Les performances d'un régulateur PID adaptatif-flou pour la commande de la

vitesse d'un moteur asynchrone
DJ.Cherifi, Y.miloud
Centre Universitaire Dr Moulay Tahar de Saida,
BP 138, En – Nasr, Saida 20000, Algerie.
miloudyahiadz@yahoo.fr
Résumé: Dans ce travail, nous sommes concernés à l’utilisation d’un nouveau régulateur PID
adaptatif – flou afin d’améliorer les performances du régulateur classique PID.
Les entrées sont choisies de telle sorte à représenter le plus fidèlement possible la dynamique du
système. A cet effet, on choisit l'erreur de réglage e et sa variation Δe comme entrée. La sortie α du
régulateur à logique flou est utilisée pour faire varier les paramètres du régulateur PID à savoir, K
p
, K
i
et K
d
en utilisant certaines techniques de la théorie de la logique floue pour la commande de la vitesse .
Les résultats de simulations du régulateur en question ainsi obtenus montrent qu’aucun dépassement
de vitesse lors du démarrage en charge n’est présent, le rejet de la perturbation s’effectue rapidement et
la variation des paramètres quant elles sont doublés donnent de bonnes réponses.
Mots clé: PID adaptatif – flou, commande vectorielle indirecte, moteur asynchrone, commande de
vitesse.
1- Introduction
Bien que beaucoup d'algorithmes de
commande aient été développés pendant
plusieurs décennies, les contrôleurs PID sont
toujours la majorité des régulateurs utilisés
dans les systèmes de commande industrielles
particulièrement quand les performances
élevées du régulateur ne sont pas exigées.La
conception et l’analyse d’un tel contrôleur
exigent de connaître les trois paramètres à
savoir : le gain proportionnel (K
p
), le
dérivateur (K
d
) et l’intégrateur (K
i
). Pour
comprendre comment le comportement du
système affecté par les trois paramètres des
contrôleurs PID, beaucoup de temps doit être
consommé pour trouver la règle optimale pour
varier ces paramètres.
La plupart de ces règles sont acceptées par
les systèmes de commande industriels en
général, mais elles réalisent rarement une
bonne performance parce que le système à
contrôler est difficile d’être modélisé
exactement, [1], [2], [3], [4].
Dans ce travail, on a amélioré les
inconvénients des algorithmes classiques du
contrôleur PID en adoptant des algorithmes de
commande floue en incluant l’expertise
acquise par les opérateurs, [5].
Cette méthode permet d’obtenir une loi de
commande souvent efficace, sans devoir faire
appel à des développements théoriques
importants. Elle présente l’intérêt de prendre
en compte les expériences acquises par les
utilisateurs et opérateurs du processus à
commander.
La méthode suivante est utilisée pour
déterminer les paramètres du régulateur PID
adaptatif-flou, [6]. Premièrement, choisir les
valeurs des gains du contrôleur PID K
p
, K
d
,
K
i
initialement égales à 1. Ensuite, faire varier
o
G afin de minimiser l’erreur statique. La
dernière étape consiste à sélectionner les gains
G
e
et G
Δe
jusqu’à l’obtention de la meilleure
réponse du système. Il est à noter que les gains
du contrôleur PID peuvent avoir des valeurs
différentes de 1.A ce moment là, on doit
sélectionner des nouvelles valeurs du
régulateur flou pour obtenir une bonne réponse
du système.
2- Modélisation de la MAS
Un modèle biphasé standard de la machine
asynchrone à un référentiel lié au champ
tournant est exprimé dans l'espace d'état
comme suit.
BU AX
t d
X d
+ =
Avec :
(
(
(
(
(
(
(
(
(
(
(
¸
(

¸

=
qr
dr
qs
ds
i
i
i
i
X
(
(
(
(
(
(
(
(
(
(
(
¸
(

¸

÷
÷
=
r
r
s
L
M
0
0
L
M
1 0
0 1
L
1
B
o
et
(
(
(
(
¸
(

¸

=
qs
ds
v
v
U

s r
L L
M
2
1÷ = o
L'équation mécanique du système est donnée
par :
O +
O
= ÷ f
dt
d
J C C
r e
Avec:
) ( ) 2 / 3 (
qr ds qs dr e
i i i i pM C ÷ =
3- Contrôleur PI adaptatif-flou
Dans cette partie nous présentons un
régulateur PID adaptatif - flou. L'avantage de
ce nouveau régulateur utilise uniquement une
(
(
(
(
(
(
(
(
(
¸
(

¸

÷ + ÷
÷ ÷ ÷
÷
÷ |
.
|

\
| ÷
+ ÷
÷
+ ÷
=
r
m s
s r
m
r
m s
r
m
r s r
r s
m
s s
m s
m
s r s
m s
s
T T L
M
L
M
T L
M
T L
M
T L
M
L
M
T
L
M
T L
M
T
A
o
e
o
e
o
e
o
e
o
e
o
e
o o
o
e
o o
e
o
o
e
e
o o
e
o
o
e
o
1 1
1 1
1 1
1 1
table de matrice de 9 règles et des fonctions
d'appartenance de trois sous- ensembles. Ceci
simplifiera notre système et réduira le temps de
calcul, [6].
Les entrées sont choisies de telle sorte à
représenter le plus fidèlement possible la
dynamique du système. A cet effet, on choisit
l'erreur de réglage ( e ) et sa variation ( e A )
comme entée. La sortie (o ) du régulateur à
logique floue est utilisée pour faire varier les
paramètres du régulateur PID à savoir, K
p
, K
i
,
K
d
en utilisant certaines technique de la théorie
de la logique floue pour la commande de la
vitesse.
3-1 Fuzzification
La fuzzification utilise les fonctions
d'appartenance pour déterminer le degré
d'appartenance des entrées. Figure 1 montre les
fonctions d'appartenance pour les entrées, e,
e A et la sortieo . Tous les ensembles des
fonctions d'appartenance d'entée et sortie sont
définis dans l'univers de discours [-1,1]. Les
fonctions d'appartenance triangulaires et
trapézoïdales ont été choisies pour les
variables d'entrée et de sortie.
3-2 Inférence
Les règles d'inférence permettent de
déterminer le comportement du contrôleur
flou. Il doit donc inclure des étapes
intermédiaires qui lui permettent de passer des
grandeurs réelles vers les grandeurs floues et
vice versa; ce sont les étapes de fuzzification et
défuzzification.
Une table de matrice de 9 règles (3×3), et
des fonctions d'appartenance avec seulement
trois sous-ensembles sont utilisée afin de
réduire le temps de calcul de notre système à
contrôler.
3-3 Defuzzification
La dernière étape consiste à transformer la
valeur de sortie floue en valeur réelle en
appliquant la méthode de défuzzification. Elle
est basée sur la méthode du centre de gravité.
La valeur o de la sortie ainsi obtenue, est
utilisée pour modifier les paramètres du
régulateur PID.
La sortie
e
C du régulateur PID adaptatif -
flou est obtenue en intégrant la sortie du
régulateur PID fois le gain variableo .
dt t u C
e
}
= ) ( . o

( )
dt
t d
K dt t e K t e K t u
e
d i p
+ + =
}
) ( ) ( ) (
~
e
~
e A
NG EZ PG
NG PG PM EZ
EZ PM EZ PM
PG EZ PM PG
Tableau 1: Les règles d'inférence pour varier les
paramètres du régulateur PID
Figure 2: Schéma bloc du régulateur PID adaptatif – flou
pour la commande de la vitesse.
Figure (1): Fonctions d'appartenance pour
l'entrée: e, e A et sortie o
K
p
, K
d,
K
i
sont les gains proportionnel,
dérivateur et intégrateur du contrôleur PID
respectivement. La sortie
e
C qui représente le
couple de commande est utilisée en tant
qu'entrée de la commande vectorielle indirecte
(C.V.I).
4- Analyse des résultats de simulation
Le schéma de commande décrit par la figure
3, a été testé par simulation, pour un moteur
asynchrone dont les principeaux paramétre
sont donné dans le tableau 2.
La figure 4 montre les résultats de
simulation des performances dynamiques ainsi
que la robustesse du régulateur PID adaptatif -
flou.
Le moteur est démarré avec une charge de 10
N.m et subis à s t 5 . 2 = et à s t 5 . 4 =
respectivement une perturbation de charge
(±2 N.m). Le rejet de la perturbation s’effectue
rapidement avec seulement une chute de
vitesse de 1 (tr/min) et on constate également
que la vitesse du moteur se stabilise à sa valeur
de référence. Concernant la variation des
paramètres du moteur, on a mené à augmenter
la résistance rotorique à deux fois la valeur
nominale. On remarque d'après les résultats
que le régulateur PID adaptatif – flou rejette la
perturbation de la résistance rotorique après un
temps de 0.16s avec une chute maximale de
vitesse de 7 (tr/min). Tan disque la poursuite
de la vitesse s'effectue parfaitement. En
doublant le moment d'inertie et en démarrant le
moteur en pleine charge, le régulateur PID
adaptatif-flou réagit d'une maniére
satisfaisante sans aucun dépassement.
5- Conclusion
Dans cet article, on a proposé un nouveau
régulateur PID adaptatif-flou pour la
commande de la vitesse du moteur
asynchrone pour faire face aux inconvénients
du régulateur classique PID et évaluer les
performances telles que, le temps de réponse,
le dépassement, le rejet de la perturbation,
etc…
D'après les résultats de simulation, le
régulateur PID adaptatif-flou a montré ses
bonnes performances soit en rejet de
perturbation ou à la variation des paramètres
du système à contrôler.
Tableau 2: Parameters de la machine
asynchrone
50 Hz, 1.5 Kw , 1420 tr/mn, 380 V, 3.7A
Résistance rotorique
O = 805 . 3
r
R
Résistance statorique
O = 85 . 4
s
R
Inductance rotorique
274 =
s
L mH
Inductance statorique
274 =
s
L mH
Moment d’inertie
031 . 0 = J kg.m
2
Coefficient de
frottement
F=0.00114kg.m
2
/s
Figure 3: Schéma bloc de la commande de la
vitesse d'un moteur asynchrone.
BIBLIOGRAPHIE
[1] P.J. Mac Vivar Whelen, « Fuzzy Sets
Man-Machine Interaction », In.J.Man-Machine
Studies, Vol. 8, pp.687-697,1976.
[2] S. Chand, "on-line, Setf-Monitiring Tuner
for Proportional Integral Derivative
Controllers". IEEE Proceedings of 30th
Conference on Decision and Control,
December, pp. 1905-1906, 1991.
[3] S. Z. He, S. Tan, F. L. Xu, and P. Z.
Wang. "fuzzy Self-tuning of PID controllers",
fuzzy Sets and Systems, Vol. 56, pp. 37-46,
1993.
[4] Z. Y. Zhao, M. Tomizuka, and S. Isaks,
"Fuzzy Gain Scheduling of PID Controller",
IEEE Trans, On Systems, Man, and
Cybernetics, Vol. 23, No. 5, Sep –Oct, pp.
1392-1398, 1993.
[5] Yuwana, M. and Seborg D. E., "A new
Method for On-line Controller Tuning",
AICHE J, Vol. 28,pp. 434-440.
[6] Y.Miloud, "Etude de l'estimation de la
résistance rotorique dans la commande
vectorielle d'un moteur asynchrone en utilisant
la logique floue". Thèse Doctorat d'état. 2006.
L
a
v
i
t
e
s
s
e
(
t
r
/
m
i
n
)
Z
o
o
m
d
e
l
a
v
i
t
e
s
s
e
(
t
r
/
m
i
n
)
L
e
c
o
u
p
l
e
(
N
.
m
)
L
e
c
o
u
r
a
n
t
(
A
)
L
a
v
i
t
e
s
s
e
(
t
r
/
m
i
n
)
2×J
J
L
a
r
é
s
i
s
t
a
n
c
e
r
o
t
o
r
i
q
u
e
(
Ω
)
Temps (S) Temps (S)
Figure 4: Les Performances du régulateur PID adaptatif-flou pour la commande de la vitesse d’un
moteur asynchrone.
2× R
n
L
a
v
i
t
e
s
s
e
(
t
r
/
m
i
n
)
P
o
u
r
s
u
i
t
e
d
e
l
a
v
i
t
e
s
s
e

Pour comprendre comment le comportement du système affecté par les trois paramètres des contrôleurs PID. L'avantage de ce nouveau régulateur utilise uniquement une . Il est à noter que les gains du contrôleur PID peuvent avoir des valeurs différentes de 1. [3]. le dérivateur (Kd ) et l’intégrateur (Ki ). La méthode suivante est utilisée pour déterminer les paramètres du régulateur PID adaptatif-flou. [4]. Ensuite.1. sans devoir faire appel à des développements théoriques importants. La plupart de ces règles sont acceptées par les systèmes de commande industriels en général. [1]. [5]. mais elles réalisent rarement une bonne performance parce que le système à contrôler est difficile d’être modélisé exactement.Contrôleur PI adaptatif-flou Dans cette partie nous présentons un régulateur PID adaptatif . Elle présente l’intérêt de prendre en compte les expériences acquises par les utilisateurs et opérateurs du processus à commander. 2. Premièrement. choisir les valeurs des gains du contrôleur PID Kp . les contrôleurs PID sont toujours la majorité des régulateurs utilisés dans les systèmes de commande industrielles particulièrement quand les performances élevées du régulateur ne sont pas exigées. [6].Introduction Bien que beaucoup d'algorithmes de commande aient été développés pendant plusieurs décennies. Ki initialement égales à 1. dX  AX  BU dt Avec : X   i ds         i qs      i dr        i qr    1 1 M M      m s m  T  LT s  L s s r   M M   1   1    m   s  m T s L  sT  Lr s A  M M 1 1        m s m r L r T    LT r s  M M 1 1         m s m L LT  T  r s r  r  1     0 1  B   Ls  M   Lr    0  0     1    0    M   Lr  et U        vqs   vds Où   1 M2 Lr Ls L'équation mécanique du système est donnée par : Ce  Cr  J Avec: d  f dt C e  (3 / 2) pM (i dr i qs  i ds i qr ) 3. on doit sélectionner des nouvelles valeurs du régulateur flou pour obtenir une bonne réponse du système.A ce moment là. La dernière étape consiste à sélectionner les gains Ge et GΔe jusqu’à l’obtention de la meilleure réponse du système.La conception et l’analyse d’un tel contrôleur exigent de connaître les trois paramètres à savoir : le gain proportionnel (Kp). [2]. beaucoup de temps doit être consommé pour trouver la règle optimale pour varier ces paramètres. Cette méthode permet d’obtenir une loi de commande souvent efficace. on a amélioré les inconvénients des algorithmes classiques du contrôleur PID en adoptant des algorithmes de commande floue en incluant l’expertise acquise par les opérateurs.flou. faire varier G afin de minimiser l’erreur statique.Modélisation de la MAS Un modèle biphasé standard de la machine asynchrone à un référentiel lié au champ tournant est exprimé dans l'espace d'état comme suit. Kd . Dans ce travail.

Figure 1 montre les fonctions d'appartenance pour les entrées.ensembles. Il doit donc inclure des étapes intermédiaires qui lui permettent de passer des grandeurs réelles vers les grandeurs floues et vice versa. Les fonctions d'appartenance triangulaires et trapézoïdales ont été choisies pour les variables d'entrée et de sortie. e et la sortie  . Ki. Tous les ensembles des fonctions d'appartenance d'entée et sortie sont définis dans l'univers de discours [-1. Elle est basée sur la méthode du centre de gravité. Ceci simplifiera notre système et réduira le temps de calcul. ce sont les étapes de fuzzification et défuzzification. La valeur  de la sortie ainsi obtenue. La sortie C e du régulateur PID adaptatif - flou est obtenue en intégrant la sortie du régulateur PID fois le gain variable  . et des fonctions d'appartenance avec seulement trois sous-ensembles sont utilisée afin de réduire le temps de calcul de notre système à contrôler. Figure (1): Fonctions d'appartenance pour l'entrée: e.table de matrice de 9 règles et des fonctions d'appartenance de trois sous. La sortie (  ) du régulateur à logique floue est utilisée pour faire varier les paramètres du régulateur PID à savoir. Kp. [6]. Une table de matrice de 9 règles (3×3).1]. Tableau 1: Les règles d'inférence pour varier les paramètres du régulateur PID ~ e e ~ NG EZ PG NG EZ PG PG PM EZ PM EZ PM EZ PM PG 3-3 Defuzzification La dernière étape consiste à transformer la valeur de sortie floue en valeur réelle en appliquant la méthode de défuzzification. est utilisée pour modifier les paramètres du régulateur PID. Kd en utilisant certaines technique de la théorie de la logique floue pour la commande de la vitesse. e. on choisit l'erreur de réglage ( e ) et sa variation ( e ) comme entée.u ( t )dt Où u (t )  K p e(t )  K i  e(t )dt  K d d e t  dt . e et sortie  3-2 Inférence Les règles d'inférence permettent de déterminer le comportement du contrôleur flou. C e    . 3-1 Fuzzification La fuzzification utilise les fonctions d'appartenance pour déterminer le degré d'appartenance des entrées. A cet effet. Les entrées sont choisies de telle sorte à représenter le plus fidèlement possible la dynamique du système. Figure 2: Schéma bloc du régulateur PID adaptatif – flou pour la commande de la vitesse.

m2/s . 5. La sortie C e qui représente le couple de commande est utilisée en tant qu'entrée de la commande vectorielle indirecte (C.00114kg.031 de kg.5s et à t  4.85 Ls  274 mH Ls  274 mH J  0. le temps de réponse. le rejet de la perturbation. En doublant le moment d'inertie et en démarrant le moteur en pleine charge.V. 1420 tr/mn. 3. le régulateur PID adaptatif-flou réagit d'une maniére satisfaisante sans aucun dépassement. nominale. pour un moteur asynchrone dont les principeaux paramétre sont donné dans le tableau 2. le dépassement. dérivateur et intégrateur du contrôleur PID respectivement.5 Kw .7A Résistance rotorique R  3. Tan disque la poursuite de la vitesse s'effectue parfaitement. on a proposé un nouveau régulateur PID adaptatif-flou pour la commande de la vitesse du moteur asynchrone pour faire face aux inconvénients du régulateur classique PID et évaluer les performances telles que.Kp.16s avec une chute maximale de vitesse de 7 (tr/min).m et subis à t  2. le régulateur PID adaptatif-flou a montré ses bonnes performances soit en rejet de perturbation ou à la variation des paramètres du système à contrôler. Ki sont les gains proportionnel.m2 4. 1.805 r Figure 3: Schéma bloc de la commande de la vitesse d'un moteur asynchrone. Le rejet de la perturbation s’effectue rapidement avec seulement une chute de vitesse de 1 (tr/min) et on constate également que la vitesse du moteur se stabilise à sa valeur de référence.Conclusion Dans cet article.I). 380 V. Résistance statorique Inductance rotorique Inductance statorique Moment d’inertie Rs  4. On remarque d'après les résultats que le régulateur PID adaptatif – flou rejette la perturbation de la résistance rotorique après un temps de 0. on a mené à augmenter la résistance rotorique à deux fois la valeur Coefficient frottement F=0.Analyse des résultats de simulation Le schéma de commande décrit par la figure 3. La figure 4 montre les résultats de simulation des performances dynamiques ainsi que la robustesse du régulateur PID adaptatif flou. Concernant la variation des paramètres du moteur.5s respectivement une perturbation de charge (±2 N. etc… D'après les résultats de simulation. Tableau 2: asynchrone Parameters de la machine 50 Hz. Kd. Le moteur est démarré avec une charge de 10 N.m). a été testé par simulation.

"A new Method for On-line Controller Tuning". Man. [4] Z. 56. E. IEEE Proceedings of 30th Conference on Decision and Control. "Fuzzy Gain Scheduling of PID Controller". Isaks. 1993. [6] Y. Z. Sep –Oct. 28. and Cybernetics. On Systems. pp. Z. and Seborg D.687-697. IEEE Trans. Y. 8. pp. pp. Vol. Thèse Doctorat d'état. 37-46. Xu.pp. Setf-Monitiring Tuner for Proportional Integral Derivative Controllers".1976. Vol. M. "on-line. Vol. F. Mac Vivar Whelen. L. "Etude de l'estimation de la résistance rotorique dans la commande vectorielle d'un moteur asynchrone en utilisant la logique floue".Miloud. 1905-1906. pp. . S. 23. fuzzy Sets and Systems. In. M. [5] Yuwana.J. He.J. "fuzzy Self-tuning of PID controllers". « Fuzzy Sets Man-Machine Interaction ». Wang. Zhao. [3] S.BIBLIOGRAPHIE [1] P.. and S. 1991. 1392-1398. Tomizuka. No. Tan. 434-440.Man-Machine Studies. 1993. 5. Vol. [2] S. December. AICHE J. Chand. and P. 2006.

m) Zoom de la vitesse (tr/min) La vitesse (tr/min) Temps (S) La résistance rotorique (Ω) La vitesse (tr/min) Poursuite de la vitesse Figure 4: Les Performances du régulateur PID adaptatif-flou pour la commande de la vitesse d’un moteur asynchrone.Le courant (A) Le couple (N. La vitesse (tr/min) J 2×J Temps (S) 2× Rn .

Sign up to vote on this title
UsefulNot useful