Vous êtes sur la page 1sur 81

DEDICACES

À ma mère.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 I


REMERCIEMENTS
Ce travail n’aurait abouti sans l’accompagnement de DIEU tout puissant qui veille sur
moi et le soutien de plusieurs personnes que je ne pourrai citer nommément. Toutefois, je ne
saurai débuter la rédaction de ce rapport de stage sans adresser mes remerciements distingués
à l’égard des personnalités et personnes suivantes :

• Pr. NNEME NNEME Léandre et Pr. MBIYI Jean respectivement Directeur et Directeur
Adjoint de L’ENSET, pour leurs efforts axés principalement sur la formation des
étudiants ;
• Dr. SOSSO MAYI Olivier Thierry, Chef de département Génie Electrique de l’ENSET
et tous les enseignants de ce département, pour tous les enseignements reçus ;
• Pr. NYOBE YOME Jean Maurice qui a dirigé ce travail ;
• M. BETOKA Simon-Pierre, pour son encadrement inconditionné ;
• Toute ma famille, pour leur soutien ;
• La promotion ET5 de la session 2019-2020, pour leur franche collaboration.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 II


AVANT-PROPOS
L’école Normale supérieure d’enseignement technique (ENSET) crée par décret
présidentiel N° 260/CMS/PR du 10 Août 1979, est un établissement d’enseignement supérieur
relevant de l’université de Douala. Elle a pour mission :

• La formation des enseignants destinés aux collèges et lycées d’enseignement


technique du Cameroun ;
• Le recyclage et le perfectionnement du personnel enseignant dans le cadre de la
formation continue ;
• La recherche pédagogique appliquée.
A l’issue de la formation, chaque élève professeur doit présenter conformément à
l’arrêté ministériel N° 03/B4 du 26 Novembre 1985 :
❖ Un projet de mémoire pour la fin de ses études du premier cycle, étude
sanctionnée par l’obtention d’un diplôme de professeur d’enseignement technique
premier grade (DIPET I).
❖ Un mémoire pour la fin de ses études du second cycle, sanctionnée par
l’obtention d’un diplôme de professeur d’enseignement technique de second grade
(DIPET II).

C’est dans cette optique que nous proposons de mettre sur pied ce document dont le
thème est : « Contribution à la commande prédictive non linéaire à base de modèle :
Application à la ma chine asynchrone ».

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 III


RESUME
Dans ce mémoire, une technique non linéaire de commande prédictive est utilisée pour
faire varier la vitesse d’une machine asynchrone triphasée à cage d’écureuil, alimentée par un
onduleur de tension à deux niveaux. Cette technique de commande est basée sur le
développement en série de TAYLOR, la dérivée de LIE, et l’interpolation polynomiale de
LAGRANGE pour le choix automatique et optimal du paramètre « Temps de prédiction (𝑁2 ) ».
Pour la modélisation de la machine asynchrone, nous utilisons la transformation de PARK
comme méthode simplificatrice de calcul. Les résultats obtenus montrent que pour une
variation de vitesse extrême de 1300 𝑡𝑟/𝑚𝑖𝑛 à son opposé, sur un espace de temps de 0.5 𝑠,
l’écart entre la réponse de la machine et la référence imposée se réduit à une ondulation de
faible amplitude à l’instant où le changement de vitesse est appliqué. Cet écart minimal est
obtenu après la première simulation. Le pas de simulation étant fixé à 0.1𝑠, nous obtenons un
temps de simulation relativement long. La pénalisation des retards dus au temps de calcul doit
être envisagé afin de réaliser cette commande en boucle ouverte. Le contrôleur prédictif, la
machine asynchrone et l’onduleur de tension ont été simulés dans le logiciel
MATLAB/SIMULINK 2018b installé dans un ordinateur portable TOSHIBA (AMD-A4-5000
APU with Radeon™ HD Graphics _(4CPUs) _1.5 GHz, 4096MB RAM).

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 IV


ABSTRACT
In this dissertation, a nonlinear predictive control technique is used to vary the speed of
a three-phase asynchronous squirrel cage machine, powered by a two-level voltage inverter.
This control technique is based on the serial expansion of TAYLOR, the derivative of LIE, and
the polynomial interpolation of LAGRANGE for the automatic and optimal choice of the
“Prediction time (𝑁2 )” parameter. For the modeling of the asynchronous machine, we use the
transformation of PARK as a simplifying method of calculation. The results obtained show that
for an extreme speed variation of 1300 𝑡𝑟/𝑚𝑖𝑛 at its opposite, over a time span of 0.5 𝑠, the
difference between the response of the machine and the imposed reference is reduced to a ripple
of low amplitude the instant the gear shift is applied. This minimum deviation is obtained after
the first simulation. The simulation step being fixed at 10𝑠, we obtain a relatively long
simulation time. The penalty for delays due to calculation time must be considered in order to
achieve this control in open loop. The predictive controller, the asynchronous machine and
voltage inverter were simulated in the software MATLAB / SIMULINK 2018b installed in a
TOSHIBA Laptop (AMD-A4-5000 APU with Radeon ™ HD Graphics _ (4CPUs) _1.5 GHz,
4096MB RAM)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 V


SOMMAIRE
DEDICACES ................................................................................................................. I

REMERCIEMENTS ..................................................................................................... II

AVANT-PROPOS ....................................................................................................... III

RESUME .....................................................................................................................IV

ABSTRACT .................................................................................................................. V

SOMMAIRE ................................................................................................................VI

ABREVIATIONS ........................................................................................................IX

LISTE DE FIGURES ...................................................................................................XI

LISTE DES SYMBOLES .......................................................................................... XII

INTRODUCTION GENERALE ................................................................................... 1

CHAPITRE I : REVUE DE LITTERATURE ............................................................... 4

I. GENERALITES SUR LA COMMANDE PREDICTIVE.............................................. 5

I.1. Définition ................................................................................................................ 5

I.2. Objectif de la commande prédictive [5] .................................................................. 6

I.3. Principe de la commande prédictive ....................................................................... 6

I.4. Composants ............................................................................................................. 8

I.4.1. Le modèle de prédiction .................................................................................... 8

I.4.1.1. Le modèle du processus [11] ...................................................................... 9

I.4.1.2. Le modèle de perturbation ........................................................................ 13

I.4.2. Le critère de performance ................................................................................ 13

I.4.3. L’algorithme d’optimisation ............................................................................ 14

I.5. L’algorithme d’optimisation ................................................................................. 16

I.5.1. MPC (Model Predictive Control) .................................................................... 16

I.6. Avantages et inconvénients de la commande prédictive ....................................... 19

II. TECHNIQUES DE COMMANDE DE LA MACHINE ASYNCHRONE .............. 20

II.1. La commande scalaire ........................................................................................... 20

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 VI


II.2. La commande par orientation de flux ................................................................... 20

II.3. La commande directe de couple............................................................................ 21

II.4. La commande adaptative....................................................................................... 22

II.5. La commande par linéarisation entrée-sortie ........................................................ 22

II.6. La commande à structures variables par mode glissant ........................................ 23

III. STRATEGIES DE COMMANDE D’UN ONDULEUR TRIPHASE ...................... 23

III.1. La commande par hystérésis ............................................................................... 24

III.2. La commande par modulation de largeur d’Impulsion (MLI)............................. 24

III.3. La commande par MLI vectorielle ...................................................................... 25

IV. CHOIX DE LA COMMANDE PREDICTIVE ........................................................ 25

CHAPITRE II : MATERIEL ET METHODES........................................................... 28

I. MODELISATION DE LA MACHINE ASYNCHRONE ............................................ 29

I.1. Présentation de la machine asynchrone................................................................. 29

I.2. Modélisation de la machine asynchrone ............................................................... 30

I.2.1. Hypothèse de travail ........................................................................................ 30

I.2.2. Modélisation triphasée de la machine.............................................................. 31

I.2.3. Modélisation biphasée de la machine .............................................................. 33

I.2.4. Choix du repère ............................................................................................... 36

I.2.5. Équation d’état ................................................................................................. 37

II. MODELISATION DE L’ALIMENTATION ........................................................... 38

II.1. Modélisation du réseau d’alimentation ................................................................. 39

II.2. Modélisation de l’alimentation de la machine asynchrone ................................... 39

II.2.1. Modélisation du redresseur ............................................................................ 40

II.2.2. Modélisation du filtre 𝐿𝐶. .............................................................................. 41

II.2.3. Modélisation de l’onduleur triphasé à deux niveaux ..................................... 42

III. NLMPC multivariable............................................................................................... 44

CHAPITRE III : RESULTATS ET DICUSSIONS ..................................................... 52

CONCLUSION GENERALE ...................................................................................... 52

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 VII


ANNEXES .................................................................................................................... A

BIBLIOGRAPHIE ........................................................................................................ D

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 VIII


ABREVIATIONS
ARMA : AutoRegresive Moving Average

CARIMA : Controlled Auto-Regressive Integrated Moving Average

CGPC : Continous-time Generalized Control

CNA : Convertisseur numérique Analogique

CGPC : Continuous-time Generalized Predictive Control

DMC : Dynamic Matrix Control

DMC-plus : Dynamic Matrix Control package

DTC : Directe Torque Control

E/S : Entrée/Sortie

F.M.M : Force magnétomotrice

FOC : Field Oriented Control

GPC : Generalized Predictive Control

HIECON : Hierarchical Constraint Control

IDCOM : Identification Command

IGBT : Insolated-Gate Bipolar Transistor

IMC : Internal Model Controler

LQG : Linear Quadratic Gaussian

MAC : Model Algorithmic Control

MAS : Machine Asynchrone

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 IX


MBPC : Model-Based Predictive Control

MIAC : Model Indirect Adaptative Control

MIMO : Multi-Input Multi-Output

MLI : Modulation de largeur d’Impulsion

MPC : Model Predictive Control

MPHC : Model Heuristic Predictive Control

MRAC : Model Reference Adaptive Control

NCGPC : Non-Linéar Generalized Predictive Control

NGPC : Non-linear Generalized Predictive Control

NLMPC : Non-Linéar Model Based Predictive Control

OBMPC : Observer Based MPC

PFC : Predictive Functional Control

PID : Proportionnel Intégrale Dérivée

QDMC : Quadratic Dynamic Matrix Control

QIH-NMPC : Quasi-Infinite Horizon NMPC

RMPTC : Robust Model Predictive Control Technology

SISO : Single-Input Single-Output

SMOC : Shell Multivariable Optimizing Controller

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 X


LISTE DE FIGURES
CHAPITRE I

Figure I.1: Philosophie de la commande prédictive. [1] ............................................................ 7


Figure I.2: Schéma de principe de la commande prédictive. [8] ................................................ 7
Figure I.3: Stratégie simplifiée de la commande prédictive. [4] ................................................ 8
Figure I.4: Processus et perturbations d'un système................................................................... 9
Figure I.5: Méthodologie de la commande prédictive. ............................................................ 17
Figure I.14: Schéma de principe de l’association convertisseur –machine. ............................. 26

CHAPITRE II

Figure II.1: Structure de base de la machine asynchrone. [53] ................................................ 29


Figure II.2: Représentation des enroulements d’une MAS triphasée. ...................................... 31
Figure II.3: Transformation de PARK. .................................................................................... 33
Figure II.5: Schéma synoptique d’un réseau triphasé. ............................................................. 39
Figure II.6: Schéma de l’ensemble : Redresseur - Filtre LC - Onduleur -MAS. ..................... 40
Figure II.7: Redresseur à diodes (Pont de Graëtz). .................................................................. 40
Figure II.8: Filtre L-C. ............................................................................................................. 42
Figure II.9: Structure d’un onduleur de tension triphasé à deux niveaux. ............................... 43
Figure II.10: Structure générale de la commande NLMPC...................................................... 50

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 XI


LISTE DES SYMBOLES
MACHINE ASYNCHRONE

Indices
𝑎, 𝑏 , 𝑐 Les variables exprimées dans le repère fixe triphasé
𝑑, 𝑞 Les variables exprimées dans le repère tourant biphasé (𝑑, 𝑞)
𝛼, 𝛽 Les variables exprimées dans le repère fixe biphasé (𝛼, 𝛽)
Constantes du modèle
𝑅𝑠 (𝑅𝑟 ) La Résistance statorique (rotorique)
𝑙𝑆 (𝑙𝑟) L’inductance d’une phase statorique (rotorique)
𝐿𝑠 (𝐿𝑟 ) L’inductance cyclique propre d’une phase statorique (rotorique)
𝐿𝑚 L’inductance cyclique mutuelle stator-rotor
𝑀𝑆 (𝑀𝑟) L’inductance mutuelle entre deux phases du stator (rotor)
𝑀 L’inductance mutuelle entre une phase statorique et rotorique
𝐽 Le moment d’inertie total des masses tournantes.
𝜎 Le coefficient de dispersion de BLONDEL
𝑝 Le nombre de paire de pôles
Variables du modèle
𝑉𝑠 (𝑉𝑟 ) La tension statorique (rotorique)
𝐼𝑠 (𝐼𝑟 ) Le courant statorique (rotorique)
𝜑𝑠 (𝜑𝑟 ) Le flux du stator (rotor)
𝜃 L'angle de rotation du rotor par rapport au stator
𝜃𝑠 (𝜃𝑟) L’angle de rotation de (𝑑, 𝑞) par rapport au stator (rotor)
𝜔 La vitesse angulaire électrique du rotor
𝜔′ La vitesse angulaire électrique du système d’axes (𝑑, 𝑞)
𝜔′′ La vitesse angulaire électrique de synchronisme
Ω La vitesse mécanique de rotation du rotor
𝐶𝑒 Le couple moteur de la machine
𝐶𝑟 Le couple résistant de la charge
𝐶𝑓 Le coefficient de frottement

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 XII


ONDULEUR

Indices
𝑎, 𝑏 , 𝑐 L’indicateur de phase
1,2 Le numéro de l’interrupteur du bras
Paramètres
𝐾𝑥𝑖 L’interrupteur
𝑆𝑥𝑖 La fonction de connexion d’un interrupteur
𝑉𝑥0 La tension phase-point milieu
𝑉𝑑𝑐 La tension continue

COMMANDE NLMPC

Indices
1,2 Le numéro de la sortie
∗, 𝑟 La référence d’une variable
. La dérivée première d’un paramètre
.. La dérivée seconde d’un paramètre
[] La dérivée nième d’un paramètre
− Le complément d’un paramètre
𝑇 La transposée d’une matrice

Paramètres
𝑠, 𝑧, 𝑡, 𝑘 La variable de : Laplace, la transformée en Z, temps continu et discret
𝑞 −1 L’opérateur retard temporel
𝐵 (𝐴) Polynôme du numérateur (dénominateur)
𝐶, 𝐷 Polynômes
𝑓𝑖 (𝑔𝑖 ) Les coefficients de la réponse impulsionnelle (indicielle)
𝑢(𝑡) (𝑦(𝑡)) Entrée (Sortie) du processus
𝑥, 𝑢, 𝑦, 𝑦𝑟 Le vecteur des variables : d’état, de commande, de sortie et références
∆𝑢 L’incrément de la commande
𝐽 Le critère quadratique de performance
𝛾𝑘 , 𝛽𝑘 Les matrices de pondérations

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 XIII


𝑇1 (𝑇2) L’horizon de prédiction minimal (maximal)
𝑁𝑢 (𝑁2 ) L’horizon de commande (prédiction)
𝑇 (𝑇𝑒 ) Période (période d’échantillonnage)
𝑟 Le degré relatif ;
𝜌 L’ordre de contrôle.
𝐿𝑓 , 𝐿𝑔 La dérivée de LIE
𝐿𝑓 . ℎ𝑖 La dérivée de Lie de h suivant le champ de vecteurs f
𝑓, 𝑔, ℎ Fonctions
𝐿𝑖 polynôme de LAGRANGE

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 XIV


NLMPC-MAS Introduction Générale

INTRODUCTION GENERALE
Le premier actionneur utilisé pour les entrainements électriques fut la machine à courant
continu. Toujours présente dans la réalisation des asservissements destinés à l’usage industriel,
elle occupe encore une place favorisée à cause de la simplicité des lois de contrôle propre à son
fonctionnement (découplage naturel entre le flux et le couple). Toutefois, la présence du
collecteur mécanique pose de nombreux problèmes et plus la machine à courant continu ne
peut être utilisée en milieu corrosifs ou explosifs. Devant ces contraintes, les machines à
induction sont très exploitées grâce à leurs avantages de simplicité de construction, de
robustesse et de coût. Seulement, sa structure dynamique très complexe (système non linéaire
multi variables fortement couplées) rend sa commande compliquée et exige des algorithmes de
contrôle complexes. En plus, certaines de ses variables d’état sont inaccessibles aux mesures
directes (flux rotorique).

Les progrès de l’informatique, de l’électronique de puissance et de l’automatique, ont


provoqué des changements importants dans la conception des systèmes de commande et de
régulation. Ce développement a poussé plusieurs laboratoires d’automatique et
d’électrotechnique de recherche vers des structures de commande beaucoup plus évoluées
basées sur des méthodes d’automatique telles que la commande vectorielle, adaptative, non
linéaire, prédictive…etc. [1]

La commande vectorielle du flux rotorique est fondée sur un contrôle effectif de l’état
magnétique de la machine et du couple électromagnétique. Ce type de commande propose un
découplage entre le couple et le flux de la machine afin d’obtenir un contrôle semblable à celui
des machines à courant continu. Toutefois cette méthode nécessite, la mise en place d’un
capteur sur l’arbre de la machine et reste très sensible aux variations des paramètres de la
machine. Afin de pallier aux problèmes décrits précédemment, la commande adaptative à
modèle de référence est porteuse d’intérêts. Elle est caractérisée par une optimisation des
critères de performance par utilisation des méthodes d’identifications. L’inconvénient majeur
de cette approche est la nécessité de trouver une fonction appropriée de LYAPUNOV pour
garantir la stabilité globale du système. Cette fonction doit être précise pour toutes les lois
adaptatives connues, ce qui a orienté les travaux de recherche vers les commandes de grande
performance qui assurent un découplage global entre les sorties à commander. La commande

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 1


NLMPC-MAS Introduction Générale

non linéaire permet a priori une linéarisation parfaite quelque soit les profils de trajectoires
imposées au système. [1]

La commande prédictive, méthode récente dite avancée, a commencé à donner ses


résultats théoriques et pratiques à la fin des années 1970, notamment avec la méthode PFC [2]

Dans ls années 1980, plusieurs méthodes basées sur les mêmes concepts prédictifs ont
été développées. Parmi ces méthodes on peut citer la commande prédictive généralisée
développée par David CLARQUE et son équipe [3]. Ces commandes prédictives possèdent
toutes la même philosophie, à savoir créer un effet anticipatif.

La différence entre les structures prédictives réside dans l’utilisation de modèles et


paramètres différents. Ces types de commande sont aujourd’hui groupées sous la dénomination
« MPC » (Model Predictive Control).

La richesse de la commande prédictive provient du fait qu’elle puisse prendre en compte


des contraintes pour la mise au point de la loi de commande et qu’elle permet l’exploitation de
la trajectoire prédéfinie située dans le futur. En effet le but de la stratégie prédictive comme
nous le verrons par la suite, est de faire coïncider la sortie du processus avec une consigne sur
un horizon fini dans le futur. La loi de commande obtenue suite à cette logique est
habituellement fondée sur deux hypothèses à savoir :

• Il n’y a aucune incertitude sur le modèle ;

• La perturbation a un comportement bien défini.

En conséquence on obtiendra de bonnes performances pour le modèle nominal, mais


des performances dégradées en présence d’incertitude et ou de perturbations sur le système. [1]

La commande prédictive est applicable sur une large classe de systèmes bon linéaires
(stable, instable en boucle ouverte, à phase non minimale avec retard)) ; Raison pour laquelle
elle est apparue très séduisante aux yeux des industriels dans le cadre général des problèmes
de suivi de trajectoires.

L’objectif de notre travail est d’appliquer la méthodologie prédictive pour la commande


d’une machine asynchrone triphasée qui est un système électromécanique par excellence pour
le suivi des trajectoires prédéfinies. Le choix des paramètres pour les différents algorithmes
intégrés dans la stratégie prédictive est sujet à de nombreux problèmes tels que le temps de
calcul, la ressource utilisée et les tests à répétitions effectués pour le choix optimal d’un

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 2


NLMPC-MAS Introduction Générale

paramètre. Dans le cadre notre travail, nous traitons d’une solution partielle pour
l’automatisation du choix optimal du paramètre « Temps de prédiction » qui est un paramètre
clé de la commande prédictive. Afin de rendre notre solution pertinente pour d’autres cas de
figure nous utilisons des convertisseurs de puissance non réglés et nous assimilons la charge
de la machine asynchrone à son couple résistant.

Nous avons structuré notre travail en trois chapitres.

Dans le premier chapitre nous présentons les généralités sur la commande prédictive et
les autres types de méthodes utilisées pour la commande de la machine asynchrone e du
convertisseur de puissance (Onduleur de tension à deux niveaux) utilisé pour la variation de la
vitesse.

Dans le Deuxième chapitre nous abordons la modélisation de la machine asynchrone,


l’association de la machine au convertisseur de puissance, la description de la stratégie
prédictive utilisée et enfin l’automatisation du choix optimal en ligne du paramètre temps de
prédiction.

Dans le troisième chapitre, nous présentons les résultats obtenus, nous discutons de ces
résultats et nous évaluons les méthodes utilisées.

Enfin, nous terminons par une conclusion générale sur l’ensemble de notre travail.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 3


NLMPC-MAS CHAPITRE I

CHAPITRE I : REVUE DE LITTERATURE

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 4


NLMPC-MAS CHAPITRE I

Dans ce chapitre, nous présentons tout d’abord les stratégies globales de la commande
prédictive, puis les différents types de commande appliquées à la machine asynchrone ainsi
qu’au convertisseur de puissance associé. Nous justifions à la fin le choix de la commande
prédictive en présentant clairement le problème autour duquel s’articule notre mémoire.

I. GENERALITES SUR LA COMMANDE PREDICTIVE

I.1. Définition

La commande prédictive ou commande à horizon fuyant est une technique avancée de


l’automatique. Elle a pour objectif de commander les systèmes industriels complexes, des
systèmes (linéaires ou non) à plusieurs entrées et sorties (MIMO : Multi-Input Multi-Output)
où le simple régulateur PID (Proportionnel Intégrale Dérivée) est insuffisant. Cette technique
est particulièrement intéressante lorsque les systèmes possèdent des retards importants, des
réponses inverses et de nombreuses perturbations. [1] Grâce à sa capacité à prendre en compte
les contraintes et la possibilité qu’elle offre d’utiliser différentes structures de modèle, la
commande prédictive est à présent largement reconnue comme l’une des techniques de contrôle
les plus puissantes si ce n’est la seule approche possible dans beaucoup de problèmes de
contrôle à résoudre. [4]

C’est une commande numérique car on peut faire tourner en interne un simulateur du
système (IMC : Internal Model Controler) et savoir à l’avance comment il va réagir si on lui
envoie une commande quelconque. Cela implique une bonne modélisation du système et une
connaissance parfaite des influences extérieures à celui-ci. Prenons l’exemple de
l’asservissement de température d’un bureau via un climatiseur automatique. On ne peut
calculer ni prédire le désir de température de son propriétaire, encore moins le moment auquel
ce désir surviendra. Par contre pour un robot, qui a été programmé sur une chaîne de production
et qui répète inlassablement la même trajectoire, on peut connaître à l’avance sa position sur
une période délimitée. Dans ce cas la commande prédictive est totalement pertinente.

C’est aussi une commande optimale car en plus de pouvoir simuler la sortie du système,
on peut régler (optimiser) les échantillons de la commande de manière à faire correspondre au
mieux ce que l’on a simulé à ce que l’on veut obtenir réellement, tout en respectant une certaine
fonction de coût (critère d’optimisation).

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 5


NLMPC-MAS CHAPITRE I

I.2. Objectif de la commande prédictive [5]

• Éviter la violation des contraintes d’entrée et de sortie ;

• Amener les variables manipulées vers leurs valeurs stationnaires optimales ;

• Amener les variables commandées vers leurs valeurs stationnaires optimales en


prenant en compte les degrés de liberté restants ;

• Éviter des variations excessives des variables manipulées, lorsque les signaux et les
actionneurs sont en défaut, commander une aussi grande partie du procédé que
possible.

I.3. Principe de la commande prédictive

Des méthodes proposées dans la littérature on retient que la commande prédictive


s’élabore comme suit :

• Utilisation d’un modèle interne pour construire la prédiction des signaux


intéressants (variables contrôlées : états ou sorties) sur un horizon de temps 𝑁2 ;

• Connaissance de la trajectoire à suivre sur un horizon au moins aussi long que


l’horizon de prédiction ;

• Minimisation d’un critère le plus souvent quadratique1 incluant l’erreur de poursuite


et l'effort de commande ;

• Utilisation d’un algorithme de résolution produisant en temps réel la solution


optimale (ou sous admissible ou admissible) à appliquer sur les variables
manipulées (commandes) jusqu’à un horizon temporel 𝑁𝑢 ;

• Application du premier élément de la séquence calculée ;

• Répétition de la procédure à la période d’échantillonnage suivante) selon le principe


de l’horizon fuyant (qui se déplace dans le futur). [6]

1
D’ordre 2 (équation du second degré)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 6


NLMPC-MAS CHAPITRE I

Prenons l’exemple d’un conducteur de véhicule, il connaît la trajectoire de référence


désirée à l’avance (la route) sur un horizon de commande fini (son champ visuel), et en prenant
en compte les caractéristiques de la voiture (modèle mental du comportement du véhicule), il
décide quelles actions (accélérer, freiner ou tourner le volant) il faut réaliser afin de suivre la
trajectoire désirée. Seule la première action de conduite est exécutée à chaque instant, et la
procédure est répétée à nouveau pour les prochaines actions. [7]

Figure I.1: Philosophie de la commande prédictive. [1]

GÉNÉRATION DE LA CONSIGNE

➢ À chaque instant d’échantillonnage :


• Considérer la consigne sur une fenêtre ;
• Décaler cette fenêtre pour le prochain calcul.

CONSTRUCTION DE LA SÉQUENCE DE
COMMANDE
➢ Paramètres de contexte :
• L’état actuel ;
• Consigne future.
➢ Modèle de prédiction pour :
• Les signaux liés à la performance ;
• Les signaux sous contraintes.
➢ Contraintes
➢ Définition du problème d’optimisation
• Critère de coût ;
• Horizon de prédiction ;
• Horizon de commande ;
• Horizon de contrainte ;
➢ Résolution du problème d’optimisation
➢ Première valeur du vecteur de commande obtenu

SYSTEME

Figure I.2: Schéma de principe de la commande prédictive. [8]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 7


NLMPC-MAS CHAPITRE I

La figure I.2 résume le principe de la commande prédictive dans le cas général d’un
problème de commande optimale sous contraintes sur un horizon glissant.

I.4. Composants

Les composants de la commande prédictive peuvent se résumer à :

• Modèle du système pour la prédiction ;

• Critère de performances ;

• Algorithme d’optimisation pour la commande.

Optimiseur Commande 𝑢(𝑡)


dynamique Processus

Sortie à asservir 𝑦(𝑡)

Contraintes Modèle prédictif Estimateur d’état

Figure I.3: Stratégie simplifiée de la commande prédictive. [4]

Principalement, la commande prédictive repose sur la capacité du modèle du système à


prendre en compte la dynamique du processus (fonctionnement du système) pour prédire
précisément les sorties futures. [7] Le modèle de prédiction constitue ainsi la cheville de la loi
de commande, il faut donc le construire avec le plus grand soin. [9]

I.4.1. Le modèle de prédiction

Il dépend principalement de la nature (linéaire, non linéaire) et du modèle du système.


Les algorithmes de prédiction se conçoivent sur la base de plusieurs outils mathématiques (que
l’on peut numériser) qui varient en fonction du processus, des perturbations mesurables ou non
(bruit, erreur de modélisation) à modéliser. En d’autres termes le modèle peut être divisé en
deux parties : le modèle du processus et le modèle des perturbations (endogènes ou exogènes).
Les prédictions de la sortie seront fonction des deux. [10]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 8


NLMPC-MAS CHAPITRE I

Perturbations 𝑝(𝑡)

Processus
Commande 𝑢(𝑡) Sortie à asservir 𝑦(𝑡)

Figure I.4: Processus et perturbations d'un système.

I.4.1.1. Le modèle du processus [11]

La commande prédictive utilise une représentation externe du système du type entrée-


sortie. Afin d’obtenir une représentation du processus, diverses approches sont possibles. Mis
à part l’identification2 qui permet l’obtention directe du modèle, analytiquement des calculs
peuvent être menés à partir de la fonction de transfert continue ou à partir de la représentation
d’état continu.

• La fonction de transfert continu

Si le système continu est représenté par la fonction de transfert (où 𝑠 représente la


variable de Laplace) :

𝑌(𝑠) (1.1)
𝐻(𝑠) =
𝑈(𝑠)

On obtient le modèle discret de représentation en calculant la transformée en Z du


système avec bloqueur d’ordre zéro, soit :

𝐻(𝑠)
𝐹(𝑧) = (1 − 𝑧 −1 )𝑍 [ ] (1.2)
𝑠

C’est-à-dire en notant 𝑠1 (𝑡) la réponse indicielle continue du système et 𝑇𝑒 la période


d’échantillonnage :

𝐹𝑧 = (1 − 𝑧 −1 )𝑍[𝑠1 (𝑖𝑇𝑒 )] = ∆1 ∑ 𝑠1 (𝑖𝑇𝑒 )𝑧 −𝑖 (1.3)


𝑖=0

2
Expériences en laboratoire

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 9


NLMPC-MAS CHAPITRE I

Ce qui peut encore s’écrire :


∞ ∞ ∞

∑ 𝑓1 𝑧 −𝑖 = ∆1 ∑ 𝑠1 (𝑖𝑇𝑒 )𝑧 −𝑖 = ∑ ∆𝑠1 (𝑖𝑇𝑒 )𝑧 −𝑖 (1.4)


𝑖=0 𝑖=0 𝑖=0

On déduit les coefficients de la réponse impulsionnelle :

𝑓1 = 𝑠1 (𝑖𝑇𝑒 ) − 𝑠1 ((𝑖 − 1)𝑇𝑒 ) = 𝑔𝑖 − 𝑔𝑖−1 = 𝑇𝑒 ℎ(𝑖𝑇𝑒 ) (1.5)

Où ℎ(𝑡) est la réponse impulsionnelle du système continu ; Ainsi 𝑔𝑖 = 𝑠𝑖 (𝑖𝑇𝑒 ) (ce qui
justifie totalement, dans ce cas, la dénomination de réponse indicielle pour les coefficients 𝑔𝑖 ).

• La représentation d’état continu

Si l’on admet que le système continu est représenté par les équations d’état :

𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡) (1.6)


{
𝑦(𝑡) = 𝐶𝑥(𝑡)

En supposant que la commande est maintenue constante entre deux périodes


d’échantillonnage par la séquence d’un bloqueur d’ordre zéro, la discrétisation de la
représentation d’état continue peut s’écrire :

𝑋(𝑡 + 1) = 𝐹𝑑 𝑥(𝑡) + 𝐺𝑑 𝑢(𝑡) 𝐹𝑑 = exp(𝐴𝑇𝑒 )


{ avec { 𝑇 (1.7)
𝑦(𝑡) = 𝐶𝑥(𝑡) 𝐺𝑑 = ∫0 𝑒 exp(𝐴𝑡) 𝑑𝑡 𝐵

Il est ainsi possible d’obtenir la fonction de transfert entrée-sortie du système discret


par la relation indicielle :

𝐹(𝑧) = 𝐶(𝑧𝐼 − 𝐹𝑑 )−1 𝐺𝑑 (1.8)

Dans cette dernière relation, 𝐹(𝑧) est une fraction rationnelle, il est donc possible de
déterminer les deux polynômes numérateur et dénominateur respectivement 𝐵(𝑧) et 𝐴(𝑧),
nécessaires pour le modèle de représentation.

Après discrétisation3, un système admet trois formes classiques de représentation


externe : la représentation par équations aux différences et modèle ARMA, la représentation
par fonction de transfert et la représentation par convolution discrète.

3
Représentation dans le domaine fréquentielle

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 10


NLMPC-MAS CHAPITRE I

• La représentation par équations aux différences et modèles ARMA

Pour un système ne représentant pas de retard pur, ce modèle (ARMA : AutoRegresive


Moving Average) correspond à l’équation aux différences appelée équations récurrentes, reliant
la sortie 𝑦(𝑡) à l’entrée 𝑢(𝑡).

𝑛𝑏 +1 𝑛𝑎

𝑦(𝑡)= ∑ 𝛽𝑗 𝑢(𝑡 − 𝑗) − ∑ 𝛼𝑗 𝑦(𝑡 − 𝑗) (1.9)


𝑗=1 𝑗=1

En posant : 𝛽𝑗 = 𝑏𝑗−1 et 𝛼𝑗 = 𝑎𝑗 , l’équation précédente peut aussi s’écrire :

𝑛𝑏 +1 𝑛𝑎

𝑦(𝑡)= ∑ 𝑏𝑗−1 𝑢(𝑡 − 𝑗) − ∑ 𝑎𝑗 𝑦(𝑡 − 𝑗) (1.10)


𝑗=1 𝑗=1

• La représentation par fonction de transfert

En utilisant la transformée en Z et en considérant que 𝛼0 = 𝑎0 = 1, l’équation


précédente devient :

𝑌(𝑧) ∑𝑛𝑗=1
𝑏
𝛽𝑗 𝑧 −𝑗 ∑𝑛𝑗=1
𝑏
𝑏𝑗 𝑧 −𝑗 𝐵(𝑧 −1 )
−1 −1 (1.11)
𝐹(𝑧) = = 𝑛𝑎 = 𝑧 = 𝑧
𝑢(𝑧) ∑𝑗=0 𝛼𝑗 𝑧 −𝑗 ∑𝑛𝑗=0
𝑎
𝑎𝑗 𝑧 −𝑗 𝑢(𝑧 −1 )

En utilisant 𝑞 −1 (opérateur retard temporel) on obtient la représentation polynomiale :

𝐴(𝑞 −1 )𝑦(𝑡) = 𝐵( 𝑞 −1 )𝑢(𝑡 − 1) (1.12)

• La représentation par convolution discrète

En utilisant la réponse impulsionnelle et en supposant le système causal, on peut écrire


cette relation entre la sortie et l’entrée du système :

𝑦(𝑡) = ∑ 𝑓𝑖 𝑢(𝑡 − 𝑖) (1.13)


𝑖=0

Où {𝑓𝑖 } sont les coefficients de la réponse impulsionnelle.

En utilisant la transformée en Z, l’équation précédente devient :

𝑌(𝑧)𝐹(𝑧) = 𝐹(𝑧)𝑢(𝑧) avec 𝐹(𝑧) = ∑∞


𝑖=0 𝑓𝑖 𝑧
−1
(1.14)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 11


NLMPC-MAS CHAPITRE I

Posons ∆1 = 1 − 𝑧 −1 ou ∆= 1 − 𝑞 −1 . Pour une variable 𝑋(𝑧) donnée :

∆1 𝑋(𝑧) =(1 − 𝑧 −1 ) 𝑋(𝑧) soit ∆𝑥(𝑡) = (1 − 𝑞 −1 )𝑥(𝑡) = 𝑥(𝑡) − 𝑥(𝑡 − 1) (1.15)

L’équation définissant la fonction de transfert peut alors s’écrire :

𝐹(𝑧)
𝑌(𝑧) = ∆ 𝑈(𝑧) = 𝐺(𝑧)∆1 𝑈(𝑧) (1.16)
1 − 𝑧 −1 1

En utilisant la réponse indicielle


𝑦(𝑡) = ∑ 𝑔𝑖 ∆𝑢(𝑡 − 𝑖) (1.17)


𝑖=0

Où {𝑔𝑖 } sont les coefficients de la réponse indicielle. Il résulte des représentations (1.6)
et (1.8).

𝐹(𝑧) = ∆1 𝐺(𝑧) soit 𝑓(𝑡) = ∆𝑔(𝑡) = 𝑔(𝑡) − 𝑔(𝑡 − 1) (1.18)

La relation temporelle de l’équation (1.10) permet de justifier la dénomination de la


réponse indicielle des coefficients {𝑔𝑖 } qui au demeurant est bien la réponse du système à une
entrée à échelon :

∆𝑔(𝑡) ≡ 0, ∀𝑡 ≠ 0 et ∆𝑢(𝑡) ≡ 1 pour 𝑡 = 0

Sachant que l’on peut écrire

∆1 𝑌(𝑧)
𝐹(𝑧) = (1.19)
∆1 𝑈(𝑧)

Un modèle incrémental peut être obtenu grâce à la relation :

𝑞 −1 𝐵(𝑞 −1 ) ∆𝑦(𝑡)
= (1.20)
𝐴(𝑞 −1 ) ∆𝑢(𝑡)

Sous forme de représentation polynomiale :

𝐴(𝑞 −1 )∆𝑦(𝑡) = 𝐵(𝑞 −1 )∆𝑢(𝑡 − 1) (1.21)

Ou par convolution discrète :


∆𝑦(𝑡) = ∑ 𝑓𝑖 ∆𝑢(𝑡 − 𝑖) (1.22)


𝑖=0

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 12


NLMPC-MAS CHAPITRE I

I.4.1.2. Le modèle de perturbation

Le modèle représentant les perturbations affectant le système est aussi important que la
modèle du processus. Le modèle couramment utilisé est le modèle autorégressif de moyenne
mobile intégré (CARIMA : Controlled Auto-Regressive Integrated Moving Average) (LJUNG,
1987).

En présence des perturbations, il est possible de donner une représentation polynomiale


globale du système.

𝐴(𝑞 −1 )𝑦(𝑡) = 𝐵(𝑞 −1 )𝑢(𝑡 − 1) + 𝑣(𝑡) (1.23)

Avec 𝐷(𝑞 −1 )𝑣(𝑡) = 𝑒(𝑡), 𝑒(𝑡) étant une perturbation stochastique ou déterministe.

Très souvent on choisit : 𝐷(𝑞 −1 ) = ∆= 1 − 𝑞 −1 . (1.24)

On obtient ainsi le modèle CARIMA. Cette représentation permet d’incorporer une


action intégrale dans la loi commande. :

𝐴(𝑞 −1 )∆𝑦(𝑡) = 𝐵(𝑞 −1 )∆𝑢(𝑡 − 1) + 𝑒(𝑡) (1.25)

Généralement, le polynôme 𝐷(𝑞 −1 ) est choisi de la forme :

𝐷(𝑞 −1 ) = (1 − 𝑞 𝑝 ) ∏(1 − 2𝑞 −1 𝑐𝑜𝑠𝛼𝑖 + 𝑞 −2 ) (1.26)

I.4.2. Le critère de performance

Ce critère est composé d’une partie relative à :

• La poursuite de trajectoire ou un critère économique quelconque ;

• La pénalisation4 issue des contraintes ;

• La pénalisation concernant la mise en œuvre (temps de calcul, stabilité).

Un des grands avantages des commandes prédictives est que, si l’on connaît l’évolution
future de la trajectoire de référence, le système peut commencer à répondre avant que le
changement ne soit détecté.

4
Élimination des contraintes par introduction d’une fonction de pénalité

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 13


NLMPC-MAS CHAPITRE I

Dans la plupart des méthodes habituelles, on utilise souvent une trajectoire de référence
qui n’est pas nécessairement égale à la vraie référence. Par exemple, on peut approcher celle-
ci au moyen d’un système du premier ordre [12] :

r(𝑘 + 𝑖) = 𝛼r(𝑘 + 𝑖 - 1) + (1 - 𝛼)𝑟( 𝑘 + 𝑖) 𝑖 = 1, 2, … , 𝑁 (1.27)

La fonction de coût diffère selon les méthodes mais généralement cette fonction
contient les erreurs quadratiques entre la trajectoire de référence 𝑟𝑘 (𝑡) et les prédictions
𝑦𝑘 (𝑡 + 𝑗) sur l’horizon de prédiction 𝑁2𝑘 ainsi que l'effort5 de commande ∆𝑢𝑘 (𝑡).

Cette fonction de coût est la suivante lorsqu’il y a n variables à contrôler et m variables


à manipuler :

𝑛 𝑗=𝑁2𝑘 𝑚 𝑗=𝑁𝑢𝑘
2 2
𝑗 = ∑ ( ∑ 𝛾𝑘 (𝑦𝑘 (𝑡 + 𝑗) − 𝑟𝑘 (𝑡 + 𝑗)) ) + ∑ ( ∑ 𝛽𝑘 (∆𝑢𝑘 (𝑡 + 𝑗 − 1)) ) (1.28)
𝑘=1 𝑗=1 𝑘=1 𝑗=1

𝑁𝑢𝑘 représente l’horizon de commande au 𝑘 coup d’horloge.

𝑁2𝑘 représente l’horizon de commande optimal au 𝑘 coup d’horloge.

𝑁𝑢𝑘 ≤ 𝑁2𝑘 et ∆𝑢𝑘 (𝑡 + 𝑗) = 0 pour 𝑁𝑢𝑘 ≤ 𝑗.

𝛾𝑘 et 𝛽𝑘 sont des matrices de pondérations qui permettent de donner plus d’importance


à telle ou telle variable.6

Dans quelques méthodes le deuxième terme, relatif à l'effort de commande, n'est pas
pris en compte. Une comparaison de différents types de fonction objective, peut être trouvée
dans (CAMPO ET MORARI, 1986). [10]

I.4.3. L’algorithme d’optimisation

Le critère d’optimisation comprend un terme quadratique sur l’erreur et sur l’incrément


de commande. Sa minimisation analytique fournit la séquence de commandes futures dont
seule la première sera effectivement appliquée. [11] Cette minimisation est faite par un
algorithme d’optimisation qui devra aussi prendre en compte les contraintes liées au processus

5
Variation de la commande
6
https://fr.wikipedia.org/w/index.php?title=Commande_prédictive&oldid=118929979

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 14


NLMPC-MAS CHAPITRE I

(hiérarchisation des contraintes) afin d’avoir des commandes admissibles (Hiérarchisation des
contraintes). Le problème d’optimisation suivant doit alors être résolu :

min 𝐽 (𝑘, ∆𝑢 , 𝑦) (1.32)


𝑢,𝑁𝑢

Ces contraintes doivent respecter certaines grandeurs physiques :

• Les actionneurs sont généralement limités en amplitude. Ils peuvent l'être aussi en
vitesse et en accélération ;

• Certaines grandeurs du procédé, mesurées ou estimées, doivent rester dans une zone
de fonctionnement. Elles peuvent être liées à la qualité du produit, l'environnement,
la sécurité (température inférieure à un maximum par exemple). [13]

Les contraintes généralement utilisées sont les suivantes :

∆𝑢𝑚𝑖𝑛 ≤ ∆𝑢(𝑡 + 𝑗) ≤ ∆𝑢𝑚𝑎𝑥 pour 𝑗 = 1 … 𝑁 (1.31)


𝑗
𝑢𝑚𝑖𝑛 ≤ 𝑢(𝑡 + 𝑗) = 𝑢(𝑡 − 1) + ∑𝑖=1 ∆𝑢(𝑡 + 𝑖) ≤ 𝑢𝑚𝑎𝑥 pour 𝑗 = 1 … 𝑁 (1.32)

𝑦𝑚𝑖𝑛 ≤ 𝑟(𝑡 + 𝑗) ≤ 𝑦𝑚𝑎𝑥 pour 𝑗 = 1 … 𝑁2 (1.33)

Les restrictions en sortie sont fondamentalement dues à des raisons de sécurité


opérationnelles, et doivent être contrôlées à l'avance puisqu'elles peuvent endommager les
équipements physiques. Les variables d'entrée peuvent être bornées dans leurs limites permises
en fonction des mécanismes de saturation. Le système de commande doit prévoir la violation
des restrictions et corriger avec une forme appropriée. Bien que les restrictions à l'entrée et à la
sortie du processus se traitent de même manière, les implications de chaque type de contraintes
sont différentes. [14]

Le choix des paramètres joue un rôle important dans l’élaboration de l’algorithme


d’optimisation, tant par la quantité d'informations fournie à l'algorithme, que du point de vue
de la faisabilité numérique du problème d'optimisation. Le paramètre le plus restrictif pour
l'applicabilité de la commande prédictive est le temps de calcul. Il est en effet nécessaire,
pendant une période de temps d'échantillonnage que l'on peut choisir en fonction de la
dynamique finale, de trouver une solution admissible au problème d'optimisation sous
contrainte posé. [13]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 15


NLMPC-MAS CHAPITRE I

Les paramètres de réglages qu’on retrouve dans la majorité des stratégies de commande
prédictives sont :

• Les horizons de prédiction des sorties et/ou des états ;

• L’horizon de commande ;

• Les pondérations intervenant dans le critère de performance sur les erreurs et sur
l'effort de commande ;

• Les paramètres terminaux tels que les coûts terminaux. [9]

I.5. L’algorithme d’optimisation

En général, les algorithmes de la commande prédictive s’appuient sur des


éléments identiques ; Chaque élément comportant une plage d’options, donnant naissance à
une multitudes d’algorithmes.

I.5.1. MPC (Model Predictive Control)

La commande prédictive à base de modèle, connue sous le nom de ou MBPC (Model-


Based Predictive Control) ou MPC ou NMPC (Non-linear MPC) pour des systèmes non-
linéaires regroupe l’ensemble des stratégies de prédiction. Concrètement, la formulation MPC
du problème de la commande prédictive fait appel à une représentation d’état du système et
permet donc l’application des outils classiques d’analyse de la stabilité et de la robustesse. [15]

Le principe de la commande prédictive revient à optimiser le critère de performance à


chaque instant (à chaque période d'échantillonnage) et à déterminer la meilleure séquence de
𝑁𝑢 (la longueur des suites d'arguments) commandes sur l'horizon de prédiction 𝑁2 (la longueur
sur laquelle est évaluée le critère de performance). Finalement, la première composante 𝑢(𝑡) de
la séquence de commande sera appliquée à la prochaine période d'échantillonnage et la
résolution recommence en prenant compte des nouvelles mesures actualisées du procédé. [13]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 16


NLMPC-MAS CHAPITRE I

Grace à la commande numérique, on altère la courbe verte (Figure I.5) en fonction de


𝑢(𝑡 + 𝑗) jusqu’à ce qu’elle soit optimale au sens de notre fonction de coût et à l’occurrence,
l’optimum que l’on recherche est celui pour lequel la portion hachurée est minimale.

𝒖(𝒕)
𝒓(𝒕 + 𝟏) ൥ ⋮ ൩ 𝑵𝒖 Commandes futures
൥ ⋮ ൩ 𝑵𝟐 références futures 𝒖(𝒕 + 𝒋 − 𝟏)
𝒓(𝒕 + 𝒋)
𝒖(𝒕)
+ Optimisation Système
-

𝒚(𝒕)
Prédiction
𝒚(𝒕 + 𝟏)
൥ ⋮ ൩ 𝑵 sorties futures
𝟐
𝒚(𝒕 + 𝒋)

Sortie

Consigne

Trajectoire de référence 𝒓(𝒕 + 𝒋)

Sorties prédites 𝒚(𝒕 + 𝒋)

Commande optimale 𝒖(𝒕 + 𝒋)

𝑵𝒖 𝑵𝟐 Temps: 𝒕

Passé Présent Futur

Figure I.5: Méthodologie de la commande prédictive.

La méthode MPC a connu plusieurs variantes parmi lesquelles :

• La méthode LQG (Linear Quadratic Gaussian) [16], [2] : Qui utilise la


représentation d’état pour des systèmes linéaires discrets ;

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 17


NLMPC-MAS CHAPITRE I

• L’approche IDCOM (Identification-Command) [2] : Encore appelée MPHC


(Model Predictive Heuristic Control), ou MAC (Model Algorithmic Control), basée
sur un modèle à réponse impulsionnelle pour le système, linéaire en entrée (ou des
variables internes) ;

• La méthode DMC (Dynamic Matrix Control) : Utilisée pour les systèmes


multivariables sans contraintes [17] et pour les systèmes linéaires à contraintes [18].
L’élaboration de la loi de commande se fait à partir d’un problème de moindres
carrés et nécessite un modèle à réponse indicielle pour le système ;

• QDMC (Quadratic Dynamic Matrix Control) : C’est l’algorithme DMC prenant


en compte les contraintes sur les entrées et les sorties de manière explicite. [17] ;

• En plus des contraintes sur l’entrée et la sortie du système, des éventuelles


perturbations ont été intégrées dans les algorithmes. Ainsi, la méthode IDCOM-M
[19] [20], la méthode HIECON (Hierarchical Constraint Control), et la méthode
SMOC (Shell Multivariable Optimizing Controller) [21] [22] furent mises sur
pied ;

• Les algorithmes DMC-plus (Dynamic Matrix Control package) et RMPTC


(Robust Model Predictive Control Technology) sont le fruit de la concurrence sur
le marché d’entreprises proposant des produits de commande prédictive linéaire
[23] ;

• La Commande PFC (Functionnal Predictive Control) [9] [2]: Cette méthode


nécessite un modèle à réponse impulsionnelle ou une représentation d’état du
système. Elle a pour particularité l’utilisation de la notion de coïncidence ;

• L’approche GPC (Generalized Predictive Control) [3] : Elle est basée sur un
modèle CARIMA prenant en compte des contraintes sur l’entrée et la sortie, Elle
est utilisée pour des systèmes SISO (Single Input Single Output) et MIMO, elle est
stable et intègre un paramètre de robustesse réglable. Elle a connu plusieurs
développements tels que La méthode CGPC (Continuous-time Generalized
Predictive Control) [24], la méthode NGPC (Non-linear Generalized Predictive
Control).

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 18


NLMPC-MAS CHAPITRE I

I.6. Avantages et inconvénients de la commande prédictive

L’intérêt de la commande prédictive par rapport aux autres techniques de contrôle


couramment utilisée peut-être présenté comme suit :

• Elle peut être utilisée pour une grande variété de procédés, peu importe la
complexité de la dynamique (retard, phase non minimale, système instable) ;

• Les cas multivariables peuvent être facilement traités ;

• La compensation pour les retards est faite de façon intrinsèque ;

• La compensation par anticipation des perturbations mesurées se fait aisément ;

• Les contrôleurs linéaires résultants sont faciles à implanter ;

• Le traitement des contraintes est conceptuellement simple et il peut être inclus


systématiquement lors du processus de conception ;

• Elle est très pratique lorsque les consignes futures sont connues (en robotique ou
pour les procédés discontinus) ;

• Numériquement stable ; [25]

• Il s’agit d’une méthodologie complétement ouverte dont les principes de base


permettent des extensions futures ; [26]

Toutefois, ils existent quelques inconvénients pour ces méthodes ;

• L’obtention de la loi de commande demande un effort de calcul beaucoup plus grand


que dans le cas d’un régulateur PID conventionnel ;

• Tous les calculs pour obtenir la loi de commande doivent être repris à chaque
période d'échantillonnage ;

• Lorsque des contraintes d’opération sont prises en considération, la solution devient


itérative et les temps de calcul peuvent devenir très importants.

De plus, contrairement aux régulateurs PID, les contrôleurs prédictifs ne peuvent être
réglés sans un modèle explicite du comportement dynamique du système à asservir. [12]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 19


NLMPC-MAS CHAPITRE I

II. TECHNIQUES DE COMMANDE DE LA MACHINE ASYNCHRONE

La machine asynchrone7 (MAS) est un système multivariable, non linéaire, fortement


couplé, à dynamique rapide et à paramètres variant dans le temps. Vu les avantages qu'elle a
sur les autres types de machines électriques, parmi lesquels nous pouvons citer : robustesse,
entretien moins fréquent et faible coût, la machine asynchrone est de loin la plus utilisée dans
les applications requérant la variation de vitesse. Cependant, sa nature non linéaire rend sa
commande compliquée. [27]

II.1. La commande scalaire

Pour garantir la variation de la vitesse de la machine asynchrone sur toute la plage de


fréquence, les industriels ont utilisé la loi 𝑉/𝑓 constante. Cette technique est facile
d’implantation, moins coûteuse donnant aussi des performances statiques acceptables. Elle est
la plus simple et la plus répandue dans la majorité des applications industrielles. Le contrôle
scalaire ne permet pas d’avoir une bonne précision dans la réponse de la vitesse et du couple
suite à la simplicité de sa structure qui tient compte uniquement du régime permanent. Le flux
statorique et le couple ne sont pas directement commandés et les paramètres des machines
alternatives doivent être correctement identifiés. La précision de la vitesse est faible et la
réponse dynamique est lente. [28] (Voir Annexe Figure A.1)

II.2. La commande par orientation de flux8

La commande par orientation de flux (FOC : Field Oriented Control) de la machine


asynchrone, proposée par BLASCHKE en 1972 [29], est une technique de commande classique
pour l'entraînement des machines asynchrones. L'idée fondamentale de cette méthode de
commande est de ramener le comportement de la machine asynchrone à celui d'une machine à
courant continu. Cette méthode se base sur la transformation des variables électriques de la
machine vers un référentiel qui tourne avec le vecteur du flux. Par conséquent, ceci permet de
contrôler le flux de la machine avec la composante 𝑖𝑠𝑑 du courant statorique qui est l'équivalent
du courant inducteur de la machine à courant continu ; Tandis que, la composante 𝑖𝑠𝑞 permet

7
Machine (ou moteur) asynchrone (ou à induction).
8
Commande vectorielle.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 20


NLMPC-MAS CHAPITRE I

de contrôler le couple électromagnétique correspondant au courant induit de la machine à


courant continu [30] [31]. Le schéma de commande du moteur asynchrone par orientation de
flux permet un découplage entre le contrôle du couple et celui du flux. Cependant, il présente
des limites dont certaines remettent en cause ce découplage. La pulsation angulaire 𝜔𝑠, est très
sensible au biais de la mesure de la vitesse 𝜔. Par conséquent, une mauvaise information sur 𝜔
peut nuire à la détermination de la position du flux dans la commande indirecte. En plus, un
autre point faible de cette commande est sa faible robustesse vis-à-vis des variations
paramétriques, et en particulier la variation de la constante de temps rotorique 𝑇𝑟. La mesure
de 𝜔 et l'estimation de 𝑇𝑟 apparaissent comme des problèmes majeurs de la commande par
orientation de flux. Ces points sont des difficultés liées à la modélisation en (𝑑, 𝑞). Par ailleurs,
elles pourraient être possiblement éliminées dans le référentiel (𝛼, 𝛽). Cependant, l'évolution
des variables d'état dans ce référentiel étant sinusoïdale, la mise en œuvre d'une telle commande
impose à la boucle de régulation d'avoir une bande passante suffisante [30]. [27] (Voir Annexe
Figure A.2)

II.3. La commande directe de couple9

Proposée par TAKAHASHI et NOGUICHI en 1986 [32], la commande La directe de


couple (DTC : Directe Torque Control) est basée sur la détermination directe de la séquence
de commande appliquée aux interrupteurs de l'onduleur de tension, qui permet de sélectionner
le vecteur spatial de la tension statorique. La commande du flux statorique et du couple est
réalisée à partir de deux contrôleurs à bande d'hystérésis respectivement à deux (+1, -1) et à
trois (+1, 0, -1) niveaux. L'erreur entre le flux de référence et le flux estimé est injectée dans le
contrôleur hystérésis à deux niveaux qui génère à sa sortie la variable 𝑢∅∗. L'erreur entre le
couple de référence et le couple estimé est injectée dans le double contrôleur hystérésis à trois
niveaux qui génère à sa sortie la variable 𝑢𝑇𝑒𝑚∗. Ce type de commande se démarque dans son
approche de ce qui avait été fait auparavant et constitue une avancée méthodologique dans la
commande des machines, cependant elle conduit à des oscillations de couple. [27] (Voir
Annexe Figure A.3)

9
Commande sans capteur.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 21


NLMPC-MAS CHAPITRE I

II.4. La commande adaptative

Dans certaines applications où les paramètres du procédé variaient avec le temps,


l’utilisation d’un régulateur robuste à paramètres fixes ne suffit plus pour garantir les
performances requises dans l’ensemble des régimes de fonctionnement possibles. C’est ainsi
qu’une identification imprécise ou une variation des paramètres de la machine influe
considérablement sur les performances portées par ces régulateurs. Deux approches se
dégagent pour élaborer un contrôleur adaptatif. [1]

La commande adaptative par modèle de référence (MRAC : Model Reference Adaptive


Control), qui se base sur une mesure de la différence entre les performances réelles et les
performances désirées. Cette information est ensuite utilisée par le mécanisme d’adaptation
pour ajuster les paramètres du régulateur afin de faire tendre l’erreur de comportement ou
l’erreur de poursuite de trajectoire 𝑒𝑐(𝑡) vers zéro [33] [34]. Cette technique demande souvent
des algorithmes plus rapides et favorise une application en temps réel (cas de robots
manipulateurs) [11].

La commande adaptative auto-ajustable encore appelée commande adaptative indirecte


avec identification (MIAC : Model Indirect Adaptative Control) qui se base sur les principes
de séparation et d’équivalence certaine [34]. Le modèle du processus servant pour le calcul du
régulateur est remplacé par un modèle estimé en temps réel à partir des entrées et des sorties
du système à réguler [35]. L’hypothèse de base consiste à supposer que le bloc d’identification
est capable de fournir une bonne estimation de l’état du système à chaque instant précédent le
calcul proprement dit de la loi de commande. L’avantage de la séparation entre identification
et commande est de pouvoir estimer les paramètres du système à contrôler tout en satisfaisant
les objectifs de commande. Pour l’élaboration du régulateur, aucune erreur d’estimation n’est
donc prise en compte [34]. Cependant, la stabilité de cette commande dépend fortement de la
compatibilité des modèles utilisés pour les tâches d’identification et de calcul de la commande.
(Voir Annexe Figure A.4 et A.5)

II.5. La commande par linéarisation entrée-sortie

La commande du moteur asynchrone par linéarisation entrée-sortie (E/S) généralise les


commandes de type vectoriel en assurant le découplage et la linéarisation des relations entre
les entrées et les sorties. Supposant que la totalité du vecteur d'état est mesurable, il est ainsi

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 22


NLMPC-MAS CHAPITRE I

possible de concevoir un retour d'état non linéaire qui assure la stabilité du système bouclé.
Plusieurs travaux [36] [37] [38] [39] [40] ont démontré que cette technique de commande non
linéaire a fait apparaître des propriétés intéressantes quant au découplage couple/flux, au temps
de réponse en couple, et à la robustesse paramétrique. Cette structure de commande apparaît
ainsi comme une alternative intéressante à la commande par orientation du flux. Le système à
contrôler, par une loi de commande par linéarisation, doit être de type carré. Par conséquent,
on peut choisir la vitesse rotorique et la norme du flux rotorique au carré comme sorties du
procédé. Le choix de la norme au carré est dû au fait que cette forme permet de simplifier le
calcul différentiel. La méthode de linéarisation par entrée-sortie est développée à partir de
théories de la géométrie différentielle, elle consiste à utiliser les dérivées de LIE pour exprimer
le modèle de la machine en relation entrée-sortie. Cette stratégie de commande se ramène à la
linéarisation du système en chaînes d'intégrateurs découplées, suivie d'un placement de pôles,
ce qui implique des erreurs importantes dans la phase transitoire des procédés non linéaires.
Voir (Annexe Figure A.6)

II.6. La commande à structures variables par mode glissant

Le mode de glissement est un mode de fonctionnement particulier des systèmes à


structures variables. Ce n’est qu’à partir des années quatre-vingt (au cours du développement
de l’électronique de puissance et des calculateurs), que la commande des systèmes à structures
variables par mode de glissement est devenue intéressante et attractive. Elle est considérée
comme une des approches les plus simples pour la commande des systèmes non linéaires et les
systèmes ayant un modèle imprécis. Le contrôle par mode de glissement possède des avantages
incontestables, tels que la robustesse vis-à-vis les variations des paramètres. Cependant,
l’utilisation de cette méthode de commande a été longtemps limitée à cause des oscillations
produites par le phénomène de CHATTERING qui nécessite une forte oscillation de l’organe
de commande. [35]

III. STRATEGIES DE COMMANDE D’UN ONDULEUR TRIPHASE

Le réglage de la vitesse du rotor d’une machine asynchrone se réalise logiquement par


action simultanée sur la fréquence et la tension statorique. Par conséquent, pour se donner les
moyens de cette action, il faut disposer d’une source d’alimentation capable de délivrer une

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 23


NLMPC-MAS CHAPITRE I

tension d’amplitude et fréquence réglable en valeur instantanée. [41] Un onduleur de tension


triphasé, dont les composants semi-conducteurs contrôlables sont des transistors ou des
thyristors GTO constitue le cœur de l’organe de commande des machines alternatives. [42]

Le but de la commande de l’onduleur est de permettre la meilleure reproduction des


courants ou des tensions perturbés de référence, à travers les ordres de commande appliqués
aux divers interrupteurs de puissance, Les trois principales familles de commande des
convertisseurs statiques sont : [43]

III.1. La commande par hystérésis

Cette commande est très adaptée pour les organes ayant une action à deux positions
comme c’est le cas ici, l’IGBT (Insulated-Gate Bipolar Transistor) peut être soit ouvert ou
bloqué, cette commande consiste à changer la polarisation de la tension de sortie de l’onduleur
de telle sorte à maintenir le courant dans une bande centrée autour de la référence, la dimension
de ce filtre se résume à fixer la largeur de cette bande. Une règle pratique consiste à la prendre
à 5% du courant nominal. Cependant elle ne garantit pas d’une manière systématique le respect
de la fréquence de commutation maximale des semi-conducteurs [44].

Malgré sa simplicité de mise en œuvre, sa robustesse et sa bonne dynamique, cette


commande présente certains inconvénients à savoir :

• La fréquence de commutation est variable ;

• La somme des trois courants n’est pas forcément nulle, ce qui crée un déséquilibre
des courants qui dépend de la bande d’hystérésis. [45] (Voir Annexe Figure A.7)

III.2. La commande par modulation de largeur d’Impulsion (MLI)

Afin de contourner les problèmes précédents, la technique de commande par MLI résout
le problème de la maîtrise de la fréquence de commutation en fonctionnant avec une fréquence
fixe facile à filtrer en aval de l’onduleur. La plus simple et la plus connue des modulations de
largeur d’impulsion est sans doute la MLI à échantillonnage naturel, dite MLI intersective (MLI
sinusoïdale). Cette technique de commande met en œuvre un régulateur qui détermine la
tension de référence de l’onduleur (modulatrice) à partir de l’écart entre le courant mesuré et

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 24


NLMPC-MAS CHAPITRE I

sa référence. Cette dernière est ensuite comparée avec un signal triangulaire (signal de la
porteuse). La sortie du comparateur fournit l’ordre de commande des interrupteurs et les
signaux logiques qui en résultent donnent l’ordre de commutation des interrupteurs du filtre.
[41] [44] [43] (Voir Annexe Figure A.8)

III.3. La commande par MLI vectorielle

La méthode MLI vectorielle est largement utilisée dans la commande des onduleurs,
elle peut augmenter la valeur maximale de la tension de sortie de l’onduleur avec un taux de
distorsion harmonique réduit par rapport à ceux obtenus par la méthode MLI sinusoïdale. Il y
a plusieurs algorithmes utilisant la MLI vectorielle pour commander l’onduleur ou le
redresseur. Le but de toutes les stratégies de modulation est de réduire les pertes de
commutation, les harmoniques et d’assurer une commande précise [46].

Cette technique de MLI suit les principes suivants :

• Le signal de référence est échantillonné à intervalles régulier 𝑇 ;

• Pour chaque phase, réalisation d'une impulsion de largeur 𝑇 centrée sur la période
dont la valeur moyenne est égale à la valeur de la tension de référence à l'instant
d’échantillonnage ;

• Tous les interrupteurs d'un même demi-point ont un étant identique au centre et aux
deux extrémités de la période. [43] [47]

IV. CHOIX DE LA COMMANDE PREDICTIVE

Pour améliorer les performances des méthodes de commande classiques, des procédés
prédictifs ont été combinés à celles-ci. Des travaux de recherche récents ont porté leurs intérêts
sur la commande DTC Prédictive pour le contrôle des systèmes de puissance à entrainement
électrique. On pourra lire [48, 48] [49] [50].

Au début, la difficulté de la mise en œuvre de la commande prédictive dans un système


réel, en tenant compte du petit temps disponible pour les calculs à cause de l'échantillonnage
rapide, a donné naissance à une stratégie appelée MPC hors ligne. Les résultats d'optimisation
sont sauvegardés dans une table de consultation contenant la solution optimale en fonction de

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 25


NLMPC-MAS CHAPITRE I

l'état du système. Le MPC hors ligne a été appliqué pour le contrôle de convertisseurs de
puissance continu-continu, les onduleurs triphasés et pour la commande de moteurs électriques.
[51] [52] [53]

Redresseur Filtre Onduleur

Charge

Réseau
d’alimentation
Commande
de l’onduleur

Figure I.6: Schéma de principe de l’association convertisseur –machine.

Le convertisseur de puissance peut avoir n'importe quelle topologie et nombre de


phases, tandis que la charge représentée sur la figure I.14 peut être une machine électrique, un
réseau ou toute autre charge active ou passive.

La combinaison du convertisseur statique et de la machine asynchrone est à l'heure


actuelle la plus utilisée dans les applications industrielles à vitesse variable, mais étant donné
les inconvénients que l’on retrouve dans les commandes classiques, de hautes performances en
couple et en vitesse (temps de réponse et bon suivi de trajectoire) sont requises et imposées par
les industriels. [48]

Le nombre croissant des applications d'entraînement, caractérisées par une réponse


dynamique rapide, la variation des paramètres et la simplicité des algorithmes, a motivé le
développement de nouvelles stratégies de contrôle pouvant améliorer les performances. Les
premières idées de la commande prédictive appliquées aux convertisseurs de puissance et aux
systèmes d'entraînement électriques sont apparues vers les années 1980 [51] [52].

La commande prédictive présente de nombreux avantages qui font d'elle une véritable
option si de hautes performances dynamiques dans les systèmes d'entraînements électriques
sont exigées Par contre, ce type de contrôle nécessite beaucoup de calcul par rapport aux
contrôles traditionnels. Fort heureusement, les processeurs actuels sont suffisamment
performants pour rendre cette approche réalisable. La différence entre la commande prédictive

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 26


NLMPC-MAS CHAPITRE I

et les lois de commande classiques réside principalement dans le calcul du futur comportement
du système. Par la suite, ce calcul est utilisé dans l'algorithme de contrôle avant que la
différence entre les valeurs de référence et les valeurs mesurées soit faite, contrairement à la
régulation en boucle fermée (PI, par exemple), qui corrige la différence dans le moment présent.
[48]

C'est la raison pour laquelle, la communauté des chercheurs en commande des machines
s'est intéressée à l'application de la commande à modèle prédictif pour le contrôle du moteur
asynchrone [53] [54] [55] [56] [57]. La commande prédictive généralisée (CPG10)
monovariable [25,26] est appliquée à un modèle linéarisé de la machine. Le modèle de la
machine peut être décomposé en une partie linéaire et un autre non linéaire [58] [59]. Une
commande non linéaire prédictive multivariable, basée sur l'optimisation d'une fonction de coût
définie sur un horizon, peut être appliquée à la commande de la machine [57]. Cette
optimisation dépend de quatre paramètres qui sont deux horizons de prédiction minimum et
maximum, l’horizon de commande et le facteur de pondération de la commande, dont
l’ajustement optimal ne peut être garanti.

Dans le cadre de notre travail nous utiliserons la méthode NMPC pour commander le
moteur asynchrone via un onduleur triphasé à deux niveaux. À cette commande nous
associerons une fonction de variation de l’horizon maximal de prédiction. On intégrera alors
dans l’algorithme de prédiction un critère de choix pour l’ajustement optimal de ce paramètre
et on discutera de son impact sur la réponse du système. Cette approche se voit comme un début
de solution pour garantir le meilleur choix d’un paramètre spécifique et faire des perspectives
sur une pénalisation des retards qui en découlent.

Dans ce chapitre, il était de question de faire ressortir la problématique traitée dans notre
mémoire. Pour cela un état des lieux et un état de l’art ont été réalisés autour des commandes
qui intègrent le processus de contrôle de la machine asynchrone. Il en ressort, qu’afin de
pouvoir améliorer les temps de réponse et de suivi de trajectoire, la commande prédictive
s’avère la meilleure à appliquer à la machine asynchrone. Une contribution à l’amélioration de
ladite commande est donc démontrée dans la suite de notre travail.

10
GPC en anglais.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 27


NLMPC-MAS CHAPITRE I I

CHAPITRE II : MATERIEL ET METHODES

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 28


NLMPC-MAS CHAPITRE I I

Dans ce chapitre nous entamons tout d’abord la modélisation de la machine asynchrone dans le
plan triphasé et biphasé, puis nous abordons l’étude de l’association machine convertisseur et enfin
nous présentons la méthode NLMPC utilisée pour la commande de la machine.

I. MODELISATION DE LA MACHINE ASYNCHRONE

I.1. Présentation de la machine asynchrone

Une machine asynchrone à cage est constituée de deux parties : le stator et le rotor. Le
stator représente la partie statique de la machine, il est constitué d'un circuit magnétique
comportant de multiples encoches à l'intérieur desquelles sont bobinés trois enroulements
formant les enroulements statoriques. Au centre de ce cylindre, on trouve le rotor de la machine
dont le circuit magnétique est composé des barres généralement en cuivre ou en aluminium
coulé sous pression. Ces barres sont reliées entre-elles à chaque extrémité par un anneau de
court-circuit11. Notons que les barres sont légèrement inclinées pour éviter l'effet magnétique
d'encochage dû à la forte variation de réluctance qui perturbe le couple. Cette inclinaison
facilite également le démarrage et rend le fonctionnement plus silencieux. La cage est traversée
par l'arbre mécanique qui sort de chaque côté.

Figure II.1: Structure de base de la machine asynchrone. [53]

11
Les phases rotoriques sont court-circuitées sur elle mêmes. 𝑉𝑅𝑎 = 𝑉𝑅𝑏 = 𝑉𝑅𝑐 = 0.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 29


NLMPC-MAS CHAPITRE I I

I.2. Modélisation de la machine asynchrone

La machine asynchrone présente l’avantage d’être robuste, peu coûteuse et de


construction simple. Toutefois son comportement non-linéaire rend sa commande complexe.
Afin d’élaborer des approches de commande assurant les performances voulues, nous avons
besoin d’un modèle reflétant le fonctionnement de la machine en régime transitoire tant qu’en
régime permanent [60].

I.2.1. Hypothèse de travail

Pour établir des relations simples entre les tensions d’alimentation du moteur et ses
courants, il faut s’appuyer sur un certain nombre d’hypothèses :

• Le stator est considéré comme lisse (à entrefer constant). ;

• Le bobinage est réparti de manière à donner une force magnétomotrice (F.M.M)


sinusoïdale s’il est alimenté par des courants sinusoïdaux (ou tensions sinusoïdales)
;

• Une absence de saturation dans le circuit magnétique ;

• Les résistances des enroulements ne varient pas avec la température ;

• On néglige l’effet de peau et les pertes fer. [61] [62] [63]

Ces choix signifient, entre autres que les flux sont additifs, les inductances sont
constantes, les inductances mutuelles entre les enroulements statoriques et rotoriques sont
sinusoïdales, fonction de l’angle électrique de leurs axes magnétiques. [61] [63]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 30


NLMPC-MAS CHAPITRE I I

I.2.2. Modélisation triphasée de la machine

Figure II.2: Représentation des enroulements d’une MAS triphasée.

Soit une machine asynchrone triphasée au stator et au rotor représentée


schématiquement par la Figure II.2. 𝑆𝑎 (𝑅𝑎), 𝑆𝑏 (𝑅𝑏), 𝑆𝑐 (𝑅𝑐) sont les axes de phases statoriques
(rotoriques), 𝜃 l’angle électrique entre l’axe de la phase 𝑆𝑎 statorique et la phase 𝑅𝑎 rotorique
et 𝜔 = 𝑑𝜃⁄𝑑𝑡 la vitesse angulaire électrique du rotor [64], le comportement de la machine est
représenté par les équations électriques, magnétiques et mécaniques qui résultent de son
fonctionnement.

• Équations électriques

Des hypothèses simplificatrices on arrive aux équations suivantes :


𝑉𝑠𝑎 𝑅𝑠 0 0 𝑖𝑆𝑎 ∅𝑠𝑎
𝑑
𝑉
൥ 𝑠𝑏 ൩ = ൥ 0 𝑅𝑠 0 ൩ ൥𝑖𝑆𝑏 ൩ + [∅𝑠𝑏 ] pour le stator (2.1)
𝑑𝑡
𝑉𝑠𝑐 0 0 𝑅𝑠 𝑖𝑆𝑐 ∅𝑠𝑐
𝑉𝑟𝑎 𝑅𝑟 0 0 𝑖𝑟𝑎 ∅𝑟𝑎
𝑑
൥𝑉𝑟𝑏 ൩ = ൥ 0 𝑅𝑟 0 ൩ ൥𝑖𝑟𝑏 ൩ + [∅𝑟𝑏 ] pour le rotor (2.2)
𝑑𝑡
𝑉𝑟𝑐 0 0 𝑅𝑟 𝑖𝑟𝑐 ∅𝑟𝑐

Avec 𝑅𝑆 (𝑅𝑟) la résistance d’une phase statorique (rotorique).

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 31


NLMPC-MAS CHAPITRE I I

• Équations magnétiques

Les équations de flux sont données par :

(2.3)
Pour le stator

2𝜋 2𝜋
𝑀𝑐𝑜𝑠𝜃 𝑀𝑐𝑜𝑠 (𝜃 +) 𝑀𝑐𝑜𝑠 (𝜃 − )
∅𝑠𝑎 𝑙𝑠 𝑀𝑠 𝑀𝑠 𝑖𝑆𝑎 3 3 𝑖𝑟𝑎
2𝜋 2𝜋
[∅𝑠𝑏 ] = ൥𝑀𝑠 𝑙𝑠 𝑀𝑠 ൩ ൥𝑖𝑆𝑏 ൩ + 𝑀𝑐𝑜𝑠 (𝜃 − ) 𝑀𝑐𝑜𝑠𝜃 𝑀𝑐𝑜𝑠 (𝜃 + ) ൥𝑖𝑟𝑏 ൩
∅𝑠𝑐 𝑀𝑠 𝑀𝑠 𝑙𝑠 𝑖𝑆𝑐 3 3 𝑖𝑟𝑐
2𝜋 2𝜋
[𝑀𝑐𝑜𝑠 (𝜃 + 3 ) 𝑀𝑐𝑜𝑠 (𝜃 − 3 ) 𝑀𝑐𝑜𝑠𝜃 ]

(2.4)
Pour le rotor

2𝜋 2𝜋
𝑀𝑐𝑜𝑠𝜃 𝑀𝑐𝑜𝑠 (𝜃 +
) 𝑀𝑐𝑜𝑠 (𝜃 − )
∅𝑟𝑎 𝑙𝑟 𝑀𝑟 𝑀𝑟 𝑖𝑟𝑎 3 3 𝑖𝑆𝑎
2𝜋 2𝜋
[∅𝑟𝑏 ] = ൥𝑀𝑟 𝑙𝑟 𝑀𝑟 ൩ ൥𝑖𝑟𝑏 ൩ + 𝑀𝑐𝑜𝑠 (𝜃 − ) 𝑀𝑐𝑜𝑠𝜃 𝑀𝑐𝑜𝑠 (𝜃 + ) ൥𝑖𝑆𝑏 ൩
∅𝑟𝑐 𝑀𝑟 𝑀𝑟 𝑙𝑟 𝑖𝑟𝑐 3 3 𝑖𝑆𝑐
2𝜋 2𝜋
𝑀𝑐𝑜𝑠 (𝜃 + ) 𝑀𝑐𝑜𝑠 (𝜃 − ) 𝑀𝑐𝑜𝑠𝜃
[ 3 3 ]

Avec 𝑙𝑆 (𝑙𝑟) l’inductance d’une phase statorique (rotorique) ;

𝑀𝑆 (𝑀𝑟) l’inductance mutuelle en deux phases du stator (rotor) ;

𝑀 l’inductance mutuelle entre une phase statorique et une phase rotorique.

• Équation mécanique

Le couple électromagnétique est donné par l’expression générale suivante :

𝑑Ω (2.5)
𝐶𝑒 = 𝐽 + 𝐶𝑟 + 𝐶𝑓 Ω
𝑑𝑡

Avec 𝐶𝑒 le couple moteur de la machine ; 𝐶𝑟 le couple résistant de la charge ;

𝐶𝑓 le coefficient de frottement ; Ω la vitesse mécanique de rotation du rotor ;

𝐽 le moment d’inertie total des masses tournantes.

La résolution analytique du système d’équations (2.1) à (2.4) se heurte à des difficultés


du fait que les termes trigonométriques de la matrice des inductances varient en fonction de la
position ; Ce qui impose l’utilisation de la transformation de Park afin de rendre ces termes
indépendants de la position [65].

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 32


NLMPC-MAS CHAPITRE I I

I.2.3. Modélisation biphasée de la machine

La transformation de PARK permet de transformer les enroulements statoriques et


rotoriques disposés sur trois axes (𝑎, 𝑏, 𝑐) en des enroulements fictifs équivalents (Figure II.3),
du point de vue électriques et magnétiques disposés sur deux axes (𝑑, 𝑞).

Figure II.3: Transformation de PARK.

Avec 𝜃 (𝜃𝑟𝑠) l'angle de rotation du rotor par rapport au stator ;

𝜃𝑠 (𝜃𝑑𝑞𝑠) l’angle de rotation de (𝑑, 𝑞) par rapport au stator ;

𝜃𝑟 (𝜃𝑑𝑞𝑟) l’angle de rotation de (𝑑, 𝑞) par rapport au rotor ;

𝑑𝜃𝑠
𝜔′ la vitesse angulaire électrique du système d’axes (𝑑, 𝑞), (𝜔′ = );
𝑑𝑡

𝑉𝑑 (𝑉𝑞) les tensions de phase ramenées à l’axe 𝑑 (𝑞).

Les angles sont liés par la relation : 𝜃𝑑𝑞𝑠 = 𝜃 + 𝜃𝑑𝑞𝑟

Cette transformation des équations de phase en un système équivalent biphasé est


effectuée grâce à la matrice de transformation de PARK. [41]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 33


NLMPC-MAS CHAPITRE I I

2𝜋 2𝜋
𝑐𝑜𝑠(𝜃) 𝑐𝑜𝑠 (𝜃 −
) 𝑐𝑜𝑠 (𝜃 + ) (2.6)
3 3
2 2𝜋 2𝜋
𝑃(𝜃) = √ −𝑠𝑖𝑛(𝜃) −𝑠𝑖𝑛 (𝜃 − ) −𝑠𝑖𝑛 (𝜃 + ) 12
3 3 3
1 1 1
[ √2 √2 √2 ]

Le changement de variables relatif aux courants, tensions et flux est défini par la
transformation : [𝑑, 𝑞] = [𝑃(𝜃)][𝑎 𝑏 𝑐] (2.7)

La matrice inverse de la transformation de PARK normalisée a pour expression :

1
𝑐𝑜𝑠(𝜃) −𝑠𝑖𝑛(𝜃)
√2
2 2𝜋 2𝜋 1 (2.8)
[𝑃(𝜃)]−1 = [𝑃(𝜃)]𝑇 = √ 𝑐𝑜𝑠 (𝜃 − ) −𝑠𝑖𝑛 (𝜃 − )
3 3 3 √2
2𝜋 2𝜋 1
𝑐𝑜𝑠 (𝜃 + ) −𝑠𝑖𝑛 (𝜃 + )
[ 3 3 √2]

L’angle 𝜃 prend la valeur 𝜃𝑠 pour les grandeurs statoriques et la valeur 𝜃𝑟 (𝜃𝑠 − θ).

(2.9)
On a ainsi : [𝑋𝑑𝑞] = [𝑃(𝜃)][𝑋𝑎𝑏𝑐] ou [𝑋𝑎𝑏𝑐] = [𝑃(𝜃)]−1[𝑋𝑑𝑞]
𝑋 pouvant représenter la tension, le courant et le flux. Par utilisation de la matrice de
passage [𝑃(𝜃)], on obtient dans le plan biphasé (𝑑, 𝑞) les équations suivantes :
• Équations électriques

Pour le stator, (2.1) devient :

𝑑θ𝑑𝑠
𝑉𝑑𝑠 0 𝑖𝑑𝑠 𝑑 ∅𝑑𝑠 0 −
𝑅
[𝑉 ] = [ 𝑠 ][ ] [ ] + [ 𝑑𝑡 ] [∅𝑑𝑠 ] (2.10)
𝑞𝑠 0 𝑅𝑠 𝑖𝑞𝑠 𝑑𝑡 ∅𝑞𝑠 𝑑θ𝑑𝑠 ∅𝑞𝑠
0
𝑑𝑡

Pour le rotor, (2.2) devient :

𝑑θ𝑑𝑠
0 𝑖𝑑𝑟 𝑑 ∅𝑑𝑟 𝑑 0 −
0 𝑅
[ ]=[ 𝑟 ] [𝑖 ] [ ]+ [ 𝑑𝑡 ] [∅𝑑𝑟 ] (2.11)
0 0 𝑅𝑟 𝑞𝑟 𝑑𝑡 ∅𝑞𝑟 𝑑𝑡 𝑑θ𝑑𝑠 ∅𝑞𝑟
0
𝑑𝑡

12 2 2
𝑘 = √ pour la conservation des puissances. 𝑘 = pour la conservation des amplitudes.
3 3

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 34


NLMPC-MAS CHAPITRE I I

• Équations magnétiques

En introduisant : 𝐿𝑠 = 𝑙𝑠 − 𝑀𝑠, l’inductance cyclique propre du stator ;

𝐿𝑟 = 𝑙𝑟 − 𝑀𝑟, l’inductance cyclique propre du rotor ;

𝐿𝑚 = 3⁄2 𝑀, l’inductance cyclique mutuelle stator-rotor ;

L’équation (2.3) du stator devient :


∅𝑑𝑠 𝐿 0 𝑖𝑑𝑠 𝐿 0 𝑖𝑑𝑟
[ ]=[ 𝑠 ] [𝑖 ] + [ 𝑚 ][ ] (2.12)
∅𝑞𝑠 0 𝐿𝑠 𝑞𝑠 0 𝐿𝑚 𝑖𝑞𝑟

L’équation (2.3) du stator devient :


∅𝑑𝑟 𝐿 0 𝑖𝑑𝑟 𝐿 0 𝑖𝑑𝑠
[ ]=[ 𝑟 ][ ] + [ 𝑚 ][ ] (2.13)
∅𝑞𝑟 0 𝐿𝑟 𝑖𝑞𝑟 0 𝐿𝑚 𝑖𝑞𝑠

• Équations mécaniques

Le couple électromagnétique peut-être dérivé de l’expression de la co-énergie ou obtenu


à l’aide d’un bilan de puissance. Il résulte plusieurs expressions toutes égales :

𝐶𝑒 = 𝑝(∅𝑞𝑟 . 𝑖𝑑𝑟 − ∅𝑑𝑟 . 𝑖𝑞𝑟 )


𝐶𝑒 = 𝑝(∅𝑑𝑠 . 𝑖𝑞𝑠 − ∅𝑞𝑠 . 𝑖𝑑𝑠 )
(2.14)
𝐶𝑒 = 𝑝. 𝐿𝑚 (𝑖𝑑𝑟 . 𝑖𝑞𝑠 − 𝑖𝑑𝑠 . 𝑖𝑞𝑟 )
𝐿𝑚
𝐶𝑒 = 𝑝. (∅ . 𝑖 − ∅𝑞𝑟 . 𝑖𝑑𝑠 )
{ 𝐿𝑟 𝑑𝑟 𝑞𝑠

Où 𝑝 désigne le nombre de paire de pôles.

De manière générale, les équations des tensions et des flux de la MAS, écrites dans le
plan (𝑑, 𝑞) d’après (2.10), (2.11), (2.12), (2.13) sont les suivantes :
𝑑∅𝑑𝑠 𝑑𝜃𝑠
𝑉𝑑𝑠 = 𝑅𝑠 . 𝑖𝑑𝑠 + − . ∅𝑞𝑠
𝑑𝑡 𝑑𝑡
𝑑∅𝑞𝑠 𝑑𝜃𝑠
𝑉𝑞𝑠 = 𝑅𝑠 . 𝑖𝑞𝑠 + − . ∅𝑑𝑠
𝑑𝑡 𝑑𝑡
Equations des tensions 𝑑∅𝑑𝑟 𝑑𝜃𝑟
0 = 𝑅𝑟 . 𝑖𝑑𝑟 + .− . ∅𝑞𝑟 (2.15)
𝑑𝑡 𝑑𝑡
𝑑∅𝑞𝑟 𝑑𝜃𝑟
{ 0 = 𝑅𝑟 . 𝑖𝑞𝑟 + .− . ∅𝑑𝑟
𝑑𝑡 𝑑𝑡

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 35


NLMPC-MAS CHAPITRE I I

∅𝑑𝑠 = 𝐿𝑠 . 𝑖𝑑𝑠 + 𝐿𝑚 . 𝑖𝑑𝑟


∅𝑞𝑠 = 𝐿𝑠 . 𝑖𝑞𝑠 + 𝐿𝑚 . 𝑖𝑞𝑟 (2.16)
Equations des flux
∅𝑑𝑟 = 𝐿𝑟 . 𝑖𝑑𝑟 + 𝐿𝑚 . 𝑖𝑑𝑠
{ ∅𝑑𝑟 = 𝐿𝑟 . 𝑖𝑞𝑟 + 𝐿𝑚 . 𝑖𝑞𝑠

I.2.4. Choix du repère

L’isotropie13 du moteur asynchrone permet une grande 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, qui se ramène pratiquement à trois
référentiels (systèmes biphasés) orthogonaux [10].

• Référentiel (𝑑, 𝑞) immobile par rapport au stator (𝛼, 𝛽) : 𝜔′ = 0 ;

• Référentiel (𝑑, 𝑞) immobile par rapport au rotor (𝑥, 𝑦) : 𝜔′ = 𝜔 ;

• Référentiel (𝑑, 𝑞) immobile par rapport au champ tournant : 𝜔′ = 𝜔′′ (𝜔′′ est la vitesse
angulaire électrique de synchronisme).

Caractérisé par :

𝑑θ𝑠
= 𝜔′
{ 𝑑𝑡 (2.17)
𝑑θ𝑟 𝑑θ
=− = −𝑝Ω = −ω
𝑑𝑡 𝑑𝑡

Le référentiel (𝑑, 𝑞) lié au stator (𝛼, 𝛽) est utilisé pour le démarrage et freinage des
machines à courant alternatif ainsi que l’observation et la commande non linéaire.

Dans ce repère, (2.15) s’écrit :

𝑑∅𝑑𝑠
𝑉𝑑𝑠 = 𝑅𝑠 . 𝑖𝑑𝑠 +
𝑑𝑡
𝑑∅𝑞𝑠
𝑉𝑞𝑠 = 𝑅𝑠 . 𝑖𝑞𝑠 + (2.18)
𝑑𝑡
𝑑∅𝑑𝑟
0 = 𝑅𝑟 . 𝑖𝑑𝑟 + + 𝜔. ∅𝑞𝑟
𝑑𝑡
𝑑∅𝑞𝑟
{ 0 = 𝑅𝑟 . 𝑖𝑞𝑟 + + 𝜔. ∅𝑑𝑟
𝑑𝑡

13
Caractéristique d’un système ayant des propriétés identiques dans toutes les directions

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 36


NLMPC-MAS CHAPITRE I I

I.2.5. Équation d’état

La modélisation en représentation d'état en vue de la commande est une approche


appréciée par tout automaticien, surtout pour l'étude d'un système multi-variable. Le modèle
d'état de la machine asynchrone est celui d'un système multi-variable non linéaire de
la forme :

̇ = 𝑓(𝑥) + 𝑔(𝑥)𝑢(𝑡)
𝑥(𝑡)
{ (2.19)
𝑦(𝑡) = ℎ(𝑥)

Avec 𝑢 le vecteur des entrées du système ;

𝑥 le vecteur d’état du système ;

𝑦 le vecteur des sorties du système.

Les fonctions 𝑓, 𝑔 et ℎ sont supposées réelles et possèdent des dérivées partielles


continues.

La mise en œuvre de la commande et de l’observation nécessite un choix judicieux des


vecteurs d’état et de sortie. En effet, le choix du vecteur d’état est lié au pilotage et à
l’observation de la machine asynchrone. Le choix du vecteur des sorties est lié directement aux
objectifs de commande. [66]

Pour la commande de la MAS [27] [29] [63] le choix est porté sur la transposée du
vecteur [𝑥] défini par les courants statoriques, les flux rotoriques dans les axes (𝑑, 𝑞) et la
pulsation.
(2.20)
𝑇
[𝑥] = [𝑖𝑑𝑠(𝛼𝑠) 𝑖𝑞𝑠(𝛽𝑠) ∅𝑑𝑟(𝛼𝑟) ∅𝑞𝑟(𝛽𝑟) 𝜔]

Avec [𝑥] ∈ ℝ5

Les entrées du modèle de la machine sont les deux composantes de la tension statorique
𝑉𝑑𝑞𝑠 (variables de commande) et le couple résistant (constitué des frottements et du couple
charge 𝑇𝐿) considéré comme une perturbation extérieure.

𝑢 = [𝑉𝑑𝑠(𝛼𝑠) 𝑉𝑞𝑠(𝛽𝑠) 𝐶𝑟 ]𝑇 (2.21)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 37


NLMPC-MAS CHAPITRE I I

Le vecteur de sortie est composé des courants statoriques et de la pulsation rotoriques.


Le choix des courants statoriques dans le vecteur de sortie est justifié par le fait qu'ils soient
accessibles par mesure.

𝑦 = [𝑖𝑑𝑠(𝛼𝑠) 𝑖𝑞𝑠(𝛽𝑠) 𝜔]𝑇 (2.22)

La représentation de la MAS est alors :

𝐿𝑟 2 𝑅𝑠 + 𝐿𝑚 2 𝑅𝑟 𝐿𝑚 𝑅𝑟 𝐿𝑚 (2.23)
−( 2 ) . 𝑖𝛼𝑠 + 2 . ∅𝛼𝑟 + 𝑝. . Ω∅𝛽𝑟
𝜎𝐿𝑠 𝐿𝑟 𝜎𝐿𝑠 𝐿𝑟 𝜎𝐿𝑠 𝐿𝑟
𝑖𝛼𝑠̇ 𝐿𝑟 𝑅𝑠 + 𝐿𝑚 2 𝑅𝑟
2
𝐿𝑚 𝐿𝑚 𝑅𝑟
−( ) . 𝑖𝛽𝑠 − 𝑝. . Ω∅𝛼𝑟 + . ∅𝛽𝑟 1/𝜎𝐿𝑠 0 0
𝑖𝛽𝑠̇ 𝜎𝐿𝑠 𝐿𝑟 2 𝜎𝐿𝑠 𝐿𝑟 𝜎𝐿𝑠 𝐿𝑟 2 𝑉𝛼𝑠
0 1/𝜎𝐿𝑠 0
∅𝛼𝑟̇ = 𝐿𝑚 𝑅𝑟 𝑅𝑟 + 0 0 𝑉
[ 𝛽𝑠 ]
. 𝑖𝛼𝑠 − . ∅𝛼𝑟 − 𝑝Ω∅𝛽𝑟 0
∅𝛽𝑟 ̇ 𝐿𝑟 𝐿𝑟 0 0 0 𝐶𝑟
[ 𝜔̇ ] 𝐿𝑚 𝑅𝑟 𝑅𝑟 [ 0 0 −1/𝐽]
. 𝑖𝛽𝑠 − 𝑝Ω. ∅𝛼𝑟 − ∅𝛽𝑟
𝐿𝑟 𝐿𝑟
𝑝𝐿𝑚 𝐶𝑟
. (∅𝛼𝑟 . 𝑖𝛽𝑠 − ∅𝛽𝑟 . 𝑖𝛼𝑠 ) − . Ω
[ 𝐿𝑟 𝐽 ]

𝐿 2
Avec 𝜎 = 1 − (𝐿 𝑚𝐿 ), le coefficient de dispersion de BLONDEL.
𝑠 𝑟

En utilisant (2.17), le modèle d’état dans un référentiel fixe au stator14 est :

𝐿𝑟 2 𝑅𝑠 +𝐿𝑚 2 𝑅𝑟 𝐿 𝑅 𝐿
−( ) . 𝑖𝛼𝑠 + 𝜎𝐿𝑚𝐿 𝑟2 . ∅𝛼𝑟 + 𝑝. 𝜎𝐿𝑚𝐿 . Ω∅𝛽𝑟 (2.24)
𝜎𝐿𝑠 𝐿𝑟 2 𝑠 𝑟 𝑠 𝑟 1
𝑖𝛼𝑠̇ 0
𝐿𝑟 2 𝑅𝑠 +𝐿𝑚 2 𝑅𝑟 𝐿 𝐿 𝑅 1
𝑖𝛽𝑠̇ − ( ) . 𝑖𝛽𝑠 − 𝑝. 𝜎𝐿𝑚𝐿 . Ω∅𝛼𝑟 + 𝜎𝐿𝑚𝐿 𝑟2 . ∅𝛽𝑟 𝜎𝐿𝑠
𝜎𝐿𝑠 𝐿𝑟 2 𝑠 𝑟 𝑠 𝑟 0 𝜎𝐿𝑠
𝑉
̇
∅𝛼𝑟 =
𝐿𝑚 𝑅𝑟 𝑅𝑟
. 𝑖𝛼𝑠 − 𝐿 . ∅𝛼𝑟 − 𝑝Ω∅𝛽𝑟 + 0 0 [ 𝛼𝑠 ]
𝐿𝑟 𝑟 𝑉𝛽𝑠
∅𝛽𝑟 ̇ 𝐿𝑚 𝑅𝑟 𝑅𝑟
0 0
. 𝑖𝛽𝑠 − 𝑝Ω. ∅ 𝛼𝑟 − ∅ 𝛽𝑟 0 0
[ 𝜔̇ ] 𝐿𝑟 𝐿𝑟
[ ]
𝑝𝐿𝑚 𝐶𝑟
[ . (∅ .
𝛼𝑟 𝛽𝑠𝑖 − ∅ .
𝛽𝑟 𝛼𝑠𝑖 ) − . Ω ]
𝐿 𝑟 𝐽

II. MODELISATION DE L’ALIMENTATION

On ne peut commander de la machine asynchrone sans le convertisseur qui lui est


associé pour cette commande et de son alimentation. Généralement la commande se réalise en
agissant sur la fréquence de l’alimentation de la machine à travers un onduleur de tension.

L'implantation de la commande nécessite la modélisation complète de tout le système,


que ce soit la partie à commander ou celle de la commande.

14
Les repères (𝛼, 𝛽) et (𝑑, 𝑞) sont confondus.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 38


NLMPC-MAS CHAPITRE I I

II.1. Modélisation du réseau d’alimentation

La source d'alimentation triphasée est équilibrée, d'amplitude, de tension et de


fréquence constantes. Le réseau est assimilable à une source de tension sinusoïdale en série
avec une impédance, dite de court-circuit.

Figure II.4: Schéma synoptique d’un réseau triphasé.

𝑠𝑖𝑛(𝜔𝑡)
𝑒1 2𝜋
(𝑒2 ) = √2. 𝐸 𝑠𝑖𝑛 (𝜔𝑡 + 3 ) (2.25)
𝑒3 2𝜋
(𝑠𝑖𝑛 (𝜔𝑡 − 3 ))

où 𝜔 = 2𝜋𝑓 est la pulsation.

II.2. Modélisation de l’alimentation de la machine asynchrone

L’alimentation de la machine est constituée d'un transformateur dont le primaire est


connecté au réseau triphasé, d’un redresseur triphasé à diodes (pont de GRAËTZ), d'un filtre
LC et d'un onduleur triphasé à deux niveaux.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 39


NLMPC-MAS CHAPITRE I I

Figure II.5: Schéma de l’ensemble : Redresseur - Filtre LC - Onduleur -MAS.

II.2.1. Modélisation du redresseur

Figure II.6: Redresseur à diodes (Pont de Graëtz).

On utilise un redresseur chaque fois qu’on a besoin de source continue sachant que
l’énergie électrique est disponible en alternative. Les redresseurs ont un très vaste domaine
d’application mais malheureusement leur inconvénient majeur est qu’ils envoient au réseau des
courants non sinusoïdaux riches en harmonique. Nous utilisons un pont triphasé à diodes
alimenté par un système de tension sinusoïdale triphasée, la structure de ce redresseur est
représentée par la figure II.6.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 40


NLMPC-MAS CHAPITRE I I

Deux diodes de même bras ne peuvent conduire simultanément. Lorsque 𝐷1 conduit,


l’une des diodes 𝐷2′ et 𝐷3′ conduit également. Il en vient que 𝐷1 conduit lorsque 𝑉𝑠1 est
supérieure à 𝑉𝑆2 et 𝑉𝑆3.

𝑉𝑆1 = 𝑀𝑎𝑥(𝑉𝑠𝑗) ; 𝑗 = 1,2,3 (2.26)

Le même raisonnement conduit aux conditions suivantes :

𝐷1 conduit si 𝑉𝑠1 = 𝑀𝑎𝑥(𝑉𝑠𝑗) 𝑖 = 1,2,3 𝑗 = 1,2,3


(2.27)

𝐷1 conduit si 𝑉𝑠1 = 𝑀𝑖𝑛(𝑉𝑠𝑗) 𝑖 = 1,2,3 𝑗 = 1,2,3

Pendant chaque conduction la tension 𝑈𝐶ℎ à la sortie du redresseur est :

𝑈𝐶ℎ = 𝑀𝑎𝑥(𝑉𝑠𝑗) − 𝑀𝑖𝑛(𝑉𝑠𝑗) 𝑗 = 1,2,3 (2.28)

La tension 𝑈𝐶ℎ obtenu par le redresseur présente des ondulations, ce qui nécessite un
filtrage.

II.2.2. Modélisation du filtre 𝑳𝑪.

Pour corriger la source de tension continue, on insère à l’entrée de l’onduleur une


capacité 𝐶′, celle-ci absorbe la différence entre le courant unidirectionnel 𝐼𝐶ℎ et le courant 𝐼𝑑,
et supprime les brusques variations de 𝑈𝑑 lors de la commutation ; Par contre, pour réduire
l’ondulation du courant 𝐼𝑑 et protéger l’onduleur contre la vitesse critique de croissance de
courant, on place en série une inductance de lissage 𝐿 (de résistance interne 𝑅) de l’ensemble.

𝑑𝐼𝑐ℎ
𝐿. = 𝑈𝑐ℎ − 𝑈𝑑 − 𝑅𝐼𝑐ℎ
{ 𝑑𝑡 (2.29)
𝑑𝑈𝑑 1
= ′ (𝐼𝑐ℎ − 𝐼𝑑 )
𝑑𝑡 𝐶

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 41


NLMPC-MAS CHAPITRE I I

Figure II.7: Filtre L-C.

En combinant les deux équations précédentes nous obtenons la fonction de transfert


𝐹(𝑠) du filtre.

𝑈𝑑 1
𝐹(𝑠) = = ′ 2 (2.30)
𝑈𝑐ℎ 𝐿𝐶 . 𝑠 + 𝑅𝐶 ′ . 𝑠 + 1

La pulsation correspondante de coupure est :

2 𝑅2 (2.31)
𝜔𝑓 = √ −
𝐿𝐶 ′ 𝐿2

II.2.3. Modélisation de l’onduleur triphasé à deux niveaux

Il est constitué de trois bras, contenant deux interrupteurs pour chacun. Chaque
interrupteur est monté en parallèle inverse avec une diode de récupération. Pour assurer la
continuité des courants alternatifs et éviter le court-circuit de la source, les interrupteurs doivent
être contrôlés de manière complémentaire. Les six diodes sont des diodes, de roue libre assurant
la protection des transistors [69,32,71].

Les commutations établies par les interrupteurs, supposés idéaux, sont décrites par une
fonction de connexion. Cette dernière décrit leurs états ouvert ou fermé. Chaque interrupteur
𝐾𝑥𝑖 est associé à une fonction de connexion 𝑆𝑥𝑖 , tel que :

𝑆𝑥𝑖 = 1, 𝑠𝑖 𝐾𝑥𝑖 𝑒𝑠𝑡 𝑓𝑒𝑟𝑚é (2.32)


{
𝑆𝑥𝑖 = 0, 𝑠𝑖 𝐾𝑥𝑖 𝑒𝑠𝑡 𝑜𝑢𝑣𝑒𝑟𝑡

Avec 𝑥 = 𝑎, 𝑏, 𝑐 (indicateur de phase et 𝑖 = 1,2 numéro de l’interrupteur du bras).

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 42


NLMPC-MAS CHAPITRE I I

Figure II.8: Structure d’un onduleur de tension triphasé à deux niveaux.

Sachant que la fermeture ou l’ouverture simultanée des deux interrupteurs du même


bras conduit au risque de destruction du condensateur et des composants semi-conducteurs,
soit par surintensité soit par surtension, il est indispensable de réaliser une commande
complémentaire entre les deux interrupteurs 𝐾𝑥1 et 𝐾𝑥2 [75,76]. Ce qui conduit à la relation
logique suivante :

̅̅̅̅
𝑆𝑥𝑖 = 𝑆 𝑥𝑖 = 1 − 𝑆𝑥𝑖 (2.33)

L’onduleur de tension à deux niveaux délivre deux niveaux de tensions 𝑉𝑑𝑐/2 et −𝑉𝑑𝑐/2
suivant la fonction de connexion 𝑆𝑥𝑖 comme le montre la fonction ci-dessous [72] :

𝑉𝑑𝑐
𝑠𝑖 𝑆𝑥1 = 1 (𝑆𝑥2 = 0)
𝑉𝑥0 = { 2 (2.34)
𝑉𝑑𝑐
− 𝑠𝑖 𝑆𝑥2 = 1 (𝑆𝑥1 = 0)
2

Les trois tensions phases-point milieu 𝑉𝑎0, 𝑉𝑏0, 𝑉𝑐0 sont donnés par :

𝑉𝑎0 𝑉𝑑𝑐 𝑆𝑎1 − 1 (2.35)


൥𝑉𝑏0 ൩ = . ൥𝑆𝑏1 − 1൩
𝑉𝑐0 2 𝑆 −1
𝑐1

Les tensions composées entre les phases 𝑉𝑎𝑏 , 𝑉𝑏𝑐 , 𝑉𝑐𝑎 deviennent donc :

𝑉𝑎𝑏 𝑆𝑎1 − 1
𝑉𝑑𝑐 𝑉𝑎0 − 𝑉𝑏0 (2.36)
൥ 𝑉𝑏𝑐 ൩ = . ൥ 𝑉𝑏0 − 𝑉𝑐0 ൩ = 𝑉𝑑𝑐 . ൥𝑆𝑏1 − 1൩
𝑉𝑐𝑎 2 𝑉𝑐0 − 𝑉𝑎0 𝑆𝑐1 − 1

Les grandeurs que l'on souhaite contrôler grâce à l'onduleur sont les tensions simples
côté charge (𝑉𝑎, 𝑉𝑏 et 𝑉𝑐). Pour une charge triphasée équilibrée, ces tensions vérifient la relation
suivante :

(2.37)
Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 43
NLMPC-MAS CHAPITRE I I

𝑉𝑎 + 𝑉 𝑏 + 𝑉𝑐 = 0

Les tensions phases-neutre sont données, en fonction des tensions composées et des
tensions phases-point milieu par :

𝑉𝑎𝑏 1 𝑉𝑎𝑏 − 𝑉𝑐𝑎 1 𝑉𝑎0


൥ 𝑉𝑏𝑐 ൩ = . ൥𝑉𝑏𝑐 − 𝑉𝑎𝑏 ൩ = ൥𝑉𝑏0 ൩ (2.38)
𝑉𝑐𝑎 3 𝑉 −𝑉 3 𝑉
𝑐𝑎 𝑏𝑐 𝑐0

En fonction des connexions par :

𝑉𝑎 𝑠
𝑉𝑑𝑐 2 −1 −1 𝑎1
൥𝑉𝑏 ൩ = . ൥−1 2 −1൩ ൥𝑆𝑏1 ൩ (2.39)
3
𝑉𝑐 −1 −1 2 𝑆𝑐1

L’onduleur délivrant les tensions statoriques, celles-ci doivent être mises sous forme
biphasées pour faciliter la commande. En appliquant la transformation triphasé/biphasé
respectant le transfert de puissance on a :

𝑉𝛼𝑠 2 1 −1/2 −1/2 𝑉𝑎


[𝑉 ] = √ .[ ] ൥𝑉𝑏 ൩ (2.40)
𝛽𝑠 3 0 √3/2 −√3/2 𝑉
𝑐

III. NLMPC multivariable

Pour résoudre le problème de poursuite de trajectoires, dans ce qui suit on présente la


stratégie de commande prédictive non linéaire (NLMPC). Le modèle de prédiction est réalisé
à partir d’un développement mathématique sur le modèle de la machine, en utilisant les notions
de géométrie différentielle sur la commande. On applique au moteur une loi de commande non
linéaire prédictive pour suivre les trajectoires désirées aux sorties des courants statoriques,
module de flux rotoriques et vitesse électrique rotorique pour obtenir en sortie la vitesse de
rotation mécanique et le couple. La commande est réalisée en boucle fermée sur les commandes
et boucle ouverte sur les sorties.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 44


NLMPC-MAS CHAPITRE I I

Considérons le système non linéaire définit par (2.19).

Où 𝑓, 𝑔 et ℎ sont des fonctions différentiables de 𝑁𝑦 . 𝑥 ∈ ℝ𝑛 est le vecteur des variables


d’état, . 𝑢 ∈ ℝ𝑚 est le vecteur de commande et 𝑦 ∈ ℝ𝑚 est le vecteur de sortie tel que :

𝑢(𝑡) = [𝑢1 (𝑡) 𝑢2 (𝑡) ⋯ 𝑢𝑚 (𝑡)]𝑇


{ (2.40)
𝑦(𝑡) = [𝑦1 (𝑡) 𝑦2 (𝑡) ⋯ 𝑦𝑚 (𝑡)]𝑇

L’objectif classique en commande est d’exiger de la sortie du système commandé


l’atteinte d’une consigne le plus rapidement possible. Dans le contexte prédictif, l’erreur de
poursuite prédite est minimisée sur un horizon fini.

Le modèle de prédiction d’un système non linéaire est une fonction continue qui permet
de calculer la sortie du système à l’instant futur (𝑡 + ℎ), où ℎ > 0 est l’horizon de prédiction.

De ce fait la fonction de coût est définie sur un horizon futur par :

1 𝑇2
𝐽= ∫ (𝑦(𝑡 + 𝑇) − 𝑦𝑟 (𝑡 + 𝑇))𝑡 (𝑦(𝑡 + 𝑇) − 𝑦𝑟 (𝑡 + 𝑇))𝑑𝑇 (2.41)
2 𝑇1

Où 𝑦𝑟 est le vecteur des sorties désirées ;

𝑇1 et 𝑇2 sont respectivement les temps de prédiction minimum et maximum.

Le terme de la pondération du contrôle n’intervient pas dans la fonction coût. Cependant


la pondération peut être accomplie en ajustant les temps de prédiction 𝑇1 et 𝑇2 et l’ordre du
contrôle dans NLMPC. Le développement en série de TAYLOR de la sortie 𝑦 est donné par :

𝑇̅ 2 𝑇̅𝑁𝑦 [𝑁 ]
𝑦(𝑡 + 𝑇) = 𝐼𝑚∗𝑚 𝑦(𝑡) + 𝑇̅𝑦̇ (𝑡) + 𝑦̈ (𝑡) + ⋯ + 𝑦 𝑦 (𝑡)
2! 2!
(2.42)
Avec 𝑇̅ = 𝑑𝑖𝑎𝑔{𝑇̅ ⋯ 𝑇̅} ∈ ℝ 𝑚∗𝑚
;

𝑁𝑦 = 𝜌 + 𝑟 ;

𝑟 est le degré relatif ;

𝜌 est l’ordre de contrôle.

Si on utilise la forme matricielle, [27] [29], la sortie est récrite comme suit :

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 45


NLMPC-MAS CHAPITRE I I

𝑦(𝑡 + 𝑇) = 𝑇̅𝑁𝑦 𝑌𝑁𝑦 (2.42)

𝑌𝑁𝑦 ∈ ℝ𝑚(𝜌+𝑟+1)

𝑇
𝑌𝑁𝑦 = [𝑦 𝑦̇ 𝑦̈ ⋯ 𝑦 [𝑁𝑦 ] ] (2.43)

𝑇̅𝑁𝑦 ∈ ℝ𝑚(𝜌+𝑟+1)

𝑇
𝑇̅ 2
𝑇̅𝑁𝑦 = [𝐼𝑚∗𝑚 𝑇̅ ⋯ 𝑦 [𝑁𝑦 ] ] (2.44)
2!

Avec 𝐼𝑚∗𝑚 la matrice identité.

La dérivée de LIE, dérivée directionnelle de ℎ(𝑥) suivant le champ de vecteurs


𝑓(𝑥) est définie par :
𝑛
𝜕ℎ𝑖 𝜕ℎ𝑖
𝐿𝑓 . ℎ𝑖 = ∑ . 𝑓𝑖 (𝑥) = . 𝑓 (𝑥) (2.45)
𝜕𝑥𝑖 𝜕𝑥𝑖 𝑖
𝑖=1

Par itération on a la relation suivante :


𝜕𝐿𝑓 . ℎ𝑗
𝐿𝑔 . 𝐿𝑓 . ℎ𝑗 = . 𝑔(𝑥) (2.46)
𝜕𝑥
Et
(2.47)
𝑦̇ = 𝐿𝑓 ℎ(𝑥)𝑦̇ (𝑡) = 𝐿𝑓 ℎ(𝑥)
𝑦̈ (𝑡) = 𝐿𝑓 2 ℎ(𝑥)

𝑦 (𝑡) = 𝐿𝑓 ℎ(𝑥) + 𝐿𝑔 𝐿𝑓 𝜌−1 ℎ(𝑥)𝑢(𝑡)
[𝜌] 𝜌

𝑦 [𝜌+1] (𝑡) = 𝐿𝑓 𝜌+1 ℎ(𝑥) + 𝐽10 (𝑥)𝑢(𝑡) + 𝐿𝑔 𝐿𝑓 𝜌−1 ℎ(𝑥)𝑢̇ (𝑡)


𝑦 [𝜌+2] (𝑡) = 𝐿𝑓 𝜌+1 ℎ(𝑥) + 𝐽20 (𝑥)𝑢(𝑡) + 𝐽21 (𝑥)𝑢̇ (𝑡) + 𝐿𝑔 𝐿𝑓 𝜌−1 ℎ(𝑥)𝑢̈ (𝑡)

𝑦 [𝜌+𝑟] (𝑡) = 𝐿𝑓 𝜌+𝑟 ℎ(𝑥) + 𝐽𝑟0 (𝑥)𝑢(𝑡) + 𝐽𝑟1 (𝑥)𝑢̇ (𝑡) + ⋯ + 𝐽𝑟(𝑟−1) (𝑥)𝑢[𝑟−1] (𝑡) + 𝐿𝑔 𝐿𝑓 𝜌−1 ℎ(𝑥)𝑢𝑟

L’équation (2.47) peut être écrite sous forme matricielle :

𝑌𝑁𝑦 = 𝑌(𝑥) + 𝐻(𝑥)𝑈𝑟 (2.48)

Où 𝑌(𝑥) ∈ ℝ𝑚(𝜌+𝑟+1) ;

𝑈𝑟 ∈ ℝ𝑚(𝑟+1) ;

𝐻(𝑥) ∈ ℝ𝑚
(𝜌+𝑟+1)∗𝑚(𝑟+1)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 46


NLMPC-MAS CHAPITRE I I

𝑇
Avec 𝑌𝑁𝑦 = [ℎ(𝑥) 𝐿𝑓 ℎ(𝑥) ⋯ 𝐿𝑓 𝜌 ℎ(𝑥) 𝐿𝑓 𝜌−1 ℎ(𝑥) ⋯ 𝐿𝑓 𝜌−𝑟 ℎ(𝑥)] (2.49)

𝑈𝑟 = [𝑢(𝑡) 𝑢̇ (𝑡) ⋯ 𝑢[𝑟] ] (2.50)

0𝑚∗𝑚 0𝑚∗𝑚 0𝑚∗𝑚


0𝑚∗𝑚 0𝑚∗𝑚 0𝑚∗𝑚
⋮ ⋮ ⋮
𝐿𝑠 𝐿𝑓 𝜌−1 ℎ 0𝑚∗𝑚 0𝑚∗𝑚
𝐻(𝑥) = 𝐽10 𝐿𝑠 𝐿𝑓 𝜌−1 ℎ
⋯ 0𝑚∗𝑚 (2.51)
𝐽20 𝐽21 0𝑚∗𝑚
⋮ ⋮ ⋮
[ 𝐽𝑟0 𝐽𝑟1 𝐿𝑠 𝐿𝑓 𝜌−1 ℎ]

Les 𝐽𝑖𝑗 sont des fonctions de 𝑥 qui sont dérivées à partir de la sortie (2.47). La
différentiation est faite jusqu’à ce que le signal apparaisse dans la prédiction.

Le prédicteur de référence 𝑦𝑟 (𝑡 + 𝑇) est approximativement développé de 𝑦𝑟 (𝑡 + 𝑇) à


l’instant 𝑡 jusqu’à l’ordre (𝜌 + 𝑟) :

𝑦𝑟 (𝑡 + 𝑇) = 𝑇̅𝑁𝑦 𝑌𝑟 (2.52)

Où 𝑌𝑟 = [𝑦𝑟 (𝑡) 𝑦𝑟̇ (𝑡) ⋯ 𝑦𝑟 [𝜌−1] (𝑡)]𝑇

𝑦𝑟 (𝑡) = [𝑦𝑟1 (𝑡) 𝑦𝑟2 (𝑡) ⋯ 𝑦𝑟𝑛 (𝑡)]𝑇

La fonction coût (2.41) devient : [1]

1 𝑇2 𝑇
𝐽= ∫ [𝑇̅𝑁𝑦 𝑌 + 𝑇̅𝑁𝑦 𝐻𝑈𝑟 − 𝑇̅𝑁𝑦 𝑌𝑟 ] [𝑇̅𝑁𝑦 𝑌 + 𝑇̅𝑁𝑦 𝐻𝑈𝑟 − 𝑇̅𝑁𝑦 𝑌𝑟 ] 𝑑𝑇
2 𝑇1

1 𝑇2 𝑇
= ∫ [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ]𝑇 𝑇̅𝑁𝑦 𝑇̅𝑁𝑦 [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ]𝑑𝑇
2 𝑇1
𝑇2
1 𝑇
= [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ] [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ] ∫ 𝑇̅𝑁𝑦 𝑇̅𝑁𝑦 𝑑𝑇
𝑇
2 𝑇1

1
= [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ]𝑇 [𝑌 + 𝐻𝑈𝑟 − 𝑌𝑟 ]𝑇̅𝑁𝑦 (2.53)
2

La loi non linéaire qui minimise la fonction de coût définie sur un horizon fuyant est
donnée par :

(2.54)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 47


NLMPC-MAS CHAPITRE I I

−1
𝑈𝑟 = (𝐻 𝑇 𝑇̅𝑁𝑦 𝐻) 𝐻 𝑇 𝑇̅𝑁𝑦 (𝑌𝑟 − 𝑌) = 𝐾(𝑌𝑟 − 𝑌)

Avec 𝐾 ∈ ℝ𝑚(𝜌+𝑟+1)∗𝑚(𝑟+1) .

Selon la stratégie de l’horizon fuyant, seulement les premiers 𝑚 éléments d’un


ensemble de contrôles sont appliqués au système. Par conséquent le vecteur commande est
donné par :

𝑢(𝑡) = 𝑘(𝑌𝑟 − 𝑌) (2.55)

Où 𝑘 est le m premier élément de 𝐾.

Le modèle mathématique de la machine asynchrone est donné par (2.23).

La fonction 𝑓(𝑥) et la matrice constante 𝑔 sont définis comme suit :

𝐿𝑟 2 𝑅𝑠 + 𝐿𝑚 2 𝑅𝑟 𝐿𝑚 𝑅𝑟 𝐿𝑚
−( ) . 𝑖𝛼𝑠 + . ∅𝛼𝑟 + 𝑝. . Ω∅𝛽𝑟
𝜎𝐿𝑠 𝐿𝑟 2 𝜎𝐿𝑠 𝐿𝑟 2
𝜎𝐿𝑠 𝐿𝑟
𝐿𝑟 2 𝑅𝑠 + 𝐿𝑚 2 𝑅𝑟 𝐿𝑚 𝐿𝑚 𝑅𝑟
−( 2
) . 𝑖𝛽𝑠 − 𝑝. . Ω∅𝛼𝑟 + . ∅𝛽𝑟
𝜎𝐿𝑠 𝐿𝑟 𝜎𝐿𝑠 𝐿𝑟 𝜎𝐿𝑠 𝐿𝑟 2
𝐿𝑚 𝑅𝑟 𝑅𝑟
𝑓(𝑥) = . 𝑖𝛼𝑠 − . ∅𝛼𝑟 − 𝑝Ω∅𝛽𝑟 (2.56)
𝐿𝑟 𝐿𝑟
𝐿𝑚 𝑅𝑟 𝑅𝑟
. 𝑖𝛽𝑠 − 𝑝Ω. ∅𝛼𝑟 − ∅𝛽𝑟
𝐿𝑟 𝐿𝑟
𝑝𝐿𝑚 𝐶𝑓
. (∅𝛽𝑟 . 𝑖𝛽𝑠 − ∅𝛽𝑟 . 𝑖𝛼𝑠 ) − .Ω
[ 𝐿𝑟 𝐽 ]

1 0
𝜎𝐿𝑠 1
𝑔 = 0 𝜎𝐿𝑠 (2.57)
0 0
[ 0 0 ]

Les sorties choisies sont (2.21). On peut encore écrire :

ℎ1 (𝑥) 𝑦1 (𝑥) = ℎ1 (𝑥) = 𝑖𝛼𝑠 2 + 𝑖𝛽𝑠 2 (2.58)


𝑦 = ℎ(𝑥) = [ ]⟹{
ℎ2 (𝑥) 𝑦2 (𝑥) = ℎ2 (𝑥) = 𝜔

Le degré relatif des entrées (𝑉𝛼𝑠 , 𝑉𝛽𝑠 ) aux sorties (𝑦1 , 𝑦2 ) est 𝑟 = 2. Pour réduire la
charge du calcul, l’ordre du contrôle est choisi égal à zéro (𝑝 = 0).[67] [1] Cette hypothèse
n’affecte pas la performance du contrôleur.

Sorties de la vitesse de rotation électrique :

(2.59)
Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 48
NLMPC-MAS CHAPITRE I I

𝑦1 (𝑡) = ℎ1 (𝑥)
{ 𝑦1̇ (𝑡) = 𝐿𝑓 ℎ1 (𝑥)
2
𝑦̈ 1 (𝑡) = 𝐿𝑓 ℎ1 (𝑥) + 𝐿𝑔1 𝐿𝑓 ℎ1 (𝑥)𝑉𝛼𝑠 (𝑡) + 𝐿𝑔1 𝐿𝑓 ℎ1 (𝑥)𝑉𝛽𝑠 (𝑡)

Sorties des courants :

𝑦2 (𝑡) = ℎ2 (𝑥) (2.60)


{ 𝑦2̇ (𝑡) = 𝐿𝑓 ℎ2 (𝑥)
𝑦̈ (𝑡) = 𝐿𝑓 2 ℎ2 (𝑥) + 𝐿𝑔1 𝐿𝑓 ℎ2 (𝑥)𝑉𝛼𝑠 (𝑡) + 𝐿𝑔1 𝐿𝑓 ℎ2 (𝑥)𝑉𝛽𝑠 (𝑡)

En utilisant le développement de Taylor, les sorties prédites donnent :

𝑇2
𝑦1 (𝑡 + 𝑇) = 𝑦1 (𝑡) + 𝑇𝑦1̇ (𝑡) + 𝑦̈ (𝑡)
2 1
(2.61)
2
𝑇
𝑦2 (𝑡 + 𝑇) = 𝑦2 (𝑡) + 𝑇𝑦2̇ (𝑡) + 𝑦̈ (𝑡)
2 2

Le prédicteur de référence 𝑦𝑟 = [𝑦𝑟1 , 𝑦𝑟2 ]𝑇 peut-être exprimé par le développement


de TAYLOR :

𝑇2
𝑦𝑟1 (𝑡 + 𝑇) = 𝑦𝑟1 (𝑡) + 𝑇𝑦𝑟1
̇ (𝑡) + 𝑦̈ (𝑡)
2 𝑟1
(2.62)
2
𝑇
𝑦𝑟2 (𝑡 + 𝑇) = 𝑦𝑟2 (𝑡) + 𝑇𝑦𝑟2
̇ (𝑡) + 𝑦̈ (𝑡)
2 𝑟2

Pour la machine asynchrone la fonction de coût est donnée par :

1 𝑇2
𝐽= ∫ [𝑇𝑌 + 𝑇𝐻𝑢 − 𝑇𝑌𝑟 ]𝑇 [𝑇𝑌 + 𝑇𝐻𝑢 − 𝑇𝑌𝑟 ]𝑑𝑇 (2.63)
2 𝑇1

Où 𝑇 = [𝐼2∗2 𝑇 ∗ 𝐼2∗2 (𝑇 2 ⁄𝐼2∗2 ) ∗ 𝐼2∗2 ]

𝑇
𝑌 = [ℎ(𝑥) 𝐿𝑓 ℎ(𝑥) 𝐿𝑓 2 ℎ(𝑥)]

𝐿𝑓 ℎ(𝑥) = [𝐿𝑓 ℎ1 (𝑥) 𝐿𝑓 ℎ2 (𝑥)]𝑇

𝑇
𝑣 = [𝐿𝑓 2 ℎ1 (𝑥) 𝐿𝑓 2 ℎ2 (𝑥)]

𝑦𝑟 = [𝑦𝑟 𝑦𝑟̇ 𝑦𝑟̈ ]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 49


NLMPC-MAS CHAPITRE I I

𝑇
0 0 0 0 𝐿𝑔1 𝐿𝑓 ℎ1 (𝑥) 𝐿𝑔1 𝐿𝑓 ℎ2 (𝑥)
𝐻=[ ]
0 0 0 0 𝐿𝑔2 𝐿𝑓 ℎ1 (𝑥) 𝐿𝑔2 𝐿𝑓 ℎ2 (𝑥)

La loi de commande non linéaire optimale est :

𝑢(𝑡) = (𝐻 𝑇 𝑇̅𝐻)−1 𝐻 𝑇 𝑇̅(𝑌𝑟 − 𝑌) (2.64)

Où 𝑇̅ = ∫ 𝑇 𝑇 𝑇𝑑𝑇

La structure générale de la commande non linéaire prédictive à base de modèle


multivariable appliquée à la machine asynchrone est représentée par la figure II.10

𝛼, 𝛽
∗ ∗
𝜑𝑟 ∗ , Ω∗ 𝑉𝛼𝑠 , 𝑉𝛽𝑠 𝑉𝑠𝑎 ∗ , 𝑉𝑠𝑏 ∗ , 𝑉𝑠𝑐 ∗
NLMPC Onduleur MAS

Modèle 𝑎, 𝑏, 𝑐 𝐶𝑁𝐴
Contraintes
Perturbations
𝑎, 𝑏, 𝑐
Fonction de coût
Mesure 𝑉𝛼𝑠 , 𝑉𝛽𝑠 𝑉𝑠𝑎𝑏𝑐 , 𝐼𝑠𝑎𝑏𝑐

. 𝛼, 𝛽

Figure II.9: Structure générale de la commande NLMPC

Pour le choix optimal du paramètre « Temps de prédiction » (Temps de prédiction


maximal ou minimal) on représente les références par une fonction obtenue grâce à
l’interpolation de LAGRANGE (spline cubique ou interpolation polynomiale par morceau).

Soient 𝑛 + 1 points distincts 𝑥𝑖 et 𝑛 + 1 réels 𝑦𝑖 . Il existe un unique polynôme 𝑃 ∈ 𝑃𝑛


tel que 𝑃(𝑥𝑖 ) = 𝑦𝑖 pour 𝑖 = 0 à 𝑛.
𝑛

𝑃(𝑥) = ∑ 𝑦𝑖 𝐿𝑖 (𝑥) (2.65)


𝑖

Avec 𝐿𝑖 le polynôme de LAGRANGE


𝑛
(𝑥 − 𝑥𝑗 )
𝐿𝑖 (𝑥) = ∏ (2.66)
(𝑥𝑖 − 𝑥𝑗 )
𝑗=0
𝑗≠1

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 50


NLMPC-MAS CHAPITRE I I

Grace à la méthode (Algorithme) de NEVILLE on augmente progressivement 𝑛, on


calcule les 𝐿𝑖 de manière récursive et on arrête dès que l’erreur est inférieure à un seuil. On
obtient alors :

𝑦𝑟1 (𝑡 + 𝑇) = 𝑃𝑟1 (𝑡)


(2.66)
𝑦𝑟2 (𝑡 + 𝑇) = 𝑃𝑟2 (𝑡)

A chaque pas d’échantillonnage, on prendra 𝑇 pour :

𝑃𝑟1 − 𝑦1 (𝑡 + 𝑇) = 0
(2.67)
𝑃𝑟2 − 𝑦2 (𝑡 + 𝑇) = 0

Il était question dans ce chapitre de ressortir tous les outils mathématiques et les
méthodes utilisées pour apporter une solution à la problématique posée au chapitre I. Les
modélisations étant faites, les simulations qui suivent ont pour but d’approuver ou non
l’ensemble de notre démarche scientifique.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 51


NLMPC-MAS CHAPITRE I I I

CHAPITRE III : RESULTATS ET DICUSSIONS

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 52


NLMPC-MAS CHAPITRE I I I

Dans ce chapitre, nous présenterons d’abord les résultats obtenus avec la machine
asynchrone directement alimentée par le réseau, associée au convertisseur de puissance,
commandée sans le choix optimal du paramètre « Temps de prédiction » puis commandé avec
le choix optimal du paramètre « Temps de prédiction.

La machine utilisée en simulation, est une machine asynchrone à cage d’écureuil. Ayant
les paramètres suivants :

• Valeurs nominales Puissance 3 𝑘𝑊


Fréquence 50 𝐻𝑧
Tension (∆/𝑌) 220/380 𝑉
Courant (∆/𝑌) 11.6/6.7 𝐴
Paires de pôle 2 ---
• Constantes 𝑅𝑠 2.890 Ω

𝑅𝑟 2.390 Ω

𝐿𝑠 0.225 𝐻

𝐿𝑟 0.220 𝐻

𝐿𝑚 0.214 𝐻

𝐽 0.005 𝐾𝑔𝑚2

L’onduleur triphasé à deux niveaux utilisé est commandé par MLI et non réglé. Pour
toutes les simulations on appliquera au temps 𝑡 = 0.02𝑠 un couple résistant 𝐶𝑟 = 0.05 𝑁. 𝑚.
Le pas d’échantillonnage utilisé est de 0.1 seconde. Les simulations sont effectuées sur le
logiciel MATLAB/SIMULINK 2018b installé dans un ordinateur portable TOSHIBA (AMD-
A4-5000 APU with Radeon™ HD Graphics _(4CPUs) _1.5 GHz, 4096MB RAM).

Nous expérimentons notre simulation dans un environnement où aucune mesure


satisfaisante pour l’obtention du résultat recherché n’est prise en compté afin d’évaluer la
pertinence des méthodes utilisées.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 53


NLMPC-MAS CHAPITRE I I I

I. COUPLAGE DIRECTE

Figure III.1: Ce (N.m) Figure III.2: 𝛀 (𝒓𝒂𝒅/𝒔)

Figure III.3: 𝝎(𝒓𝒂𝒅/𝒔) Figure III.4: Champ tournant

Figure III.5: 𝑰𝒔 (𝑨) Figure III.6 : 𝝋𝒓 (𝑾𝒃)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 54


NLMPC-MAS CHAPITRE I I I

II. COUPLAGE VIA LES CONVERTISSEURS

Figure III.7: Ce (N.m)

Figure III.8: 𝛀 (𝒓𝒂𝒅/𝒔)

Figure III.9: Champ tournant

Figure III.10: 𝑰𝒔 (𝑨)

Figure III.11: 𝝋𝒓 (𝑾𝒃)

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 55


NLMPC-MAS CHAPITRE I I I

III. COMMANDE AVEC LE TEMPS DE PREDICTION FIXE

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 56


NLMPC-MAS CONCLUSION GENERALE

CONCLUSION GENERALE

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 52


NLMPC-MAS

ANNEXES

Figure A.1: Schéma de la commande scalaire avec contrôle de V/f. [1]

Figure A.2 : Structure de la commande à flux rotorique orienté. [1]

Figure A.3: Structure de la commande directe du couple. [1]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 A


NLMPC-MAS

Figure A.4: Schéma de principe MRAC. [1]

Figure A.5: Schéma de principe MIAC. [1]

Figure A.6: Schéma bloc de Commande par linéarisation E/S. [1]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 B


NLMPC-MAS

Figure A.7: Commande par hystérésis [67]

Figure A.8: Principe de commande des courants par MLI. [67]

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 C


NLMPC-MAS

BIBLIOGRAPHIE

[1] S. Meziane, Commandes Adaptative Et Prédictive De La Machine


Asynchrone, Thèse De Doctorat, Université De Constantine, 2009.
[2] J. Richalet, A. Rault, J.L. Testud, J. Papon, Model Predictive Heuristic
Control : Applications To Industrial Processes, 1978: Automatica.
[3] D. W. Clarke, C. Mohtadi, And P. S., Generalized Predictive Control,
1987: Automatica.
[4] M. Dabo, Commande Prédictive Généralisée Non Linéaire A Temps
Continu Des Systèmes Complexes, Thèse De Doctorat, Université De Rouen,
France, 2010.
[5] J. P. Corriou, Commande Prédictive Des Procédés, Lavoisier Tec &: Doc,
2003.
[6] S. Oralu, Contribution A L’étude De La Commande Prédictive Sous
Contraintes Par Approche Géométrique, Thèse De Doctorat Université Paris Xi
Orsay, 2005.
[7] A. Bezzini, Commande Prédictive Non Linéaire En Utilisant Les
Systèmes Neuro-Flous Et Les Algorithmes Génétiques, Mémoire De Magister,
Université Mohamed Khider De Biskra, 2013.
[8] S. Aouaouda, Modélisation Multimodèle Et Commande Prédictive D'une
Station D’épuration, Thèse De Doctorat, Université Badji Mokhtar-Annaba
(Ubma), 2012.
[9] O. Bourebia, Commande Prédictive Floue Des Systèmes Non Linéaires,
Thèse De Doctorat, Université Mentouri De Constantine, 2011.
[10] A. Benbrahim, Commande Prédictive Généralisée D’une Machine
Synchrone A Aimants Permanents, Mémoire De Magistère, Université De Batna,
2009.
[11] P. Boucher, D. Dumur, La Commande Prédictive, T Editions Technip,
1996.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 D


NLMPC-MAS

[12] Y. Ferdjoukh, Commande Prédictive Généralisée : Application Au Moteur


A Excitation Séparée, Master En Automatique, Université Mohamed Boudiaf –
M’sila, 2015.
[13] M. Balhousse, Commande D'un Procédé De Cuisson De Peintures En
Poudre, Master 2 Professionnel, Université Claude Bernard Lyon 1, 2007.
[14] E. Granado, Commande Prédictive A Base De Programmation Semi
Définie, Thèse De Doctorat, Institut National Des Sciences Appliquées, 2004.
[15] M.B. Ben Slimen, Conception De Lois De Commande Structurées
(Hiérarchisées, Décentralisées) Pour Les Chaines De Traction Pilotées, Thèse De
Doctorat, Université De Nantes, 2011.
[16] R. E. Kalman, Contributions To The Theory Of Optimal Control, Vol. 5,
Bulletin De La Société Mathématique De Mexicana, 1960, P. 102–119.
[17] C. R. Cutler, B. L. Ramaker, Dynamic Matrix Control - A Computer
Control Algorithm. Proceedings Of The Joint Automatic Control Conference
(Jacc), 1980.
[18] D. M. Prett, Optimization And Constrained Multivariable Control Of A
Catalytic Cracking Unit, Aiche National Meeting, Houston-Texas, 1979.
[19] P. Grosdidier, B. Froisy, M. Hamman, The Idcom-M Controller,
Proceedings Of The 1988 Ifac Workshop On Model Based Process Control, 1979.
[20] J. B. Froisy, T. Matsko , Idcom-M Application To The Shell Fundamental
Control Problem, Aiche Annual Meeting, 1990.
[21] P. Marquis, J. P. Broustail, Smoc, A Bridge Between State Space And
Model Predictive Controllers: Application To The Aut Omation Of A
Hydrotreating Unit, Proceedings Of The 1988 Ifac Workshop On Model-Based
Process Control, 1998.
[22] C. Yousfi & R. Tournier, 1991, Steady-State Optimization Inside Model
Predictive Control, Proceedings Of American Control Conference.
[23] S. J. Qin & T. A. Badgwell, 2003, (Vol. 11). Control Engineering Practice,
A Survey Of Industrial Model Predictive Control Technology.
[24] H. Demirciogl, Continuous-Time Self-Tuning Algorithms, Thèse
Dedoctorat, Glasgow University, Department Of Mechanical Engineering, 1989.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 E


NLMPC-MAS

[25] L. Matoug, Modélisation Et Commande Prédictive D’une Station De


Production D’eau Glacée Basée Sur Un Compresseur Scroll, Mémoire De
Magister, Université Badji-Mokhtar Annaba, 2008.
[26] J. Bouchard, Commande Prédictive Basée Sur La Simulation : Application
A La Flot Tation En Colonne, Thèse De Doctorat, Université Laval, 2007.
[27] A. Merabet, Commande Non Linéaire A Modèle Prédictif Pour Une
Machine Asynchrone, Thèse De Doctorat, Université Du Québec A Chicoutimi,
2007.
[28] A. Mechernene Et A. Mechernene, Commande Neuro-Floue Adaptative
Pour La Régulation De Vitesse D’un Moteur Asynchrone, Mémoire De Magister,
Université Badji-Mokhtar Annaba, 2008.
[29] M. Ouhrouche, A. Merabet, R.T. Bui, Model Reference Neural Predictive
Controller For Induction Motor Drive, Proceedings Of The 9th Wseas
International Conference On Systems, Vouliagmeni, Athens, Greece, 2005.
[30] C. Canudas De Wit, Commande Des Moteurs Asynchrones 16
Modélisation, Contrôle Vectoriel Et Dtc »., Hermès Science Publication., 2000.
[31] G. Grellet, G. Clerc, Actionneurs Electriques, Eyrolles, France.
[32] Marino R., S. Peresada And P. Valigi, "Adap Tive Input-Output
Linearizing Control Of Induction Motors, Ieee Transactions On Automatic, 1993.
[33] O. Pages, Etude Et Comparaison De Différentes Structures De Commande
Multi-Contrôleurs Application A Un Axe Robotise, Ecole Supérieure
D’ingénieurs D’annecy, Université De Savoie, 2001.
[34] C. Schauder, Adaptive Speed Identification For Vector Control Of
Induction Motors Without Rotational Transducers Without Rotational
Transducers, Conf. Rec. Ieee Ias Annual Meeting, 1989.
[35] I. D. Landau, L. Dugard, Commande Adaptative Aspects Pratiques Et
Théoriques, Editions Masson, 1996.
[36] M. Bodson, J. Chiasson And R. Novotnak, High Performance Induction
Motor Via Input-Output Linearization, Ieee, 1994.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 F


NLMPC-MAS

[37] T.K. Boukas, T.G. Habetler, High-Performance Induction Motor Speed


Control Using State Derivative Feedback, Ieee Transactions On Power
Electronics, 2004.
[38] J. Chiasson, Dynamic Feedback Linearization Of The Induction Motor,
Ieee Transactions On Automatic Control, 1993.
[39] Ismail M.M., H.A. Abdel Fattah And A. Bahgat, Adaptive Input Output
Of Induction Motors With Magnetic Saturation, Proceedings Of The 29 Ieee
Conference Of Industrial Electronics Society, Iecon03.
[40] Marino R., S. Peresada And P. Valigi, Adaptive Partial Feedback
Linearization Of Induction Motors, Proceedings Of The 29th Ieee Conference On
Decision And Control, Honolulu, Hawaii, Usa, 1990.
[41] I. R. Boumeddiene, Commande D’un Onduleur Triphasé "Etude
Expérimentale", Master En Génie Electrique, Université De M’sila, 2014.
[42] O. Messouci, Commande Sans Capteur D’une Machine Asynchrone A
Cage : Application Sur La Plateforme Temps Réel Ni Compactrio Crio 9022,
Magister, Université M’hamed Bougara-Boumerdes, Faculté Des Hydrocarbures
Et De La Chimie, 2015.
[43] H. Chaouki, Amélioration De La Compensation Active Du Courant
Harmonique Par La Commande Mli Vectorielle , Mémoire De Master Université
M’sila, 2012.
[44] T. Sid-Ahmed, Etude D ’Un Système De Compensation D ’Harmonique
En Utilisant Un Générateur Photovoltaïque ʺgpvʺ , Mémoire De Magister,
Université M’hamed Bougara De Boumerdes, 2008.
[45] H. Kouara, Application D’un Filtre Actif Série Au Contrôle De La
Tension D’un Réseau Basse Tension, Mémoire De Magister, Université De
Batna, 2006.
[46] K. Mohammed, N. Salih, Commandes Non Linéaires D’un Filtre Actif
Parallèle, Mémoire D’ingénieur, Université M’sila, 2010.
[47] B. M. El Amine, B. Azmi, Commande Par Mli Vectorielle D’Un Onduleur
Alimentant Un Moteur A Cage, Mémoire D’ingénieur, Université M’sila, 2008.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 G


NLMPC-MAS

[48] A. Benzaioua, Contribution A La Commande Directe De Couple D'une


Machine Asynchrone Triphasée, Thèse De Doctorat, Université Du Québec A
Chicoutimi, 2014.
[49] H. Mesloub, Commande Dtc Prédictive D’une Machine Synchrone A
Aimants Permanents , Thèse De Doctorat, Université Mohamed Khider – Biskra,
2016.
[50] L. Djaghdali, Commande Prédictive Directe Du Couple De Machine
Asynchrone , Magister, De Doctorat, Université Mohamed Khider – Biskra, 2012.
[51] R. Kennel, D. Schôder., A Predictive Control Strategy For Converters, In
Third Ipac Symposium, 1983.
[52] J. Rodriguez, J Pontt, C. Silva & Al, Predictive Direct Torque Control Of
An Induction Machine, Epe-Pemc, 2004.
[53] J. Holtz, S. Stadtfeldt, A Predictive Controller For The Stator Current
Vector Of Ac Machines Fed From A Switched Voltage Source, In International
Electronics Conference, Ipec, 1983.
[54] Barra K., K. Benmahammed, A New Extended Cascaded Predictive
Control Ecgpc Of An Induction Motor Drive With Energy Saving, Ieee
Mediterranean Electrotechnical Conference, 2006.
[55] M. Cipolla Ficarra, G. Griva, F. Profumo, Daptive Predictive Speed
Controller For Induction Motor Drives, Conf.Rec.Iecon’99.
[56] D. Dumer, P. Boucher, T. Kolb, Application Of Cascaded Constrained
Receding Horizon Predictive Control To An Induction Machine, Proceedings Of
The Ieee The Ieee Int. Conference On Control Applications, 1897.
[57] R. Hedjar, R. Toumi, P. Boucher, D. Dumur, Cascaded Nonlinear
Predictive Control Of Induction Motor, Proceedings Of The Ieee Conference On
Control Applications, 2000.
[58] M. Maaziz, Commande Prédictive De Systèmes Non Linéaires
Application A La Commande De Machines Asynchrones, Thèse De Doctorat,
Ecole Supérieure D'électricité, 2000.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 H


NLMPC-MAS

[59] M. K. Maaziz, P. Boucher, D. Dumur, A New Rst Cascaded Predictive


Control Scheme For Inductions Machines, Proceedings Of Ieee International
Conference On Control Applications, 1999.
[60] J.P. Caron, J. P. Hautier, Modélisation Et Commande De La Machine
Asynchrone, Edition Technip, 1995.
[61] R. Valentine, Motor Control Electronics Hand Book, Mcgraw-Hill Hand
Book, 2008.
[62] D. Roye, Commande Des Machines A Courant Alternative : Le Procédé
Description Et Modélisation, Actes De L’école D’été D’automatique De, 1997.
[63] A. Aibeche, Commande Vectorielle Robuste De La Machine Asynchrone
Avec Estimation Du Flux Rotorique En Temps Réel, Thèse De Magister,
Université M’hamed Bougara-Boumerdes, 2009.
[64] A. Chebbi, Commande Backstepping D’une Machine Asynchrone Sans
Capteur De Vitesse, Mémoire De Magister, Université De Batna.
[65] O. Messouci, Commande Sans Capteur D’une Machine Asynchrone A
Cage Application Sur La Plateforme Temps Réel Ni Compactrio Crio 9022, Thèse
De Magister, Université M’hamed Bougara-Boumerdes, 2015.
[66] F. Mehazzem, Contribution A La Commande D’un Moteur Asynchrone
Destiné A La Traction Electrique, Thèse De Doctorat En Cotutelle, Université
Paris Est Esiee, 2010.
[67] K. K. Otmane, Analyse D'une Commande Prédictive Sous Contraintes
Pour La Conduite D'une Machine Asynchrone Triphasée, Magister En
Electrotechnique, Université Hassiba Ben Bouali De Chlef, Mai 2008.
[68] J. Richalet, La Commande Prédictive A Gagné La Partie, Mesures, Avril
2005.
[69] P. Borne, Identification Et Commande Numérique Des Procédés
Industriels, Editions Technip, 2001.
[70] R. E. Kalman, A New Approach To Linear Filtering And Prediction
Problems, Vol. 87, Transactions Of Asme Journal Of Basic Engineering, 1960,
Pp. 35–45,.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 I


NLMPC-MAS

[71] C. E. García, A. M. Morshedi, Quadratic Programming Solution Of


Dynamic Matrix Control (Qdmc), Vol. 46, Chemical Engineering
Communications, 1986., P. 73–87.

Rédigé par NGOMBA MINTO’O Loïc_ENSET DE DOUALA_GEL/ET5_2019/2020 J

Vous aimerez peut-être aussi