APPLICATION DE TECHNIQUE DE L'INTELLIGENCE ARTIFICIEL (R-N) POUR LA CONTROLE DIRECTE DE COUPLE D'UNE MAS ALIMENTEE PAR
DES ONDULEURS MULTINIVEAUX.
0.Benaouda,
*Laboratoire ICEPS (Intelligent Control & Electrical Power Systems), Faculté des Sciences de l’Ingénieur, Département Electrotechnique, Université des Sciences et Technologie d'Oran de BP 98 Oran 31000 Algérie.
E-mail :[email protected]
I. INTRODUCTION
Grâce à son faible coût et sa simplicité de construction, conjugués aux techniques de variation de vitesse, la machine asynchrone s’impose de plus en plus dans les domaines De l’entraînement à vitesse variable.
La technique de commande directe du couple (Direct Torque Control ou DTC) introduite en 1985 par TAKAHASHI [1, 2]
utilise une approche séduisante de part son efficacité et sa simplicité de mise en œuvre. Plusieurs travaux ont permis une modélisation rigoureuse de cette approche [2, 3]. Cette technique permet de calculer les grandeurs de contrôle que sont le flux statorique et le couple électromagnétique à partir des mesures de courants statoriques sans utilisation de capteurs mécaniques.Cette loi de contrôle présente des performances dynamiques remarquables de même qu’une bonne robustesse vis à vis des écarts de paramètres du moteur. Elle semble notamment bien adaptée à l'application de réseau de neurone artificiels en termes de la capacité d’apprentissages, le parallélisme de fonctionnement, la rapidité de calcul et la capacité de généralisation, seront exploités dans cet article pour la commande DTNC de l’ensemble du système.
II. PRINCIPE DU CONTROLE DIRECT DE COUPLE II.1. Schéma de commande
Le contrôle dynamique du couple de la machine asynchrone peut être mis en évidence par le modèle vectoriel de la machine asynchrone.
Dans le référentiel (d,q) lié au stator, on peut écrire:
Côté stator : Vഥୱ= Rୱ. I̅ୱ+ୢ∅ୢ୲തതതത౩ (II. 1)
Côté rotor : Vഥ୰= 0ത= R୰. I୰̅ +ௗ∅ௗ௧തതതതೝ−݆߱∅തതത (II. 2)
Avec:
d : axe direct dans le repère dq q : axe en quadrature dans le repère dq Vୱ: tension statorique
V୰: tension rotorique Rୱ: résistance statorique Iୱ: courant statorique
∅ୱ: flux statorique
dq : système diphasé produisant le même champ magnétique dans l’entrefer que le système triphasé.
A partir des expressions des flux, le courant rotor s’écrit : I̅୰=ଵ(∅തതതത౨
౨−ౣ
౨.౩∅തതതୱ) (II.3)
avec ߪ= 1−మ
ೝ.ೞ (coefficient de dispersion de Blondel) Les équations deviennent :
Vഥୱ= Rୱ. I̅ୱ+ୢ∅ୢ୲തതതത౩ d∅തതത୰
dt +൬1
στ୰−jω൰∅തതത୰=L୫
L୰
1 στ୰∅തതതୱ Ces relations montrent que :
Il est possible de contrôler le vecteur∅തതതà partir௦du vecteurVഥ, à la chute de tensionୱ Rୱ. I̅ୱprés.
Le flux ∅തതത suit les variations de ∅തതത௦ avec une constante de tempsߪ߬
,
le rotor agit comme un « filtre de constante de tempsߪ߬
» entre les flux∅௦
et
∅.
Résumé — Dans cet article nous présentons les résultats de simulation de la régulation de vitesse d’une machine asynchrone commandée par contrôle direct de couple par application de technique de l'intelligence artificiel comme réseau de neurone (DTNC). Comparativement à la commande directe du couple (DTC) à 12 secteurs . L’analyse des résultats montre de bonnes performances pour la vitesse et une réduction des fluctuations au niveau du couple et du flux dans la stratégie proposée pour le contrôle de l’association onduleur à trois niveaux machine asynchrone. Ce modèle est ensuite simulé sur Matlab/Simulink.
Mots Clés :Machine asynchrone, contrôle directe de couple (DTC), DTNC, onduleur à trois niveaux.
De plus∅ഥatteint en régime permanent :
∅
തതത=ܮ
ܮ௦
∅௦
1 +݆߱ߪ߬
En posantߛ= (∅ഥ௦∅ഥ), le couple s’exprime par : Cୣ୫ = P L୫
σLୱL୰∅ୱ.∅୰. sinγ
Le couple dépend de l’amplitude des deux vecteurs ∅ୱet∅୰et de leur position relative.
Si l’on parvient à contrôler parfaitement le flux ∅ഥ௦(à partir de Vഥୱ) en module et en position, on peut donc contrôler l’amplitude et la position relative de∅തതതet donc le couple. Ceci n’est bien sûr possible que si la période de commandeTୣde la tensionVഥest telle queୱ Tୣ≪ߪ߬.
Figure(II.1): vecteurs flux.
III.1 Principes de contrôle du flux statorique
La règle d’évolution du module du flux statorique est déterminée à partir de l’équation différentielle du flux statorique exprimée dans un repère fixe(ߙ,ߚ)[4].
∅ୱ
തതത=න(Vഥୱ−RୱIഥୱ)
୲
dt (III. 1)
Sur l’intervalle [0, Te], si pour simplifier on considère le terme Rୱ. Iୱcomme négligeable (ce qui se vérifie à vitesse de rotation suffisamment élevée), on aura l’équation (III.2) [5]:
∅ୱ(Tୣ)≈ ∅ୱ(0) + Vୱ. Tୣ→Vୱ. Tୣ≈∆∅ୱ (III. 2)
On constate alors que l’extrémité du vecteur flux statorique se déplace le long d’une droite d’axe colinéaire à celui du vecteur tension imposé par l’onduleur de tension à la machine figure (III-1).
Le déplacement du vecteur flux statorique va être assuré par l’application successive des vecteurs tension fournis par l’onduleur de tension. De plus, selon le vecteur tension appliqué, on peut agir sur la valeur du module du flux statorique (figure (III-1) et (III-2)). Ainsi, selon le choix du vecteur tension statorique sur les intervalles successifs de la durée de la période d’échantillonnage Te, on peut faire suivre à l’extrémité de vecteur flux statorique une trajectoire quasi circulaire et maintenir l’amplitude du flux proche d’une valeur de référence constante. Cette conclusion est illustrée par la figure (III-3) qui prend pour exemple une machine asynchrone alimentée par un onduleur de tension à deux niveaux. On maintient le flux statorique dans une bande d’hystérésis centrée sur le flux de référence.
Figure (III.3) :Trajectoire du flux statorique III.2 Contrôle du couple électromagnétique de la machine Le couple électromagnétique s’exprime en fonction du flux statorique et du flux rotorique de la façon suivante [6] :
Cୣ୫ = K. I୫[∅ୱ.∅୰∗]
K est une constante dépendant des paramètres de la machine asynchrone, telque:
K = P.
Le contrôle du couple dépend directement du contrôle de la rotation du vecteur flux statorique. Sur la figure (III-3) et (III- 4), on a illustré l’évolution du couple électromagnétique dans le cas de l’application des deux vecteurs de tension qui font évoluer le flux statorique dans des Sens de rotation contraires.
Le sens de rotation trigonométrique est considéré comme le sens de rotation positif.
II.3.1 Sélection β
∅ோଵ
തതതതത#∅തതതതതோଶ
∅ௌଵ
തതതതത(ݐ= 0)
∅ௌଶ
തതതതത(ݐ=ܶ)
ߛଵ
ߛଶ
Figure (III.1) : Application d’un vecteur tension statorique qui permet de diminuer le module du flux statorique.
Figure (III.2) : Application d’un vecteur tension statorique qui permet d'augmenter le module du flux statorique.
∅ୱ(t = 0) Vୱ. Tୣ
∅ୱ(t = 0) Vୱ. Tୣ
α
α β
α β
V1
β
α
∅୰±
Bande d'hystérésis
β
α α
β
Vୱ. Tୣ Vୱ. Tୣ
∅ୱ(t = Tୣ) ∅ୱ(t = 0)
Figure (III.3) :Evolution du couple électromagnétique pour une variation positive de la vitesse de rotation.
Figure (III.4) : Evolution du couple électromagnétique pour une variation négative de la vitesse de rotation.
ωୱ+∆ωୱ ωୱ
V6
V5
V4
V3 V2
III.3 Selection du vecteur tension܄ܛ
Le choix du vecteur Vഥୱ dépend de la position de ∅തതതୱdans le référentiel (S), de la variation souhaitée pour le module de∅ୱ, de la variation souhaitée pour le couple, et du sens de rotation de∅തതതୱ.
L'espace d'évolution de ∅തതതୱdans (S) est décomposé en deuze zonesi, aveci=[1,12], telle que représentée sur la figure (III.5).
Pour cela, le nombre de secteurs doit être suffisamment grand pour avoir une décision adéquate. D'autre part. Ainsi, tout en essayant d'avoir le maximum de contrôle, nous développerons un nombre minimum de règles en utilisant douze secteurs réguliers notés N1jusqu'à N12représentés par la figure suivante.
Figure (III.5) :Représentation des 12 devisions du plan complexe.
III.3.1 Vecteurs tension associés aux états de commutation
Tableau (III.1) :Vecteurs tension associés aux états de commutation de onduleur à trois niveaux.
La table montre qu’il y a 27 états de commutation pour l’onduleur. Selon ces états, on aura 19 vecteurs tension Vୗ
différents en module.
La figure (III.6), montre qu’ils sont classés en quatre groupes selon leurs modules. On distingue alors.
le groupe ZVV, Le vecteur tension nul ܸ.
le groupe SVV, Les vecteurs tensions petits (Vଵ, Vସ, V, Vଵ, Vଵଷ, Vଵ).
le groupe MVV, Les vecteurs tensions moyens (Vଷ, V, Vଽ, Vଵଶ, Vଵ଼, Vଵହ).
le groupe LVV, Les vecteurs tensions grands (Vଶ, Vହ, V଼, Vଵଵ, Vଵସ, Vଵ).
III. 4 Estimateurs
III.4. 1Estimation du flux statorique
L'estimation du flux peut être réalisée à partir des mesures des grandeurs statoriques courant et tension de la machine a partir de l'équation (III.1). Les composantes αetβ des vecteurs courants statoriques Iαet Iβ sont obtenues par l’application de la transformation deConcordiaaux courants mesurés.
Iୱ=ටଶଷIୱ
Iୱஒ=1
√2(Iୱୠ−Iୱୡ)൨
L’angleαୱ.entre le referentiel statorique et le vecteur∅തതതୱest égale.
αୱ= arctg III.5 Elaboration des correcteurs
III.5.1 Contrôleur de flux à trois niveaux
Le but de contrôleur de flux est de maintenir l’extrémité du vecteur fluxതതതത∅௦ dans un maillon circulaire [1]. La sortie du correcteur à hystérésis, représentée par une variable boolienne indique directement si l'amplitude du flux doit être augmentée ou diminuée (cflx=-1, cflx=0, cflx=+1)).
III.5.1 Correcteur de couple à cinq niveaux
Le contrôle du couple est alors assuré par un comparateur à hystérésis à cinq niveaux ou à deux bandes supérieures (∆C୫ ୟ୶ଵ,∆C୫ ୟ୶ଶ)et deux bandes inférieures(∆C୫ ୧୬ଵ,∆C୫ ୧୬ଶ) illustrées par la figure ainsi que ses sorties, soient (ccpl=- 1,ccpl=-2,ccpl=0,ccpl=+1,ccpl=+2).
α β
1 2 2 4 3
5 6 7
8
9 10
11 12
Vecteur tension Symbole
ZVV MVV
LVV USVV LSVV
(P P P),(O O O),(N N N)
(P O N),(O P N),(N P O),(N O P),(O N P),(O N P) (P N N),(P P N),(N P N),(N P P),(N N P),(P N P) (P O O),(P P O),(O P O),(O P P),(O O P),(P O P) (O N N),(O O N),(N O N),(N O O),(N N O),(O N O)
Figure (III.6) :Présentation vectorielle de la tension de sortie.
ccpl
Figure (III.7): correcteur de couple à cinq niveaux 2
1
-1 -2 V1 V2
V3
V4
V5
V6
V7
V8
V9
V10
V11
V12 V13
V14 V15
V16
V17
V18
V1
V2
V3
V4
V5 V6
øCmax
Cmax
Cmin
Cmin
III.6 Elaboration de la table de commutation avec les 4 groupes des vecteurs tension
IV.5 DTC à base des réseaux de neurones.
IV.5.1 principe de réseau de neurone artificiel
Les réseaux de neurones forment un ensemble des fonctions non linéaires, permettant de construire, par apprentissage, une vaste famille de modèles et de correcteurs non linéaires [7].
IV.2.2 Neurones formels
Le modèle de neurone formel présenté ici, du à Mac Culloch et Pitts, est un modèle mathématique très simple dérivé d'une analyse de la réalité biologique. On commence par une simple sommation des signaux arrivant au neurone (ces signaux sont communément appelés les entrées du neurone) voir Figure(IV.1).
IV.2.3 Interprétation mathématique d'un réseau de neurone D'un point de vue mathématique, le neurone formel peut être représenté de la manière suivante:
D'une façon plus générale, un neurone formel est un élément de traitement possédant n entréesx1,x2,...,xn (sont les entrées externes ou les sorties des autres neurones), et une sortie. Son traitement consiste à effectuer à sa sortie y le résultat d'une fonction de seuil f dite aussi fonction d'activation, de la somme pondérée. Parfois, il y a un terme additionnel b୨représentant le seuil interne du neurone, ce terme est considéré comme un poids w୨associé à une entrée constante, l'expression devient donc :
ݕ=݂൭ ݓݔ
ୀଵ
−ܾ൱
IV.2.4 Perceptrons multicouches
Un perceptron est un réseau de neurones artificiel du type Feedforward, c'est à dire à propagation directe est le plus souvent utilisé dans les applications de commande de systèmes non linéaires [8].
IV.3 Commande neuronale directe du couple (DTNC) L'application de la technique des réseaux de neurones dans la commande des machines est simple et a permis la résolution de plusieurs problèmes liées au contrôle de ces systèmes.
N
cflx ccpl Nଵ Nଶ Nଷ Nସ Nହ N N N଼ NଽNଵNଵଵNଵଶ
0
Vହ Vହ V଼ V଼ VଵଵVଵଵVଵସVଵସVଵVଵ Vଶ Vଶ
Vଷ V V Vଽ Vଽ VଵଶVଵଶVଵହVଵହVଵ଼Vଵ଼ Vଷ V V V V V V V V V V V V
Vଵ଼Vଵ଼ Vଷ Vଷ V V Vଽ Vଽ VଵଶVଵଶVଵହVଵହ
Vଵ Vଶ Vଶ Vହ Vହ V଼ V଼VଵଵVଵଵVଵସVଵସVଵ
Vସ Vସ V V VଵVଵVଵଷVଵଷVଵVଵ Vଵ Vଵ
Vସ V VVଵ VଵVଵଷVଵଷVଵVଵ Vଵ Vଵ Vସ
V V V V V V V V V V V V
V V V V V V V V V V V V
VଵଷVଵ Vଵ Vଵ Vଵ Vସ Vସ V VVଵVଵVଵଷ
V଼ V଼VଵଵVଵଵ VଵସVଵସVଵVଵ Vଶ Vଶ Vହ Vହ
Vଽ VଽVଵଶVଵଶ VଵହVଵହVଵ଼Vଵ଼ Vଷ Vଷ V V
V V V V V V V V V V V V
VଵଶVଵଶ VଵହVଵହ Vଵ଼Vଵ଼ Vଷ Vଷ V V VଽVଵଶ
VଵସVଵ Vଵ Vଶ Vଶ VହVହ V଼ V଼VଵଵVଵଵVଵସ
1
-1 2 1 0 -1 -2 2 1 0 -1 -2 2 1 0 -1 -2
Tableau (III.1) :table de commutation pour douze secteurs.
X1
∑
X2
Xn
W1j
W2j
Wnj
Sommation
Seuillage
Entrée Poids
synaptique
Sortie y
∑
Figure(IV.1):Structure d’un (RN) multicouches .
Figure(IV.2):Structure d’un (RN) multicouches .
f (_)
∑
∑
∑
∑f (_) f (_)
f (_)
f (_)
PID Estimation du couple et
du flux
Figure(IV.3):commande (DTNC) d’une MAS pour des correcteurs de couple à quatre niveaux (douze secteurs).
VS
ø SA SB SC
ec
ee
øU
dcIS
C
øø
réfCe Créf
réf
rØs
Le réseau de neurones que nous avons utilisé est un réseau multicouche à connexion local qui utilise l'algorithme de rétro- propagation pour leurs apprentissages. On utilise aussi dans ce réseau de neurones 12 neurones dans la couche cachée et pour la fonction d’activation on a choisit la fonction de log-sigmoïde Après la description de la structure du réseau de neurone que nous avons utilisé, on va charger les matrices d’entrées et de sortie de la façon suivante (on prend l’exemple de la DTNC à un onduleur à deux niveaux et 12 secteurs) :
%p matrices d’entrées (E_Couple, E_Flux, E_Position ).
P=[311;211;111;011;301;301;101;001;312;212;112;012;302;20 2;102;002;313;213;113;013;303;203;103;003;314;214;114;014
;304;204;104;004;315;215;115;015;305;205;105;005;316;216;
116;016;306;206;106;006;317;217;117;017;307;207;107;007;3 18;218;118;018;308;208;108;008;319;219;119;019;309;209;10 9;009;3110;2110;1110;0110;3010;2010;1010;0010;3111;2111
;1111;0111;3011;2011;1011;0011;3112;2112;1112;0112;3012
;2012;1012;0012]
%T matrices de sorties (Etat de Commutation)
P=[110;110;100;101;010;011;111;001;010;110;100;100;011;01 1;101;010;010;110;100;011;001;000;101;011;010;110;110;001
;001;100;100;011;011;010;110;001;101;111;100;001;011;010;
101;001;100;110;001;001;011;010;101;100;000;110;101;001;0 11;011;100;100;110;010;101;101;001;011;100;010;111;010;10 0;101;001;001;110;110;011;011;100;100;101;001;110;010;000
;011;110;100;101;101;010;010;011; 001]
b2=min(a);
b1=max(a);
RNA=newff([b2' b1'],[24 3],{'logsig' 'logsig'});
%bdids.IW{1}=A';
%bdids.LW{2,1}=B';
%bdids.LW{3,2}=C;
RNA.trainParam.epochs =207;
[RNA,tr] = train(RNA,a',d');
%gensim(RNA)
V. Resultats de simulation
V.1. Evolution de flux et du couple
Dans les figures (V.1) Nous allons simuler la structure de contrôle direct du couple que nous avons qualifié de « DTC classique ».
Les résultats obtenus montrent des hautes performances dynamiques, en effet le couple électromagnétique montre qu’il est moins d’ondulations. La trajectoire du flux statorique illustrée par les figures (V.2), montre que ce dernier est parfaitement constant relativement, le courant statorique répond bien aux variations imposées par le couple et que sa valeur reste proche de la sinusoïde illustrée par les figures (V.3).
Figure(V.3) :Courant statorique de la phaseαpour (DTC_C) V.2 Résultats de simulation par applications des RNA sur la DTC pour des correcteur de couple a quatre niveaux (douze secteurs)
Les figures (V.4,V.5,V6) présente la Commande neuronale directe du couple (DTNC)appliquée à la machine asynchrone de 1.5kW alimentée par un onduleur de tension à deux niveaux pour une table de commutation à quatre niveaux du correcteur du couple et deux niveaux pour le flux statorique.
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0
2 4 6 8 10 12 14 16 18 20 22
Temps(s)
LoupedeCouple(N.m)
0 0.5 1 1.5 2 2.5
-5 0 5 10 15 20 25
Temps(s)
Couple(N.m)
Figure (V.1): Changement de consigne et évolution du couple en fonction du temps pour (DTC_C).
-1.5 -1 -0.5 0 0.5 1 1.5
-1.5 -1 -0.5 0 0.5 1 1.5
p h i s - a l p h a
phis-bitta
0 0.5 1 1.5 2 2.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4
T e m p s (s)
Figure (V.2) : Evolution de flux en fonction du temps pour une consigne :φs0=1.207wb pour (DTC_C)
0 0.05 0.1 0.15 0.2 0.25
-15 -10 -5 0 5 10 15 20 25 30 35
Temps(s)
Is-alpha(A)
Figure(V.6) : Courant statorique de la phaseαpour(DTNC).
La simulation montre de meilleures performances que celles obtenues par la commande directe du couple classique. Il est intéressant de remarquer dans la Figure(V.4) une dynamique de réponse en couple avec un régime transitoire très rapide . Le flux statorique présente une très bonne réponse (Figure(V.5)), où l’on remarque qu’il n’y a moins dépassement par rapport que celles de la DTC_C, voir l’effet de flux (Figure(V.5)). La Figure(V.5), montre un transitoire rapide du module flux statotique qui à une forme parfaitement circulaire sans aucune ondulation en régime permanent ou le couple et le flux suivent
leurs références avec des erreurs statiques qui sont virtuellement nuls. Ainsi qu’une importante atténuation des ondulations de courant qui parait sinusoïdal (Figure(V.6)).
VI. CONCLUSIONS
La commande DTC_C à 12s a pour avantages : Le flux et le couple sont bien contrôlés.
Le courant statorique sinusoïdal.
Fréquence de commutation Presque constante autour de 4kHz.
Elle présente deux problèmes majeurs : La table de grande taille.
Quelque dépassement des bandes de couple.
La commande DTNC a pour avantages : Le couple est bien contrôlé.
Le flux et le couple suivent parfaitement ses références.
Le courant statorique sinusoïdal.
Elle présente trois problèmes majeurs : Le flux s’établit lentement.
Fréquence de commutation variable autour de3kHz.
Problème du choix de l’apprentissage.
V. BIBLIOGRAPHIE
[1] I. Takahashi and T. Noguchi, “A new quick response and high efficiency control strategy of induction motor”,IEEE Trans. Ind. Electron..,IE-22, Sept./Oct. 1986.
[2] I. Takahashi and. S. Asakawa, “Ultra-wide speed control of induction motor covered 10A6 range”, IEEE Trans. Ind.
Applicat.,IA-25: 227-232, 1987.
[3] T.G. Habetler and D.M. Divan, “Control strategies for direct torque control using discrete pulse modulation”, IEEE Trans. Ind. Applicat.,IA-27(5): 893-901,1991.
[4] J. ARZA, « Contrôle Vectoriel sans Capteur Mécanique d’une Machine Asynchrone »,Thèse de doctorat de l’Institut polytechnique de Grenoble, 1999.
[5] C. Carloss de Wit, « Modélisation Contrôle Vectoriel et DTC», Edition Hermes Sciences Europe, 2000.
[6] A.Marie ARCKER «Contrôle Direct du Couple électromagnétique de Machines Asynchrones de grande puissance » Thèse de doctorat, INP Toulouse,1999.
[7] Mondal, S.K.; J.O.P. Pinto, B.K.Bose, “ A Neural-Network- Based Space-Vector PWM Controller for Athree-Level Voltage-Fed Inverter Induction Motor Drive” , Industry Applications, IEEE Transactions on. Vol 38, Issue 3, May/Jun 2002 Page(s):660 – 669.
[8] Mondal, S.K.; J.O.P. Pinto, B.K.Bose, “ A Neural-Network- Based Space-Vector PWM Controller for Athree-Level Voltage-Fed Inverter Induction Motor Drive” , Industry Applications, IEEE Transactions on. Vol 38, Issue 3, May/Jun 2002 Page(s):660 – 669.
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0
2 4 6 8 10 12 14 16 18 20 22
Temps(s)
LoupedeCouple(N.m)
0 0.5 1 1.5 2 2.5
-5 0 5 10 15 20 25
Temps(s)
Couple(N.m)
Figure (V.4): Changement de consigne et évolution du couple en fonction du temps pour (DTNC).
-1.5 -1 -0.5 0 0.5 1 1.5
-1.5 -1 -0.5 0 0.5 1 1.5
phis-alpha
phis-bitta
0 0.5 1 1.5 2 2.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Temps(s)
Fluxstatorique(Web)
Figure (V.5) : Evolution de flux en fonction du temps pour une consigne :φs0=1.207wb pour (DTNC)
0 0.05 0.1 0.15 0.2 0.25
-25 -20 -15 -10 -5 0 5 10 15 20
Temps(s)