Commande non linéaire à modèle prédictif pour une machine asynchrone

La machine asynchrone est un système multivariable, non linéaire, fortement couplé, à dynamique rapide et à paramètres variant dans le temps. Vu les avantages qu'elle a sur les autres types de machines électriques, parmi lesquels nous pouvons citer : robustesse, entretien moins fréquent et faible coût, la machine asynchrone est de loin la plus utilisée dans les applications requérant la variation de vitesse. Cependant, sa nature non linéaire rend sa commande compliquée. Le but de cette thèse est la mise en oeuvre d'une loi de commande non linéaire prédictive de haute performance pour un moteur asynchrone, avec comme objectifs : améliorer la poursuite de trajectoires, garantir la stabilité, la robustesse aux variations des paramètres et le rejet de perturbation. L'élément de base dans une commande prédictive est le modèle pour prédire le comportement du système. Deux méthodes sont utilisées pour la conception du modèle de prédiction ; l'une est une conception à partir de réseaux de neurones pour une commande prédictive neuronale, et l'autre utilise les outils mathématiques de la géométrie différentielle pour la commande non linéaire prédictive. \n \nDans la commande prédictive neuronale, une modélisation multivariable de la machine par un réseau de neurones de type multicouches est présentée pour la conception d'un prédicteur non linéaire. La commande optimale est obtenue en minimisant un critère quadratique. Un modèle de référence, calculé à partir de l'inversion du modèle de la machine, est inclus dans le critère à optimiser. Ce modèle permet d'améliorer l'optimisation. \n \nPour la commande non linéaire prédictive, deux variantes sont proposées dans ce travail. Une commande multivariable pour le contrôle d'un système carré avec la vitesse rotorique et la norme carré du flux rotorique comme sorties, et une commande en cascade pour le contrôle du couple électromagnétique, de la norme carré du flux et de la vitesse. Le choix de ces sorties est pris pour contrôler la vitesse et simplifier le calcul différentiel lors du développement de ces lois de commande. Le modèle de prédiction est obtenu en utilisant une expansion en série de Taylor. La perturbation (couple de charge) est estimée par un observateur. L'intégration de la commande prédictive dans la structure de l'observateur de perturbation lui permet de se comporter comme un contrôleur PID ou PI de vitesse selon le degré relatif de la sortie vitesse par rapport à la commande. Cette combinaison aboutit à une commande non linéaire PID (ou PI) prédictive. La commande non linéaire prédictive est détaillée, d'abord dans le cas où l'état est supposé entièrement mesurable, puis lorsqu'un observateur doit être utilisé. Le problème de la stabilité globale est alors pris en compte. La méthode de Lyapunov est utilisée pour prouver la stabilité globale du schéma complet de commande (procédé + commande + observateur d'état). \n \nLes performances de poursuite de trajectoires, de robustesse aux variations de paramètres et de rejet de perturbation, sont améliorées par ce contrôleur non linéaire prédictif. Nous croyons que ce que nous avons réalisé avec la commande prédictive non linéaire constitue une contribution majeure au domaine des entraînements à vitesse variable par machines asynchrones.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.