You are on page 1of 6

SETIT 2005

3rd International Conference: Sciences of Electronic,


Technologies of Information and Telecommunications
March 27-31, 2005 – TUNISIA

Identification par la Méthode du Modèle des


paramètres d’une machine à courant continu
M. Zegrari, A. Badri et B. Oukarfi
LATSI, Faculté des Sciences et Techniques de Mohammedia – BP 146, Maroc
zegrari@uh2m.ac.ma
badri@uh2m.ac.ma
oukarfi@uh2m.ac.ma

Résumé: Le but de cette étude est de déterminer le modèle d’une machine à courant continu en vue d’élaborer une
commande optimale et performante. Cette identification est basée sur la méthode du Modèle où l’on compare les
réponses du moteur (objet) et du modèle à la même excitation. L’étude de la distance objet-modèle (ou fonction erreur)
permet d’adapter les paramètres du modèle prédéterminé jusqu’à vérification du critère de validation du modèle. La
procédure de l’identification a été conçue afin de répondre aux aspects spécifiques de la machine à courant continu en
tenant compte des différents régimes dynamiques imposés par l’environnement, ainsi que des liens fonctionnels qui
caractérisent son fonctionnement.

Mots clés: Espace paramétrique, Identification, Iso-distance, Modèle, Programmation non-linéaire.

1 Introduction La procédure de modélisation passe par les étapes


Les techniques de l’identification des systèmes ont suivantes :
fait l’objet de nombreuses études, les voies de recherche
et de perfectionnement sont multiples et émanent de la 2.1 Caractérisation
diversité et la complexité des systèmes à identifier. Si Il s’agit d’établir une structure pour le modèle
les méthodes classiques d'identification, basées sur la mathématique ; cette étape peut être plus ou moins
théorie de l'estimation, sont directes et simples à mettre complexe suivant que l’on cherche à s’orienter vers un
en œuvre, leurs performances demeurent insuffisantes modèle de connaissance ou de représentation.
pour des systèmes complexes et dont la structure
présente une dynamique très variable (Adersa, 1991). 2.2 Identification
L'emploi des méthodes non linéaires permet d'optimiser
Elle traduit une identité de comportement entre le
la phase de l'identification d'un système tout en tenant
processus et le modèle, cette opération est réalisée par
compte de la représentation globale de sa structure. l’étude de la fonction erreur entre les réponses du
processus et du modèle à un même type d’excitation.
2 Techniques de Modélisation
La modélisation doit mettre en évidence deux 2.3 Validation du modèle
concepts fondamentaux : Quelle que soit la procédure d’identification, la
fonction erreur ne sera en général pas nulle à cause des
- ETAT : qui fait intervenir l’ensemble des erreurs de caractérisation et des perturbations de
variables. Celles-ci étant des mesures effectuées sur le
mesure. Le modèle est validé si l’essai s’avère
processus physique. compatible avec la distance Objet-Modèle optimale
- STRUCTURE : lien fonctionnel entre les prédéfinie.
variables, il est traduit par une représentation
mathématique globale.
SETIT 2005

La minimisation du critère est obtenue par des


3 Méthode du Modèle algorithmes itératifs de programmation non-linéaire. La
direction de recherche varie à chaque itération en
3.1 Principe fonction du résultat de l'itération précédente.
La caractérisation du modèle fait apparaître une Ces algorithmes ont la forme suivante :
structure dépendant d’un vecteur de paramètres θ. Il est
représenté dans un espace paramétrique Rk dont les θm+1 = θm + λm dm (1)
vecteurs de base sont significatifs de k paramètres.
θm : vecteur paramètres après m itérations.
Dans cet espace, le système est représenté par le dm : direction de recherche au cours de l’itération m+1.
point objet O dont les paramètres forment le vecteur θ0 ; λm : scalaire défini afin de minimiser D le long de dm :.
le modèle est représenté par un point modèle M dont les
La minimisation de la distance D est régie par
paramètres forment le vecteur θM (Richalet, Rault & l’équation suivante :
Pouliouen, 1997).
Si l’identification est parfaite, les points O et M se D(θm + λm dm ) ≤ D(θm + λ dm ) (2)
trouvent confondus. En pratique, ce résultat étant
impossible, on analyse la distance objet-modèle D(O,M) 3.3 Méthodes d’analyse
afin de définir une topologie pour l’étude du voisinage
du point objet O. 3.3.1 Méthode du gradient
Au voisinage de θm la distance D développée au
L’analyse de la distance objet-modèle fait intervenir premier ordre s’écrit :
les éléments suivants :
- Distance de structure qui traduit l’écart entre les D(θ + ∂θ) = D(θ) + G (θ)T ∂θ (3)
paramètres (O,M)
G représente le vecteur gradient de D.
- Distance d'état qui est une fonction de l’écart
Cet algorithme explore la direction de la plus grande
entre les sorties (O,M).
pente. L’illustration de cette procédure est représentée
- Iso-distance qui est une surface de l’espace dans un espace paramétrique bidimensionnel à titre
paramétrique Rk sur laquelle la distance d’état a une d’exemple sur la figure 2 :
valeur fixe D*.
La procédure de l’identification consistera donc à la Ligne de la plus
recherche du niveau minimum de D* au lieu de la θ2 grande pente θm
distance d elle-même. d
Point
3.2 Elaboration de la méthode optimal
θm+1
La méthode du Modèle est basée sur la comparaison θ2op dm+1
des comportements du modèle et du système à identifier θm+2
suite à une même excitation. C'est une méthode très Surfaces iso-D
puissante puisqu'elle s'applique à des systèmes non
linéaires par rapport aux paramètres recherchés θ1
(Landaui, 1989). θ1op
Le schéma synoptique de cette méthode est donné
Figure 2. Convergence non-linéaire.
sur la figure 1 :
Le vecteur paramètres θ lors de l’itération (m+1) est
bruit donné par l’équation suivante :
Système y
θm+1 = θm - λm G (θm) (4)
Entrée - ε
Critère
u + L’identification consiste à analyser la distance objet-
Modèle yM modèle D(O,M) et étudier le voisinage du point objet O
afin de déterminer la position du point minimum : c'est
une identification locale par analyse des iso-distances.
Minimisation 3.3.2 Méthode de Gauss-Newton
Identification du critère On développe à présent au 2ème ordre l’expression de
la distance D au voisinage de θ :
Figure 1. Schéma synoptique de la méthode du Modèle.
D(θ+∂θ) = D(θ)+G(θ)T∂θ+ (1/2) + ½ ∂θTA(θ)∂θ (5)

A(θ) : matrice hessien de θ


SETIT 2005

La variation de D est maximale lorsque la dérivée 4.2.1 Equation électrique


de ∂D = D(θ+∂θ) – D(θ) par rapport à θ est nulle, soit : Le circuit équivalent de l'induit de la machine cc est
donné sur la figure 3 :
∂θ = - A(θ)-1 G(θ) (6) i(t)
+
La variation des paramètres suit la loi généralisée : R

θm+1 = θm - λm A(θm)-1 G(θm) (7) L


u(t)
3.4 Choix de la méthode e'(t) M
Ce choix inclut les phases suivantes (Flaux, 1994) : –
3.4.1 Phase d’initialisation Figure 3. Circuit équivalent de l'induit
L’estimation de la valeur initiale des paramètres peut
être donnée par une connaissance à priori de la réalité R : résistance de l’enroulement induit.
physique du système (Najim & Muratet, 1987). On peut L : inductance de fuite de l’induit.
également utiliser une méthode directe d’estimation
e'(t) : force contre-électromotrice.
telle que les moindres carrées.
u(t) : tension aux bornes de l'induit .
3.4.2 Phase de minimisation i(t) : courant dans l’induit de la machine.
On cherche à minimiser l’iso-distance à partir du L’équation des tensions s’écrit :
point initial, pour cela on utilise la méthode du 1er ordre
caractérisée par sa rapidité et sa forte pente.
di( t )
u ( t ) = R i( t ) + L + e' ( t ) (8)
3.4.3 Recherche au voisinage du minimum dt
L’étape précédente permet d’aboutir à un point de
l’espace paramétrique où la distance est relativement Pour un fonctionnement stable, la commande est
faible. Afin de favoriser la convergence de l’algorithme, effectuée à couple moteur constant, donc à flux
on effectue une recherche au voisinage du minimum par constant. La f.c.é.m. développée par la machine s’écrit :
le biais de la méthode de Gauss-Newton.
e'(t) = ke.φ.Ω(t) = k.Ω(t) (9)
4 Procédure de l’identification L’équation électrique globale peut alors se mettre
sous la forme suivante :
4.1 Mise en œuvre
La machine à courant continu est l’un des di( t )
u ( t ) = R i( t ) + L + k Ω( t ) (10)
convertisseurs électromécaniques les plus complexes. dt
En effet, elle est sujette aux phénomènes de
commutation provoqués par la rotation de l’arbre de la Soit en variable de Laplace :
machine, en plus du phénomène de la réaction
magnétique de l’induit (Seguier & Notelet, 1994). La U(p) = (R + Lp).I(p) + k.Ω(p) (11)
réversibilité de fonctionnement entraîne également des
états transitoires qui affectent son fonctionnement. 4.2.2 Equation mécanique
L'équation de mouvement appliqué au système
La machine cc est un convertisseur autorégulateur en d’ensemble "moteur + charge mécanique" définit les
puissance. De ce fait, la variation de la tension limites de stabilité de l’entraînement :
d’alimentation ainsi que les à-coups du couple de charge
mécanique entraînent une variation brusque du courant dΩ ( t )
dans l’induit et de la vitesse de rotation. On établit deux C m (t ) − C r (t ) = J (12)
modèles échantillonnés de la machine (Charbanou, 1998): dt
- Modèle électrique : pour le contrôle du courant Cm(t) : couple moteur appliqué par la machine.
induit et du couple moteur dans la machine. Cr(t) : couple résistant appliqué par la charge.
- Modèle mécanique : pour le contrôle de la vitesse J : moment d’inertie des parties tournantes.
de rotation de la machine. Ω(t) : vitesse angulaire de rotation.
dΩ/dt : accélération angulaire.
4.2 Mise en équation
Le comportement électrique et mécanique de la
machine cc est décrit par les équations suivantes :
SETIT 2005

Le point d’équilibre de l’entraînement correspond à : k²


J.p + f +
Cm(t) = Cr(t) ⇔ Ω = Cte. I( p ) R ch
TE (p) = =
U ( p) k²
Le couple moteur est généré par la puissance k ² + (Lp + R ).(Jp + f + )
R ch
électromagnétique transmise au rotor de la machine
(Braun, 1998). A flux constant, ce couple est
directement proportionnel au courant induit I : (19)
Pm ( t ) e' ( t ).i( t )
C m (t) = = = k.i( t ) (13) Cette fonction peut être mise sous la forme :
Ω( t ) Ω( t )
(1 + τ m .p)
Le couple résistant dépend de la charge mécanique TE (p) = A (20)
entraînée et de la nature du frottement :
(1 + τ e .p) . (1 + τ em .p)

Cr(t) = Cch(t) + Cf(t) (14) 4.3.2 Modèle mécanique


Il est caractérisé par la fonction de transfert TM(p) où
Le couple de frottement Cf(t) relatif aux essais l’on élabore la loi de variation de la vitesse Ω(p) en
usuels varie linéairement avec la vitesse (Taghezout, fonction de la commande U(p) :
1998). Cette application correspond à un frottement de
type sec : Ω( p )
TM (p) = (21)
U(p)
Cf(t) = C0 + f.Ω(t) ≈ f.Ω(t) (15)

Dans les essais, la charge mécanique est représentée Cette fonction peut être mise sous la forme :
par une génératrice à courant continu, débitant un
courant Ich à travers une résistance de charge Rch. Le Km
TM (p) = (22)
couple résistant est proportionnel au courant Ich : 1 + (Tcm + µ.Tc ).p + Tc Tm .p ²
E k²
C ch ( t ) = k.I ch = k = .Ω( t ) (16) 5 Expérimentation
R ch R ch
L’alimentation du moteur est assurée par un pont
L'équation mécanique globale peut alors se mettre redresseur suivi d’un hacheur, le courant fourni est
sous la forme : facile à lisser et cette structure présente un facteur de
puissance acceptable.
dΩ( t ) k²
J = k.i( t ) − f .Ω( t ) − .Ω( t ) (17) Pour des applications ou la récupération d’énergie
dt R ch est possible (levage, traction), on peut utiliser un
hacheur réversible en courant, la machine fonctionne
Soit en variable de Laplace : alors en moteur (quadrant 1) avec freinage par
récupération (quadrant 4).

J p.Ω(p) = kI(p) − f .Ω(p) − Ω( p) (18) Le dispositif expérimental est représenté sur la
R ch figure 5. Il assure les fonctions liées à l’identification,
au transfert de données en plus des fonctions de contrôle
4.3 Identification de la machine et de protection. Il comprend :
Les équations [11] et [18] permettent de décrire les - Un pont redresseur double triphasé à diodes PD3.
fonctions de transfert des modèles électrique et - Un hacheur série non réversible commandé.
mécanique :
- Un moteur cc lié mécaniquement à une génératrice
4.3.1. Modèle électrique à courant continu associée au même arbre.
Il est régi par la fonction de transfert TE(p), celle-ci - Une bobine pour le lissage du courant dans
met en évidence la loi de la commande agissant sur le l’induit.
courant induit I : - Des capteurs pour la mesure du couple moteur et
de la vitesse de rotation sur l’arbre de la machine.
- Des modules de mesure des différentes grandeurs
électriques et mécaniques ;
- Un dispositif d'acquisition de données ;
- Un calculateur permettant le traitement et l'analyse
des différentes mesures.
SETIT 2005

Redresseur Hacheur Machine CC


L
Source T
triphasée I
D1 D2 D3
vAN

vBN U
N E D Ω
M
vCN

D4 D5 D6 C

Commande

MOD.ELE MOD.MEC
d'acquisition

PE; U; I PM; N; Ω
Carte

Calculateur

Figure 5. Schéma du dispositif expérimental

5.1 Signal d'excitation L'analyse de l’écart Objet-Modèle permet une


Un modèle n’est réellement valable que si la identification aisée des paramètres de la machine. Les
machine est soumise aux différentes contraintes phases de convergence présentées sur la figure 6
dynamiques imposées par son service (démarrage, montre l’évolution de la recherche du niveau
accélération, à-coups de charge, perturbations de la minimum de l’iso-distance.
tension, etc.).
On choisit l’entrée la plus "sensibilisante" afin
d’exciter la machine dans le maximum de sa bande de Excitation :
fréquence (Zegrari & Badri, 2004). Le signal Réponse :
d’excitation est une succession d’impulsions modulées
Modèle – Mesure

en largeur et pratiquées sur un grand horizon de Modèle


temps. Il s’agit d’une Séquence Binaire Pseudo- convergent:
Aléatoire (SBPA), illustrée sur la figure 4. Modèle

Amplitude
(V)
+5 Fig. 6 – Résultats expérimentaux

0 Temps Figure 6. Résultat de l’identification.


discret
-5 (T)
0 5 10 15 20

Figure 4. Excitation SBPA.

5.2 Relevés graphiques


Après le démarrage et une fois la vitesse de
consigne atteinte, on applique un couple de charge
pour étudier le comportement dynamique du système.
SETIT 2005

Conclusion
La méthode présentée dans cette étude met en
évidence les techniques de programmation non-
linéaire dont la représentation répond parfaitement aux
structures des systèmes complexes telles que les
machines électriques. La modélisation de ces
dispositifs tient compte également de la réversibilité
de la machine cc, laquelle permet la récupération de la
puissance lors du fonctionnement en quatre quadrants.
Dans la même voie de recherche, la méthode du
Modèle peut également être utilisée pour la
modélisation de la machine asynchrone et développer
ainsi une stratégie performante de commande sans
capteur.

Références
J. Adersa :Pratique de l'identification, 1991.
F. Braun : Développement pour la conception d’ASIC de
commande des machines électriques, 1998.
A. Charbanou : Commande intelligente d’un moteur cc,
Thèse de Doctorat 1998.
J. M. Flaux : Régulation industrielle, 1994.
D. Landaui : Identification et commande des systèmes, 1989.
K. Najim et G. Muratet : Optimisation et commande en génie
de procédés , 1987.
J. Richalet, A. Rault et Pouliouen : Identification des
processus par la méthode du Modèle , 1997.
G. Seguier et F. Notelet : Electrotechnique industrielle,
1994.
D. Taghezout : Simulation de systèmes hétérogènes,
Revue de l'evied, 1998.
M. Zegrari et A. Badri : Identification des systèmes par la
méthode du Modèle - Optique et Traitement
d’information- FST Fès, 2004.