Vous êtes sur la page 1sur 119

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET

POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPÉRIEUR


ET DE LA RECHERCHE SCIENTIFIQUE

ECOLE NORMALE SUPERIEURE D’ENSEIGNEMENT TECHNIQUE


– ORAN -

DÉPARTEMENT DU GÉNIE
CONTROLE NUMERIQUE DES
PROCESSUS

MAGISTER 1ERE ANNEE


SPECIALITE: ELECTROTECHNIQUE

OPTION 
ANALYSE ET COMMANDE DES
MACHINES ELECTRIQUES

Promotion: 2006 -2007


CONTROLE NUMERIQUE DES
PROCESSUS

THEME

Régulation de vitesse

d’un moteur asynchrone triphasé

par la logique floue

Présenté par :  MECHERNENE ABDELKADER


Sous la direction de :  MR ZERIKAT.MOKHTAR
PLAN DE TRAVAIL

INTRODUCTION
PARTIE .I. CONCEPT FONDAMENTAUX DE LA LOGIQUE
FLOUE

PARTIE .II. MODELISATION DE LA MACHINE ASYNCHRONE ET


DE SON ALIMENTATION

PARTIE .III. COMMANDE VECTORIELLE DE LA MACHINE


ASYNCHRONE

PARTIE .IV. SYNTHESE ET EVALUATION DES CONTROLEURS

CONCLUSION
Deux phrases sur l’imprécision et sur la difficulté de
modéliser avec précision les systèmes complexes

«Dès que les lois mathématiques se réfèrent à la


réalité, elles sont incertaines. Dès qu’elles sont
certaines, elles ne traduisent pas la réalité.»

Albert Einstein

« Plus nos formulations mathématiques concernant le


comportement d’un système complexe sont précises,
plus celles-ci sont insignifiantes et hors de propos. »

Lotfi Zadeh
INTRODUCTION
INTRODUCTION

Pourquoi le moteur asynchrone ?

Malgré la simplicité de sa structure mécanique, son modèle mathématique est


La machine asynchrone considérée depuis sa découverte comme le moteur

fort complexe (multivariables et non linéaire)


linéaire et n’a pas permit pendant
privilégié dans les applications de la vitesse constante offre des avantages

longtemps le développement de commandes adéquates.


certains tels que sa simplicité de construction donc son prix à l’achat,

La difficulté dans la commande de la machine asynchrone réside dans le fait


l’absence du dispositif balais-collecteur,
balais-collecteur l’absence de connexions entre
qu’il existe un couplage complexe entre les variables d’entrée, les variables
parties fixes et tournantes, un poids et une inertie faible avec un rendement
de sortie et les variables internes de la machine
excellent.
excellent Il est également apprécié pour sa fiabilité et sa robustesse.
robustesse
INTRODUCTION

Pourquoi le moteur asynchrone ?

Les énormes avancées technologiques ont permis de résoudre ce problème


et de développer des commandes appropriées pour le moteur asynchrone,
telles que :

la commande scalaire avec contrôle du rapport (V/f),


la commande vectorielle, ou encore commande à flux orienté
La commande directe de couple (DTC)
INTRODUCTION

Pourquoi la logique floue ?

La logique floue,
floue branche de l’intelligence artificielle, suscite un intérêt certain
Mais la
dans permet-elle
communautéde synthétiser
scientifique,des contrôleurs
tout comme lesderéseaux
hautes de
performances
neurones ,
robustes,les
artificiels, fiables, avec des
algorithmes méthodesetde
génétiques lesréglages simples,
systèmes expertss’adapte
. t-elle
correctement aux commandes scalaires, vectorielle, DTC, ....... ?

On se fixe
Beaucoup pluscomme objectifque
pragmatique de déterministe,
faire une étude
déterministe comparative
la décision concernant
en logique floue
est un
basée sur la notion
régulateur d’expertise
de type PI et des qui permet de
contrôleurs quantifier
flous le flou àle partir
afin d’assurer
demoteur
contrôle de la vitesse de rotation d’un la connaissance d’un
asynchrone opérateur.
triphasé.
PARTIE .I.

CONCEPTS FONDAMENTAUX
DE LA LOGIQUE FLOUE
HISTORIQUE

• 1965 Lotfi Zadeh propose les bases théoriques de la


logique floue dans un article intitulé «Fuzzy set»

• 1973 Lotfi Zadeh propose d’appliquer la logique floue


pour résoudre les problèmes de réglage

• 1975 Le professeur Mamdani propose une première


application du réglage par la logique floue et
développe une stratégie pour le contrôle d’une
chaudière à vapeur
HISTORIQUE

• 1978 La société danoise F.L Smidth-Fuller réalise le


contrôle d’un four à ciment : première véritable
application industrielle de la logique floue

• 1985 Le chercheur M Sugeno introduit la logique floue


au Japon

Longtemps restée universitaire


HISTORIQUE

Apparition de réalisations remarquables

 Juillet 1987 le métro Sendai

 Février 90 le lave-linge Aïsaïgo Pay Fuzzy de Matsushita

Les sociétés japonaises ont vite compris ses avantages,


avantages
à la fois techniques que commerciaux et introduisent
les premiers des produits grand public estampillés

« Fuzzy Logic Inside »


HISTORIQUE

Avantages de la logique floue:

• facilité d’implantation

• solutions de problèmes multivariables complexes

• robustesse vis-à-vis des incertitudes

• possibilité d’intégration du savoir faire de l’expert


LES BASES DE LA LOGIQUE FLOUE

Théorie des ensembles classiques A

Soient U: L’univers du discours


A: un sous-ensemble de U

Si  A est la fonction d ' appartenance de l ' ensemble A


x  U  A  x   0 si x  A
 A  x   1 si x  A
LES BASES DE LA LOGIQUE FLOUE

Principe

A B

t
z
y
x
x n’appartient ni à A ni à B z appartient totalement à B
y appartient totalement à A t appartient partiellement à B

Comparaison d’un ensemble classique et d’un ensemble flou


LES BASES DE LA LOGIQUE FLOUE

Concept d’ensemble flou

Si  A est la fonction d ' appartenance de l ' ensemble flou A


x  U  A  x   0;1

Si A(x) = 0,30
x appartient à l’ensemble flou A avec un
degré d’appartenance de 30 %

degré d’appartenance = valeur de vérité.

Un ensemble flou est totalement déterminé par sa fonction d’appartenance


LES BASES DE LA LOGIQUE FLOUE

Exemple Classification de personnes


en fonction de leur taille

Catégorie des petits Catégorie des moyens Catégorie des grands

Taille < 1.60 m 1.60 m< Taille < 1.80 m Taille > 1.80 m
LES BASES DE LA LOGIQUE FLOUE

En logique classique ou binaire

3 variables booléennes
qui ne peuvent prendre que deux valeurs distinctes
grand
0 ou 1
moyen
Vrai ou faux
0 ou 1
petit Vrai ou faux
0 ou 1
Vrai ou faux
LES BASES DE LA LOGIQUE FLOUE

Représentation des variables floues

Les variables ne sont plus de nature binaire


mais peuvent prendre une infinité de valeurs
possibles entre (0) et (1)
Si un individu mesure 1.50 m,

en logique floue on dira qu’il est:
petit moyen grand
1.0

0.7
« petit »
petit avec un degré de 70%

0.3 « moyen »
moyen avec 30%

0 « grand »
grand avec 0%
1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
Taille (m)
LES BASES DE LA LOGIQUE FLOUE

Terminologie

 Variable linguistique Taille

 Terme linguistique (valeur de la « Petit », « Moyen »,


variable linguistique) « Grand »
 Ensemble flou (classe d’appartenance) « petit », « moyen »,
« grand »
 Plage de valeur (0, 1.50, 1.60, 1.80, 1.90, 2.00,...)

 Fonction d’appartenance A(x) = a avec 0  a  1

 Degré d’appartenance a
LES BASES DE LA LOGIQUE FLOUE

Formes usuelles des fonctions d’appartenance

(x) (x) (x)


1 1 1

0.5

x x x
a b c a b c d xo-a x0 xo+a

forme triangulaire forme trapézoïdale forme sigmoïde

(x) (x) (x)


1 1 1

0.5 0.5 0.5

x x x
xo-a x0 xo+a xo-a x0 xo+a xo-a x0 xo+a

forme cloche
LES BASES DE LA LOGIQUE FLOUE

Formes usuelles des fonctions d’appartenance

forme  (PI) forme 


(Lambda)

1

0
forme S forme Z x0

Fonctions d’appartenance Fonction d’appartenance


définies par des lettres singleton
LES BASES DE LA LOGIQUE FLOUE

Exemple
Catégorie des petits

Un individu

- est vraiment petit au dessous de 1.60 m

- ne l’est qu’à moitié petit à 1.65 m

- ne l’est plus du tout petit à 1.70 m


LES BASES DE LA LOGIQUE FLOUE

Exemple
Catégorie des moyens

Un individu

- est vraiment moyen à 1.70 m

- n’est pas assez grand pour être moyen en dessous de 1.60 m

- n’est plus du tout moyen au delà de 1.80 m


LES BASES DE LA LOGIQUE FLOUE

Exemple
Catégorie des grands

Un individu

- est vraiment grand au dessus de 1.80 m

- ne l’est qu’à moitié grand à 1.75 m

- l’est plus du tout grand à 1.70 m


LES BASES DE LA LOGIQUE FLOUE

Fonctions d’appartenance avec trois sous ensembles


flous pour la variable linguistique (Taille)

petit(x)
moyen(x)
petit moyen grand
grand(x) 1.0

0.4

0.2

0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90

taille (m)
LES BASES DE LA LOGIQUE FLOUE

Fonctions d’appartenance avec cinq sous ensembles


flous pour la variable linguistique (Taille)

NG PN EZ PP PG
1.0

0.4

0.2

0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
taille (m)
LES BASES DE LA LOGIQUE FLOUE

Fonctions d’appartenance avec sept sous ensembles


flous pour la variable linguistique (Taille)

NG NM NP EZ PP PM PG
1.0

0.4

0.2

0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90

taille (m)
LES OPERATEURS DE LA LOGIQUE FLOUE

Comme pour la théorie classique des ensembles


on définit

l’intersection ET

la réunion OU d’ensembles flous

le complément NON
LES OPERATEURS DE LA LOGIQUE FLOUE

Opérateur ET (Intersection) formation du minimum

 A B x   min A x ,  B x  x  U
petit(x) moyen(x)
petit  moyen (x)
Petit Moyen
1.0 1.0

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
Taille (m) Taille (m)

Intersection des sous ensembles flous «petit» et «moyen» pour la variable


linguistique (Taille)
LES OPERATEURS DE LA LOGIQUE FLOUE

Opérateur OU (Union) formation du maximum

 A B  x   max   A  x  ,  B  x  x  U
petit(x) moyen(x)
petit  moyen (x)
Petit Moyen
1.0 1.0

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
Taille (m) Taille (m)

Union des sous ensembles flous «petit» et «moyen» pour la variable linguistique


(Taille)
LES OPERATEURS DE LA LOGIQUE FLOUE

Opérateur NON (Complémentation)

 A x   1   A x  x  U
petit(x)
petit(x)
Petit
1.0 1.0

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90
Taille (m) Taille (m)

Complémentation de sous ensemble flou «petit» pour la variable linguistique


(Taille)
LES OPERATEURS DE LA LOGIQUE FLOUE

Autres opérateurs de la logique floue

Les opérateurs union et intersection ont été proposé par L.Zadeh dés 1965,
ils sont encore les plus utilisés car présentant l‘avantage de la simplicité.
D’autres opérateurs plus complexes, ont été suggérés pour réaliser les
mêmes opérations (Mizumoto 1988, Zimmermanner 1990).

Quelque soit les définitions des opérateurs ET et OU on constate que l’on


retrouva les propriétés des opérateurs booléens

La logique floue est une extension de la logique classique


LA COMMANDE FLOUE

Structure
LA COMMANDE FLOUE

Structure

Contrôleur flou
RLF Base de
connaissance

consigne Logique de prise


Interface de sortie
Interface de de décision Procédé
défuzzification
fuzzification (Bloc
d’inférence)

non flou flou flou non flou


(déterministe) (déterministe)
LA COMMANDE FLOUE

Base de connaissance
contient

Base de données Base de règles.

Définitions des
Ensemble des
s/ensembles flous
règles de
Univers de discours
commande floue
Partition floue
Choix des opérateurs SI ...... ALORS
LA COMMANDE FLOUE

Contrôleur flou
RLF Base de
de
connaissance
connaissance

consigne Logique de prise


Interface de sortie
Interface de de décision Procédé
défuzzification
fuzzification (Bloc
d’inférence)

non flou flou flou non flou


(déterministe) (déterministe)
LA COMMANDE FLOUE

Base de connaissance Base de données

Plus le nombre de sous-ensembles est important

et plus la sensibilité de commande sera grande

Pour une variable x on introduit:

3 sous-ensembles flous

5 sous-ensembles flous

7 sous-ensembles flous
LA COMMANDE FLOUE

Base de connaissance Base de données

Exemple: 5 sous-ensembles flous

NG NM EZ PM PG

Fuzzification avec cinq fonctions


d’appartenance
LA COMMANDE FLOUE

Base de connaissance Base de données

Exemple: 5 sous-ensembles flous

NG NM EZ PM PG

Fuzzification avec cinq fonctions d’appartenance


symétriques et non équidistantes
LA COMMANDE FLOUE

Base de connaissance Base de données

Exemple: 5 sous-ensembles flous

NG NM EZ PM PG

Fuzzification avec cinq fonctions d’appartenance


non symétriques et non équidistantes
LA COMMANDE FLOUE

Base de connaissance Base de règles


L’expertise est exprimée sous forme d’un ensemble de règles

SI (X est A) ALORS (Y est B)

SI (condition sur entrées) ALORS (action sur sortie)

prédicat ou prémisse une action ou conclusion sur


la sortie

L’ensemble des règles forme un algorithme


LA COMMANDE FLOUE

Contrôleur flou
RLF Base de
connaissance

consigne Logique de prise


Interface
Interface dede de décision Interface de sortie
défuzzification Procédé
fuzzification
fuzzification (Bloc
d’inférence)

non flou flou flou non flou


(déterministe) (déterministe)
LA COMMANDE FLOUE

Interface de fuzzification

La fuzzification est l’étape qui consiste en la quantification


floue des valeurs réelles d’une variable.

il est
« petit » à un degré de 75%
un individu Interface de
mesure 1.65m « moyen » à 25%
fuzzification
« grand » à 0%
LA COMMANDE FLOUE

Interface de fuzzification

Pour fuzzifier, il faut donner:


1.L’univers du discours
(Plage de variations possibles de l’entrée)
2.Une partition en classe floue de cet univers
3.Les fonctions d’appartenances de chacune de ces classes

Il faut fuzzifier les entrées ET les sorties du processus flou

La fuzzification des variables est une phase délicate du


processus mis en oeuvre par la logique floue
LA COMMANDE FLOUE

Contrôleur flou
RLF Base de
connaissance

consigne Logique
Logique de prise
prise
Interface de sortie
Interface de de
dedécision
décision Procédé
défuzzification
fuzzification (Bloc
(Bloc d’inférence)
d’inférence)

non flou flou flou non flou


(déterministe) (déterministe)
LA COMMANDE FLOUE

Logique de prise de décision (Bloc d’inférence)

Cœur d’un RLF, simule les décisions humaines et déduit les actions de
commande floue à l’aide de l’implication floue et des règles d’inférence

DEDURE = INFERER

Si Vitesse est grande ET obstacle est lointain ALORS freiner un peu

Prémisses Conjonction Implication Conclusion


Prédicat
LA COMMANDE FLOUE

Logique de prise de décision (Bloc d’inférence)

Description linguistique des règles d’inférence

SI [(Prédicat 1) ET/OU (Prédicat 1’) ET/OU ....] ALORS (Conclusion) OU


SI [(Prédicat 2) ET/OU (Prédicat 2’) ET/OU ....] ALORS (Conclusion) OU
........................................................................................................ OU
.... .... OU
.... .... OU
SI [(Prédicat N) ET/OU (Prédicat n’) ET/OU ....] ALORS (Conclusion)

Une règle est activée dès sa une prémisse a une valeur de vérité non nulle
LA COMMANDE FLOUE

Logique de prise de décision (Bloc d’inférence)

Description symbolique des règles d’inférence


SI (V1 NG ET V2 NG) ALORS (W EZ) OU
SI (V1 NG ET V2 EZ) ALORS (W PG)
OU
SI (V1 EZ ET V2 NG) ALORS (W NG) OU
SI (V1 EZ ET V2 EZ) ALORS (W EZ)
OU
SI (V1 EZ ET V2 PG) ALORS (W PG) OU
SI (V1 PG ET V2 EZ) ALORS (W NG)
OU
LA COMMANDE FLOUE

Logique de prise de décision (Bloc d’inférence)

Description par matrice d’inférence

V1

NG EZ PG

NG EZ NG

V2 EZ PG EZ NG

PG PG EZ
LA COMMANDE FLOUE

Méthodes d’inférence

Il faut indiquer au calculateur l’algorithme mathématique


qu’il doit utiliser pour calculer une fonction de sortie RES

Méthodes usuelles: 

La méthode d’inférence « MAX – MIN 


MIN »

La méthode d’inférence « MAX – PROD 


PROD »

La méthode d’inférence « SOM – PROD 


PROD »
LA COMMANDE FLOUE Exemple

Méthodes d’inférence
PG EZ PG PG EZ PG PG EZ PG

-1.0 0 1.0 -1.0 0 1.0 -1.0 0 1.0


Variable x1 Variable x2 Variable xR

Supposons x1 = 0.44 et x2 = - 0.67


proposons une inférence à deux règles :

SI (x1 PG ET x2 EZ) ALORS (xR EZ) OU


SI (x1 EZ OU x2 NG) ALORS (xR NG)
LA COMMANDE FLOUE Méthode « MAX – MIN »
LA COMMANDE FLOUE Méthode « MAX – PROD»
LA COMMANDE FLOUE Méthode « SOM– PROD »
LA COMMANDE FLOUE

Contrôleur flou
RLF Base de
connaissance

consigne Logique de prise


Interfacede
Interface sortie
Interface de de décision Procédé
de
défuzzification
fuzzification (Bloc défuzzification
d’inférence)

non flou flou flou non flou


(déterministe) (déterministe)
LA COMMANDE FLOUE

Défuzzification

Etape qui consiste à transformer le sous-ensemble flou de sortie en une

valeur non floue permettant la commande du procédé

Cette opération permet donc de déduire une valeur numérique x* précise


de la sortie du contrôleur à partir de la conclusion résultante floue issue
de l’opération d’inférence

Les stratégies de défuzzification couramment employées sont :

- la méthode de la moyenne des maximas

- la méthode du centre de gravité


Méthode de la moyenne des
LA COMMANDE FLOUE
maximas

Défuzzification

RES(xR)
1.0
0.8 C’est la moyenne des valeurs pour
0.6 lesquelles la fonction d’appartenance
0.4
présente un maximum qui est affecté
0.2
au signal de commande
0
0 2 4 6 8 10
x*= 1.9

Méthode de défuzzification par


la moyenne des maximas
LA COMMANDE FLOUE Méthode du centre de gravité

Défuzzification

RES(xR) Elle consiste à prendre comme valeur


1.0
de sortie l’abscisse x* du centre de
0.8
gravité de la surface de la fonction
0.6
0.4 d’appartenance résultante

0.2
0
0 2 4
x*= 3.5
6 8 10
x R . RES xR .dxR
x*  U
Méthode de défuzzification par la
méthode du centre de gravité   x .dx
U
RES R R
CONCLUSION

La commande a base de logique floue permet de définir une loi de

commande numérique à partir de connaissances linguistiques

La différence entre une commande floue et une commande classique

repose sur le fait que la première exploite des informations

qualitatives (règles floues) et la seconde nécessite des relations

analytiques (équations integro-différentielles, aux différences)

pour décrire le comportement dynamique du système à commander


PARTIE .II.

MODELISATION DE LA
MACHINE ASYNCHRONE
ET DE SON ALIMENTATION
Structure de la chaîne de puissance

Redresseur Onduleur MAS


Onduleur
Réseau ~ =
L
Réseau Charge
triphasé = ~ M
triphasé C 3~
V,f U= V,f
fixes variable variables
Redresseur Filtre

Commande de
Commande MLI
l'onduleur
sinus-triangle
Modélisation de la machine asynchrone
triphasée

Organisation
Modélisation de la machine asynchrone
triphasée

Organisation
Modélisation de la machine asynchrone
triphasée

Hypothèses simplificatrices

La machine de construction symétrique équilibrée


Les bobinages triphasés au stator et au rotor et ont p paires de pôles
Si le rotor est à cage, on peut considérer le bobinage triphasé équivalent
L’entrefer est d'épaisseur et de perméabilité constante
Saturation du circuit magnétique est négligeable, sa perméabilité constante
Pertes ferromagnétiques (hystérésis et courants de Foucault) négligeables
Les pertes mécaniques négligeables
Distribution spatiale des forces magnétomotrices dans l’entrefer sinusoïdale
Effet de peau est négligé
La résistance des différents enroulements de la machine est constante
Influence de l’échauffement sur les caractéristiques n’est pas prise en compte
Modélisation de la machine asynchrone
triphasée
BS
iSB
vSB

bR aR
ibs

iRb

m iRa

O
AS
iSA
vSA

iRc

vSC
Représentation de la structure
iSC
de principe de la MAS triphasé
CS bR
Modélisation de la machine asynchrone
triphasée

La transformation
de Park
 

B i q
iq
iB v d
vq
vB
id

vd
S
A  
ibs O O
O
iA i
vA v
vC

iC

Transformation Transformation
C
(A,B,C)  (,,0) (,,0)  (d,q,0)
Modélisation de la machine asynchrone
triphasée

Les équations électriques

d d d Rd d R
vSd  RS .iSd  Sd  S . Sq vRd  RR .iSd   . Rq  0
dt dt dt dt

d Sqd d Rq
d R
vSq  RS .iSq   S . Sd vRq  RR .iRq   . Rd  0
dt dt dt dt

Les équations magnétiques

 Sd  LS .i Sd  M SR .i Rd  Rd  L R .i Rd  M SR .i Sd

 Sq  LS .i Sq  M SR .i Rq  Rq  L R .i Rq  M SR .i Sq
Modélisation de la machine asynchrone
triphasée

Le couple électromagnétique

 
em  p.  Sd .iSq   Sq .iSd  em  p. Rq .iRd   Rd .iRq 

M SR
em  p.M SR .iSq .iRd  iSd .iRq  em  p. . Sq .iRd   Sd .iRq 
LR

em  p.
M SR
. Rd .iSq   Rq .iSd  em  p.
1 
. . Sq   Rq . Sd 
Rd
LR  .M SR

2
M SR
Avec  cœfficient de dispersion de Blondel :  1
L S .L R
Modélisation de la machine asynchrone
triphasée
Représentation des enroulements fictifs
d’axes d et q
Grâce à la substitution diphasés / triphasés

q
iSq les flux ne dépendent plus que de 3 paramètres
LS LS , L R , M SR
vSq
MSR RS
iRq
LR
MSR
les coefficients d’inductance sont indépendant
du temps
RR
LR RR LS RS
O d
S iRd iSd
vSd
les grandeurs des axes d et q ne sont plus couplées
AS
Modélisation de la machine asynchrone
triphasée
Modèle du moteur triphasé à cage définit dans la base de Park

vSd iSd
Modèle d’état iSq
vSq 
d X 
Rd

 A .U
. X  B  
 dt Rq

S R
em
R
iAS

Structure du modèle d’état


Modélisation de la machine asynchrone
triphasée

 iSd   1
0 

i    .L
vSd  1 0 0 0 
U     C     
S

X    Sq    0 1 
 Rd  vSq   0 1 0 0  B     .LS 

   0 0 
 Rq   
 
 0 0 
 

  1 1 1  1  1 1  1 
    .  S . . . R 
   .TS TR    M SR .TR  M SR 
  1 1 1  1 1 1  1 
  S    .   . . R . 
A     .TS TR    M SR  M SR .TR 
M SR 1 
 0   gl 
 TR TR 
 M SR 1 
 0   gl  
 TR TR 
Modélisation du convertisseur
continu alternatif
Structure d’un onduleur de tension triphasé à 2 niveaux

H1 H3 H5
iS

D1 K1 D3 K3 D5 K5 Charge
triphasée
IA
A uAB
E IB
N
B uBC uCA IC
C
D4 K4 D6 K6 D2 K2 va vb vc

H4 H6 H2
Modélisation du convertisseur
continu alternatif

On associe à chacun d’eux une valeur binaire de commande :

interrupteur du haut FERME


S  1  interrupteur du bas OUVERT

interrupteur du haut OUVERT


S  1  interrupteur du bas FERME

 va   2  1  1  S a 
Tensions simples v   1  1 2  1. E  S 
sous forme matricielle   b 3  2  b
 vc   1  1 2   S c 
Modélisation du convertisseur
continu alternatif
Modélisation du convertisseur
continu alternatif
Commande MLI (PWR) Principe de la MLI sinus-triangle

Modulantes : triphasée
vam, vbm, vcm

 = 0° +
- Phase A

 = -120° +
- Phase B

 = -240° +
- Phase C
Amplitude : Vm Fréquence : f
Porteuse vp

Amplitude : VP Fréquence : fP
Modélisation du convertisseur
continu alternatif
Commande MLI sinus triangle

Porteuse triangulaire
Fréquence f
Amplitude Umaxp

Signaux de
commandes MLI

1 Sa

Sine Wave1 Sum1 Relay1 MLI 1

2 Sb
Sum2 Relay2 MLI 2
Sine Wave2

3 Sc
Sum3 Relay3 MLI 3
Sine Wave3
Simulation de l’association
alimentation - moteur asynchrone en BO
Tension continue : 330 Volts f (fondamental désirée): 50 Hz m = 21
Ampl (mod): 220*sqrt(2) Volts f (porteuse): 1050 Hz r = 0.8
Démarrage à vide avec application d’un échelon de couple (10mN) à t= 1 seconde

Vitesse Tension
Vitesse
180 250

(rd/s)
160

140
simple 200

150

120 (V) 100

100 50

0
80
-50
60
-100
40
-150
20
-200
0
-250
0 0.5 1 1.5 2
(s) 0 0.02 0.04 0.06 0.08 0.1 0.12
(s)
Couple électromagnétique Courant statorique isA
Couple 45
Courant 30

40

(mN) 35 (A) 20

30
10
25

20 0

15
-10
10

5
-20
0

-5 -30
0 0.5 1 1.5 2 (s) 0 0.5 1 1.5 2
(s)
Simulation de l’association
alimentation - moteur asynchrone en BO
Tension continue : 330 Volts f (fondamental désirée): 50 Hz m = 21
Ampl (mod): 220*sqrt(2) Volts f (porteuse): 1050 Hz r = 0.8
Démarrage à vide avec application d’un échelon de couple (10mN) à t= 1 seconde

Rd
Flux Fird Courant statorique isd
1.2 30
isd
1
(Wb) 25

0.8
(A)
20

0.6
15
0.4

10
0.2

5
0

-0.2 0
0 0.5 1 1.5 2
(s) 0 0.5 1 1.5 2
(s)
Flux Firq Courant statorique isq
Rq 0.2
isq 25

0.1

(Wb) 0 (A) 20

-0.1
15
-0.2

-0.3
10
-0.4

-0.5
5
-0.6

-0.7
0 0.5 1 1.5 2 (s) 0
0 0.5 1 1.5 2 (s)
PARTIE .IV.

LA COMMANDE
VECTORIELLE DE LA
MACHINE ASYNCHRONE
La commande vectorielle de la machine
asynchrone triphasée
Objectif
obtenir un comportement de la MAS similaire à celui de la machine
à courant continu à excitation séparée découplage couple / flux

Principe
Annuler la composante Rq du flux et ne conserver que la composante Rd 
 Rq  0  R   Rd
axe q
axe d
iS R = Rd

R axe rotor


Orientation
du flux rotorique iSq iSd
S 
sur l’axe direct
axe stator
O
La commande vectorielle de la machine
asynchrone triphasée

La commande vectorielle par contrôle indirect

Il est impératif de connaître à chaque instant le vecteur flux

Le module utilise directement sa grandeur de référence Rd*


 R si   N
 défluxage
 Rd *   N
 . si   N
 RN 

La position déterminée par intégration de la pulsation statorique,
elle-même reconstituée à l’aide de la vitesse de la machine et de la
pulsation rotor
 M SR .iSq 
 S    S .dt    p.  .dt
 TR . Rq 

La commande vectorielle de la machine
asynchrone triphasée

Structure d’une commande vectorielle indirecte


E + -

* + Rég em* 2.LR iSq* + Rég vSq*


_
de
vitesse 3. p.M SR  _
de
courant Park
vSA*
Onduleur
 vSB* +
INVERSE
Commande
Défluxage vSC* MLI
1 iSd*
+ Rég vSd*
de
M SR _ courant

S
Rd*
iSq
iSA
Park
iSd
iSB M
DIRECT
3~
gl S
TR M SR  +
+ 
iSC

p. S
p capteur
de vitesse


PARTIE .IV.

SYNTHESE
&
EVALUATION DES
CONTROLEURS
PI ET FLOUS
SYNTHESE & EVALUATION DES CONTROLEURS
PI ET FLOUS

Perspective: remplacement du contrôleur de vitesse par

CONTROLEUR PI

CONTROLEUR RLF_3
trois sous ensembles flous
avec partition de l’univers de discours symétrique et équidistante

CONTROLEUR RLF_5
cinq sous ensembles flous
avec partition de l’univers de discours symétrique et équidistante
Synthèse du contrôleur classiques de type PI

Schéma bloc d’un régulateur de type PI

Contrôleur PI Perturbation

Kp
+ y* - y + u + + Actionneur
y
y* +
_ + Processus
y
Ki
s

Détermination des réglages

Contrôleurs de vitesse kpw = 2.53 kiw = 55

Contrôleurs de courant ids  kpd = 7.58 kid = 2785

Contrôleurs de courant iqs  kpq = 107.8 kiq = 22330


Synthèse des contrôleurs flous

Etude du comportement du processus


+dE
  *
3
4
7
2 4 6 8 10 11 12
9 3 7 1
5 5
-E +E
6

2
1
-dE
0 t
Réponse typique à un échelon de vitesse Trajectoire E – dE pour la vitesse

Observations des points


 d’intersection entre la consigne  ou la réponse est
et le réponse
maximale ou minimale

 les actions que devra imposer le contrôleur pour d’obtenir le minimum de


dépassement et un régime transitoire le plus faible possible
Synthèse du contrôleur flou RLF_3

Structure des contrôleurs flous

* + 1 - dE de
z +
KdE RLF_3 dCiqs* diqs*
z
iqs* Onduleur

- ou KdCiqs +
RLF_5 MAS
KE z 1
E e

Grandeurs significatives

l’erreur de vitesse et la variation cette erreur

Entrées du correcteur flou E et dE

En sortie l’incrément du signal de commande

diqs*
Synthèse du contrôleur flou RLF_3

Fuzzification

Fonctions d’appartenance
 (E)  (dE)  (dCiqs)
NG EZ PG NG EZ PG NG EZ PG
G

e de dCiqs
-1.0 -0.5 0 0.5 1.0 -1.0 -0.5 0 0.5 1.0 -1.0 -0.5 0 0.5 1.0

Univers de discours

Gains de normalisations pour une réponse similaire à celle du contrôleur PI

KE  1 K dE  1 K diqs  12
500 7.85
Synthèse des contrôleurs flous

Choix des facteurs d’échelle (gains de normalisation)

La trajectoire normalisé doit couvrir l’ensemble de l’univers de discours

KE trop grand KE trop petit KE bien choisi


KdE trop petit KdE bien choisi KdE bien choisi
Synthèse des contrôleurs flous

E
Base de règles et matrice d’inférence NG EZ PG
NG NG NG EZ
dE EZ NG EZ PG
PG EZ PG PG
Traitement numérique des inférences
Nous avons opté pour des choix nécessitant des volumes et des temps de calculs
réduits, soit :
pour ET logique : la méthode du PRODUIT
pour OU logique : la méthode de la SOMME
pour les règles d’inférences : la méthode SOMME-PRODUIT

Défuzzification

Méthode du CENTRE DE GRAVITE


(nécessite un temps de calcul non négligeable, résultats satisfaisants)
Synthèse des contrôleurs flous

Surface caractéristique

Représentation tridimensionnelle de la fonction dCiqs = f(e,de)


Montre les non linéarités qui caractérisent le contrôleur flou
Synthèse du contrôleur flou RLF_5

Fuzzification Fonctions d’appartenance

Répartition floue des FA(s) symétrique et non équidistante


 (E)
NG PN EZ PP PG

-1.0 -0.3 -0.1 0 0.1 0.3 -1.0

 (dE)
NG PN EZ PP PG

dE

-1.0 -0.3 -0.1 0 0.1 0.3 -1.0


Synthèse du contrôleur flou RLF_5

 (dCiqs)

NG PN EZ PP PG

dCiqs
-1.0 -0.5 -0.2 0 0.2 0.5 -1.0

Ces choix donnent que


On constate une pour
réponse douce
obtenir lorsque
plus la vitesse
de précision et est
uneproche de la vitesse
augmentation de
de référence (sollicitation des sous ensembles flous PN et PP) la robustesse

Par contre lorsque l’écart entre la vitesse et la vitesse de référence est important,
le butIlest de choisir
faut solliciter
unelesplus
sousgrande
ensembles flous
densité desPG et NG
FA(s) pour des
autour réduire rapidement
valeurs nulles
cette différence
Synthèse du contrôleur flou RLF_5

Univers de discours

Gains de normalisations pour une réponse similaire à celle des contrôleurs PI et au RLF_5

KE  1 K dE  1 K diqs  12
500 7.85

Base de règles et matrice d’inférence

E
NG NP EZ PP PG
NG NG NG PN NP EZ
NP NG NP PN EZ PP
dE EZ NG NP EZ PP PG
PP NG EZ PP PP PG
PG EZ PP PP PG PG
Synthèse du contrôleur flou RLF_5

Traitement numérique des inférences


Nous avons opté pour des choix que pour le régulateur RLF_3
pour ET logique : la méthode du PRODUIT
pour OU logique : la méthode de la SOMME
pour les règles d’inférences : la méthode SOMME-PRODUIT

Surface caractéristique
Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage à vide avec consigne de vitesse REF = 100 rd/s
PI RLF_3 RLF_5
Vitesse (rd/s)
120 120
vitesse moteur
consigne vitesse
consigne vitesse
vitesse moteur
100 100

80
80

60
60
40

40
20

20 0

0 -20
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Loi de C mde
u=iSq* (A)

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage à vide avec consigne de vitesse REF = 100 rd/s
PI RLF_3 RLF_5
Couple (mN)
35
35

30 30

25 25

20 20

15 15

10 10

5 5

0 0

-5 -5
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSA (A)
20 25

15 20

15
10

10
5
5

0
0

-5 -5

-10 -10
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage à vide avec consigne de vitesse REF = 100 rd/s
PI RLF_3 RLF_5
Flux Rd (Wb)
1.4
1.4

1.2 1.2

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Flux Rq (Wb)
0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0

-0.1 -0.1
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage à vide avec consigne de vitesse REF = 100 rd/s
PI RLF_3 RLF_5
Courant iSd (A)
6 7

5 6

5
4

4
3
3

2
2

1 1

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSq (A)
25
30

20 25

15 20

15
10

10
5
5

0
0
(s)
-5 -5
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge avec REF = 100 rd/s / suppression et application de la charge (10mN)
PI RLF_3 RLF_5
Vitesse (rd/s)
120 120
consigne vitesse
vitesse moteur
consigne vitesse
vitesse moteur
100 100

80 80

60 60

40 40

20 20

0 0

-20 -20
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Loi de C mde
u=iSq* (A)

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge avec REF = 100 rd/s / suppression et application de la charge (10mN)
PI RLF_3 RLF_5
Couple (mN)
60
60

50
50

40 40

30 30

20 20

10 10

0 0

-10 -10
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSA (A)
25 30
30

25 20 25

20 20
15

15 15
10

10 10
5
5 5

0
0 0

-5 -5 -5

-10 -10 -10


0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge avec REF = 100 rd/s / suppression et application de la charge (10mN)
PI RLF_3 RLF_5
Flux Rd (Wb)
1.5 1.5

1 1

0.5 0.5

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Flux Rq (Wb)
0.7
0.8
0.6 0.7

0.5 0.6

0.4 0.5

0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
0
-0.1 -0.1

-0.2 -0.2
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge avec REF = 100 rd/s / suppression et application de la charge (10mN)
PI RLF_3 RLF_5
Courant iSd (A)
7 8

6 7

6
5

5
4
4
3
3
2
2

1
1

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSq (A)
30 35

25 30

25
20

20
15
15
10
10

5
5

0 0

-5 -5
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge (10 mN) et inversion du sens de rotation

PI RLF_3 RLF_5
Vitesse (rd/s)
120
vitesse moteur consigne vitesse
100 consigne vitesse 100 vitesse moteur

50 50

0 0

-50 -50

-100 -100

-120
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Loi de C mde
u=iSq* (A)

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge (10 mN) et inversion du sens de rotation

PI RLF_3 RLF_5
Couple (mN)
60 60

50 50

40 40

30 30

20 20

10 10

0 0

-10 -10

-20 -20

-30 -30
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSA (A)
25 30

20 25

15 20

15
10
10
5
5
0
0
-5
-5
-10
-10
-15
-15

-20 -20
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge (10 mN) et inversion du sens de rotation

PI RLF_3 RLF_5
Flux Rd (Wb)
1.5 1.5

1 1

0.5 0.5

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Flux Rq (Wb)
0.7 0.8

0.6 0.7

0.5 0.6

0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
0
-0.1 -0.1

-0.2 -0.2
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Démarrage en charge (10 mN) et inversion du sens de rotation

PI RLF_3 RLF_5
Courant iSd (A)
7 8

6 7

6
5

5
4
4
3
3
2
2

1
1

0 0
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Courant iSq (A)
30 35

25 30

20 25

15 20

15
10
10
5
5
0
0
-5
-5
-10
-10
-15 -15
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

(s) (s) (s)


Simulation de l’association
alimentation - moteur asynchrone en BF
Zoom sur la vitesse
Démarrage à vide à une consigne de vitesse en échelon (filtré). ref = 100 rd/ s
80 100

70
60 99.8

50
99.6
40
30
99.4
20
RLF5 RLF5
10 99.2 RLF3
RLF3
0 PI PI
consigne vitesse consigne vitesse
-10 99
0 0.02 0.04 0.06 0.08 0.1 0.4 0.45 0.5 0.55 0.6 0.65 0.7

(s) (s)
Réponse du système à l’application de la charge nominale et à sa suppression
105 105
PI RLF3
104 104 RLF5

103 103

102 102

101 101

100 100

99 99

98 98

97 97

96 96

95 95
1 1.2 1.4 1.6 1.8 2 2.2 1 1.2 1.4 1.6 1.8 2 2.2

(s) (s)
Tests de robustesse des régulateurs PI et flou

Un régulateur est dit robuste si le système en boucle fermé pour lequel il a été conçu
est stable, non seulement pour ce système, mais également pour un système
légèrement différent du système nominal [BAG 99]

Conditions imposées aux tests


Consigne de vitesse Perturbation (charge)
15
100
10

50
5

0 0

-5
-50

-10
-100
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

(s) (s)
Variations paramétriques

Résistance rotorique RR = 1.5*RRN Inductance statorique LS = 0.95*LSN

Inductance rotorique LR = 0.95*LRN Moment d’inertie J = 1.5*JN


Tests de robustesse
Variation de la résistance rotorique
Erreur de Vitesse (rd/s)

PI 5 5
Rrn Rrn
2*Rrn 2*Rrn

2.5 2.5

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)

vitesse 2

RLF_5
5 5
Rrn Rrn
2*Rrn 2*Rrn

2.5 2.5

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)
Tests de robustesse
Variation de l’inductance rotorique
Erreur de Vitesse (rd/s)

PI
erreur 1
erreur 2
5 5
Lrn
0.95*Lrn

2.5 2.5

Lrn
0.95*Lrn

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)

vitesse 2

RLF_5 5
Lrn
0.95*Lrn
5
Lrn
0.95*Lrn

2.5 2.5

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)
Tests de robustesse
Variation de l’inductance statorique
Erreur de Vitesse (rd/s)

PI
erreur 1
erreur 2
5 5
Lsn
0.95*Lsn

2.5 2.5

Lsn
0.95*Lsn

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)

vitesse 2
5
RLF_5 Lsn
0.95*Lsn
5
Lsn
0.95*Lsn

2.5
2.5

0
0

-2.5
-2.5

-5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 -5
2.6 2.8 3 3.2 3.4 3.6

(s) (s)
Tests de robustesse
Variation du moment d’inertie
Erreur de Vitesse (rd/s)

PI
erreur 1
erreur 2
5 5
Jn
1.5*Jn

2.5 2.5

Jn
1.5*Jn

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)

vitesse 2
5 5
RLF_5 Jn
1.5*Jn
Jn
1.5*Jn

2.5 2.5

0 0

-2.5 -2.5

-5 -5
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 2.6 2.8 3 3.2 3.4 3.6

(s) (s)
CONCLUSION
CONCLUSION

On observe un comportement satisfaisant des contrôleurs flous en


régulation et en poursuite.

Cependant la supériorité des contrôleurs flous en ce qui concernent


ces modes de fonctionnement n’est pas évidente

L’originalité de l’approche par la logique floue est dans la simplicité


de la synthèse et la mise au point des réglages dans le cas de
systèmes complexes ou incertains et difficiles à modéliser

On note la supériorité du contrôleur flou RLF_5 vis-à-vis de la


robustesse face aux dérives ou aux variations des paramètres de
la machine asynchrone

L’expérience montre que face à des variations paramétriques


importantes le contrôleur flou est incapable de compenser celles-ci,
ce qui provoque une détérioration de la commande
CONCLUSION

Une solution intéressante pour palier à cette insuffisance consiste à


introduire le contrôle par logique floue dans une structure de
commande adaptative

Il faut noter deux inconvénients au contrôle par la logique floue :

- le premier étant l’absence de méthode théorique pour la synthèse

des contrôleurs flous (partition et position relative des fonctions


d’appartenance dans l’univers de discours)
- le second est le manque d’outils théoriques formels appropriés

pour l’étude des systèmes contrôlés par la logique floue.


Merci
de votre attention

Vous aimerez peut-être aussi