Académique Documents
Professionnel Documents
Culture Documents
614 TRANSACTIONS IEEE SUR L'ÉLECTRONIQUE INDUSTRIELLE, VOL. 53, NON. 2 AVRIL 2006
MORENO et al. : SYSTÈME DE GESTION DE L'ÉNERGIE POUR UN HEV, UTILISANT DES ULTRACONDENSATEURS ET DES RÉSEAUX NEURONAUX 615
Banque UCAP de 20 Farads, avec une tension nominale de 300 Vdc et un La stratégie de contrôle susmentionnée a été implémentée dans le DSP
courant nominal de 200 Adc. TMS320F241 avec un système de surveillance, qui permet la communication
en temps réel avec un PC. La figure 4 montre un fragment du courant du
II. CONTRÔLE DE CHARGE UCAPS système et de la vitesse du véhicule pendant un cycle de conduite. Il est
intéressant de voir que le courant des batteries a été limité à +30 et −3 Adc
La figure 2 montre le système énergétique mis en œuvre dans le véhicule pour l'accélération et la décélération, respectivement.
électrique, avec la source principale composée des batteries au plomb déjà
mentionnées, et la source auxiliaire mise en œuvre avec le convertisseur Plusieurs tests de conduite sur une boucle urbaine de 14,2 km ont été
abaisseurboost et la banque UCAP. Le convertisseur abaisseurboost permet réalisés dans trois conditions :
le flux d'énergie des UCAP vers les batteries ou vers le moteur de traction
dans les deux sens. 1) sans régénération ; 2) avec
Lors du freinage récupératif, les UCAP stockent de l'énergie et lors de régénération mais sans UCAP ; et 3) avec régénération
Cependant, le système de contrôle doit prévoir certaines conditions de Dans le premier cas (sans régénération), le véhicule peut parcourir 2,61 km
conduite pour pouvoir minimiser la consommation d'énergie. Certaines avec 1 kWh d'énergie. Dans le deuxième cas, en ajoutant la capacité de
variables nécessaires à ce processus sont la vitesse du véhicule, le courant freinage par récupération des batteries au plomb du prototype, le véhicule
de charge et la charge des UCAP, qui est donnée par la tension du augmente son efficacité à 3,09 km/kWh, ce qui signifie une augmentation de
condensateur via l'efficacité de 18,2 %.
Désormais, lorsque le système BuckBoost et UCAP est connecté, l'efficacité
1
= 2
CV2
Érem
uc uc augmente à 24,4 % (3,25 km/kWh). La connexion du système UCAP réduit
également considérablement la puissance maximale délivrée par la source
où Erem est l'énergie stockée restante dans la banque UCAP, C la capacité principale pendant les périodes transitoires (batteries au plomb dans ce cas).
uc
de l'UCAP et Vuc la tension de ses bornes. Elle passe de plus de 54 kW à seulement 10,7 kW.
Considérant les batteries comme un élément passif, le courant qui les traverse
est contrôlé en surveillant le courant de charge et en gérant le courant aux Les résultats précédents sont tout à fait satisfaisants. Néanmoins, il est
bornes du convertisseur abaisseurélévateur. D'autre part, la charge UCAP possible de constater que la stratégie de contrôle a été conçue sur la base de
est contrôlée par une deuxième boucle de contrôle de courant. De plus, un la connaissance heuristique du système et ne représente pas la stratégie
module spécial est ajouté pour contrôler les limites de courant des batteries. optimale. Ce travail présente la conception d'une nouvelle stratégie, dans
Le schéma est présenté sur la figure 3. laquelle de nouvelles considérations d'efficacité dans le fonctionnement du
système sont prises en compte.
Machine Translated by Google
616 TRANSACTIONS IEEE SUR L'ÉLECTRONIQUE INDUSTRIELLE, VOL. 53, NON. 2 AVRIL 2006
III. MODÈLE DE CONVERTISSEUR BUCKBOOST fonctionner), ce paramètre peut également être considéré comme
constant. Avec les UCAP, Maxwell technologies, l'un des plus importants
Le convertisseur BuckBoost est utilisé pour l'échange d'énergie
fabricants d'UCAP, définit la résistance série équivalente d'un UCAP,
entre le réseau principal et l'AES (Fig. 2). Pour améliorer le
simplement par la loi d'Ohm.
fonctionnement du système, il est nécessaire de développer un modèle,
D'autre part, le rapport cyclique « D » peut être évalué pour des
capable de connaître l'efficacité en fonction du courant et de la tension
valeurs données de courant et de tension en (2), indiquées en bas de
des UCAP, ainsi que de la tension de la batterie.
page.
Pour simplifier le modèle, on suppose que la valeur moyenne de la
La relation d'efficacité, pour un courant et une tension spécifiques
tension dans l’inductance L sur une période de temps est
des UCAP, est obtenue en remplaçant (2) par (1). De manière similaire,
approximativement nulle. En faisant l'équivalence de puissance entre
il est possible d'obtenir pour une opération boost les expressions
les deux côtés du convertisseur [7], une relation pour le fonctionnement
suivantes en (3) et (4), trouvées en bas de la page suivante.
abaisseur est obtenue en (1), indiquée en bas de page, où :
Avec ces équations, la carte d'efficacité du convertisseur, pour
D « Duty cycle » de la modulation de largeur d'impulsion (PWM)
chaque mode de fonctionnement, est obtenue. Le cas spécifique du
appliquée au transistor bipolaire à grille isolée (IGBT).
convertisseur boost est illustré à la Fig. 5.
RX Résistance équivalente de la batte (batterie), des UCAP (uc), de
l'inductance (L) ou de la diode (à l'intérieur du convertisseur
abaisseurboost).
IV. CONTRÔLE OPTIMAL : LE MODÈLE
Tension de la batterie VX (bat), chute de l'IGBT ou tension des
ultracondensateurs (uc). Le but de cet article est de trouver une nouvelle stratégie de contrôle,
Il est important de mentionner que RX n'est pas un nombre fixe en pour un cycle de conduite spécifique du véhicule, capable de minimiser
général, mais ces hypothèses n'affectent pas sérieusement les résultats la décharge des batteries [8]–[10]. Le modèle doit également tenir
obtenus lorsqu'ils sont supposés constants. Rbat est particulièrement compte du fait que les UCAP ne sont qu'une source d'énergie
sensible au SOC, mais principalement aux décharges profondes. temporaire, car à la fin du cycle de conduite, ils doivent rester
Cependant, dans la plage 100 % à 60 % (lorsque les batteries au plomb utilisées
complètement chargés.
Vbat + Vd − Vigbt + RdIL ± (Vd + Vbat − Vigbt + RdIL)2 − 4RbatIL [Vuc + Vd + (RL + Ruc + Rd)IL]
D1,2 = (2)
2RbatIL
Machine Translated by Google
MORENO et al. : SYSTÈME DE GESTION DE L'ÉNERGIE POUR UN HEV, UTILISANT DES ULTRACONDENSATEURS ET DES RÉSEAUX NEURONAUX 617
À partir de la figure 2, la relation Pload = Pbat + PBB est obtenue, Il est nécessaire d'incorporer dans le modèle la restriction
qui peut s’écrire Pbat = Pload − PBB. Étant donné que Érem
uc (N) = Érem uc (0), qui garantit que les UCAP facturent
Les SOC des batteries et des UCAP peuvent être associés à leurs restera le même à la fin du cycle de conduite. Puis le
énergie restante respective Erem chauve souris
et Erem euh ,
et de l'autre L'approche du modèle de contrôle optimal devient
D’une part, ces énergies sont des variables d’état du système, le
les équations qui traitent de la dynamique du système sont N−1
Vd Vbat
Rbat(1 − D)2 1 − (1 − D) − D Vigbt + (1 − D) [Ruc + RL + (1 − D)Rd]
Vuc Vuc Vuc
ηboost = (3)
Ruc + RL + (1 − D)Rd + (1 − D)2Rbat
2
[(Rd + 2Rbat)IL + Vd + Vbat − Vigbt]
Vd + Vbat − Vigbt + (Rd + 2Rbat)IL ±
− 4RbatIL [(Rbat + Rd + RL + Ruc)IL − Vuc + Vd + Vbat]
D1,2 = (4)
2RbatIL
Machine Translated by Google
618 TRANSACTIONS IEEE SUR L'ÉLECTRONIQUE INDUSTRIELLE, VOL. 53, NON. 2 AVRIL 2006
courant de charge dans le cycle de conduite. Alors, la variable E˙ rem chauve souris
volonté Maintenant, les dérivées dans (9) sont définies comme
E˙ rem
dépendent uniquement du courant des UCAP, ce qui signifie chauve souris
[Iuc(k)]. ∂f1 ∂f2 ∂L
k
∂f ∂Erem ∂Erem ∂Lc ∂Erem
= =
chauve souris chauve souris chauve souris
je = 0, 1,...,N − 1.
× ∂ηBB [Vuc(k), Iuc(k)] ∙ ηbat ∙ ∆T (16)
∂Erem
uc
La solution doit satisfaire les équations d'Euler – Lagrange
k T T
2
∂f ∂Lc ∂f ∂Iuc(k)
λ(k) = λ(k + 1) + . (9) =1− ∙ Vuc [Erem
uc (k), Iuc(k)] ∙ ηuc ∙ ∆T
∂x(k) ∂x(k) ∂Erem
uc ∂Erem
uc
∂Iuc(k) ∂Iuc
= Vuc [Eremuc (k), Iuc(k)] ∙ ηBB [Vuc(k), Iuc(k)] où les termes ec16, ec17 et ec18 sont les termes correspondants
∂Vuc [Eremuc (k), Iuc(k)] expressions de (16) à (18), respectivement.
× ηbat ∙ ∆T + Iuc(k) ∙ ∂Iuc L'équation (10) a donné la condition finale pour lambda et
× ηBB [Vuc(k), Iuc(k)] ∙ ηbat ∙ ∆T + Iuc(k) ainsi
∂ηBB [Vuc(k), Iuc(k)] T
× Vuc [Eremuc (k), Iuc(k)] ∙ ∂Iuc ∂φ
λ2(N) = ∂Erem
= 2[Erem uc (N) − Érem uc (0)] . (20)
× ηbat ∙ ∆T. (13) uc (N)
Machine Translated by Google
MORENO et al. : SYSTÈME DE GESTION DE L'ÉNERGIE POUR UN HEV, UTILISANT DES ULTRACONDENSATEURS ET DES RÉSEAUX NEURONAUX 619
La troisième condition d’optimalité est donnée par (11), où variable à chaque itération. De cette façon, l’effet physique qui a lieu
lors de l’optimisation est visible à chaque étape [11].
1
∂f La méthode commence par la spécification des conditions initiales
= Vuc [Erem (k),
uc Iuc(k)] ∙ ηBB [Vuc(k), Iuc(k)] ∙ ηbat ∂Iuc
et un chemin nominal pour le contrôle (Iuc). Il faut intégrer (6) de t0 à
∂Vuc [Erem tf pour obtenir x0(t), vecteur qui représente le chemin initial des
uc (k), Iuc(k)] ×
∆T + Iuc(k) ∙ ∂Iuc variables d'état. Parallèlement, la fonction de coût et la matrice de
× ηBB [Vuc(k),
sensibilité F(t), (∂f /∂x), et G(t),(∂f /∂Iuc), qui correspondent aux
Iuc(k)] ∙ ηbat ∙ ∆T + Iuc(k) ∂ηBB [ Vuc(k), Iuc(k)]
gradients lagrangiens [Lx(t ) et LIuc (t)], respectivement, sont évalués.
× Vuc [Erem (k), Iuc(k)] Ensuite, le vecteur associé est intégré à rebours à partir de la
∙ ∂Iuc uc
condition finale pour obtenir λ0(t). Une fois λ0(t) obtenu, il est
× ηbat ∙ ∆T (21) possible de déterminer HIuc (t). Dans les premières itérations, HIuc
∂f 2 (t) ne sera pas proche de zéro car le chemin choisi initialement pour
= −Vuc [Eremuc(k), Iuc(k)] ∙ ηuc ∙ ∆T − Iuc(k) ∂Iuc le contrôle n'est pas optimal.
Puis, à l'itération suivante, l'historique du contrôle est perturbé par une
× ∂Vuc [Erem (k),
uc Iuc(k)] ∙ ηuc ∙ ∆T
(22) fonction de HIuc (t) et le processus est répété jusqu'à ce que la
∂Iuc solution soit suffisamment proche de la valeur optimale.
Une option de perturbation pour la variable de contrôle est
et enfin
T
∂H(k) ∂Iuc
∂L Ii+1
uc (k) = Ii uc(k) − εi
+ λ1(k + 1) ∙ ec21 + λ1(k + 1) ∙ ec22 = 0 ∂Iuc (23) je
où εi est un scalaire. Cette méthode est également connue sous le nom d’algorithme
où ec 21 et ec 22 sont des nominations pour (21) et (22), du « descendant le plus raide ».
respectivement. De plus, ∂L/∂Iuc est donné par (13).
Dans les équations cidessus, les expressions : (∂ηBB [Vuc(k),
VI. SIMULATION
Iuc(k)])/∂Erem et (∂ηBB[Vuc(k),
uc Iuc(k)])/∂Iuc ont été obtenues
numériquement à partir de ( 1)–(4). Un programme de simulation a été implémenté dans Matlab pour
Pour résoudre le système donné par l'ensemble des équations (6), le système susmentionné. Pour simuler le comportement du véhicule
(19), (20) et (23), la méthode du gradient sera appliquée. La électrique, différents cycles de conduite autour de la ville ont été
particularité de cette méthode est que les équations qui régissent la réalisés, à partir desquels les courants d'entraînement du moteur, en
dynamique du système sont résolues exactement à chaque itération, fonction du temps, ont été obtenus. Cela est possible parce que l'EV
en perturbant à chaque fois la variable de contrôle, pour se rapprocher et le système d'acquisition de données étaient déjà mis en œuvre.
de la solution idéale. En d'autres termes, l'algorithme simule la Ensuite, pour chacun des cycles de conduite, le système a été
réponse dynamique du système en modifiant l'historique du contrôle. simulé selon (6), en prenant comme information l'entrée
Machine Translated by Google
620 TRANSACTIONS IEEE SUR L'ÉLECTRONIQUE INDUSTRIELLE, VOL. 53, NON. 2 AVRIL 2006
Fig. 7. Comparaison des deux stratégies de contrôle (charge, batterie et courant abaisseurboost).
Fig. 8. NN formés.
courants de la charge à chaque instant. En revanche, les conditions initiales On observe que le contrôle optimal remplit l'une des restrictions proposées
des batteries et des UCAP sont également connues. dans l'algorithme, c'estàdire que la condition de charge finale des UCAP
L'objectif final est de déterminer le courant optimal que le convertisseur reste la même que leurs conditions initiales. En revanche, le courant de
abaisseurélévateur doit fournir. Pour commencer l’itération avec la méthode référence du convertisseur abaisseurélévateur a considérablement réduit la
du gradient, il est nécessaire d’établir un historique du contrôle nominal. Dans profondeur de décharge des batteries et, après 30 cycles de conduite
ce cas, la variable de contrôle est Iuc, qui, pour la première itération, est différents, une amélioration moyenne d'environ 5 % a été obtenue.
supposée être une fonction linéaire du courant de charge. Une fois ces
paramètres établis, le système est résolu via (7) à (11), puis les résultats de La figure 7 montre les résultats obtenus du côté haute tension du
la figure 6 sont obtenus. La figure montre une comparaison entre le contrôle convertisseur abaisseurélévateur. Il est possible de constater qu'en utilisant
normal et le contrôle optimisé. cette nouvelle stratégie, la variabilité du courant de la batterie est plus petite.
Machine Translated by Google
MORENO et al. : SYSTÈME DE GESTION DE L'ÉNERGIE POUR UN HEV, UTILISANT DES ULTRACONDENSATEURS ET DES RÉSEAUX NEURONAUX 621
TABLEAU I
RÉSULTATS DES ESSAIS ROUTIERS
TABLEAU II
VII. APPROCHE PRATIQUE : EXTENSION AUX NNS
RÉSULTATS DES ESSAIS ROUTIERS (COMPARAISON DES DIFFÉRENTS
STRATÉGIES DE CONTRÔLE )
Ces dernières années, le développement de l’intelligence artificielle (IA) a
été remarquable. Son importance réside dans la capacité de représenter ou
d'imiter les connaissances humaines pour mémoriser, acquérir des
connaissances, percevoir et prendre des décisions intelligentes. Dans ce
domaine, nous pouvons trouver l'application des NN à l'identification des
systèmes, au contrôle de processus, à la prédiction, au diagnostic, etc. Dans
le domaine de l'électronique de puissance, l'application des NN a réalisé de
grands progrès et l'avenir semble prometteur [12]. . former le réseau, qui se caractérise par sa convergence rapide et sa
Le but est d’obtenir une mise en œuvre simple, en temps réel, de la robustesse. Ensuite, pour définir l’architecture idéale du réseau, des
stratégie de contrôle décrite précédemment. De cette manière, l'utilisation de algorithmes de « prunning » ont été utilisés, en particulier l’algorithme
NN sur l'identification des systèmes, et en particulier l'approximation de la « Optimal Brain Surgeon » (OBS) [14], [15], qui a été appliqué. Enfin, pour
fonction d'optimisation précédemment élaborée, apparaît comme une valider le net, l'erreur quadratique moyenne a été analysée. Sur un univers
solution intéressante [13]. Par conséquent, dans un premier temps, le système de 30 ensembles de données, 10 d'entre eux ont été utilisés comme données
d'optimisation a été résolu numériquement pour 30 ensembles de données de formation et 20 comme données de validation. La figure 8 montre
de conduite en ville, obtenant ainsi les données d'entrée et de sortie requises. l'architecture du réseau, obtenue à partir de l'algorithme OBS. La figure 9
montre les résultats pour l'un des ensembles de données de validation.
Les données suivantes ont été utilisées comme données d'entrée nettes : Comme le montre la figure 8, l'approximation optimale du courant fournie
le courant de charge (Iload), la puissance de charge (Pload), la vitesse du par le NN est utilisée comme référence pour un contrôle du courant PI, du
véhicule (v) et l'énergie cinétique (E) qu'il contient. Le tout aux instants k et k côté basse tension du convertisseur abaisseurélévateur.
− 1. Les données sorties du réseau sont le courant idéal que les UCAP (Iuc) Enfin, l'implémentation utile du NN a été réalisée de manière série, à l'aide
doivent délivrer. L'algorithme de LevenbergMarquardt a été utilisé pour d'un DSP haute vitesse (TMS320F241). Le
Machine Translated by Google
622 TRANSACTIONS IEEE SUR L'ÉLECTRONIQUE INDUSTRIELLE, VOL. 53, NON. 2 AVRIL 2006
Fig. 10. Fragment des courants, des tensions et de la vitesse du véhicule lors des tests de conduite.
le contrôle BuckBoost fonctionne à 12 kHz ; néanmoins, comme le système sur les UCAP, le SOC a été calculé. Pour tester cette nouvelle stratégie sur
se caractérise par sa dynamique lente, la référence n'est mise à jour qu'à 11 le terrain, un NN a été formé à partir des résultats obtenus à partir de
Hz. simulations de différents cycles de conduite. Un DSP (TMS320F241) a été
utilisé pour sa mise en œuvre en temps réel.
VIII. RÉSULTATS PRATIQUES Après de nombreux tests de conduite en ville, une amélioration de 3,3 %
par rapport à la stratégie de contrôle SOC a été obtenue en termes de km/
Un parcours test urbain de 14,2 km a été conçu. Quatre tests différents kWh. En revanche, si l'on considère une source primaire incapable de
ont été effectués : 1) batteries uniquement, sans régénération (pour émuler recevoir de l'énergie de régénération, l'amélioration serait alors de 28,7% en
le comportement d'un véhicule fonctionnant uniquement avec des piles à termes de km/kWh.
combustible ou des batteries zincair) ; 2) batteries uniquement, mais avec
capacité de régénération ; 3) batteries et AES (UCAP) avec contrôle SOC ; et
4) les batteries et l'AES, en utilisant un contrôle optimal mis en œuvre avec LES RÉFÉRENCES
les NN. Les valeurs moyennes des résultats des tests ont été calculées après [1] O. Fuji, « Le développement et l'application des véhicules hybrides », dans Proc. 19e
de nombreux tests effectués, qui sont présentés dans les tableaux I et II. International. Electr. Vehicle Symp., Busan, Corée, 1923 octobre 2002, CDROM.
[2] FA Wyczalek, « Véhicules électriques hybrides, statut année 2000 », IEEE Aerosp. Électron.
Selon le tableau II, avec la stratégie de contrôle optimale proposée, Système. Mag., vol. 16, non. 3, pp. 1525, mars 2001.
l'indicateur km/kWh est amélioré de 3,3 % par rapport à la stratégie de [3] AF Burke et M. Miller, « Comparaisons des ultracondensateurs et des batteries avancées
pour la puissance pulsée dans les applications automobiles : performances, durée de vie
contrôle SOC de l'UCAP.
et coût », dans Proc. 19e International. Electr. Vehicle Symp., Busan, Corée, 1923 octobre
La figure 10 montre un fragment des signaux de courants, de tensions et 2002, CDROM.
de vitesse du véhicule pendant les tests. [4] AF Burke, « Ultracondensateurs : pourquoi, comment et où est la technologie »,
Une autre caractéristique importante du système est que la puissance J. Sources d'énergie, vol. 91, non. 1, pp. 3750, novembre 2000.
[5] BJ Arnet et LP Haines, « Combiner des ultracondensateurs avec des batteries au plomb »,
maximale délivrée par la source primaire a été considérablement réduite, dans Proc. 17e International. Electr. Vehicle Symp., Montréal, QC, Canada, 1318 octobre
passant de 54 à 12 kW. 2000, CDROM.
[6] J. Dixon, M. Ortúzar et E. Wiechmann, « Freinage régénératif pour un véhicule électrique
utilisant des ultracondensateurs et un convertisseur abaisseurboost », dans Proc. 17e
IX. CONCLUSION International. Electr. Vehicle Symp., Montréal, QC, Canada, 1318 octobre 2000, CDROM.
Une nouvelle stratégie de contrôle pour un véhicule HEV a été présentée [7] Manuel de l'électronique de puissance, Academic, San Diego, Californie, 2001.
[8] G. Paganelli, TM Guerra, S. Delprat, Y. Guezennrc et G. Rizzoni, « Théorie du contrôle
dans cet article. Cette stratégie a été élaborée sur la base des caractéristiques
optimal appliquée aux véhicules hybrides alimentés par pile à combustible », dans Proc.
d'efficacité de l'AES conformes aux UCAP et à un convertisseur BuckBoost. 15e Congrès mondial de l'IFAC. Contrôle automatique, Barcelone, Espagne, 2002, CD
Pour ce faire, un modèle de contrôle optimal a été formulé, la solution ROM.
numérique a été atteinte et le modèle simulé. Par la suite, une amélioration [9] S. Delprat, TM Guerra et J. Rimaux, « Contrôle optimal d'un groupe motopropulseur
parallèle : de l'optimisation globale à la stratégie de contrôle en temps réel », dans Proc.
théorique de l'efficacité de 4,9 % par rapport à la stratégie initiale basée sur 18e International. Electr. Vehicle Symp., Berlin, Allemagne, octobre 2001, CDROM.
Machine Translated by Google
MORENO et al. : SYSTÈME DE GESTION DE L'ÉNERGIE POUR UN HEV, UTILISANT DES ULTRACONDENSATEURS ET DES RÉSEAUX NEURONAUX 623
[10] Y. Guezennrc, T. Choi et G. Paganelli, « Contrôle de surveillance des piles à combustible Micah E. Ortúzar (S'02M'04) est né à Santiago, au Chili. Il a
véhicules et son lien avec l’efficacité globale du système et le contrôle de bas niveau obtenu le diplôme de génie électrique
exigences », dans Proc. Étudiant Diplômé IGERT Rés. Conf., Davis, Californie, Diplôme professionnel obtenu en 2001 à la Pontificia Universidad
Juin 2003, pp. 20552061. Católica de Chile, Santiago, Chili, où il est
[11] R. Stegel, Contrôle et estimation optimaux. New York : Douvres, 1994, travaille actuellement vers le doctorat. degré.
pp. 201259. Depuis 2000, il travaille sur des projets de recherche en
[12] BK Bose, « Applications de réseaux de neurones artificiels en électronique de puissance », électronique de puissance et en véhicules électriques, impliquant
dans Proc. IEEE IECON, du 29 novembre au décembre. 2, 2001, p. 16311638. entre autres des filtres de puissance actifs, des convertisseurs
[13] S. Haykin, Réseaux de neurones : une base complète. Englewood statiques, des ultracapteurs et des machines électriques. Il
Cliffs, New Jersey : PrenticeHall, 1998, pp. a écrit et publié plusieurs articles pour l'IEEE
[14] M. Nørgaard, NK Poulsen, O. Ravn et L. Hansen, Réseaux neuronaux pour la modélisation et conférences, en tant qu'auteur principal et coauteur, et est
le système dynamique de contrôle. New York : SpringerVerlag, 2000, ch. 2. coauteur de trois articles publiés dans des magazines et des transactions de l'IEEE.
[15] M. Nørgaard, «Boîte à outils d'identification de systèmes basés sur les réseaux neuronaux»,
Département Automatisation, Tech. Univ. Danemark, Lyngby, Danemark, Tech. représentant Juan W. Dixon (M'90 – SM'95) est né à Santiago, au Chili. Il a
00E891, 2000. obtenu le diplôme de génie électrique
Diplôme professionnel de l'Université du Chili,
Santiago, Chili, en 1977, et le M.Eng. et doctorat.
Jorge Moreno (S'04–M'06) a reçu le BS et diplômes en génie électrique de l'Université McGill, Montréal,
M.Sc. diplômes en génie électrique de la Pontificia Universidad Québec, Canada, en 1986 et 1988,
Católica de Chile, Santiago, Chili, respectivement.
en 2004. Depuis 1979, il travaille à la Pontificia Universidad Católica de
Il a effectué un stage aux Sciences des Chile, Santiago, Chili, où il travaille
Département Processus Industriels et Naturels (SPIN) dans les domaines de l'électronique de puissance, de la traction électrique,
à l'Ecole Nationale Supérieure des Mines de Saint production d'énergie électrique et machines électriques.
Étienne, France. Il a travaillé dans les domaines du contrôle Il est actuellement professeur au Département de génie électrique. Son
automatique, de l'électronique de puissance et des véhicules électriques (VE).
les intérêts de recherche incluent les nouvelles technologies pour les véhicules électriques, les machines
projets de recherche. Il est actuellement ingénieur consultant chez variateurs, changeurs de fréquence, redresseurs haute puissance, onduleurs multiniveaux, statiques
Systep Engineering and Design Company. Compensateurs VAr et filtres de puissance active.