Notre travail a consisté à étudier les techniques de l’intelligence artificielle et leur application dans le but de commander et minimiser les pertes d’une machine asynchrone. Nous avons essayé de les présenter d’une manière suffisamment complète et synthétique pour permettre la compréhension de leur fonctionnement et l’approfondissement des études menées.
Pour parvenir à cet objectif, nous avons restreint notre étude à la régulation au sein d’une commande vectorielle de la machine. Nous sommes intéressés aux régulateurs de vitesse classiquement utilisés et à leur remplacement par différents types de régulateurs flous et neuronaux.
Dans un premier temps, nous avons abordé la modélisation de la machine asynchrone, dans le repère de Park, sans prise en compte les pertes fer. Ensuite, nous avons établi le modèle de l’onduleur de tension à pleine onde et à MLI sans pertes. Les résultats de la simulation permettent de valider notre modèle de la MAS et montrent que l’alimentation avec l’onduleur de tension présente des ondulations ou des pics d’amplitude excessive (surtout pour l’onduleur à pleine onde) qui engendrent des pertes supplémentaires et qui risquent d’endommager les semi-conducteurs de puissance. Un choix adéquat de la fréquence de découpage de la MLI permet de les réduire.
Nous avons ensuite inclus les pertes fer dans le modèle de la MAS afin de respecter le bilan énergétique, pour cela, nous avons développé deux approches. La première consiste à rapporter les pertes fer dans l’équation mécanique, elle permet de soustrais le couple qui représente les pertes fer directement au couple électromagnétique. La deuxième approche concernant la modification de schéma équivalent de la MAS qui permet de placer une résistance équivalente représentant les pertes fer en parallèle ou bien en série avec la branche magnétisante. Nous avons constaté que les pertes fer dans la première méthode dépendent de couple qui les représente par contre dans la deuxième, dépendent de la résistance équivalente. Les pertes de convertisseur a été modélisée par une résistance équivalente placé en série avec la résistance statorique. Des résultats de simulation valident notre démarche et une comparaison effectuée entre le modèle de la MAS et l’onduleur de tension avec et sans pertes. Nous avons aussi développé la commande vectorielle par orientation du flux rotorique de la MAS, afin de lui donner des comportements semblables à ceux de la machine à courant continu.
Conclusion générale
178
Pour montrer l’influence des pertes fer sur la machine et sa commande, on introduit ces pertes dans le modèle et la commande vectorielle de la MAS. Pour valider notre modèle, nous avons réalisé de nombreux types de fonctionnement de la MAS et nous avons comparé les résultats obtenus.
Les résultats de comparaison montrent que la présence des pertes fer influe sur les caractéristiques de la MAS et les performances de la commande, d’ou la nécessite de les prendre en considération pour rapprocher au modèle réel de la MAS et sa commande. Comme ils montrent aussi, que la présence de l’onduleur affecte le découplage crée par la CV-OFR, en créant un angle de désorientation du flux rotorique. Lequel ne peut pas être nul, mais peut être réduit par un bon choix de la fréquence de découpage.
Le dernier volet de cette étude concerne les algorithmes qui minimisent les pertes fer de la MAS. Dans la première partie, nous avons commencé par les techniques classiques, tel que l’algorithme d’optimisation par le facteur de puissance et l’algorithme de minimisation basé sur un contrôleur à modèle des pertes. Les résultats de simulation obtenus montrent que la minimisation par le facteur de puissance donne des meilleures performances en régime transitoire ainsi que le régime permanent. La minimisation basée sur le modèle des pertes consiste à calculer une fonction objective, en utilisant le modèle de la MAS tout en sélectionnant le niveau du flux qui minimise les pertes totales. Cette méthode montre son importance durant le régime permanent.
Ces deux méthodes ont montrées ses limites et perdrent leurs importances, car elles nécessites la connaissance exacte des paramètres de la machine.
Pour éliminer le problème identifié précédemment, nous avons présentés dans la deuxième partie d’autres méthodes dites méthodes d’optimisation basées sur l’intelligence artificielle, tel que la minimisation par la logique floue et la minimisation par les réseaux de neurones artificiels. On commence tout d’abord par l’optimisation par un régulateur par logique floue qui offre un cadre formel pour une synthèse linguistique intégrant des considérations heuristiques, et en suite par les réseaux de neurones qui permettent, quant à eux, d’adopter l’approche « boite noire » du système et de ne considérer que ses entrées et ses sorties. Les résultats de simulation ont été présentés, montrent que les performances de ces deux approches surpassent la commande conventionnelle, avec un supériorité à la minimisation par la logique floue à cause de la rapidité de sa dynamique et sa robustesse ; et à la fin, nous avons fait une étude comparative entre les stratégies traites dans cette thèse.
Conclusion générale
Finalement, nous pouvons dire que ce travail nous a permis de mettre en relief surtout l’impact des pertes fer sur la machine asynchrone et sur sa commande, qu’il devient impératif de les prendre en considération.
Le travail présenté dans ce mémoire ouvre un certain nombre de perspectives. A court terme, nous pensons appliquer l’algorithme génétique pour l’optimisation énergétique de la MAS et d’autres types de machines électriques, la machine synchrone à titre d’exemple.
ANNEXE
Annexe