Documents disponibles écrits par cet auteur

Apport des techniques de l’intelligence artificielle à la commande sans capteur de vitesse d’une machine asynchrone. / MECHERNENE Abdelkader 

Public ISBD Titre : Apport des techniques de l’intelligence artificielle à la commande sans capteur de vitesse d’une machine asynchrone. Type de document : texte imprimé Auteurs : MECHERNENE Abdelkader, Auteur ; M. ZERIKAT, Auteur Année de publication : 2014 Importance : 220 p. Accompagnement : CD Langues : Français (fre) Catégories : Electrotechnique:Commande Electrique Mots-clés : Moteur asynchrone  Commande vectorielle à flux rotorique orienté  Commande sans capteur  Logique floue  Réseau de neurones artificiels  Système Adaptatif avec Modèle de Référence  Observateur adaptatif. Induction Motor  Rotor Flux Oriented Control  Sensorless Control  Fuzzy Logic  Artificial Neural Network  Model Reference Adaptive System  Adaptive Observer. Résumé : La présente thèse s'inscrit dans le cadre de la commande sans capteur mécanique de vitesse dédiée au moteur asynchrone. L’objectif étant de vérifier si l’apport des approches de l’intelligence artificielle amène des améliorations notables en termes de précision et de robustesse de l’estimation de la vitesse. Une étude bibliographique a montré les limites des techniques de commande sans capteur basées sur la modélisation de la machine lorsque les paramètres du moteur évoluent, mais surtout à très basse vitesse où apparaissent des problèmes d’observabilité. Dans ce contexte, les méthodes de l’intelligence artificielle semblent alors attractives, d’où l’intérêt de développer des approches hybrides associant les techniques avec modèle et celles fondées sur la logique floue et les réseaux de neurones artificiels, reconnues pour leur robustesse. Deux Benchmarks ont été définis et permettent de tester les lois de commandes sans capteur mécanique en tenant compte des fonctionnements à très basse vitesse, des conditions d'inobservabilité, de l’influence des variations paramétriques ainsi que celle des charges mécaniques. Deux approches ont été retenues pour l’estimation de la vitesse, la première est basée sur un Système Adaptatif avec Modèle de Référence Mutuel à base de logique floue, quant à la deuxième elle est réalisée autour d’un observateur adaptatif neuronal. Les deux techniques d’observation de la vitesse sont associées à un contrôle vectoriel indirect par orientation du flux rotorique et intègrent l'estimation des résistances statorique et rotorique pour améliorer la robustesse des estimateurs, mais également pour assurer le découplage flux-couple. Plusieurs tests ont été effectués en simulation dans des conditions de fonctionnement significatives et ont permis de montrer la faisabilité des approches proposées et de valider les performances dues à l’apport des techniques intelligentes utilisées. Enfin, les critères IAE, ISE et ITAE et leur version modifiée, adaptée aux commandes sans capteur, ont permis une meilleure analyse ainsi qu'une comparaison plus fine des performances des techniques étudiées. This thesis is part of the control without mechanical speed sensor dedicated to induction motor. The aim is to verify whether the contribution of artificial intelligence approaches brings significant improvements in terms in precision and in robustness of the speed estimation. A literature review has shown the limits of sensorless control techniques based on modeling of the machine when the motor parameters changes, but especially at low speeds where observability problems appear. In this context, methods of artificial intelligence seem attractive, hence the interest in developing hybrid approaches that combine the techniques with model and those based on fuzzy logic and artificial neural networks, known for their robustness. Two benchmarks were defined and used to test the control laws without mechanical sensor considering operative conditions at very low speeds, unobservability conditions, impact of parametric variations, and the mechanical load changes. For the rotor speed estimation two approaches were used, the first uses a Mutual Model Reference Adaptive System based on fuzzy logic, while the second exploits an adaptive neural observer. The two observation techniques are associated with indirect vector control by rotor flux orientation, and incorporate the stator and rotor resistances estimation, to improve the robustness of the estimators, but also to ensure the decoupling flux-torque. Several tests were performed in simulation under significant operative conditions and have demonstrated the feasibility of the proposed approaches and validate the performance due to the contribution of intelligent techniques. Finally, the criteria IAE, ISE and ITAE and their amended version, adapted to the sensorless control, have allowed a better analysis and a more detailed comparison of the performance of the studied techniques. Apport des techniques de l’intelligence artificielle à la commande sans capteur de vitesse d’une machine asynchrone. [texte imprimé] / MECHERNENE Abdelkader, Auteur ; M. ZERIKAT, Auteur . - 2014 . - 220 p. + CD. Langues : Français (fre) Catégories : Electrotechnique:Commande Electrique Mots-clés : Moteur asynchrone  Commande vectorielle à flux rotorique orienté  Commande sans capteur  Logique floue  Réseau de neurones artificiels  Système Adaptatif avec Modèle de Référence  Observateur adaptatif. Induction Motor  Rotor Flux Oriented Control  Sensorless Control  Fuzzy Logic  Artificial Neural Network  Model Reference Adaptive System  Adaptive Observer. Résumé : La présente thèse s'inscrit dans le cadre de la commande sans capteur mécanique de vitesse dédiée au moteur asynchrone. L’objectif étant de vérifier si l’apport des approches de l’intelligence artificielle amène des améliorations notables en termes de précision et de robustesse de l’estimation de la vitesse. Une étude bibliographique a montré les limites des techniques de commande sans capteur basées sur la modélisation de la machine lorsque les paramètres du moteur évoluent, mais surtout à très basse vitesse où apparaissent des problèmes d’observabilité. Dans ce contexte, les méthodes de l’intelligence artificielle semblent alors attractives, d’où l’intérêt de développer des approches hybrides associant les techniques avec modèle et celles fondées sur la logique floue et les réseaux de neurones artificiels, reconnues pour leur robustesse. Deux Benchmarks ont été définis et permettent de tester les lois de commandes sans capteur mécanique en tenant compte des fonctionnements à très basse vitesse, des conditions d'inobservabilité, de l’influence des variations paramétriques ainsi que celle des charges mécaniques. Deux approches ont été retenues pour l’estimation de la vitesse, la première est basée sur un Système Adaptatif avec Modèle de Référence Mutuel à base de logique floue, quant à la deuxième elle est réalisée autour d’un observateur adaptatif neuronal. Les deux techniques d’observation de la vitesse sont associées à un contrôle vectoriel indirect par orientation du flux rotorique et intègrent l'estimation des résistances statorique et rotorique pour améliorer la robustesse des estimateurs, mais également pour assurer le découplage flux-couple. Plusieurs tests ont été effectués en simulation dans des conditions de fonctionnement significatives et ont permis de montrer la faisabilité des approches proposées et de valider les performances dues à l’apport des techniques intelligentes utilisées. Enfin, les critères IAE, ISE et ITAE et leur version modifiée, adaptée aux commandes sans capteur, ont permis une meilleure analyse ainsi qu'une comparaison plus fine des performances des techniques étudiées. This thesis is part of the control without mechanical speed sensor dedicated to induction motor. The aim is to verify whether the contribution of artificial intelligence approaches brings significant improvements in terms in precision and in robustness of the speed estimation. A literature review has shown the limits of sensorless control techniques based on modeling of the machine when the motor parameters changes, but especially at low speeds where observability problems appear. In this context, methods of artificial intelligence seem attractive, hence the interest in developing hybrid approaches that combine the techniques with model and those based on fuzzy logic and artificial neural networks, known for their robustness. Two benchmarks were defined and used to test the control laws without mechanical sensor considering operative conditions at very low speeds, unobservability conditions, impact of parametric variations, and the mechanical load changes. For the rotor speed estimation two approaches were used, the first uses a Mutual Model Reference Adaptive System based on fuzzy logic, while the second exploits an adaptive neural observer. The two observation techniques are associated with indirect vector control by rotor flux orientation, and incorporate the stator and rotor resistances estimation, to improve the robustness of the estimators, but also to ensure the decoupling flux-torque. Several tests were performed in simulation under significant operative conditions and have demonstrated the feasibility of the proposed approaches and validate the performance due to the contribution of intelligent techniques. Finally, the criteria IAE, ISE and ITAE and their amended version, adapted to the sensorless control, have allowed a better analysis and a more detailed comparison of the performance of the studied techniques.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
3537	02-10-354	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-10-354.pdf Adobe Acrobat PDF