THESE fetus 2 Ecole Kationate Présentée par Abdelhalim TLEMCANI Ingénieur d’état en Electrotechnique de Pour Pobtention du grade de MAGISTER EN ELECTROTECHNIQUE Option : Electronique de Puissance et Commande aw Sujet Ls SUR LA COMMANDE ADAPTATIVE PAR LES SYSTEMES FLOUS : | APPLICATION A LA MACHINE SYNCHRONE A AIMANTS | PERMANENTS ; Y Soutenue publiquement le 22/12/1999 devant le jury composé de : Maitre de Conférences aE Président Chargé de Cours a "ENP Rapporteur M.S. Boucherit Maitre de Conférences 4 'ENP Rapporteur F. Boudjema Maitre de Conférences & ENP Examinateur M. Tadjine Doeteur 4 PENP Examinateur L. Neri Chargé de Cours a ENP Examinateur Laboratoire de ole National ique 10, Avenue Hassen Budi. BP- 182, EI Tatrach, Algor(ise, RESUME epige Hike Math dale 8 Reale REL IMI pS fee Je Rel Lge hea is ge Coed le bach gy pS a Ak che AL pie te pe Pel SoM AEs LAA gL poly G3 pus AY ase JN eel SAH Sa ats Leh AB BS pate he ASL g gad AR CHIH Ie Sots ASUS le fat Sat EIS pall gee Mae ALUN a yeh AULT ME AB alse AN oo? J Sc le OS IB 4 EH LIB Kal ka a Sot ag pe ait cat RI so yh Sool Alysha BU gefIGh pS e Ub Leet ke SI LS GPL! atl iy Jo IS ULE oe pity one Mah AAS Qe 2 gate SE LAE AA ale (SE age Us Ate OI Résumé: Le travail présenté dans ce mémoire concerne des techniques de commande utilisant les sysiémes flows. appliquées ka machine synchrone a aimants permanents, alimentée par convertisseur statique. La premibre partic est ceonsacrée inodlélisation cl la commande vectorietle qui permet Mobtention dan modele dynamique decouple Equivalent & celui d'unc- machine courant continu, Dans fa deuxiéme partic. nous avons abordé des notions fFondamentales de la logique foue tides aus problemes de commande, par fa suite nous avons applique ta commande par Togique floue a ki machine synehrone 8 aimants permanents. Deus méthiodes de commande ont été bards, & savone a methode de Mamdani, ainsi que la méthode de Sugeno. Dans la troisiéme partic. nous avons étudié ct développé des stratgies de commande adaptatives utilistnt fs systemes flous. Ainsi, nous nous sommes intéressés a la commande adaptative indircete ct 2 1a commande adaptative directe Les résultats de simulation obtenus ont permis I évatuation des performances de ees techniques. Mots-clés: Machine svachrune 6 aimants: permanents, Commande veetorielle, Sostémes flous, Commande par logiqne lone, Commande adaptative, Abstract: ‘The purpose of this work is to present and synthesize contrat ng fuzzy systems applicd (0 the permanent magnet synchronous machine, ‘The first part of work is consecrated to the modelisation and the vector control that allow {o obtain a dynamic decoupled muxtcl sinvlar to the DC nrachine. In the second part, main notions of fuzzy fogic related to control problem are presemed. ‘Then we apply the fiszzx control to the permanent magnet sy1chronous machine. Two control methods have been investigated. the method of Mamdani, and the other of Sugeno. tn the thitd part, we study: and design adaptive control schemes hy using fuzzy systems, ‘Thus. a indirect adaptive control and direet adaptive control schemes are developed. Sirmutation resultants arc used fo evaluate the performance and the effi Keys-I¥ords: Permanent magiet synchronous machine, Vector contre, Miz xy of the propased techniques. systems, Pussy contro, Adaptive contral,Seer n yuced Take) Le yied utara REMERCIEMENTS ES TRAVAUX présentés dans cette these ont &é effectués au sein du laboratoire de I'électronique de puissance et commande de la Direction d'Enseignement et de la recherche en Génie Electrique et Informatique de l'Ecole Nationale Polytechnique, sous da direction conjointe de Messieurs H. Chekireb Chargé de Cours @ UENP et M.S. Boucherit Maitre de conférences & VENP, & gui je présente lexpression de ma profonde gratitude pour tous les conseils ef les encouragements qu ils ‘m'omt prodigués pendant toute la durée de ee travail “Mes remerciements les plus sincéres sont adressés & Monsieur A, Hellal, Maitre de Conférences TENP, pour l'honneur qwil m'a fait en acceptant la présidence du jury de ceue thise. ‘Mes vifs remerciements vont aussi a Monsieur I. Boudjema, Mattre de Conférences & ENP pour Uintérét qu'il a porté & ce travail en me faisant Vhonneur de participer a ce jury. Je suis tres reconnaissant également @ Monsieur M. Tadjine, Docteur & VENP, pour Vintérét qu ‘ila bien voulu porter a ce travail en acceptant de siéger dans ce jury, Que Monsieur L. Nei, Chargé de Cours @ UENP soit vivement remercié pour Vintérét qu'il manifeste ace travail en acceptant a ce jury de these A toutes les personnes (dont le nombre est tres élevé pour les citer ici), qui ont contribué de prés ou de Join, directement ou indirectement & Uaboulissement de ce travail et & l'impression de cette these. Je les remercie tous, particuliérement ma famille, mes amis et le personnel de la bibliotheque de ENP. Enfin, je ne pourrais terminer ces remerciements sans une pensée a l'ensemble de mes enseignants, qui sont l'origine de tout mon savoir. Abdethalin TLEMCANTahah peed pURLigTHECUE Ecole Itationate Potytect-aigte NOTATIONS Axe direct (en quaclratnre) Tension continue a Ventrée de Vondulent Erreur filtrée Matrice de lerreur de poursnite Coefficient des frotement visquenx Conrants instantanés dans les phases du moteur Courant statorique dave direct (en quadrature) Moment d'inertie de ta partie tournante Gain du terme du mode de glissement Inductance cyclique axe direct (en queudrature) Nombre de paires de poles Régle flone Résistance dune phase statorique Couple électromagnétique Couple résistant Tensions instanmtanées statoriques anx bornes de la machine Fonetion de Lyapunov Variable d'état Signal de référence Terme du mode de glissement Matrice de fonctions flones de bases Vitesse mécanique du rotor Position électrique du rotor Position mécanique du rotor Coefficient de saillance du rotor Flux des aimants Degré de confiance d'une régle flone Exreurs de reconstruction : Bornes des erreurs de reconstruction Frreur paramétvique Matrice des gains dadaptation Gains d ‘adaptations constantsINTRODUCTION GENERALE. CHAPITRE I MODELISATION ET COMMANDE VECTORIELLE DE LA MACHIN AIMANTS PERMANENTS INTRODUCTION. 7 1.1 MODELISATION DE LA MACHINE SYNCHRONE A AIMANTS PERMANENTS 1.1.1. DESCRIPTION DE LA MACHINE SYNCHRONE A AIMANTS PERMANENTS 1.1.2, AUTOPILOTAGE DE LA MACHINE SYNCHRONE 1.1.3, MISE EN EQUATION DE LA MACHINE 1.1.4. TRANSFORMATION DE PARK oe 1.1.5, MODELE DE LA MACHINE SYNCHRONE DANS LE REFERENTIEL DE PARK 1.2. MODELISATION DE L’ ALIMENTATION DE LA MACHINE 1.2.1 MODELISATION DE L’ONDULEUR 1.2.2, PRINCIPE DES STRATEGIES DE COMMANDE. 1.2.2.1. TRCLINIQUE TRIANGULO-SINUSOIDAL 1.2.2.2. CONTROLE DES COURANTS PARITY: 1.3, COMMANDE VECTORIELLE DE LA MSAP. 1.3.1. PRINCIPE DE LA COMMANDE VECTORIELLE, 1.3.2, MISE EN (EUVRE DE 1A COMMANDE VECTORIELLI 1.3.2.1, COMMANDE VECTORIELLE PAR LA METIIODE NDIRECTE 00 13.2.2, COMMANDE VECVORIELLE A E'AIDE DE COMPARATEURS A HYS! 1.4. CONCLUSION CHAPITRE It COMMANDE PAR LA LOGIQUE FLOUE D PERMANENTS LA MACHINE SYNCHRONE INTRODUCTION ILL. RAPPELS DES PRINCIPES DE LA LOGIQUE FLOUE. 11.1.1, ENSEMBLES FLOUS 11.1.2. VARIABLE LINGUISTIQUE 11.1.3. OPERATIONS SUR LES ENSEMBLES FLOUS 11.1.4, FONCTIONS D’ APPARTENANCE. 11.1.5. PROPOSITIONS FLOUES 14 15 15 16 16 7 18Sommaire 11.2. RAISONNEMENT EN LOGIQUE FLOUE hihi Bekah tf 18 11.2.1, IMPLICATION FLOUE BISLIOTHEGEE as lP 9 11.2.2, MODUS PONENS GENERALISE, cule Natisnate Pol 19 11.2.3. MODUS TOLLENS GENERALISE fart aol lerleeeeeretee eee 20 11.3. REGLAGE ET COMMANDE PAR LOGIQUE FLOUE. facto 20 11.4. CONTROLEUR FLOU 20 11.4.1, BASE DES REGLES . 21 11.4.2, LOGIQUE DE PRISE DE DECISION (INFERENCE FLOUE) 2 11.4.3. INTERFACE DE FUZZIFICATION 22 11.4.4, INTERFACE DE DEFUZZIFICATION 22 11.5. APPLICATION DE LA LOGIQUE FLOUE A LA COMMANDE DE LA MSAP 23 11.5.1, REGULATEUR DE TYPE DE MAMDANI 23 1.5.1.1, SYNTHESE DUREGULATEUR . 23 11.5.2. LOI DE COMMANDE..... atest 24 11.5.3. REGULATEUR A TROIS CLASSES oe 28 15.3.1. Ri DE LA VITE 26 1.5.3.2. REGLAGE DE POSITION 27 11,5.3.3. SIMULATION NUMERIQUE : soc 2B 11.5.4, REGULATEUR A SEPT CLA’ ao 31 ILS.4.1, REGLAGE DE VITESSE ET DE POSTION DE LA MSAP- 3 11,5.4.2, SIMULATION NUMERIQUE 32 11.5.5. REGULATEUR DE TYPE SUGENO . . es 35 USS5.AE 8 HRS PAR APPROXIMATION 36 I.S.5.1.1. SIMULATION NIMERIQUE . 38 15.5.2 SAGE. vol 5.5.2.1. 4 HS.5.2.2. REPRE SUGENO PAR UN RESEAU ADAPTATIE . 42 5.5.2.3. ALGORITIME D'APPRENTISSAGE. 44 1,3.5.2.4. SIMULATION 0 : 47 11,5.5.2.5. RORUSTESSE 50 1.6, CONCLUSION 50 CHAPITRE It COMMANDE FLOUE ADAPTATIVE INDIRECTE INTRODUCTION, 52 II.1, COMMANDE FLOUE ADAPTATIVE BASEE SUR L’ IDENTIFICATION INVARSE : : - 53 HLA.1, ESTIMATION DES PARAMETRES DU MODELE FLOU $3 IIL.1.2. CALCUL DE LA COMMANDE 7 : 54 IIL1.3. APPLICATION A LA MACHINE SYNCHRONE A AIMANTS PERMANI 55 MLAB VITESSH 55 1.1.3.2, Re POSITION a 56paicraliilihl BIELIOTHEQUE — IIL1.4. SIMULATION NUMERIQUE Ecole Kationale Pelyteriicinus | 37 IIL.2. COMMANDE FLOUE ADAPTATIVES BASEESUR L IDENTIFICATION DIRECTE........62 11.2.1, ESTIMATION DES PARAMETRES DU MODELE FLOU . 62 11.2.2. CALCUL, DE.LA COMMANDE, 63 111.2.3. APPLICATION A LA MSAP 64 1.2.3.1, REGLAGE DE VF en 64 111.2.3.2. REGLAGE DEPOSITION 65 11.2.4. SIMULATION NUMERIQUE. : 66 111.3. COMMANDE FLOUE ADAPTATIVE INDIRECTE LINEARISANTE 1 1113.1, IDENTIFICATION DU SYSTEME A REGLER PAR LES SYSTEMES FLOUS 1 11.3.2. CALCUL DE LA COMMANDE ......c0.cs cco 72 HI.3.3. APPLICATION A LA MSAP_ . . 7 ve) M1.3.3.1. REGLAGE DE VITESSE, - B 111,3.3.2. REGLAGE DE POSITION 74 1113.4, SIMULATION NUMERIQUE 15 TH.4. COMMANDE FLOUE ADAPTATIVE INDIRECTE BASEE SURL LA MINIMISATION DE L’ERREUR D’ETAT 9 14,1, IDENTIFICATION DU SYSTEME A REGLER PAR LES SYSTEMES, FLOUS 79 11.4.2, DEMONSTRATION DE LA BORNITUDE DE L’ERREUR DE IDENTIFICATION slesleale at UL4.3. CALCULE DE LA COMMANDE 81 11.4.4, APPLICATION A LA MSAP . ecseeesenne oie 82 114.4.2. REGLAGHE DE POStTION 83 JIL4.5. SIMULATION NUMERIQUE 84 ILS, COMMANDE FLOUE ADAPTATIVE BASEE SUR LA MINIMISATION DERREUR FILTREE...... 88 11.5.1, IDENTIFICATION DU SYSTEME A REGLER PAR LES SYSTEI FLOUS. . leeal 88 IIL5.2, DEMONSTRATION DE LA BORNITUDE DE L’ERREUR D'IDENTIFICATION : : 89 J.5.3. CALCUL DE LA COMMANDE a 90, 5 DE POSTION. sescceeeese eae ou HIL.5.5, SIMULATION NUMERIQUE sevens 9D, IIL6, CONCLUSION 95. CHAPITRE IV COMMANDE FLOUE ADAPTATIVE DIRECTE INTRODUCTION, 96 1V.1, COMMANDE FLOUE ADAPTATIVE DIRECTE LINEARISANTE....... 97 1V.1.1. FORMULATION DU PROBLEME, 97 1V.1.2, SYNTHESE DE LA COMMANDE . ecccenene IT 1V.1.3. ETUDE DI ELA STABILITE, 99IV.1.4. APPLICATION A LA MSAP- PAGE DE VETE LAGE DE POSTION. IV.1.5. SIMULATION NUMERIQt 1V.2. COMMANDE FLOUE ADAPTATIVE DIRECTE IV.2.1, FORMULATION DU PROBLEME IV.2.2. SYNTHESE DE LA COMMANDE IV.2.3, ETUDE DE LA STABILITE, 1V.2.4. APPLICATION A LA MSAP. DSITION IV.2.5. SIMULATION NUMERIQUE TV.3. COMMANDE FLOUE ADAPTATIVE DIRECTE STABL! 1V.3. 1, STRUCTURE DE LA COMMANDE 1V.3.2. ETUDE DELA STABILITE 1V.3.3. APPLICATION A LA MSAP 1V.3.3.1. RF 1V.3.3.2. REGL/ POSTION, 1V.3.4, SIMULATION NUMERIQUE, 1V.4. CONCLUSION. CONCLUSION GENERALE. ANNEX REFERENCES BIBLIOGRAPHIQUES. pone lor lot 102 103 107 107 108 108 110 110 1 12 NG 16 uN7 18 18 9 120 125 126 128 R29pee Dua tae ote we auigiiaee — Ecole Rationate Polytechnique ee — INTRODUCTION GENERALE Dee ces derniéres années, le domaine d'application des machines synchrones: & aimants [permanents s'est considérablement érendu grace & Vessor de Vélecwonique de puissance. Lévolution technologique a permis & la machine synchrone & aimants permanents de retrouver la souplesse de comréle et les performances dynamiques naturellement obtenues jusqu'alors avec la machine & courant continu, sans les inconvénients liés a la présence de balais-collecteurs. Le moteur synchrone @ aimants permauents s'impose dans tes applications: nécessitam des performances dynamiques et statiques tres élevées, et plus particuliérement, dans les systemes embarqués (par exemple en aéronautique et dans le domaine aéraspatial) en raison de son rapport puissance/masse éleve Le développement des composants semi-conducteurs de puissemce fonctionnant @ des fréquences de commutation élevées d'une part, et des organes de commande numérique & fort degré d'intégration permettant far mise au point dopératenrs mathématiques compliqués dantre part, ont ouvert la voie au controle en temps réel non linéaire et multivariable des machines électriques. Les techniques de commande classiques (régulateurs @ action proportiomelle, intégrales et dérivée par exemple), nécessitent une parfaite connaissance du madéle du systeme a régler. Ces approaches conduisent a des lois de commande dont les performances sont fortement liées é la fidélité du modéle dynamique utilisé pour décrire le comportemem du systéme. Des erreurs de modélisation ou des variations paramétriques du systéme peuvent détériorer les performances du réglage puisqu'elles contribuent directement an calcul de la commande. Lorsque le conceptenr du systéme de commande cherche une meilleure robustesse vis-ci-vis d'évenelles variations paramétriques, d'autres ypes de commande intégrant les propriétés de robustesse sont alors: nécessaires. Certaines de ces commandes se basent sur une modélisation adéquate du systéme a régler et un traitement analytique & Vaide de fonctions de transferts ow d'équations d’état, Mais, dés que le systeme & régler n'est pas modélisable ou si Von renonce, pour une raison ou une autre, & établir un modéle valahle, Vimplémemation de ces lois s’avére impossible du fait qu'elles ont besoin dun modéle. Pour résoudre de els probleémes, la proposition de nowelles techniques de commande s‘avére inconionrnable En effet, un grand effort de recherche est investi pour comprendre les aspects structurels. et _fonctionnels des systémes hiologiques et en particulier les mécanismes de la pensée humaine. Cela a conduit au développement de nowelles approches qui peuvent intégrer les non linéarités et les incertitudes inhéremes au systéme réel L'une des plus attrayantes n'est autre que Vapproche lingnistique flone. Basée sur Vimitation des aspects approximatifs qualitatifs du raisonnement humain, les méthodes & base linguistique font intervenir des citations conditionnelles linguistiques du (ype «SI-ALORS» pour résoudre des problémes de décision (controle) ou pour décrire le comportement dynamique du systéme inconnu ou mal défini [Lou-97]. En 1965, Zadeh (Zad-65] public le premier article concernant une nouvelle méthode pour décri incertitudes non probabilistiques, ce qu'il appellera les ensembles flous JJan-95]. Dans cette mé il établit le lien entre les ensembles flous et la modélisation non probabilistique de incertitude gréice Gla théorie des possibilités dans laquelle les ensembles flous servent & représenter les idées dle valeurs incomplétement spécifiées, mal commes. Les ensembles flous et la théorie des possibilités sont ¢ la hase d'une méthodologie de représemation et d'utilisation des connaissances imprécises, vagues etIntroduction Générale incertaines qne Zadeh appelle ta théorie du raisomement approximatif et qui est plus comme sous le vocable de logique floue. La phupart des approches linguistiques sont hasées sur te modéle de Memdani, ce dernier consiste & formuler un ensemble de régles de décision en termes linguistiques utilisant des ensembles flous pour décrire Vaction & prendre en fonction des valeurs linguistiques des variables d’entrée, Ce modéle est wes répandu lorsqu'une description linguistique du comportement, que doit réaliser le régulatenr, est disponible [Wat-97]. 1) ‘autrex méthodes sont développées en se basant sur unr modéle appeté modéle de Sugeno. Ce modéle est caractérisé par des réyles de décision ot Vantécédent est linguistique et la conséquence est mumérique. Le modéle flow de Sugeno est souvent utilisé pour les problémes d'idemification, d approximation ou de compensation de fonction non linéaire income. Le véritable essor des systémes flous en automatique ne remonte qu'aux dix derniéres années, Cet essor a nofamment été favorisé par le succes de l'application des systémes flous & divers secteurs de Vindustrie [Men-95], particuliérement grace a Veffort de promotion des Japonais. Devant cette passion des Japonais pour les nowvelles technologies, et plus particuliéremem pour la logique flone, des groupes de recherches spécialisés ont vu le jour sur tous les continents, C'est ainsi que divers développements son réalisés, qu'ils soient fondamemanx, tels que les théorémes dapproximation universelle ou plus technique, tels que les méthodes d ‘appremissage. Ces apports ont un impact direct sur les applications des systémes flous & Vautomatique. Ainsi, les ravanx présentés dans ce mémoire ont pour objectif d'utiliser des systémes flous pour développer des commandes adaptatives de hates performances de ta machine synchrone & aimants permanents, alimentée par onduleur de tension. A cet effet, notre mémoire est divisé en quatre chapitres Le premier chapitre est consacré @ la modélisation et & la conmande vectorielle de la machine synchrone & aimants permanents, En premier lien, nous donnons une description de la machine et son principe dauopilotage. En seconde lien, nous présenons le principe de la commande vectorielle de la ‘machine synchrone é aimants permanents. Le deuxiéme chapitre présente Vapplication de la logique floue & la machine synchrone & aimants permanents. Au début, sont exposés les concepts de bases de ta logique floue liés aux problemes de commande, Par la suite, le réglage de vitesse et de position par des régulatenrs flous de Iype Mamdani est étudié lorsque les variables d'entrées et de sortie sont représentées respectivemen par trois et sept fonctions d’appartenance. Ensuite et afin doplimiser le nombre de régles du régulateur flou, nous exploitons les régulatenrs flous de Sugeno, 1.es parametres des prémisses et des conclusions des régles floues de Sugeno som déterminés en se hasant sur les dormées entrées-sorties fournies par les ‘régulateurs flous, symthétisés en wilisan le mode de raisormement de Mamdani. Le troisiéme chapitre est consacré an développement de cing stratégies de commande floues adaptatives indirectes. Ein premier lien, nous proposons trois techniques de commande. La premiere est basée sur Videntification inverse de la dynamique du systeme & régler. Tandis que ta deuxiéme repose sur Videmification de la dynamique directe. La troisiéme est la commande flone adaptative indirecte linéarisante. En seconde lieu, nous proposons deux autres techniques de commande floues adaptatives indirectes. Cetles-ci exploitent ta théorie de Lyapunov dans Uélaboration deta loi adaptation paramétrique. Dans le quatriéme chapitre, nous proposons trois techniques de commande floes adaptatives directes. Pour ces techniques de commande, la théorie de Vapproximation et celle de Lyapunov sont mises en contribution pour éablir ane loi de commande assurant ta stabilité en boucle fermée ainsi que la convergence asymptotique vers zéro de l'erreur de poursuite. Enfin notre mémoive est cloturé par une conchision générale et des perspectives pour une éventnelle cominuité du présent travail.MODELISATION ET COMMANDE VECTORIELLE DE LA MACHINE SYNCHRONE A AIMANTS PERMANENTS INTRODUCTION P' 77 & petit, griice aux progres de Vélectonique de pnissemce et Vinformatique, le moteur synchrone & aimants permanents s'impose. Lapparition daimants performants et le développement des composants-d électronique de puissance sont les raisons qui ont poussé. un bon nombre de cherchenrs et industriels é se lancer dans des investigations dans le domaine des associations convertisseurs. staiques-machines. synchrones. aimants permanents, La premiére énape de la synthese d'nne lot de commande est ta modilisation du procédé & conréler Le modéle doit étre capable de représeter les différentes dynamiques présentées, tout en ayant une structure compatible avec le calcul de le loi de commande. La machine srnchrone & aimants pernunents est un systeme complexe, car, de nombreux phénomenes compliqués intervierment dans son fonctionnement, comune la saturation, les courants de Foucauls ete. Cependam, nous wallons pas tenir compte de ces phénoménes, car, d'une par, leur formulation mathématique est difficile, d'autre part, leur incidence sur le comportemem de la machine est considérée comme négligeable, dans certaines conditions. Ceci nous permet d'obtenir des équations simples, qui traduisend fidélement le fonctionemen de la machine: Comme te modéle du moteur syuchrone @ aimants permanents correspond é un systéme multivariable et fortement couplé, te comréle veetoriel est indispensable pour des nombreuses: strates commande linéaire. 11 suffit de réatliser une commande découplée et on obtient une expression du couple identique @ celle d'une machine @ courant continu : le couple est commandé par le courant slatorique aprés hypothese de stationnarité die courant iG zéro. Les svstemes industriels, uilisent des motenrs synchrones alimeniés par ondulenr de tension, permettent actuellement datteindre de. performances statiques et dynamiques élevées grace & Vemploi de la commande vectorielle. Ce chapitre est consucré & ta modélisation et a la commande vectorielle de la machine synehrone é aimanis permanenis. Dans la premiére partie, nous présemons la modélisation de la MSAP alimentée par convertisseur statique, le principe d'autopilotage et les différemes stratigies de contrile de Vondulenr @ savoir, te controle des conrants par hystérésis ainsi que le contrite par la technique triangulo-sinusoidale. La deuxiéme patrie est consucrée Vétude de la commande veetorielle de le MSAP.Chapiire £ modelisation ct commande vectorielle de la machine synchrone 4 aimants permanents J.1 MODELISATION DE LA MACHINE SYNCHRONE A AIMANTS PERMANEN 1.1.1, DESCRIPTION DE LA MACHINE SYNCHRONE A AIMANTS PERMANENTS Les machines synchrones que nous considérons sont munies au rotor dun systéme d’aimants assurant une répartition d’induction sinusoidale dans I'entrefer. L’effet de ce systéme d’aimants peut étre assimilé a celui d’un bobinage alimenté par un courant continu constant (figure 1.1), I existe deux principaux types de machine synchrone & aimants permanents Les machines synchrones @ aimants montés en surface : Ces machines se caractérisent par un tres faible taux de saillence ( p =11/1,21 ), et des inductances synchrones ayant des valeurs beaucoup plus petites que celles d’une machine synchrone rotor bobiné a cause de fa trés faible perméabilité relative des aimants terre-rarre utilisés dans ce type de machine [Rob-93/ Les machines synchrones & aimants permanents emerrés : Ces machines ont un coefficient de saillance supérieur 4 Punité (9 =L4/.q > 1). Ce coefficient peut atteindre des valeurs élevées (de Vordre de 5). D'autre part, les inductances /., et /,, de ces machines sont plus élevées que celles des machines 4 aimants montés en surface [Rob-93/. La machine utitisée pour notre étude est un moteur 4 distribution sinusoidale qui se distingue * Par Pabsence de tout dispositif auxiliaire au niveau de Pinducteur constitué par Paimant permanent (flux excitation constant) * Par Fabsence des amortisscurs. Done, sculs les enroulements de | courants induit sont parcourus par des En raison de Pabsence des piéces polaires, cette machine & une structure a pales lisses, dont les aimants sont de type terre-rarre 7g \2 Figure 1.1: Sch ma dune machine synehrone sans amortisseurs. 1.2. AUTOPILOTAGE DE LA MACHINE SYNCHRONE, La caractéristique couple-vitesse d'une machine synchrone alimentée a pulsation statorique ae constante'est représentée sur la figure (1.2) ott Tings désigne le couple maximal, La vitesse d'une telle machine est fixée uniquement par sa pulsation d’alimentation et son nombre de paire de péles. Elle est telle que @, = p2 Cette caractéristique pose donc le prabléme de démarrage (pas de couple 2=0) En effet le couple électromagnétique résulte de interaction de deux champs tournants fondamentaux, oréés l'un par le stator 2, et l'autre par le rotor B,Chepitre f mmodélisation et commande vectorielle de la htachine synchrone é aimants permanents of DP re 1.2 : Caractéristique couple vitesse d’un moteur synchrone & @, constante Pour résoudre le probléme de démarrage il faut imposer la loi @, = p@ en asservissant In pulsation alimentation 9, la vitesse Q du rotor. Il y a done translation automatique de la courbe couple vitesse de la figure (1.2) [Gre-97) 1.1.3. MISE EN EQUATION DE LA MACHINE Pour établir des relations simples entre les tensions dalimentation du moteur et ses courants, utilisons les hypotheses simplificatrices suivantes (Gre-97] nous © On néglige Ia saturation et hystérésis du circuit magnétique, ainsi que les pertes par courants de Foucault, ce qui permet I'établissement des relations lingaires entre flux et courant * On suppose Ia distribution de la fim.m est premiére harmonique d’espace (fondamental), wusoidale, ce qui permet de ne considérer que la * La machine est équilibrée. Nous considérons le modéle du moteur synchrone @ rotor bobiné que nous patti uularisons par la suite en posant le courant d’excitation 7, constant dans les équations (figure 1.1). Les équations de la machine synchrone triphasée sans amortisseur s crivent /Bar-82], [Sug-81] Wb Se) 20M a 2 | Web. i iT [r]=Diaglr, RR, R,] avec 1+Tcos2) MN ‘novola + } 1, te0n{~ arena) | 2 3 at co(0,) wyen(a 2) cof 0, +2) 1, ; As, + Fyeask20,) ayeo(a, Ws Mar ona -%) Mertens) I,CRapitre 1 tnodélisation et commande vectorictte de la machine synchrone a aimants permanents. Dans l’équation (1.1) R, représente la résistance d'une phase de Pinduit Ryreprésente la résistance du bobinage inducteur LL, et 1, +1, sont les valeurs minimum et maximum de Vinductance propre d'une phase de Pinduit M, est la valeur maximale de Pinductanee mutuelle entre deux phases de Minduit Mrest la valeur maximale de l'inductance mutuelle entre Pinducteur et une phase de Pinduit 0, est la position du rotor par rapport au stator Tom est le couple électromagnétique. 1.1.4, TRANSFORMATION DE PARK Pour éliminer 0, de {/.], et afin que les algorithmes de commande traitent des grandcurs élex continues, les enroulements statoriques («.h.c) sont remplacés par deux enroulements (dq) en quadrature (figure 1.3). Le passage des grandeurs électriques du stator (a.h,c) aux grandeurs électriques (dg), qui assurent la conservation de la fmm et de la puissance instantanée, est obtenu par la transformation de Park {Bar-82), [Seg-81), [Gre-97]. Figure 1.3 : Référentiel de Park La matrice de passage notée /°(@, Jest la suivante /Bur-82/, |Seg-81], [Pil-88], [Pil-89) cos(0,) onl 2) on(a, 22) 3 sis(0,) ona, 2) suf, 125) (1.2) r0, 7 2 i 2 La transformation inverse de Park s'effectue par la matrice suivante /Pil-88], [Pit-89]Chpitre 1 modélisotion et commande vectorielte de ta machine synchrone 4 aimants permanents co@,) vin(0,) I } 0) onl, 25) t (3) onl 7) 7 {el que la position @, est définie par 8, = Jo.()dz (4) LS. MODELE. DE LA MACHINE SYNCHRONE DANS LE REI RENTIEL DE PARK. La transformation de Park raméne les éqjuations statoriques (1.1) dans un obtenons un schéma équivalent représenté 4 la figure (1.4) ferent au rotor. Nous Se ure 1.4 : Schéma équivalent de la machine synchrone dans le référemtiel de Park La machine équivalente de la figure (1.4) est identique & une machine courant continu ayant Venroulement f comme inducteur ct ayant deux induits en quadrature. Pinduit o étant dans axe de Pinducteur fet Vinduit ¢ en quadrature avec f Le passage du systéme triphasé au systéme (d,q) lié au rotor (Figure 1.4), se fait en utilisant les relations suivantes boo oP =PO Ib») Be aT =P i) «sy lo, o oJ =r0,)o, 0) Les équations (1.1) prennent alors la forme suivante dans le référentiel de Park Rothys ~pQh, Ms Vi v, f=] ple Roth pQM, |i 6) Ry Ades hy Maly a)Chopitre 1 modelisation et commande vectoriclle de la machine synchrone 4 aimants permanenis Ou Dans un moteur synchrone a aimants permanents, fe flux engendré par les aimants est constant. Le modeéle de ce moteur s‘obtient done en posant jj constant, nous obtenons les Equations suivantes [Pil-88], [Liu-88], [Pil-89], [Mor-90] vw] [Reals -paL,yi,| | 0 7 ofl, (18) v || pQh, RK. +h,s pQw, y 3 a= ploy ly-t)un) w) L’équation d”équilibre entre le couple moteur et le couple opposé par la partie mécanique du systeme a fa forme suivante ia dt EO-p] Hrmnnse inet nn Ci y, fnet “ sane () 0 e ‘ake | e110: schéma global de la commande vectorielle par la méthode directe de la MSAP. - a ~ 12Chopitre T mtr cine ainsi nb il eine 1.3.2.2, COMMANDE. VECTORIELLE A IDE. DE COMPARATEURS A HYSTERESIS. _La structure de cette commande peut étre décrite par le schema de Ia figure 1.11, Le régulateur de vitesse (position) obtient In différence entre Ia grandeur de consigne et la grandeur mesurée, Ce régulateur fournit & sa sortie le courant #7 désiré. En fimitant i; a des valeurs maximale et minimale admissibles, on obtient une limitati n du courant réel i,. Les courants de références sont obtenus & partir de iy. et i, par une transformation de coordonnées (lg-ahe). Ces valeurs sont comparées aux. valeurs mesurées pour fixer la commande de chaque bras de Nonduleur. Bs eS ube Que | Régulacur de aH iss de Buy *| position Figure 1.11 : Structure globale de la commande vectorielle a l'aide de comparateurs a hystérésis, 1.4, CONCLUSION Dans fa premiére partie de ce chapitre, nous avons fait la modétisation de la machine synchrone & aimants permanents associée 4 un onduleur de tension. Afin d’analyser le comportement dynamique de Passociation onduleur de tension machine a aimants permanents et de travailler au niveau des algorithmes de commande avec des grandeurs continues, le modéle de Park de la MSAP est adopté. Ce modéle a permis une réduction notable de la complexité de !a résolution des équations différentielles du systéme. Deux stratégies de controle de londuteur ont été synthétisées a savoir, la strategie de contrdle des courants par hystérisis, et la technique triangulo-sinusoidale. Pour améliorer le comportement dynamique et statique de Ia machine synchrone a aimants permanents, la deuxiéme partie de ce chapitre a ét8 consacrée a l'étude de la commande vectorielle. Deux structures de commande ont été synthétisées, a savoir la structure de commande par fa méthode directe et celle a l'aide de comparateurs a hystérésis,COMMANDE PAR LA LOGIQUE FLOUE DE LA MACHINE SYNCHRONE A AIMANTS PERMANENTS INTRODUCTION Coma 4n processus par des méthodes: classiqnes (régulation @ action proportiomielle, intégrale et dérivée par exemple) implique ta connaissance des différems paramétres qui peuvent influer sur celui-ci et agir en conséquence afin de comtraindre le systeme & atteindre Vobjectif fixe. Seulement cette connaissance est souvent entachée d’erreurs et Wimprécisions qui accompagnent toute modslisation de processus, De plus le conplage existant entre les variables du systéme (interaction entre les variables a commander) rend le contrale plus difficile. Il est possible de résoudre ce probléme en wilisart des méthodes de commande dites robustes et la logique floue en est une. La théorie de ta logique floue a été émise an milieu des années soixamte a Vuniversité de Berkeley en Californie par le professeur Lotfi A. Zadeh, Le texte Fuzzy sets a parn en 1965 dans-la revne Information and control. I est considéré généralement comme le début de la théorie La logique floue suscite actuellement un innéro1 général auprés des chercheurs et des industriels, mais plus généralement auprés de fous ceux qui épronvent le besoin de formaliser des méthodes empirigues, de généraliser des modes de raisormement naturels, d’antomatiser la prise de décision dans leur domaine, de construire des. systémes artificiels effectuant les téches hahituellement prises en charge par les humains (Men-95}. Jin effet, la logique lone a été introduite pour approcher le raisonnement Immain & Vaide d'une représemation adéquate des connaissances. Son intérét révide dans sa capacité 4 traiter Vimprécis, Vincertain et le vague. Hille est issue de la capacité de Vhomme @ décider et agir de fagon pertinente makgré le flou des connaissances disponibles [Sch-95]. Le souci d'une vaste wilisation de Vinmelligence humaine a poussé les chercheurs an développement algorithmes lous. Ces derniers sont de plus en plus appliqués dans divers domaines, en raison de la simplicité de leur mise au point et de la non nécessité de la modélisation du processus. Dex applications de la commande existent maintenant dans des domaines tes variés, On peut citer par exemple le contréle des bras-robots, de machines-outils, d'usines (cimenteries, usines de traitement des eaux, réacteurs chimiques, usines chimiques), des véhicules sans pilotes, d’appareils photographiques, d'appareits. électroménagers, d’installations: domestiques: (climatisation, douche) [Meu-95]. Le but de ce chapitre est de présemer un bref rappel sur lex ensembles flous et un apergu général str Ja logique flone, ainsi que son application pour le réglage de la vitesse et de ta position de la machine synchrone a aimants permanents, Ein premier lien nous introduisons quelques notions de la logique floue, nous nous limiterons aux propriétés essemtielles. Fn seconde lien, cette technique de commande est appliquée an réglage de vitesse et de position de fa MSAP.Sate Commande par fa logique floue de la machine svnchrone a aimants permanents IL, RAPPELS DES PRINCIPES DE LA LOGIQUE FLOUE Dans la perspective des sciences de lingénieur, on peut admettre que dans les situations oii les méthodes traditionnelles de modélisations 4 partir d’observations physiques s’avérent_non- satisfaisantes, les sciences subjectives, particuliérement la logique floue, peuvent rendre beaucoup de services, dés lors que les connaissances sur la fagon de résoudre un probléme, de piloter un grand systéme, d'effectuer un réglage ... etc sont disponibles, Cela suppose que l'on sache définir des meéthodes rigoureuses de représentation des connaissances, En pratique, la résolution d'un probleme coneret peut avoir recours a l'utilisation conjointe des méthodes objectives traditionnelles et celles subjectives. La logique floue offre un cadre formel, qui n’existait pas auparavant, pour mettre en ceuvre de telles méthodes de facon rigoureuses, Cette section est consacrée & la présentation des bases fondamentales de la logique floue ainsi que leurs utilisations pour représenter le raisonnement approximatif basé sur les expressions linguistiques. IL.1.1, ENSEMBLES FLOUS La notion d’ensemble flou a pour but de permettre des gradations dans l’appartenance d’un élément a une classe, c’est-a-dire d’autoriser un élément & appartenir plus ou moins fortement A cette classe, par exemple, un individu d’une {aille donnée n’appartient pas du tout a la classe des «grands» s'il mesure 15 m, ily appartient tout a fait s'il mesure 1.8 m, plus sa taille se rapproche de 1,8 m, plus son appartenance a 1a classe des «grands» est forte. Cette notion permet l'utilisation de catégories aux limites mal définies (comme «vieux» ou cadultey), de situations intermédiaires entre le tout et le rien (presque vrain, le passage progressif dune propriété & une autre (passage de «tiéde» 4 «chaud» selon la température), Putilisation de valeurs approximatives («environ 12 ans»). Fille évite Putitisation arbitraire de limites rigides & des classes (Mew-95). Afin de mettre en évidence cette notion, on introduit les définitions suivantes. Soit un ensemble de référence X continu ou discret objets dénotés {x} = Unensemble classique A de X est défini par une fonction caractéristique 4, qui prend la valeur 0 pour les éléments de X n’appartenant pas 4 A et ta valeur 1 pour ceux qui appartiennent 4A [Meu-93], [Kan-96] (figure 11.1) ny: X > {0} aly = Unensemble flou Ade X est définit par une fonction d'appartenance qui associe a chaque élément x de X, le degré j1,(x), compris entre 0 et 1, avec lequel x appartient a A (figure I.1.b) [Meu-93}, [Jan-95}, [Mat-97], [Kau-96]. [Gha-96}. ay: Xfi] (u.2) Cet ensemble flou A peut étre représemté comme un ensemble de paires (élément générique, degré d'appartenance) ordonnées [Jan-95), [Lit-96] A=(xu Qe) rex} (3) On adopte souvent la notation suivante pour représenter ensemble A, qui indique pour tout élément x de X sondegré w(x) d’appartenance a A [Jan-95), [Meu-93] A=D i Mal)/x, si X est discret aay A= fen (x)/x, si X est continuclelaleeebarel aonmanide par la logique floue de la machine senchrone @ aimants permanents. # “ @ * 1} i Figure I1.1 : Exemple de fonction d’appartenance (a) logique clas que (b) logique floue 1.2. VARIABLE LINGUISTIQUE La description d'une certaine situation, d'un phénoméne ou d’un procédé contient en générale des expressions floues comme [Biih-94] = quelque, beaucoup, souvent * chaud, froid, rapide, lent * grand, petit, etc Les expressions de ce genre forment les valeurs des variables linguistiques de la logique floue. Une variable linguis ique est représentée par un triplet (I,X,7;-), dans lequel ’ est une variable (la vitesse, la température ...) définie sur un ensemble de référence .Y , sa valeur peuvent étre n'importe quel élément de Y On note 7;,(4,,43,...) un ensemble, fini ou infini, de sous-ensembles flous de X’, qui sont utilisés pour caractériser 1”. Afin de permettre un traitement numérique, il est indispensable de les soumettre a une definition a l’aide de fonctions d’appartenance /Meu-93], [Bith-94] Par exemple, si la vitesse est interprétée comme une variable linguistique, alors son ensemble de termes Tivisse) = lente, moyenne, rapide ...} oi1 chaque terme est caractérisé par un ensemble flout. Ces termes peuvent étre définis comme des ensembles flous dont fes fonctions dappartenance sont montrées sur la figure 11.2 Mesterse 1 lente moyenne rapide o5 | eee — Ss “ ¥% i Aan Figure 11.2 : représentation graphique des termes linguistiques 11.1.3. OPERATIONS SUR LES ENSEMB: FLOUS, Puisque les fonctions caractéristiques des ensembles flous sont graduelles, extension de certaines opérations définies sur tes ensembles classiques au cas des ensembles flous pose certaines difficultés. Done, il n'est pas possible d’appliquer directement fa logique proportionnelle qui manipule des ensembles & fonctions caractéristiques binaires (0 ou 1). Pour pallier & ce probleme, sont introduites les définitions d’outils nécessaires au traitement des ensembles flous [Rith-94], [Mew-93], [Kau-96), [Ket-92}, [Sch-95]. Soient Aet 8 deux ensembles flous dans ¥ ayant respectivement 1, et sty comme fonction @appartenance. L’union, l'intersection, et la complémentation des ensembles flous sont définies & Paide de leur fonction d’appartenance /Mew-95}, [Jan-95], [Sur-96]pomenvernsaptaes Seaperereenaresrantmngoncemernennmanein ee ee RC HTPORE € THROES PCYMARCHIS: Définition 1: Union (Disjonction) L’union de deux ensembies flous Act 3 de X est Pensemble flou constitué des éléments de X affectés du plus grand de feurs deux degrés d’appartenance. Elle est définie comme Pensemble flou C= AUB, tel que vreX y,.(x) malt Mel) (us) Définition 2 + Imersection (Conjonetion) Liintersection de deux ensembles flous Act # deX est l'ensemble flou constitué des éléments de % affectés du plus petit de leurs deux degrés d’appartenance. Elle est définie comme Mensemble /), tel que VreX pty, (e)=min(w (x), (0) (6) Définition 3: Complémentation La fonction d’appartenance y.,du complément d'un ensemble flow A est définie, pour tout x ©, par 1 (r= 1 w(x) a7) Définition 4: Produit cartésien Soient 4),4;,...4, des ensembles flous dans ¥,.1'p....X,, respectivement. Le produit cartésien de Ay Aza, est un ensemble flou dans Mespace produit de X;.X),.X,,, ayant pour fonction d’appartenance Ha acina, = Mints (tla, (bonny, (&,)) (ils) Définition § : Relation flone Soient mm, m2, ..., wn des univers de discours, Une relation floue est un ensemble flou dans My My X11, exprimé comme suit Rujetigrcatty AG ayy bie C2. MO Lavy) Uy Uy UP as) Définition 6 : Composition des régles flones SiR et Ssont deux relations floues dans respectivement (J x et V x} la composition de ces deux relations est une relation floue dénotée par KoS et elle est définie par ROS = (OW). supp min, UV a UW ane U,vevweW)} (10) 11.1.4, FONCTIONS D’APPARTENANCE Une définition des variables linguistiques a l'aide des fonctions d’appartenance est nécessaire dans le but de traiter des déductions floues par calculateur. Dans ce contexte, est altribuée a chaque valeur de la variable linguistique une fonction d'appartenance 1, dont la valeur varie entre 0 et 1 Le plus souvent, nous utilisons pour Ies fonctions d ‘appartenance les fonctions suivantes /Jan-95/, [Biih-94] (figure 11.3). * Fonction triangulaire : L’allure est completement définie par trois paramétres {cr,b,c} _ 17\eelesleleemee/eren pee ee aac tae eee et eld eee eee als) = mar nn = £ =} au hb-a'e-b. * Fonction tapézvidale Elle est définie par quatre paramétres {a,h,c.d} ns) rin 112] boa a = Fonction gaussienne ; Elle est définie par deux paramétres {yr ,o}. (cm)? M(x) = exp) -S 13) 2o * Fonction en forme de cloche : Elle est définie par deux parametres {vy a} 1 : (14), “4 (5 ) a = Fonction trigonométrique : Elle est définie par deux paramétres {ry ,a} oe). Ny 2a SxS, 42a (ats) * Fonction sigmoidale : VMe est définic par deux paramétres 1 u(x ) = ——______ 11.16) He) ate) 11.1.5. PROPOSITIONS FLOUES 1. Propositions floues élémentaires Une proposition floue élémentaire est définie & partir d'une variable linguistique (¥,,7;-) par ta qualification «V est A», pour une caractérisation floue A, appartenant a Ti [Mew-93]. 2. Propositions floues générales Une proposition floue générale est obtenue par la composition de propositions floues élémentaires «Vest Av, aW est By... pour des variables linguistiques V, W .,. [Mew-93/ Plus généralement, on peut construire des propositions floues par conjonetion, disjonction ou implication, par exemple de la forme «si V est A et IV est B alors (/ est C» (si la taille est moyenne et le prix est peu cher, alors l'achat est conscillé), 1.2. RAISONNEM z FLOUR Les ensembles flous sont des éléments importants de la représentation des connaissances imparfaitement définies. Pour raisonner sur de telles connaissances, ta logique classique ne sulfit pas et on utilise une logique floue, lorsque les connaissances sont imprécises, vagues et éventucllement incertaines. ENT EN LOGIQUChapitre I Commande par la logique floue de la machine synchrone @ aimants permanents cidade fonction triangulaire it fonction tray 1 ae Oat ou | A fonction ganssienne 1A fonction sigmoldale oxy Figure 11.3 : Formes usuelles des fonctions d’appartenance. 1.2.1, IMPLICATION FLOUE Considérons une régle loue de Ia forme «si Vest A alors H est By, construite @ partir de deux variables linguistiques (”,¥,7;,)et(W.¥.7i;). L’implication floue est un opérateur qui permet d’évaluer fe degré de _—-vérité entre ‘les_— propositions —floues_—_—élémentaires «¥ est Ay et «WW est By A partir des valeurs de Ia prémisse dune part, et de celle de la conclusion autre part (Meu-93]. Halssy)= tore) tty) (a7) Les opérateurs les plus utilisés en commande floue sont les implications de Mamdani et de Larsen * Implication de Mamdani HG) = mine (ru) (ii8) + Implication de Larsen Has)= Ha ldennl) ati9y En logique classique le modus ponens permet, a partir de la régle «si Xest A alors ¥ est» et du fait «X est A» de conclure le fait «Y est B» .2. MODUS PONENS GENERALISE nanens — “19‘ieee! sicagrimeevenronerratrmmmamnnnene tire! ono ermine a TE SPUCHORE 42 GIMOTES PETHIANCHN Zadeh a étendu ce principe au cas de la logique floue, principe que lon rappelle alors modus ponens généralisé. Ce principe se résume comme suit (Mew-93), [L.ce-90] Rogle flone : si X est A alors Y est B Fait observe: X est A Conclusion : ¥ est B 11.2.3. MODUS TOLLENS GENERALISE Le principe du modus tollens généralis Régle floue : si X est A alors Y est BB Fait observé - ¥ est B Conclusion : X est A se résume comme suit /Meu-93), [Lee-90] 11.3. REGLAGE ET COMMANDE PAR LA LOGIQUE FLOUE, La commande par la logique Moue a le méme but qu'une commande réalisée en automatique classique Elle en différe cependant sur les points suivants (Meu-93), [Bith-94). [Ket-92]. + La connaissance mathématique du fonctionnement du processus n’est pas nécessaire * La maitrise du systéme a régler avec un comportement complexe (fortement non linéaire et difficile 4 modéliser) * L’obtention fréquente de meilleures prestations dynamiques (régulateur non linéaire) + Piloter un processus en utilisant les connaissances ef 'expérience dun opérateur humain qualifié «expert», les connaissances de l'expert sont schématisées & laide d’un ensemble de régles de conduite basées sur un vocabulaire symbolique. + Le régulateur par la logique floue ne traite pas une relation mathématique bien définie (algorithe de réglage), mais utilise des inférences avec plusieurs régles, se basant sur des variables linguistiques. 11.4, CONTROLEUR FLOU La figure 11.4 montre ta configuration interne d°un régulateur par la logique floue /Ket-92), [Biih-94], [Meu-93}, [Jan-95], [Mat-97], |1ai-96], [Bet-98]. Contréleur flow Base des i | régles | Interface de Interface de fuzzification défuzzification Logique de prise i de décision | ! (nférence) — Processus - sortie (non floue) Commande (non floue) Figure 11.4: Schéma synoptique générale d'un contrdleur flow -~ nna 20)eat Commande par ta logique flone de la machine svachrone @ aimants permanenis Ce schéma est composé dune base des réxles, qui contient la définition des termes utilisés dans la commande et les régles caractérisant la cible de la commande et décrivant la conduite de expe! + dune logique de prise de décision, qui transforme a aide des techniques de raisonnement flow la partie flouc issue l’inférence de fuzzification, en une nouvelle partie floue; * d'une interface de fuzzification, laquelle permet de transformer les grandeurs mesurées entrée en des grandeurs floues, et d'une interface de défuzzification la sortie, laquelle détermine une action précise a partir des descriptions floues des variables de sortie. 4.1. BASE DES REGLI Ces régles permettent de déterminer le signal de sortie du contrdteur en fonction des signaux d'entrée, elles sont exprimées sous la forme «87 ~ ALORS », titre d’exemple, peut étre la suivante R,: Sl x, est A, et..ct x, est A Alors yest B, ou sous la forme de Sugeno Ry: Shx, est A, eb etx, est A Ale) Alors avec : f,(x) est un polynéme -4.2. LOGIQUE DE PRISE DE ISION (INFERENC LOUE) La logique de prise de décision est le noyau du contrdleur flou, elle est capable de simuler la prise de décision de V’étre humain en se basant sur les concepts flous et les régles d'inférence en logique floue {Men-93], [Ket-92] Dans les régles floues interviennent les opérateurs «J et «Un. Lopérateur «fT» s*applique aux variables 4 Vintérieur d'une régle, tandis que Popérateur «Ol» lie les différentes régles, il existe plusicurs possibilités pour interpréter ces opérateurs, Pour le réglage par logique floue, est utilisée en générale une des méthodes suivantes © Méthode d’inférence max-min (méthode de Mamdani) La méthode d’inférence max-min, réalise, au niveau de la condition, Vopérateur «/:7> par la formulation du minimum, La conclusion dans chaque régle, introduite par «Alors», lie le facteur @appartenance de la prémisse avec la fonction d’appartenance de la variable de sortie, réalisé par la formation du minimum. Enfin lopérateur «OU» qui tie les différentes régles est réalisé par la formation du maximum /8ih-94], /Meu-93] © Méthode d'inférence max-prodnit (méthode de Larsen) La méthode d’inférence max-produit réalise, au niveau de la condition, Vopérateur «/27 par la formation du produit, La conclusion dans chaque régle, introduite par «Alors», est réalisée par la formation du produit, L’opérateur «OU» qui lie les différentes régles est réalisé par la formation du maximum /Biih-94), [Mew-93]. + Méthade de Sugeno Lopérateur «75 est réalisé par Ia formation du minimum, la conclusion de chaque régle floue A une forme polynomiale, La sortie finale est éyale a la moyenne pondérée de la sortie de chaque révte floue [Sug-88]. — 21Sere sslaapatarensieguteullereraleniclones*andt oan actchesmalameslsuadienadoanciehealsenchenamlsatdeaachenenlertabeenatpendunaedeatsensdl 11.4.3, INPERFACE DE FUZZAFICATION Linterface de fuzzification inclut les fonctions suivantes /Bith-94/, [Meu-93], [Ket-92] + Mesure des variables d’entrée = Représentation d’une cartographie d’échelle transférant la plage des variables d'entrée aux univers de discours correspondants. = Transformation des variables d’enirée en variables linguistiques avec Ia dé d’appartenance. lion des fonctions 11.4.4, INTERFACE DE DEFUZZIFICATION Pour pouvoir définir Ia loi de commande, le contréleur flou doit étre accompagné d’une procédure de défuzzification jouant le réle de convertisseur de la commande floue en valeur physique nécessaire pour un tel état du processus. Une stratégie de défuzzitication est alors nécessaire Plusieurs stratégies de défuzzification existent, les plus utilisées sont /Bith-94), [Ket-93), [Lce-90]. = Méthode du maximum * Méthode de ta moyenne des maxima = Méthode du centre de gravité © Méthode des hantenrs pondérée © Méthode du maximum Cette stratégie génére une commande qui représente la valeur maximale de la fonction d’appartenance résultante issue de inférence, Cependant, cette méthode présente un certain inconvénient lorsqu’il existe plusieurs valeurs pour lesquelles la fonction d’appartenance résultante est maximale. © Méthode de ta moyenne des maxima Cette méthode génére une commande qui sepréscnte la valeur moyenne de toutes les valeurs pour esquelles la fonction d’appartenance-résultante est maximale. © Méthode du centre de gravité Cette méthode est fa plus utilisée dans les contrdteurs flous, elle génére le centre de gravité Pde la fonction d’appartenance issue de linférence Lrabscisse du centre de gravité peut étre déterminée 4 Vaide de la relation suivante /Men-95), [Biih-94], [Sur-96] 7 Jor Q)dy Jb) Liintégrale au dénominateur donne la surface, tandis que Vintégrale au numérateur correspond a ‘moment de la surface y (20) La détermination du centre de gravité nécessite une envergure de calcul assez importante, surtout pour Pexécution en temps réel, De ce fait, cette méthode est fa plus cofiteuse en temps de calcul © Méthode des hanteurs pondérées Au fond, cette méthode n'est rien d’autre qu’un cas particulier de la méthode du centre de gravité Dans ce cas, on choisit des fonctions dappartenance pour la variable de sortie des barres (rectangles de largcurs étroites), et on aboutit 4 une simplification notable de ta détermination de labscisse du centre de pravité —— 22pert ald Commande par ta logique floue de la machine synchrone @ aimants permanents Labscisse du centre de gravité se calcule alors a aide de la relation suivante [Bith-94f (many ot M : nombre de régles Hi, * Feprésente le degré de confiance ou d°activation de la régle 2, ¥, : est l’abscisse du centre de gravité de l'ensemble flou de la variable de sortie associée 4 la régle Ki. ILS. APPLICATION DE LA LOGIQUE FLOUE A LA COMMANDE DI Dans cette section, nous nous intéresserons 4 application de la commande par logique floue a la machine synchrone a aimants permanents, Deux types de régulateurs sont synthétisés pour le réglage de vitesse et de position a savoir, le régulateur de Mamdani, ainsi que te régulateur de Sugeno, BLA MSAP UL5.1, REGULATEUR DE TYPE DE MAMDANI En 1974, E. H. Mamdani a présenté, pour la premiere fois, la technique de réglage par la logique floue et congoit le premier contrdleur fou /Mam-74]. Ce contrdleur est construit autour d'un organe de décision manipulant de régles subjectives et imprécises comme celles du langage courant qui. appliquées au sysiéme, peuvent le contrdler. L’obtention de ces régles auprés des experts qui connaissent bien le systéme, est facile. Macvicar ct Whelan ont fait une analyse sur les bases de réyles de King ct Manidani et ont proposé une matrice des régles qui posséde deux entrées, Merreur et sa variation, en se basant sur les deux principes suivants /T2a-90/ * Sila sortie régler est égale a la valour désirée et Ia variation de l'erreur est nulle, la commande sera maintenue consiante, "Sila sortie a régler diverge de la valeur désirée, Paction sera dépendante du signe et de la valeur de Verreur et de sa variation. 1. SYNTHESE DU REGULATEUR La majorité des contréleurs développés utilisent le schéma simple proposé par Mamdani Mam-77/ Pour les systémes mono-entrée/ mono-sortie, Ce schéma est représenté par la figure suivante ef Réglesde ]4u7 Au }*] Contrdte Gay Defurzification 5] Furzification || Caloul de |_| floue _| we | Ae =| Inference oO AeIEE Par 1G fogique floue de ta machine synchrone @ aimants perman D'aprés ce schéma, fe systéme est composé * d'un bloc de calcul de variation de Verreur au cours du temps ( Ae); des facteurs d’échelle associés a l’erreur. a sa variation et la variation de la commande ( A ): + des régles du contréteur flow, * d'un bloc de défuzzitication utilisé pour convertir la variation de la commande floue en valeur numérique; * d'un bloc sommateur, Le succés des algorithines flous dans les systémes industriels complexes est di au choix de méthodes relativement pratique, permettant avec une simplicité notable, Ia mise au point de tels algorithmes [Ket-92], [Mir-94-a-b]., [Sou-95], [Lia-95]. Ces méthodes permettent de formuter un ensemble de décisions en termes linguistiques, utilisant les ensembles flous pour décrire les amplitudes de lerreur, de sa variation et de la commande appropriée En combinant ces régles, on peut dresser des tables de décision permettant de donner les valeurs de ta sortie du controleur correspondant aux situations d’intérét /Bar-96/ Les facteurs d’échelle doivent éire choisis sur la base de l'étude du systéme de sorte que, lors de petits phénoménes tran res, le domaine admissible pour l’erreur et sa variation ne soit pas dépassé. Dans le cas du réglage par la logique floue, sont utilisées en générale des formes trapézotdales et triangulaires pour les fonctions d’appartenance. bien qu’ils n’existent pas de régles précises pour la définition des fonctions d’appartenance, quelques directives générales sont données, afin de conduire 4 un choix convenable /Biih-947 ce qui conceme les variables d’entrée, il faut éviter des lacunes ou un chevauchement insuffisant entre les fonctions d’appartenance de deux ensembles voisins. En effet, cela provoque des zones de non-intervention du régulateur (zones mortes), ce qui conduit le plus souvent a une instabilité du régulateur. De méme, est évité un chevauchement trop important, surtout avec 4¢ entre deux ensembles voisins. * Pour la variable de sortie, ta présence des Iacunes entre les fonctions d'appartenance sont admissibles, méme souhaitées, comme il est montré au paragraphe (11.4.4), cela aboutit 4 une simplification notable de la détermination de l'abscisse du centre de gravité (pour une forme rectangulaire sans chevauchement) 1.5.2. LOI DE COMMANDE, Cette loi est fonction de Merreur et de sa variation (w= f(e, Ae). Par conséquent Pactivation de Fensemble des régles de décision associes donne Ia variation de la commande Av nécessaire, Permettant ainsi Pajustement d'une telle commande 1, Dans les cas simples, cette variation de la commande est obtenue par une simple lecture d'une table de décision définie hors li La forme générale de cette loi de commande est donnée par eg EM, FG Atle, an2iy ot Ging Bai associé a la commande m,,, Any, : variation de la commande Lerreur ¢ el la variation de lerreur Ae sont normalisées comme suit Ge gee (1.23) moe : —24| ceteetedeeeetomee! ern EAT EE DANAE OBE THE POUE IC 1 MACNE SVACHTORE G GIRAMS PerMaANEMs: ou G, AG, représentent les facteurs d’échelle (1 Ace allisation), on fait varier ces facteurs jusqu qu’on ait trouvé un phénoméne transitoire de réglage convenable. En effet se sont ces derniers qui fixeront les performances de la commande 3. REGULATEUR A TROIS CLAS Dans ce régulateur, Mintervalle intérét de chaque variable d’entrée ct la variable de sortie subdivisé en trois classes, comme c’est montré a la figure 11.6 imNG EZ PG 00 LG tm NG EZ PG ow] \ om xe oe an ove owe an ou om ow / V om] | | “hon #50 070 050 10 “90-50 000 30 Vin 1050 000 080 10 eur normalisée Variation de erreur normalisge Commande normalisée re 11.6 : Fonctions d'appartenances des différents variables linguistiques. Les classes sont notées comme suit PG pour positif grand EZ pour environ zéro NG pour négatif grand Les régles floues permettent de déterminer le signal de sortie du régulateur en fonction des signaux d'entrée, Elles relient Je signal de sortie aux signaux d’entrée par des conditions linguistiques prenant en compte lexpérience ou le savoir-faire acquis par un opérateur humain, en traduisant simplement des remarques de bon sens Par exemple, il est claire que, si Merreur est fortement négative et sa variation aussi, le signal de commande doit étre également. Au contraire, si erreur est environ de zéro et sa variation aussi, il en sera de méme de la commande. Si l’erreur est environ de zéro mais sa variation est fortement négative, ou si l’erreur est fortement négative mais sa variation est environ de zéro, le signal de commande devra dire fortement négatif [Bar-96/ Ces considérations nous ont conduit adopter une table de décision anti: choisies /Buc-89/, cette table est appelée matrice de Macvicar-Whelan. iagonale, résumant les réules Ae Te NG EZ PG NG NG NG EZ EZ NG EZ PG PG. EZ. PG PG Tableau ILI : Base de végles, 28elec dee mE RICETTRE PA FEU FORETIE HOWE C1 10 INCCHINE EVRCIFIHE G GIMICTHS DETUNHEMIN 115.3.1. Res AGE.DE A VITESSE Test utilisé une structure en cascade dans le but de limiter le courant, d’une maniére directe , absorbé par la machine. La boucle interne permet de coniréler le courant suivant l’axe q, tandis que la boucle externe assure le contrdle de la vitesse. Un troisiéme régulateur maintient le courant de perturbation iz & zéro et imposant par 14 un couple optimal. La structure globale de cette commande est représentée a ta figure 11.7 2 ig Ye [ay [> PO] RLF (2)} cea r RLF (i,) > i Q 7 7 Lp} Mu Py f\ My iat RI prayicn ‘ bi ) i) ep BT _ f wey i + Figure 11.7 : Structure globale du réglage de vitesse par la logique floue de la MSAP Les trois régulateurs sont du méme type (régulatcur de type de Mamdani a trois classes), et possédent Jes mémes fonctions d'appartenance. La dilférence réside dans les gains de normalisation (facteurs déchelle) Le mode de fonctionnement est le méme que ce soit pour Jes contréleurs des courants ou pour celui de Ia vitesse Les étapes de calcul de la commande sont les sui 1. Echantillonner la sortie 2. calouler erreur notée par ¢, consigne ~ sortie 3. calculer la variation de cette erreur notée par Ae, Be, = 6,-2.4 ow: ¢,., est Perreur de Ia période précédente 4. calculer les valeurs normalisées de ¢, et Ae, par 5. calculer la variation de la commande Au, pour cela on parcourt les étapes suivantes 5.1, fuzzification Calculer les degrés d’appartenance de ¢, et Ae, pour les trois classes a aide de leurs fonctions d’appartenance. 26wy (hapure i Pasta ARsaTeETT aE EATAT) #a) EPEAT FPO CE HAP RANEY SNCS aTG pe EpPARSTeaE) JPOP OT ara 5.2. inférence floue Calculer en utilisant la table des régles de commande (tableau H.1) les. for @appartenance résultantes de la variable linguistique Av, chacune de ses classes, 5.3. défuzzification Une réduction notable de Tenvergure de calcul s‘obtient par Pemploi de ta méthode des auteurs pondérées, often definissant_— des fonctions d'appartenance de forme rectangulaire sans chevauchement (figure 11.6). Ainsi, selon f’équation 11.20, l’abscisse du centre de gravité devient Lay (1.23) avec : H, degré Pactivation de fa j*"" régle. Pabscisse du centre de gravité de la" classe. 6. caleuler la valeur physique de fa commande par 1, =, +G,, Au, (24) 7. Iaisser la sortie évoluer jusqu’a la prochaine période d’échantillonnage et puis réexécuter toutes les étapes : 11.5.3.2. RECLAGE DE POSITION La structure de commande de la figure 1.7 Peut étre complétée en ajoutant un'régulateur flow pour réguler la position. Le schéma global de cette commande est représenté a la figure 11.8. dA RLF ()}B* RLF (i) RLF oh RLF (| fal oy ah Figure 1.8 : Structure globale du réglage de position par la logique floue de la MSAP. Les quatre régulateurs possédent les mémes fonctions dappartenance, et le calcul de la commande se fait en suivant fes mémes étapes de calcul données au paragraphe précédentChapitre It Commande par la logique flowe de la machine synchrone & aimants permanents 41,S.3.3, SIMULATION NUMERIQUE, Pour valider l'application des régulateurs flous synthétisés, pour la commande de la machine synchrone a aimants permanents, nous avons procédé a la simulation numérique, dans le cas du réglage de la vitesse et celui de Ia position. La figure I1.9.a donne les réponses du systéme lors du démarrage pour une consigne de vitesse de 300 rd/s avec variation de la charge. La figure 11.9.b donne les réponses du systéme lors de l’inversion du sens de rotation de 300 rd/s &— 300 rd/s. Les figures (I1.10.a et J1,10.b) présentent le comportement global de la régulation lors du positionnement pour une consigne a 5 rd, ainsi que lors de linversion du positionnement de 5 rd a — 5 rd respectivement. L'analyse des résultats obtenus montre que les performances de poursuite de la consigne sont satisfaisantes, le découplage de la machine est réalisé avec succés par le maintient du courant i, nul. La chute de vitesse et celle de position est l’ordre de 2.6 % et 4.9 % respectivement, Les temps nécessaires a la compensation de celles-ci sont respectivement égal 4 0.2 s et 0.25 s 28Chapitre 1 Commande par fa logique flone de ta machine syn rrone & aimants perma Drs) Ton (Nm) 300.00 209 2s : 0.20 200.00 une 0.10: 100.00 i = 0.05 0.004 0.00 | em 0.00 0.40 0.80 1.20 1 0.00 0.40 O80 1.20 4) 0.00 0.40 080 1.20 (9) ing igh 1A) 5.0029... 6.00.00 00900. AO] aon et am 00! 3.00 foo : 0.004 2.00 1.00. -4.00 ee 0.00 0.40 0.80 1.20 0.00 0.40 080 1.20 yay 0.00 0.40 0.80 1.20) Figure 11.9.0: Comportement dynamique de la MSAP lors d'un démarrage avec variation de la charge. 2(rd's) Tom(Nm) WA 0.40 200.00 4.00 0.20 0.00 0.00 6.00. 0.20 200.00 -4.00. 0.40. 0.00 040 080 120 1%) 0.00 0.40 O80 1.20 yw 0.00 0.40 080 1.20 4) 4a iat 8.009. Or ugnngemngs 8005" 8.00. 4.00 Lnotwesonbesonte 4.00 4.00 0.00 0.00 0.00 4.004 eps io “4.00 4.00 RO} BOO RO 0.00 040 O80 1.20 yy 0 940 O80 1.20 yy 0.00 040 0801.20 (5 Figure 11.9.b: Comportement dynamique de Ia MSAP lors d’une inversion du sens de la marche. 29Chapitre ts “<= 20.00, au) 10.00. 0,00} 10,001 i - 0.00 040 0.80 1.20 j@y 0.00 0.40 0.80 1.20 sy (0.00 0.40 0,801.20 yy j iA) HO) ae ont one 400 4.00 ' 4.00) fovieierten om 2.00 fo TTT rt 2.00] =e be t i re 0.004 0.00. ype rend poco i “2.00 , 4.00 i i 2.00) Fen i |. 4.00} “4.00 na) 0,00 0.40 0.80 1.20 15) 0.00 0.40 080 1.20 4) 0.00 0.49 O80 1.20 Gs) Figure 1V.10. : Comportement dynamique de la MSAP lors du positionnement avec variation de la charge. 7. (Nm) Q2(rus 20,00. 020 10.00 A cp jeednds 0.10 0.00) bem | cc 0.00 =e ‘ 0.10) 0.00 -10,00 4.00 -20,004—! 02044 i i, (A in (A) i = 800512 6.005 4.004 buon ' 4.000 oho inp Jed 2.00-4-f Jpdhunehud 0.00 fo = ee pe toete ate oh pi berted 200} vel efter 4.004 Ji ee ee 0.00040 0801.20 yy 200 040 080 1.20 yy 1.00 0.40 0.80 1.20 105) Figure 1V.10.b: Comportement dynamique de la MSAP tors de Vinversion du positionnement Commande par la logique flowe de la machine symchrone & aimants permanents 30