Contribution à la commande adaptative et neuronale d'une machine synchrone à aimants permanents

Abstract

Dans ce travail, l'étude et l'application de la commande adaptative et la commande par réseau de neurones artificiel (RNA) à la machine synchrone à aimants permanents (MSAP), ont été abordées. Les performances des régulateurs linéaires sont limitées à cause de leur sensibilité aux non linéarités et aux variations paramétriques. Alors, la commande auto-ajustable directe utilisant l'algorithme des moindres carrés récursifs est adoptée. Les stratégies de commande à erreur de prédiction minimale pondérée (EPMP) et à variance minimale généralisée sont considérées. Dans cette étude, nous appliquons la commande adaptative à la place du régulateur PI de la boucle de vitesse du schéma de la commande vectorielle de la MSAP. La commande en vitesse de la MSAP utilisant les réseaux de neurones artificiels est étudiée dans la deuxième partie de ce travail. Comme le modèle électrique de la machine est non linéaire à deux entrées et deux sorties nécessitant un régulateur multivariable (MIMO), un nouveau régulateur neuronale multi sortie est proposé. Les résultats obtenus permettent d'illustrer, tant au niveau des performances que de la robustesse, l'apport des commandes proposées dans les entraînements électriques avec machine synchrone à aiments. La thèse s'articule donc autour des chapitres suivants: Dans le premier chapitre, nous présenterons le modèle mathématique de la machine synchrone à aimants permanents (MSAP) permettant l'étude de son comportement dynamique. Le modèle adopté est basé sur la transformation de Park. Le principe de fonctionnement et la modélisation du convertisseur constitué par un onduleur à modulation de largeur d'impulsions sont aussi présentés. Le deuxième chapitre porte sur la commande vectorielle de la MSAP. La régulation de la vitesse (boucle externe) et des courants du modèle de Park (boucle interne) de la MSAP sont assurées par des régulateurs classiques type proportionnel intégral (PI). Nous allons montrer la non robustesse de régulateur classique utilisé et sa faiblesse lors des variations paramétriques supposées du modèle de la machine. Dans le troisième chapitre, nous nous proposons de concevoir des contrôleurs adaptatifs qui tiennent compte des incertitudes dans les paramètres du système commandé. Il s'agit de la résistance statorique et le couple de charge d'un côté et de l'inductance et du moment d'inertie de l'autre côté. Deux stratégies de commande sont explorées: la commande à erreur de prédiction minimale pondérée (EPMP) et la commande à variance minimale généralisée. Une étude de la robustesse des commandes utilisées et leurs efficacités lors des variations paramétriques du modèle de la machine sont mises en évidence. Les performances de l'ensemble des contrôleurs adaptatifs présentées sont discutées. Le chapitre quatre est consacré à la présentation des réseaux de neurones artificiels et des différentes configurations qui se présentent pour les problèmes de modélisation, d'identification et de commande de processus. Finalement, le cinquième chapitre est destiné à la conception et à l'application de contrôleur neuronal à la commande en vitesse de la machine. En premier lieu, l'architecture du réseau correcteur retenu est appliquée à la boucle de vitesse de la machine. Les performances du contrôleur sont testées en tenant compte des variations paramétrique supposées de notre système et du couple de charge. En second lieu, un régulateur multivariable (MIMO) est élaboré pour prendre en charge les deux boucles de régulation. Les performances du réseau obtenu, sont comparées à celles de contrôleur neuronal de vitesse. Une conclusion générale vient clôturer les six chapitres de cette thèse.