Académique Documents
Professionnel Documents
Culture Documents
Présentée par :
Mr KHELDOUN Aissa
Thème
Boumerdès 2007
ﻤﻠﺨﺹ
ﻓﺎﻋﻠﻴﺔ ﻫﺫﺍ,ﻫﺫﺍ ﺍﻟﻌﻤل ﻴﻨﺩﺭﺝ ﻓﻲ ﺇﻁﺎﺭ ﺘﺤﺴﻴﻥ ﻓﺎﻋﻠﻴﺔ ﻭ ﺼﻼﺒﺔ ﻤﻐﻴﺭ ﺍﻟﺴﺭﻋﺔ ﺍﻟﻤﺤﺭﻜﺎﺕ ﺍﻟﻼﻤﺘﺯﺍﻤﻨﺔ ﺍﻭ ﺒﺎﻷﺤﺭﻯ
ﺘﻐﻴﺭ ﻤﻘﺎﻭﻤﺔ ﺍﻟﺠﺯﺀ ﺍﻟﺩﻭﺍﺭ ﻭ ﺍﻟﻌﻤل ﻋﻠﻲ ﺍﻟﺤﻤﻭﻟﺔ ﺍﻟﻀﻌﻴﻔﺔ ﻓﻲ:ﺍﻷﺨﻴﺭ ﺘﻀﻌﻑ ﻟﺴﺒﺒﻴﻥ ﺍﺜﻨﻴﻥ ﻫﻤﺎ ﻋﻠﻲ ﻭﺠﻪ ﺍﻟﺘﺤﺩﻴﺩ
ﻫﺫﺍ ﺍﻟﻌﻤل ﻴﻬﺩﻑ ﺇﻟﻰ ﺘﺨﻔﻴﻑ ﻀﻴﺎﻉ ﺍﻟﻁﺎﻗﺔ ﺒﻭﺍﺴﻁﺔ ﺍﻗﺘﺭﺍﺡ, ﻟﻬﺫﺍ ﺍﻟﺴﺒﺏ.ﺤﺎﻟﺔ ﺇﺫﺍ ﺤﺎﻓﻅ ﺍﻟﺘﺩﻓﻕ ﻋﻠﻲ ﻤﺴﺘﻭﺍﻩ ﺍﻟﺜﺎﺒﺕ
ﺒﻐﺭﺽ ﺘﻘﻭﻴﻡ ﺍﺜﺭ ﺘﻐﻴﺭ ﻤﻘﺎﻭﻤﺔ, ﻭ ﻤﻥ ﺠﻬﺔ ﺃﺨﺭﻯ.ﻁﺭﻴﻘﺔ ﺘﻌﺘﻤﺩ ﻋﻠﻲ ﺘﻌﻴﻴﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻓﻀل ﻟﻠﺘﺩﻓﻕ ﺍﻟﺫﻱ ﻴﺤﻘﻕ ﺫﻟﻙ
ﺍﻟﻌﻀﻭ ﺍﻟﺩﻭﺍﺭ ﺘﻡ ﺍﻗﺘﺭﺍﺡ ﻤﻴﻜﺎﻨﻴﺯﻤﺔ ﻤﺒﻨﻴﺔ ﻋﻠﻰ ﺍﻟﻤﻨﻁﻕ ﺍﻟﻤﺒﻬﻡ ﻻﺒﻘﺎﺀ ﺍﻟﻼﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﺘﺩﻓﻕ ﻭ ﻋﺯﻡ ﺍﻟﻤﺤﺭﻙ ﻭﺒﺎﻟﺘﺎﻟﻲ
ﺍﻟﻤﺭﺤﻠﺔ ﺍﻷﺨﻴﺭﺓ ﻤﻥ ﻫﺫﻩ ﺍﻷﻁﺭﻭﺤﺔ ﻤﻨﺼﺒﺔ ﻋﻠﻰ ﺘﺤﺴﻴﻥ ﺼﻼﺒﺔ ﺍﻟﻤﺤﺭﻙ ﺒﺈﺯﺍﻟﺔ ﺍﻟﺠﺯﺀ.ﺘﻔﺎﺩﻱ ﺍﻟﻀﻴﺎﻉ ﺍﻹﻀﺎﻓﻲ ﻟﻠﻁﺎﻗﺔ
ﻤﺭﺸﺢ ﻜﺎﻟﻤﻥ ﺍﻟﻤﻤﺩﺩ ﺍﺨﺘﻴﺭ ﻟﻘﺩﺭﺘﻪ ﻋﻠﻰ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻷﻨﻅﻤﺔ.ﺍﻟﻀﻌﻴﻑ ﻓﻲ ﻤﻐﻴﺭ ﺍﻟﺴﺭﻋﺔ ﻭﺍﻟﻤﺘﻤﺜل ﻓﻲ ﻤﺘﺤﺴﺱ ﺍﻟﺴﺭﻋﺔ
ﻤﻥ ﺍﺠل ﺘﻌﺩﻴل ﺍﺜﺭ ﺍﻟﻀﻴﺎﻉ ﺍﻟﺤﺩﻴﺩﻱ ﺘﻡ ﺍﻗﺘﺭﺍﺡ ﻤﻴﻜﺎﻨﻴﺯﻤﺔ ﻟﺘﺤﺴﻴﻥ.ﺍﻟﻤﺸﻭﺸﺔ ﻤﺜل ﺍﻟﺘﻭﺍﻓﻘﻴﺎﺕ ﺍﻟﻤﻭﻟﺩﺓ ﻓﻲ ﻤﻐﻴﺭ ﺍﻟﺴﺭﻋﺔ
ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﺤﺼل.ﺩﻗﺔ ﺘﻘﺩﻴﺭ ﺍﻟﺴﺭﻋﺔ ﻭ ﻫﺫﺍ ﻤﻊ ﺍﻹﺒﻘﺎﺀ ﻋﻠﻰ ﺤﺠﻡ ﺍﻟﺤﺴﺎﺒﺎﺕ ﺜﺎﺒﺕ ﻭ ﺩﻭﻥ ﺘﻐﻴﻴﺭ ﻓﻲ ﺨﻭﺍﺭﺯﻤﺔ ﺍﻟﻤﺭﺸﺢ
.ﻋﻠﻴﻬﺎ ﺘﺸﻬﺩ ﻋﻠﻰ ﻨﺠﺎﻋﺔ ﺍﻟﻁﺭﻕ ﺍﻟﻤﻘﺘﺭﺤﺔ
ﺍﻟﻜﻠﻤﺎﺕ ﺍﻟﻤﻔﺎﺘﻴﺢ
ﻣﺮﺷ ﺢ آ ﺎﻟﻤﻦ, اﻟ ﺘﺤﻜﻢ ﺑ ﺪون ﻣﺘﺤ ﺴﺲ اﻟ ﺴﺮﻋﺔ, اﻟ ﻀﻴﺎع ﻓ ﻲ اﻟﺤﺪﻳ ﺪ, اﻟﻨﺠﺎﻋ ﺔ, اﻟﻤﻨﻄ ﻖ اﻟﻤ ﺒﻬﻢ, اﻟﺘﺤﻜﻢ اﻟ ﺸﻌﺎﻋﻲ,اﻟﻤﺤﺮك اﻟﻼﻣﺘﺰاﻣﻦ
.اﻟﻤﻤﺪد
Abstract
The present work is a contribution to improve the efficiency and the robustness of vector controlled
induction motor drives. The efficiency of the induction motor drives deteriorate for two reasons:
rotor resistance variation and operation under light loads, the flux is being maintained constant. For
these reasons, a method is suggested to select the optimal flux which leads to minimum power loss.
On the other hand, to address the effect of the rotor resistance variation, a fuzzy logic-based
mechanism is proposed to maintain the decoupling between the torque and the flux, hence avoiding
extra power loss. The last part of this thesis is dealing with mechanical robustness improvement by
eliminating the speed sensor which is the weakest part in the drive system. The extended Kalman
filter has been chosen for its ability to deal with noisy systems where converter generated harmonics
are important. In order to compensate for the effect of iron loss, a mechanism has been suggested to
improve the estimation accuracy without incurring extra calculations. The obtained results indicate
that the suggested methods are effective.
Keywords
Induction motor, vector control, fuzzy logic, efficiency, iron loss, sensorless control, extended
Kalman filter
Avant propos
Le présent travail a été réalisé au sein de l’Equipe de Recherche sur les Economies d’Energie
du Laboratoire de Recherche sur l’Electrification des Entreprises Industrielles (LREEI) à
l’Université de Boumerdès. A cet effet, je tiens à exprimer ma profonde gratitude au Professeur B.
Chetate directeur du laboratoire, pour m’avoir accueilli au sein de son équipe, pour avoir dirigé ce
travail et pour les nombreuses et fructueuses discussions que nous avons eues durant la période de
formation.
Que tous les membres du Laboratoire de Recherche sur l’Electrification des Entreprises
Industrielles trouvent ici l’expression de ma gratitude, en particulier, ceux de l’Equipe de Recherche
sur les Economies de l’Energie ainsi que Monsieur S. Oukali, Ingénieur chef de laboratoire du
département d’Automatisation et Electrification des Procédés Industriels.
A ma famille et tous mes amis
Sommaire
Introduction Générale………………….…………………………………………………………………...1
Chapitre 1 - Contrtaintes de control des moteurs asynchrones par la méthode à flux orienté
1. Introduction…………………………………………………………………………………….………………5
2. Contrôle d’alimentation du moteur à induction ………………………………………………………...…. 5
2.1. Contrôle en tension ......................................................................................................................................... 6
2.2. Contrôle en courant......................................................................................................................................... 7
2.3. Comparaison et choix...................................................................................................................................... 8
3. Contrôle de vitesse du moteur à induction………………………………………………………………….. 9
3.1. Commande scalaire....................................................................................................................................... 9
3.2. Contrôle vectoriel........................................................................................................................................ 10
3.2.1 Commande vectorielle directe .............................................................................................................. 11
3.2.2. Commande vectorielle indirecte .......................................................................................................... 12
3.2. Comparaison expérimentale entre la méthode vectorielle et scalaire....................................................... 13
4. Contraintes liées à l’utilisation de la commande vectorielle à flux rotorique rienté ………………..… 17
4.1. Variation des paramètres électriques et mécaniques................................................................................. 17
4.1.1. Le moment d’inertie ............................................................................................................................... 17
4.1.2. La constante de temps rotorique ............................................................................................................ 17
4.2. Fonctionnement à flux constant .................................................................................................................. 20
4.3. Sensibilité due à la présence du capteur de vitesse.................................................................................... 22
5. Analyse critique des méthodes existantes …………………………………………………………..24
5.1. Pour l’adaptation de la résistance rotorique ............................................................................................. 24
5.2. Pour la minimisation des pertes.................................................................................................................. 26
5.3. Pour la commande sans capteur de vitesse ................................................................................................ 27
6. Position du problème à résoudre…………………………………………………………………………….28
7.Conclusion……………………………………………………………………………………………………....2
Chapitre 2 - Commande vectorielle du moetur asynchrone avec compensation des pertes fer
1. Introduction…………………………………………………………………………………………………………………30
2. Modélisation du moteur alimenté par onduleur MLI………………………………………………………………….30
2.1. Modèle du moteur asynchrone à cage ------------------------------------------------------------------------------- 30
2.2. Equations de l’onduleur MLI ----------------------------------------------------------------------------------------- 32
2.3. Modèle du moteur asynchrone avec prise en compte des pertes fer--------------------------------------------- 33
3. Découplage par orientation de flux………………………………………………………………………………………36
4. Réglage classique de vitesse………………………………………………………………………………………………39
4.1. Méthode directe --------------------------------------------------------------------------------------------------------- 40
4.2. Méthode indirecte------------------------------------------------------------------------------------------------------- 41
5. Compensation des pertes fer…………………………………………………………………………………………….. 44
6. Réglage flou de vitesse…………………………………………………………………………………………………….48
6.1. Structure générale d’un système flou -------------------------------------------------------------------------------- 50
6.1.1. Fuzzification ------------------------------------------------------------------------------------------------------- 50
6.1.2. Base de règles et définitions ------------------------------------------------------------------------------------- 51
6.1.2.1. Partition floue ------------------------------------------------------------------------------------------------ 51
6.1.2.2. Base de règles floues ---------------------------------------------------------------------------------------- 51
6.1.3. Inférence floue ----------------------------------------------------------------------------------------------------- 52
6.1.4. Défuzzification----------------------------------------------------------------------------------------------------- 52
6.2. Synthèse du régulateur flou de vitesse------------------------------------------------------------------------------- 53
6.2.1. Source de la base des règles floues ----------------------------------------------------------------------------- 54
6.2.2 Choix de partition floue ------------------------------------------------------------------------------------------ 56
6.2.2.1. Régulateur flou à trois ensembles ------------------------------------------------------------------------- 56
6.2.2.2. Régulateur flou à cinq ensembles ------------------------------------------------------------------------- 57
6.2.2.3. Régulateur flou à sept ensembles -------------------------------------------------------------------------- 58
6.2.3. Simulations et interprétations ----------------------------------------------------------------------------------- 58
7. Conclusion…………………………………………………………………………………………………………………..60
1. Introduction…..………………………………………………………………………………………………………….….61
2. Première partie : Adaptation de la résistance rotorique……………………………………………………………...61
2.1. Analyse de la déviation de Tr....................................................................................................................... 61
2.2 Simulation et interprétations.......................................................................................................................... 67
2.3. Adaptation de la constante de temps rotorique ............................................................................................ 72
2.3.1. Orientation du flux rotorique sans désaccord----------------------------------------------------------------- 72
2.3.2. Orientation du flux rotorique avec désaccord ----------------------------------------------------------------- 73
2.3.3. Orientation du flux rotorique avec adaptation floue---------------------------------------------------------- 76
2.3.3.1. Synthèse du système flou ................................................................................................................ 78
2.3.3.2. Simulations et interprétations ........................................................................................................ 82
2.4. Adaptation floue en présence des pertes fer ................................................................................................. 86
2.5. Simulation et interprétation .......................................................................................................................... 88
3. Deuxième partie : Minimisation des Pertes…………………………………………………………………………….90
3.1. Introduction .................................................................................................................................................. 90
3.2. Loi d’optimisation ......................................................................................................................................... 90
3.3. Adaptation et minimisation de pertes ........................................................................................................... 97
4. Simulations et interprétations……………………………………………………………………………………………98
4.1. Contrôle indirect à flux constant ................................................................................................................. 99
4.2. Contrôle indirect à flux variable................................................................................................................ 100
4.3. Commande vectorielle indirecte avec optimisation et adaptation de Rr................................................... 106
4.4. Cas d’optimisation avec rétablissement de la charge............................................................................... 106
5. Conclusion………………………………………………………………………………………………………………..110
1. Introduction……………………………………………………………………………………………………………….111
2. Contrôle sans capteur……………………………………………………………………………………………………113
2.1. Observateurs................................................................................................................................................ 113
2.2. Théorie générale des observateurs ............................................................................................................. 114
2.3. Filtre de Kalman.......................................................................................................................................... 116
2.4. Filtre de Kalman Etendu ...................................................................................................................... ……118
3. Application du filtre de Kalman étendu au modèle de la machine asynchrone…………………………………..120
4. Résultats de simulation…………………………………………………………………………………………………...121
5. Etude de l’effet des pertes fer sur les performances du filtre de Kalman étendu……………………………….. .121
5.1. Effet sur la méthode directe ........................................................................................................................ 124
5.2. Effet sur la méthode indirecte ..................................................................................................................... 124
5.3. Compensation des pertes fer ....................................................................................................................... 126
6. Conclusion…………………………………………………………………………………………………………………129
Bibliographie
Annexe
Introduction générale
Introduction générale
Le moteur asynchrone à cage excelle lorsqu’il doit fonctionner à vitesse constante, en effet, ses
avantages sont assez nombreux et connus, du fait qu’il est le seul moteur électrique dont l’usage est
généralisé dans l’industrie (pour fournir de l’énergie mécanique). Par contre, il est difficile et
onéreux d’en faire un variateur de vitesse tel que le groupe de Ward-Leonard. C’est la raison pour
laquelle, le moteur à courant continu est resté longtemps le plus utilisé dans les entraînements à
vitesse variable. Toutefois, avec le développement de l’industrie et l’accroissement continu de
l’automatisation des processus de production, le moteur asynchrone suscite de plus en plus l’intérêt
des industriels. La disponibilité des convertisseurs de fréquence assurant la mise en forme de
l’énergie électrique et la mise en place de lois de commande, souvent implémentées dans un
microcalculateur, permet d’utiliser le moteur asynchrone à cage dans des applications à vitesse
variable. Pour les premières applications, le réglage de la vitesse en régime permanent constituait la
principale satisfaction des industriels ; très vite on s’est intéressé aux performances de réglage
durant les régimes transitoires à savoir : le démarrage, le freinage ainsi que ceux qui apparaissent lors
de l’application d’une charge.
Que ce soit en régime permanent ou en régime dynamique, les recherches effectuées ont montré
que le moteur asynchrone peut être découplé en utilisant la théorie de la commande à flux orienté. En
outre, la commande indirecte à flux rotorique orienté est la plus simple à mettre en œuvre et offre un
contrôle linéaire du couple de la machine asynchrone, des avantages qui ont fait d’elle la commande
la plus prépondérante dans les milieux industriels. Toutefois, lorsque le moteur est contrôlé par la
méthode indirecte à flux rotorique orienté, il est exposé à des contraintes qui peuvent affecter
potentiellement ses performances. Autrement dit, le contrôle linéaire du couple, obtenu grâce au
découplage effectif de la machine, n’est plus valable lorsque la résistance rotorique change. Cette
dernière obtenue par des essais d’identification est étroitement tributaire de la température du circuit
rotorique. Durant le fonctionnement de la machine, la température va augmenter à cause des
différents types de pertes, ce qui provoque la variation de la résistance rotorique et par conséquent la
perte de découplage. Ce phénomène affecte à la fois les performances de réglage de la vitesse et
l’efficacité du moteur asynchrone.
La variation de la résistance rotorique n’est pas la seule source à l’origine de la dégradation de
l’efficacité du variateur car le fonctionnement à flux constant provoque également une
consommation inutile d’énergie électrique lorsque le moteur entraîne des faibles charges. Autrement
dit, le moteur asynchrone à cage est conçu pour fonctionner sous tension et fréquence nominales et
son fonctionnement reste optimal tant que la charge entraînée est au delà de 75% de sa charge
nominale. Cependant, ces critères ne peuvent être respectés lorsque le moteur est contrôlé par la
méthode à flux orienté, par conséquent, il est appelé à fonctionner à vitesse et couple variables. Le
maintien de niveau du flux rotorique constant par le contrôleur à flux orienté permet d’avoir un
couple maximal (disponible en permanence), tandis qu’il est inutile de l’avoir lorsque le moteur
fonctionne à faibles charges car les pertes fer deviennent importantes. Les travaux publiés sur ce
sujet montrent que le fonctionnement optimal peut être restauré par la recherche de la valeur du flux
permettant la minimisation de la consommation de l’énergie d’entrée.
La robustesse du moteur asynchrone est altérée également par la commande indirecte à flux
orienté, étant donnée que cette dernière nécessite l’emplacement d’un capteur de vitesse afin de
satisfaire le processus de découplage. Le capteur de vitesse participe à l’augmentation du coût de
l’installation et le degré de redondance des pannes. Par conséquent, sa suppression et l’utilisation des
estimateurs de vitesse peut améliorer nettement la robustesse du variateur et fait diminuer son coût.
Ainsi les travaux présentés dans la présente thèse se situent dans le cadre des objectifs suivants :
Minimisation des pertes : Ceci par l’élaboration d’un mécanisme permettant de varier le niveau
du flux rotorique en fonction des conditions de fonctionnement. La sélection du flux rotorique
pour la commande à flux orienté permettra d’améliorer l’efficacité du variateur à faibles
charges. Les pertes fer sont prises en compte par ce mécanisme. La variation du flux rotorique
doit être prise en considération par le mécanisme d’adaptation de la résistance rotorique.
Le premier Chapitre présente tout d’abord le variateur de vitesse par moteur à induction, en effet,
l’association du moteur à l’onduleur, la stratégie utilisée pour le contrôle des interrupteurs de
commutation et la méthode de contrôle ou de découplage du moteur. L’objectif est de choisir une
configuration du variateur étant donné qu’il en a plusieurs. Notre choix est guidé par l’objectif
d’obtenir une architecture performante et assez simple sur laquelle nous allons travailler. La
comparaison est concrétisée par des tests expérimentaux effectués sur un variateur industriel.
L’accent est mis sur les contraintes liées à l’application de la commande indirecte à flux orienté et
leurs répercussions sur les performances du moteur à induction. Une synthèse des travaux effectués
dans ce domaine est présentée.
Le principe de la commande vectorielle est expliqué dans le Chapitre suivant, en effet, ce Chapitre
présente les différentes configurations permettant de découpler les grandeurs internes du moteur
asynchrone puis l’application de la commande à flux rotorique orienté en utilisant le schéma indirect.
Afin de pallier l’effet des pertes fer, le contrôleur indirect de flux rotorique orienté a été modifié. La
dernière partie de ce chapitre porte sur l’application de la logique floue pour le réglage de vitesse du
moteur asynchrone. Après une présentation des notions générales sur le contrôle par logique floue,
une comparaison entre plusieurs régulateurs flous et le régulateur conventionnel est effectuée afin
d’en choisir d’une part, le plus robuste vis-à-vis la variation du moment d’inertie et, d’autre part, le
mois exigeant en terme de temps de calcul. Le schéma global obtenu (moteur asynchrone, onduleur
de tension avec son contrôle en courant, bloc d’orientation de flux qui tient compte des pertes fer et
le régulateur flou de vitesse) sera utilisé par la suite pour l’adaptation et la minimisation des pertes.
Dans le dernier Chapitre, des notions sur les observateurs (l’observateur de Luenberger et le filtre de
Kalman) sont présentées. Ensuite, on a considéré l’application du principe du filtre de Kalman
étendu sur le modèle de Park du moteur asynchrone afin d’estimer la vitesse rotorique. Finalement,
un mécanisme est développé afin de réduire l’effet des pertes fer sur l’observation de la vitesse sans
pour autant modifier l’algorithme du filtre de Kalman étendu.
Finalement, en conclusion générale, nous avons présenté un résumé des résultas obtenus concernant
les différents aspects présentés dans la présente thèse et quelques perspectives pour le futur.
Chapitre 1
Chapitre 1 – Contraintes de contrôle des moteurs
asynchrones par la méthode à flux orienté
1. Introduction
Dans ce chapitre, nous allons cerner le cadre de travail de la présente thèse. Le système
d’entraînement par moteur à induction est un domaine important de la recherche [14, 15]. Une étude
globale de ce système parait impossible, par conséquent, nous allons procéder par étape afin de
limiter les éléments sur lesquels l’étude sera focalisée. En effet, l’étude est abordée par la
présentation du variateur avec ses principaux composants, ensuite certains choix sont adoptés dans le
but de, entre autres, simplifier l’étude. Finalement, nous abordons certains problèmes liés au tel
variateur.
Dans ce qui suit, en partant de l’alimentation à la commande permettant de varier la vitesse du
moteur asynchrone à cage, nous allons décrire les éléments de base de ce système.
K1 K2 K3
x 0°
ua
x 120
ub
x uc 240
Contrôle en tension
Fig.1.1 Variateur de vitesse avec contrôle en tension, Méthode : sinus – triangulaire avec ua, ub, uc :
tensions de références (désirées)
Ce mode de contrôle est appelé contrôle en tension du variateur. En pratique, différentes techniques
ont été développées pour contrôler la commutation des interrupteurs dans les convertisseurs de
fréquence afin d’obtenir un système de tensions triphasées avec amplitude et fréquence variables [5,
11, 38], entre autres :
- etc.
La forme de tension doit être proche de la forme sinusoïdale afin de minimiser les pertes dans le
moteur, le taux de minimisation des harmoniques supérieurs est la principale différence entre ces
techniques. Le concept de base de la majorité de ces méthodes consiste à comparer les signaux de
référence avec un signal triangulaire. L’intersection de ces deux signaux détermine les instants de
commutation des cellules de l’onduleur de tension.
Lorsque la machine est contrôlée en courant, cela signifie qu’elle est alimentée à travers un
onduleur de tension également, cependant, l’onduleur impose un système triphasé du courant dans le
bobinage statorique. La configuration de la fig.1.2 en est un exemple. Ce mode de contrôle est
couramment utilisé pour alimenter les machines de faible et de moyenne puissance où le contrôle se
fait en boucle fermée par des régulateurs linéaires ou par des comparateurs à hystérésis [13, 49, 89].
Cette dernière stratégie appelée par Séguier [89]: la technique DELTA, est largement discutée dans
la littérature et fait l’objet de plusieurs travaux développés [36, 37, 91, 103]. Elle consiste à utiliser
un comparateur à hystérésis pour déterminer les instants de commutation. La fig.1.2 montre le
schéma principe de la commande en courant par comparateurs à hystérésis.
K1 K2 K3
ibm
x
x icm
x
0° ia 120 ib 240 ic
Fig.1.2 Variateur de vitesse avec contrôle en courant, technique de contrôle est DELTA [88], ia, ib,
ic : Courants de références.
L’imposition du courant statorique offre un contrôle robuste du couple qui est le produit
vectoriel du vecteur courant statorique et du courant rotorique, ceci permet ainsi de simplifier la
commande vectorielle de la machine asynchrone, dans le cas où cette dernière est découplée par la
technique à champ rotorique orienté.
En outre, le contrôle vectoriel de la machine à induction, est basé sur le découplage entre les deux
vecteurs des courants statorique et rotorique autrement dit, l’axe direct du repère tournant, est orienté
suivant le porteur du vecteur flux rotorique. Par l’annulation de la composante en quadrature du flux
rotorique, les tensions de commandes sont :
dids d ϕ
vds = Rsids + σLs + Ls (1 − σ ). ( r ) − σLsω siqs
dt dt Lm
(1.1)
diqs ϕr
vqs = Rsiqs + σLs + Ls (1 − σ )( ).ω s + σLsω sids
dt Lm
Sous cette forme, la partie électrique apparaît comme étant constituée de deux processus mono-
variables couplés par les grandeurs de perturbations ed et eq [35], tel que :
ed = σLsω siqs
d (1.2)
eq = − Lsω s (1 + σTr )ϕ r
dt
Les tensions vds et vqs représentent respectivement les commandes du flux et du couple
électromagnétique de la machine, mais il existe aussi entre les deux processus un couplage linéaire
dû à la présence du terme ωs dans les équations (1.1). Pour cela, l’emplacement de deux correcteurs
de découplage est souhaitable sur les deux axes de commande pour éliminer le couplage
complètement. Ce problème peut être résolu si le courant de commande est imposé dans le bobinage
par l’onduleur de tension contrôlé en courant [49].
En outre, il est utile de citer les autres avantages de la commande en courant des onduleurs de
tensions [49] :
Les raisons précédentes ont été la cause principale du retard enregistrée pour l’émergence de
solutions acceptables pour le contrôle de la machine à induction. En effet, depuis les années 70, de
nouvelles méthodes adaptées aux modèles de la machine ont été proposées [6, 7, 13, 24, 64] ; à
savoir : la commande scalaire et la commande vectorielle.
Cette commande est basée sur les équations de fonctionnement de la machine à induction en
régime permanent, si nous considérons dans notre cas précis un contrôle de la machine en courant, le
niveau de flux est maintenu constant et le couple est contrôlé par la fréquence de glissement. Pour
des faibles valeurs de glissement le couple sera proportionnel à la fréquence de glissement ωsl. Le
bloc diagramme de cette technique est illustré sur la fig.1.3.
Onduleur de tension
* eq(1.4) ia * ia
Contrôle MAS
is Oscillateur
+ ib* ib
GT
Le moteur à induction est alimenté à travers un onduleur MLI contrôlé en courant fonctionnant
comme une source de courant sinusoïdal triphasé. Les courants ia*, ib* et ic* sont générés par
l’oscillateur triphasé connaissant l’amplitude du vecteur courant statorique et sa pulsation ωs. Cette
dernière est obtenue par la loi de l’autopilotage (1.3).
ω s = ω r + ω sl (1.3)
Rr + (ω sl Lr ) 2
2
Is = Im. (1.4)
Rr + (ω sl l fr ) 2
2
Sachant que :
Les analyses de cette méthode [13, 31] ont montré, d’une part, la simplicité de sa mise en œuvre et,
d’autre part, ses performances acceptables en régime permanent pour une plage restreinte de vitesse.
Toutefois la limitation en question est indésirable pour les systèmes entraînés, dans de larges
gammes de variation de la vitesse (notamment le fonctionnement à pleine charge et à vitesse proche
de zéro). En effet, le fonctionnement à des vitesses proches de zéro entraîne de mauvaises
performances et plus particulièrement durant les régimes transitoires. Il est à signaler que pour de
tels régimes de fonctionnement, les industriels optent pour la commande vectorielle pour contrôler la
vitesse [5, 6, 31, 64].
Pour une machine à induction alimentée en courant contrôlée par la commande scalaire, le
couple électromagnétique et le flux statorique sont à la fois fonction des courants et de la fréquence
d’alimentation notamment pour les grandes valeurs de glissement, ce qui provoque de mauvaises
performances dynamiques. La commande vectorielle est une alternative permettant de découpler le
flux et le couple de la machine à chaque instant et sur toute la plage de variation de la vitesse (y
compris la vitesse nulle). Contrairement à la méthode précédente, celle-ci est basée sur le modèle
dynamique de la machine. Son principe de base consiste à orienter l’axe direct du repère tournant sur
le porteur du vecteur flux. Par conséquent, ce dernier sera proportionnel à la composante directe du
vecteur courant statorique ; tandis que le couple sera proportionnel à la composante en quadrature (la
machine est contrôlée comme la machine à courant continu à excitation séparée).
Dans le présent travail, nous nous limiterons à l’utilisation de la méthode de commande vectorielle
par orientation du flux rotorique ; ce choix est fait pour deux raisons principales, d’une part, à cause
de son algorithme plus simple comparativement aux algorithmes des autres orientations (voir schéma
fonctionnel de découplage par flux rotorique orienté, chapitre 3) [35], et d’autre part, le découplage
obtenu entre le flux et le couple est meilleur comparativement aux autres orientations [37]. Il existe,
essentiellement, deux méthodes de commande à flux orienté : la première, appelée directe et repose
sur une commande de flux en boucle fermée (feedback control). La seconde, dite méthode indirecte,
caractérisée par une régulation du flux en boucle ouverte (feedforward control).
Le contrôle direct du flux, développé par Blaschke [64], est basé sur la connaissance du module
du flux rotorique et de sa position. Dans les travaux de Blaschke, le flux rotorique est déduit à partir
du flux dans l’entrefer et du courant statorique. Le flux d’entrefer est mesuré avec des sondes à effet
Hall logées dans le bobinage statorique. Le module du flux rotorique déduit est utilisé comme retour
de la boucle de flux et l’orientation permet de ramener les composantes directe et transverse du
courant au repère fixe. La commande directe ne fait pas explicitement apparaître les paramètres
électriques de la machine. Cependant, l’emplacement des sondes ou des bobines supplémentaires
dans le bobinage statorique influe sur le coût de la machine et sur sa robustesse (nécessité de
moteurs asynchrones spéciaux et la sensibilité des capteurs vis-à-vis de la température).
Pour cela, certains auteurs ont substitué les capteurs par des estimateurs basés sur les équations
statiques et dynamiques de la machine à induction, le système (1.5) en est un exemple.
d L 1
(ϕαr ) = ( m )iαs − ω r ϕ βr − ϕαr
dt Tr Tr
(1.5)
d L 1
(ϕ βr ) = ( m )i βs + ω r ϕαr − ϕ βr
dt Tr Tr
Le contrôle indirect, proposé par HASSE [64], utilise un modèle inverse déduit du modèle de la
machine exprimé dans le repère du flux rotorique. Dans ce cas précis et si la machine est contrôlée
en courant, le découplage est obtenu par le fait que le flux et le couple moteur sont contrôlés
indépendamment par les composantes du vecteur statorique. Le passage du repère tournant vers le
repère fixe nécessite la connaissance de la position du vecteur flux rotorique, cette dernière est
calculée par la loi de l’autopilotage (1.6)
Où :
ωsl représente la fréquence de glissement, générée par le modèle inverse obtenu du modèle
dont le repère est lié au flux rotorique :
1 d *
(ϕ r ) + ϕ r* = Lm ids
*
Tr dt
*
* 2 Lr T
iqs = ( ).( e* ) (1.7)
3 p.Lm ϕ r
*
1 iqs
ω sl *
= . *
Tr ids
Du point de vue simplicité, on voit clairement qu’elle est plus facile à implémenter et n’exige pas de
capteurs de flux. Chose qui rend cette méthode plus attractive et donc plus utilisée [5, 31, 99, 100].
En fonction des moyens dont nous disposons, nous avons pu mettre quelques tests permettant
de montrer la supériorité de la commande vectorielle par rapport à la commande scalaire. En effet, un
variateur de vitesse industriel [90], a été utilisé pour contrôler un moteur à induction avec sa charge
dont les paramètres sont indiqués dans l’annexe. Le schéma principe de ce variateur est montré sur la
fig. 1.4.
Ligne 3 ∼ Variateur
industriel
Filtre Transformat
Contacteur
Réactance
de ligne
Freinage Liaison
Convertisseur
de fréquence
Contrôle avec PC
Interface
avec
capteurs
Moteur à
induction Génératrice à
connecté à courant continu
Fig.1.4 Schéma synoptique de l’association d’un variateur industriel, moteur à induction et sa charge
(machine à courant continu)
Par ailleurs, les études effectuées par d’autres auteurs sur la commande vectorielle [5, 9, 13, 14,
31, 44, 77] ont montré la supériorité de la méthode vectorielle par rapport à la méthode scalaire tant
80 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
60
5 Phase1Amps
6 FixConn0%
7 FixConn0%
40
8 FixConn0%
Vitesse rotorique
20
(%)
1
0
-20
-40
-60
-80
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
a)
[%]
80 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
60
5 Phase1Amps
6 FixConn0%
7 FixConn0%
40
8 FixConn0%
Courant d’une phase
5
(%)
20
0
i
-20
-40
-60
-80
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
b)
80 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
60
5 Phase1Amps
6 FixConn0%
7 FixConn0%
40
8 FixConn0%
Vitesse rotorique
20
1
(%)
-20
-40
-60
-80
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
a)
[%]
80 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
60
5 Phase1Amps
6 FixConn0%
5 7 FixConn0%
40
Courant d’une phase
8 FixConn0%
(%)
20
i
-20
-40
-60
-80
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
b)
Dans le but d’améliorer la réponse de la vitesse (le rejet de perturbations) et réduire l’effet de la
variation du moment d’inertie, autrement dit augmenter la robustesse, le régulateur PI sera substitué
par son homologue basé sur la logique floue [36, 107]. Ceci fait l’objet du dernier volet de chapitre
3.
Etant donné que l’objet principal de la thèse est l’amélioration de l’efficacité du variateur, par
conséquent la variation du moment d’inertie n’est pas un problème majeur. Cependant, l’objet du
dernier volet de chapitre 3 est le choix du régulateur flou qui sera utilisé par la suite dans le chapitre
4 afin de montrer que ce type de régulateur, bien qu’il soit indépendant des paramètres du moteur, il
reste incapable de surpasser le problème lié à la variation de la constante du temps rotorique.
Le glissement peut être déterminé à partir de l’égalité des tensions aux bornes des branches
magnétisante et rotorique (fig.17).
2
Lm L R
ids .( j x m ) = i qs .( m2 . r ) (1.8)
Lr Lr g
Rs jxs
iqs=(-Lr/Lm)Ir
Is
Fig.1.7 Circuit équivalent de la machine découplée montrant les deux composantes du vecteur
courant statorique
Avec :
j: le nombre complexe imaginaire ;
g : le glissement de la machine tel que ωsl = g. ωs .
D’où :
Rr iqs
ωsl = g.ωs= . (1.9)
Lr ids
Le courant rotorique est obtenu également à partir du circuit équivalent. En effet, ce dernier est
considéré comme un circuit déviseur de courant, par conséquent :
Lr
j.( ) xm
Lr Lm
iqs = − .I r = I s . 2
(1.10)
Lm ⎛ Lr ⎞ Rr L
⎜⎜ ⎟⎟ ( ) + j.( r ) x m
⎝ Lm ⎠ g Lm
Si le glissement est calculé à partir de la troisième équation de (1.7), autrement dit, lorsque la
machine est découplée par l’orientation du flux rotorique, l’équation (1.10) se réduit à (1.11) :
− j.ω sl Lm
*
Ir = Is (1.11)
Rr + j.ω sl Lr
*
En effet, si la valeur de la fréquence de glissement est calculée à partir de l’équation (1.11) lorsque la
valeur de la constante de temps rotorique est supposée parfaitement connue, l’équation (1.11) se
simplifie davantage et le vecteur courant rotorique deviendra comme suit :
− j.ω sl Lm
*
iqs
Ir = .(1 + j. ).i ds
Rr (1 + j.ω sl Tr )
*
ids
Lm
= − j.(ω sl )
*
.ids
Rr
(1.12)
R iqs L
= − j.( r . ) m .ids
Lr ids Rr
⎛L ⎞
= − j.⎜⎜ m ⎟⎟.iqs
⎝ Lr ⎠
Nous avons montré dans le paragraphe précédent que le fonctionnement avec désaccord entre la
constante de temps rotorique réelle et celle utilisée dans le mécanisme d’orientation provoque un
fonctionnement non efficace ; ceci s’explique par l’augmentation du courant statorique pour
compenser la chute du couple engendrée avec le même couple de charge (ce point sera détaillé
davantage dans le chapitre 4). Le fonctionnement non optimal est dû aussi au fait que la valeur du
flux rotorique est maintenue constante (la valeur nominale). En effet, le principe de la commande à
flux orienté est basé sur le maintien du niveau de flux à sa valeur nominale et sur le contrôle du
couple indépendamment. Cette stratégie, effectivement permet d’avoir un couple maximal disponible
pour tous les régimes de fonctionnement. Cependant, étant donné que le variateur entraîne une
charge variable, par conséquent lors des fonctionnements à faibles charges, le moteur développe un
couple maximal inutilement, chose qui se traduit par une consommation inutile du courant statorique,
par conséquent, le moteur s’écarte de son point de fonctionnement optimal [1].
D’après les études effectuées par G.C.D.Sousa et al. [94] et de F.M.Khater et al. [51], le point de
fonctionnement optimal des machines à induction, pour des machines de faible puissance, est indiqué
généralement par l’égalité (dans le repère tournant) entre les composantes du vecteur courant
statorique.
Calcul de DC Link
Power
Pd=Id.Vd
Pd
Cette puissance englobe la puissance de sortie, les pertes fer, les pertes par effet Joule, et les pertes
dans le convertisseur de fréquence comme est illustré sur la fig.1.9.
Couple
Vitesse
Zone Pd
d’opération
iqs
ids
ϕr
T
Pertes totales
Pertes par effet Joule
Pertes dans le
convertisseur
Pertes fer
Les courbes montrées sur la fig.1.9 sont obtenues expérimentalement par variation de la valeur du
flux rotorique de commande [94].
La vitesse et le couple sont maintenus constants. Si on diminue la valeur de flux, la composante
directe du vecteur courant statorique diminue et par conséquent, la composante En quadrature
augmente pour compenser la chute du couple moteur. Ceci provoque l’augmentation des pertes
joules et la diminution des pertes fer et à une certaine valeur de flux, les pertes totales atteignent leur
minimale. Le point correspondant est appelé le point de fonctionnement optimal du fait que si on
continue à faire diminuer le flux, la valeur des pertes totales va augmenter.
Afin d’améliorer l’efficacité du variateur de vitesse par moteur à induction, il faut à tout
moment, d’une part, maintenir le découplage entre le couple et le flux rotorique et, d’autre part,
rechercher la valeur du flux rotorique optimal pour laquelle, les pertes du moteur sont minimales.
Autrement, dit maintenir l’efficacité signifie la diminution des coûts d’exploitation. La présence du
capteur de vitesse augmente aussi le coût du variateur, en outre dans certaines applications, vu sa
sensibilité, il diminue la robustesse du variateur par moteur à induction. L’autre facteur qui affecte
aussi les performances du capteur de vitesse et rend le contrôle moins performant est la dégradation
des performances du capteur avec le temps autrement dit, la durée de vie ou d’utilisation de ce
capteur dans l’installation. Le variateur industriel précédent est opérationnel depuis au moins dix
(10) ans et la comparaison de la commande vectorielle avec et sans capteur de vitesse montre l’effet
de la durée de l’utilisation du capteur de vitesse qu’est dans ce cas un tachymètre. Le variateur utilise
un estimateur de vitesse interne basé sur le modèle de la machine.
La comparaison entre les courbes de vitesse obtenues avec (fig.1.6) et sans capteur de vitesse
(fig.1.10) montre que, lorsque on applique une charge sur l’arbre du moteur, le capteur de vitesse
présente des oscillations et ceci est indiqué par la forte oscillation du courant statorique. Tandis que
la vitesse rotorique est plus stable et la forme de courant statorique correspondant est plus régulière
avec le contrôle sans capteur de vitesse.
[%]
80 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
60
5 Phase1Amps
6 FixConn0%
7 FixConn0%
40
8 FixConn0%
Vitesse rotorique
20
0 1
(%)
-20
-40
-60
-80
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
a)
[%]
200 1 Speedsmooth
2 MotorTorque
3 OutputAmps
4 OutputPow er
150
5 Phase1Amps
6 FixConn0%
7 FixConn0%
100
8 FixConn0%
Courant d’une phase
(%)
50
0
i
-50
-100
-150
-200
0 3931.20 7862.40 11793.60 15724.80 19656 23587.20 27518.40 31449.60 35380.80 [ms]
t(ms)
b)
Fig.1.10 Commande vectorielle du MAS sans capteur de vitesse, vitesse de référence = 50% de la
vitesse nominale
5. Analyse critique des méthodes existantes
D’après F. Abrahamsen et al. [1], les moteurs électriques consomment environ 56% de l’énergie
électrique produite dans les pays industrialisés. En outre, le moteur à induction représente 96% de la
consommation de l’ensemble de ces moteurs, ce qui fait que ce dernier consomme environ 54% de
l’énergie électrique produite dans les pays industrialisés [1]. Dans cette étude est montrée
l’importance de la recherche des techniques permettant de minimiser l’énergie consommée par ce
type de moteur. Dans ce contexte, certains pays (tel que les Etats Unis d’Amérique) ont appliqué des
lois qui exigent l’utilisation des moteurs de haute efficacité.
Les études statistiques effectuées sur la consommation de l’énergie électrique pour différentes
classes de puissances de ce type de moteur et sur les pertes engendrées, ont montré, d’une part, que
la part la plus importante de cette puissance est consommée par les moteurs à induction dont la classe
de puissance est inférieure à 52 kW et, d’autre part, que cette gamme de moteur à induction,
engendre le plus de pertes que toutes les autres classes de puissances [1]. A partir de cette
constatation, l’étude de l’optimisation de la commande des machines à induction est indispensable
pour améliorer l’efficacité du système d’entraînement industriel, et améliorer, par conséquent, toute
la chaîne de production, transport et distribution de l’énergie électrique.
En général, les pertes dans la machine à induction sont influencées par différents facteurs, entre
autres : le niveau du flux dans la machine, la taille du moteur, les conditions de charge et les
harmoniques que contient le courant statorique [58]. Etant donné que le moteur est dimensionné
normalement pour une fréquence et une tension bien déterminée, l’efficacité est maximale lorsque le
moteur est alimenté par sa tension nominale et fréquence nominale et entraîne une charge proche de
sa charge nominale [57]. Le niveau de flux, dans ce cas est maintenu à sa valeur nominale.
Cependant à faible charge, le fonctionnement à flux constant engendre des pertes fer importantes ;
par conséquent, pour maintenir l’efficacité du système une réduction de la valeur du flux est
nécessaire en régime établi [55, 56, 58]. A la lumière de ce qui précède, nous nous posons la
question suivante : quelle valeur peut-on donner au flux de référence, de la commande à orientation
indirecte, pour avoir un fonctionnement à minimum d’énergie et comment satisfaire cette variation
sans pour autant affecter le découplage, autrement dit les performances de la commande vectorielle ?
Pour répondre à cette problématique et pour améliorer l’efficacité de la commande vectorielle
indirecte et scalaire de la machine à induction plusieurs tentatives ont été entreprises, entre autres, le
principe de la méthode de contrôle par recherche « search control », qui a été appliqué pour les
commandes vectorielle et scalaire [26, 57, 58]. Il consiste à maintenir la puissance de sortie du
moteur constante et à chercher le point de fonctionnement qui minimise la puissance d’entrée en
diminuant la valeur du flux graduellement. La fig. 1.9 montre le principe de variation de la valeur
flux et de recherche du minimum de la puissance d’entrée Pd. L’avantage principal de cette méthode
réside dans le fait que la recherche du point optimal est indépendante des paramètres de la machine
(méthode robuste) et son inconvénient principal réside dans le temps de convergence qui est de
l’ordre de quelques minutes. Ce temps relativement long empêche l’utilisation de cette méthode
lorsque la valeur du couple de charge change fréquemment.
La logique floue a été appliquée par G.C.D.Sousa et al. [94] pour optimiser la commande vectorielle
indirecte. L’implémentation d’un régulateur flou permet la détermination de la valeur du courant de
commande ids qui minimise la puissance d’entrée (puissance mesurée à l’entrée de l’onduleur MLI).
Cette méthode s’avère être très attractive en raison de son indépendance des paramètres de la
machine et de sa rapidité, mais le problème de découplage en tenant compte de la variation de la
constante de temps rotorique n’a pas été considéré. Par la suite J.B. Wang et al. [103] ont utilisé la
logique floue pour l’adaptation de la constante de temps rotorique et l’optimisation de la valeur des
pertes totales. D’autre part la logique floue a été utilisée par L. Zhen et al. [107] pour le réglage de
vitesse de la machine asynchrone et l’adaptation de la constante de temps rotorique.
L’optimisation de la commande vectorielle en tenant compte des pertes fer dans le moteur est traitée
dans [56], alors que le problème thermique dû à la variation de la résistance rotorique subsiste
toujours. L’approche de minimisation des pertes de la machine (pertes joules et fer) proposée dans
[41] est basée sur le principe de variation du niveau de flux rotorique en fonction du couple de
référence (conditions de charge du moteur) où le flux rotorique de la machine est estimé à travers un
observateur adaptatif. Cependant cette méthode a été appliquée sur la machine sans compensation
des pertes fer, chose qui provoque l’apparition d’une erreur d’optimisation.
Etant donné que la commande vectorielle nécessite le retour de la vitesse afin d’effectuer le réglage,
plusieurs méthodes ont été développées afin d’estimer en temps réel cette grandeur. Chaque méthode
possède des avantages et des limites d’utilisation, le chapitre 6 en résume les plus importantes. L’une
des méthodes qui a été largement utilisée est celle qui est basée sur le filtre de Kalman. Cet
observateur est connu par sa robustesse autant vis-à-vis des bruits du système et de mesure. En effet,
le moteur à induction est alimenté par un onduleur de tension qui génère des créneaux de tension par
conséquent un courant statorique non sinusoïdal. Plusieurs travaux ont montré que le filtre de
Kalman peut considérer ces harmoniques comme des bruits d’entrés [15, 78, 88]. Cette constatation
est un avantage du fait que le convertisseur de fréquence sera utilisé comme une source de bruit pour
l’observateur et éviter par conséquent des bruits externes. Cependant, les travaux mentionnés n’ont
pas pris les pertes fer en considération. Dans la présente thèse, nous allons appliquer le filtre de
Kalman étendu pour l’estimation de la vitesse rotorique et l’adapter afin que les pertes fer n’auront
pas d’effet sur les performances d’estimation de vitesse.
7. Conclusion
Dans ce chapitre, a été considéré en premier lieu, l’alimentation de la machine à induction qui
assure un fonctionnement à vitesse variable. Nous avons, également, choisi la technique de contrôle
en courant, réalisée par un comparateur à hystérésis pour la détermination des instants de
commutation, en raison des avantages sus-cités.
Il est clair que le contrôle vectoriel de la machine à induction offre des performances de contrôle
semblables à celles de la machine à courant continu à excitation séparée à condition que la constante
de temps rotorique soit parfaitement connue. Toutefois, en pratique, cette constante de temps change
dans le temps. La recherche bibliographique effectuée dans ce contexte a montré que l’identification
ou l’estimation de la constante de temps est un problème crucial pour la commande indirecte à flux
orienté. En outre, il est à remarquer que l’application des techniques de l’intelligence artificielle
permet de résoudre les problèmes soulevés sans pour autant nécessiter la connaissance des
paramètres du système [8, 73, 93, 107]. Tel est le cas de la logique floue qui peut être utilisée pour
l’adaptation de la constante de temps rotorique. En plus, la logique floue a un caractère heuristique
permettant le fonctionnement avec d’autres systèmes. Néanmoins, le fonctionnement de la machine
n’est pas optimal à faible charge et une étude d’optimisation de sa commande s’avère nécessaire.
Dans la présente étude, il est envisagé d’élaborer un mécanisme d’optimisation permettant la
détermination de la valeur du flux rotorique en fonction du couple de référence, en tenant compte des
pertes fer (sans ajouter des capteurs ou des régulateurs) afin de minimiser les pertes totales dans la
machine à induction et avoir ainsi un fonctionnement optimal du système d’entraînement.
Le dernier volet de cette étude concerne l’utilisation du filtre de Kalman pour estimer la vitesse
rotorique et éliminer par conséquent le capteur de vitesse de rotation. Les pertes sont prises en
considération pour le développement d’un mécanisme permettant de réduire leur effet sur les
performances de l’observateur en question.
1. Introduction
Dans ce chapitre nous allons, d’une part, présenter en bref le modèle du moteur asynchrone
sans et avec pertes fer, utiliser le principe de l’orientation du flux afin de mettre en exergue ses
performances ainsi que son extension sur le modèle qui tient compte des pertes fer et, d’autre part,
appliquer la logique floue pour améliorer le réglage de vitesse de la machine asynchrone.
Le modèle standard du moteur asynchrone, nommé le modèle de Park, est obtenu par l’application
de la transformation de Park sur son modèle dans le système d’axes abc [4, 5, 14]. Cette conversion
est effectuée par la multiplication des grandeurs du repère abc par la matrice T(θ). Formellement :
[ f dq ] = T (θ ).[ f abc ] (2.1)
Et
⎡ ⎤
⎢cos(θ ) cos(θ − 2π / 3) cos(θ − 4π / 3)⎥
2
T (θ ) = ⎢ sin(θ ) sin(θ − 2π / 3) sin(θ − 4π / 3) ⎥ (2.2)
3⎢ 1 1 1 ⎥
⎢ ⎥
⎣ 2 2 2 ⎦
Tel que θ est l’angle entre l’axe a du repère stationnaire abc et l’axe d du repère tournant dq comme
la relation suivante le montre :
θ = θ r + θ sl = ∫ ( p.Ω r + ω sl ).dt (2.3)
En choisissant le vecteur d’état X = [iαs i βs ϕαr ϕ βr ]T , le modèle final dans le repère
stationnaire [5, 16, 24, 31] est exprimé sous forme matricielle comme suit:
dX
= AX + BU (2.4)
dt
Tel que :
⎡ Kl ⎤
⎢ − .γ 0 p.K l .Ω r ⎥
Tr
⎢ ⎥
⎢ Kl ⎥
0 −γ − p.K l .Ω r
⎢ Tr ⎥
A=⎢ Lm 1 ⎥
⎢ 0 − − p.Ω r ⎥
⎢ Tr Tr ⎥
⎢ Lm 1 ⎥
⎢ 0 p.Ω r − ⎥
⎢ Tr Tr ⎥
⎢⎣ ⎥⎦
⎡ 1 ⎤
⎢ σL 0 ⎥
⎢ s ⎥
1 ⎥
B=⎢ 0
⎢ σL s ⎥
[
, U = vαs v βs ]
T
⎢ 0 0 ⎥
⎢ ⎥
⎣⎢ 0 0 ⎦⎥
Avec :
2
Rs L .R Lm
γ = + m 2r , K l =
σLs σLs Lr σLs Lr
Lr
Tr = - la constante de temps rotorique ;
Rr
2
Lm
σ = 1− - le coefficient de dispersion de la machine.
L s .Lr
dΩ r
J∑ = (Te − B f .Ω r − Tch ) (2.5)
dt
Avec :
Te =
3 Lm
p. (ϕ dr .iqs − ϕ qr .ids )
2 Lr
Te - le couple électromagnétique développé par le moteur asynchrone.
Ud
vc vb va
IG’1 IG’2 IG’3
En fonction de la tension continue Ud et les fonctions logiques générées par le système de contrôle de
l’onduleur, les tensions de sortie s’écrivent [37, 7, 59, 57] :
⎡v a ⎤ ⎡ 2 − 1 − 1⎤ ⎡ f 1 ⎤
⎢ ⎥ 1 ⎢ ⎥⎢ ⎥
⎢vb ⎥ = 3 .U d .⎢− 1 2 − 1⎥.⎢ f 2 ⎥ (2.6)
⎢v c ⎥ ⎢⎣− 1 − 1 2 ⎥⎦ ⎢⎣ f 3 ⎥⎦
⎣ ⎦
Avec:
fi ,i=1,2,3 - les états binaires des cellules de commutation IG1,2,3
vi, i=a,b,c - les tensions simples aux bornes de la machine
L’ouverture et la fermeture des interrupteurs sont déterminées par le contrôleur en courant, à savoir
le comparateur à hystérésis. En effet, les instants de commutation se déterminent par contre réaction
[7, 89]. La tension de sortie passe de Ud à 0 dès que l’écart dépasse un seuil h/2 et passe de 0 à Ud
lorsque l’écart devient inférieur à h/2. H est la bande caractérisant le Comparateur à Hystérésis
comme il est illustré sur la fig. 2.2.
IGi
*
I si +
- Relais à
I si
IG’i
⎧ 1 si i si ≤ (i si * - h/2)
k +1 ⎪
fi =⎨0 si i si ≥ (i si * + h/2) (2.7)
⎪ f k si (i * - h/2) ≤ i ≤ (i * + h/2)
⎩ i si si si
Avec
h: la largueur de la bande de l’hystérésis;
fik+1, fik: l’état actuel et précédent de l’interrupteur de la phase i;
isi, isi*: le courant réel et sa valeur de référence de la phase i ;
i= a,b,c : le rang de la phase.
2.3. Modèle du moteur asynchrone avec prise en compte des pertes fer
Le modèle précédent néglige les pertes fer. Ces dernières unissent à la fois les pertes dues à
l’hystérésis et les pertes par courant de Foucault. Ces pertes peuvent être exprimées comme suit [68]:
h
Pfer = k h .ω e ϕ m2
(2.8)
f
Pfer = k f .ω e2ϕ m2
Avec :
kf, kh - respectivement les coefficients des pertes par courant de Foucault et par phénomène
d’hystérésis.
Pfer = (k f ω e2 + k eω e ).ϕ m2
ω e2 .ϕ m2
≈ (2.9)
1/ ke
ω e2 .ϕ m2
=
R fe
Etant donné que le terme ωeϕm représente une tension, on peut déduire que le coefficient 1/ke a la
dimension d’une résistance, supposée Rfe. Par conséquent, afin de considérer les pertes fer, le schéma
équivalent de la machine, peut être modifié en ajoutant une résistance en parallèle à la branche
magnétisante, fig. 2.3.
ωelfsiqs ωelfriqr
Rs lfs Rr lfr
- + + -
+ idr
ids
Lm -
idfe Rfe idm
- ωrϕqr
vds
+
ωeLmiqm
-
Rs lfs
ωelfsids Rr lfr
ωelfridr
+ - - +
+ iqr
iqs
Lm +
iqfe iqm + ωrϕdr
Rfe
vqs
-
ωeLmidm
-
b) Circuit équivalent sur l’axe q
Fig.2.3 Circuit équivalent de la machine à induction en tenant compte des pertes fer dans un
référentiel dq tournant à la vitesse aléatoire ωe.
En choisissant le vecteur x=[ids, iqs, idr, iqr, idm, iqm]= [x1, x2, x3, x4, x5, x6] et à partir du schéma
équivalent du moteur qui tient compte des pertes fer, le système d’équations dans le repère
stationnaire (décrivant l’interaction entre les grandeurs électriques et magnétiques) est obtenu.
dX
= A. X + B.U (2.10)
dt
⎡ − Rs − R fe R fe R fe ⎤
⎢ 0 − 0 0 ⎥
⎢ l fs l fs l fs ⎥
⎢ − Rs − R fe R fe R fe ⎥
⎢ 0 0 − 0 ⎥
⎢ l fs l fs l fs ⎥
⎢ R fe − Rr − R fe R fe Lm ⎥
⎢ − 0 − p.Ω r − p.Ω r ⎥
l fr l fr l fr l fr
A=⎢ ⎥
⎢ R fe − Rr − R fe Lm R fe ⎥
⎢ 0 − p.Ω r p.Ω r ⎥
⎢ l fr l fr l fr l fr ⎥
⎢ R fe R fe R fe ⎥
⎢ 0 0 − 0 ⎥
⎢ Lm Lm Lm ⎥
⎢ R fe R fe R fe ⎥
⎢ 0 0 0 ⎥
⎣ Lm Lm Lm ⎦
T
⎡1 0 0 0 0 0 0⎤
B=⎢ ⎥
⎣0 1 0 0 0 0 0 ⎦
L’équation du mouvement :
dΩ r
= [Te − B f .Ω 7 − Tch ] / j (2.11)
dt
Le couple électromagnétique est exprimé en fonction des nouvelles variables d’état comme suit :
3
Te = p.Lm (iqm .idr − idm .i qr ) (2.12)
2
3. Découplage par orientation de flux
La complexité de la commande des machines à induction réside dans la non linéarité du
modèle de la machine et l’effet de couplage inhérent entre le flux et le couple électromagnétique. En
outre, les pôles et les zéros de la fonction de transfert varient à chaque point de fonctionnement [24],
alors la commande peut être optimisée en certains points de fonctionnement mais les performances
se détériorent si le point de fonctionnement change.
La commande vectorielle ou découplée élimine le problème de couplage entre les deux axes direct et
en quadrature, son principe est basé sur le choix d’un repère de référence [29, 31, 35] lié au flux
qu’on désire orienter. Par conséquent, elle dissocie le vecteur courant statorique en deux
composantes dans le repère tournant, l’une sur l’axe direct pour contrôler le flux orienté de la
machine, et l’autre, calée sur l’axe en quadrature, pour contrôler le couple électromagnétique comme
est illustré sur la fig.2.4.
Le flux orienté ϕi peut être le flux statorique, le flux rotorique ou le flux magnétisant (d’entrefer).
On peut avoir, par conséquent, trois possibilités d’orientation et qui permettent, chacune, d’avoir un
fonctionnement découplé [37, 64, 77] ; à savoir :
d
Is
q ids
ϕi = ϕdi
θsl ar
iqs
θs
θr
as
Te=kmϕ Λ
En associant le block de découplage, connu dans la littérature anglaise sous le terme Field Oriented
Controller (FOC), à l’ensemble onduleur MLI et moteur asynchrone, le schéma synoptique montré
par fig.2.5 est obtenu.
ias
ϕi ids Onduleur
ibs MLI
Te iqs T-1(θs) contrôlé en
ics courant
θs
∫
ωsl* ωr p GT
+
Dans ce qui suit, nous allons présenter l’orientation du flux rotorique qui fera l’objet de la présente
thèse. Ce choix est expliqué par les avantages de son algorithme en terme de simplicité et de
performance [37, 76].
En appliquant les conditions de l’orientation du flux rotorique sur le modèle en courant de la
machine, nous obtenons les équations du bloc FOC (2.13 -2.15) et par conséquent son schéma
principe, voir fig. 2.6.
⎛ 2 Lr ⎞ ⎛ Te * ⎞
iqs = ⎜⎜
*
⎟⎟.⎜ ⎟ (2.13)
⎜ϕ * ⎟
⎝ 3 p.Lm ⎠⎝ r ⎠
⎛ 1 + s.Tr ⎞ *
ids = ⎜⎜ ⎟⎟ϕ r
*
(2.14)
⎝ Lm ⎠
⎛ L ⎞ ⎛⎜ iqs ⎞⎟
*
ω sl * = ⎜⎜ m ⎟⎟. * (2.15)
⎝ Tr ⎠ ⎜⎝ ϕ r ⎟⎠
Bien que les autres contrôleurs d’orientations, à savoir : statorique et magnétisant, n’ont pas
été expliqués mais la présentation de leurs résultats de simulations a été jugée utile afin de mettre en
exergue la différence principale entre les trois contrôleurs d’orientation en question. A cet effet, nous
avons choisi les consignes montrées sur la fig. 2.7 qui représentent respectivement le couple de
référence et le flux rotorique de référence.
1 + s.Tr ids*
ϕr*
Lm
2 Lr Lm ωsl*
Te* ÷ ÷
3 pLm Tr
iqs*
0. 1. t(s 0. 1. t(s
-
-
Les résultats de simulation sont illustrés sur la fig.2.8. Ces courbes montrent que le meilleur
découplage entre le flux rotorique et le couple électromagnétique est obtenu lorsque le flux rotorique
(fig.2.8.a) est orienté. En effet, le changement de sens du couple sur l’axe transverse n’a pas affecté
l’orientation du flux sur l’axe direct. Il est à signaler que la présence des ondulations, au niveau du
couple est due simplement aux opérations de commutation au niveau des cellules de l’onduleur MLI.
En ce qui concerne les autres orientations (SFOC et MFOC), le flux sur l’axe direct est
affecté lorsque le couple est inversé sur l’axe transverse (couplage en régime dynamique). Ceci est
interprété par la présence de la dérivée du courant en quadrature dans l’expression de la pulsation de
glissement pour les deux contrôleurs [37].
ϕdr(Wb
Te(N.m)
a) RFOC
ϕds(Wb
Te(N.m)
b) SFOC
Te(N.m)
ϕdm(W
t(s) t(s)
c) MFOC
Afin de simplifier la structure de cette commande, P. Vas [99] a proposé l’estimateur de flux et de sa
position utilisant les équations (2.16).
⎧ dϕˆ r
⎪ ϕˆ r + Tr dt = Lm i ds
⎪ 3 L
⎪ Tˆe = p. m ϕˆ r .iqs
⎪ 2 Lr
⎨ (2.16)
⎪ˆ Lm iqs
⎪ ω = ω
ˆ − ω =
Tr ϕˆ r
sl s r
⎪
⎪⎩ θ sl = ∫ ( p.Ω r + ωˆ sl ).dt
ˆ
Il est facile à remarquer que les équations de cet estimateur sont les même que celles du contrôleur
indirect à flux rotorique orienté (2.13-2.15). Par conséquent, les performances du réglage de vitesse
seront approximativement les mêmes. Raison pour laquelle, nous allons considérer uniquement la
structure indirecte du réglage de vitesse.
4.2. Méthode indirecte
Cette méthode (feedforward control) a été proposée par Hasse [5, 44, 64], et son schéma
fonctionnel est présenté sur la fig.2.9.
Onduleur -
Te* ias MAS
ids *
Ω *+ PI *
Eq.(3.4 ibs Onduleur
_
. T (θs)
-1
* MLI
iqs Contrôlé
a b * ics*
ϕr en
*
θs
MAS
∫
ωsl* + GT
FOC pΩr
p
DSP
Fig.2.9 Schéma de principe du variateur de vitesse avec contrôle vectoriel indirect du flux rotorique.
Cette structure comprend un moteur à induction [84, 105] alimenté par un onduleur de
tension contrôlé en courant par des régulateurs à hystérésis. Le bloc FOC, celui de la fig. 2.6, permet
d’avoir une commande découplée. Le passage des grandeurs continues (repère tournant avec le flux
rotorique) vers des grandeurs alternatives (repère fixe) est assuré par la transformation inverse de
Park. La vitesse de rotation réelle est disponible (supposée mesurée par un capteur mécanique ou
optique). Le régulateur de vitesse est de type Proportionnel – Intégral [54]. Le lecteur peut se référer
à [14] pour plus de détails sur la méthode de calcul des paramètres des correcteurs de vitesse et de
flux.
L’angle de rotation du repère (qui assure l’orientation de l’axe direct du repère tournant
suivant l’axe du flux rotorique) peut être estimé par l’expression suivante :
θ s = ∫ (ω r + ω sl ).dt (2.17)
Où:
⎛ 1 iqs ⎞⎟
*
⎜
θ s = ∫ p.Ω r + dt (2.18)
⎜ Tr ids * ⎟⎠
⎝
On voit clairement la distinction de la partie de puissance de celle de commande réalisée sur DSP ou
un calculateur numérique.
Pour des régimes de fonctionnement à vitesse supérieure à celle de base (ou nominale) [31,
77], le bloc de défluxage permet de réduire le flux à l’entrée du bloc FOC pour maintenir le
fonctionnement sous la commande vectorielle et afin que la tension à la sortie de l’onduleur ne
dépasse pas la tension nominale du moteur et que le courant statorique reste limité par sa valeur
maximale [77].
Alors, la diminution de flux (ou du courant magnétisant i*ds) se fait suivant la fonction non-linéaire
suivante :
⎧ ϕ rn ...................si..Ω r * ≤ Ω rn
⎪
ϕr* =⎨ Ω (2.19)
ϕ rn . rn* ..............si..Ω r * > Ω rn
⎪ Ωr
⎩
La sortie du régulateur de vitesse est le couple de référence qui sera l’entrée du bloc de
découplage FOC, il doit être limité par ses valeurs maximales qui dénotent le couple maximal
supporté par le moteur dans les deux sens de rotation [31, 53].
La simulation de la structure en question, fig. 2.9, est faite sur MATLAB/SIMULINK et son
programme équivalent est montré sur la fig.2.10. Nous avons opté pour un fonctionnement au delà
de la vitesse de synchronisme afin de vérifier le découplage entres les deux axes de commande.
L’application d’une charge à t=0,5s permet de vérifier la robustesse du réglage de vitesse. La vitesse
de rotation est diminuée à 100 rad/s à l’instant t=1s qui est le régime normal. Par conséquent, le
block de défluxage doit agir afin de rétablir le flux nominal.
La fig.2.11 montre les résultats de simulation obtenus. Les courbes obtenues pour un
échelon de vitesse de 170 rad/s, montrent que la vitesse suit parfaitement cette référence. Le bloc
de défluxage a répondu en diminuant le module de flux sans affecter l’orientation de ce dernier
(fig.3.11.c, d). L’application d’une charge qui provoque une chute de vitesse est prise en charge
par le régulateur de vitesse par l’augmentation du courant statorique et par conséquent le
rétablissement de la vitesse de rotation. Le passage au fonctionnement à vitesse inférieur à la
vitesse de base est effectué sans altération sur le découplage et les courbes du flux (fig.2.11.c et d)
en témoignent. En effet, le flux nominal est rétablit sans affecter le réglage de vitesse.
f(u) Out1 ids
ialfa ias* [A]
f(u) In1 ialf
Out2 Sum ut_1
in_1
1 iqs in_1 Ids
bs* out_1
[b]
wr* Out3 ut_2
in_2 in_2 Iqs
Re_wr In2 ibeta ibet Sum4
speed theta ics* [c] out_2
Cref Teref ut_3
in_3 in_3 hine asynchr fdr
Sum7
FOC e T- park2
onduleur fqr
1/s wrm
[f] wr
Cr1
model2 show1
p
ias(A)
a) b)
ϕdr(Wb)
ϕqr(Wb
c) d)
t(s t(s)
)
d ϕr
−
+ j.(ω s − p.ω r ).ϕ r + Rr I r = 0 (2.20)
dt −
Nous allons remplacer le vecteur courant rotorique par celui du flux magnétisant ϕ m .
−
1
Ir = .(.ϕ r − .ϕ m ) (2.22)
l fr − −
160 20
140 15
120 10
100 5
Ωr (rad/s)
80 0
ias(A)
60 -5
40 -10
20 -15
0 -20
-20 -25
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
a) b)
1.6 1.5
1.4
1.2
ϕdr , ϕqr (Wb)
1
1
0.8
ϕr (Wb)
0.6
0.4
0.5
0.2
-0.2
-0.4 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
c) d)
70
15
60
T*e , Te(N.m) -
50
T*e , Te(N.m)
40 10
30
20
5
10
-10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0.4 0.5 0.6 0.7 0.8 0.9 1
e) f)
t(s t(s
) )
Fig.2.12 Influence des pertes fer sur le couple du variateur dans le cas d’un contrôle indirect
D’où :
d ϕr
T fr −
+ j.(ω s − p.ω r ).ϕ r + ϕ r = ϕ m (2.23)
dt − − −
L’application des conditions de découplage classiques sur le flux rotorique nous permet d’écrire :
⎧ dϕ r
⎪ T fr + ϕ r = ϕ dm
⎪ dt
⎪ ϕ qm
⎨ ω sl = ω s − p.Ω r = (2.24)
⎪ T fr ϕ r
⎪ 3p
⎪Te = − p.ϕ r .iqr = 2l ϕ qmϕ r
⎩ fr
dϕ dm
= R fe .(ids + idr − idm ) + ω s .ϕ qm
dt
(2.25)
dϕ qm
= R fe .(iqs + iqr − iqm ) − ω s .ϕ dm
dt
Sachant que :
ϕ dr = l fr idr + ϕ dm = l fr idr + Lmidm
(2.26)
ϕ qr = l fr iqr + ϕ qm = l fr iqr + Lmiqm
dϕ dm ϕ ϕ
= R fe .(ids + r − dm − idm ) + ω sϕ qm
dt l fr l fr
(2.27)
dϕ qm ϕ qm
= R fe .(iqs + − i qm ) − ω sϕ dm
dt l fr
1 dϕ dm ϕ r ϕ dm ϕ dm ω s
ids = − + + − ϕ qm
R fe dt l fr l fr Lm R fe
(2.28)
1 dϕ qm ϕ qm ϕ qm ω s
iqs = + + + ϕ dm
R fe dt l fr Lm R fe
En fonction des composantes de vecteur courant magnétisant (idm, iqm), (2.28) deviennent (2.29)
Lm didm ϕ r Lr idm ω s
ids = − + − Lm.i qm
R fe dt l fr l fr R fe
(2.29)
L diqm Lr iqm ω s
iqs = m + + Lm idm
R fe dt l fr R fe
En régime permanent :
ωs
ids = i dm − Lm.iqm
R fe
(2.30)
ωs L
iqs = Lm idm + r iqm
R fe l fr
Sous forme matricielle, tout en remplaçant idm par ϕr/Lm, on obtient :
⎡ 1 ωs ⎤
− Lm . ⎥
⎡ids ⎤ ⎢ Lm R fe ⎡ϕ ⎤
⎢i ⎥ = ⎢ ω Lr
⎥.⎢ r ⎥ (2.31)
⎣ qs ⎦ ⎢ s ⎥ ⎣i qm ⎦
⎢R l fr ⎥
⎣ fe ⎦
Nous pouvons déduire que le couplage entre les deux axes de commande, direct et transverse, est
proportionnel à la fréquence d’alimentation, ce qui explique l’augmentation de la valeur des pertes
fer à grande vitesse. Par conséquent, afin de maintenir les performances de la commande vectorielle,
le contrôleur d’orientation du flux rotorique, fig.2.6, doit être modifié afin de compenser le couplage
dû à la résistance des pertes fer Rfe. La fig.2.13 montre le nouveau contrôleur d’orientation du flux
orienté.
Compensateur de Rfe
2l fr iqm* + iqs*
Te* Lr / l fr
Ö 3 pLm +
x
1
Lm
T fr
R fe
x -
1 + s.T fr
idm *
+ ids*
ϕr *
Lm
+ ωs θs
Ö
ωsl +
∫
p
Ωr
Dans la section suivante, nous allons appliquer la logique floue pour le réglage de vitesse de la
machine asynchrone.
• Facilité d’implémentation
• Solution de problèmes multivariables complexes
• Robustesse vis-à-vis des imprécisions
• Possibilité d’intégration du savoir de l’expert
La connaissance exacte du système à régler est, d’une part, souvent entachée d’imprécision et
d’erreurs commises durant la modélisation des processus et, d’autre part, ses paramètres, qui le
caractérisent, varient dans le temps pendant le contrôle de ce dernier [8, 12, 33] : tel est le cas avec le
moment d’inertie du système d’entraînement (voir chapitre I). Ceci influence la réponse de vitesse si
le contrôle est assuré par un régulateur classique PI.
20 160
15 140
10 120
5 100
Ωr (rad/s)
80
ias(A)
-5 60
-10 40
-15 20
-20 0
-25 -20
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t(s t(s)
)
a) b)
1.6 1.5
1.4
1.2
ϕdr , ϕqr (Wb)
1
1
0.8
ϕr (Wb)
0.6
0.4
0.5
0.2
-0.2
-0.4 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t(s t(s)
)
c) d)
70 15
60
50
T*e , Te(N.m)
10
T*e , Te(N.m) -
40
30
20
5
10
Z
-10 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.4 0.5 0.6 0.7 0.8 0.9 1
t(s t(s)
)
e) f)
Chaque système basé sur la logique floue est composé de quatre blocs principaux (fig.2.15).
• Fuzzification ;
• Defuzzification.
Processus
6.1.1. Fuzzification
La fuzzification comprend :
Les entrées dans un système flou sont en général mesurées à l’aide d’organes de mesures qui sont le
plus souvent de type analogique. Etant donné que l’implémentation du système flou se fait toujours
en numérique, il faut d’abord convertir les entrées analogiques en digital, puis on procède à la
fuzzification. L’adaptation des entrées permet de garantir l’appartenance de celles-ci à l’univers de
~
discours choisi U . La dernière étape de la fuzzification est la génération des degrés d’appartenance à
chaque valeur linguistique définie par sa fonction d’appartenance. Par ailleurs, les fonctions
d’appartenance [12, 25, 45] les plus utilisées sont : triangulaire, trapézoïdale, gaussienne, sigmoïde,
etc.
La création et l’utilisation d’une base de règles nécessitent l’existence, pour chaque univers de
discours considéré, de sous-ensembles flous particuliers (il n’y a pas de différence entre sous-
ensemble et ensemble en théorie de commande par logique floue). La définition de ces sous-
ensembles flous fait l’objet de la partition floue.
~
La partition d’un univers de discours U consiste à définir n sous-ensemble flous Fi de façon à
~ ~
recouvrir U . C'est-à-dire que pour tout élément x de U , il faut assurer une appartenance minimale ε
à l’union de Fi.
~
{ ~
∪ Fi ⊇ U ε = x ∈ U ; µU~ε ( x) = ε } (2.32)
Une fois la partition des univers de discours réalisée, il est possible de définir la base des règles.
Celle-ci caractérise les relations entre les classes d’événements possibles en entrée et les commandes
correspondantes. Généralement, on utilise le terme matrice d’inférence pour décrire ces règles floues.
Par conséquent, si l’on considère r univers de discours pour les prémisses des règles floues et si pour
~
chaque univers U i on définit une partition de mi sous ensembles flous, le nombre maximal de règles
nmax (les cases de la matrice d’inférence) est de :
r
n max = ∏ mi (2.33)
i =1
Enfin, on peut remarquer qu’une augmentation de la sensibilité de la commande floue obtenue par
une partition plus fine (plus de classes d’appartenances) des univers de discours des prémisses
aboutit à un accroissement important du nombre de règles à définir par l’expert.
L’inférence floue est le processus de formuler la relation entre les entrées et les sorties par logique
floue. Cette relation offre une base avec laquelle la décision est prise par le système flou. L’inférence
floue fait appel alors aux concepts expliqués dans les sections précédentes, à savoir : fonctions
d’appartenance, les opérateurs flous et les règles floues. Nous distinguons une variété importante
d’inférences floues, mais nous nous contentons d’en présenter quatre types. L’inférence de Max-min
(Mamdani), Max-prod, Som-prod et de Sugeno. Les quatre inférences diffèrent par la manière les
sorties sont déterminées [33].
6.1.4. Défuzzification
Le résultat de l’inférence en utilisant une des méthodes d’implication floue, Max-min, Max-prod
ou Som-prod, est une valeur floue. Cette information ne peut être utilisée directement pour contrôler
le système. Une transformation doit être prévue à la sortie du bloc d’inférence pour la convertir en
grandeur fixe, cette transformation étant connue par la défuzzification (concrétisation).
Plusieurs méthodes de défuzzification existent en logique floue, les plus utilisées sont [12, 25,
104] :
Dans cette partie nous allons procéder au remplacement du régulateur classique de vitesse par un
régulateur flou [3, 25, 36] au sein d’une commande indirecte, le schéma de cette dernière est le
même que celui de la fig.2.9 mais en utilisant le contrôleur d’orientation montré sur la fig.2.13.
Comme nous avons l’expliqué dans le chapitre précédent, la conception de ce dernier offre un
nombre de combinaisons et de variantes élevé pour le choix de ses paramètres. Devant ce large
éventail, notre choix est motivé par la simplicité, tout en conservant les propriétés du régulateur flou
et en respectant aussi la contrainte du temps de traitement.
A la lumière de ce qui a été dit, nous avons retenu pour le contrôleur flou:
Ω*r E
G1
+
Système dTe Te*
Ωr flou G3 +
de
d +
G2
dt
Ceci est jugé assez suffisant pour en choisir celle qui satisfait le compromis Performance – envergure
de calcul.
Comme l’objectif recherché est d’avoir une commande plus robuste que celle obtenue par un PI
classique tout en respectant la contrainte du temps de traitement, nous allons procéder à une étude
comparative entre les performances de trois régulateurs flous à trois, cinq et sept ensembles flous.
Pour cela nous reprenons le schéma interne du régulateur flou, fig.2.16. Les entrées sont obtenues
par normalisation de l’erreur et la dérivée de l’erreur (accélération) de vitesse comme suit :
*
e(k ) = G1 (Ω r (k ) − Ω r (k )) = G1 .e(k )
Où:
te : est la période d’échantillonnage;
G1, G2 : les gains de normalisation (d’adaptation) de l’erreur et de sa variation.
La sortie du régulateur flou est l’incrément du couple de référence qui s’obtient ainsi :
* * *
Te (k ) = Te (k − 1) + G3 .∆Te (k ) (2.35)
De par leur simplicité, les fonctions d’appartenance triangulaire et trapézoïdale sont choisies
pour couvrir les ensembles de référence des variables linguistiques ;
La méthode des Hauteurs pondérées (HP) est sélectionnée pour déffuzifier la sortie floue ;
On distingue deux méthodes principales pour la dérivation des règles floues : heuristique et
systématique. Cette dernière s’adapte à l’identification floue qui permet de convertir une base de
données entrée – sortie d’un processus en un ensemble de règles floues. Pour cela, vu l’absence de
cette base de donnée, nous avons opté pour la méthode heuristique.
Cette approche est basée sur l’analyse du comportement du processus à contrôler, le résultat de cette
analyse a donné la table de Mac-Vicar [12, 25]. Cette méthode, conçue généralement pour les
régulateurs de type Mamdani, est basée sur trois règles générales, à savoir:
Règle1 : Si l’erreur de variable contrôlée et sa variation sont nulles, la commande actuelle générée
par le contrôleur flou doit être maintenue.
Règle2 : Si l’erreur tend vers zéro avec une variation satisfaisante, alors la commande actuelle doit
être maintenue (autocorrection).
Règle3 : Si l’erreur diverge de zéro, alors l’action de contrôle n’est pas nulle et dépend du signe de
l’amplitude, et de la variation de l’erreur.
Ces trois règles peuvent être projetées sur le cas du réglage de vitesse du moteur asynchrone, et ceci
en utilisant le plan de phase de la trajectoire que le système devra suivre afin de maintenir sa stabilité
[3, 36] comme il est illustré sur la fig.2.17.
Etant donné que la variable réglée est la vitesse, par conséquent les variables d’entrée du régulateur
PI flou sont l’erreur e(t) et sa variation de(t). Formellement :
e(kt e ) = Ω * (kt e ) − Ω( kt e )
(2.37)
de(kt e ) = Ω((k − 1).t e ) − Ω( kt e )
e(kte) < 0 et de(kte) > 0 ⇒ Ω*(kte) < Ω(kte) et Ω(kte) < Ω((k-1). te) (2.38)
e(kte) > 0 et de(kte) < 0 ⇒ Ω*(kte) > Ω(kte) et Ω(kte) > Ω((k-1). te) (2.39)
On remarque que l’erreur se corrige naturellement. La commande, générée par le régulateur flou
(FLC), peut être donc maintenue constante (dTe=0)
L’erreur est en augmentation, la variation de la commande doit être différente de zéro et dépend des
amplitudes de e(kte) et de(kte) ; d’après le plan de phase, la commande doit être positive dans le
quadrant 1 et négative dans le quadrant 3.
de
∆Te<0 ∆Te <0
2 1
∆Te =0 ∆Te =0
∆Te >0 ∆Te >0
e
∆Te <0
∆Te<0
∆Te =0 ∆Te =0
3 ∆Te >0 ∆Te >0 4
Reste à choisir le nombre des valeurs linguistiques pour les variables d’entrée et de sortie du
régulateur de vitesse.
Le régulateur admet pour chaque variable les trois ensembles flous N (Négatif), Z (Zéro) et P
(Positif), comme le montre fig.2.18.
N Z P N Z P N Z P
de e N Z P
N N N Z
Z N Z P
P Z P P
Table .3.1
Ce régulateur admet cinq ensembles flous distribués sur l’univers de discours de chaque variable
d’entrée et de sortie (NG, NP, Z, PP, PG) : voir la fig.2.19. Par conséquent, le nombre de règles
augmente à 25. En se basant toujours sur l’analyse dans le plan de phase, on peut déduire la matrice
d’inférence : voir table .3.2.
Les valeurs linguistiques ont la signification suivante : NG : Négatif Grand, NP : Négatif Petit, Z :
Zéro (nulle), PP : Positif Petit et PG : Positif Grand.
NG NP Z PP PG N G NP Z PP PG N G NP Z PP PG
-1.5 -1 -0.5 0 0.5 1 1.5 -1.5 -1 -0.5 0 0.5 1 1.5 -1.5 -1 -0.5 0 0.5 1 1.5
e dTe
d
Fig.2.19 : Partitions floues pour PI-flou à 5 ensembles
de e NG NP Z PP PG
NG NG NG NG NP Z
NP NG NP NP Z PP
Z NG NP Z PP PG
PP NP Z PP PG PG
PG Z PP PG PG PG
Table .3.2
6.2.2.3. Régulateur flou à sept ensembles
L’augmentation de nombre d’ensembles flous à sept (NG, NM, NP, Z, PP, PM, PG) nécessite le
traitement de 49 règles dont la répartition de ces ensembles sur l’univers de discours de chaque
variable devient un choix judicieux. Pour cela, nous avons choisi la répartition élaborée par [107]
(fig.2.19).
Les valeurs linguistiques : NG : Négatif Grand, NM : Négatif Moyen, NP : Négatif Petit, Z : Zéro
(nulle), PP : Positif Petit, PM : Positif Moyen et PG : Positif Grand.
NG NM NP Z PP PM PG NG NM NP Z PP PM PG NG NM NP Z PP PM PG
-1.5 -1 -0.5 0 0.5 1 1.5 -1.5 -1 -0.5 0 0.5 1 1.5 -1.5 1 -0.6 -0.3 0 0..3 O.6 1 1.5
e de dTe
Fig.2.19 : Partitions floues pour PI-flou à 7 ensembles
de e NG NM NP Z PP PM PG
NG NG NG NG NG NM NP Z
NM NG NG NM NM NP Z PP
NP NG NM NM NP Z PP PM
Z NG NM NP Z PP PM PG
PP NM NP Z PP PM PM PG
PM NP Z PP PM PM PG PG
PG Z PP PM PG PG PG PG
Table .3.3
Pour le choix du nombre d’ensemble flous des variables d’entrée et de sortie, nous avons effectué
une étude comparative des résultats obtenus par les trois régulateurs précédents et le régulateur
classique PI, ceci en se basant sur l’analyse de la robustesse lors de l’application de la charge et lors
de la variation de 80% du moment d’inertie [3], fig.2.20.a.
La fig.2.20.b montre la réponse de vitesse lors de l’application d’une charge nominale (Tc=10 N.m).
Ce qu’il y a à remarquer est que la réponse de vitesse est d’autant moins sensible à l’application de
la charge que la partition floue de l’univers de discours est plus fine. En effet, le nombre d’ensembles
flous des variables linguistiques est plus grand. Lors d’une inversion de sens de rotation, de –100
rad/s à 100 rad/s tout en supposant que le moment d’inertie a augmenté à 80%, (fig.2.20.c). On
constate également que l’effet du moment d’inertie (qu’est le dépassement de vitesse) diminue
considérablement en augmentant les partitions floues.
L’amélioration apportée par l’augmentation des ensembles flous s’explique par la sollicitation des
ensembles qui sont plus proches de l’ensemble «Z» lorsque la vitesse s’approche de la référence, ce
qui donne une réponse plus douce.
Ωr rad/s
t(s)
a)
FLC3
FLC7 PI
FLC5
Ωr rad/s
Ωr rad/s
PI
FLC3
FLC5
t(s) t(s)
b) c)
Fig.2.20 Comparaison des réponses de vitesse obtenues avec variation de 80% sur le moment
En se basant sur les résultats obtenus, nous avons jugé que le régulateur flou à cinq ensembles flous,
désigné par FLC5 et dont la loi de commande est illustrée par la fig.2.21 est le mieux placé pour
satisfaire le compromis performance – envergure de calcul. En effet, il offre une robustesse meilleure
que celle offerte par le régulateur conventionnel et, en plus, il nécessite moins du temps de traitement
comparativement à celui à sept ensembles flous. C’est le régulateur qui sera retenu pour le reste e la
thèse.
dTe e
de
7. Conclusion
Dans ce chapitre, Il a été montré la supériorité de l’orientation du flux rotorique comparativement
aux autres ainsi que les performances du réglage de vitesse qu’on peut obtenir à partir d’un
moteur asynchrone à cage en utilisant la méthode à flux rotorique orienté. Un contrôleur de flux
orienté qui tient compte de pertes fer a été élaboré afin de compenser leur effet sur la qualité de
réglage du couple.
Dans ce chapitre, nous avons traité également l’application des ensembles flous pour le réglage de
la vitesse de la machine asynchrone. En effet, le réglage flou de vitesse du moteur asynchrone est
apprécié pour sa robustesse, c'est-à-dire sa capacité de ne pas produire de sauts brusques lorsque les
paramètres du système changent.
Néanmoins, ces performances sont obtenues en supposant que les paramètres électriques de la
machine sont parfaitement identifiés. Dans le prochain chapitre, nous allons montrer que la
robustesse du régulateur flou ne permet pas de rétablir le découplage, si la constante de temps
rotorique change [20, 21].
Pour cela, le chapitre suivant traitera l’influence de la variation de la constante de temps rotorique
sur les performances de la commande vectorielle, l’élaboration d’un mécanisme d’adaptation pour
pallier à ce problème, finalement, l’optimisation de cette commande pour améliorer l’efficacité de la
machine en régime permanent à faible charge.
Chapitre 3
Chapitre 3 - Adaptation de la résistance
rotorique et minimisation de pertes
1. Introduction
La commande indirecte à flux rotorique, dont le schéma de principe est illustré sur fig.2.9
(chapitre 2), est basée sur le calcul de la fréquence rotorique. La simplicité de cette méthode est la
raison principale de sa réputation industrielle. En effet, elle offre une structure minimale pour
atteindre un découplage effectif entre le flux et le couple du moteur asynchrone. Cependant, sa
simplicité est accompagnée par sa sensibilité vis-à-vis de la variation de la constante de temps
rotorique, cette dernière est tributaire de la variation de la température ainsi que de la saturation de la
machine. Cette variation affecte directement les performances du réglage et l’efficacité du moteur
asynchrone. En outre, la commande vectorielle est basée également sur le maintien du niveau de flux
de référence, qui engendre un rendement maximal quand le moteur fonctionne à pleine charge. Etant
donné que les applications à vitesse variable sont soumises à des couples de charges variables, le
moteur se trouve, par conséquent, loin du point du fonctionnement optimal.
Ce paramètre est défini comme étant le quotient de l’inductance rotorique sur la résistance d’une
phase rotorique. Par conséquent, sa variation est due principalement à deux phénomènes physiques,
la saturation du circuit magnétique et l’échauffement du bobinage de la machine. L’effet pelliculaire
participe également à la variation de la résistance rotorique si la fréquence du courant circulant dans
les barres de la cage devient considérable (au delà de 100 rad/s).
ϕr*
1 + s.Tr ids*
Lm
Te* 2 Lr iqs*
÷ 3 pLm
Rr ωsl*
½
Lr
Comme la fréquence de glissement d’une machine à induction contrôlée par la technique à champ
rotorique orienté ne dépasse guère cette valeur [35], la résistance rotorique sera, par conséquent,
fonction de la température conformément à la formule suivante [7] :
* *
Rr (T ) = Rr + η .Rr .(T − 25°c) (3.1)
Avec :
Nous avons montré, à travers le schéma équivalent de la machine à induction découplée par la
technique à champ rotorique orienté (Chapitre 1, fig. 1.7) que lorsque la constante de temps rotorique
est calculée correctement, en supposant les composantes de commandes ids* et iqs* constantes, le
courant rotorique ir se crée de tel sorte qu’il contrebalance la composante en quadrature iqs*, sachant
que cette dernière contrôle le couple. Par conséquent, si la constante de temps rotorique est correcte,
le contrôleur à flux rotorique orienté subdivise le vecteur courant statorique à tout moment en deux
composantes de manière à maintenir le niveau de flux rotorique à son niveau approprié par la
composante directe, et l’autre composante, en quadrature, sert à contrôler le couple
électromagnétique mais indépendamment [76]. La fig.3.2 montre clairement cette subdivision
optimale.
− jω sl * Lm
ir = is (3.2)
Rr + j.ω sl * Lr
Avec une valeur incorrecte de fréquence de glissement ωsl*, à cause de la variation de la constante de
temps rotorique, la situation devient celle qui est illustrée par fig.3.2, où la constante de temps
rotorique actuelle est supposée plus petite à celle utilisée dans le calculateur de glissement (un
désaccord, qu’on suppose, provoqué par une augmentation de la résistance rotorique). Ceci entraîne
une diminution de la tension rotorique induite –jwsLmis, mais dans la même direction. L’angle λr =
tg-1(ωsl*Tr) de l’impédance rotorique se réduit et le courant rotorique diminue et ne contrebalance
plus la composante transverse du vecteur courant statorique. Par conséquent, le flux rotorique
obtenu sera plus grand que la valeur désirée et perd son orientation faisant un angle de désaccord δ
avec l’axe direct en régime établi. L’erreur de l’alignement du flux rotorique causera évidemment
une erreur sur le couple électromagnétique, en effet, le couple ne correspondra pas proprement à la
composante de commande transverse (iqs).
ir iqs iqs
ir
λr λr
Lm .is Lm .is
ϕr ϕr
δ
Lr .ir
is Lr .ir is
–jωsLmis –jωsLmis
ids ids
Le travail de Nordin et al. [76] a montré que dans les deux cas de désacord (Tr*> Tr , Tr*< Tr ) le
couple de la machine développé s’affaiblit pour les machines de petites puissances, ceci tient au fait
que le couple est fonction du flux rotorique, du courant statorique et du sinus de l’ange λr (3.3)
3 Lm
Te = . p. ϕ r i qs . sin(λ r ) (3.3)
2 Lr
Les composantes du vecteur courant statorique sont constantes, si Tr /Tr*<1 le flux rotorique
augmente, cependant, l’angle de l’impédance λr diminue avec la diminution de ωsl*. Le changement
de sin(λr) est plus grand que la variation de ϕr, par conséquent, le couple diminue. Lorsque Tr /Tr*>1
le flux rotorique diminue alors que Sin(λr) augmente. Dans ce cas, le changement de ϕr est plus
grand que la variation de sin(λr). D’où l’affaiblissement du couple [35, 76].
Dans l’objectif d’avoir une analyse quantitative de la déviation de Tr sur le couple, nous allons
introduire deux paramètres α etβ, telle que :
Tr
α= *
Tr
(3.4)
i * qs
β= *
i ds
Avec :
- Tr est la constante de temps actuelle ;
- Tr* est la constante de temps utilisée par contrôleur à flux orienté ;
- i*qs est la composante correspondante au couple électromagnétique;
- i*ds est la composante correspondante au flux rotorique.
ir2 Rr
Te = 3. p. (3.5)
s ωe
On remplace ir par son expression (3.2) dans celle du couple (3.5) et après simplification, on trouve
ce qui suit :
L2m sω eTr
Te = 3. p.is2 (3.6)
Lr 1 + ( sω eTr ) 2
L’étude quantitative de l’effet du désaccord nécessite la comparaison de la grandeur en question pour
différents degrés de désorientation avec la même grandeur obtenue par orientation correcte. En effet,
concernant le couple électromagnétique, ceci doit être exprimé en fonction du couple correspondant
au fonctionnement avec orientation parfaite du flux. Par conséquent, nous considérant :
Tr
α= *
=1
Tr
(3.7)
iqs
β= =1
ids
Ceci correspond au cas où le moteur est de petite puissance (β ≤ 1) et son flux rotorique est
correctement orienté (α=1). Le couple développé, noté T0, se déduit comme suit :
L2m sω eTr
T0 = 3. p.is2
Lr 1 + ( sω eTr ) 2
(3.8)
2 2 L2 iqs ids
= 3. p.(ids + iqs ). m
Lr 1 + (iqs ids ) 2
Lr 1 + (iqs ids ) 2
(3.9)
L2
= 3 p.i . m
2
ds
Lr
iqs
⎛ ⎛i 2
⎞ L2 α
⎞ ids
Te = 3. p.ids2 ⎜⎜1 + ⎜ ⎟ ⎟. m .
qs
⎟⎟ L (3.10)
⎜
⎜ ⎝ ids ⎟ 2
⎝ ⎠ ⎠ r 1 + ⎛⎜ α iqs ⎞
⎟
⎜ i ⎟
⎝ ds ⎠
Te 1 + (β ) 2
= αβ (3.11)
T0 1 + (αβ ) 2
La figure 3.3 montre l’évolution du rapport Te /T0 (3.11) en fonction de la variable α avec β comme
paramètre reflétant la puissance de la machine. La ligne verticale (α=1) est la ligne d’orientation du
flux (c à d il n’y pas de désaccord entre le contrôleur d’orientation et le moteur asynchrone). Toute
ligne verticale, autre que celle-ci, correspond au fonctionnement avec désorientation du flux
correspondant au rapport α entre la constante de temps rotorique réelle et celle du contrôleur à flux
orienté. Le sommet de chaque courbe, qui représente le couple maximal, se produit lorsque α=1/β .
Il est clair que pour les machines de petites puissances β ≤ 1, la perte de découplage engendre un
affaiblissement du couple développé par le variateur. Ce constat ne peut pas être généralisé sur les
machines de grande puissance. En effet, il est facile de remarquer que le point d’origine de la
diminution du couple, avec la diminution de α, est d’autant plus décalé vers l’origine des
coordonnées avec l’augmentation de la valeur de la puissance nominale de la machine.
3.5
Ligne
3 d’orientation
β=2.
Te/T0 (couple à flux orienté)
2.5
β=2
2
1.5 β=1.
1
β=1
0.5
β=0.
0
0 0.5 1 1.5 2 2.5
α=Tr/Tr*
L’analyse donnée montre l’effet indésirable de la mauvaise orientation du flux sur le couple
développé, entraînant la détérioration de l’efficacité du variateur. Cependant, cette étude est valable
uniquement en régime statique. Pour visualiser l’effet de désorientation du flux, due à la variation de
la résistance rotorique, à la fois en régime statique qu’en régime dynamique, une simulation du
variateur avec orientation indirecte du flux rotorique, (chapitre 2, fig.2.9,) avec le contrôleur flou
FLC5 (chapitre 2) au lieu du PI, doit être effectuée. Trois types de désaccord ont été considérés, à
savoir : augmentation linéaire, augmentation brusque et diminution brusque de la résistance
rotorique.
La fig.3.4 montre l’effet d’une variation plus concrète de la résistance rotorique, supposée linéaire
telle que montrée par D. Pomorski [81], fig.3.4.a, sur les performances de la commande vectorielle
de la machine à induction lors d’un fonctionnement en charge, avec deux inversions du sens de
rotation (t1=2s et t2=3s).
On remarque une augmentation de niveau du flux sur les deux axes, ce qui explique la perte de
découplage fig.3.4.d, fig. 3.4.f, par conséquent, le temps d’inversion de la vitesse de la machine
augmente, fig.3.4.c. En outre, une augmentation de courant statorique est enregistrée pour les mêmes
conditions de charge, fig. 3.4.e.
8
Rr (Ω)
4
2
0 2
4 t(s)
a)
200
110
Ωr (rad/s) -
Ωr (rad/s)
0 100
90
-200 80
0 2 3 3.5
4 t(s) 4 t(s)
b) c)
2 8
iqs(A) - Zoom
6
(Wb)
1
ϕr
4
2
0 0
0 2 2.6 2.8 4
4 t(s) t(s)
d) e)
2 20
ϕdr, ϕqr (Wb)
1
iqs(A)
0
0
-1 -20
0 2 0 2
4 t(s) 4 t(s)
f) g)
Fig.3.4 Performances du variateur avec désorientation du flux rotorique dans le cas d’une variation
Fig. 3.5.c, d et fig. 3.5.f montrent respectivement d’une part, l’augmentation du niveau du flux dans
la machine, ce qui signifie la perte du découplage (la composante en quadrature de flux rotorique est
différente de zéro) et, d’autre part, l’augmentation de la valeur du courant statorique pour atteindre le
niveau qui permet de compenser la chute du couple, chute entraînée par la variation de la résistance
rotorique.
La diminution brusque de 50% sur Rr, fig.3.6.a, dégrade énormément les performances de la
commande vectorielle aussi bien en régime transitoire qu’en régime permanent, provoque la perte du
découplage entre le flux et le couple, fig.3.6.c, fig.3.6.d, engendre des pics de vitesse de rotation
(fig.3.6.b) et on constate une augmentation excessive enregistrée sur le courant statorique (fig.3.6.f).
Cette augmentation compense la diminution du couple moteur également, fig.3.6.e.
Les résultats sus cités correspondent à ceux présentés sur la fig. 3.3 pour les machines de petite
puissance. En effet, on constate une diminution du rapport couple moteur - courant statorique, pour
le même couple de charge. Autrement dit, la variation de la résistance rotorique provoque
l’augmentation du courant statorique (iqs), chose qui se répercute automatiquement sur le réglage de
la vitesse par l’apparition des pics ou l’allongement du temps de réponse. Le même résultat à été
constaté par L. Zhen et L. Xu [107].
R r (Ω )
4
2
0 2
4 t(s)
a)
200 110
100
Ωr (rad/s) -
Ωr (rad/s)
100
0
100 90
-200 80
0 2 3 3.5
4 t(s) 4 t(s)
b) e)
2
iqs(A) - Zoom
6
1.5
(Wb)
1 4
ϕr
0.5 2
0 0
0 2 1 1.5
4 t(s) t(s)
c) f)
2 20
ϕdr, ϕqr (Wb)
1 10
iqs(A)
0
0
-10
-1 -20
0 2 0 2
4 t(s) 4 t(s)
d) g)
Fig.3.5 Performances du variateur avec désorientation du flux rotorique dans le cas d’une variation,
R r (Ω )
2
0
0 1 2 3 4
t(s)
a)
200 40
100 20
Te(N.m)
Ωr (rad/s)
0 0
100 -20
-200 -40
0 2 0 2
4 t(s) 4 t(s)
b) e)
1.5 10
iqs(A) - Zoom
1
(Wb)
5
ϕr
0.5
0 0
0 2 1 1.5 2
4 t(s) t(s)
c) f)
1.5 40
ϕdr, ϕqr (Wb)
1
20
iqs(A)
0.5
0
0
-0.5 -20
t(s) t(s)
d) g)
Fig.3.6 Performances du variateur avec désorientation du flux rotorique dans le cas d’une diminution
L’étude précédente a montré que le problème majeur de la commande vectorielle indirecte est la
variation de la résistance rotorique. En effet, la désorientation due au désaccord de cette dernière
provoque, d’une part, l’augmentation des pertes joules I2R statoriques et rotoriques, autrement dit, la
dégradation de l’efficacité et, d’autre part, la détérioration des performances du réglage de vitesse.
Par conséquent, afin d’améliorer les caractéristiques de découplage et maintenir la valeur maximale
du rapport couple - courant statorique, nous remplaçons le calculateur de glissement du schéma de
commande indirecte fig.3.7, montré en trait pointillé, par un mécanisme de découplage adapté à la
variation de la résistance rotorique. Ce mécanisme est basé sur une analyse de l’erreur du flux
rotorique [103].
Onduleur -
Te iqs ias* MAS
* *
Ω* FLC5
(3.12) ibs Onduleur
_ -1
et T ( θs ) * MLI
(3 13) ics* Contrôlé
ϕr ids en
* *
θs
2 ωsl* MAS
Rr
Ω ½ + ∫
Lr 1 GT
FOC + p
DSP
iqs = Te / k m .ϕ dr
* * *
(3.12)
ids = ϕ dr / Lm
* *
(3.13)
Avec :
* * *
- Lr / Rr = Tr la constante de temps rotorique ;
Lm
(ids .1 Tr + ω sl .iqs )
Tr
ϕ dr = (3.16)
(1 Tr )2 + ω sl 2
Si on suppose que la résistance change de Rr* à Rr* + ∆Rr, et kr est le facteur de cette variation, on
peut exprimer ce dernier en fonction de α comme suit :
Rr Rr* + ∆Rr 1 1
kr = = = * = (3.18)
*
Rr Rr*
Rr α
Rr
Afin d’introduire le facteurα, les équations (3.19) et (3.20) peuvent être écrites comme suit :
iqs
1 + ω sl .Tr
ids
ϕ dr = Lm ids (3.21)
1 + (ω sl .Tr )
2
i qs
− ω sl .Tr
i ds
ϕ qr = Lm ids (3.22)
1 + (ω sl .Tr )
2
iqs
Nous remplaçons ω sl Tr par α dans (3.21) et (3.22) :
ids
2
⎛ iqs ⎞
1 + α ⎜⎜ ⎟⎟
ϕ dr = Lm ids ⎝ ids ⎠ (3.23)
2
⎛ iqs ⎞
1 + ⎜⎜ α ⎟⎟
⎝ ids ⎠
iqs iqs
−α
ids ids
ϕ qr = Lm ids 2
(3.24)
⎛ iqs ⎞
1 + ⎜⎜ α ⎟⎟
⎝ ids ⎠
Finalement, les composantes du flux peuvent être exprimées en fonction du flux de référence
(découplage idéal) :
ϕ dr (1 + αβ 2 )
= (3.25)
ϕ r* 1 + (αβ )2
ϕ qr (1 − α )β
= (3.26)
ϕ r* 1 + (αβ )2
Les fig. 3.8.a et b montrent l’évolution des rapports ϕdr/ϕr* (3.25) et ϕqr/ϕr* (3.26) en fonction de la
variable kr avec β comme paramètre qui reflète la puissance du moteur. La ligne verticale (kr=1) est
la ligne d’orientation idéale du flux. Nous définissons les variations du flux suivant les deux axes d-
q du repère tournant comme suit :
∆ϕ dr = ϕ r − ϕ dr = ϕ r (1 − ϕ dr / ϕ r )
* * *
(3.27)
∆ϕ qr = ϕ qr − ϕ qr = −ϕ qr
*
2 0.5
β=2.5
Ligne
d’orientation β=2 β=1
β=2.5 β=1.5
1.5
β=2
β=1.5 β=0.5
β=1
ϕdr/ϕr*
ϕqr/ϕr*
1 β=0.5
0
0.5
0 -0.5
0.5 1 1.5 2 0.5 1 1.5 2
kr=1/α kr=1/α
a) b)
1.4 0.6
1.2 0.4
β=1 β=1
ϕdr/ϕr*
1 0.2
ϕqr/ϕr*
0.8 0
0.6 -0.2
0.4 -0.4
0.5 1 1.5 2 0.5 1 1.5 2
kr=1/α kr=1/α
c) d)
Fig.3.8 Effet du désaccord sur le niveau du flux rotorique, pour différents niveaux
de puissance.
Il est clair que à partir des courbes de la fig.3.8, l’augmentation du gain kr (kr>1) provoque
l’augmentation du niveau du flux rotorique sur les deux axes. De même, sa diminution (kr<1)
entraîne la diminution de ce dernier sur les deux axes. Par conséquent et, selon (3.27), pour des
valeurs de kr telles que kr>1, la variation ∆ϕdr est négative (car ϕdr/ϕr* est supérieur à 1), tandis que
∆ϕqr est négative car ϕqr/ϕr* est strictement positif. De même, pour des valeurs de kr telles que kr<1,
les variations ∆ϕdr et ∆ϕqr sont positives.
Formellement :
Si kr > 1 ⇔ Rr > Rr* (Tr*> Tr) on a alors (∆ϕdr <0) et (∆ϕqr <0)
Si kr < 1 ⇔ Rr < Rr* (Tr*< Tr) on a alors (∆ϕdr >0) et (∆ϕqr >0)
Sur ces deux règles est basée la stratégie d’adaptation du mécanisme correcteur de Rr
ϕdr R r
* 1/ids* L iqs*
ids r
Lm - Gdr
Système kr
Flou Gkr ∑ X
0 (FIS) ωsl
- Gqr
M
ϕqr
ω sl = k r .ω sl * (3.28)
Les entrées de ce correcteur sont les erreurs du flux rotorique sur le deux axes entre le découplage
idéal et le découplage réel (composantes du flux estimées à partir des paramètres mesurables) :
∆ϕ dr = ϕ dr − ϕ dr = Lm ids − ϕ dr
* *
(3.29)
∆ϕ qr = ϕ qr − ϕ qr = 0 − ϕ qr
*
Les composantes ϕdr et ϕqr sont estimées en mesurant les courants et les tensions statoriques à
l’entrée de la machine [40, 103], conformément aux étapes suivantes :
ϕ ds = ϕ αs . cos(θ s ) + ϕ βs . sin(θ s )
(3.31)
ϕ qs = −ϕ αs . sin(θ s ) + ϕ βs . cos(θ s )
ϕ dr = Lr .(ϕ ds − L s .σ .ids ) / Lm
(3.32)
ϕ qr = Lr .(ϕ qs − L s .σ .iqs ) / Lm
Il est à signaler que durant le processus d’estimation du flux rotorique, la résistance rotorique
n’intervient pas.
) Fuzzification - Cette étape consiste à déterminer le degré d’appartenance des entrées. Ceci exige
que ces entrées soient tout d’abord normalisées. La normalisation consiste à multiplier les entrées
par des gains de concrétisation afin de garantir l’appartenance des entrées à l’ensemble de
référence.
∆ϕ dr = Gdr .( Lm .ids − ϕ dr )
*
(3.34)
∆ϕ qr = Gqr .(0 − ϕ qr )
Chaque variable floue (∆ϕdr, ∆ϕqr) est subdivisée en sept (7) ensembles flous (NG, NM, NP, Z, PP,
PM, PG) ayant des fonctions d’appartenance triangulaires (choix basé sur la simplicité de traitement
[12, 25]) ou trapézoïdales équidistantes (pour les ensembles flous extremums). Concernant la
variable de sortie, l’ensemble de référence est couvert de fonctions triangulaires pour tous les
prédicats, fig.3.10. Tel qu’il a été expliqué dans le chapitre précédent. Vu l’absence des règles
systématiques pour le choix des paramètres des systèmes flous, le choix est souvent intuitif ou basé
sur des travaux antérieurs.
La partition floue fine adoptée pour ce régulateur est dictée par le fait que le découplage est sensible
vis-à-vis de la variation de la fréquence de glissement d’une part et, d’autre part, la précision de
décision est importante, étant donné que ce mécanisme est appelé à fonctionner avec le mécanisme
d’optimisation.
) Inférence - la base de règle dont le nombre est déterminé automatiquement par la partition des
univers de discours des variables d’entrées est telle que M=7X7=49 règles floues. Concernant la
relation entre la partie antécédente et la partie conséquente, elle est basée sur l’analyse faite dans
la section précédente, ceci par l’inversion de la relation Cause –Effet, chose qui permet d’écrire
les règles générales suivantes:
n Si ∆ϕdr est négatif ET ∆ϕqr est négatif, ceci s’explique par l’augmentation de la résistance
rotorique, ALORS l’incrément ∆kr doit être positif.
o Si ∆ϕdr est positif ET ∆ϕqr est positif, ceci s’explique par la diminution de la résistance
rotorique, ALORS l’incrément ∆kr doit être négatif.
p Si ∆ϕdr n’est pas nul ET ∆ϕqr est nul, ceci s’explique par le maintien du découplage (Rr n’a
pas changé), ALORS le niveau du flux rotorique est varié par un contrôleur de flux
(optimisation ou défluxage).
NG NM NP Z PP PM PG
NG NM NP Z PP PM PG
-4 -3 -2 -1 0 1 2 3
Inférence
4
floue
NG NM NP Z PP PM PG -4 -3 -2 -1 0 1 2
3 4
-4 -3 -2 -1 0 1 2 3
4
L’application des trois règles précédentes sur les partitions floues illustrées par la fig. 3.10 permet de
déduire la table d’inférence (table 3.1).
∆ϕdr NG NM NP Z PP PM PG
∆ϕqr
∆k NG PG PM PP PP Z Z Z
NM PM PP PP PP Z Z Z
NP PP PP PP PP Z Z Z
Z Z Z Z Z Z Z Z
PP Z Z Z NP NP NP NP
PM Z Z Z NP NP NP NM
PG Z Z Z NP NP NM NG
NG : Négatif Grand, NM : Négatif Moyen, NP : Négatif Petit, Z : Zéro (nul), PP : Positif Petit, PM :
Positif Moyen, PG : Positif Grand.
Les cases en double trait peuvent être un exemple de lecture de la table, alors :
2. SI (∆ϕdr est NG) ET (∆ϕqr est NG) ALORS (∆kr est PG).
La première règle signifie que le flux rotorique de référence a changé (∆ϕdr est PM) mais le
découplage est toujours maintenu (∆ϕqr est Z) ; la résistance rotorique actuelle est, par conséquent,
la même que celle utilisée par le contrôleur d’orientation. Dans ce cas, le mécanisme d’adaptation
doit maintenir le glissement tel qu’il est. Ce fonctionnement correspond au cas d’optimisation où la
vitesse du moteur est au-delà de celle de synchronisme. En ce qui concerne la deuxième règle, la
variation sur les deux axes est négative, autrement dit le flux a augmenté sur les deux axes. La
résistance réelle est, par conséquent, supérieure à celle du contrôleur et le mécanisme d’adaptation
doit augmenter kr d’une manière à éliminer le désaccord.
En outre, la méthode d’inférence de Mamdani (Max – Min) [12, 25] a été choisie pour obtenir une
décision floue à partir de 49 règles.
) Défuzzification - La décision issue du bloc d’inférence est une grandeur floue, celle-ci doit être
convertie en grandeur de commande. Pour ce faire, une méthode de déffuzzification doit être
utilisée pour réaliser la conversion en grandeur réelle. La partition floue de la variable de sortie
permet d’implémenter la méthode des hauteurs pondérées, cette dernière est celle qui consomme
moins de temps de calcul, d’une part et, d’autre part, elle est comparable à celle des centres de
gravité en terme de précision. La répartition symétriques, équidistante des fonctions
d’appartenance et de même type permet de les réduire à des singletons avec des abscisses
respectivement de gauche à droit -3, -2, -1, 0, 1, 2 et 3, chose qui permet d’appliquer la méthode
des hauteurs pondérées.
En terme de valeur numérique, le comportement de ce mécanisme se résume par la loi d’action
illustrée par la fig. 3.11. En effet, pour tout couple de valeurs d’entrées, le mécanisme génère la
variation de glissement, cette dernière correspondant à l’augmentation ou à la diminution de kr.
∆kr
-3
∆ϕdr
Où :
Gkr est le gain d’adaptation de sortie.
Il est à signaler que les gains de normalisation Gdr, Gqr et Gkr sont ajustés par la méthode essai et
erreur (Trail & error).
( )
4
0 2 4
t(s)
a)
200
200
110
Ωr (rad/s) -
Ωr (rad/s)
100
00 90
80
-200
-200 70
00 2 2 4 3 3.5
4 t(s) t(s)
b) e)
1.5 8
iqs(A) - Zoom
1 6
(Wb)
ϕr
4
0.5
2
0 0
0 2 2.6 2.8 4
4 t(s) t(s)
c) f)
2 20
ϕdr, ϕqr (Wb)
1 10
iqs(A)
0
0
-10
-1 -20
0 2 0 2
4 t(s) 4 t(s)
d) g)
Fig.3.12 Performances du variateur avec adaptation floue de la résistance rotorique dans le cas d’une
( )
4
0 2 4
t(s)
a)
200 100
Ωr (rad/s) -
100
Ωr (rad/s)
0 50
-100
-200 0
0 2 3 3.5
4 t(s) 4 t(s)
b) e)
1.5 6
iqs(A) - Zoom
1 4
(Wb)
ϕr
0.5 2
0 0
0 2 0.8 1 1.2 1.4
4 t(s) t(s)
c) f)
1.5 20
ϕdr, ϕqr (Wb)
1 10
iqs(A)
0.5 0
0 -10
- -20
0 2 0 2
4 t(s) 4 t(s)
d) g)
Fig.3.13 Performances du variateur avec adaptation floue de la résistance rotorique dans le cas d’une
( )
1
0
0 1 2 3 4
t(s)
a)
200
110
100
Ωr (rad/s)
100
Ωr (rad/s) -
0 90
-100 80
-200 70
0 2 3 3.5 4
4 t(s) t(s)
b) e)
1.5 8
ias(A) - Zoom
6
1
(Wb)
4
ϕr
0.5
2
0 0
0 2 1 1.5 2
4 t(s) t(s)
c) f)
1.5
20
ϕdr, ϕqr (Wb)
1
10
ias(A)
0.5
0
0 -10
- -20
0 2 0 2
4 t(s) 4 t(s)
d) g)
conséquent, en tenant compte des pertes fer, le système de référence doit être changé. En effet, la
composante permettant le contrôle du flux n’est plus ids mais idm. De même, le couple n’est plus
contrôlé par iqs mais par iqm. Ainsi, le mécanisme d’adaptation flou est appelé désormais à corriger la
constante de temps de fuite rotorique Tfr, (voir fig.3.15). Après réarrangement et simplification des
équations (2.24) et (2.26) du chapitre 2, on obtient la formule de la fréquence rotorique :
* *
1 iqm R iqm
ω sl *
= *
= r (3.36)
T fr idm l fr idm *
Compensateur de Rfe
2l fr iqm* + iqs*
Te* L /l
Ö 3 pLm
r fr
+
x
1
Lm
T fr
R fe
x -
1 + s.T fr
idm* + ids*
ϕr *
Lm
+ ωe θe
Ö
ωsl +
∫
p
Ωr
La fréquence de glissement générée par la fig.3.15 est adaptée par le mécanisme d’adaptation flou
(fig. 3.9) tout en changeant ce qui suit :
le modèle de référence devient ϕ r = ϕ dm = idm .Lm et ϕ qr = 0 ; les gains d’adaptation
* * * *
-
Gdr et Gqr sont ajustés, également de telle sorte à maintenir les performances d’adaptation.
- le processus d’estimation des composantes du flux rotorique, (3.30) – (3.32) reste valable
en présence des pertes fer [80]. Dans ce qui suit, nous allons le démontrer.
A partir du schéma équivalent (fig.2.3, chapitre 2), il est possible d’écrire dans le référentiel
stationnaire :
dϕαm
+ R fe .(iαs + iαr − iαm ) = 0
dt
(3.37)
dϕ βm
+ R fe .(iβs + iβr − i βm ) = 0
dt
Par ailleurs, de (2.21) du chapitre 2 et (3.37) on peut déduire les expressions de iαr et iβr
1 dϕ α m ϕ α m
iαr = − + − iαs
R fe dt Lm
(3.38)
1 dϕ β m ϕ β m
i βr =− + − i βs
R fe dt Lm
En combinant (2.22) du chapitre 2 et (3.38), on peut exprimer les composantes du flux rotorique en
fonction des composantes du flux magnétisant et du courant statorique seulement.
l fr dϕαm Lr ϕαm
ϕ αr = − + − l fr .iαs
R fe dt Lm
(3.39)
l fr dϕ βm Lr ϕ β m
ϕ βr = − + − l fr .iβs
R fe dt Lm
La détermination des composantes de flux magnétisant se fait par l’estimation des composantes du
flux statorique, obtenues en mesurant les courants et les tensions statoriques (voir équation 2.23 du
chapitre 2).
l fr
En remplaçant (3.40) dans (3.39) et en négligeant le terme et, étant donné que lfr << Rfe, nous
R fe
Autrement dit :
Lr⎛ L ⎞
ϕ αr = ⎜⎜ ϕαs − (l fr + l fs m ).iαs ⎟⎟
Lm ⎝ Lr ⎠
(3.42)
L ⎛ L ⎞
ϕ βr = r ⎜⎜ ϕ βs − (l fr + l fs m ).i βs ⎟⎟
Lm ⎝ Lr ⎠
L’expression (3.42) et (3.32) sont identiques, car lfr = lfs, par conséquent :
Lm
l fr + l fs . = Ls σ (3.43)
Lr
En effet, après l’obtention du flux statorique dans le repère tournant, en utilisant (3.31), le flux
rotorique est estimé par (3.32). Ce mécanisme d’estimation diffère de celui, décrit précédemment par
(3.30)-(3.32), par l’utilisation de l’angle de conversion obtenu après adaptation et compensation des
pertes fer.
t(s t(s)
)
a) b)
ϕdr, ϕr , (Wb)
t(s t(s)
)
c) d)
3.1. Introduction
Dans la première partie de ce chapitre, il a été démontré que la perte d’orientation du flux
rotorique provoque l’augmentation des pertes joules statoriques et rotoriques et, par conséquent, la
détérioration de l’efficacité du variateur du moteur asynchrone. Le mécanisme suggéré a pour tache
de maintenir le découplage et, par conséquent, maintenir les performances de réglage de vitesse, et
l’efficacité de fonctionnement du moteur. Cette dernière est altérée par la charge entraînée
également. En effet, lorsque le moteur entraîne une charge réduite comparativement à sa charge
nominale, les pertes augmentent si le niveau de flux est maintenu. L’objectif de la section suivante
est la détermination du niveau de flux permettant un fonctionnement avec le minimum de pertes
lorsque la charge entraînée est variable.
En régime permanent, les pertes totales dans le moteur à induction peuvent être évaluées à partir du
schéma équivalent de la machine à induction ramené au stator présenté sur la fig.3.17 [18]. Ce
schéma est obtenu à partir du schéma équivalent en régime dynamique et statique sur les deux axes
du repère tournant, (fig. 1.7, chapitre1). Etant donné que les termes dynamiques sont ignorés, la
fig.3.7 peut être réduite à celui de la fig.3.17. Les pertes totales représentent évidemment la somme
des pertes par effet Joule (rotoriques et statoriques) et des pertes fer. Par conséquent :
2 2
∆Ps = R s .(i ds + i qs )
2 2
∆Pr = Rr .(i dr + i qr ) (3.44)
2
2 L ω
∆Pfe = R fe .( I fe ) = R fe .( m s .I m )
R fe
Avec :
∆P : pertes totales
Rs lfs Rr lfr
+ Is Ir
Ife Rfe Im Lm
Vs
dϕ r
T fr + ϕ r = ϕ dm (3.45)
dt
Nous remplaçons dans (3.45) la différence (ϕr - ϕdm) par lfr.idr et on trouve :
dϕ r
T fr + l fr idr = 0 (3.46)
dt
En régime permanent, le niveau du flux est maintenu constant par le mécanisme d’adaptation flou,
élaboré précédemment. L’équation (3.47) peut être simplifiée davantage :
R r i dr = 0 ⇒ i dr = 0 (3.48)
ϕ qr = 0 ⇒ l fr .i qr + Lm i qm = 0 (3.49)
D’où :
− Lm
i qr = i qm (3.50)
l fr
Nous venons de définir les composantes du courant rotorique, inaccessible état, en fonction des
autres variables. Si on remplace (3.48) et (3.50) dans les équations des pertes (3.44), on trouvera ce
qui suit :
∆P = Ps + Pr + Pfer
2 2 2
2 2 Lm 2 Lm .ω s 2 2 (3.51)
= R s .(i ds + i qs ) + Rr .( 2
i qm ) + .(i dm + i qm )
l fr R fe
En substituant les composantes ids et iqs par leur expressions, obtenues par compensation des pertes
fer (équations 2.31, chapitre 2), dans (3.51), cette dernière peut s’écrire de la manière suivante :
1 ω L ω L
∆P = Rs .( ϕ r − s m iqm ) 2 + Rs .( s ϕ r + r iqm ) 2 +
Lm R fe R fe l fr
2 2 2
(3.52)
Lm 2 L .ω 2 2
Rr .( 2
i qm ) + m s .(i dm + i qm )
l fr R fe
Autrement dit:
⎡ R ω 2R ω 2⎤ 2
∆P = .⎢ s2 + s 2 s + s ⎥.ϕ r
⎢⎣ L m R fe R fe ⎥
⎦
⎡ ω 2 L
2
L
2
2 ωs
2 ⎤
2
+ ⎢ R s . s 2 .L m + R s . r 2 + R r . m 2 + L m ⎥ i qm 2 (3.53)
⎢⎣ R fe l fr l fr R fe ⎥
⎦
⎡ 2.R s .L r .ω s 2.R s ω s ⎤
+⎢ − ⎥.i qm .ϕ r
⎣⎢ l fr .R fe R fe ⎥⎦
l fr Te
Nous remplaçons, également, iqm par . , dans l’expression (3.53), pour aboutir à une
p.Lm ϕ r
expression des pertes totales mettant en évidence le flux rotorique (ϕr), le couple électromagnétique
(Te) et la pulsation statorique (ωs).
⎡ R ω 2R ω 2⎤ 2
∆P = .⎢ s2 + s 2 s + s ⎥.ϕ r
⎢⎣ L m R fe R fe ⎥
⎦
⎡ ω 2 L
2
L
2
2 ωs
2 ⎤
l fr
2
T
2
2
+ ⎢ R s . s 2 .L m + R s . r 2 + R r . m 2 + L m ⎥ 2 2 e2 (3.54)
⎢⎣ R fe l fr l fr R fe ⎥ p l m ϕ r
⎦
⎡ 2.R s .L r .ω s 2.R s ω s ⎤
+⎢ − ⎥.i qm .ϕ r
⎣⎢ l fr .R fe R fe ⎦⎥
⎡ R ω 2R ω 2⎤ 2
∆P = .⎢ s2 + s 2 s + s ⎥.ϕ r
⎢⎣ L m R fe R fe ⎥
⎦
⎡ ω s 2 .l fr 2 Lr
2
Rr ωs2 ⎤T 2
+ ⎢ Rs . + R s . + + l fr
2
⎥ e2 (3.54)
2 2
⎢⎣ R fe . p 2 p 2 .l m p2 p 2 .R fe ⎥⎦ ϕ r
⎡ 2.R s .L r .ω s 2.R s ω s ⎤
+⎢ − ⎥.i qm .ϕ r
⎢⎣ l fr .R fe R fe ⎥⎦
Etant donné que Te est proportionnel au produit iqm et ϕr, alors (3.54) deviendra :
2
∆P = a.ϕ r
⎡ ω s 2 .l fr 2 Lr 2 Rr 2 ωs
2 ⎤
Te 2
+ ⎢ Rs . + R s . + + l fr ⎥ (3.55)
⎢⎣ R fe 2 . p 2 p 2 .l m 2 p 2 p 2 .R fe ⎥⎦ ϕ r 2
+ b.Te
Finalement :
2
⎛T ⎞
∆P = aϕ r + b.Te + c.⎜⎜ e ⎟⎟
2
(3.56)
⎝ ϕr ⎠
Avec :
Rs ωs 2 .
a=( 2
+ ( Rs + R fe ). 2
)
Lm R fe
ωs
b = 2.Rs .
R fe
Rr ω s ⎛⎜ Rs ⎞
2 2 2
Rs .L2 lf2
c= + 2 + . 2 + R fe. 2 ⎟
R fe ⎜⎝ p ⎟
2 2 2
p Lm p p ⎠
L’expression (3.56) permet de soulever un point important, à savoir : les pertes (électriques et de fer)
dans la machine asynchrone sont fonction de l’état magnétique, les conditions de charges
représentées par le couple et la taille de la machine. Le dernier concept est exprimé par le quotient
couple moteur sur le niveau de flux, autrement dit, ce rapport est proportionnel à β définit
précédemment. Du point de vue mathématique, l’expression (3.56) est la fonction objective. Il est
clair, qu’elle est une fonction d’autres paramètres que le flux et le couple, à savoir la vitesse
électrique ωs (fonction de la vitesse rotorique et la fréquence de glissement) et les paramètres
électriques et magnétiques de la machine. Par conséquent, minimiser cette fonction revient à calculer
la dérivée partielle par rapport à la variable qu’on désire ajuster. On ne peut pas ajuster le couple
électromagnétique, car il dépend directement de la vitesse et les conditions de charge du moteur.
Quant au flux rotorique, il est indépendamment contrôlé et fixé par la méthode vectorielle par
orientation du flux. Cette valeur de flux s’obtient par l’annulation de la dérivée de la fonction
objective. Formellement :
∂ (∆P ) 1
= 0 ⇒ 2.a.ϕ r − 2.c.Te2 . − 3 = 0
∂ϕ r ϕr
D’où :
ϕ r = λ . Te (3.57)
Avec : ϕ r ≤ ϕ rn
c 4 c
λ= =
a a
Dans ce cas, le flux rotorique (ou le courant idm) de commande obtenu est fonction des paramètres de
la machine λ = f ( Lm , Lr , l fr , Rs , Rr , R fe ) , la valeur du couple électromagnétique (Te) et la pulsation
statorique (ωs). Cette relation, représentée par la fig. 3.18, détermine le point de fonctionnement
optimal défini par le niveau de flux rotorique nécessaire, le couple électromagnétique du moteur et la
vitesse de la machine (ωs = ωsl + p.Ωr).
idm(A)
ϕr
ωs(rd/s) ωs(rd/s
Te(N.m Te(N.m)
)
a) b)
Cependant, lors des régimes transitoires, le flux nominal doit être restauré, ce qui permet de suggérer
le mécanisme illustré par la fig.3.20. Ce dernier permet le passage d’un régime à un autre. Durant les
régimes dynamiques, en partant du démarrage de la machine, le flux rotorique de référence est
maintenu à sa valeur nominale afin d’avoir un couple maximal, tandis que, en régime permanent, le
mécanisme est appelé à générer la valeur de flux convenable.
Réglage de vitesse
Minimiser les FOC Inverter - IM
t
| x ias
ϕr Compensation ids* * Onduleur
-1 ibs MLI
λ
et découplage T *
iqs* Contrôlé
ωs Fig.3.10 et ics
* en
FLC fig. 3.16
_ Te* θs
∫
IM
ωsl
GT
+
p
Ωr
Fig.3.19 Schéma bloc de la commande indirecte à flux rotorique orienté avec optimisation des pertes
totales
Démarrage
Fig.3.20 Le transit entre les deux modes de fonctionnement, flux constant et variable.
Le transit entre les deux modes est contrôlé par la variation de la vitesse. Si la variation est inférieure
à une certaine précision durant quelques périodes de fonctionnement, le mode à flux variable est
appliqué, sinon le flux reprend sa valeur nominale. La valeur de précision est obtenue par la
technique « essai & erreur ».
3.3. Adaptation et minimisation de pertes
L’expression (3.57), obtenue par application du principe d’optimisation des fonctions
analytiques, détermine le niveau de flux de la machine permettant d’avoir un fonctionnement avec un
minimum de pertes. Dans la littérature technique, cette méthode est désignée par l’appellation
minimisation des pertes de puissance à base de model (Model-based power loss minimisation) [1, 51,
71]. Par conséquent, notre contribution consiste en la quantification des pertes de la machine
asynchrone, à savoir pertes par effet Joule statoriques, rotoriques et pertes dans le fer. Connaissant le
couple, la vitesse rotorique avec la fréquence de glissement, la valeur optimale du flux rotorique est
générée par le bloc de minimisation de pertes, d’autres paramètres participent, cependant, à ce
calcul ; les plus primordiaux sont les résistances statorique et rotorique. Dans la présente thèse on
s’est limité à l’adaptation de la résistance rotorique. Toutefois, l’effet d’une variation importante de
l’ordre de 100% sur la valeur de la résistance statorique provoque une erreur inférieure à 0,25A sur le
courant magnétisant de référence, valeur que nous avons jugée tolérable. Cette erreur est
considérable lorsque le couple moteur devient comparable avec le couple nominal (cas d’inversion
de vitesse de rotation ou d’application de charge, etc.), cette valeur d’erreur est évitée par le fait que
le flux nominal est rétabli lorsque le couple de charge est proche de la valeur nominale. En ce qui
concerne la résistance rotorique, le mécanisme d’adaptation qui actualise la fréquence de glissement
en cas de variation de la résistance rotorique, peut fournir le gain de variation kr. En effet, la
résistance rotorique Rr est remplacée, dans l’expression (3.57), par kr.Rr*. On trouve finalement : une
loi d’optimisation fonction des paramètres suivants :
Fig.3.21 L’influence d’une variation de 100% de la résistance statorique sur la valeur du courant de
commande optimisé
4. Simulations et interprétations
Deux mécanismes ont été élaborés, l’un pour l’adaptation de la résistance rotorique et l’autre
pour le calcul optimal de niveau du flux pour un fonctionnement rationnel du variateur. Le plus
important est que chacun utilise la sortie de l’autre. En effet, le mécanisme d’optimisation nécessite
le gain kr et la vitesse ωs, qui sont générés par le mécanisme d’adaptation flou. Ce dernier a besoin, à
son tour, de la valeur du flux de référence qui est générée par le mécanisme d’optimisation ; cette
valeur ne reflète le niveau de flux nécessaire pour le fonctionnement optimisé que lorsque les pertes
fer sont compensées. Autrement dit, si les pertes fer ne sont pas compensées, ceci engendre une
erreur entre le couple de référence et le couple moteur et, par conséquent, l’optimisation est erronée.
Cette architecture est récapitulée par la fig. 3.22.
Réglage de vitesse Minimisation de pertes Compensation & découplage Onduleur - MAS
| x ias
ϕr ids* *
Onduleur
fig.2.13 * ibs
λ(ωs,kr) T -1 * MLI
fig.3.9 iqs ics Contrôlé en
Te* ωs * courant
FLC
_ k
θs
∫ 3-
2
ωsl Eq.3. 30-
GT
+ 32
p ϕdr(k)
Ωr ϕqr(k)
Fig.3.22 Schéma global de la commande indirecte à flux rotorique orienté optimisée en tenant
compte des pertes fer (optimisation, compensation et adaptation)
Dans cette section, nous allons simuler cette architecture afin de valider la co-existence des deux
mécanismes. Dans l’objectif de mieux comparer les résultats, nous allons considérer quatre types de
conditions de fonctionnement, à savoir :
Il est à signaler que l’élimination des harmoniques, que contiennent les courants statoriques, est
effectuée par des filtres Passe-bas de fréquence de coupure de 1kHZ [97].
Avec f1, f2, f3 les fonctions logiques de commandes de interrupteurs de l’onduleur MLI et Ud la
tension continue à son entrée.
200 100
100
50
Ωr(rad/s)
Te (N.m)
0
0
-100
-200 -50
0 1 2 0 1 2
a) b)
2 1.5
1 1
ϕdr, ϕqr (Wb)
ϕr (Wb)
0 0.5
-1 0
0 1 2 0 1 2
c) d)
20 20
ids, iqs (A) - filtré
iqs(A)
0 0
-20 -20
0 1 2 0 1 2
e) f)
20 20
Is(A) - filtré
ias (A)
10 0
0 -20
0 1 2 0 1 2
g) h)
t(s) t(s)
Fig.3.23 Contrôle vectoriel indirect à flux constant et résistance rotorique constante (inversion du
sens de rotation à t=1s et diminution de la charge à 35%Tn à t=2s)
200 100
100
Te (N.m)
Ωr(rad/s) 0
0
-100
-200 -50
0 1 2 0 1 2
a) b)
2 1.5
ϕdr, ϕqr (Wb)
1 1
ϕr (Wb)
0 0.5
-1 0
0 1 2 0 1 2
c) d)
20 20
ids, iqs (A) - filtré
0
0
-10
-20
0 1 2 0 1 2
e) f)
20 20
Is(A) - filtré
ias (A)
10 0
0 -20
0 1 2 0 1 2
g) h)
t(s) t(s)
Fig.3.24 Contrôle vectoriel indirect à flux variable (mécanisme d’optimisation activé) et résistance
rotorique constante (Inversion du sens de rotation à t=1s et diminution de la charge à 35%Tn à
t=2s)
ids, iqs (A)
Ωr(rad/s)
-
0 1 2 0 1 2
a) b)
-
0 1 2 0 1 2
c) d)
t(s) t(s)
Fig.3.25 Optimisation de la commande vectorielle à faible charge en tenant compte des pertes fer,
avec une diminution jusqu’à 50% de Tn à t= 2s
ids, iqs (A)
Ωr(rad/s)
-
0 1 2 0 1 2
a) b)
2
ids, iqs (A) - filtré
ϕdr, ϕqr (Wb)
- -
0 1 2 0 1 2
c) d)
t(s) t(s)
Fig.3.26 Optimisation de la commande vectorielle à faible charge en tenant compte des pertes fer,
avec une diminution jusqu’à 20% de Tn à t= 2 s
La fig. 3.27 met en évidence la différence entre la puissance moyenne consommée à flux variable
(cas de minimisation de pertes) et à flux constant (méthode vectorielle classique) pour une plage de
variation du couple de charge allant de 10% jusqu’à 100%. En effet, lorsque le moteur à induction
fonctionne avec des charges proches du couple nominal, plus de 70% d’après la fig. 3.28, le
mécanisme de minimisation suggéré n’apporte rien en termes d’économies d’énergie. Cependant, à
faibles charges, le gain de puissance est très évident en comparant les deux courbes de puissance
obtenues sans et avec mécanisme de minimisation des pertes.
1
Pd(W)
Pd(W)
0 0
0 1 2 2 2.5
a) b) zoom
t(s) t(s)
2000
1800
1600
1400
1200
Pd (W)
P(W)
1000
800
600
400
200
0
0 20 40 60 80 100
Torque(%), Tn=10 N.m
Te (%) -
Fig.3.28 Puissance continue moyenne consommée par le variateur fonctionnant à vitesse de 100 rad/s
(couple nominal du moteur Tn = 10 N.m)
Te (N.m)
Ωr(rad/s)
0
0
-100
-200 -50
0 1 2 0 1 2
a) b)
2 1.5
ϕdr, ϕqr (Wb)
1 1
ϕr (Wb)
0 0.5
-1 0
0 1 2 0 1 2
c) d)
20
20
ids, iqs (A) - filtré
10
iqs(A)
0
0
-10 -20
0 1 2 0 1 2
e) f)
5
20
Iqs(A) - Zoom
4
is(A) - filtré
3
10
2
1
0 0
0 1 2 0.8 1 1.2
g) 14 h)
t(s) t(s)
Te (N.m)
Ωr(rad/s) 0
0
-100
-200 -50
0 1 2 0 1 2
a) b)
1
ϕdr, ϕqr (Wb)
ϕr (Wb)
0.5 0.5
0 0
0 1 2 0 1 2
c) d)
20 20
ids, iqs (A) - filtré
ids, iqs(A)
0 0
-20 -20
0 1 2 0 1 2
e) f)
20
15
Is(A) - filtré
ias(A)
10
0
0 -20
0 1 2 0 1 2
g) h)
t(s) t(s)
Fig.3.30 Optimisation de la commande vectorielle en tenant compte des pertes fer
• Inversion du sens de rotation à t=0.8s;
• Diminution de la charge jusqu’à 35% de la charge nominale à t= 1.5;
• Augmentation de la charge à 100% de la charge nominale à t= 2.5.
5. Conclusion
Dans ce chapitre, deux aspects importants ont été abordés, l’adaptation de la résistance rotorique
et la minimisation des pertes d’énergie des machines à induction. L’objectif du mécanisme
d’adaptation est de générer le gain de variation de la résistance rotorique réelle et ceci afin d’une
part, de maintenir le découplage effectif entre le couple et le flux et, d’autre part, d’éviter des pertes
joules supplémentaires par l’adaptation de la résistance rotorique. Tandis que le mécanisme de
minimisation de pertes permet d’avoir un contrôle vectoriel à flux variable. Par contre, le contrôle à
flux constant entraîne un fonctionnement non efficace du moteur si la charge diminue au-delà de
75% de la charge nominale. Certains travaux antérieurs ont montré que le symptôme du
fonctionnement efficace des machines de petites puissances est l’égalité des composantes du courant
statorique dans le repère tournant, par conséquent, notre contribution consiste en le développement
d’une stratégie permettant d’avoir ce mode de fonctionnement. Par ailleurs, les principaux résultats
peuvent être résumés de la manière suivante:
L’utilisation de la logique floue a permis, d’une part, de surmonter le problème de variation de
la constante rotorique et, d’autre part, son aspect heuristique permet de prendre en considération
le fonctionnement à flux variable.
La stratégie d’ajustement du gain de la fréquence de glissement, avec certaines modifications au
niveau des gains d’adaptation et du changement du modèle de référence, reste toujours valable
en présence des pertes fer.
Le fonctionnement simultané des deux mécanismes, à savoir d’adaptation et de minimisation,
s’oriente vers la minimisation des pertes totales de la machine. En effet, l’adaptation évite des
pertes joules supplémentaires tandis que le mécanisme de minimisation abaisse le niveau du flux
à faibles charges en évitant des pertes joules supplémentaires par la diminution de l’énergie
réactive demandée.
Le mécanisme de minimisation des pertes veille au fonctionnement efficace par l’égalisation des
composantes du courant statorique dans le repère tournant.
L’économie réalisée par la minimisation des pertes peut être maximalisée davantage par
l’élimination du capteur de vitesse [23]. La solution la plus dominante est l’utilisation du filtre de
Kalman. Par conséquent, le chapitre 4 traite son élaboration et ses performances en présence de
pertes fer.
Chapitre 4
Chapitre 4 - Commande vectorielle de la machine
1. Introduction
Dans les variateurs de vitesse par moteur à induction, où la commande vectorielle est utilisée,
la boucle de vitesse est basée sur la connaissance et la mesure de la vitesse du rotor, cette dernière est
fournie par un capteur de vitesse, à savoir : tachymètre, résolveur, codeur digital etc. Cependant,
dans certaines applications, il est difficile d’exploiter un capteur de vitesse. L’une des applications
les plus importantes est l’utilisation des pompes pour refouler le pétrole vers l’extérieur des
gisements « pompage du pétrole ». Ces pompes doivent fonctionner sous la surface de la mer
(pompes immergées), parfois à des profondeurs de 50m, et la mesure de la vitesse exige dans ce cas
des longueurs supplémentaires du câblage, chose qui se répercute sur le coût de l’installation ainsi
que sur la qualité de l’information. Par conséquent, il est clair, que dans la majorité des cas, la
réduction du nombre des capteurs permet, d’une part, de réduire le coût de l’installation et, d’autre
part, d’améliorer la précision des mesures ainsi que la disponibilité des équipements.
- Estimation en boucle ouverte basée sur la connaissance des tensions et des courants
statoriques [46];
- Estimation basée sur l’analyse des harmoniques (le calcul de l’harmonique d’ordre 3)
[42] ;
- Utilisation des observateurs MRAS [83];
- Filtre de Kalman et observateur de Luenberger [2, 27, 63];
- Observateurs basés sur l’utilisation des techniques de l’intelligence artificielles
(logique floue et réseaux de neurones artificiels) [99].
Chaque technique a ses avantages et ses limites d’utilisations. Toutefois, l’effet des pertes fer n’a
pas cependant été pris en considération. D’un autre coté, et à la lumière de la littérature publiée, la
technique à base du filtre de Kalman est celle qui a été la plus largement utilisée pour l’estimation
de valeur de la vitesse rotorique, du flux rotorique et de la position. Ces grandeurs sont
indispensables pour réaliser la commande vectorielle ainsi que le réglage de la vitesse du variateur
[2, 27, 63, 78, 99, 106]. En effet, le filtre de Kalman présente plus de robustesse vis-à-vis du
changement des paramètres de la machine [63, 78, 96] et des incertitudes du modèle. Par ailleurs,
l’avantage le plus important qui favorise l’utilisation du filtre de Kalman est sa capacité de
fonctionnement avec les systèmes bruités; il convient, par conséquent, énormément au cas de la
machine asynchrone lorsque celle-ci est alimentée à travers un convertisseur de fréquence (PWM
inverter) [87]. En effet, ce dernier est une source d’harmoniques supérieurs qui sont considérés en
tant que bruit par le filtre de Kalman. Selon les travaux publiés en ce qui concerne l’estimation
des variables d’état de la machine, le modèle mathématique utilisé pour développer l’algorithme
de Kalman est un modèle du quatrième ordre (4ème). Ce modèle est développé à partir de
certaines hypothèses simplificatrices, entre autres, la négligence de l’effet des pertes fer [4, 5, 16,
31]. Plusieurs travaux ont été effectués dans le but d’évaluer, d’analyser et de remédier aux effets
des pertes fer sur le couplage entre le couple électromagnétique et le flux rotorique. En effet, ces
pertes provoquent la détérioration des performances de la commande vectorielle indirecte et
directe. Levi et al. [67, 80] ont proposé un mécanisme permettant de réduire l’effet néfaste des
pertes fer sur le découplage ainsi que sur le couple de sortie de la machine. Cependant, l’étude de
l’effet des pertes fer sur l’estimation de la vitesse rotorique de la machine à induction par le filtre
de Kalman étendu n’a pas été considérée.
A la lumière de ce qui a été dit, dans ce chapitre, l’effet de pertes fer est analysé en utilisant les
deux schémas de la commande vectorielle ; à savoir: direct et indirect, en vue de proposer une
solution permettant d’améliorer l’estimation de la vitesse rotorique. Pour ce faire, ce chapitre est
organisé comme suit: la théorie générale des observateurs est abordée ainsi que l’algorithme du
filtre de Kalman. Nous déduisons par la suite le filtre de Kalman étendu applicable sur les
systèmes non linéaires. L’application de cet observateur sur le modèle conventionnel (4ème ordre)
sera présentée dans la troisième section. L’effet des pertes fer est considéré par la suite dans le
modèle de la machine asynchrone. Après analyse de leur effet, un mécanisme pour améliorer la
précision de l’estimation est suggéré dans la cinquième section.
2.1. Observateurs
La disponibilité de tous les états pour réaliser le contrôle des processus est quasiment rare.
L’estimation des états non mesurables, comme le flux de la machine asynchrone est appelée :
observation. L’algorithme qui permet d’estimer ou d’observer les états est appelé observateur d’état
ou simplement observateur. Si ce dernier est appelé à observer tous les états du système y compris
ceux mesurables, il est appelé observateur d’état d’ordre complet. Un observateur qui estime un
nombre de variables inférieur est appelé observateur d’ordre réduit.
L’observateur est classifié selon la représentation utilisée avec le système à observer. Si ce
dernier est déterministe alors l’observateur porte le nom d’observateur déterministe, dans le cas
contraire, l’observateur est appelé observateur stochastique [15, 32].
Les observateurs les plus utilisés sont ceux dits de Luenberger et de Kalman qui sont utilisés dans le
cas des systèmes linéaires. L’extension des observateurs aux systèmes non linéaires est possible.
Dans ce cas, le filtre de Kalman étendu est utilisé pour les systèmes non linéaires stochastiques,
tandis que l’observateur Luenberger étendu est appliqué aux systèmes non linéaires déterministes.
L’avantage de l’observateur de Luenberger étendu est le fait d’avoir un algorithme simple et moins
de paramètres à ajuster, comparativement au filtre de Kalman étendu. Cependant, le filtre de Kalman
étendu, étant donné, qu’il est moins sensible aux variations des paramètres, convient mieux aux
variateurs de vitesse avec moteur asynchrone à cage (le bruit de mesure et les erreurs de modélisation
sont pris en considération).
Système
.
u x = A.x + B.u ayant des x
états non
bl
.
xˆ = A.xˆ + B.u x̂
Ce problème peut être surpassé par le fait que le vecteur de sortie obtenu à partir du vecteur
d’état estimé ŷ , donné par (4.2), peut être comparé avec le vecteur de sortie mesuré ; la différence
sera utilisée pour corriger le vecteur d’état du modèle, tel qu’il est illustré sur la fig.4.2. Ceci est le
principe de l’observateur de Luenberger.
yˆ = C.xˆ (4.2)
Système avec x0 et
ayant des états non
. x y
x = A.x + B.u
u C
+
x̂ ŷ -
.
xˆ = (A−L.C).xˆ + B.u + L.y C
Observateur de Luenberger
Sachant que w (t) et v (t) sont respectivement les bruits du système et de mesure qui admettent les
propriétés suivantes :
- Leur valeur moyenne est nulle:
E [w(t )] = 0
(4.6)
E [v(t )] = 0
[ ]
E w(t ).w(t ) T = Q.δ (t − τ )
(4.7)
E [v(t ).v(t ) ] = R.δ (t − τ )
T
Où:
δ (u ) est une fonction de l’impulsion de Dirac, les matrices Q et R définies non négatives
sont symétriques et présentent des densités spectrales de puissance moyenne w(t) et v(t).
[
E w(t ).v(t ) T = 0 ] (4.8)
Le filtre de Kalman est un algorithme récursif de traitement de données qui génère à partir
d’un ensemble de mesures entachées de bruits, l’estimé des variables d’état d’un système
dynamique. Comme ce filtre doit être utilisé en temps réel, il est donné directement sous forme
discrète. Pour cela nous supposons que l’entrée de commande u (k) est constante entre les instants k
te et (k+1) te.
Où: x (k) est le vecteur d’état des variables discrètes de dimension n, Ad, Bd et Cd sont
respectivement les matrices de transition d’état entre k te et (k+1)te.
( k +1) te
∫ A(τ ) dτ
Ad = e kte
(4.11)
( k +1) te
Bd = ∫ A(t , τ ).B.u ( βτ ).dτ
kte
Ad ≅ I + t e A
Bd ≅ B.t e (4.12)
Cd ≅ C
a) Prédiction
x(k + 1 / k ) = Ad .x(k ) + Bd .u (k )
T
(4.13)
P (k + 1) = Ad .P (k ). Ad + Q
b) Correction
T T
K (k + 1) = P (k + 1 / k ).C d .(C d P (k + 1 / k ).C d + R) −1
.
x(k + 1) = x(k + 1 / k ) + K (k + 1).(Ym − C d .x(k + 1 / k )) (4.14)
.
P (k + 1) = P (k + 1 / k ) − K (k + 1)C d .P(k + 1 / k ))
2.4. Filtre de Kalman Etendu
Le filtre de Kalman étendu réalise une estimation de l’état d’un processus non linéaire. Il
permet notamment d’ajouter, au vecteur d’état, une autre variable que l’on désire estimer. Ce filtre
est largement utilisé pour l’estimation des diverses grandeurs de la machine asynchrone, tels que la
vitesse rotorique, le couple de charge, les paramètres électriques et les paramètres mécaniques.
Etant donné, que le filtre de Kalman étendu n’est que l’application du filtre de Kalman décrit
précédemment dans le cas d’un système non linéaire, par conséquent, ce système doit être discrétisé
et linéairisé autour du point de fonctionnement (vecteur d’état estimé) actuel.
.
x = f ( x, u , t ) + w(t ) (4.15)
y = h( x) + v(t )
La discrétisation du modèle non linéaire se fait par l’application du théorème de la valeur moyenne
[87],
( k +1) te
x(k + 1) = x(k ) + ∫ f ( x(t ), u (t ), t )dt (4.17)
ktek
Tel que :
( k +1) te
≅ t e . f ( x)
L’implémentation du filtre de Kalman étendu dans le cas du système non linéaire donné par
(4.16) consiste en l’exécution des étapes suivantes:
a) Initialisation du vecteur d’état et des matrices de covariance: des valeurs initiales doivent
être affectées au vecteur d’état ainsi que les matrices de covariances P0, Q et R. Les
matrices initiales Q et R sont considérées en tant que matrices diagonales.
Les valeurs initiales de P0, Q et R reflètent le degré de connaissance concernant l’état
initial du système. Une grande valeur de P0 signifie une moindre information concernant
les états et ceci peut créer une divergence de l’estimation et même des oscillations des
états estimés.
b) Prédiction des états : la prédiction des états x(k+1) est basée seulement sur la
connaissance de l’état précédent du système et le vecteur d’entrée. Cette étape consiste
aussi à prédire la sortie yˆ (k + 1)
xˆ (k + 1 / k ) = f ( x(k ), u (k ))
(4.19)
yˆ (k + 1 / k ) = h( x(k + 1))
Avec:
∂ ( f ( x(k ), u (k ))
F (k ) = x = xˆ ( k +1 / k ) (4.21)
∂x
[
K (k + 1) = P(k + 1 / k ).H T (k + 1). H (k + 1).P(k + 1 / k ).H T (k + 1) + R ]
−1
(4.22)
∂ (h( x(k ), u (k ))
H (k + 1) = x = xˆ ( k +1 / k ) (4.23)
∂x
xˆ (k + 1) = xˆ (k + 1 / k ) + K (k + 1).[ y m (k + 1) − yˆ (k + 1 / k )] (4.24)
k = k +1
xˆ (k ) = xˆ (k + 1) (4.26)
p (k ) = p (k + 1)
Le processus d’estimation continue en revenant à l’étape (b) et ainsi de suite.
⎡ Kl 1 ⎤
⎢ − γ .x1 + T .x3 + p.K l .x 4 .x5 + σL .uαs ⎥
⎢ r s
⎥
K
⎢− γ .x + l .x − p.K .x .x + 1
.u βs ⎥
⎢ 2
Tr
4 l 3 5
σLs ⎥
f ( x) = ⎢ Lm 1 ⎥ (4.27)
⎢ .x1 − .x3 − p.x 4 .x5 ⎥
⎢ Tr Tr ⎥
⎢ Lm 1 ⎥
⎢ .x 2 − .x 4 + p.x3 .x5 ⎥
⎢ Tr Tr ⎥
⎢⎣ 0 ⎥⎦
Avec:
2 2
Rs L .R Lm L L
γ= + m 2r , K l = , Tr = r , σ = 1 − m
σLs σLs Lr σLs Lr Rr L s Lr
Et:
h( x) = [iαs i βs ]
T
(4.28)
⎡1 0 0 0 0⎤
H =⎢ ⎥
⎣0 1 0 0 0 ⎦
4. Résultats de simulation
Dans l’ordre de valider l’algorithme du filtre de Kalman étendu décrit dans la section
précédente, une étude par simulation sur MATLAB/SIMULINK a été effectuée sur le moteur
asynchrone [84, 105] utilisé précédemment. La vitesse de référence est variée de 0 à 140 rad/s, puis
une inversion du sens de rotation jusqu’à –140 rad/s est effectuée à l’instant t = 0.8 s. En outre, pour
tester son fonctionnement à basse vitesse, une vitesse de référence de 0 rad/s est introduite à l’instant
t=1.5s. Un fonctionnement en charge, par l’application d’une charge nominale de 10 N.m à l’instant
t=0.5s, est également obtenu. Il est à signaler que l’architecture utilisée est celle de la commande
vectorielle directe tout en ignorant les pertes fer. Les résultats de simulation obtenus sont illustrés sur
la fig. 4.3.
On remarque clairement que la vitesse rotorique estimée suit parfaitement la vitesse du moteur
(fig.4.3.a). En effet, l’erreur d’estimation, telle qu’elle est montrée sur la fig.4.3.b, ne dépasse pas
0.16%, chose qui est assez acceptable. Ces résultats montrent l’efficacité du filtre de Kalman étendu
lorsqu’il est utilisé en qualité d’observateur pour réaliser un variateur de vitesse sans capteur. Dans la
section suivante, nous allons considérer le modèle de la machine qui tient compte des pertes fer, et
ceci afin de tester la robustesse de l’observateur en question vis-à-vis des pertes fer.
150 0.5
100
Ω r -Ωest r (rad/s)
50 0
Ω* r (rad/s)
0
-50 -0.5
-100
-150 -1
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
Temps Temps
( ) a) ( )b)
150 1.5
100
1
50
0 0.5
-50
0
-100
-150 -0.5
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
Temps Temps
( ) c) ( ) d)
Fig.4.3. Estimation de la vitesse par Filtre de Kalman Etendu (sans tenir compte des pertes fer)
dϕαm
= R fe .(iαs + iαr − iαm )
dt
dϕ βm
= R fe .(iβs + iβr − iβm )
dt
Avec :
L’effet de ces pertes sur les performances du filtre de Kalman étendu est testé en utilisant les
deux configurations vectorielles, à savoir: directe et indirecte.
1. L’utilisation du modèle de la machine asynchrone qui tient compte des pertes fer (4.30) et (4.31),
pour élaborer l’algorithme de l’observateur;
2. L’élimination du désaccord entre le modèle de la machine et celui du Filtre de Kalman étendu par
la prise en considération de la puissance dissipée due aux pertes fer.
200
100
Ω* r (rad/s)
-100
-200
0 1 2 3 4
Temps
ϕr - ϕres (Wb)
Ω r -Ωest r - (rad/s)
20
0.02
10
0.01
0
0
-10
-20 -0.01
0 0.5 1 1.5 2 2.5 3 3.5 0 1 2 3 4
Temps Temps
(a) (b)
Ω r, Ωest r -Zoom (rad/s)
-140
136
134 -141
132 -142
0 0.2 0.4 0.6 0.8 1 2 2.2 2.4 2.6 2.8 3
Temps Temps
(c) (d)
Fig.4.5. Commande vectorielle directe avec FKE sans compensation des pertes fer
20 1.5
ϕdres , ϕqres (Wb)
Ω r -Ωest r (rad/s)
10 1
0 0.5
-10 0
-20 -0.5
0 1 2 3 4 0 1 2 3 4
Temps Temps
(a) (b)
Ω r, Ωest r -Zoom (rad/s)
-130
Ω r, Ωest r -Zoom
140
-132
138
-134
136
-136
134 -138
132 -140
Temps Temps
(c) (d)
Fig.4.6. Commande vectorielle indirecte avec FKE sans compensation des pertes fer
5.3. Compensation des pertes fer
En vue de prendre en considération les pertes fer, la solution la plus évidente consiste à
élaborer l’algorithme de l’observateur en utilisant le nouveau modèle de la MAS qu’est du 7ème
ordre, cependant, le temps de calcul devient excessif, en effet, les matrices de covariances et la
matrice Jacobienne F qui sont de dimensions [5x5] passent aux dimensions [7x7] ce qui complique
éventuellement la réalisation des différentes opérations de l’algorithme telles que: la multiplication et
l’inversion ainsi que le problème majeur de l’ajustement des matrices P0, Q et R.
Afin de maintenir le temps de calcul à son niveau acceptable et réduire l’effet des pertes fer,
l’algorithme du filtre de Kalman étendu est maintenu à l’exception les entrées uαs uβs iαs et iβs qui
doivent être changées afin de prendre en considération le courant traversant la résistance Rfe.
Rs lf lf Rs lf lf
s r s r
a) b)
Fig. 4.7 Circuit monophasé équivalent de la machine asynchrone tenant compte de Rfe en régime
permanent.
La Figure 4.7.a illustre le schéma équivalent sur l’axe alpha (α), en régime permanent de la
machine asynchrone. Le même schéma est obtenu sur l’axe en quadrature (voir la fig.4.7.b) ; ce
schéma est obtenu à partir du schéma équivalent considéré au chapitre 2 et ceci en négligeant la
chute de tension aux bornes de lfs devant la chute due à la résistance statorique Rs.
Cette simplification permettra de prendre en compte l’effet des pertes fer dans le modèle de
l’observateur de Kalman étendu par le changement des entrés uαs, uβs, iαs et iβs par u’αs, u’βs, i’αs
et i’βs qui sont obtenues par les équations suivantes:
uα' s = uαs
(4.32)
'
u βs = u βs
uαs − Rs . iαs
iα' s = iαs −
R fe
(4.33)
u βs − Rs . i βs
iβ' s = iβs −
R fe
La tension est maintenue constante car, en négligeant la chute de tension aux bornes de
l’inductance de fuite statorique, la tension appliquée restera la même (branche parallèle). Par
conséquent, la nouvelle configuration du système d’entraînement deviendra comme illustrée sur la
fig. 4.8.
Ud
*
Ω r I* qs
I*
PI * I* ds
2T /(3 ) -1 CR PWM
T (θ)
ϕ* r
r
Orientation indirecte θ VSI
ou directe du flux
ϕest rα
r
i’αβs iαβs Isabc
est
Ω r EKF Eq. 32 3/2
Vscbc
u’αβs uαβs
Fig. 4.8. Configuration du variateur sans capteur de vitesse en tenant compte des pertes fer.
La simulation des éléments de la nouvelle configuration a donné les résultats de la fig.4.9 pour la
commande directe et ceux qui sont représentés sur la fig.4.10 pour le schéma indirect. La vitesse de
référence désirée est toujours celle présentée sur la fig.4.4. Il est à signaler que l’algorithme n’a pas
été changé. En effet, les paramètres des différentes matrices n’ont pas été modifiés (matrices de
covariances P, Q et R). Les résultats obtenus montrent que l’erreur d’estimation a été
considérablement réduite pour les deux configurations de la commande vectorielle à savoir: directe
(fig.4.9.a) et indirecte (fig.4.10.a) et ceci sans pour autant affecter le découplage entre le flux
rotorique et le couple (orientation du flux rotorique maintenue). La fig.4.9.b montre l’erreur
d’estimation du flux rotorique est très faible, de même la fig.4.10.b.montre le maintient de la
composante directe et l’annulation de celle sur l’axe q. Autrement dit, l’effet des pertes fer sur la
précision d’estimation par le filtre de Kalman a été considérablement réduit.
10 0.02
Ω r -Ωest r - (rd/s)
ϕr - ϕres (Wb)
5 0.01
0 0
-5 -0.01
-10 -0.02
0 1 2 3 4 0 1 2 3 4
Temps Temps
(a) (b)
Ω r, Ωest r -Zoom (rd/s)
-139
140
-139.5
138
-140
136
-140.5
134
-141
0 0.2 0.4 0.6 0.8 1 2 2.2 2.4 2.6 2.8 3
Temps Temps
(c) (d)
Fig.4.9. Commande vectorielle directe avec FKE et compensation des pertes fer
10 1.5
0 0.5
-5 0
-10 -0.5
0 1 2 3 4 0 1 2 3 4
Temps Temps
(a) (b)
Ω r, Ωest r -Zoom (rad/s)
-139
140
Ω r, Ωest r -Zoom
-139.5
138
-140
136
-140.5
134
-141
0 0.2 0.4 0.6 0.8 1 2 2.2 2.4 2.6 2.8 3
Temps Temps
(c) (d)
Fig.4.10. Commande vectorielle indirecte avec FKE et compensation des pertes fer
6. Conclusion
Dans ce chapitre, le point a été mis sur l’estimation de la vitesse rotorique d’une machine
asynchrone à cage par le filtre de Kalman étendu (FKE) en tenant compte des pertes fer.
Premièrement, le filtre est élaboré sur la base du modèle de la MAS du 4ème ordre, où sont négligées
les pertes fer. Cependant, pour les grandes valeurs de fréquence, il est constaté que les pertes fer
s’imposent et affectent les performances de l’observateur de Kalman.
L’analyse physique de cet effet a permis de conclure que l’erreur d’estimation est due principalement
au fait que la puissance engendrée par les pertes fer n’a pas été considérée dans le modèle du filtre de
Kalman étendu.
Par conséquent, une approche simple est suggérée afin de réduire cet effet indésirable sans pour
autant augmenter le temps de calcul exigé par l’algorithme ou le changer. Elle consiste à soustraire
les pertes du modèle par le changement des entrées de l’observateur. L’amélioration apportée a
montré le bien fondé du mécanisme suggéré.
Conclusion générale et perspectives
Conclusion générale
et perspectives
D ans le cadre de la présente thèse, trois aspects différents mais complémentaires ont été traités,
à savoir : adaptation de la résistance rotorique, minimisation des pertes et commande sans
capteur de vitesse du variateur par moteur à induction. Par ailleurs, étant donné le caractère
multidisciplinaire du variateur, nous avons jugé utile d’aborder ce travail, à travers le premier
chapitre, par une présentation du variateur de vitesse et ceci afin de spécifier ses différents éléments
de base. Dans ce chapitre ont été également abordés, les conséquences de la variation de la résistance
rotorique, les retombées du fonctionnement à niveau de flux constant sur les performances de la
commande vectorielle et l’efficacité du variateur de vitesse, de même que les principaux
inconvénients du capteur de vitesse dans le milieu industriel. Pour ce faire, une recherche
bibliographique concernant les trois aspects en question a été effectuée. A cet effet, l’analyse critique
des méthodes, des techniques et des algorithmes développés pour faire face aux problèmes sus - cités
montrent, d’une part, l’ampleur et la complexité de la problématique et, d’une part, la nécessité
d’explorer davantage ces aspects.
Par ailleurs, pour pallier aux conséquences de variation de la résistance rotorique, un mécanisme
basé sur les ensembles flous a été développé. Le caractère non linéaire de l’effet de variation de la
résistance rotorique sur l’évolution du flux rotorique a motivé l’utilisation de la logique floue pour
analyser l’erreur estimée et corriger la résistance rotorique en conséquence. Les résultats obtenus ont
montré que la correction de la résistance rotorique permet de maintenir le découplage effectif entre le
flux rotorique et le couple électromagnétique, chose qui a permis de rétablir les performances du
réglage de la vitesse et de maintenir le rapport couple-courant statorique maximal, c’est à dire, éviter
des pertes par effet Joule supplémentaires dans le stator et le rotor de la machine et maintenir
l’efficacité maximale du variateur.
Nous avons montré également que le fonctionnement à flux constant, bien qu’il permette d’avoir un
couple maximal disponible à tout moment, provoque des pertes d’énergie lorsque le variateur
entraîne des faibles charges. Plusieurs travaux ont montré que le fonctionnement efficace du moteur
à induction de petite puissance est caractérisé par l’égalité des composantes du vecteur statorique
dans le repère tournant. A cet effet, afin de maintenir le fonctionnement optimal, un mécanisme de
sélection du niveau du flux a été proposé. Le modèle de Park du moteur à induction, qui tient compte
des pertes fer, a été utilisé afin de déterminer à tout moment la valeur du flux rotorique optimal
permettant de minimiser la puissance consommée par le variateur. Ce mécanisme utilise le gain de
variation de la résistance rotorique, généré par le mécanisme d’adaptation flou, la pulsation
électrique et le couple électromagnétique. En outre, étant donné, que les pertes fer sont prises en
compte par le contrôleur d’orientation de flux, le couple de référence généré par le régulateur de
vitesse a été utilisé afin d’éviter l’ajout d’un capteur ou l’intégration d’un observateur de couple.
Le mécanisme d’adaptation flou a été modifié afin de prendre en considération la nouvelle structure
du contrôleur d’orientation du flux. L’avantage de la logique floue, à savoir le caractère heuristique
du contrôle, permet d’adapter la résistance rotorique même si le flux est variable sur l’axe direct.
C’est la raison pour laquelle nous avons considéré trois types de règles floues: les deux premiers
servent pour la correction du glissement et le troisième empêche le fonctionnement du mécanisme
flou lorsque le flux rotorique varie seulement sur l’axe direct. De ce qui précède il est clair que le
mécanisme d’adaptation flou permet d’éviter des pertes par effet Joule lorsque la résistance rotorique
change, tandis que le mécanisme d’optimisation réduit le courant magnétisant à faibles charges, par
conséquent, il permet d’éviter des pertes supplémentaires. Etant donné, que la variation du flux
rotorique pour minimiser les pertes n’est valable qu’en régime stationnaire, par conséquent, durant
les régimes transitoires, à savoir : inversion du sens de rotation ou rétablissement de la charge, le flux
nominal est restauré afin de rétablir le couple maximal du moteur. Le transit entre les deux modes, à
savoir: mode à flux variable et celui à flux nominal, est contrôlé par la variation de vitesse.
Le dernier volet de la présente thèse porte sur la commande vectorielle sans capteur de vitesse, ceci
par l’utilisation du filtre Kalman étendu. La suppression du capteur de vitesse possède un aspect
technico-économique, en effet, ceci entraînera, d’une part, une réduction considérable sur le coût du
variateur et, d’autre part, une augmentation de sa robustesse. L’algorithme de l’observateur a été
développé à partir du modèle de Park de quatrième ordre (qui est le plus fréquemment utilisé pour
l’élaboration des observateurs). Dans ce cas, l’erreur d’estimation de vitesse est de 10 tr/min aussi
bien pour la commande vectorielle indirecte que pour la commande directe.
Afin de pallier l’effet des pertes fer et d’améliorer l’estimation de la valeur de vitesse, un mécanisme
de compensation des pertes fer sans modification de l’algorithme de l’observateur a été élaboré. Ce
mécanisme est basé sur la soustraction de la puissance dissipée par la résistance des pertes fer du
modèle utilisé par le filtre de Kalman. Les résultats obtenus ont montré l’amélioration apportée (en
terme de précision) sans augmentation du volume de calcul.
Bien que les objectifs, cités dans l’introduction, ont été suffisamment atteints, toutefois, le travail
effectué dans la présente thèse n’offre pas la solution idéale pour faire face aux contraintes
d’utilisation du variateur de vitesse par moteur à induction. En effet, reste comme perspective,
d’explorer l’observation simultanée de la vitesse rotorique et les paramètres de la machine, chose qui
permettra d’avoir plus de précision en ce qui concerne le découplage et la sélection du niveau
approprié pour l’optimisation avec la prise en compte de la saturation dans le processus de sélection
du flux optimal réel.
Bibliographie
[1] Abrahamasen F., Blaabjerg A., Pederson J.K., Grabowski P.Z., Thogersen P., “ On the energy
optimized control of standard and high efficiency induction motors on CT and HVAC
applications”, IEEE Transaction on Industry Application, Vol.34, n° 24, July/August 1998,
pp.822-831.
[2] Atkinson D.J., Acarnley P.P. and Finich J.W., “Observers for induction motor state and
parameter estimation”, IEEE Transaction on Industry Application, Vol.27, n° 6, Nov/Dec.
1991, pp. 1119-1127.
[3] Baghli L., “Contribution à la commande de la machine asynchrone, utilisation de la logique
floue, des réseaux de neurones et des algorithmes génétiques”, Thèse de Doctorat. 1999,
Nancy, France / Sous la Direction de Pr. A. Rezzoug.
[4] Barret P., “Régimes transitoires des machines tournantes électriques”, Edition Eyrolles, Paris,
1987.
[5] Bose B.K., “Power Electronics and AC Drives”, Prentice-Hall, Englewood, New Jersey, 1989.
[6] Bose B.K., “Technology trends in microcomputer control of electrical machines”, IEEE
Transaction on Industrial Electronics, Vol.35, N. °1, Feb.1988, pp.160-177.
[7] Bose B.K., N.R.Patel, “Quasi-Fuzzy estimation of stator resistance of induction motor”, IEEE.
Transaction on Power Electronics, Vol.13, N°3, May 1998.
[8] Bouchon-Meunier B., Marsala C., “Logique floue, principes, aide à la décision”, Paris Hermès
Science Publications, 2003.
[9] Braham Amin, “Induction Motors: Analysis and Torque control”, Springer, 2002.
[10] Büler H., “Conception des systèmes automatiques”, Presse Polytechnique et Universitaire
Romandes, Lausanne 1988.
[11] Büler H., “Convertisseurs statiques”, Presse Polytechnique et Universitaire Romandes,
Lausane 1991.
[12] Büler H., “Réglage par logique floue ”, Presse Polytechnique et Universitaire Romandes,
Lausanne, 1994.
[13] Büler H., “Réglage des systèmes d’électronique de puissance”, Presse Polytechnique
et Universitaire Romandes, Lausane, 1997.
[14] Canudas De Witt. C., “Commande des moteurs asynchrones 1: Modélisation, Contrôle vectoriel
et DTC ”, HERMES Science Publications, 2000.
[15] Canudas De Witt C., “Commande des moteurs asynchrones 2: Optimisation, discrétisation et
observateurs ”, HERMES Science Publications, 2000.
[16] Châtelain J., “ Machines électriques”, Traité d’électricité, Presse polytechnique et Universitaire,
Romandes, 1983.
[17] Chetate B., Kabache N., Kheldoun A., Bradai R., Chermalikh A.V., Maidansky I.Ia., Omrani
M., “New Energetic Performances of Electrical Drives By Using Artificial Intelligence”,
INISTA 2005, International Symposium on Innovation in Intelligent Systems and
Applications, ISBN: 975-461-400-8, Yildiz University, pp. 33-37.
[18] Chetate B., Kheldoun A., “A method of minimizing the power losses in an induction motor
with a squirrel-cage with vector control”, Electrical Technology Russia, ISSN 1028-7957, N°
4, 2004, pp. 154-165.
[19] Chetate B., Kheldoun A., Kabache N., Khodja D., “Energy saving by using artificial
intelligence for specification, control and diagnostic of electric drives with induction
machines”, ICCI-2004, International Conference on computational intelligence, 27-29 Mai
2004, NICOSIA, TRNC, pp. 44-49.
[20] Chetate B., Kheldoun A., “Adaptive control of induction machine by fuzzy logic”, Revue of
sciences and technology of hydrocarbons, n° 3 (28), ISSN: 0234 – 8276, 2003, pp.69-77.
[21] Chetate B., Kheldoun A., “Commande Indirecte à Flux Rotorique Orienté d’une Machine à
Induction avec Adaptation de la Constante de Temps Rotorique par Logique Floue”, First
International Conference on Electrical Engineering, ICEE’2000, Nov.2000 – Boumerdes.
[22] Chetate B., Kheldoun A., “Commande Vectorielle Indirecte d’un Moteur à Induction par
[51] Khater F.M., Lorenz R.D., Novotny D.W., Tang K., “Selection of level in field oriented
induction machine controllers with consideration of magnetic saturation effects”, IEEE
Transaction on Industry Application, Vol.IA. 23, N°2, March/April 1987, pp.276-282.
[52] Kheldoun A., Chetate B., “Model based minimisation of power loss in vector control induction
motor”, 2nd International Symposium on Electrical, electronic and Computer engineering and
exhibition, March, 11-13, NEU-CEE, NICOSIA, TRNC, 2004, pp.112-117.
[53] Kheldoun A., Chetate B., “Optimisation des Pertes d’Energie d’un Moteur Asynchrone à Cage
commandé Par la Technique à Champ Rotorique Orienté”, Revue des Energies Renouvelables,
Proceeding de la 1ère Conférence Internationale sur l’Efficacité Energétique, ISSN :1112-2242,
Tome 2, 25-26 Mai 2003, pp. 422-427.
[54] Kheldoun A., “Commande vectorielle d’un moteur asynchrone à cage avec adaptation de la
résistance rotorique par logique floue et minimisation des pertes totales”, Mémoire de
Magistère, FHC, Université de Boumerdès, 2001, Dirigé par: Pr. B. Chetate.
[55] Kim H.G., Sul S.K., Park M.H., “Optimal efficiency drive of a current source Inverter fed
induction motor by flux control”, IEEE Transaction on Industry Application, Vol.20 n°06,
Nov./Dec. 1984, pp.1453-1459.
[56] Kisko A., Koyama M., “Control Means for Minimization of Losses in AC and DC Motor
Drives”, IEEE Transaction on Industry Application, Vol.IA-19, N°.04, 1983, pp.561-570.
[57] Kirchen D.S., Novotny D.W., Lipo T.A., “On line efficiency optimization of a variable
frequency induction motor drives”, IEEE Transaction on Industry Application, Vol.IA-21(4),
1985, pp.610-615.
[58] Kirchen D.S., Novotny D.W., Wanwisoot S.W., “Minimizing induction motor loss by
excitation control in variable frequency drives”, IEEE Transaction on Industry Application,
IA-20(5), 1984, pp.1244-1250.
[59] Koven T.J., Hyun D.S., “High-performance speed control of electrical machine using low-
precision shaft encoder”, IEEE. Transaction on Power Electronics, Vol.4, N°5, september
1999, pp.838-849.
[60] Lebaroud A., “Le diagnostic automatique des défaillances des systèmes électromécaniques”,
Mémoire de Magistère, INHC, 1997 / Sous la Direction de Dr. B. Chetate.
[61] Lee C.-M., Chen C.-L., ‘‘Observer-based speed estimation method for sensorless vector
control of induction motors”, IEE Proc.-Control theory Appl., Vol. 145, No.3, May 1998.
[62] Lee C.C., “Fuzzy logic in control system: Fuzzy logic controller”, Part I, II IEEE Trans. Syst.
Man. Vol 20, Mars 1990, pp. 404 – 435.
[63] Leite A.V., Araujo R.E., Freitas D., “Full and reduced order extended Kalman filter for speed
estimation I induction motor drives: a comparison study”, 35th Annual Meeting IEEE Power
Electronics Specialists Conference, Aachen, Germany, 2004, pp. 2293-2299.
[64] Leonard W., “Control of Electrical Drives”, Sprïnger, 1997.
[65] Levi E., “Impact of Iron loss on behaviour of vector controlled induction machines”, IEEE
Transactions on Industry Applications, Vol.31, N°6, Nov /Dec 1995, pp.1287-1296.
[66] Levi E., Boglietti A., Lazzari M., “Performance deterioration in indirect vector controlled
induction machines”, in Conf. Rec. IEEE PESC’95, 1995, pp.1312 –1318.
[67] Levi E., Sokola M., Boglietti A., Pastrolli M., “Iron loss in rotor flux oriented induction
machines: Identification, Assessment of detaining and Compensation”, IEEE Transaction on
Power Electronics, Vol.11, n°05, Sept 1996, pp.698-709.
[68] Lim S., Nam K., “Loss-minimising control scheme for induction motors”, IEE Proc. -Electr.
Power. Appl, Vol .151 N°.4, July 2004, pp.385-397.
[69] Lorenz R.D., Myang S., “AC induction servo sizing for motion and control application via loss
minimizing real-time flux control”, In IEEE /IAS Annul. Meeting Conf. Record. 1989, pp.612-
616.
[70] Machtigal C.L., “Instrumentation and control, fundamentals and applications”, John Wiley and
Sons Inc. 1990.
[71] Matsuse K., Yoshizumi T., Katsuta S., Tanigushi S., “ High – Response Flux Control of Direct
Field Oriented Induction Motor with High Efficiency Tacking Core Loss into Account”, IEEE
Transaction on Industry Applications, Vol.35, No. 1, JAN./FEB. 1999, pp.62-69.
[72] Meunier B.B., “La logique floue et ses applications”, Editions Addison-Wesley France, S.A,
1995.
[73] Mir S.A., Zinger D.S., Elbuluk M.E., “Fuzzy controller for inverter fed induction machines”,
IEEE Transaction on Industry Application, Vol.30, N°1, Janu/Febru 1994, pp.78-84.
[74] Mizling T., Takayama J., Ichioka T., Terashima M., “Decoupling control methods of induction
motors tacking stator core loss in to consideration”, in Conference record IEEE IAS, Annual
meeting 1990, pp. 69-74.
[75] Mosskull H., “Robust Control of Induction Motor Drive”, Doctoral Thesis, 2006, Supervised
by Pr. Kazmiekowski M. Royal Institute of Technology (KTH), Stockholm, Sweden.
[76] Nordin B., Novotny W.N., Zinger S., “The influence of motor parameters deviations in
feedforward field orientation drive systems”, IEEE Transaction on Industry Applications, Vol.
IAS -21, No4, July/Aug. 1985, pp. 1009-1015.
[77] Novotny D. W., Lipo T. A., “Vector Control and dynamics of AC drives”, Oxford University
Press Inc, 2000, New York.
[78] Ouhrouche M.A., “Estimation of speed, rotor flux and rotor resistance in cage induction motor
using the EKF algorithm”, International Journal of Power and Energy Systems, Vol. 22, N°.2,
2002, pp. 103-109.
[79] Pereira L.F.A. et al, “A simulation framework for flux estimation and vector control of
induction machines”, in Proc. of IEEE industry electronics conference, 1998, pp. 1587-1591.
[80] Pham T., Levi E., “Core loss in direct torque controlled induction motors drives: detaining and
Compensation”, Proc. IEEE Power Electronics Specialists Conference PESC, Vancouver,
Canada, 2001, pp.98-103.
[81] Pomorski D., Perche P.B., “Diagnostic et arbres de décision. Applications à la surveillance
partielle d’un moteur asynchrone”, APII. JESA, Volume 34, N° 4, Mai 2000, pp.441-477.
[82] “Power System Blockset User’s Guide”, Copyright 1998 by TEQSIM International Inc, a
sublicense of Hydro-Quebec, and The Mathworks Inc.
[83] Rached M., Stronach F., P. Vas, “A stable MRAS sensorless control induction motor drives at
low speeds”, In Proc. of the IEEE-IEMDC Conference, 2003, pp.139-144.
[84] Rehahla S., “Etude de la commande d’une machine asynchrone triphasée par la technique de
flux orienté”, Mémoire de Magistère, ENP, Dec. 1996 /Sous la Direction de Dr. Hemici. B
[85] Ribeiro L.A.S. et al, “Parameter sensitivity of MRAC models employed in IFO controlled AC
motor drive”, IEEE Transactions .on Power Electronics, Vol.44, N°04, Aug.1997, pp.536-545.
[86] Saetieo S., Torrey D.A., “ Fuzzy Logic control of a space vector PWM current regulator for
three phase power converters”, IEEE Transaction on Power Electronics, Vol.13, N°3,
May.1998, pp.419-426.
[87] Said M.S.N., Benbouzid M.H., Benchaib A., “Detection of broken bars in induction motors
using extended kalman filter for rotor resistance sensorless estimation”, IEEE Transactions on
Energy Conversion. Vol. 15, N° 1, pp. 66-70, March 2000.
[88] Salvatore L., Stasi S., Dell’Aquila A., Cupertino F., “Vector control if induction motors by
using EKF and LKF”, Power Electronics and variable speed drives, pp. 504- 509, 21-23
September, IEE conference publication 1998.
[89] Seguier G., Labrique F., “Les convertisseurs de l’électronique de puissance”, Tome 4,
conversion continu – alternative, Edition Technique et Documentation, Paris, 1989.
[90] “Simovert MasterDrives – Compendium Vector Control”, SIEMENS AG, Version AF, 1998.
[91] Singh B.N., Singh B., B.P. Singh, “Fuzzy Control of Integrated Current Controlled
Converter Inverter Fed Cage Induction Motor Drive”, IEEE Trans. Indus. Appl. Vol.35, n°2,
March/April 1999, pp.405-412.
[92] Sousa G.C.D., Bose B.K., “A fuzzy set theory based control of a phase-controlled converter DC
machine drive”, IEEE Transaction on Industry Applications, Vol. 30 , N°1, January/February
1994, pp.854-861.
[93] Sousa G.C.D., Bose B.K., “Fuzzy logic based on-line MRAC tuning of slip gain for an indirect
vector controlled induction motor drive”, IEEE conference record IAS, 1993, pp.1003-1008.
[94] Sousa G.C.D., Bose B.K., “Fuzzy logic based on-line efficiency optimization control of an
indirect vector controlled induction motor drive”, IEEE conference record IAS, 1993, pp.1168-
1174.
[95] Sugimoto H., Tamai S., “Secondary resistance identification of an induction motor applied
model reference adaptive system and its characteristics”, IEEE IAS Annu. Meeting, 1985,
pp.613-620.
[96] Tayie J.K.Al-, Acarnley P.P., “Estimation of speed, stator temperature and rotor temperature in
cage induction motor drive using the extended Kalman filter algorithm”, IEE Proc.- Electr.
Power Appl.,Vol. 144, pp. 301-309, No. 5, September 1997.
[97] Tungpimolrut K., Peng F.Z., Fukao T., “ Robust vector control of induction motor without
using stator and rotor circuit time constants”, IEEE Transaction on Industry Applications,
Vol.30 n°05, Sept/October 1994, pp.168-173.
[98] Tolyat H.A., Arefee M.S., Rahman K.M., Figoli D., “Rotor time constant updating
for rotor flux oriented induction motor drive”, IEEE Transaction on Power Electronics, Vol 14,
N°5, September 1999, pp.850-857.
[99] Vas P., “Artificial-intelligence-Based Electrical Machines and Drives: application of fuzzy,
neural, fuzzy-neural and genetic-algorithm-based techniques”, Oxford University Press, 1999.
[100] Vas P., “Vector Control of AC Machines”, Clarendon Press, Oxford, 1990.
[101] Wade S., Dunnigan M.W., Williams B.W., “Modeling and simulation of induction
machine vector control with rotor resistance identification”, IEEE Transaction on Power
Electronics, Vol.12, n°03, May 1997, pp.495-506.
[102] Wade S., Dunnigan M.W., Williams B.W., “ Improving the accuracy of the rotor resistance
estimate for vector controlled induction machines”, IEE Proc-Electro. Power Applications,
Vol.144, n°05, Sept. 1997, pp.1187-1192.
[103] Wang J.B., Liaw C.M., “Indirect field oriented induction drive with fuzzy detuning correction
and efficiency optimization controls”, IEE Proc. Electr. Power. Appl., Vol.144 n°.1, January
1997, pp.37-45.
[104] Yager R.R., Filev D. P., “Essentials of fuzzy Modeling and control ”, by John Wiley & Sons,
Inc, Canada, 1994
[105] Yazid K., “Commande vectorielle d’un moteur asynchrone avec prise en compte de la
variation de la résistance rotorique”, Mémoire de Magistère, 1996, USTHB, / Sous la Direction
de Dr. Benhaddadi. M.
[106] Zein I., “Application du filtre de Kalman et de l’observateur de Luenberger à la commande de
la machine asynchrone”, Thèse de Doctorat, Directeur de thèse Pr. L. Loron, Sept. 2000,
Université de Technologie de Compiègne.
[107] Zhen L., Xu L., “On line fuzzy tuning of indirect field oriented induction machine drives”,
IEEE Transaction on Power electronics, Vol.13, N°1, January 1998, pp. 134-141.
Annexe
Paramètres du moteur asynchrone et de sa charge [90]
La plate forme d’expérimentation, sur laquelle nous avons effectué des tests sur la commande
vectorielle et scalaire, comprend un convertisseur de fréquence industriel de 7,5kW et deux
machines, l’une asynchrone à rotor bobiné (utilisée comme moteur variateur) et l’autre machine à
courant continu (utilisée en tant que charge à couple variable).