou plusieurs couches cachées. L’état de sortie de chaque neurone dépend seulement des
sorties des neurones de la couche précédente.
70
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Les réseaux de neurones dotés de cette structure de connexions sont caractérisés par des
comportements dynamiques pouvant être plus ou moins complexes selon les contraintes
d’architecture qu’ils comportent.
Notons que les connexions entre les neurones peuvent être totales ou partielles. Cependant,
dans la première structure, chaque neurone entretien des relations avec un nombre réduit
et localisé de neurones de la couche aval, par contre, dans la deuxième structure, chaque
neurone est connecté à tous les neurones du réseau.
Remarque :
Dans un réseau de neurones non bouclé, le temps ne joue aucun rôle fonctionnel, si les entrées
sont constantes, les sorties sont également. Le temps nécessaire pour le calcul de la fonction
réalisée par chaque neurone est négligeable et on peut considérer ce calcul comme instantané.
Pour cette raison, les réseaux non bouclés sont souvent appelés ‘réseaux statiques’ par
opposition aux réseaux bouclés ou « dynamique ». Ils sont utilisés en classification,
reconnaissance des formes (caractères, parole,…) en prédiction.
71
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
IV.5.1 Le perceptron simple : C’est un des premiers réseaux de neurones, conçu en 1958
par Rosenblatt. Il est linéaire et monocouche. Il est inspiré du système visuel. La première
couche (d’entrée) représente la rétine. Les neurones de la couche suivante (unique, d’où le
qualificatif de monocouche) sont les cellules d’association et la couche finale des cellules de
décision. Les sorties des neurones ne peuvent prendre que deux états (-1 et 1 ou 0 et 1).
IV.5.2 Les perceptrons multicouches MPL : Ils sont une amélioration du perceptron
comprenant une ou plusieurs couches intermédiaires dites couches cachées, dans le sens où
elles n’ont qu’une utilité intrinsèque pour le réseau de neurones et pas de contact direct avec
l’extérieur. Chaque neurone n’est relié qu’aux neurones des couches directement précédente
et suivante, mais à tous les neurones de ces couches. Ce type de réseaux, agissent comme un
séparateur non linéaire et peuvent être utilisés pour la classification, le traitement de l’image
ou l’aide à la décision
IV.5.3 Le modèle Adaline : L’adaline (Adaptatif Linéaire Elément) conçu par B. Widrow
dans les années 1960, est un perceptron sans couche cachée donc à un seul neurone qui reçoit
le stimulus arrivant de la couche d’entrée et donne la réponse correspondante.
IV.5.4 Les réseaux de Hopfield : Il s’agit d’un réseau constitué de neurones à deux états
(-1 et 1, ou 0 et 1), dont la loi d’apprentissage est la règle de Hebb(1949), qui veut qu’une
synapse améliore son activité si et seulement si l’activité de ses deux neurones est corrélée
(c’est-à-dire que le poids d’une connexion entre deux neurones augmente quand les deux
neurones sont activés en même temps).
72
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
neurones. Généralement, il y’a deux différentes d'apprentissage qui sont : l'apprentissage hors
ligne et l'apprentissage en ligne.
Ce réseau de neurones évalue lui-même ses performances, sans l’aide d’un ‘professeur’.
Un objet est présent à l’entrée du réseau de neurones, à qui on a indiqué la classe à laquelle
appartient cet objet. Si le réseau ne le classe pas correctement, il mesure lui-même l’erreur qui
la faite, et propage cette erreur vers l’entrée. Le réseau procède à autant d’itérations qu’il est
73
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
nécessaire jusqu’à obtenir la réponse correcte. Certaines architectures de ces modèles sont
basées sur les principes des structures vivantes : tels que la théorie de l’évolution et de la
génétique. Les travaux ont débuté, depuis les années soixante (60), mais sont restés limités en
raison de l’absence d’un modèle mathématique exact de ces réseaux. Leur comportement
mathématique fut déterminé à partir des années quatre-vingts (80) grâce aux travaux de
Hopfield, de M. Cohen et de S. Grosberg. Ces résultats ont donné un grand élan à la recherche
dans ce domaine. [4]
La réadaptation des poids d’éléments d’entrée est autonome. L’apprentissage qui se fait par
calcul de distances [4], nécessite uniquement les valeurs des entrées. Ce type d’apprentissage
est très utile dans les applications de classification.
La première règle d’apprentissage connexionniste proposée par Hebb (Hebb, 1949) était non
supervisée, elle était basée sur la proportionnalité entre la modification de l’efficacité des
connexions entre deux neurones et l’activité simultanée de ces deux neurones.
Le mode semi supervisé suppose qu’un comportement de référence précis n’est pas
disponible, mais qu’en revanche, il est possible d’obtenir des indications qualitatives
(correct/incorrect) sur les performances du réseau.
IV.8 Les algorithmes des méthodes d’apprentissage utilisés dans les réseaux de neurones:
Les connaissances de l’expert ont une forme énumérée, elles sont exprimées sous forme de
règles. Dans le cas des réseaux de neurones, les connaissances ont une forme distribuée, elles
sont codées dans les poids des connexions, la topologie du réseau, les fonctions de transfert de
chaque neurone, le seuil de ces fonctions, la méthode d’apprentissage utilisée. Il existe un
certain nombre de méthodes d’apprentissage [13], mais les plus utilisées sont :
74
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
′′
𝑅𝑁 (𝜃 ) = ∑ ѱ (𝑘, 𝜃 ) 𝜉(𝑘, 𝜃 ) . ѱ𝑇 (𝑘, 𝜃 ) (IV.1)
𝑁
Avec :
𝑅𝑁 (𝜃 ) : Hessien de Gauss-Newton.
𝜕𝑦̂
ѱ𝑇 (𝑘, 𝜃 ) = : Le gradient de ̂ 𝑘, 𝜃 par rapport à 𝜃.
𝜕𝜃
̂ 𝑘, 𝜃 : Est la sortie estimée par le réseau.
′′ ѱ𝑇 ( ,𝜃𝑖 )
𝜉(𝑘, 𝜃 ) : Est un bruit blanc corrélé avec (IV.2)
𝜃𝑇
𝑁 ≈ 𝑅𝑁 (𝜃 ) + 𝜆 (IV.5)
(𝑅𝑁 (𝜃 ) + 𝜆 ). = − 𝑁 (𝜃 ) (IV.6)
L’algorithme s’écrit donc :
− −
. 𝜃 = 𝜃 − (𝑅𝑁 (𝜃 ) + 𝜆 ) . 𝑁 (𝜃 ) (IV.7)
75
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Newton. Donc en ajustant 𝜆 , la direction de recherche varie entre celle du gradient et celle de
Gauss-Newton.
Nous obtenons alors un algorithme d’estimation hors-ligne des paramètres alliant la rapidité
de convergence des méthodes du deuxième ordre à la sureté de convergence vers un minimum
local des méthodes du premier ordre [14].
il n’existe pas de règle générale pour déterminer la topologie des réseaux (le nombre de
couches cachées et le nombre de neurones par couche), sachant que le problème critique
pendant l’apprentissage est de trouver un réseau assez large pour bien apprendre mais
également assez petit pour bien généraliser, mais les couches entrées et sorties sont bien
sur imposées, puisque le nombre de neurones qu’elles admettent dépend du problème
posé;
Le choix aléatoirement des valeurs initiales des poids du réseau et détermination le
réglage du pas exacte d’apprentissage, qui jouent un rôle important dans la vitesse de
convergence ;
La connaissance acquise par un réseau de neurone est codée par les valeurs des poids
synaptiques, les réseaux de neurones sont donc des boites noires où les connaissances
sont inintelligibles pour l’utilisateur.
Nous avons présenté dans cette partie du chapitre, les principes de base des réseaux de
neurones, par la suite, on a établit la conception des modèles plus complexes grâce à
l’évolution de la neurobiologie et à l’utilisation d’outils mathématique plus puissantes dans
les algorithmes d’apprentissage.
76
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
En général le but de la commande est d’utiliser des contrôleurs afin de forcer un système à
suivre un comportement bien spécifique. Il y a une multitude de méthodes qui adoptent des
contrôleurs classiques et qui donnent de bonnes performances dans le cas des systèmes
linéaires comme le PID, RST, retour d’état, …etc.
Mais quand il s’agit des systèmes non linéaires et c’est le cas de la plupart des systèmes réels,
ces méthodes sont peu performantes, pour cette raison, les réseaux de neurones sont un des
techniques les plus utilisés dans ce genre de commande [11].
Donc, la commande de processus au moyen des réseaux de neurones, a connu un très grand
essor cette dernière décennie. La vision de la biologie a pris, dans le domaine de la théorie des
systèmes dynamiques, une tournure particulièrement intéressante. Elle a ouvert des
perspectives de compréhension à la fois plus large et plus méfiantes. Dans le but d’élargir son
champ d’application, la théorie de contrôle ressent actuellement un besoin d’intégrer de
nouveaux concepts regroupés sous le terme de commande intelligente.
L’identification consiste à élaborer un modèle neuronal qui est une estimation du processus à
commander et cela au moyen d’une phase d’apprentissage. Celle-ci peut être soit préalable
(hors ligne), ou bien elle peut se faire intégralement en ligne.
Les réseaux de neurones réalisent des fonctions non linéaires paramétrées. Leurs mises en
œuvre exigent :
La détermination des entrées et des sorties pertinentes, c’est-à-dire les grandeurs qui ont
une influence significative sur le phénomène que l’on cherche à modéliser.
77
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
‘Toute fonction bornée suffisamment régulière peut être approchée uniformément, avec une
précision arbitraire, dans un domaine fini de l’espace de ses variables, par un réseau de
78
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
neurones comportant – au moins – une couche de neurones cachés en nombre fini, possédant
tous la même fonction d’activation et un neurone de sortie linéaire’.
Cette propriété justifie l’utilisation de l’architecture à présenter par la suite, comme montre ce
théorème, le nombre de neurones cachés doit être choisi d’une façon convenable qui assure
une précision parfaite pour établir une convergence rapide et garantie.
L’idée principale dans cette étude est de remplacer le sélecteur conventionnel de l’état des
interrupteurs d’onduleur par un sélecteur neuronal capable de gérer de la même façon les
signaux de commande de ces derniers [17].
Comme déjà mentionnée, l’application de la technique DTC pour une alimentation par un
onduleur de tension multi-niveaux de type NPC est assurée par un sélecteur conventionnel
(table de commutation) à douze secteurs et vingt-sept (27) vecteurs de tension.
Cette étude proposée de construire un sélecteur neuronal qui va générer des séquences direct
pour commander l’onduleur par un réseau de neurones qui a l’architecture suivante :
Une couche d’entrée avec 03 neurones, pas une décision au début s’il y’a une ou plusieurs
couche(s) cachée(s), même chose pour le nombre constitué pour ses neurones, et dans la
couche de sortie avec un seul neurone.
La structure de réseau de neurone ANN proposée est montrée dans la figure (IV.8), les entrées
du sélecteur neuronal sont les états du flux, du couple et la position angulaire (θ) ou bien la
zone N du vecteur flux statorique. La sortie de ce sélecteur représente le vecteur optimal de
tension Vs. [17], [18], [19].
La modélisation par les réseaux de neurones de ce contrôleur, doit passer par les étapes
suivantes :
79
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Conception d’une base de données qui relie les entrées et les sorties, ainsi déterminer
(la méthode d’apprentissage, le type d’apprentissage, le pas d’apprentissage, nombre
d’itérations, la précision souhaitée pour le test d’arrêt) ;
Choix d’un réseau de neurones par entrainer sur la base d’apprentissage et la base de
validation avec un algorithme convenable pour réaliser une convergence entre ce réseau
et son model ;
Si possible, comparer les performances du réseau obtenu avec la base de test d’autres
réseaux supplémentaires qui n’ont pas la même topologie pour choisir le meilleur.
L’apprentissage d’un réseau de neurones agit avec une base de données représentative sur
le domaine de fonctionnement. Notre contrôleur neural reçoit les informations sur
l’évolution du flux, l’évolution du couple, et la position de flux statorique, par ces
informations on va faire une combinaison entre les relations de ces entrées et la représenter à
la dépendance avec la sortie du contrôleur.
Chaque cas représente les entrées (∆𝜑𝑠 , ∆𝐶 , 𝜃𝑠 ) et la sortie (Vs) qui dépendent, donc ce
contrôleur neural doit recevoir les informations de ces entrées pour avoir la décision
convenable dans sa sortie, la répartition des données est comme suit:
Les coefficients sont estimés de manière à minimiser une erreur d’approximation définie à
partir de l’écart (Yd- Y) à l’aide d’un algorithme d’apprentissage utilisé.
80
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Le but de l’apprentissage est d’estimer les coefficients (poids et biais) du réseau de neurones.
Le schéma de la figure IV.9 représente le système d’apprentissage pour modéliser le
contrôleur neuronal.
Où :
Yd : La sortie réelle de contrôleur DTC (les vecteurs de tensions optimaux);
Y : La sortie calculée par le contrôleur DTC neuronal ( les vecteurs de tensions Estimés) ;
e : L’erreur de la modélisation ( la convergence de l’apprentissage).
Par la suite, dans cette étape, il faudra trouver une structure optimale du réseau de neurones,
nombre de couches cachées suffisantes, nombre de neurones dans chaque couche cachée,
ainsi la fonction d’activation pour chaque couche qui existe.
Chaque fois après l’apprentissage Off-line, on insère le contrôleur neuronal dans le système
entier, et contrôler ses performances avec son fonctionnement, si le réseau n’arrive pas à
converger ou bien l’erreur décroît lentement, on refait la même tâche avec un autre réseau par
modification dans les nombres de neurones de chaque couche cachée et parfois même on a
besoin de changer également les fonctions d’activations qui donnent une convergence rapide
dans l’apprentissage.
Pour avoir un meilleur réseau de neurones, il faut aussi augmenter les nombres d’itérations
avec une grande précision pour assurer un apprentissage parfait.
Comme montre la figure (IV.10. (a)), l’apprentissage et l’optimisation du réseau précédent est
accompli par un programme sur l’environnement de Matlab-Simulink, le réseau optimisé
obtenu possède une couche d’entrée de trois neurones, deux couches cachées avec 45 et 55
neurones respectivement et une couche de sortie avec un seul neurone.
81
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
(a) (b)
Figure IV.10: L’opération (a) et l’évolution d’’apprentissage (b) de réseau neurones pour
DTNNC sous logiciel Matlab-Simulink.
Propriete Caracteristique
Architecture 3-45-55-1 Feed-forward (MLP)
Fonctions d’activation Logarithmique – Tangente– Linéaire
Méthode d’apprentissage Méthode de Levenberg-Marquardt
Tolérance de test d’arrêt 0.001
Nombre d’itérations choisis 10 .000
Tableau IV.1 Les propriétés de régulateur neuronal proposé.
82
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Figure IV.11: Schéma synoptique de la commande neuronale directe du couple pour une
machine asynchrone alimentée par un onduleur multi-niveaux.
83
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
200
Vsa [V]
-200
0.65 0.7 0.75 0.8 0.85
200
Vsb [V]
-200
0.65 0.7 0.75 0.8 0.85
200
Vsc [V]
-200
0.65 0.7 0.75 0.8 0.85
Temps [s]
1.2 Phis
1 Phis (Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0
0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Le Temps [s]
84
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
20
120 Wr
15 Wr(Ref)
100
10
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
80 101
5
100
0 99
60
98
-5
0.49 0.5 0.51
40
-10
20
-15
-20 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps [s] Le temps [s]
200 16
Ce
150 14 Ce(Ref)
Le Couple Electromagnétique [N.m]
12
100
10
Vs(Axe Beta) [V]
50
8 +0.4
0
6
-50
4
-100
2
-0.4
-150
0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Le temps [s]
La figure (IV-12) montre la réponse des tensions statoriques qui sont générées par le
contrôleur de la DTC neuronale.
La figure (IV-13), représente la trajectoire du vecteur flux qui est parfaitement circulaire sur
le plan biphasé (α, β).
85
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Ce qui est bien indiqué sur la figure (figure IV-14), le flux statorique présente une réponse
transitoire très rapide par rapport au couple, au régime permanent le flux statorique se
stabilise vers sa valeur de référence avec une erreur statique presque négligeable.
Comme il est montré dans la figure (IV-18) une réponse rapide du couple avec une certaine
réduction d’ondulations ( ± 0. par rapport que celles de la DTC classique à multi-
niveaux ( ± 0. (figure III-28), par conséquent la forme du courant statorique a une
forme sinusoïdale avec un pic de démarrage égale à 20 [A], ce qui est montré sur la figure
(IV-15).
La figure (IV-16), illustre la réponse de la vitesse de rotation du moteur, donc elle a gardée la
même performance par rapport à sa réponse de la commande DTC à multi-niveaux
conventionnelle, de son temps de réponse et de sa robustesse.
La figure (IV-17), montre la trajectoire de tensions statoriques sur le plan biphasé (α, β), cette
projection nous montre d’une façon détaillée les vecteurs de tensions sélectionnées par le
contrôleur DTC neuronal.
À partir de ces résultats, on peut constater que les performances du système, commandé par
un contrôleur neuronal, sont insatisfaisantes, malgré de l’adaptation du réseau de neurones
obtenu d’une façon similaire avec le contrôleur de la DTC classique. Cette cause est dûe au
fait qu’il n’y a pas une règle générale pour choisir les paramètres du réseau de neurones qui
sont limités par ses contraintes (le choix de la méthode convenable pour l’apprentissage, le
taux optimum de l’apprentissage, la détermination exacte de nombres des couches cachées, le
nombre de neurones dans chaque couche cachée, le choix du type de fonction d’activation
dans chaque couche cachée). Généralement c’est difficile de déterminer ce choix seulement
par les essais pour minimiser les erreurs entre le modèle physique et le modèle neuronal à
chaque fois dans l’opération d’apprentissage.
IV.16 Conclusion :
86
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
Bibliographie
[1] M.Weinfeld ,‘Réseaux de Neurones‘, Techniques de l’ingénieur, article H 1990,2001.
[2] D.Ould Abdeslam,‘Techniques neuromimétiques pour la commande dans les systèmes
électriques : application au filtrage actif parallèle dans les réseaux électriques basse
tension’, de doctorat de l’université de Haute-Alsace, Mars 1992.
[3] C.Touzet,‘Les Reseaux De Neurones Artificiels Introduction Au Connexionnisme ‘
Cours, Exercices Et Travaux Pratiques- Juillet 1992 , page 6.
[4] L. Mokhnache,’Application des Réseaux de Neurones dans le Diagnostique et la
Prédiction des Isolations de Haute Tension’. Thèse de Doctorat d’Etat, ENP,
Décembre 2003.
[5] R.Ladjaj,’ Les Réseaux de Neurones’.
[6] M. Parizeau,‘Réseaux de neurones ‘; Notes de cours (GIF-21140 et GIF-64326),
Université Laval, Canada, Automne 2004.
[7] D.Youcef,‘Commande par réseaux de neurones d’une MADA intégrée à un système
éolien ‘, Mémoire de Magister, U. Sidi Bel-Abbès.
[8] P.Wira,‘ Réseaux de neurones artificiels : architectures et applications’, Université
de Haute Alsace Laboratoire MIPS (Modélisation, Intelligence, Processus, Systèmes)
.Avril 2009
[9] M.Bendjebbar,‘Contribution à l’étude d’algorithmes de l’intelligence artificielle pour
le développement de stratégies de commande des machines asynchrones‘
Thèse de Doctorat d’Etat, Université des sciences et de la technologie Mohamed
Boudiaf d’Oran USTO, Décembre 2007.
[10] J.Moody,C.Darken,‘Fast learning in network of locally-tuned processing units’.
Neural Computation, 1:606_623. (1995).
[11] L.Moussaoui,‘Contribution À La Commande Des Machines Synchrones À Aimants
Permanents’, Utilisation Des Réseaux De Neurones Et De La Logique Floue ‘ thèse
de magistère, Université Badji Mokhtar Annaba 2007
[12] L.Ben Brahim,R.Kurosawa,’Identification of induction motor speed using neural
networks’, in proc. Power conversion conf. Yokohama, Japan, 1993,pp.689-694.
[13] D.Racoceanu,’Contribution à la surveillance des Systèmes de Production en utilisant
les Techniques de l'Intelligence Artificielle’, Habilitation à Diriger des Recherches,
Université de Franche Comté, Besançon. 84, 85, 86. (2006).
[14] M.Bedboudi,’Identification et commande par réseaux de neurones d’une machine
asynchrone alimentée par un onduleur MLI’. mémoire de Magister de l’université
d’Annaba 2001.
[15] S.Chakroun,’Commande neuro-floue sans capteur de vitesse d’une machine
asynchrone triphasée’, Thèse de magistère Enset d’Oran 2009.
[16] V.Chitra,K.S.Ravichandran,R.Varadarajan,‘Artificial neuraln in field oriented control
for matrix converter driv’, World Applied Sciences Journal 16 (4): 560- 567, 2012
ISSN 1818-4952 © IDOSI Publications, 2012
[17] L. Leclercq,B. Robyns,J. Grave,‘ Control based on fuzzy logic of flywheel energy
storage system associated with wind and diesel generators’, Mathematics and
Computers in Simulation archive – Special issue: Modeling and simulation of
electrical machines, converters and systems, vol. 63, pp. 271–280, 2003.
[18] X.WU,L.Huang,‘Direct Torque Control of three-level Inverter Using Neural Network
as switching vector sélector ‘, Dept Of Electrical Engineering, Tsinghua Univ Beijing
.100084.P.R.china
87
Chapitre IV : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Les Réseaux de Neurones Artificiels.
88
Chapitre V:
V.1 Introduction :
L’inconvénient de réglage classique, est basé sur une modélisation adéquate du système à
régler et un traitement analytique à l’aide de fonctions de transfert ou d’équations d’état. Cela
nécessite souvent des notions assez avancées de mathématique. Cependant, le réglage par la
logique floue abrège ces difficultés car elle donne une approche plutôt pragmatique,
permettant d’inclure aussi les expériences acquises par les opérateurs.
La logique floue est une théorie qui a connu un grand succès depuis que prof. L. Zadeh a
introduit le concept de sous-ensembles flous en 1965. En 1973, il a proposé d'appliquer les
principes de la logique floue dans la résolution des problèmes de réglage, par la suite et en
1974, E.H.Mamdani a construit un premier contrôleur flou pour la commande d'une turbine à
vapeur .En 1980 Sugeno a appliqué le réglage par logique floue à un four à ciment. Après ces
travaux, la commande floue a connu un grand essor essentiellement au Japon [3].
La logique floue est basée sur un raisonnement humain et réaliste. Avec toutes les
imprécisions et incertitudes qu'elle manipule, elle s'adapte très bien à la régulation des
processus aussi bien linéaires que non linéaires. La régulation floue est simple à mettre en
ouvre et permet de prendre en charge des systèmes complexes mais exige une connaissance
du dispositif [4].
Cette technique présente en effet l’avantage d’utiliser des règles linguistiques simples
permettant de traduire facilement le savoir faire d’un expert pour répondre à une
problématique spécifique. Dans ce sens, on utilise des correcteurs à base de logique floue qui
améliorent de façon globale aussi bien les performances dynamiques et la robustesse des
systèmes commandés.
Les principaux domaines de recherche et d’application de la logique floue sont les suivants :
89
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Dans ce chapitre, nous allons présenter les notions fondamentales de la logique floue, et nous
présenterons par la suite la structure de la commande directe du couple utilisant l’algorithme
de commutation à l’aide de cette technique de commande pour la DTC multi-niveaux
appliquée sur un moteur asynchrone.
Dans la logique booléenne, le degré d’appartenance (µ) ne peut prendre que deux valeurs (0 ou
1). La température peut être :
Froide : 𝜇𝐹 𝑜𝑖 𝑇 = , 𝜇 𝑇𝑖é 𝑇 = , 𝜇 ℎ 𝑇 = ;
Tiède : 𝜇𝐹 𝑜𝑖 𝑇 = , 𝜇 𝑇𝑖é 𝑇 = , 𝜇 ℎ 𝑇 = ;
Chaude : 𝜇𝐹 𝑜𝑖 𝑇 = , 𝜇 𝑇𝑖é 𝑇 = , , 𝜇 ℎ 𝑇 = .
Dans la logique floue, le degré d’appartenance devient une fonction qui peut prendre une
valeur réelle comprise entre 0 et 1 inclus. Par exemple, 𝜇 𝑇𝑖é 𝑇 permet de quantifier le fait
que la température puisse être considérée comme tiède. Pour obtenir le degré d'appartenance
d’une valeur donnée de la variable linguistique, relatif à un sous-ensemble flou, il suffit de
projeter verticalement cette valeur sur la fonction d'appartenance correspondant à ce sous-
ensemble flou.
90
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Dans ce cas, la température peut être considérée, à la fois, comme froide avec un degré
d’appartenance de 0.7 et comme tiède avec un degré d’appartenance de 0.3, figure V.2.
𝜇𝐹 𝑜𝑖 = . , 𝜇 𝑇𝑖é = . ,𝜇 ℎ 𝑇 =
Un ensemble flou est défini par sa fonction d’appartenance qui correspond à la notion de
fonction caractéristique en logique classique, elle permet de mesurer le degré d’appartenance
d’un élément à l’ensemble flou. En toute généralité, une fonction d’appartenance d’un
ensemble flou est désignée par 𝜇𝐴(𝑥). L’argument 𝑥 se rapporte à la variable caractérisée,
alors que l’indice 𝐴 indique l’ensemble concerné [7], [8].
Les fonctions d’appartenance peuvent être linaires ou gaussiennes avec différentes formes :
Généralement, les plus souvent utilisées sont les fonctions de forme trapézoïdales ou
triangulaires.
91
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Les mathématiques élaborées à partir des ensembles flous ressemblent beaucoup à celles
reliées à la théorie des ensembles conventionnels. Les opérateurs d'union, d'intersection et de
négation existent pour les deux types d'ensemble. Les opérateurs habituels, soit l'addition, la
soustraction, la division et la multiplication de deux ou plusieurs ensembles flous existent
aussi. Toutefois, ce sont les deux opérateurs d'union et d'intersection qu'on utilise le plus
souvent dans la commande par la logique floue [9].
Opérateur ‘Non’ :
c = 𝑎̅ = Non (a). (V.1)
𝑢 𝑥 = −𝑢 𝑥 (V.2)
Opérateur ‘ET’ :
L'opérateur ET correspond à l'intersection de deux ensembles a et b et on écrit :
c=a b (V.3)
Dans le cas de la logique floue, l'opérateur ET est réalisé dans la plupart des cas par la
formation du minimum, qui est appliquée aux fonctions d'appartenance 𝑢 𝑥 et 𝑢 𝑥 des
ensembles a et b, à savoir :
𝑢 = min{𝑢 , 𝑢 } (V.4) où
𝑢 , 𝑢 , 𝑢 , signifient respectivement le degré d'appartenance à l'ensemble a, b et c.
On parle alors d'opérateur minimum.
Opérateur ‘OU’ :
L'opérateur OU correspond à l'union de deux ensembles a et b et on écrit :
c=a b (V.5)
il faut maintenant calculer le degré d'appartenance à l'ensemble c selon les degrés des
ensembles a et b. Cela se réalise par la formation du maximum. On a donc l'opérateur
maximum.
𝑢 = max{𝑢 , 𝑢 } (V.6)
92
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
le premier facteur contient l'opérateur produit pondéré avec l'exposant 1−𝛾 Par contre, le
deuxième facteur est la somme algébrique pondérée avec l'exposant 𝛾 .
A partir des notions précédentes nous pouvons constater que la logique classique est un cas
particulier de la logique floue. Autrement dit, la logique floue est une extension de la logique
classique [10].
V.5.1 La fuzzification :
C’est une valeur donnée d’une variable (vitesse, température, pression..), associe un sous-
ensemble flou particulier. On utilise pour cela des variables linguistiques représentées
mathématiquement par des fonctions d’appartenance qui quantifient l’incertitude relative à
l’appartenance da la variable à cet ensemble. Ces variables linguistiques sont choisies de
façon à modéliser les observations d’un être humain qui qualifiera un phénomène de positif,
négatif, nul, petit, grand ou moyen ….etc.
93
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
V.5.2 L’inférence :
Si x = ZE (et/ou) y = NL , Alors z = PL
Maintenant, il s’agit de définir les degrés d’appartenance de la variable de sortie à ses sous
ensembles flous. Nous allons présenter les méthodes d’inférence qui permettent
d’arriver.
Ces méthodes se différencient essentiellement par la manière dont ils vont être réalisées par
les opérateurs ET et OU utilisés dans les règles d’inférence.
94
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Max-Min,
Max-Produit,
Somme-Produit.
95
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Dans ce cas, l’opérateur ET est réalisé par le produit, de même que la conclusion
ALORS. Cependant l’opérateur OU est réalisé par la valeur moyenne des degrés
d’appartenance intervenant dans l’inférence. D’autre méthodes ont été élaborées, ayant
chacune une variante spécifique. Néanmoins, la méthode Max-Min est de loin la plus utilisée
à cause de sa simplicité.
V.5.3 La défuzzification :
Elle constitue en une transformation de l’information floue issue de l’inférence en une
information déterministe directement applicable au processus. Lorsque la conclusion de la
règle est précise, spécifique et certaine, c'est-à-dire lorsque toutes les règles floues en
présence ont une conclusion non floue alors la défuzzification est implicite [13], [14].
Différentes méthodes utilisées sont :
Méthode de centre de gravité.
Méthode du maximum.
Méthode des hauteurs pondérées.
96
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Cette méthode est surtout utilisée quand les fonctions d'appartenance de la variable de sortie
sont des singletons.
97
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
L’organigramme suivant résume les différentes étapes pour établir une commande floue selon
le problème posé (Figure V.10).
98
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Dans le control direct du couple conventionnel, les erreurs du couple et du flux sont
directement utilisées pour choisir l'état de commutation sans distinguer entre une erreur très
grande ou relativement petite.
Par ailleurs, l'état de commutation choisi pour une grande erreur qui se produit au démarrage
ou lors de la variation des consignes du couple et du flux est le même qu'en fonctionnement
normal. Cela implique évidemment une réponse médiocre. Les performances du système
peuvent être améliorées si on sélectionne le vecteur tension selon la valeur de l'erreur du
couple et du flux ainsi que la position du flux dans l'espace de son évolution. [18]
Chaque contrôleur flou est construit de trois étapes essentielles qui sont : fuzzification,
inférence floue et défuzzification.
V.9.1 La fuzzification : les entrées de ce régulateur flou sont définies come suit :
∆𝜑 = 𝜑 ∗ − 𝜑
∗
{∆𝐶 𝑚 = 𝐶 𝑚 − 𝐶 𝑚 (V.15)
− 𝜑𝑠
𝜃 = tan 𝜑𝑠
99
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
V.9.1.1 L’erreur de flux statorique : elle est représentée par trois sous-ensembles
suivants : valeur nulle (Z) définit par la fonction d’appartenance triangulaire, négative (N), et
positive (P) [19], qui sont définis par la fonction d’appartenance de la forme trapézoïdale de la
figure. V.11.
V.9.1.2 L’erreur de couple : elle est présentée par les cinq sous-ensembles suivants :
valeur grand positif (GP) et grand négatif (GN) par des fonctions d’appartenances
trapézoïdales, petit positif (PP), nulle (Z), petit négatif (PN) par des fonctions d’appartenances
triangulaires[19]. La distribution de leurs fonctions d’appartenance est montrée par la figure
V.12.
V.9.1.3 L’angle du flux statorique : elle est décrit par douze variables linguistique
(𝜃 , → 𝜃 ) représentées par une seule fonction d’appartenance de forme triangulaire,
𝜋
chaque fonction prend un espace d’intervalle de 30° ( , la répartition de ces fonctions est
montrée dans la figure V.13.
100
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
V.9.1.4 La tension produite : le contrôleur flou fournit dans sa sortie les vecteurs de
tension sélectionnés de V0 jusqu'à V26 représentés par les fonctions d’appartenance sous
forme triangulaire comme indiqué dans la figure V.14.
V.9.2 L’inférence floue : chaque règle de commande peut être décrite en utilisant les
variables d’entrée ∆𝜑 , ∆𝐶 𝑚 et 𝜃 et la variable commande ‘n’ caractérisant l'état de
commutation d’onduleur. L’ ième de la règle Ri peut être écrite comme suit:
L’algorithme de commande comporte alors 180 règles, la méthode d'inférence employée est le
procédé de Mamdani basé sur la décision Max-Min.
𝛼𝑖 = min 𝜇 𝑖 ∆𝜑 , 𝜇 𝑖 ∆𝐶 𝑚 ,𝜇 𝑖 𝜃 (V.16)
La valeur correspondante à 𝜇𝑁 devrait ensuite être convertie par un autre algorithme à un
vecteur de tension.
101
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Le tableau suivant illustre les déférentes règles floues utilisées par l’algorithme de
commutations de la commande directe du couple appliquée sur un onduleur multi-niveaux.
V.9.3 La déffuzification: Dans notre système, la sortie est déterminée par la méthode des
hauteurs pondérées comme critère pour la défuzzificatoion car le contrôle du couple et du flux
par le vecteur tension est de nature discrète.
102
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
La figure V.15 illustre la structure finale de régulateur flou de la commande directe du couple
appliquée sur un onduleur multi niveaux.
Figure V.15: La structure finale du régulateur flou utilisé dans la DTC multi-niveaux.
La figure V.16, illustre la surface floue qui représente les valeurs de sortie Vs en fonction des
variations dans l’erreur sur le couple électromagnétique et l’erreur sur le flux statorique.
20
15
20
Numéro du vecteur Vs
15
10
10
5 5
0.1
0 0.05
2
1 0
0 0
-0.05
-1
-2 -0.1 Erreur sur le Flux
Erreur sur le Couple
103
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Figure V.17: Schéma synoptique de la commande floue directe du couple pour une machine
asynchrone alimentée par un onduleur multi-niveaux.
104
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
200
Vsa [V]
-200
0.65 0.7 0.75 0.8 0.85
200
Vsb [V]
-200
0.65 0.7 0.75 0.8 0.85
200
Vsc [V]
-200
0.65 0.7 0.75 0.8 0.85
Temps [s]
1.2 Phis
1 Phis (Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0
0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Le Temps [s]
105
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
15
120 Wr
Wr(Ref)
10
100
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
80 102
100
0
60 98
0.5 0.51
-5 40
-10 20
-15 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps [s] Le temps [s]
200 16
Ce
150 14 Ce(Ref)
Le Couple Electromagnétique [N.m]
12
100
10
Vs(Axe Beta) [V]
50
8 +0.35
0
6
-50
4
-100
2
-0.35
-150 0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Le temps [s]
Si on comparant avec le contrôleur neural, la figure (V-18) montre une meilleure réponse pour
les tensions statoriques qui sont produites par le contrôleur de DTC à multi-niveaux flou,
c’est dû au fait de l’annulation des régulateurs à hystérésis.
106
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Par contre, dans la figure (V-19), la trajectoire du vecteur flux est de forme quasi circulaire
sur le plan biphasé (α, β), ce phénomène se pose sur la manière du choix des règles du
régulateur flou utilisé.
Sur la figure (V-20), le flux statorique offre aussi une réponse transitoire très rapide par
rapport au couple, et dans son régime permanent et il atteint à sa valeur de référence avec une
erreur statique minimale identique à ce qu’il existe avec l’utilisation du contrôleur à DTC
neuronal.
La figure (V-24) illustre une réponse rapide du couple avec des réductions dans ses
ondulations ( ± . par rapport à celles de la DTC neurale à multi-niveaux ( ± .
(figure IV-19), par conséquent la forme du courant statorique a une forme sinusoïdale avec un
pic de démarrage égale 15 [A], ce qui est montré sur la figure (V-21).
La figure (IV-18), représente la réponse de la trajectoire des tensions statoriques sur le plan
biphasé (α, β), cette projection nous montre d’une façon plus nette les vecteurs de tensions
sélectionnées avec le contrôleur DTC par la méthode de la logique floue.
À partir de ces résultats, d’une part, on peut noter que les performances du système,
commandé par un contrôleur flou, sont améliorées d’une façon acceptable, mais d’autre part,
la contrainte majeure qui existe dans l’utilisation de la logique floue, se pose que le
programmateur doit être expert dans le domaine où le problème est posé. Pour avoir un bon
régulateur flou, il faut bien déterminer les variables à réglée (nombre des variables à utilisées,
nombre et forme des fonctions d’appartenances utilisées dans chaque variable, la plage de
variation de chaque variable, l’intervalle de chaque fonction d’appartenance, la manière
d’établir les règles floues, la méthode à choisir pour la déffuzification ….), car la divergence
du système sera plus probable si la conception du régulateur flou n’est pas réalisée d’une
façon optimale.
IV.12 Conclusion :
107
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
Bibliographie
[1] B.Robyns,F.Berthereau,J.-P.Hautier,H. Buyse,‘A fuzzy-logicbased multimodel field
orientation in an indirect foc of an induction motor’, IEEE Transactions on Industrial
Electronics, vol. 47, pp. 380–388, 2000.
[2] L.Leclercq,B.Robyns,J.Grave,‘Control based on fuzzy logic of a flywheel energy
storage system associated with wind and diesel generators’, Mathematics and
Computers in Simulation archive – Special issue : Modelling and simulation of
electrical machines, converters and systems, vol. 63, pp. 271–280, 2003.
[3] Y.Mihoube,‘Commande Neuro-Floue d'une machine asynchrone’, Thèse de magister,
USTO, 2002.
[4] H.Abdeldjebar,’Commande des système par logique Floue, réseau neurones et
algorithme génétique’, Thèse de doctorat, USTO, 2004.
[5] C.H.Chen,‘Fuzzy logic and neural network handbook’, IEEE Press, 1996.
[6] L.Zadeh,’Fuzzy Sets’, Information and Control, vol. 8, 1965, pp. 338–353.
[7] F.Chevrie,F.Guély,‘La Logique Floue’, Cahier Technique N° 191, Groupe Schneider,
CT Edition, Mars, 1998.
[8] ″Les Bases de la Commande Floue″,Document d’internet, disponible dans le site:
http// : www.tn.refer.org.
[9] A.M.Alimi,‘Thé bêta fuzzy system : Approximation of standard membership
functions’, 17éme journées tunisiennes d’électrotechnique et d’automatique,1997.
[10] K.B.Lee,F.Blaabjerg,‘Improved Direct Torque Control for Sensorless Matrix
Converter Drives with Constant Switching Frequency and Torque Ripple Reduction’,
International Journal of Control, Automation, and Systems (IJCAS), vol. 4, no. 1, pp.
113-123, February 2006.
[11] A.Rezzoug,L.Baghli,H.Razik,‘Commande floue et domotique’ in proc. Journées 1998
de la section électrotechnique, CLUB E.E.A, Nancy, France, 29-30 Janvier 1998, pp.
1-11.
[12] B.K.Bose,’Modern Power Electronics and AC drive’, Prentice-Hall,Inc 2002.
[13] H.Buhler,‘Réglage par Logique Floue’,Presses Polytechniques et Universitaires
Romanes, 1994.
[14] L.Bagli,‘Contribution à la commande de la machine asynchrone, utilisation de la
logique floue, des réseaux de neurones et des algorithmes génétiques’.
Thèse doctorat, Nancy –France, 1999.
[15] J. Camille de Barros,‘Application de la Logique Floue à la Commande Optimale du
Moteur Asynchrone’,Thèse de Doctorat en Génie Electrique, Université de Droit,
d’Economie et des Sciences d’Aix-Marseille, Aix-Marseille III, France, 2003.
[16] M.T.Cao,‘Commande Numérique de Machines Asynchrones par Logique Floue’,
Thèse Doctorat, Université de Laval, Québec, Canada, 1997.
[17] V.Lacrose,‘Réduction de la Complexité des Contrôleurs Flous : Application à la
Commande Multivariable’, Thèse de Doctorat en Automatique et Informatique
Industrielle, Institut National des Sciences Appliquées de Toulouse, France, 1997.
[18] A.Seddiki,‘Contribution au contrôle direct du couple (DTC) d’une machine
Asynchrone à cage Alimentée par un onduleur multiniveaux’, Mémoire de Magister
2009 Universite M’hamed Bougara De Boumerdes.
108
Chapitre V : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par La Logique Floue.
109
Chapitre IV:
VI.1 Introduction :
Alors les réseaux de neurones et la logique floue sont deux concepts totalement inspirés du
raisonnement humain. Bien que ces deux modèles numériques soient différents du point de
vue structure, ils possèdent de nombreux points communs. En effet, l’utilisation de ces deux
techniques ne nécessite pas de modèle mathématique bien défini [1] car la résolution se base
sur les valeurs numériques des entrées et des sorties pour les réseaux neuronaux et sur la
logique du système dans le cas de la logique floue. De plus, les résultats sont généralement
incertains. En revanche ces deux techniques peuvent accomplir des tâches complémentaires.
Les méthodes des réseaux de neurones peuvent être fusionnées à l’intérieur des systèmes
flous. Ceci permet de les adapter à de nouvelles situations et de nouvelles règles, lors du
fonctionnement en temps réel. De même, les techniques de la logique floue peuvent être
introduites dans les réseaux neuronaux afin de perfectionner et d’améliorer l’expressivité et la
flexibilité du réseau.
Ces combinaisons sont appelées les systèmes hybrides : neuro-flous (fuzzy-neuro systems) [1].
De telles combinaisons permettent non seulement de s’approcher davantage de la structure de
la pensée humaine mais aussi d’obtenir un champ d’utilisation plus large et d’utiliser les
avantages de chaque technique, à savoir la simplicité des connaissances floues d’une part et
l’habilité d’apprentissage des réseaux de neurones d’autre part. L'utilisation des réseaux
hybrides permet, en plus, de diminuer le temps d'apprentissage par la possibilité d'introduire
de la connaissance à priori dans le système d’aide au diagnostic. Le choix de la façon
d’intégration de ces deux techniques est crucial.
George Lee (Lee et al. 2001) définit un système neuro-flou comme étant un réseau neuronal
multicouche avec des paramètres flous, ou comme un système flou mis en application sous
une forme distribuée parallèle [4].
110
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Un système neuro-flou ne devrait pas par contre être vu comme un système expert mais il
peut être utilisé comme un approximateur universel.
L’utilisation conjointe des réseaux de neurones et de la logique floue permet de tirer les
avantages des deux méthodes, les capacités d’apprentissage de la première et la lisibilité et la
souplesse de la seconde. Diverses combinaisons de ces deux méthodes ont été développées
depuis 1988. Elles ont donné naissance aux systèmes neuro-flous, qui sont le plus souvent
orientés vers la commande de système complexe et les problèmes de classifications [3].
La figure VI.1 résume le principe du système Neuro-flou.
Le schéma général d'une structure neuro-floue est illustré par la figure suivante:
111
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
112
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Figure VI.5 : Exemple d’association en série d’un réseau de neurone et un système flou.
113
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Figure VI.6 : Exemple d’association en parallèle d’un réseau de neurone et un système flou.
114
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
115
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
116
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Un chemin bien établi est de déterminer les paramètres conséquents qui utilisent des
algorithmes des moindres carrés.
La couche 06 (la couche d’inférence des règles) :
Le seul nœud de cette couche calcule la somme totale de sortie de tous les signaux ;
∑𝑖 𝑤𝑖 𝑖
La somme totale = ∑ ̅̅̅𝑖 = ∑𝑖 𝑤𝑖
(VI.3)
La sortie globale dans le modèle de ‘Tsukamoto’ est donnée par la moyenne pondérée de
chaque sortie nette de la règle induite par le sens de la règle (le produit ou minimum des
degrés d’adéquation avec la partie prémisse) et les fonctions d’appartenance de sortie.
Le modèle ANFIS contient cinq couches. La première couche cachée est pour la fuzzification
des variables d’entrées, des opérateurs utilisés dans la deuxième couche cachée pour calculer
la partie antécédente de règle. La troisième couche normalise les sens des règles, elle est
117
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
VI.8.2 La flexibilité :
Un système neuro-flou peut traiter des problèmes complexes avec beaucoup de variables
à l’entrée. Au lieu d’adapter une architecture interne fixe, l’architecture d’un système neuro-
flou peut grandir dynamiquement et efficacement en réponse à la complexité des données
d’apprentissage. La structure d’un système neuro-floue représente efficacement le rapport
entre les entrées et les sorties du problème.
118
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
(adapter) leur structure interne. Souvent les règles sont de la forme : plus d’entrées, plus des
résultats satisfaisants.
La première approche est d’utiliser un régulateur neuro-flou basé sur la structure ANFIS
avec l’apprentissage supervisé.
La deuxième approche est de proposer un régulateur neuro-flou basé sur la structure
ANFIS renforcé par la technique SVM (Speace Vector Modulation) avec un auto-
apprentissage
L’idée proposée dans cette approche, est de remplacer le sélecteur conventionnel de l’état des
interrupteurs d’onduleur par un sélecteur neuro-flou afin de générer identiquement les signaux
de commande de ces derniers.
Le régulateur ANFIS proposé a trois variables dans son entrée représentant les états du flux,
du couple et la position angulaire (θ) ou bien la zone N du vecteur flux statorique.
La sortie de ce sélecteur est le vecteur de tension Vs sélectionné.
VI.11 Les étapes à suivre pour établir un régulateur neuro- flou : [15]
L’organigramme suivant résume les différentes étapes pour avoir un régulateur neuro-flou
avec apprentissage supervisé.
Le nombre des règles sont générées automatiquement en fonction du nombre totale des
fonctions d’appétences c’est à dire on a 3x5x9 = 135 règles.
120
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
La figure VI.11 représente la classification des données du contrôleur avant (a) et après (b)
l’opération de l’apprentissage.
. (a) (b)
Remarque : Les structures finales de fonctions d’appartenances, ne peuvent pas être formées
qu’après l’opération d’apprentissage.
Les entrées de ce régulateur neuro flou sont trois neurones et sont choisies comme suit :
VI.11.1 Le premier neurone (Erreur sur le flux) : est donné par 3 fonctions
d’appartenances, avec l’intervalle [-1,1] ;
121
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
VI.11.2 Le deuxième neurone (Erreur sur le couple) : est choisi avec 5 fonctions
d’appartenances, avec l’intervalle [-2,2] ;
.
Figure VI.13 : Fonctions d’appartenances de deuxième neurone.
VI.11.3 Le troisième neurone (La position du flux statorique) : cette entrée contient 9
fonctions d’appartenances, avec l’intervalle [1,12] ;
.
La figure VI.16, illustre la surface floue qui représente les valeurs de sortie Vs on fonction des
variations dans l’erreur sur le couple électromagnétique et l’erreur sur le flux statorique.
122
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
40
40
Numéro du Vecteur Vs
30 30
20
10 20
0
10
-10
0
2
1
0.5 -10
0
0
-0.5
Erreur sur le Couple -2 -1 Erreur sur le Flux
Figure VI.16 : Surface de régulateur neuro-flou proposé.
123
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Dans cette approche proposée, les comparateurs à hystérésis et la table de commutation ont
été remplacés par un contrôleur basé sur un système d’inférence neuro flou adaptatif (ANFIS)
[16],[17], ainsi qu’une modulation vectorielle a été introduite afin d’évaluer le vecteur de
tension optimale, pour avoir une réponse rapide du flux et du couple, moins d’ondulations
dans le régime permanent et une fréquence de commutation constante [18].
La logique floue et les réseaux de neurones artificiels peuvent intégrer dans un seul
contrôleur pour obtenir une commande directe du couple basée sur un régulateur neuro-flou.
Le système d’inférence neuro-flou adaptatif (ANFIS) est une méthode proposée dans cette
partie, également elle est basée sur la logique floue et les réseaux de neurones artificiels, ce
système est montré dans figure IV.18, et se compose de cinq couches fonctionnelles
(Les règles de base, les bases de données, unité qui fait la décision, l’interface de
fuzzification, l’interface de défuzzification) qui sont réparties de la manière suivante :
124
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Couche 01 :
L’erreur de flux ∆𝜑 et du couple∆Cem, sont multipliés par les poids respectifs wφ et wce et
sont introduits à travers deux fonctions d’appartenance floue [19].
w’φ = ∆𝜑 wφ (VI.4)
w’ce = ∆Cem wce (VI.5)
Les types de fonctions choisies sont montrés dans la figure VI.19 [20].
La première partie de la sortie est calculée par la multiplication des entrées par leurs poids qui
correspondent : [19]
Où :
Couche 02 :
125
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Où :
Couche 03 :
Dans la troisième couche, les valeurs de sortie de la deuxième couche sont normalisées, selon
l’équation suivante :
Ok
O =∑ (VI.9)
k Ok
Couche 04 :
Couche 05 :
Où :
4
′ = O e φk : Le composant de vecteur pour la tension de référence ;
𝜑 : Le composant de phase pour la tension de référence
126
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
𝜑 = θs + ∆θ = δ (VI.12)
Où :
La position du vecteur de tension de référence par rapport au vecteur flux statorique doit
être choisie de manière à maintenir le flux statorique et le couple électromagnétique dans une
bande d’erreur optimale autour de leur valeur de référence. Si est l’angle entre le vecteur
tension de référence et le vecteur flux alors il est choisi en tenant compte les considérations
suivantes : [20], [21], [22], [23].
127
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Si l’erreur du flux statorique est nulle (∆𝜑 ), le choix de l’angle est fait de manière à
maintenir le flux constant. La valeur (-π / 2) est choisie dans ce cas l’erreur du couple
est négative, et (π / 2) est choisie dans les deux autres cas (erreur positive ou nulle).
∆𝝋𝒔 P Z N
∆𝑪𝒆𝒎 P Z N P Z N P Z N
𝜋 𝜋 𝜋 𝜋 𝜋 𝜋 𝜋
+ − + + − + 𝜋 −
Tableau VI.2: Angle d’incrément du vecteur de tension de référence.
Récemment, les microprocesseurs et les DSP ont été largement adoptés pour un contrôle
numérique de l’onduleur à MLI. Cependant, avec le nombre de niveau accru, il y a des
difficultés informatiques pour la plupart des méthodes multi-niveaux existantes de type SVM.
Pour un nombre de niveau plus élevé, il est même impossible de mettre en application
l'algorithme multi-niveaux de la SVM à l'aide de microprocesseurs. En outre, la plupart des
méthodes multi-niveaux existantes de SVM dépendent du nombre de niveaux. Cela signifie
que lorsque le nombre de niveau change, l’algorithme de SVM change aussi, ce qui signifie
des difficultés de mise en application de la modulation vectorielle multi-niveaux. [25]
La MLI vectorielle dite « Space Vector Modulation » est surtout applicable aux variateurs de
vitesse triphasée sans neutre. La SVM est la méthode récemment la mieux adaptée au contrôle
des moteurs asynchrones contrairement à d’autres méthodes. Elle produit des tensions avec un
taux d’harmoniques plus faible. Cette technique de commande est basée sur une
transformation des variables triphasées dans un système plus simple à deux cordonnées (α, β).
128
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Dans cette partie de chapitre nous allons étudier la MLI vectorielle bien détaillée appliquée
aux onduleurs à trois niveaux de type NPC.
Le tableau suivant illustre la représentation des 27 vecteurs d’onduleur à trois niveaux [24].
N 𝑽 𝑽 Van Vbn Vcn Va0 Vb0 Vc0 Ka1 Ka2 Kb1 Kb2 Kc1 Kc2 Sa Sb Sc
0 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 0 0
1 E/√ 0 E/3 -E/6 -E/6 E/2 0 0 1 1 0 1 0 1 1 0 0
2 E/√ E/√8 E/6 E/6 -E/3 E/2 E/2 0 1 1 1 1 0 1 1 1 0
3 -E/√ -E/√8 -E/6 E/3 -E/6 0 E/2 0 1 0 1 1 1 0 0 1 0
4 -E/√ 0 -E/3 E/6 E/6 0 E/2 E/2 1 0 1 1 1 1 0 1 1
5 -E/√ -E/√8 -E/6 -E/6 E/3 0 0 E/2 1 0 1 0 1 1 0 0 1
6 E/√ -E/√8 E/6 -E/3 E/6 E/2 0 E/2 1 1 1 0 1 1 1 0 1
7 0 0 0 0 0 E/2 E/2 E/2 1 1 1 1 1 1 1 1 1
8 E/√ 0 E/3 -E/6 -E/6 -E/2 -E/2 E/3 1 0 0 0 0 0 0 -1 -1
9 E/√ E/√8 -E/6 E/3 -E/6 0 0 -E/2 1 0 1 0 0 0 0 0 -1
10 -E/√ E/√8 -E/6 E/3 -E/6 0 -E/2 0 0 0 1 0 0 0 -1 0 -1
11 -E/√ 0 -E/3 E/6 E/6 -E/2 0 0 0 0 1 0 1 0 -1 0 0
12 -E/√ -E/√8 -E/6 -E/6 E/3 -E/2 -E/2 0 0 0 0 0 1 1 -1 -1 1
13 E/√ -E/√8 E/6 -E/3 E/6 0 -E/2 0 1 0 0 0 1 0 0 -1 0
14 0 0 0 0 0 -E/2 -E/2 -E/2 0 0 0 0 0 0 -1 -1 -1
15 E√ /√ 0 2E/3 -E/3 -E/3 E/2 -E/2 -E/2 1 1 0 0 0 0 1 -1 -1
16 E/√ E/√ E/3 E/3 -2E/3 E/2 E/2 -E/2 1 1 1 1 0 0 1 1 -1
17 -E/√ E/√ -E/3 2E/3 -E/3 -E/2 E/2 -E/2 0 0 1 1 0 0 -1 1 -1
18 -E√ /√ 0 -2E/3 E/3 E/3 -E/2 E/2 E/2 0 0 1 1 1 1 -1 1 1
19 -E/√ -E/√ -E/3 -E/3 2E/3 -E/2 -E/2 E/2 0 0 0 0 1 1 -1 -1 1
20 E/√ -E/√ E/3 -2E/3 E/3 E/2 -E/2 E/2 1 1 0 0 1 1 1 -1 1
21 E√ /√8 E/√8 E/2 0 -E/2 E/2 0 -E/2 1 1 1 0 0 0 1 0 -1
22 0 E/√ 0 E/2 -E/2 0 E/2 -E/2 1 0 1 1 0 0 0 1 -1
23 -E√ /√8 E/√8 -E/2 E/2 0 -E/2 E/2 0 0 0 1 1 1 0 -1 1 0
24 -E√ /√8 -E/√8 -E/2 0 E/2 -E/2 0 -E/2 0 0 1 0 1 1 -1 0 1
25 0 -E/√ 0 -E/2 E/2 0 -E/2 E/2 1 0 0 0 1 1 0 -1 1
26 E√ /√8 -E/√8 E/2 -E/2 0 E/2 -E/2 0 1 1 0 0 1 0 1 -1 0
Tableau VI.3: Calcul des vectceurs de tension dans un onduleur à trois niveaux.
Les différentes combinaisons des grandeurs Sa , Sb , Sc permettent de générer 27 positions du
vecteur, dont trois correspondent au vecteur nul.
129
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Le fait que l’on dispose de 19 vecteurs de sortie permet de mieux approximer les formes
d’ondes des tensions de sortie désirées. Ces vecteurs de tensions divisent le plan α-β en 24
portions triangulaires. Quand les vecteurs de tension sont choisis pour synthétiser le vecteur
de tension de référence désiré baser sur le principe du temps moyen, les tensions de sortie
résultante donnée par la sélection des trois vecteurs, sont des tensions quasi- sinusoïdales
formées de créneaux ou d’impulsions par alternance (MLI). Si le vecteur de tension synthétisé
est une bonne approximation au vecteur de référence, les tensions triphasées de MLI devraient
être les bonnes approximations aux tensions triphasées désirées.
Puisque les onduleurs à trois niveaux ont beaucoup plus d'états de commutation que les
onduleurs à deux niveaux, l'algorithme pour la détermination de section triangulaire qui donne
la position de Vref , le choix des états de commutation et le modèle de commutation sont plus
difficiles.
La figure VI.22 représente l'algorithme de synthèse d'une tension de référence Vref arbitraire
dans le plan α-o-β en utilisant le vecteur approprié de l'espace et la transformation de
coordonnées.
Tout d'abord, on discrétise l'espace des vecteurs de tension tout entier : il est divisé en six
hexagones égaux I-VI, par les lignes traversées.
√ U cos 𝜔 −√ cos(𝜋⁄ )
𝜋⁄ 𝜋⁄
′
= ( − )= . (VI-13)
√ U sin 𝜔 −√ sin(𝜋⁄ )
{ }
130
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Pour localiser le triangle exacte où Vref se situe, on regarde l'angle de V’ref. Dans cet
exemple, le triangle est limité par les vecteurs V2, V3 et V14. Il convient de noter que,
n'importe quel triangle est inclus dans un hexagone de centre O’. En reconnaissant ceci, on
obtient un algorithme conventionnel simple de commande semblable à celui du SVM à deux
niveaux qui comporte également des tensions de sortie présentant des harmoniques de faibles
distorsions.
Par exemple, la tension de référence dans l'hexagone I sera synthétisée par deux vecteurs
parmi les (V2, V3, V4, V13, V15 et V19), qui définissent l'hexagone centré en V14. De même V15
et deux parmi les six vecteurs indiquant ceux qui se placent aux extrémités de l'hexagone
centré en V15 pourraient synthétiser un autre vecteur de tension de référence, qui est situé
dans le secteur II.
Le vecteur de référence Vref devrait être d'abord assigné dans les six des plus petits
hexagones. En général, dans chaque structure des tensions de sortie, on a deux références
l’une par rapport au plan ( o ) caractérisée par la tension de référence Vref et la
seconde par rapport au plan ( ' o' ' ) caractérisé par la tension de référence V’ref. Ce
dernier est synthétisé en utilisant le même calcul de modèle de synchronisation de
commutation que celui de l’onduleur à deux niveaux.
Il convient de noter que, selon la figure VI-21 et VI-22, V14 et V15 ont deux états. En
synthétisant une tension dans l’hexagone I, par exemple, pour l'état (110) et l’état (0 0-1) de
V14, on emploit seulement l’état (010) de V15. Cependant, en synthétisant un vecteur de
tension dans l’hexagone II, pour l’état (010) et (-10-1) de V15 on emploit seulement l’état
(0 0 -1) de V14 ; par contre les états (111) et (-1-1-1) ne sont jamais employés.
L’identification des rapports cycliques est basée sur la connaissance de la position du vecteur
de référence tournant Vref (oα,oβ). L'algorithme peut être divisé en plusieurs étapes.
L’organigramme suivant (figure VI-23) résume les étapes pour déterminer les hexagones,
donc la position du vecteur de référence Vref pour un onduleur à trois niveaux.
131
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
3 3
Vs r U sin(t );Vs r U cos(t )
2 2
Non Oui
Vs Vs 0
Non Oui
Vs 0
Non Oui
Vs / Vs 3
Zone 2 Zone 1
Non
Vs / Vs 3 Oui
Zone 5 Zone 4
Zone 2 Zone 1
132
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Zone 4 Zone 3
Zone 6 Zone 5
Hexagone II Hexagone I
Vecteur de base V15 Vecteur de base V14
Commutations (V14 ,V4 ,V5 ,V6 ,V16 ,V19 ,V15 ) Commutations (V2 ,V3 ,V4 ,V15 ,V19 ,V13 ,V14 )
j / 3
Vref e
' j 2 / 3
(Vref V15 )
Vref e
'
(Vref V14 )
' ' j / 3
Vref e
(Vref V14 )
j 2 / 3
Vref e
(Vref V15 )
*** ***
133
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Vecteur de base V17 Vecteur de base V16
Commutations (V18 ,V19 ,V16 ,V8 ,V9 ,V10 ,V17 ) Commutations (V19 ,V15,V6 ,V7 ,V8 ,V17 ,V16 )
j 4 / 3
Vref e
'
(Vref V17 ) j
Vref e (Vref V16 )
'
' j 4 / 3 '
Vref e (Vref V17 ) j
Vref e (Vref V16 )
*** ***
Hexagone VI Hexagone V
Vecteur de base V13 Vecteur de base V18
Commutations (V1,V2 ,V14 ,V19 ,V18,V12 ,V13) Commutations (V12 ,V13,V19 ,V17 ,V10 ,V11,V18 )
Vref e (Vref V13 )
' j0
Vref e
' j 5 / 3
(Vref V18 )
' ' j 5 / 3
Vref e (Vref V13 )
j0
Vref e
(Vref V18 )
*** ***
***
134
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
135
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
200
Vsa[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsb[V]Vsb [V]
200
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsc[V]Vsc [V]
200
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Le temps [s]
1.2 Phis
1 Phis (Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0
0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Le Temps [s]
136
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
20
120 Wr
15 Wr(Ref)
100
10
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
5 80 102
100
0
60
98
-5 0.5 0.52
40
-10
20
-15
-20 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Le temps [s] Le temps [s]
200 16
Ce
14 Ce(Ref)
150
Le Couple Electromagnétique [N.m]
12
100
10
50
Vs(Axe Beta) [V]
8 +0.2
0
6
-50
4
-100
2
-0.2
-150 0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Temps [s]
137
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
La figure (VI-25) montre la réponse des tensions statoriques qui sont fournies par le
contrôleur de la DTC par la technique de neuro-flou.
La figure (VI-26), illustre la trajectoire du vecteur flux qui prend une forme parfaitement
circulaire sur le plan biphasé (α, β).
Dans la figure (figure VI-27), c’est la présentation de la réponse du flux statorique où elle est
très rapide par rapport à la réponse du couple dans le régime transitoire, après, au régime
permanent, il se stabilise vers sa valeur souhaitée 01 [Wb] avec une erreur statique presque
négligeable.
La figure (VI-31), montre la réponse rapide du couple avec une réduction d’ondulations
(𝑀𝑎 ± . par rapport que celle de la DTC à multi-niveaux flou (𝑀𝑎 ± . (figure V-
23), avec une forme du courant statorique produit qui prend une forme parfaitement
sinusoïdale avec un pic de démarrage égale 20 [A], ce qui est indiqué sur la figure (VI-28).
La figure (VI-29), illustre la réponse de la vitesse de rotation du moteur, donc elle est restée
sur la même signification par rapport à sa réponse donnée par la commande DTC à multi-
niveaux floue, soit dans sa rapidité ou bien dans sa robustesse.
La figure (VI-30), montre la trajectoire de tensions statoriques sur le plan biphasé (α, β), cette
projection nous montre d’une façon précise les vecteurs de tensions sélectionnées par le
contrôleur de DTC avec la technique de neuro-flou.
À la lumière de ces résultats obtenus, on peut remarquer que les performances du système,
commandé par un contrôleur neuro-flou, sont relativement meilleures par rapport avec
l’utilisation que les réseaux de neurones artificiels ou que la logique floue avec d’une façon
séparée, car cette technique offre une propriété qui collecte les avantages de ces techniques
citées, soit dans l’amélioration dans les réponses des grandeurs principales de la commande
(minimisation des ondulations du couple électromagnétique) ou bien dans sa qualité de
l’apprentissage qui est très précise et très efficace (la qualité obtenue sur la trajectoire de
tension statorique dans le plan (α,β)).
Il faut noter que la difficulté trouvée pour assurer la convergence de l’apprentissage dans cette
technique, il n’ya pas une méthodologie exacte sur le choix des paramètres constitués du
régulateur neuro-flou (le choix de la topologie optimale, détermine le nombre convenable des
fonctions d’appartenance dans chaque neurone d’entrée, le choix exacte des formes des
fonctions d’appartenances, la méthode d’apprentissage utilisée), ainsi obligatoirement ce
régulateur n’a qu’un seul neurone dans sa couche de sortie.
138
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
200
Vsa[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsb [V]
200
Vsb[V]
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Vsc[V]Vsc [V]
200
La Tension
-200
0.65 0.7 0.75 0.8 0.85
Le temps [s]
1.2
Phis
1 Phis(Ref)
1
0.5
Flux(Axe Beta) [Wb]
0.8
Le Flux [Wb]
0
0.6
-0.5 0.4
0.2
-1
0
-1 -0.5 0 0.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Flux(Axe Alpha) [Wb] Temps [s]
139
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
20
120 Wr
15 Wr(Ref)
100
10
Le Courant Statorique [A]
La Vitesse Wr [Rad/s]
5 80 101
100
0
60 99
-5 0.5 0.5050.51
40
-10
-15 20
-20 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps [s] Temps [s]
200 16
Ce
150 14 Ce(Ref)
12
Le Couple Electromagnétique [N.m]
100
10
Vs(Axe Beta) [V]
50
8
+12
+0.12
0
6
-50
4
-100 -0.12
-12
2
-150 0
-200 -2
-250 -200 -150 -100 -50 0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Vs(Axe Alpha) [V] Temps [s]
140
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
La figure (VI-32) montre la réponse des tensions statoriques qui sont fournies par le
contrôleur de la DTC par la technique de neuro-floue avec la technique de modulation
vectorielle (SVM).
La figure (VI-33) illustre la trajectoire du vecteur flux qui est prend une forme totalement
circulaire sur le plan biphasé (α, β).
Dans la figure (figure VI-34), montre une réponse améliorée par des minimisations
considérables au niveau des ondulations dans le flux statorique, ainsi, dans le régime
transitoire, sa réponse est très rapide par rapport à la réponse du couple. Après, au régime
permanent, il se stabilise vers sa valeur désirée 01 [Wb].
La figure (VI-31) montre une réponse rapide avec une grande amélioration du couple par des
réductions considérables au niveau de ses ondulations (𝑀𝑎 ± . si on comparant avec
celles de la DTC à multi-niveaux avec le régulateur neuro-flou seulement (𝑀𝑎 ± . (figure
VI-38), avec une forme du courant statorique obtenu qui prend une forme parfaitement
sinusoïdale avec un pic de démarrage égale 15 [A], ce qui est montré sur la figure (VI-35).
La figure (VI-37) montre la trajectoire des tensions statoriques sur le plan biphasé (α, β), cette
projection nous montre d’une façon précise les vecteurs des tensions sélectionnées par le
contrôleur DTC avec la technique neuro-flou-SVM. Cette trajectoire n’est pas identique que
celles obtenues dans les méthodes citées précédemment, car elle n’obéie pas par les données
du tableaux des commutations, cependant, elle est pilotée par la tension de référence obtenue
par le régulateur neuro-flou , et elle est introduite dans le block du calculateur de modalisation
vectorielle pour avoir la tension d’alimentation.
À partir de ces résultats obtenus, on peut noter que les performances du système, commandé
par un contrôleur neuro-flou-SVM, sont carrément améliorées que ce soit le type de ses
natures (électrique (tensions d’alimentations, le courants statorique), mécanique (le couple
électromagnétique), magnétique (le flux statorique)).
L’avantage d’utiliser cette technique, qu’il n’ya pas un apprentissage limité par des données
dans ce genre de régulateur neuro-flou, ainsi, l’association de la technique de modulation
vectorielle (SVM) assure que la fréquence de commutation soit constante grâce à l’utilisation
des temps de commutations dans des intervalles régulières.
141
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
IV.19 Conclusion:
Les résultats de simulation ont montré que l’application de la commande neuro-floue dans le
premier approche, donne une amélioration relative au niveau du couple par rapport à sa
réponse par les méthodes de la DTC assistées par d’autres techniques intelligentes (les
réseaux de neurones artificiels et la logique floue), ainsi cette méthode offre un apprentissage
supervisé en mode (Off-line) rapide.
142
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
Bibliographie
[1] A.M. Ibrahim,‘Fuzzy Logic for Embedded Systems Applications’, Newnes, 2004.
[2] D.Nauck,R.Kruse,‘Neuro-Fuzzy Systems for Function Approximation, Fuzzy Sets and
Systems’, pp. 261-271.1999.
[3] R.Daniel,’Contribution à la surveillance des systèmes de production en utilisant les
techniques de l’intelligence artificielle’. Rapport d’habilitation à diriger des
recherches, université de Franche-Comté de Besançon, 2006.
[4] D.Ould Abdeslam ,’Techniques neuromimétiques pour la commande dans les
systèmes électriques : application au filtrage actif parallèle dans les réseaux
électriques basse tension’,Thèse de Doctorat, université de Haute-Alsace.
France.Décembre 2005.
[5] S.Varkiani,‘Application des réseaux neuronaux flous à l'identification et la protection
d'un transformateur triphasé’. Mémoire de maîtrise, Université du Québec à
Chicoutimi.1998.
[6] M.Mordjaoui,‘Modélisations Des Effets Électromagnétiques’, « Apport de la logique
floue et neuro-floue », thèse doctorat en sciences université de batna ,2008.
[7] D.Ould Abdeslam,‘Utilisation des Réseaux Neuro-Flous pour le Pronostic et le
Diagnostic : Application `a la Classification’. Mémoire de D.E.A. Université de
Franche-Comté.2002.
[8] R.Mahadoui,’Diagnostic industriel par neuro-flou application à un système de
production’, thèse de magister en génie industriel, université batna2007.
[9] J.S.R.Jang,’Anfis: Adaptive-network based fuzzy inference system, IEEE Transactions
on systems, Man, and Cybernetics’,Vol.23 pp. 665-685. 1993.
[10] Y.Tsukamoto,’An approach to fuzzy reasoning method in M.Gupta, R.K. Ragade, and
R. R. Yager (Eds), Advances in Fuzzy Set Theory and Applications’, Amsterdam, pp,
137-149. 1979.
[11] Y.Miloud,‘Commande Neuro-floue d’une Machine Asynchrone’, Mémoire de
Magister,Université des sciences et de la technologie Mohamed Boudiaf d’Oran
USTO 2002.
[12] M.Zerikat,M.Bendjebbar,N.Benouzza,‘Dynamic Fuzzy-Neural Network Controller for
induction motor drive’, IEEE Transactions on Engineering,Computing and
Technology, World Enformatika Society, Vol. 12, No10,pp.278-283, December,2005.
[13] L.Cheng-Jian,L.Chi-Yung and C.Cheng-Chung ,‘Temperature control using neuro-
fuzzy controllers with compensatory operations and wavelet neural networks .
Journal of Intelligent Fuzzy Systems’, pp. 145-157, (2006).
[14] Y-Q.Zhang and A.Kandel,’Compensatory neuro-fuzzy systems with fast learning
algorithms’, IEEE Transaction on Neural Networks, pp.83-105, (1998).
[15] M.L.Zegai,M.Bendjebbar,K.Belhadri,F.Lakhdari,‘Adaptive Neuro-Fuzzy Speed
Regulator Applied in Direct Torque Control for Induction Motor Drive Using
Multilevel Inverter’, International Review of Automatic Control (I.RE.A.CO.), Vol. 9,
N. 4 , ISSN 1974-6059, July 2016.
[16] P.Z.Grabowski,M.P.Kazmierkowski,B.K.Bose, F.Blaabjerg,‘A Simple Direct-Torque
Neuro-Fuzzy Control of PWM-Inverter-Fed Induction Motor Drive’, Industrial
Electronics, IEEE Transactions on Vol.47, Issue 4, Aug 2000, pp:863 – 870.
[17] M.P. Kazmierkowski,‘Control Strategies for PWM Rectifier/Inverter-Fed Induction
Motors’, Industrial Electronics. ISIE. Proceedings of the 2000 IEEE International
Symposium on. Issue , 2000 Page(s):TU15 - TU23 vol.1.
143
Chapitre VI : Commande Directe du Couple Appliquée sur un Onduleur
Multi-Niveaux par Neuro-Flou et Neuro-Flou basée sur la SVM.
144
Etude comparative des méthodes
proposées
Etude comparative des méthodes proposées
Les outils
Les utilisés
Correcteurs Secteurs Onduleur Résultats de simulation
stratégies
de commande DTC
Couple électromagnétique
DTC Classique
CFLX-2N
06 OND-2N Flux statorique
CCPL-3N Courant statorique
Couple électromagnétique
DTC Multi-niveaux
CFLX-3N
12 OND-3N Flux statorique
CCPL-5N Courant statorique
Couple électromagnétique
DTC Multi-niveaux CFLX-3N
12 OND-3N Flux statorique
Neuronale CCPL-5N Courant statorique
Couple électromagnétique
DTC Multi-niveaux --------------
12 OND-3N Flux statorique
Floue -------------- Courant statorique
Couple électromagnétique
DTC Multi-niveaux CFLX-3N
12 OND-3N Flux statorique
Neuro-Flou CCPL-5N Courant statorique
Couple électromagnétique
Selon les
DTC Multi-niveaux
-------------- angles OND-3N Flux statorique
Neuro-Flou-SVM Courant statorique
θ et δ
145
Etude comparative des méthodes proposées
La DTC Classique
Le couple électromagnétique La trajectoire du flux statorique Le courant statorique
14
Ce 6
12 Ce(Ref) 1
Le Couple Electromagnétique [N.m]
4
10
6 0 0
4 -2
-0.5
2
-4
0 -1
-6
La DTC à multi-niveaux
Le couple électromagnétique La trajectoire du flux statorique Le courant statorique
16
Ce
6
14 Ce(Ref)
1
12 4
Le Couple Electromagnétique [N.m]
10
0.5 Le Courant Statorique [A]
Flux(Axe Beta) [Wb]
8
0 0
6
-2
4 -0.5
2 -4
0
-1
-6
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -1 -0.5 0 0.5 1 0.4 0.45 0.5 0.55 0.6
Temps [s] Flux(Axe Alpha) [Wb] Temps [s]
16
Ce 6
14 Ce(Ref) 1
Le Courant Statorique [A]
Le Couple Electromagnétique [N.m]
12 4
0.5
10 2
Flux(Axe Beta) [Wb]
8
0 0
6
-2
4 -0.5
2 -4
-1
0 -6
-2 0.4 0.45 0.5 0.55 0.6
0 0.2 0.4 0.6 0.8 1 -1 -0.5 0 0.5 1
Temps [s] Flux(Axe Alpha) [Wb] Temps [s]
146
Etude comparative des méthodes proposées
16
Ce 6
14 Ce(Ref) 1
Le Couple Electromagnétique [N.m]
12 4
8
0 0
6
-2
4 -0.5
2 -4
-1
0
-6
-2
0 0.2 0.4 0.6 0.8 1 -1 -0.5 0 0.5 1 0.4 0.45 0.5 0.55 0.6
Temps [s] Flux(Axe Alpha) [Wb] temps [s]
16
Ce 6
14 Ce(Ref) 1
4
Le Couple Electromagnétique [N.m]
12
10
8
0 0
6
-2
4 -0.5
2
-4
-1
0 -6
16
Ce 6
14 Ce(Ref)
1
12 4
Le Couple Electromagnétique [N.m]
0.5
10
Flux(Axe Beta) [Wb]
8
0 0
6
-2
4 -0.5
2 -4
-1
0
-6
-2
0 0.2 0.4 0.6 0.8 1 -1 -0.5 0 0.5 1 0.4 0.45 0.5 0.55 0.6
Temps [s] Flux(Axe Alpha) [Wb] Temps [s]
147
Conclusion Générale
Conclusion générale
Le travail présenté dans le cadre de cette thèse apporté sur la commande directe du couple
appliquée sur la machine asynchrone pilotée par un onduleur multi-niveaux avec l’utilisation
des techniques intelligentes.
Même cette commande est connue chez les chercheurs d’électrotechnique par sa robustesse
contre les variations paramétriques du moteur asynchrone, ainsi, elle ne nécessite pas
obligatoirement d’un capteur de vitesse, ainsi, elle offre un certain nombre d’avantages
considérables représentés dans la simplicité de structure de son schéma synoptique de la
commande et le temps de réponse des grandeurs qui est très rapide par nature.
Cependant, cette stratégie de la commande a des inconvénients représentées dans l’instabilité
des fréquences de la commutation, et les ondulations considérables aux niveaux du flux
statorique et dans le couple électromagnétique, où cette conséquence influe des vibrations sur
le moteur, elle peut causer des défauts au niveau de ses parties mécaniques, également créer
des perturbations dans le processus qui compose le système.
L’idée de base dans ce travail était de trouver des solutions pour réduire les effets de ces
inconvénients d’une façon plus optimiste, par des propositions de faire un changement dans la
philosophie du noyau de l’algorithme de commutation, avec des modifications nécessaires sur
la commande basique de la DTC pour adapter au pilotage d’onduleur multi-niveaux, ensuite
on a appliqué sur le nouveau algorithme obtenu les techniques intelligentes.
Pour cela, tout d’abord, on a construit le modèle mathématique de la machine asynchrone
avec tous les éléments qui composent son alimentation (redresseur, filtre et l’onduleur), puis
on a appliqué MLI vectorielle sur le système pour tester la validité du modèle qui sera utilisé.
Ensuite, on a montré le principe de la commande directe du couple appliquée sur la machine
asynchrone d’une façon plus détaillée qui sert sur le comportement du flux et du couple, après
on a démontré la logique de raisonnement pour établir la table de la commutation de
‘Takahashi’ après on a amélioré cette commande par l’utilisation l’onduleur à multi-niveaux.
Enfin, nous avons cité les principes de base et les théories des méthodes de l’intelligence
artificielle (réseaux de neurones artificiels, la logique floue, systèmes neuro-flous). Puis on a
appliqué ces différentes techniques sur la commande directe du couple, en remplace la table
de vérité de l’algorithme qui est constitué les informations de différents états de commutation
de la DTC à multi-niveaux par un table de commutation neuronal, basé sur la logique floue,
avec la technique de neuro-flou et à l’aide de la méthode de neuro-flou avec la technique MLI
vectorielle destinée à commander les onduleurs à multi-niveaux .
Chaque technique proposée dans cette étude à des spécifiques influences aux niveaux les
mesures des grandeurs obtenues, surtout dans le flux statorique et dans le couple
électromagnétique, qui sont généralement améliorées par rapport à des méthodes classiques.
148
Conclusion générale
Finalement, nous recommandons comme perspectives des recherches sur cette commande, où
plusieurs peuvent être apportées à ce travail, à savoir :
une réalisation pratique de ces méthodes proposées basée sur les cartes de DSpace ou
bien des cartes à la base de FPGA et VHDL.
Augmentation les niveaux des onduleurs utilisés et insertion des convertisseurs
matriciels à l’aide des techniques intelligentes dans cette commande.
Faire cette commande avec des commandes prédictives en utilisant des observateurs-
estimateurs robustes permettant l’estimation de vitesse rotorique de la MAS (filtre du
Kalman étendu, la technique de model de référence du système (Mras), les techniques
intelligentes).
Amélioration cette stratégie de commande par des techniques d’optimisation utiles
comme, les algorithmes génétiques ((GA) ‘Genetic Algorithms’), l’optimisation par
essaim particulaire ((PSO) ‘Particular Search Optimization’) et l’optimisation par la
méthode de loup gris ((GWO) ‘Grey Wolf Optimizer’).
Intégration de cette commande dans les applications des énergies renouvelables.
Application cette technique dans les systèmes de traction électriques modernes
(véhicules, les locomotives, les trams …….etc).
149
ANNEXES
ANNEXES
Annexe - A
Type ASYNCHRONE 2 hp
Puissance nominale (Pn) 1.5 kW
Vitesse nominale (Ωn) 1420 tr/min
Tension nominale (Un) 220/380 V
Courant nominale (In) 6.4/3.7 A
Fréquence nominale (fn) 50 Hz
150
ANNEXES
Annexe – B
Régulateur de vitesse :
𝜔∗ 𝑖 𝐶𝑒𝑚 𝑃 𝜔
𝑝+
𝑆 𝑓𝑐 + . 𝑠
−
Où :
𝜔∗ : La vitesse de référence ;
Kp : Le gain proportionnel = 2 ;
Ki : Le gain intégral = 0.6 ;
P : Nombre de paire du pole = 2 ;
𝐶𝑒𝑚 : Le couple de référence ;
151
ANNEXES
Annexe – C
1 x p p{1} a{1}
a{1} a{2}
a{2} a{3} ay 1
a{2} Layer 3 Process Output 1 y{1}
b{1}
La première couche cachée.
1 TDL weight
a{1} Delays 1 LW{2,1} 1
b{2}
b{3}
La couche de sortie.
Les neurones artificiels qui constituent la première couche cachée (a) et la deuxième couche
cachée (b).
we i g h ts w we i g h t s w
z
z I W{2 , 1 }(1 , : )' p
IW{1 ,1 }(1 ,:)' p
d o t p ro d 1
d o tp ro d 1
we i g h t s w
z
we i g h ts w I W{2 , 1 }(2 , : )' p
z
IW{1 ,1 }(2 ,:)' p d o t p ro d 2
d o tp ro d 2 we i g h t s w
z
I W{2 , 1 }(3 , : )' p
we i g h ts w
z d o t p ro d 3
IW{1 ,1 }(3 ,:)' p we i g h t s w
z
d o tp ro d 3 I W{2 , 1 }(4 , : )' p
we i g h ts w d o t p ro d 4
z we i g h t s w
IW{1 ,1 }(4 ,:)' p z
I W{2 , 1 }(5 , : )' p
d o tp ro d 4
d o t p ro d 5
we i g h ts w we i g h t s w
z z
IW{1 ,1 }(5 ,:)' p I W{2 , 1 }(6 , : )' p
d o tp ro d 5 d o t p ro d 6
we i g h t s w
we i g h ts w z
z I W{2 , 1 }(7 , : )' p
IW{1 ,1 }(6 ,:)' p d o t p ro d 7
d o tp ro d 6 we i g h t s w
z
we i g h ts w I W{2 , 1 }(8 , : )' p
z d o t p ro d 8
IW{1 ,1 }(7 ,:)' p
we i g h t s w
d o tp ro d 7 z
I W{2 , 1 }(9 , : )' p
we i g h ts w d o t p ro d 9
z
IW{1 ,1 }(8 ,:)' p we i g h t s w
z
d o tp ro d 8 I W{2 , 1 }(1 0 , : )' p
d o t p ro d 1 0
we i g h ts w
z we i g h t s w
IW{1 ,1 }(9 ,:)' p z
I W{2 , 1 }(1 1 , : )' p
d o tp ro d 9 d o t p ro d 1 1
we i g h ts w we i g h t s w
z z
I W{2 , 1 }(1 2 , : )' p
IW{1 ,1 }(1 0 ,:)' p
d o t p ro d 1 2
d o tp ro d 1 0
we i g h t s w
z
we i g h ts w I W{2 , 1 }(1 3 , : )' p
z
IW{1 ,1 }(1 1 ,:)' p d o t p ro d 1 3
d o tp ro d 1 1 we i g h t s w
z
I W{2 , 1 }(1 4 , : )' p
we i g h ts w
z d o t p ro d 1 4
IW{1 ,1 }(1 2 ,:)' p
we i g h t s w
z
d o tp ro d 1 2 I W{2 , 1 }(1 5 , : )' p
we i g h ts w d o t p ro d 1 5
z
IW{1 ,1 }(1 3 ,:)' we i g h t s w
p z
I W{2 , 1 }(1 6 , : )' p
d o tp ro d 1 3
d o t p ro d 1 6
we i g h ts w we i g h t s w
z z
IW{1 ,1 }(1 4 ,:)' p I W{2 , 1 }(1 7 , : )' p
d o tp ro d 1 4 d o t p ro d 1 7
we i g h t s w
we i g h ts w z
z I W{2 , 1 }(1 8 , : )' p
IW{1 ,1 }(1 5 ,:)' p
d o t p ro d 1 8
d o tp ro d 1 5 we i g h t s w
z
we i g h ts w I W{2 , 1 }(1 9 , : )' p
z d o t p ro d 1 9
IW{1 ,1 }(1 6 ,:)' p
we i g h t s w
d o tp ro d 1 6 z
I W{2 , 1 }(2 0 , : )' p
we i g h ts w d o t p ro d 2 0
z
IW{1 ,1 }(1 7 ,:)' p we i g h t s w
z
d o tp ro d 1 7 I W{2 , 1 }(2 1 , : )' p
d o t p ro d 2 1
we i g h ts w
z we i g h t s w
IW{1 ,1 }(1 8 ,:)' p z
I W{2 , 1 }(2 2 , : )' p
d o tp ro d 1 8 d o t p ro d 2 2
we i g h ts w we i g h t s w
z z
IW{1 ,1 }(1 9 ,:)' I W{2 , 1 }(2 3 , : )' p
p
d o t p ro d 2 3
d o tp ro d 1 9
we i g h t s w
we i g h ts w z
I W{2 , 1 }(2 4 , : )' p
z
IW{1 ,1 }(2 0 ,:)' p d o t p ro d 2 4
d o tp ro d 2 0 we i g h t s w
z
I W{2 , 1 }(2 5 , : )' p
we i g h ts w
z d o t p ro d 2 5
IW{1 ,1 }(2 1 ,:)' p
we i g h t s w
d o tp ro d 2 1 z
I W{2 , 1 }(2 6 , : )' p
we i g h ts w d o t p ro d 2 6
z
IW{1 ,1 }(2 2 ,:)' p we i g h t s w
z
I W{2 , 1 }(2 7 , : )' p
d o tp ro d 2 2
d o t p ro d 2 7
we i g h ts w
we i g h t s w
z z
1 IW{1 ,1 }(2 3 ,:)' p M ux 1 1 I W{2 , 1 }(2 8 , : )' p M ux 1
p d {1 ,1 } d o tp ro d 2 3 i z{1 ,1 } a d {2 , 1 } d o t p ro d 2 8 l z{2 , 1 }
we i g h t s w
we i g h ts w z
z I W{2 , 1 }(2 9 , : )' p
IW{1 ,1 }(2 4 ,:)' p
d o t p ro d 2 9
d o tp ro d 2 4
we i g h t s w
z
we i g h ts w I W{2 , 1 }(3 0 , : )' p
z
IW{1 ,1 }(2 5 ,:)' p M ux d o t p ro d 3 0
M ux
we i g h t s w
d o tp ro d 2 5 z
I W{2 , 1 }(3 1 , : )' p
we i g h ts w
d o t p ro d 3 1
z
IW{1 ,1 }(2 6 ,:)' p we i g h t s w
z
d o tp ro d 2 6 I W{2 , 1 }(3 2 , : )' p
d o t p ro d 3 2
we i g h ts w
z we i g h t s w
IW{1 ,1 }(2 7 ,:)' p z
I W{2 , 1 }(3 3 , : )' p
d o tp ro d 2 7 d o t p ro d 3 3
we i g h ts w we i g h t s w
z z
IW{1 ,1 }(2 8 ,:)' p I W{2 , 1 }(3 4 , : )' p
d o t p ro d 3 4
d o tp ro d 2 8
we i g h t s w
we i g h ts w z
I W{2 , 1 }(3 5 , : )' p
z
IW{1 ,1 }(2 9 ,:)' p d o t p ro d 3 5
d o tp ro d 2 9 we i g h t s w
z
I W{2 , 1 }(3 6 , : )' p
we i g h ts w
z d o t p ro d 3 6
IW{1 ,1 }(3 0 ,:)' p
we i g h t s w
d o tp ro d 3 0 z
I W{2 , 1 }(3 7 , : )' p
we i g h ts w d o t p ro d 3 7
z
IW{1 ,1 }(3 1 ,:)' p we i g h t s w
z
I W{2 , 1 }(3 8 , : )' p
d o tp ro d 3 1
d o t p ro d 3 8
we i g h ts w
z we i g h t s w
IW{1 ,1 }(3 2 ,:)' z
p I W{2 , 1 }(3 9 , : )' p
d o tp ro d 3 2 d o t p ro d 3 9
we i g h ts w we i g h t s w
z
z I W{2 , 1 }(4 0 , : )' p
IW{1 ,1 }(3 3 ,:)' p
d o t p ro d 4 0
d o tp ro d 3 3
we i g h t s w
z
we i g h ts w I W{2 , 1 }(4 1 , : )' p
z
IW{1 ,1 }(3 4 ,:)' p d o t p ro d 4 1
we i g h t s w
d o tp ro d 3 4 z
I W{2 , 1 }(4 2 , : )' p
we i g h ts w
z d o t p ro d 4 2
IW{1 ,1 }(3 5 ,:)' p we i g h t s w
z
d o tp ro d 3 5 I W{2 , 1 }(4 3 , : )' p
d o t p ro d 4 3
we i g h ts w
z we i g h t s w
IW{1 ,1 }(3 6 ,:)' p z
I W{2 , 1 }(4 4 , : )' p
d o tp ro d 3 6
d o t p ro d 4 4
we i g h ts w we i g h t s w
z z
IW{1 ,1 }(3 7 ,:)' p I W{2 , 1 }(4 5 , : )' p
d o t p ro d 4 5
d o tp ro d 3 7
we i g h t s w
we i g h ts w z
z I W{2 , 1 }(4 6 , : )' p
IW{1 ,1 }(3 8 ,:)' p d o t p ro d 4 6
d o tp ro d 3 8 we i g h t s w
z
we i g h ts w I W{2 , 1 }(4 7 , : )' p
z d o t p ro d 4 7
IW{1 ,1 }(3 9 ,:)' p
we i g h t s w
d o tp ro d 3 9 z
I W{2 , 1 }(4 8 , : )' p
we i g h ts w d o t p ro d 4 8
z
IW{1 ,1 }(4 0 ,:)' p we i g h t s w
z
I W{2 , 1 }(4 9 , : )' p
d o tp ro d 4 0
d o t p ro d 4 9
we i g h ts w
z we i g h t s w
IW{1 ,1 }(4 1 ,:)' p z
I W{2 , 1 }(5 0 , : )' p
d o tp ro d 4 1 d o t p ro d 5 0
we i g h ts w we i g h t s w
z
z I W{2 , 1 }(5 1 , : )' p
IW{1 ,1 }(4 2 ,:)' p
d o t p ro d 5 1
d o tp ro d 4 2
we i g h t s w
z
we i g h ts w I W{2 , 1 }(5 2 , : )' p
z
IW{1 ,1 }(4 3 ,:)' p d o t p ro d 5 2
d o tp ro d 4 3 we i g h t s w
z
I W{2 , 1 }(5 3 , : )' p
we i g h ts w
z d o t p ro d 5 3
IW{1 ,1 }(4 4 ,:)' p
we i g h t s w
z
d o tp ro d 4 4 I W{2 , 1 }(5 4 , : )' p
we i g h ts w d o t p ro d 5 4
z we i g h t s w
IW{1 ,1 }(4 5 ,:)' p z
I W{2 , 1 }(5 5 , : )' p
d o tp ro d 4 5
(a) (b)
d o t p ro d 5 5
152