Академический Документы
Профессиональный Документы
Культура Документы
Thèse présentée
à la Faculté des études supérieures de l'Université Laval
dans le cadre du programme de doctorat en Génie Électrique
pour l'obtention du grade de Docteur en philosophie (Ph.D.)
Cette thèse aurait sans doute été plus difficile à réaliser sans le support financier fourni en
partie par Dr. Le-Huy, la bourse au doctorat du Canadien National et la bourse en
recherche industrielle du Conseil de Recheche en Science Naturelles et en Genie du
Canada (CRSNG) que j'ai pu obtenir grâce à mon partenaire industriel TecHydro inc .. Je
tiens à remercier tout spécialement M. Marcel Labbé, président de TecHydro inc., pour
son ouverture d'esprit, sa très grande éthique de travail et pour m'avoir donné la chance
de toucher au monde de la génération d'énergie hydroélectrique.
Merci à tout le personnel de l'Université Laval avec qui j'ai travaillé de près ou de loin
au cours de ces années notamment les techniciens François Lemay, Martin Gagnon, Luc
Bouffard et Marco Béland et tout le personnel de secrétariat.
Les années au LEEPCI n'auraient sans doute pas été aussi géniales s'il n'y avait pas eu
tous les copains de lab et stagiaires qui sont passés depuis mon arrivée en 2004. Je garde
de merveilleux souvenirs des discussions passées à la cafétéria, dans le lab et dans les
soirées organisées à parler ouvertement de tous les sujets: sérieux et moins sérieux. Le
LEEPCI est une grande famille à laquelle je garderai un grand sentiment d'appartenance.
Cette thèse n'aurait sans doute pas pu se réaliser sans le soutien inconditionnel de mes
parents Marcel et Hélène ainsi que de toute ma famille. Je pense notamment à ma grand-
mère maternelle, Laurette, qui est un modèle de résilience et à qui je dédie cette thèse.
Je remercie finalement l'amour de ma vie, Élise, pour son amour et son esprit libre qui
m'inspirent à avancer et à toujours continuer de rêver ...
« Ce qui est simple est toujours faux, ce qui ne l'est pas est inutilisable. »
Paul Valery (1871 -1 945)
écrivain, poète, philosophe et épistémologue français
« L'ordre et la connexion des idées est le même que l'ordre et la connexion des choses.»
Baruch Spinoza (1632- 1677)
philosophe hollandais
v
RÉSUMÉ ........................................................................................................................................................ 1
ABSTRACT ................................................................................................................................................. II
ASYNCHRONES 43
2.2.1 Optimisation des pertes dans le moteur ... ................... ................... .. ........................... .......... 43
2.2.2 Minimisation des pertes dans l'onduleur.............................................................................. 52
2.3 CONCLUSION 55
5.1.3 Validation du modèle de p ertes à vide ......... .... ..... .. ... ...... ... ...... ...... ...... .. ........... .... ...... .. ..... 129
5.2 MODÈLE DES PERTE S AVEC CONVERTISSEUR STATIQUE 130
5.3 CONCLU SION 132
Fig. 1-0-1 - Schéma général du positionnement de la thèse (en rose) dans l'univers du
génie électrique actuel .............. ........................................................................................... 4
Fig. 1-1 - Schéma de la structure d'une machine asynchrone [Maxicours, 2009] ............. 7
Fig. 1-2 - Circuit équivalent d'une phase de la MA ramené au stator [Bose, 2002] ........ Il
Fig. 1-3 - Diagramme vectoriel d'une phase [Bose, 2002] ......................... ..................... . 13
Fig. 1-4 - Couple en fonction du glissement [Bose, 2002] ............................................... 15
Fig. 1-5 - Transformation du repère VSas,bs,cs au repère V Sds,qs [Bose, 2002] ....................... 16
Fig. 1-6 - Transformation du repère fixe VSds,qs au repère tournant V eds, qs [Bose, 2002] .... 17
Fig. 1-7 - Circuit équivalent compact du modèle d'une phase dans le repère tournant
[Bose, 2002] ................................................................................................... ................... 18
Fig. 1-8 - Onduleur triphasé à deux niveaux alimenté par un redresseur à diodes [Bose,
2002] ..................................................... .......... .................................................................. 20
Fig. 1-9 - Classification des stratégies de commande de MA ........................................... 22
Fig. 1-10 - Schéma représentant la configuration d'un entraînement à vitesse variable
basé sur la commande scalaire [Bose, 2002] .................................................................... 23
Fig. 1-11 - Commande vectorielle basée sur l'orientation du champ (méthode indirecte)24
Fig. 1-12 - Comparaison de différents mode d'exploitation sur les axes de performance
dynamique et énergétique en charge (1- alimentation secteur, 2 - alimentation
convertisseur en boucle ouverte, 3 - commande scalaire, 4 - commande vectorielle, 5 -
commande vectorielle adaptative, 6 - commande vectorielle avec ajustement du flux
rotorique) ........................................................................................................................... 25
Fig. 2-1 - Projection des signaux de tension, de flux et de courant magnétisant afin de
créer la boucle d'hystérésis [Fitzgerald et al., 1990]. ....................................................... 30
Fig. 2-2 - Effet des laminations sur les courants de Foucault [Wildi, 2001] .................... 31
Fig. 2-3 - Circuit équivalent à haute fréquence [Boldea et al., 2002] ............................... 36
Fig. 2-4 - Variation de la résistance et de l'inductance de fuite en fonction de la fréquence
[Boldea et al., 2002] .......................................................................................................... 37
x
Fig. 2-5 - Caractéristique I-V d'un transistor IGBT 15A utilisé dans un onduleur 4 kVA.
Image tirée de [Abrahams en, 2000] .................................................................................. 40
Fig. 2-6 - Énergie perdue lors de la commutation d'un transistor et d'une diode 15A.
Image tirée de [Abrahams en, 2000] .................................................................................. 42
Fig. 2-7 - Rendement d'un moteur de 2.2 kW à vitesse nominale pour différentes charges
avec flux constant et avec optimisation du flux. Image tirée de [Abrahamsen, 2000] ..... 43
Fig. 2-8 - Principe de fonctionnement de l'ajustement du flux au rotor par recherche de
point de puissance minimale à l'entrée. Image tirée de [Souza et al., 1995] .................... 48
Fig. 2-9 - Spectre harmonique de la tension et du courant d'un onduleur modulé par
SPWM (à gauche) et d'un onduleur modulé par DPWM (à droite). Image tirée de
[Trzynadlowski et al. 1994] .............................................................................................. 54
Fig. 3-1 - Schéma d'un perceptron [Parizeau, 2004] ....................................................... 61
Fig. 3-2 - Réseau de neurones à propagation vers l'avant à deux couches [Parizeau, 2004]
........................................................................................................................................... 62
Fig. 3-3 - Flux optimal en fonction du point d'opération ................................................. 68
Fig. 3-4 - Évolution de l'erreur quadratique durant le troisième essai de l'entraînement du
RNA ayant 10 neurones dans la couche cachée ................................................................ 69
Fig. 3-5 - Erreur quadratique moyenne en sortie selon le nombre de neurones présents sur
la couche cachée pour un RNA ayant une seule sortie ..................................................... 69
Fig. 3-6 - Aspect de la fonction XA ...•••..••...........••••.•.•.............•..............•......•.............•.... 71
Fig. 3-7 - Aspect de la fonction XB ................................................................................... 71
Fig. 3-8 - Évolution de l'erreur quadratique de l'entraînement d'un RNA dont les sorties
sont le flux optimal et les fonction xA ou xB ................................................................... 72
Fig. 3-9 - Comparaison de l'architecture de système avec RNA conventionnelle et RNA
intégrant des fonctionnalités additionnelles au niveau de la génération des données
d'apprentissage ................................................................................................................. 74
Fig. 3-10- Rapport entre les pertes par commutation par les différentes approches
DPWM et des techniques de modulation continues où cp est l'angle du facteur de
puissance [Hava, 1998] ..................................................................................................... 75
Xl
Fig. 3-11 - Rapport entre pertes par commutation de la DPWM optimale et les pertes par
commutation avec modulation continue en fonction de l'angle du facteur de puissance rp
et de l'angle de blocage de la commutation l.f1 [Hava, 1998] ............................................ 76
Fig. 3-12 - Facteur de puissance en fonction de id pour différentes valeurs de charge en
utilisant les équations (3-13) à (3-17) ............................................................................... 77
Fig. 3-13 - Architecture avec intégration conventionnelle du modèle des pertes par
commutation ..................................................................................................................... 78
Fig. 3-14 - Facteur de puissance en fonction du point d'opération .................................. 78
Fig. 3-15 - Angle de blocage optimall.f1opt en fonction du point d'opération ................... 79
Fig. 3-16 - Architecture avec intégration du modèle de pertes par commutation au niveau
de la génération des données d'apprentissage .................................................................. 79
Fig. 3-17 - Évolution de l'erreur quadratique de l'entraînement d'un RNA dont les sorties
sont le flux optimal et l'angle de blocage optimal 't'opt ..................................................... 80
Fig. 3-18 - Intégration conventionnelle du détecteur de régime permanent à la commande
........................................................................................................................................... 83
Fig. 3-19 - Fonction r}(l1wp, I1Te) pour e inf = 0.25, e sup = 0.75 et l.f1opt(p.u.) = 0.5 ........ 85
Fig. 3-20 - Architecture avec intégration du détecteur de régime permanent au niveau de
la génération des données d'apprentissage ....................................................................... 86
Fig. 3-21 - Évolution de l'erreur quadratique de l'entraînement d'un RNA avec D 2 qui
intègre le détecteur de régime permanent ......................................................................... 86
Fig. 4-1 - Évolution vers les systèmes sur une puce à technologie matérielle
programmable ................................................................................................................... 91
Fig. 4-2 - Schéma illustrant les deux grandes approches de conception de systèmes et
leur application dans la conception de système embarqués à base de FPGA ................... 94
Fig. 4-3 - Schéma fonctionnel des composantes du banc d'essai expérimental .............. 95
Fig. 4-4 - Onduleur à trois niveaux à neutre fixé (dit Neutral Point Clamped), [Pham,
2005] ................................................................................................................................. 97
Fig. 4-5 - Schéma de l'onduleur vu du circuit de commande .......................................... 97
Fig. 4-6 - Schéma de l'interfaçage de l'onduleur avec la carte FPGA ............................. 98
Fig. 4-7 - Schéma représentant la démodulation d'un signal modulé en amplitude par la
méthode de suppression de la porteuse [Stremler, 1994] ............................................... 101
Xll
Fig. 6-2 - Validation du régulateur neuronal de flux avec fonction d'activation à base de
TDC par comparaison de la sortie des versions Neural Toolbox, DSP Builder et avec
MDB ............................................................................................................................... 137
Fig. 6-3 - Validation du régulateur neuronal de flux avec fonction d'activation à base de
FLM par comparaison de la sortie des versions Neural Toolbox, DSP Builder et avec
MDB ............................................................................................................................... 138
Fig. 6-4 - Essai initial de la validation de la commande en flux neuronale pour une
vitesse de 0.1 p.u. à vide ................................................................................................. 140
Fig. 6-5 - Vitesse de 0.1 p.u. à vide ................................................................................ 143
Fig. 6-6 - Vitesse de 0.1 p.u. en charge .......................................................................... 143
Fig. 6-7 - Vitesse de 0.2 p.u. à vide ................................................................................ 144
Fig. 6-8 - Vitesse de 0.2 p.u. en charge .......................................................................... 145
Fig. 6-9 - Vitesse de 0.3 p.u. à vide ................................................................................ 146
Fig. 6-10 - Vitesse de 0.3 p.u. en charge ........................................................................ 146
Fig. 6-11 - Vitesse de 0.4 p.u. à vide .............................................................................. 147
Fig. 6-12 - Vitesse de 0.4 p.u. en charge ........................................................................ 148
Fig. 6-13 - Vitesse à 0.5 p.u. à vide ................................................................................ 149
XIV
Indices et exposants
a,b,c phases de la machine
a,~ axes de référence dans le repère stationnaire au stator
d,q,Û axe direct, en quadrature et composante homopolaire
e (exposant) repère tournant
e (indice) électrique / électromagnétique
f fuite
g glissement
h hystérésis
m branche magnétisante
n relatif au bus à courant continu
p mécanique
r rotor
s (exposant) repère stationnaire
s (indice) stator
t couple
Symboles et unités
A surface (m2)
B densité de flux (Weber 1 m 2 ou Tesla)
C coefficient
D longueur (m)
F force (Newton)
H champ magnétique (A/m)
L inductance (Henry)
l courant (Ampère)
P nombre de pôles de la machine
xv
R résistance (Ohm)
S glissement (sans dimension)
T couple (Nm)
V tension (Volt)
co vitesse angulaire (radis)
flux magnétique (Weber)
Abréviations
ASIC application specific integrated circuit
CA courant alternatif
CAO conception assistée par ordinateur
CC courant continu
CEO contrôleur énergétique optimal
CFO commande à flux orienté
DSP digital signal processing (ou processor, selon le contexte)
EQM erreur quadratique moyenne
ETANN electrically trainable artificial neural network
EVV entraînement à vitesse variable
FLM fonction linéaire par morceau
FOC field oriented control
FPGA field programmable gate array
FMM force magnétomotrice
IGBT insulated gate bipolar transistor
LEEPCI laboratoire d'électrotechnique, d'électronique de puissance et de
commande industrielle
MA machine asynchrone
MCC machine à courant continu
MDB matériel dans la boucle
MLI modulation de largeur d'impulsions
MOSFET metal oxide semiconductor field effect transistor
PHS pertes harmoniques spatiales
XVI
PI proportionnel intégral
PWM pulse width modulation
RNA réseau de neurones artificiels
RTL register transfer level
SCEO stratégie de commande énergétiquement optimale
TDC table de conversion (lookup table)
TDH taux de distorsion hannonique
TPM tours par minute
VHDL VHSIC hardware description language
VHSIC very high speed integrated circuit
1
Introduction générale
La synthèse de ces progrès a donné lieu à la montée d'un nouveau type de système
combinant à la fois un système de conversion d'énergie électrique à base d'électronique
de puissance et un système de commande à base d'électronique en vue de réguler la
forme du courant électrique injecté dans une machine électrique. Ce type de système est
appelée «entraînement» et ouvre la voie à de nouvelles utilisations des machines
électriques. Auparavant utilisées comme convertisseurs d'énergie électro-mécanique,
elles jouent désormais le rôle d'actionneur mécanique dont il est possible de commander
précisément la dynamique.
Il existe deux aspects fondamentaux à considérer dans l'évaluation de la performance
des entraînements: celui de la performance dynamique et celui de la performance
énergétique. L'amélioration de l'un ou l'autre de ces aspects de performance (dynamique
et/ou énergétique) peut se faire selon trois perspectives: par l'amélioration de la machine,
par l'amélioration du convertisseur et par amélioration du système de commande (Fig.
1-0-1).
4
Gènie ï ctnqu
! t
~ ~n r J
~ ,ransmissior1 nfo
~rn~
1
Entraînements â Systemes
'Ii ess variable 14--- - -- 1 00 mane-
Fig. 1-0-1 - Schéma général du positionnement de la thèse (en rose) dans l'univers du génie électrique
actuel
Organisation de l 'ouvrage
Au chapitre l, les généralités entourant les pnnCIpes de fonctionnement des
entraînements à vitesse variable de MA sont montrées avec une ouverture sur les
possibilités d'augmenter leur efficacité énergétique.
Au chapitre 2, les principaux mécanismes de pertes présents dans les MA et dans les
convertisseurs statiques sont présentés dans la première partie. La seconde partie montre
les différentes stratégies possibles de lninitnisation des pertes dans ce type de système et
dans quelle direction ont été menés les plus récents travaux en la matière. On termine le
chapitre en ouvrant sur deux perspectives importantes dans l'intégration d'un modèle de
5
pertes dans un contrôleur: sa performance et son coût (en terme de ressources mémoires,
unités logiques ou temps de calculs). Les RNA s' avèrent une avenue intéressante pour
diminuer le coût d'intégration du modèle des pertes dans le contrôleur.
Au chapitre 3, on présente une introduction au domaine des RNA et de leur utilisation
dans les systèmes d'électronique de puissance. Ensuite, on présente la conception d'une
fonction de commande optimale de flux neuronal à partir d 'un modèle de pertes
générique. On examinera l'utilisation de RNA dans la conception de la fonction de
commande de flux en vue de diminuer la complexité globale du système de commande et
étendre l'optimisation énergétique sur toute la plage de charge sans coût supplémentaire.
Au chapitre 4, on présente la conception d'un banc d' essai expérimental permettant
de faire la validation des régulateurs conçus au chapitre 3. On y montre la réalisation d'un
système de commande vectorielle sur plateforme de développement commerciale FPGA
en proposant une approche logicielle plutôt qu'une approche matérielle
conventionnellement proposée.
Au chapitre 5, on conçoit et valide expérimentalement un modèle des pertes de la MA
à partir des résultats obtenus à l'identification des paramètres du standard IEEE-112.
Au chapitre 6, une introduction sur la conception de RNA sur FPGA est présentée
avant de montrer les résultats expérimentaux issus de la validation du régulateur de flux
optimal et neuronal avec intégration du détecteur de régime permanent et basé sur le
modèle des pertes construit et validé au chapitre 4.
~
C~néralité5 et probiémaHque
~
Etlme d;e la probMmatique e1
propos.iti()f)s d'ijvQj'i(jrm'1 ants
~ ~ ~
f"..<mœption et réaltsation d'un Cooception de commande Conœpl.km et validajJoo d'uf)
bene:; d;essaJexpênmenlai vectorielle améliorée modèle des pertes
ChaoitreVI
•
1
'v,."'.....w ,.w.,f'i Validation expérimentale de la ••
•...'",••...••w ............. w.w"'....,w,w,.. 'v"'...." ' w . ' " ~ " ~,w"'vW>v,)
commandé Véèto.tiéllé amèliQréé
Les machines asynchrones (aussi appelées machines à induction) sont des machines
électriques inventées à la fin du XIX siècle et qui permettent la conversion efficace de
l'énergie électrique en énergie mécanique sur une plage de puissances d 'utilisation de
l'ordre de la centaine de Watt à plusieurs milliers de kiloWatt.
Leur simplicité de construction, d'utilisation et d'entretien ont vite popularisé leur
utilisation industrielle en mode moteur comme source d ' énergie mécanique primaire pour
entraîner des pompes, des ventilateurs, etc. Dans ce type d'application, la MA est
alimentée directement à partir du réseau de distribution électrique (de tension électrique
et de fréquence fixes) limitant ainsi sa plage d'opération près de la vitesse nominale de la
machine. Cette limite a longtemps confiné les MA au simple rôle de convertisseur
d'énergie laissant le rôle d'actionneur aux machines à courant continu.
Un moyen pour repousser cette limite est d'alimenter la MA à l'aide d'une source de
tension d'amplitude et de fréquence réglables adaptés aux besoins de l'application. Ce
système de modulation alimenté par une source de tension continue et appelé
« onduleur » est basé sur l'utilisation de convertisseurs statiques composés
d'interrupteurs électroniques de puissance. La tension d'alimentation continue de
l' onduleur peut provenir soit d 'une batteri~ ou soit d 'un autre type de convertisseur
statique appelé « redresseur» et dont la fonction est de transformer une onde de tension
alternative en tension continue.
La modulation de l'onde tension de sortie de l' onduleur s'effectue par la génération
de signaux d'ouverture et de fermeture des transistors de puissance. Ces signaux sont
générés à l'aide d'un circuit de commande électronique et déterminent directement la
performance de l'entraînement de la MA.
Ce chapitre a pour objectif de faire un survol de l'information essentielle à connaître
sur les éléments qui composent un système d'entraînement à vitesse variable d'une MA.
Ainsi, les sections suivantes traiteront spécifiquement de la machine asynchrone, de
l' onduleur de tension et du système de commande.
7
Description générale
La MA est un système électromécanique permettant la conversion de l' énergie
mécanique en énergie électrique (mode générateur) et la conversion de l'énergie
électrique en énergie mécanique (mode moteur). Elle est composée d'une partie fixe
appelé stator et d'une partie tournante appelée rotor (Fig. 1-1).
Stator
Bâti
racrordement
Principe de fonctionnement
La compréhension du fonctionnement de la MA repose essentiellement sur deux
lois physiques fondamentales: la loi d'Ampère (loi des forces électromagnétiques) et la
loi de Faraday (loi de l'induction électromagnétique). Ces deux lois physiques sont
synthétisées en une seule loi électromagnétique que sont les équations de Maxwell.
Essentiellement, la loi d'Ampère énonce que lorsqu'un conducteur de courant est
placé dans un champ d'induction magnétique, une force électromagnétique est générée
dont la grandeur et la direction sont données par:
(1-1) F=(BxD)!
où ft est la force mécanique (N), Ë est la densité de flux magnétique (Wb/m
2
), jj
est la longueur du conducteur qui croise le champ magnétique (m) et ! le courant qui
circule dans le conducteur (A).
La loi d'Ampère est le principe de base de toutes les machines électriques: à
l'aide d'un courant électrique et d'un flux magnétique il est possible de créer un couple
mécanique et vice-versa. Ce qui différencie les divers types de machines électriques entre
elles (machines synchrones, machines asynchrone et machines à courant continu) se
9
résume à la manière dont on s 'y prendra pour générer un flux magnétique et le coupler
avec un courant électrique pour créer un couple mécanique (dans le cas d'une utilisation
en mode moteur). Dans le cas particulier de la MA, le flux magnétique produit par le
courant rotorique provient de l'induction de la tension au rotor causé par une différence
de vitesse électrique entre le rotor et le stator. Cette induction de la tension est décrite par
la loi de Faraday.
La loi de Faraday énonce qu 'une tension électrique est induite dans un conducteur
lorsque celui-ci croise un flux magnétique variable dans le temps ou dans l'espace. Ainsi,
une tension électrique sera induite dans un conducteur mobile croisant un flux
magnétique constant (variation du flux dans l' espace - principe utilisé par les machines
électriques) ou dans un conducteur fixe traversé par un flux magnétique dont la grandeur
etlou la direction sont variables (variation du flux dans le temps - principe utilisé par les
transformateurs de tension). La grandeur de la tension induite dans un tel conducteur est
donnée par:
d
(1-2) e = --lf/
dt
où e est la tension électrique induite (V) et If/ est le flux magnétique (Wb) donné par:
(1-5)
Selon la loi de Faraday, lorsque la fréquence de glissement est non nulle, une
tension induite apparaît aux bornes des enroulements du rotor. Cette tension crée à son
tour un courant rotorique dont la grandeur ramenée au stator est égale à :
(1-6)
où Rr est la résistance du bobinage d'une phase du rotor (n) et Lfr est l'inductance de
fuite au rotor (H). Le courant au rotor est en retard sur la tension du rotor par un angle Br
déterminé par le facteur de puissance du rotor.
Selon la loi d'Ampère, le courant rotorique qui croise le flux magnétique pour
chacune des phases produit alors un couple mécanique sur le rotor:
où lÎ' met Ir sont respectivement les valeurs crêtes du flux magnétique et du courant
(1-8)
Il
(1-9)
Lfr
Î
Vs
l
Fig. 1-2 - Circuit équivalent d'une phase de la MA ramené au stator [Bose, 2002]
12
is Courant au stator A
im Courant magnétisant A
Rs Résistance au stator n
Rr Résistance au rotor n
Rm Résistance équivalente des pertes dans le fer n
Lfs Inductance de fuite au stator H
Lm Inductance mutuelle H
Lfr Inductance de fuite au rotor H
S Glissement p.u.
Rapport entre le nombre de tour du bobinage
n -
au rotor par rapport à celui au stator
La résistance équivalente Rm a pour but de modéliser les pertes engendrées dans le noyau
magnétique qui sont également appelées «pertes fer» (iron losses). L'inductance
magnétisante Lm a pour but de modéliser l'imperfection au niveau de la perméabilité du
noyau magnétique (idéalement infiniment grande). Le modèle présenté à la Fig. 1-2 est
valide en régime permanent et basé sur les hypothèses suivantes:
• le noyau magnétique n'est pas saturable, c'est-à-dire que le flux est toujours
directement proportionnel au courant magnétisant;
• les pertes fer représentées par la résistance équivalente Rm ne considèrent que les
pertes fondamentales et non les pertes causées par les harmoniques spatiales du
flux magnétique causées par les discontinuités/asymétries géométriques de la
construction de la machine;
13
Ct'}ti stator
En négligeant les pertes fer [Bose, 2002], on peut estimer le courant rotorique comme
étant à peu près égal à :
( 1-12 ) Ir ~ -;:===============Vs=============-
(Rs +~)2 +(j);(Lfs +Lf }
fl't'inage moteur
Tam
~.+--+---- couple maximal
'vUesst~ synchrone
2~ ________ ~ __ ~ __ ~
...-- glissement, (S)
________________ ~ ________________ ~
t.o uple de o
démarrage
Le principal problème avec la modélisation basée sur les phases est que l'équation
du couple (1-13) n'est pas découplée en variable de flux et de courant, ce qui ne permet
pas une commande linéaire du flux et du courant et par conséquent une commande
linéaire du couple. Ce modèle n'est également valable qu'en régime permanent, ce qui
constitue un problème pour les applications où la performance dynamique est très
importante.
Une manière d'arriver à une équation découplée du couple est de ramener les
composantes du diagramme vectoriel de la Fig. 1-3 de chacune des phases à un système
de coordonnées à deux dimensions (d, q) basé au stator (fixe) ou basé au rotor (tournant).
La composante d est alignée sur le flux et la composante q est placée à 90° de la
composante d (alignée sur le courant de couple). La machine à N phases peut donc être
ramenée à une machine à 2 phases fictives.
La transformation des variables de tension dans un repère des phases fixe (aS, bS,
CS) à un repère à deux dimensions fixe et référé au stator (cf, qS) est montré à la Fig. 1-5.
16
bs
s
an q
cs
s
IIxe d
où VSOs est la composante de séquence zéro qui est normalement toujours égale à zéro (en
raison de l 'hypothèse de symétrie parfaite entre les phases au stator et en raison de
l'impossibilité de connecter un neutre dans le cas d'un rotor à cage) et es est l'angle entre
la composante qS et la composante v s. Il est commun de négliger VSOs et de travailler
seulement avec les composantes d et q.
Les tensions au stator VSds, qs ont l'avantage de représenter les tensions au stator
V So,b,c dans un repère à deux dimensions mais leur grandeur varie toujours
17
sinusoïdalement dans le temps. Cet inconvénient peut être contourné en représentant les
tensions VSds,qs dans un repère tournant à la vitesse électrique W e et dont la position est Be
(Fig. 1-6).
e
q
s
d
Fig. 1-6 - Transformation du repère fixe" ds,qs au repère tournant veds,qs [Bose, 2002]
La transformation des tensions au stator VSds,qs dans un repère fixe au stator à un repère
e
tournant v ds,qs se fait à l'aide de relations géométriques simples:
La représentation des tensions au stator dans un repère tournant v eds, qs possède l'avantage
que, pour des tensions d'alimentation au stator VSa,b,c d'amplitude constante, la grandeur
des composantes est également constante. Le repère tournant peut être soit aligné avec (1)
le flux au rotor lfJr, (2) le flux dans l'entrefer lfJrn ou (3) le flux au stator I{fs.
(1-16)
Il est possible d'exprimer les équations (1-16) à (1-17) de manière plus compacte en
multipliant les équations Vd par j et en les additionnant à vq . Ainsi, on trouve:
( 1- 20) e . e R (. e .. e ) d ( e . e) . ( e . e) e
Vqs - JV ds == s l qs - J l ds + dt \lf/ qs - J lf/ ds + J OJe \lf/ qs - J lf/ ds == V qds
Le circuit équivalent représentant les équations (1-20) à (1-21) est montré à la Fig. 1-7.
v.qds
o--------------------------------------------------------------~
Fig. 1-7 - Circuit équivalent compact du modèle d'une phase dans le repère tournant [Bose, 2002]
19
le cas d'une alimentation triphasée à deux niveaux (+/- Vn ), chaque bras contient deux
transistors (Fig. 1-8).
v" c
cbau'g~
Fig. 1-8 - Onduleur triphasé à deux niveaux alimenté par un redresseur à diodes [Bose, 2002]
Il est possible de créer une tension de sortie qui se rapproche d'une onde sinusoïdale
en faisant commuter adéquatement les transistors de l' onduleur. La technique de
commutation la plus utilisée pour moduler une tension sinusoïdale à l'aide d'un onduleur
est celle de la modulation par largeur d'impulsion (MLI). La tension de sortie de
l'onduleur n'est pas parfaitement sinusoïdale et par conséquent, plusieurs harmoniques
sont produites par l' onduleur et se traduisent par des pertes harmoniques dans la charge et
en oscillations dans le courant (qui provoque par conséquent des oscillations dans le
couple dans le cas où la charge est un moteur).
Les pertes harmoniques et les oscillations de courant dans la charge peuvent être
réduites en modulant une tension de sortie plus fidèle à une onde sinusoïdale parfaite en
ajoutant des niveaux de tensions à l'onduleur. Ces onduleurs sont appelés onduleurs multi
niveaux.
21
Le circuit électronique
Le circuit électronique est composé de ports d'entrées et de sortie connectés à un
circuit de traitement de l ' information. Ce type de système fait partie de la grande famille
des « systèmes embarqués». Les premiers systèmes de commande pour entraînements à
vitesse variable étaient entièrement analogiques mais depuis le début des années 1980, le
traitement de l'information se fait à l'aide d'un circuit numérique en faisant la conversion
analogique/numérique des entrées et la conversion numérique/analogique des sorties.
Ce circuit numérique peut prendre différentes formes qui varient entre le circuit
logique sur mesure (tout matériel) et le circuit logique générique interfacé à une mémoire
dans laquelle on emmagasine du code (tout logiciel). Typiquement, les circuits tout
matériel sont réalisés à l'aide de technologie ASIC (Application Specific Integrated
Circuit) alors que les circuits génériques sont des ASIC spécialisés connus sous le nom
de microcontrôleurs ou de DSP (digital signal processor). Les circuits matériels offrent
plus de performance et de flexibilité de conception que les circuits génériques mais leur
coût de développement est beaucoup plus grand. Pour cette raison, la plupart des
systèmes de commande développés au cours des 20 dernières années l'ont été à l'aide de
circuits génériques de type DSP.
Depuis seulement quelques années], un nouveau type de technologie réunissant les
avantages des circuits matériels (performance, flexibilité de conception) et des circuits
1 La technologie FPGA existe depuis le début des années 1980 mais n'est devenue une alternative aux
autres plateformes de calculs (micro-contrôleurs et DSP) que seulement depuis le début des années 2000.
22
Stratégies de
commande de MA ·.à
vitesse variable
Commande scalaire
Les stratégies de commande scalaire sont basées sur la commande simple des
grandeurs des variables de hi MA comme la tension, le courant et la fréquence sans
considération pour la phase. Bien que ces stratégies aient l'avantage d'être facilement
réalisables, elles ont l'inconvénient d'offrir de faibles performances dynamiques.
La stratégie de commande scalaire la plus connue est celle où lorsqu'on varie la
fréquence (jJs, on ajuste la tension d'alimentation au stator Vs de telle manière que le flux
23
ou le ratio entre la tension et la fréquence reste constant (car lfls = Vsfw e ). Cette stratégie
de commande peut être appliquée en boucle ouverte ou en boucle fermée avec régulation
de la fréquence de glissement. Cette dernière approche a comme avantage d' éviter
l'instabilité en limitant le glissement à une valeur tenant compte du couple maximal de la
machine. La référence en tension Vs* et en fréquence W e* sont fournies en entrée à un bloc
de MLI qui a comme fonction d'actualiser cette commande.
Onduhtür
de tension
(O~-y-i:~f"' l- ~~ç
m;
--._.-._--... etMLI
"'---_.....-_....:1
O>pl 0> ,
L_~,,~~_~ _ _ _,__~
..._. -_-_.
~
. ~---'--~~-l
; Moteur
capteur de vitesse
Fig. 1-10 - Schéma représentant la configuration d'un entraînement à vitesse variable basé sur la
commande scalaire [Bose, 2002]
Commande vectorielle
Les stratégies de commande vectorielle se distinguent des stratégies de commande
scalaire en prenant non seulement en compte la grandeur des variables de contrôle mais
également leur phase. La grandeur et la position des vecteurs de courant et de flux sont
donc toujours connues ce qui assure un découplage parfait des composantes du couple et
permet ainsi d'obtenir des performances dynamiques très élevées.
La stratégie de commande vectorielle la plus connue est celle de la commande à flux
orienté (CFO, ou Field Oriented Control FOC). Elle est basée sur l'utilisation d'un
modèle de machine à deux phases fictives dans un repère tournant tel que présenté à la
Fig. 1-7. Ce modèle permet un découplage des composantes du courant de flux et de
24
couple qui permet d'avoir un contrôle linéaire sur le couple comme dans le cas d'une
machine à courant continu (MCC). Ainsi, en connaissant la valeur du courant dans les
trois phases de la machine (ce qui peut être fait en prenant une mesure seulement sur
deux phases) et en appliquant la transformée de Park (équation (1-14)), on connaît la
valeur des composantes ide et i qe du courant que l' on peut alors réguler selon la valeur du
flux et du couple souhaitées.
Cependant, la transformée de Park exige la connaissance de la position électrique du
rotor Be. Il existe deux manières d'arriver à la connaissance de Be : (1) la manière directe
[Blaschke, 1972] et (2) la manière indirecte [Hasse, 1969] (Fig. 1-11). La manière directe
estime la position Be à l'aide de signaux de tension et de courant alors que la manière
indirecte estime cette position en intégrant la somme de la vitesse mécanique du rotor et
de la vitesse de glissement:
\fOC
Fig. 1-11 - Commande vectorielle basée sur l'orientation du champ (méthode indirecte)
les composantes de flux et de courant ainsi qu'à la stabilité de la commande. Pour ces
raisons, les stratégies de commande vectorielle pour des applications de haute
performance incluent souvent un estimateur de résistance au rotor.
1.4 Conclusion
Ce premier chapitre permet de donner une perspective générale sur l ' étude des
systèmes d'entraînement à vitesse variable de MA qui se décomposent en trois parties
formant chacun leur propre champ d' études en. ingénierie: les machines électriques,
l'électronique de puissance et la commande.
La finalité de ce type de système étant l' exploitation de la MA selon des
spécifications de performances données, les problématiques appartenant à ce type de
systèmes sont donc orientées vers les problématiques associées aux performances
attendues de la MA. Ainsi, la performance du convertisseur statique et du système de
commande seront toujours orientées vers un mode d'exploitation désiré de la MA.
cette thèse
\
o
8 88
.. ... 8..
Performance dynamique
Fig. 1-12 - Comparaison de différents mode d'exploitation sur les axes de performance dynamique et
énergétique en charge (1- alimentation secteur, 2 - alimentation convertisseur en boucle ouverte, 3 -
commande scalaire, 4 - commande vectorielle, 5 - commande vectorielle adaptative, 6 - commande
vectorielle avec ajustement du flux rotorique)
26
Les modes d'exploitation de la MA se situent entre deux grands axes: le mode basé
sur la performance dynamique et le mode basé sur la performance énergétique. Le choix
du mode d'exploitation se fera en fonction des besoins de l'application dans laquelle la
MA sera utilisée. Ce choix est le résultat d 'un compromis entre performances dynamique
et énergétique propres à l' appiication en question (Fig. 1-12).
L'objet de la recherche dans le domaine des entraînements à vitesse variable est soit
d'agrandir l'un ou l'autre des axes principaux (améliorer la performance, améliorer
l' efficacité énergétique) soit de minimiser les compromis (meilleure performance
énergétique pour une même performance dynamique ou vice-versa). Cette recherche
mène à des activités tout à fait différentes dans les trois champs de connaissances qui
composent celui des entraînements à vitesse variable (Tableau 1-2).
Tableau 1-2 - Exemples de problématiques dans chacune des activités de recherche propres aux
entraînements à vitesse variable
recherche de solutions afin d'améliorer la performance énergétique des MA. Selon [Bose,
2000], plus de 600/0 de l'énergie électrique produite dans les pays industrialisés sert à
alimenter des moteurs électriques. Dans le même article, l'auteur affirme que les
applications en électronique de puissance ont un potentiel de réduction de 150/0 à 20% de
l'énergie électrique consommée dans le monde.
Nous avons également montré précédemment que la stratégie de commande
vectorielle permettait le découplage de la régulation du flux et du courant. Considérant la
performance dynamique reconnue à la stratégie de commande vectorielle, le découplage
des composantes du couple ouvre l'opportunité d ' améliorer la performance énergétique
de la commande vectorielle en faisant l' ajustement du flux en fonction du point
d'opération (point 6 sur la Fig. 1-12). Une application type pour ce genre d'amélioration
sont les MA utilisées dans les nouvelles voitures électriques ou hybrides [Chan et al. ,
2001].
Cette orientation implique l'étude des mécanismes de pertes à l'intérieur de la MA
ainsi que dans le convertisseur statique. C'est l'objet du prochain chapitre.
28
Les pertes électromagnétiques dans la MA sont celles qui ont lieu dans les
conducteurs électriques (pertes cuivre ou pertes par conduction) et dans le noyau
magnétique (pertes fer) du rotor et du stator. On peut, à leur tour, les diviser en trois
grandes catégories : (1) les pertes fondamentales , (2) les pertes harmoniques spatiales
(pertes résiduelles) et (3) les pertes harmoniques temporelles.
Les pertes harmoniques temporelles n'existent que lorsque la MA est alimentée par
une source imparfaite (qui génère des harmoniques) comme un réseau de distribution
pollué ou un onduleur en tension.
Pertes fondamentales
Les pertes fondamentales sont les pertes fer et les pertes cuivre occasionnées par
l'onde fondamentale de la tension, du courant et du flux.
Les pertes fondamentales dans le fer sont : (1) les pertes par hystérésis et (2) les
pertes par courant de Foucault. Ces pertes fer sont causées par la variation du flux
magnétique et ne sont présentes que dans le noyau magnétique du stator et dans ses
encoches dans lesquelles est inséré le bobinage lorsque le glissement est à peu près nul.
Les pertes par hystérésis sont dues à une réorientation des domaines magnétiques
dans le matériau. Cela a pour effet que, lorsque la densité de flux magnétique B varie
sinusoïdalement dans le matériau (ce qui est le cas en raison de la forme sinusoïdale de la
tension), la forme de la variation de l'intensité du champ magnétique H (causé par le
courant magnétisant) ne change pas de la même manière (voir Fig. 2-1).
30
Fig. 2-1 - Projection des signaux de tension, de flux et de courant magnétisant afin de créer la boucle
d'hystérésis [Fitzgerald et al., 1990].
Cette non linéarité donne lieu à ce qu' on appelle une boucle d'hystérésis. On peut
mesurer la quantité d'énergie absorbée W à chaque cycle à l'aide de l'équation suivante:
(2-1) W = AlfHdB
Les pertes par hystérésis sont donc fonction de la fréquence d'opération f, de l'aire de
la boucle d 'hystérésis et du volume du noyau magnétique. La valeur des pertes par
hystérésis est évaluée empiriquement par le manufacturier du matériau utilisé et est donné
par le coefficient Ch (W/kg). Ainsi, on peut approximer ces pertes dans le stator et dans le
rotor à l'aide de ces équations:
où B[e,nj est la densité de flux dans les encoches et dans le noyau (T), G[e,nj,[r,sj est la
masse des encoches et du noyau (Kg) dans le stator et le rotor, s est le glissement et n =
On voit bien dans l'équation (2-3) qu'à la vitesse synchrone (s ~ 0), les pertes par
hystérésis dans le rotor sont à peu près nulles.
Les pertes par courant de Foucault sont causées par la création d'un champ électrique
à l'intérieur du noyau afin de s'opposer à la variation de flux. Il s'agit en fait d'une
conséquence directe de la loi de Faraday. Ce champ électrique donne lieu à la création
d'un courant (de Foucault) qui engendre alors des pertes Joule. Pour les minimiser, on
construit le noyau magnétique à l'aide de petites feuilles laminées isolées les unes des
autres à l'aide d'une couche d'oxyde ou de vernis. Les courants de Foucault ne sont alors
confinés qu'aux laminations, ce qui réduit de beaucoup les pertes (voir Fig. 2-2).
Fig. 2-2 - Effet des laminations sur les courants de Foucault [Wildi, 2001]
Les pertes par courant de Foucault varient avec le carré de la fréquence f, le carré de
la densité de flux B et de l'épaisseur des laminations:
32
Les pertes fondamentales dans le cuivre sont causées par le passage du courant dans
le bobinage du stator et du rotor. Il en résulte un effet Joule correspondant au produit de
la résistance par le carré du courant pour chacune des phases:
(2-5)
Les pertes cuivres seront influencées par: (1) la température et (2) l'effet pelliculaire
(aussi appelé effet de peau). En effet, la résistance R d'un conducteur varie en fonction de
la température T de la manière suivante:
A la fréquence de glissement nominale, l'effet de peau est négligeable dans le rotor d'une
MA.
33
Dans le cas où le rotor à cage a des barres en biais (skew) et non isolées, on pourra
observer un courant entre les barres du rotor, ce qui augmentera les pertes cuivre dans le
rotor. Cependant, on fera l' hypothèse ici que les barres sont droites et que ce courant
entre les barres est nul. Ainsi, la résistance du bobinage du stator Rs et du rotor Rr varient
en fonction de la température, de la fréquence du courant et du glissement: Rs(T,j) et
1 d 12 y =-oo 2 1rR 2
(2-8) P,am' V = - f f f Jr ,v dxdydz
0" -d / 2 y =O x=O
~
(2-9) Jr = aSvmBve R Z où Sv est le glissement de l'harmonique v.
On trouve les pertes par PHS à la surface du noyau magnétique en calculant (2-8) pour
chacune des harmoniques v pour chaque lamination:
34
(J 2 2 2 R
(2-10) PHS surface rotor sch == -Bv (SvaJ ) d -21rRI OÙ 1 est la longueur axiale du rotor (m).
, J' " 24 v
Pour trouver ces pertes dans le cas où il y a une charge, on doit appliquer le facteur de
correction suivant:
(2-12) C ch == ( lch J2où l ch et l sch représentent le courant statorique avec et sans charge,
l sch
La solution de ces équations montre que les PHS à la surface du noyau magnétique en
charge peuvent être plus grandes de 9% que celles sans charge. Les PHS à la surface du
noyau magnétique du stator sont négligeables puisque la largeur des encoches du rotor est
généralement beaucoup plus petite que celle du stator.
Les PHS par pulsation du flux causées par les encoches ont lieu à deux endroits: (1)
dans le noyau magnétique du stator et du rotor et (2) dans la cage du rotor. Le principe de
calcul de ces pertes est semblable à celui montré pour les PHS en surface du noyau
magnétique du rotor. On peut montrer que ces pulsations de flux donnent lieu à des pertes
par courant de Foucault et l'expression de ces pertes est donnée par:
où Cep sont les pertes fer à 1T et 60 Hz, Bp[s,rJ la pulsation de densité de flux dans le stator
et dans le rotor,h[s,rJ est la fréquence de pulsation de flux dans le stator et le rotor.
Les pertes par pulsation de flux dans la cage du rotor (avec des barres droites ou sans
biais) donnent lieu à des pertes cuivre occasionnées par une augmentation de l'effet de
peau dans les barres du rotor. Les pertes pour toutes les harmoniques k sont estimées à :
35
OÙ Rb est la résistance entre les barres de la cage du rotor (n), N[r,s) le nombre d'encoches
au rotor et au stator,fla fréquence d'alimentation (Hz),plle nombre de paires de pôles et
ibk le courant au rotor (A).
La solution de ces équations montre que les PHS par pulsation de flux dans la
cage du rotor causées par les encoches en charge peuvent être plus grandes d'e 430/0 de
celles sans charge. L'idée de construire une cage de rotor avec des barres en biais
(skewed) est dans le but de réduire ces pertes par pulsation de flux dans la cage.
Un modèle pour estimer les pertes de charges résiduelles basée sur la vitesse
mécanique et le courant au rotor a été proposé par [Kioskeridis, 1996] :
(2-17) k = fp
f
36
Plus le ratio k est élevé, moins il y aura d 'harmoniques générées par la source de
tension. Cependant, un ratio k élevé aura pour conséquence d ' augmenter les pertes par
commutation dans l' onduleur. Le choix optimal du ratio k sera celui du meilleur
compromIs entre pertes harmoniques dans la MA et pertes par commutation dans
l' onduleur.
Les pertes par conduction causées par les harmoniques temporelles se calculent
sensiblement de la même manière que celles causées par l'onde fondamentale.
Cependant, en raison de l' effet pelliculaire, on observe une variation de la valeur des
résistances et des inductances de fuite au rotor et au stator. Également, à haute fréquence,
l'impédance de l'inductance mutuelle devient tellement grande qu ' on peut maintenant la
négliger dans le circuit équivalent (voir Fig. 2-3).
Ainsi, les pertes par conduction causées par les harmoniques temporelles sont égales à :
La variation de la valeur des résistances et des inductances de fuites (au stator et au rotor)
en fonction de la fréquence est montrée par la Fig. 2-4.
37
Les pertes fer par hystérésis et par courants de Foucault occasionnées par les
harmoniques temporelles dans le noyau magnétique de la MA se situent à la fois dans le
rotor et le stator. Il devient cependant difficile de les évaluer car la pénétration du flux
magnétique dans le matériau à haute fréquence devient à peu près égale à l'épaisseur des
laminations. Ainsi, en fonction de la pénétration du flux, on distinguera deux situations:
(1) absence d'effet pelliculaire et (2) présence d'effet pelliculaire.
Il n'y aura pas d' effet pelliculaire pour les harmoniques qui ont une fréquence
relativement basse. Dans ce cas, les pertes fer seront composées de pertes par hystérésis
et pertes par courants de Foucault et seront égales à :
l n
(2-20) P/er,h-temp,pep = {Kh,Vvf v- + K e,Vv )AI
On voit bien dans l'équation (2-20) que plus la fréquence est élevée, plus les pertes
par hystérésis deviendront négligeables alors que les pertes par courants de Foucault
resteront constantes. Ainsi, à haute fréquence les pertes fer causées par les harmoniques
temporelles seront égales à :
1 2
(2-21) P/er,h-temp,ep = K eV} f v /
38
Les pertes mécaniques dans la MA sont dues à : (1) la friction de l'arbre du rotor sur
les billes de roulement et (2) à la friction de l'air sur le rotor.
La friction de l'arbre du rotor se divise en deux parties: (1) friction statique et (2)
friction dynamique. La friction statique est constante alors que la friction dynamique est
fonction de la vitesse mécanique du rotor wp et d'une constante d'amortissement B.
Ainsi, sachant que la friction est un couple, on n'a qu'à multiplier par la vitesse pour
obtenir les pertes par friction de l'arbre du rotor:
La friction de l'air sur le rotor est fonction d'une constante kvent et du carré de la
vitesse mécanique wp . Ainsi, les pertes par friction de l'air peuvent être exprimées
comme:
Voici un tableau qui synthétise chacune des pertes décrites dans les paragraphes
précédents et ce, dans chacune des parties de la MA qui entraîne une charge à couple
constant et à vitesse et température constantes. On fait également les hypothèses
suivantes:
39
Cuivre
Hystérésis
Courants de Foucault
Surface du noyau
magnétique
Pulsation de flux dans le
noyau (pertes fer)
Pertes mécaniques
Friction du rotor OJp (r friction ,sIal + B OJp )
Friction due à la ventilation
40
Il existe trois états possibles d'un transistor dans l' onduleur: (1) fenné (en
conduction), (2) ouvert (bloqué) et (3) en commutation (passage de l'état ouvert à fermé
ou vice-versa). Lorsqu'un transistor est ouvert, il n'y a pas de courant qui le traverse (à
l'exception d'un courant de fuite très faible) et ainsi il n'y a pas de perte de puissance.
Les pertes de puissance dans l' onduleur se divisent donc en : (1) pertes par conduction et
(2) pertes par commutation.
Lorsqu'un transistor de l' onduleur conduit un courant 1c, la tension VCE à ses bornes est
faible mais non nulle. Il s'en suit une perte par conduction qui est directement détenninée
par l'intensité du courant lc et la caractéristique VCE-SAT du type de transistor utilisé (voir
exemple, Fig. 2-5).
: djOfe IG8T:
, ,
, ,
, ,
, ,
, ,
~ 10 - - .. - - - - ~ - - - - - ... :. - - - - - - - -:- .. - - - - - -:- - - - . .. - ~ - - - - - - - - ~
l " l '
1 1 1 1 1
," , ,,
:. .y..
i
: /
i / i
:
j........ j
:
i
:
1 1 l ,
. .
. .
, ,
Fig. 2-5 - Caractéristique I-V d'un transistor IGBT 15A utilisé dans un onduleur 4 kVA. Image tirée
de [Abrahamsen, 2000].
Ainsi, on peut évaluer les pertes dans le transistor et dans la diode de roue libre de la
manière suivante [Abrahams en, 2000] :
41
(2 - 26) PON, D =( T7
y O,D + rO ,DID
•
P eon D ) '
' ID
En pratique, on peut réduire ces courbes à une expression linéaire (fJcond[T,D) = 1).
La stratégie de modulation n'a pas d'influence sur les pertes par conduction dans
l' onduleur [Kolar et al., 1991]. Ainsi, du point de vue de la commande, il n'existe pas de
moyen de réduire les pertes par conduction dans l' onduleur (pour une grandeur de
courant donnée).
Les pertes par commutation dans un transistor ou une diode sont difficilement
estimables analytiquement car elles sont reliées à plusieurs facteurs au niveau de la
construction des composants et du circuit. Pour cette raison, ces pertes sont déterminées
de manière empirique et sont indiquées dans les caractéristiques techniques fournies par
le manufacturier. Cependant, les données fournies par le manufacturier ont des tolérances
très grandes et l'identification précise de ces pertes doit se faire par une procédure
d'identification telle que montrée dans [Blaabjerg, 1994].
Une telle identification a été faite dans [Abrahamsen, 2000] et les pertes par
commutation pour le transistor (on-off) et la diode (off) sont présentées à la Fig. 2-6.
42
: . transistor 01
2_5 - - - - - - - - . - - - - - - - - ~ - - - - - - - - - - - - - - - - ~ - - - - - - - - - - J_- --
, ,
· .
·, ,.
!:i' 2 ... - .. . .. _. . _. . _. ~ .. _. . _... . _. . _.. ~. # iransISto-"-oit -
f
f 1.5···_ ··_ ··_· _··_
z:·········r .. ;............_.. .
S. :
ca ~ / ' __ ~~tr
, · ·· ·· · ·· · · · · · ·· ~ ··· · · T ······· · ·······
·, .,
0_5 '·'7
5 10 15
current [A]
Fig. 2-6 - Én ergie p erdue lors de la commutation d ' un transistor et d ' une diode 15A. Image tirée d e
[Abrahamsen, 2000]
Les pertes par commutation peuvent alors s'approximer par les relations suivantes:
Pour minimiser les pertes par commutation pour un courant i[T, DJ, on peut minimiser
la fréquence de commutation f Mais une fréquence de commutation trop faible entraînera
une augmentation du taux de distorsion harmonique (TDH) (voir l'équation (2-17)). Dans
[Abrahams en, 2000] , le compromis idéal entre harmoniques et pertes par commutation
dans un moteur de 2 kW a été trouvé entre 3-4 kHz.
43
Deux excellents articles [Hori et al., 2003], [Levi et al., 2003] ainsi que la thèse de
[Abrahamsen, 2000] permettent de faire une revue efficace des développements de la
commande en vue d'optimiser le rendement énergétique de la MA.
Les premiers travaux qui ont porté sur l'intérêt d'économiser de l'énergie lorsque la
charge est inférieure à la charge nominale sont ceux de [Nola, 1977] qui a proposé un
contrôleur de facteur de puissance (aussi appelé contrôleur de Nola). Une analyse
quantitative de l'espérance des économies engendrées par l'idée de Nola est présentée
pour une application de commande de MA à partir d'un redresseur construit au moyen de
thyristors [Lipo et al., 1983]. Cette analyse présente les défauts du contrôleur de Nola et
conclue que les marges d'économie d'énergie à l'aide de cette technique sont limitées (la
charge doit être inférieure à 0.45 p.u. pour une longue période de temps). C'est bien ce
qui est observé dans la thèse de [Abrahams en, 2000] (Fig. 2-7).
1~------------------------------~
1
1 1
optJmJs~d efffc/en'r;y
.....
0.8 . -- -- - - - -- 1 - - - -- -
1
- - -- -r -
1
- - - r- -- - - -
1
-- -- - .., -
1
-- -- - - - -- --
::i 1 1 :
.~
1: 1 1 1 1
E
1 1 1 1
1 1 1 1
0.2 -------~--------~--------~-------~--------
1 1 1 1
1 1 1
1 1 1
1
o~----------~------~----------~
o 0.2 0.4 0.6 0.8 1
Joad torque [p.u.]
Fig. 2-7 - Rendement d'un moteur de 2.2 kW à vitesse nominale pour différentes charges avec flux
constant et avec optimisation du flux. Image tirée de [Abrahamsen, 2000].
44
~ ________________~_ _ ~Qœ
N'~STIfS
~ 1
1
t OONVERTlDl
LOSS
--:::::--::::::::::...~~ IRON LOIS
H'OPnEP!
Fig. 2-8 - Principe de fonctionnement de l'ajustement du flux au rotor par recherche de point de
puissance minimale à l'entrée. Image tirée de [Souza et al., 1995].
L'ouvrage de [Sul et al., 1988] propose une autre approche de recherche basée sur
la fréquence de glissement optimale. Les auteurs montrent qu'à vitesse constante, le
rendement ne dépend que de la fréquence de glissement, peu importe le couple de charge.
À partir de la tension et du courant au stator, ils déduisent la fréquence de glissement, le
couple et la puissance d'entrée. Ainsi, pour une charge à dynamique invariante dans le
temps, ils identifient la fréquence de glissement optimale pour chaque point d'opération
et la placent en mémoire. En opération normale, le système de commande n'a qu'à régler
la fréquence de glissement optimale préalablement identifiée.
D'autres chercheurs ont travaillé sur l'amélioration du temps de convergence des
SCEO basées sur la recherche de la puissance d'entrée minimale. Notamment les travaux
de [Cao-Minh et al., 2001]1 qui ont porté sur l'utilisation de la « technique à section
d'or» (golden section technique) qui est pratiquement aussi performante que la technique
de recherche (de point minimum d'une fonction) de Fibonnacci mais a l'avantage d'être
plus facile à mettre en application [Bazaraa et al., 1993]. Cette technique de recherche
26% comparé à une SCEO basée uniquement sur la recherche de la puissance d'entrée
minimale. Il s'agit d'un excellent compromis entre les deux types d'approches.
La question de la robustesse
L'ajustement du flux magnétique dans l'intention de diminuer les pertes cuivre et
les pertes fer implique un compromis sur la robustesse du contrôleur aux perturbations de
charge et de variation de commande en vitesse. La diminution du flux implique une
diminution du temps de réponse à la commande en couple (réduction de la largeur de
bande de contrôle) et par conséquent rend le système plus vulnérable à l'instabilité. Le
design idéal est celui où on augmente le rendement du système sans compromis sur sa
dynamique.
Pour solutionner ce problème, les auteurs [Levi et al., 2003], [Hori et al., 2003],
[Cao-Minh et al., 2001] (et plusieurs autres) proposent de rétablir la commande en flux
nominal lorsqu'une perturbation de charge ou une variation de la commande en vitesse
survient à l'aide d'un détecteur de régime permanent. L'optimisation du rendement
énergétique ne se fait alors qu'en régime permanent. Cette approche comporte cependant
certains inconvénients:
• l'ajout d'un détecteur de régime permanent augmente la complexité de la SCEO;
• la transition rapide entre une valeur de flux optimale et nominale peut entraîner des
oscillations de couple qui peuvent mener à l'instabilité;
• la nécessité de définir une frontière entre le régime permanent et le régime transitoire.
La littérature ne contient actuellement aucune proposition de solution permettant
d'éliminer ou de réduire un de ces inconvénients.
Typiquement, les méthodes utilisées pour intégrer un modèle des pertes dans un
contrôleur consiste à faire le calcul en temps réel du flux optimal à l'aide du modèle
analytique ou de construire une table de conversion contenant la valeur du flux optimal
pour différents points d'opération. Les avantages et inconvénients de chacune de ces
méthodes sont montrés au Tableau 2-2.
Tableau 2-2 - Avantages et inconvénients des méthodes de représentation du modèle des pertes
La méthode basée sur le calcul en temps réel du flux optimal basé sur un modèle
analytique peut être intéressante pour un modèle simple. Cependant, cette méthode ne
sera plus envisageable à partir d'un certain niveau de complexité car le temps de calcul
associé à cette méthode augmentera en fonction de ce niveau de complexité.
La méthode basée sur table de conversion n'a pas le problème de l'augmentation
du temps de calcul en fonction de la complexité mais a plutôt le problème de
l'augmentation de l'espace mémoire en fonction de celle-ci. En effet, pour un modèle à
dimension donnée, plus on voudra un grand degré de précision, plus la table de
conversion prendra de l'espace mémoire. De plus, si on ajoute une dimension au modèle
(celui-ci étant seulement fonction de la vitesse et du couple mais également de la
résistance rotorique par exemple [Peracaula, 2005]), l'espace mémoire allouée à la mise
en place du modèle augmentera significativement.
Une méthode située à mi-chemin entre le calcul en temps réel et la table de
conversion est celle discutée au chapitre précédent et basée sur l'utilisation de réseaux de
neurones artificiels (RNA). Le modèle des pertes, aussi complexe soit-il, peut être utilisé
pour générer des données d'entraînement afin d'entraîner un RNA dont la précision sera
52
'û. _. 01 .. ;;, ~ ~ - - _ ... t - ... ~ ... ~ ... - - JI:' ~,Jo,. ;;C J9 IV 1" ... _ ... - "t - - - -;- ~,. '" ~: ... 91.:- .. _ ... _
! ( : : , ; ,. I.C
SPWM DPWM
Fig. 2-9 - Spectre harmonique de la tension et du courant d'un onduleur modulé par SPWM (à
gauche) et d'un onduleur modulé par DPWM (à droite). Image tirée de [Trzynadlowski et al. 1994].
Les travaux de [Hava, 1998] sont certainement les plus concrets qui ont été faits
dans ce sens jusqu'à maintenant. Il a notamment développé une technique de DPWM
adaptative [Hava et al., 1998] qui permet d'ajuster les pertes par commutation dans
l' onduleur et la qualité de l'onde en sortie. Puisqu'aucune technique de modulation
n'offre une performance supérieure sur toute la plage de modulation, les auteurs ont
proposé l'utilisation du SVPWM pour un indice de modulation m i faible et du DPWM
pour un indice de modulation mi élevé (mi> 0.81). La combinaison de deux types de MLI
dépend aussi de ce que l'on veut minimiser: les pertes par commutation ou celles dues
aux harmoniques. Il est démontré que le DPWM peut réduire jusqu'à 50% les pertes par
commutation par rapport au SPWM et que ces pertes sont fonction du facteur de
puissance et d'une variable de commande. Les essais expérimentaux effectués sur une
MA de 5 HP avec commande scalaire montre que l' échauffement (en OC) du dissipateur
de chaleur avec DPWM et une charge de 1.0 p.u. est pratiquement égal à celui avec
SVPWM mais avec une charge deux fois plus petite (0.5 p.u.).
Dans sa thèse, Hava a également montré le bon fonctionnement expérimental de
la DPWM dans le cadre de la commande vectorielle d'une MA. Il a surtout étudié le
55
2.3 Conclusion
Les méthodes existantes
Il existe deux méthodes de commande optimale de flux dans une MA : (1) la méthode
basée sur un modèle des pertes et (2) la méthode basée sur la recherche de la puissance
minimale à l'entrée. La première méthode a un temps de convergence rapide mais est
sensible aux variations de paramètre du modèle alors que la deuxième méthode minimise
les pertes totales dans tout le système mais possède un temps de convergence plus lent
que la première. Il est possible de profiter des avantages de ces deux méthodes en
utilisant une méthode hybride.
Dans la pratique, la méthode par modèle de pertes suscite un plus grand intérêt que la
méthode par recherche du point de puissance minimal à l'entrée car elle est non
seulement moins coûteuse à mettre en oeuvre (elle ne nécessite pas de capteurs
supplémentaires) mais sa performance n'est pas dépendante de la qualité de la mesure de
la puissance à l'entrée. De plus, la présence d'oscillations de couple engendrées par la
méthode par recherche du point de puissance minimal à l' entrée (en raison de
l'ajustement graduel du flux) exige un mécanisme de compensation complexe. Ainsi, le
seul intérêt évident pour cette méthode est son utilisation dans une SCEO hybride.
optimal à partir d'un modèle des pertes analytique) mais sans l'inconvénient de nécessiter
beaucoup de ressources en mémoire.
Le rendement énergétique d'un système composé d'un onduleur de tension et
d'une MA peut être grandement amélioré à faible charge par l'utilisation d'une SCEO
mais à pleine charge, le rendement du système est le même qu'un système sans SCEO. Il
est cependant possible de minimiser les pertes dans le système en pleine charge en
s'attaquant à une autre source de pertes: les pertes par commutation dans l' onduleur et
les pertes harmoniques dans le moteur engendrées par l' onduleur. Ces pertes peuvent être
minimisées par l'utilisation d'une technique de modulation discontinue de l' onduleur.
L'état de l'art au niveau de la théorie de la modulation discontinue est très abondant et il
fait presque l'unanimité qu'il s'agit d'une technique de modulation intéressante pour
minimiser les pertes par commutation et/ou harmonique. Cependant, les travaux qui
traitent de son utilisation expérimentale dans l'application de commande de MA sont peu
nombreux et plusieurs questions ne sont pas encore bien résolues (comme par exemple la
détermination du point mi seuil pour le passage d'une modulation SVPWM à modulation
DPWM).
Un second problème associé aux SCEO basé sur un modèle des pertes est celui
d'obtenir non seulement de bonnes performances énergétiques du système en régime
permanent mais également de bonnes performances dynamiques en régime transitoire. Ce
problème est généralement solutionné en ramenant le flux au niveau nominal lorsque le
système est identifié comme étant en régime transitoire par un détecteur de régime
permanent. Cette solution comporte des problèmes de conception qui ont des
répercussions sur la stabilité et la complexité du système de commande.
Un autre problème, plus méthodologique, est que la littérature ne présente que des
SCEO impliquant des modèles de MA impliquant des paramètres difficilement
identifiables au moyen de techniques simples (notamment les coefficients associées aux
pertes par hystérésis, par courant de Foucault et par les harmoniques spatiales) : ce qui en
réduit certainement l'application. Une SCEO basée sur un modèle des pertes facile à
construire au moyen d'une technique simple et offrant des performances acceptables
augmenterait certainement l'accessibilité de l'implantation de telles solutions.
57
Proposition d'avancement
Considérant les problématiques actuelles en conception de SCEO et telles
qu'illustrées plus haut, cette thèse propose de contribuer à leur solution en proposant de
nouvelles méthodes de conception de SCEO à base de RNA. Ces nouvelles méthodes
permettront notamment:
Il a été montré au chapitre précédent que les SCEO de MA basées sur un modèle des
pertes sont très prometteuses mais ouvrent sur deux problématiques: la conception d 'un
modèle des pertes représentatif de la MA et l'intégration efficace de ce modèle dans la
stratégie de commande.
Sur ce sujet, l' approche basée sur l'utilisation des qualités d ' approximateurs
universels des RNA en vue de l'intégration du modèle des pertes dans la stratégie de
commande ouvre des perspectives intéressantes en termes de coûts et de performance.
Une certaine maturité a récemment été atteinte dans l'étude de cette approche avec les
travaux de [Peracaula et al., 2005]. Cependant, ces travaux n'ont été présentés qu ' en
simulation et une version expérimentale d'une telle SCEO n'a toujours pas été réalisée.
Ce chapitre a pour objectif de décrire la méthode de conception du modèle des pertes
de la machine basée sur un réseau de neurones artificiels et de proposer deux nouvelles
approches de conception qui permettent respectivement:
• d'augmenter l'efficacité du système à toute la plage de charge par l'intégration de
la DPWM à la commande;
• de réduire la complexité et le risque d'instabilité en intégrant le détecteur de
régime permanent à la commande neuronale.
Mais tout d'abord, une introduction aux systèmes à RNA sera présentée ainsi qu 'un
survol de leurs applications dans la commande de machines électriques.
Les réseaux de neurones artificiels (RNA) sont une des approches issues du domaine
de l' « intelligence artificielle» (lA) qui comprend également d'autres approches tels la
59
L ' apprentissage se fait par une construction et un positionnement successif des images
d ' entraînement qui finissent par converger dans des sous-espaces distincts de l'espace
d ' entrée.
1 En fait, l' invention de ce type d'apprentissage a été proposé d'abord par [Bryson et al., 1969] mais a été
oublié suite à l'ouvrage de [Minksy et al. , 1969] qui révélait - à tort - les limites des réseaux de neurones
artificiels de type perceptron, ce qui a jeté un froid sur le financement de ce type de recherche dans les
années 1970. C'est suite aux travaux de [Rumelhart et al., 1986] et à ceux d'autres chercheurs que les
conclusions préalablement faites par Minksy et al. ont été réfutées.
61
1\ 1 \
T
où w = [WI , W2, ... , WR}T est le vecteur des gains qui multiplie le vecteur d'entrée
P = [Pl, P2, ... , PR}T et b est la valeur du biais.
Il existe plusieurs types de fonction d'activation: (1) fonction seuil, (2) fonction
sigmoïde, (3) fonction tangente hyperbolique, (4) fonction linéaire, etc. Le choix de la
fonction d'activation dépend de l'application pour lequel il sera utilisé (caractéristiques
de l'espace de sortie) et constitue une étape fondamentale dans le processus de
conception d'un RNA.
Ainsi, pour un vecteur d'entrée p, la sortie du perceptron sera déterminée par la valeur
des gains W et du biais b. La connaissance présente dans un perceptron est donc
emmagasinée dans la valeur des gains W et b qui sont ajustés à l'aide d'un algorithme
d'apprentissage.
62
\ / \
s2x 1
Fig. 3-2 - Réseau de neurones à propagation vers l'avant à deux couches [Parizeau, 2004]
peut être utilisé pour approximer n ' importe quelle fonction continue à une précision
donnée [Cybenko, 1989]. La précision de l' approximation est dépendante du nombre de
neurones utilisés dans la couche cachée (plus il y a de neurones, plus l'approximation est
précise).
Pour des fins de simplification pour le reste de l' ouvrage, nous utiliserons
l'expression «réseau de neurones artificiels» (RNA) pour désigner le perceptron
multicouche, à moins d'indication contraire.
Rappelons que la sortie de chaque couche c (d'un réseau ayant C couches) est égale à :
Il s'agit d'un processus itératif qui revient à calculer la variation des poids et des biais
(respectivement W et b) à attribuer aux valeurs présentes à chaque itération k :
où
Les applications des RNA se divisent en deux grandes classes d'applications: celles
basées sur l'approximation de fonction et celles basées sur la reconnaissance de fonne
(pattern recognition). Des exemples d'applications appartenant à chacune de ces classes
sont montrés au Tableau 3-1.
Applications Exemple
Prédiction Dynamique de la charge
Approximation de fonction
Commande Régulateur PI
Détection de pièces
Vision artificielle
défectueuses
Reconnaissance de fonne
Identification du type de
Classification
défaut
Tableau 3-2 - Caractéristiques i ntéressantes des réseaux de neurones artificiels [Bose, 2002]
Caractéristique Justification
l 1 n ' est pas obligatoire d'entraîner le RNA sur tout l' espace
d' entrée: une judicieuse sélection des points critiques de
capacité d'extrapolation
1' espace d ' entrée fournira assez d' information au RNA pour le
modéliser et le généraliser.
Ce qui rend leur utilisation intéressante dans les applications
tolérance au bruit de reconnaissance de formes où la caractéristique à identifier
e st souvent bruitée.
La structure intrinsèquement parallèle des RNA en fait une
parallélisme puissante unité de calcul dans le cas où le RNA est réalisé sur
une plateforme matérielle.
La distribution de la connaissance sur les gains et les biais
robustesse aux fautes dans tout le réseau le rend tolérant à un éventuel changement
de valeur accidentel d'un gain ou d'un biais.
Les machines électrique s et les convertisseurs statiques sont des procédés ayant une
dynamique très non-linéaire et dont les paramètres varient dans le temps. Nous avons vu
à la section précédente que les RNA sont des structures particulièrement performantes
pour modéliser des proces sus non-linéaires et dont la capacité d'apprentissage leur
permet d'évoluer dans le te mps. Par conséquent, cette complémentarité entre les besoins
des ces applications et les caractéristiques des RNA fait en sorte qu'il s'agit d'une
approche intéressante pour r ésoudre des problèmes dans ces applications.
Il existe de nombreux 0 uvrages et articles scientifiques qui traitent de l'utilisation des
RNA dans les applications de machines électriques et d'électronique de puissance
notamment ceux de [Bose, 2002], [Kazmierkowski et al., 2002], [Cirstea et al. , 2002].
L'ouvrage le plus complet sur la question est certainement celui de [Vas, 1999]. Le
Tableau 3-3 classifie ces applications en 5 catégories:
66
Tableau 3-3 - Classification des applications de RNA dans les machines électriques
Application Exemple
estimation du flux ou de la vitesse d'un
estimateur de variables d'état
moteur asynchrone
résistance au rotor ou inductance de fuite
estimation de paramètres
d'un moteur asynchrone
modulation par largeur d'impulsion modulation par vecteur d'espace
régulation de courant commande vectorielle ou directe
défaut de roulement ou d'isolation du
détection de défaut
bobinage
Tel qu'illustré au chapitre 2, le RNA est une alternative intéressante aux méthodes
de représentation traditionnelles du modèle des pertes à l'intérieur du contrôleur qui sont
basées sur le calcul en temps réel à l'aide d'un modèle analytique ou l'utilisation d'une
table de conversion. Il s'agit là d'un bel exemple d'application d'approximation de
fonction qui convient parfaitement à l'architecture du RNA perceptron multicouche.
La conception d'une version neuronale du modèle des pertes de la MA se divise
en trois étapes: (1) la génération des données d'entraînement, (2) la sélection de
l'architecture du RNA et (3) l'entraînement du RNA à l'aide des données d'entraînement.
Ces étapes peuvent être réaliséees à l'aide du logiciel de calcul scientifique Matlab MC
ainsi que la boîte à outil spécialisée dans la conception de RNA Neural N etwork
Toolbox Mc .
67
ms l T el lf/ rI
ms2 T e2
(3-8) DO = [po dO]oùpo = etd O =
lf/r2
msQ T eQ lf/rQ
Ces données d'entraînement sont construites à l'aide du modèle des pertes que l'on
désire représenter. On divise alors l'espace d'entrée en Q points uniformément répartis
entre 0 et 1 p.u. pour chacune des dimensions du modèle (associées à la variable p)
auxquels correspondent Q valeurs de flux optimales (associées à la variable d).
La génération des données d'entraînement pour la conception d'un modèle neuronal
des pertes dans la machine se fait à l'aide du modèle présenté par [Peracaula, 2002].
L'espace d'entrée est alors divisé en Q = 525 points (25x25) d'opérations pour lesquels le
flux qui minimise les pertes dans la MA a été préalablement trouvé à l'aide de la fonction
de recherche de minimumfminbnd disponible dans Matlab™.
Il a été préalablement déterminé que la structure de RNA de choix pour l'application
d'approximation de fonction est celle du perceptron multicouche avec une couche cachée.
68
Ce type de RNA peut approximer n'importe quelle fonction à une précision donnée qui
est fonction du nombre de neurones présents dans la couche cachée. Une étape
importante de la conception est de trouver le nombre optimal de neurones à placer ur la
couche cachée pour avoir une approximation sati faisante du modèle (une erreur
quadratique minimale) et un RNA le plus parcimonieux possible afin de minin1iser les
re ource en temps et en matériel néce saire à a mi e en place dan le contrôleur. Dan
leur plus récent travail, [Peracaula et al. 2005] ont utilisé un RNA ayant 3 entrées et 3
neurones sur la couche cachée (la 3 e entrée étant l' approximation de la résistance
rotorique) avec 385 données d'entraînement et une erreur quadratique de 1.57xlO- s (Fig.
3-3).
.. . ...
[
.. . • ...of
~ ~I
. . ... . . . . . .. .
1 _
• • .. •• '+ •
.. . ..
• .... ........... .. • • ... • ........ 4 . ....... ..
. ....... . . . .
~ -~
m ' ~ ,j . , ...
... .. ........
. . . . - .4o
.. ... . .... , .....
.. , .. ..........
.. ...
~ ri
8- ." -j
-4 ....... .,. •
.. -i • + •
,. ......... ......... .
...... . . ..... ,...; . . .
: -~ .... .1'
. ... ,.
. .
...... .. . . .. .
...... ... f ..
l~ --~-
1 .j-~-
.... '!,..- '1
Couple (p u) Vitesse (p .U )
À l'aide de la boite à outil de Matlab™ Neural Network Toolbox, des RNA ayant un
nombre différent de neurones sur la couche cachée ont été conçus (de 3 à 20 neurones) et
entraînés avec le jeu de données d'entraînenlent (voir l'évolution de l'entraînement à la
69
Fig. 3-4). Le nombre d'itérations (appelés epochs) a été fixé arbitrairement à 500. Les
résultats de l'entraînement des différents RNA pour 3 essais sont présentés sur la Fig.
3-5.
4l)
:J
a;s 10'1 ,
0)
c: .
'.ë
'ro 10
.:j:'
j
.=
10~~
1
10·5 }
f
lO·'i< ------'-1- _ , -
1 _---'-
1_ _-'-
1 _---'_ _-'--_-'-_---'-_ _-'--_-'
o 50 100 150 200 250 300 350 400 450 500
500 Epochs
Fig. 3-4 - Évolution de l'erreur quadratique durant le troisième essai de l'entraînement du RNA
ayant 10 neurones dans la couche cachée
7,OE-04
10 11 12 13 14 15 16 17 18 19 20
Fig. 3-5 - Erreur quadratique moyenne en sortie selon le nombre de neurones présents sur la couche
cachée pour un RNA ayant une seule sortie
70
On voit sur la Fig. 3-5 que l'erreur quadratique moyenne (EQM) en sortie du
RNA entraîné à l'aide des données d'entraînement provenant du modèle de pertes de la
machine diminue en fonction du nombre de neurones présents sur la couche cachée, ce
qui confirme bien ce qui a été démontré par [Cybenko, 1989]. Cette erreur est
relativement faible même avec un petit nombre de neurones (3 neurones, EQM =
4
6.20xl0- ) puis diminue par environ 3 en ajoutant 2 neurones supplémentaires. Passé un
certain nombre de neurones sur la couche cachée (plus de 8 neurones), on observe que
l'EQM ne diminue pratiquement plus.
(Osl T el lf/ rI Xl
D! =[i i]oùi =
(Os 2 T e2 lf/ r2 X 2
l
(3-9) etd =
(OsQ T eQ lf/rQ X Q
Est-ce que l'ajout de connaissance amenée par la sortie supplémentaire X au RNA aura un
impact significatif sur sa taille? On peut déjà penser que cet impact sera fonction de la
forme du nouvel espace de sortie: plus sa corrélation avec les connaissances déjà
apprises par le RNA est grande, moins l'impact sur sa taille sera grand. À l'opposé, un
nouvel espace d'entrée totalement non-correlé avec l'espace déjà en place nécessitera
beaucoup plus de ressources neuronales nécessaires.
On peut valider cette hypothèse en examinant l'impact sur la taille du RNA suite à
l'ajout des espaces de sorties XA et XB suivants (voir Fig. 3-6 et Fig. 3-7) pour créer les
.,+
. .... '
..... .. ..' - ....... .....
.
~ ....
...
.....
..
......
...•••••. ..- ...... .+" .........
of·· ..... -,.. ....... ..
....... ....
• +
.~
..
..••••••••••
-
.
........ -. .-
...........
• ••• ~
.+'
..... "'t ..
...... ....... .... .
.+ .... "
>.. ,'_
• + t ... . .... ••• ........ . " ••• •
,.t .... • ••
•.• .... •••. . t . , "".~
••••• •••••• • ••• , ..... _--~~ee
• •• .-....... - ' n
r. ~ _ ~ ••• ' .' ":ti J
Vitesse (p ,u,)
COLJnl~ (0 LI )
Vitesse (p U l ' _
Couple (p U,)
j--
2,5E -04
"'C
~
::l 1,OE-04
0'"
~
::l
cu
~
~
W
5,OE-05
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Fig. 3-8 - Évolu tio n de l'erreur qu ad ratiq ue de l'e ntraînement d 'u n RNA dont les so rties sont le flux
optimal et les fo nctio n xA ou xB
E
On observe sur ce graphique que l'EQM pour XA et Xs est respectivement de 3. 7 -S et
7 .S E-S pour 10 neurones sur la couche cachée: ce qui est du même ordre de grandeur que
E
les résultats pour le RNA à une seule sortie (S.3 -S) présenté à la Fig. 3-S. On observe
également que l'EQM de Xs est supérieur à XA, résultat attendu en raison de la moins
grande homogénéité de son espace de données par rapport à XA (comparer Fig. 3-6 et Fig.
3-7), mais que cette différence devient de plus en plus petite en fonction du nombre de
neurones présents sur la couche cachée du RNA.
Ces observations originales permettent de penser qu'il est possible d 'ajouter de la
connaissance utile à un RN A avec un impact n1ineur sur sa topologie. Cela a pour
conséquence qu'il est possible d ' ajouter des fonctionnalités à un système à base d e
RNA sans coût suppplémenta ire dans la mise en œuvre du système de commande
(lnême RNA avec plus de fonctionnalités).
73
81 . JI . RmctÎO!1 B _Cl
lL.._F_oo_ct_·ion_._A_.. Jb
I L-.-_(_R_N_A}_~~
82 ·
:1
ArWitecture Çvec RNA intégrant des f2nc1~noal ité$ supr!érnentaires
au ni· eau de la génération œs dor nées d'apprentissage.
Fonotion$ A6,C
,"--_<_R_N_Al_-"" ... , ~§J
----~
Fig. 3-9 - Comparaison de l'architecture de système avec RNA conventionnelle et RNA intégrant des
fonctionnalités additionnelles au niveau de la génération des données d ' apprentissage
Les sections suivantes montreront deux exemples concrets d ' amélioration de SCEO qui
profitent de cette amélioration de design de système à RNA.
par commutation en utilisant des stratégies de MLI avancées telle que la DPWM optimale
par [Hava, 1998].
Le pnncIpe utilisé par la D PWM optimale pour réduire les pertes par
commutation est d'empêcher la commutation des transistors IGBT lorsque le courant est
maximal. La DPWM optimale est en fait la combinaison de plusieurs techniques de
DPWM (DPWMO, DPWM1, DPWM2, DPWM3 voir [Lipo et al., 2003] pour une
description détaillée) qui sont utilisées dans leur zone optimale. On voit sur la Fig. 3-10
que la DPWM optimale peut réduire les pertes par commutation jusqu'à 500/0 par rapport
aux techniques de modulation continues.
1r
(3-12) lj/=CP + -
6
... ..;
.. ... -:.
'. "'~- .
0.7 .. .. '
0.6 , 1 •• ~ ••
0.5
~ 1. ( "
60
,. [d o·]
o
Fig. 3-11 - Rapport entre pertes par commutation de la DPWM optimale et les pertes par
commutation avec modulation continue en fonction de l'angle du facteur de puissance qJ et de l'angle
de blocage de la commutation '11 [Hava, 1998J
~ lj/ m ~
(3-14) i l' ------------------------~ et
R J2 ') R J2 + (jm, (Lf'
( R, + -: + L f; ))-')
( R, + -: + (jw s (LI' + L f; ))-
.
(3-15) T/}/ = . V ', lj/ m{Ù.I·
~----
Le facteur de puissance pour un moteur ayant les n1êmes caractéristiques que celui utilisé
au laboratoire du LEEPCI (voir caractétistique au chapitre 4) en fonction de id, à vitesse
électrique nominale W sO et à couple nominal Te () a été calculé avec les équations montrée
plus haut (Fig. 3-12).
0 ,9
0,8 •
0 ,7
•
- t -- - -- - II I - ------c
...----;;;-------------'1~.
-,---------------l
• • ••
0 ,6
• ••
••
0 ,5
• •
• •••
04 •
0 ,1 -1-- - - - - - - - - - - - - - - - - - - - - - - - - ---1
0 ,15 0 ,25 0,35 0,45 0 ,55 0 ,65 0,75 0,85 0,95 1,05
Id (p.u.)
Fig. 3-12 - Facteur de puissance en fo nction de id pour différentes valeurs de charge en utilisant les
équations (3-13) à (3-17)
Ces valeurs de facteur de pUIssance peuvent alors être utilisées facilement pour
commander optimalement la modulation DPWM en fonction du point d'opération. Ainsi,
préalablement à l'intégration à la SCEO développée auparavant, l'architecture du
nouveau système qui minimise les pertes dans l'onduleur ressemble à la Fig. 3-13.
78
Fig. 3-13 - Architecture avec intégration conventionnelle du modèle des pertes par commutation
Nous avons vu que le module de commande optimale du DPWM néces ite de connaître
le courant id afin d ' en déduire le facteur de puissance. Or, cette fonction est déjà remplie
par le module de conlmande optimale de flux qui associe un flux optimal préalablement
calculé en fonction d'un modèle des pertes de la machine pour chacun des points
d' opération.
012 ...
..- .. ... ...
13' 01 -,
... .. ..-
~
~ 008 ...
...
...
+
.. ...
0> .;-
e OOS
<{
004 ,
... * ... .op-
002 ,
0.8
Fig. 3-15 - Angle de blocage optimal f!1opt en fonction du point d ' opération
rL
.....
Iw III: :r
l' , 11:-:r " J
Iw Iln:rr l
)
Fig. 3-16 - Architecture avec intégration du modèle de pertes par commutation au niveau de la
génération des données d'apprenti ssage
80
Tel qu'attendu, l'impact de l'ajout du modèle de pertes par commutation sur la taille du
RNA est minime. Lorsqu ' on remplace les fonctions XA ou XB par l'angle de blocage
optimal lj1 opt pour créer un nouveau j eu de données D ~ Opl qui associe chacun de points
1,6E-04
1,4E-04 1-
Ci)
ê 1,2E-04 t-
Ci)
>-
o
E 1,OE-04 I-
Ci)
::l
cr
~ B,OE-05 1- r--
...
:1
"C
6-ca 6,OE-05 -;___- _ 1 -
...
::l
W 4,OE-05
e
o~::+:: -it-
------,-
-_ _ ---, __, ---1, --1,---1.---1 ,-I-,-- Ll
---I.----1--.Jj
- -
, ---=--=--I ~-I=1
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Fig. 3-17 - Évolution de l'erreur quadratique de l'entraînement d'un RNA dont les sorties sont le flux
optimal et l'angle de blocage optimal 'l'opt
81
Ainsi, l'idée d'intégrer les pertes par commutation dans la SCEO permet d'étendre
l'augmentation de l'efficacité énergétique du système sur toute la plage de charge.
L'approche neuronale de cette SCEO vient en faciliter la réalisation en n'ajoutant ni coût
ni complexité supplémentaires au système: ce qui en augmente la probabilité
d'utilisation.
82
lDétectetJr de
réginle
rl~~~ I~'~~~~~~.~._;___p_.e_T_'ma_.. ; ._e_n_
_c m_ t __ ~
Ainsi, la valeur de sortie du régulateur de flux est située entre le flux nominal
l/fr-nom et le flux énergétiquement optimal l/fr-opt en fonction de la « grandeur» du régime
transitoire qui serait fonction de l'erreur en vitesse et l'erreur en couple r(L1CVp , L1Te ) :
La fonction r( L1CVp , L1Te ) doit être conçue de manière à ce que fJf/ej = fJf/pt en régime
permanent (L1CVp = L1Te ~ 0) et fJf/ ej = [fJf/pt ,fJfrnom ] en régime transitoire (L1CVp t- 0 et/ou
L1Te t- 0). Cette fonction vient donc jouer le rôle de «délimiteur» entre le régime
transitoire et le régime permanent et peut être conçue de plusieurs façons. Il y a donc une
contrainte de conception qui est celle de créer une zone de transition entre fJf/pt et fJf/ om
qui est:
• assez large pour éviter les fluctuations rapides de la commande de flux et ainsi
diminuer le risque d'instabilité du système;
• assez étroite pour assurer une bonne réponse dynamique du système.
Dans un premier temps, la fonction r(l1w p , I1Te ) peut être divisée en trois parties (avec
transition linéaire) sur la base du critère e = I1w m (p.u.) + I1Te (p.u.) pour former:
o si 0 ~ 8 inf
(3 -19) rI (e ) = 1 - 'If opt (p.u.) (e - e inf ) si e inf <e ~ e sup
8 sup - 8 inf
si8 sup <8
1
Ainsi, selon les équations (3-18) et (3-19), lorsque la somme des erreurs en vitesse
mécanique et en couple électromagnétique est inférieure à une certaine limite e inf, la
référence en flux lflref est égale à la valeur optimale provenant du modèle de pertes lflop t.
Un cas particulier de l'équation (3-19) est montré à la Fig. 3-19. On peut maintenant
former un nouveau jeu de données D 2 qui intégre le détecteur de régime permanent:
85
. ..:.: ...... .
. : ...:.. ..:....
: : ...:..........:.+::
'. .: .: ..:.....
~
.. .:.................
... : ................ :' ..: .: .. :...... .... : .
'
: . . . . . .. . . . . . . . .. . . . . . .. . . '+ • . . . .... .. . . . '•
• ~•• : : : : • : • : : : . : • .~... : : •• .: : +:• .• ~. : : ~. : : • : ~. : .: .: •
0.9
: ........
~.:
•.
..-.0.8
ID
~ 0.7
~ 0.6
8
<1 0.5
~ 0.4 .' ..
0.8
0.8
0.4 0.6
0.4
0.2
0..2
o 0
L\ Te (p.u.) ilrop (p.u.)
Fig. 3-19 - Fonction l](Awp , ATe) pour e;nf= 0.25, e sup = 0.75 et f/lopt(p.u.) = 0.5
lf/rQ
Données d'en'traJneme.nt
2,5E-04
CI) 2,OE-04 i -- - - -
c:
c:
CI)
>-
o
; 1,5E-04
g
:J
~
'0
~
:J 1,OE-04 --- ----
...C":J
~
W 5,OE-05 - - _ -----1_ ---1. - -- - - -- - ---------------
O,OE+OO
6 8 9 10 11 12 13 14 15 16 17 18 19 20
Fig. 3-21 - Évolution de l'erreur quadratique de l'entraînement d'un RNA avec D 2 qui intègre le
détecteur de régime permanent
Il est évident que plusieurs autres approches pourraient être envisagées dans la
conception de la fonction r(I1OJp , I1Te ): nouvelle définition du critère 8 , étude
approfondie du choix de einf et esup , évolution non-linéaire de la « zone de transition »,
etc. La proposition ci-dessus est toutefois amplement suffisante dans le cadre de cet
ouvrage et sa validation expérimentale sera démontrée au chapitre 6.
87
Les RNA sont une classe de systèmes d'inspiration biologique dont la topologie et le
fonctionnement ont des similitudes avec les cellules neuronales du système nerveux
présent chez les animaux (incluant l'humain). Ce type de système possède une
architecture de plusieurs cellules élémentaires connectées en parallèle et entraînées à
devenir performantes dans l'exécution d'une tâche spécifique.
Ainsi, afin d' exploiter l'architecture parallèle de ce type de système, les premières
réalisations et applications de perceptrons multicouche ont été faites de manière
matérielle: soit sur montages avec composantes discrètes ou soit sur ASIC [Sundararajan
et al., 1998]. Plusieurs modèles de neurones artificiels analogiques composés notamment
d'amplificateurs opérationnels (communément appelés ampli-op) et de résistances
électriques ont été construits au début des années 1990. Certains modèles de RNA ont
même été lancés commercialement sous forme de circuits intégrés (notamment le
80 170X ETANN - Electrically Trainable Analogue Neural Network - fabriqué par Intel).
Ces RNA réalisés sous forme matérielle offrent d'intéressantes performances (le 80170X
peut faire 2 milliards d'opération de multiplication et de sauvegarde - MAC - par
seconde) [Cirstea et al., 2002] mais leur complexité d'utilisation et leur coût de
développement a freiné leur utilisation pratique dans les applications d'ingénierie.
La solution la plus pratique pour l'utilisation de RNA dans les applications de
commande était de les émuler de manière série sur une plateforme de type DSP. Cette
solution n'est pas idéale car on sait que la performance d'un RNA augmente avec son
nombre de neurones mais que son temps de calcul augmente également de la même façon
(lorsqu'il est implanté sur DSP). Il y a donc un juste compromis à faire entre nombre de
neurones et performance du RNA. Certains chercheurs ont alors proposé des stratégies de
mise en place efficaces sur DSP pour réduire le temps de calcul et augmenter la
performance en sortie du RNA [Mohamadian et al., 2003], [Harley et al., 1998]. Les
travaux de [Moussa et al., 2006] ont montré que la réalisation de RNA de type perceptron
multicouche sur FPGA est plus de 40 fois plus performante (en termes de réajustement
88
des poids par seconde avec la technique de rétroproapagation des erreurs) que la
réalisation sur un microprocesseur de type Intel Pentium III.
L ' arrivée récente de la technologie FPGA dans le monde des systèmes embarqués
(depuis 2002 environ) vient cependant changer les façons de faire. Inventée dans les
années 1980 et utilisée pendant une vingtaine d'années à remplir des fonctions bien
précises (surtout des les applications du secteur des télécommunications), la technologie
FPGA atteint maintenant une densité de transistors assez grande (conséquence de la Loi
de Moore) pour être utilisée à des applications de traitement de signal plus génériques.
Cette technologie permet de concevoir des circuits de commande qui marient à la fois la
flexibilité des circuits DSP et la performance des circuits matériels sur mesure ASIC à un
prix compétitif avec la technologie DSP. Cette plateforme permettant le parallélisme à
bas prix est donc une avenue intéressante pour l'intégration de RNA dans les systèmes
embarqués [Omondi et al., 2006], notamment dans les applications d'électronique de
puissance [Bose, 2007], [Kjosavik, 2005].
3.4 Conclusion
Considérant les problématiques et l' état de l'art au niveau des SCEO étudiées au chapitre
précédent, deux nouvelles avancées intéressantes dans la conception de SCEO ont été
proposées dans ce chapitre:
L'étude sur l'impact de l'ajout d'un espace de sortie supplémentaire à la taille d'un RNA
a permis de développer une nouvelle approche d'intégration de fonctionnalités dans la
commande. Cette approche suggère une intégration au niveau des données
89
L'étape suivante est la validation expérimentale de cette approche. C'est la raison pour
laquelle les différentes voies possibles de mise en œuvre de stratégies de commande à
RNA ont été examinées: DSP, FPGA, ASIC. La plateforme la mieux adaptée en termes
de performance et de flexibilité pour la mise en place de stratégies de commande à RNA
est certainement celle des FPGA.
90
Dans un premier temps, nous nous pencherons sur l'étude des avenues possibles en
termes d'architectures et de conception de système. Cette étude permettra de faire un
choix éclairé sur la meilleure stratégie à prendre pour le développement du banc d'essai.
Les connaissances nécessaires pour établir une stratégie de mise en œuvre d'un
système de commande appartiennent au domaine des systèmes embarqués. L'expression
la plus simple d'un système embarqué est celle d'un système avec des entrées (capteurs),
une unité de traitement (numérique ou analogique) et des sorties qui permettent d'agir sur
le monde extérieur. Les systèmes embarqués numériques sont appliqués depuis plusieurs
années dans le monde de l'électronique de puissance et leur utilité n'est plus à démontrer.
Cependant, compte tenu de l'évolution des technologies d'électronique, il existe
désormais plusieurs façon de concevoir l'architecture de ces systèmes en tenant compte
91
Tableau 4-1 - Axes d'analyse des unités de traitement numériques intégrées dans les systèmes
embarqués dédiés aux applications de commande
flexible flexible
moins performants que un peu moins performant que ASIC
FPGAIDSP faible coût de développement
faible coût de développement parallélisme possible
ne permet pas le parallélisme permet l'intégration de IlCIDSP
très performant
peu flexible
coût de développement très élevé
parralélisme possible
permet l'intégration de IlCIDSP
Jusqu'à récemment, les approches possibles consistaient à utiliser soit des circuits
électroniques génériques programmables (micro-contrôleurs et DSP), soit des circuits
électroniques taillés sur mesure et non programmables (ASIe) ou soit de mixer les deux
approches en faisant du co-traitement.
t OSP~I 1 FPGA~II
~. I@/.
I oSP
r-~Co-lraitement-4>L-I__
~
F_PG_
·. A_ l i~/
·· ·_ _ _
~,7;)
~ ~ OSP+FPGA
/
Système sur une puce
Fig. 4-1 - Évolution vers les systèmes sur une puce à technologie matérielle programmable
92
L ' augmentation de la densité de transistors présents dans les technologies FPGA a donné
lieu à de nouvelles possibilités mariant la flexibilité de la méthodologie logicielle et la
performance des plateformes matérielles: celle des « systèmes sur une puce» (system-
on-chip). Ce qui était auparavant sous forme de puce électronique devient désormais du
logiciel permettant de configurer une partie de FPGA: processeurs de traitement de
signal, fonctions logiques spécialisées, etc.
Dans le cadre de cet ouvrage, l'architecture de système qui a été favorisée est celle à
1000/0 matérielle FPGA (sans processeur embarqué) pour les raisons suivantes:
1 Conformément à l'idée largement répandue dans l'industrie et initialement formulée par Dr. Chris Rowen,
président de Tensilica, selon laquelle l'architecture des systèmes embarqués évolue vers une «mer de
microprocesseurs» très spécialisés (traduction libre de l'expression « sea ofprocessors »).
93
• les concepteurs des nouveaux systèmes embarqués sur FPGA sont d'abord des
ingénieurs logiciels (approche descendante) étant donné que ce type de système a
jusqu'à maintenant été développé à l'aide de technologies logicielles (micro-
contrôleurs, DSP).
~~,
Intégration en 'sous"
EJB8Définition da $ OU$-
ËÎ~~è~(~
Composants élémentaires
Mise en œuvre des sot/&-systèmes
sur une plateforme
Fig. 4-2 - Schéma illustrant les deux grandes approches de conception de systèmes et leur application
dans la conception de système embarqués à base de FPGA
4.2.1 Généralités
Le banc d ' essai expérimental est schématisé à la Fig. 4-3 et montre le conneXIons
présentes entre chacune des composantes principales du montage (les con1posants avec
fond bleu pâle sont des composantes qui ont été construites au LEEPCI) . On peut diviser
le montage en quatre parties : (1 ) la partie machine, (2) la partie électronique de
puissance, (3 ) la partie instrumentation et conditionnement de signal et (4) la partie
traiten1ent de signal FPGA.
1 ~iI:~ 1
Comrnandt!
VSC10fIsi
Fig. 4-3 - Schéma fonc tionnel des composantes du banc d 'essai expérimental
96
h)
'i
vi
Fig. 4-4 - Onduleur à trois niveaux à neutre fixé (dit Neutral Point Clampetl), [Pham, 2005]
Cependant, l'onduleur présenté à la Fig. 4-4 n'est pas utilisé comme un onduleur à
trois niveaux mais plutôt comme onduleur à deux niveaux. Cela revient à dire que pour
chacun des bras de l' onduleur, les transistors T1-T2 (niveau haut) sont toujours
commandés par le même niveau logique (ouvert ou fermé). Il en va logiquement de
même pour les transistors T3-T4 qui sont commandés identiquement et selon le niveau
logique opposé aux transistors T 1-T2. Ainsi, vu du circuit de commande, l' onduleur
présenté à la Fig. 4-5 est un onduleur à deux niveaux classique dont le schéma est le
suivant:
Démodulation
Tel que décrit précédemment, les quatre signaux de mesures impliqués dans ce
montage sont multiplexés dans le temps et modulés en amplitude sur une porteuse de 5
MHz à l'aide d'un générateur de fonction. C'est ce signal de 5 MHz variable en
amplitude qui est doit être démodulé puis démultiplexé pour reconstituer les quatre
signaux de départ. Plus formellement, nous avons le signal provenant du générateur de
fonction:
Une méthode classique pour démoduler le signal est de le multiplier avec sa porteuse
puis de le filtrer passe-bas tel que montré sur la Fig. 4-7.
101
(b ) {e) (d)
Fig. 4-7 - Schéma représentant la démodulation d'un signal modulé en amplitude par la méthode de
suppression de la porteuse [Stremler, 1994]
(4-2)
L'équation précédente montre bien qu'on retrouve le signal modulé I(t) avec une
amplitude réduite de moitié à la sortie du filtre passe bas. Le principe de cette technique
est plutôt simple mais assez complexe à mettre en application. Premièrement, il yale
problème de génération de la porteuse qui doit absolument se faire à l'intérieur du FPGA
car le générateur de fonction n'a pas de sortie supplémentaire à cet effet. Cette contrainte
implique donc la mise en place d'un mécanisme de synchronisation avec le générateur de
fonction. Deuxièmement, il y a l'ajout d'un bloc de filtre passe bas qui vient augmenter la
complexité de la conception: un tel bloc prend beaucoup de ressources matérielles et
engendre un délai dans le signal.
Considérant ces problèmes pratiques reliés à la mise en place de la stratégie de
démodulation par suppression de la porteuse (suppressed carrier demodulation), une
nouvelle stratégie de démodulation basée sur l'échantillonnage synchronisé du signal de
mesure avec le signal de déclenchement provenant du générateur de fonction est
proposée.
102
Les signaux de mesure provenant des capteurs de vitesse, courant et tension subissent de
nombreuses transformations entre les capteurs et le circuit FPGA : circuit électronique
des capteurs, circuit multiplexeur, générateur de fonction, port d'entrée analogique à
103
où S eO sont les valeurs des mesures à la sortie des c capteurs, Se ces valeurs après la
démodulation et e(t) l' erreur introduite dans le signal.
Dans l' hypothèse que l'erreur e(k) introduite dans le signal est blanc et gaUSSIen,
l' espérance de l ' erreur e(k) est nulle:
(4-4) E[e(k)] = 0
Ainsi, il est possible de réduire le niveau de bruit dans les signaux S(k) en faisant la
moyenne des signaux avec plusieurs échantillons:
Les signaux démodulés sont ainsi disponibles pour le module de commande vectorielle et
peuvent être envoyés vers un port de conversion numérique à analogique pour
visualisation sur un oscilloscope. La validation du bon fonctionnement du bloc de
démodulation est montrée à la Fig. 4-10 avec trois signaux: (1) la mesure du courant A
démodulé, (2) la mesure du courant A prise directement avec un capteur de courant
branché sur l'oscilloscope et (3) la mesure du courant B démodulé.
105
Cette figure montre bien la conformité du signal de mesure A démodulé avec sa forme
originale ainsi que le découplage adéquat entre les signaux de mesure A et B.
Le principe de base dans la commande vectorielle d'un moteur à courant alternatif est
de procéder au découplage des cOlnposantes du couple électromagnétique (flux et
courant) à l'aide d'un changement de repère des variables électriques du dOlnaine de
phases (a, b, c) vers le domaine en quadrature (d, q). Ce découplage des variables de flux
et de courant pem1et de linéariser la régulation du couple et par conséquent de la vitesse.
Il a été présenté au premier chapitre qu'il existe plusieurs variantes de la comn1ande
vectorielle (Fig. 1-9) qui se différencient par le niveau de complexité et de performance.
L ' objectif de cet ouvrage est d'arriver à découpler les composantes du couple
électromagnétique le plus simplen1ent possible afin de valider une stratégie de
minimisation des pertes d ' énergie dans le moteur. Ainsi , ce qui est recherché n ' est pas la
106
Tableau 4-3 - Description des variables d'entrées et sorties associées aux blocs de commande
vectorielle
yrej . rej
régulation du couple e ,lf/r lq
rej rej
régulation de courant ilid, iliq Vd ,Vq
rej rej rej . rej rej
transformation de Park inverse Vd , V q Va , Vb , V c '
rej rej rej S AH,13, SBH,13, SCH ,13
modulation par largeur d'impulsion Va " Vb ,Vc
va",r .
Park inverse vb,~r MU Fig , 4,6
(d.q}"'''., .··. , (a,o;c)"'f. sinusoïdale
vc""
Parkdir~ C3pteurs de
(d.qle ~ (a.h,c). courant
Fig. 4-11 - Schéma de la commande vectorielle développée sur le banc d'essai expérimental
107
La transformation de Park se fait en deux étapes qui ont déjà été décrites par les équations
(1-14) et (1-15). En alignant la phase A avec l'axe q ((Je), la transformation des
composantes de courant du repère des phases au stator (ia s, hS , i/ ) au repère stationnaire
(id/, i q/ ) se fait de la manière suivante:
On peut alors faire le passage des composantes du courant du repère stationnaire (id/ , i q/ )
(4-7)
(4-8)
La régulation de vitesse est faite à l'aide d'un bloc proportionnel intégral (PI) dont le gain
P est ajusté en fonction du temps de réponse désiré et de la grandeur maximale du couple
(ou du courant) alors que la grandeur du gain 1 est ajusté pour corriger plus ou moins
rapidement l'erreur en régime permanent. La sortie de ce bloc est la commande en
couple saturée au couple maximum Tmax :
f
(4 - Il) 1.e,ref -- mIn
qs
(2
. - P-
3 L
T;e- 1.max
Lr -
' q
J
m lf/ r
109
(4 - 13) ref -
V qs
A.e K 1 + f (AD.l.e KA'
D.l qs
e K OJ )
2 - D.l ds l g
- qs
vd
wg
vq
~------~~ >---------~
K2'
f f
vS,re ] == [cos(e) - sin(ge )][ve,re]
[v;;ref sin(ee) cos(ee) v;;ref
(4-14 ) ds e ds
ref 0 1
J3
[vvtref 1= 2
(4-15)
1 [v~;rif ]
2 vs,r
qs el
vcs J3 1
--
2 2
Le bloc de modulation par largeur d'impulsion est composé d'une table de conversion
(look-up table) qui permet la génération d'une porteuse triangulaire Vp à 3906.25 Hz ainsi
que de comparateurs permettant de comparer la porteuse avec les trois tensions de
ej
références Va/e~ Vb/ et Vc/ e! Le choix de cette fréquence précise repose sur une raison
de design et une raison pratique. Il est montré dans les résultats expérimentaux de la thèse
de [Abrahamsen, 2000] que la fréquence de commutation idéale afin de minimiser les
pertes par commutation dans l' onduleur et les pertes harmoniques dans un moteur de 2
kW se situe entre 3-4 kHz. La carte FPGA utilisée dans le banc d'essai possède une
horloge dont la fréquence est située à 80 MHz et le signal de la porteuse est généré à
partir d'une table de conversion de 10 bits soit 2 10 = 1024 échantillons par cycle. En
multipliant le nombre d'échantillons par la fréquence désirée (1024x4 kHz) on trouve le
nombre de cycle nécessaires par seconde pour la génération de la porteuse soit 4,096
MHz. En utilisant de la logique combinatoire pour diviser la fréquence de l'horloge
interne par un facteur 20, on se retrouve avec une deuxième horloge à 4 MHz. En activant
111
(4-16)
r
VT-AH -- 0
si yref
as
>yp
-
VT - AB = VT - AH
r
siyref
as
<yp
si y~;f ~ yp
(4-17) VT-BH -- 0 VT - BB = VT - BH
r
si yref
bs
<yp
siyref >y
(4-18) VT-CH -- 0 cs - P
VT - CB = VT - CH
siyref
cs
<yp
Dans la cadre de cette thèse, l'outil de conception FPGA de haut niveau qui a été
utilisé est celui fournit par Altera, le manufacturier de la carte de développement utilisée,
est dont le nom commercial est DSP Builder. Ce logiciel est une boîte à outil (toolbox )
qui doit être utilisé directement dans Simulink et dont les blocs sont interfaçables avec
d'autres blocs Simulink.
Ainsi, la mise en place sur FPGA de la commande vectorielle décrite à la section
précédente revient à convertir la version Simulink du design en version DSP Builder. La
librairie de blocs fournie dans le logiciel DSP Builder est composée de blocs pouvant être
directement convertis en format VHDL puis synthétisés pour la mise en place sur FPGA.
Ces blocs remplissent seulement des fonctions élémentaires comme des additions, des
multiplications ou des opérations logiques ET, OU, NON, etc. La conversion de la
plupart des blocs du design Simulink est plutôt directe, mais le fonctionnement de
certains blocs doit être complètement revus pour être bien adaptés à leur version FPGA.
Le bloc de régulation de couple est montré en exemple à la Fig. 4-13. On y voit bien
le mécanisme de calcul de la commande de couple PI en fonction de l'erreur en vitesse
ainsi que le mécanisme de saturation à T/ e/ = ION m.
113
1
- q(31 0)
-z+ 1
------~ rst
~---+CD
Couple_Rei
~-----1)01
~.
le logiciel). L ' ultime étape consiste donc à faire la validation de chacun des blocs dans
leur version sur une simulation avec matériel dans la boucle (MDB) ou hardware-in-the-
loop. La version MDB du bloc est une version matérielle implantée dans le FPGA et qui
fonctionne en nlême temps que le reste de la simulation de test dans Simulink grâce à une
communication établie par un câble parallèle entre la plateforme FPGA et l'ordinateur
utilisé pour la conception (Fig. 4-15).
alCo
Plateforme de
développement
FPGA
dus 31·1 fi
Fig. 4-15 - Validatio n du bloc P I vitesse en simu lation avec matériel dans la boucle (MDB)
4 00
1.00 +--I~-----I---fl----I'-l------I------I--~+---I---r----#--"1l----I----Jr------lJ--l---<
g
~ o OO ~~--+-~-~~--~~-+-~-~~-----ll--~-~~-~~~
o
U
-3 0 0~---------~------------~~----~
- Phase A - Phas e 8 1
-4 00
0.00 2000 40 00 60 00 80 00 100.00 120.00 14000 160 00 18000
Tem ps (ms)
La Fig. 4-16 montre les mesures des phases A (en bleu) et B (en rose) du courant
(prises avec deux capteurs de courant directement branchés sur l'oscilloscope) lorsque le
moteur tourne à vide et avec une commande en vitesse de 0.2 p.u. (37 radis). On
remarque que la qualité du courant est bonne: forme sinusoïdale qui contient peu de
bruit (surtout la phase B).
116
- Id-ref 1
- Id
La Fig. 4-17 montre les signaux de commande du courant ij-e!' ainsi que sa valeur
observée id à la sortie du bloc de transforn1ation de Park lorsque la vitesse du moteur et la
vitesse commandée sont nulles (et par conséquent un couple commandé nul). On
remarque que le courant id se stabilise bien à la valeur de courant commandée mais après
de longues oscillations d'amplitudes assez Ï1nportantes. II existe plusieurs causes
possibles pour expliquer cette mauvaise performance en régime transitoire notamment
celle d'une estimation imparfaite de la vitesse de glissement (voir le schéma du
régulateur de courant synchrone, Fig. 4-12), elle même causée par l'erreur d'estimation
des paramètres de la machine et des erreurs de mesures (notamment la mesure de la
vitesse mécanique).
117
10
1 Iq-ref 1
- Iq
-2
01 0.2 03 04 05 06 07 08 0.9
Te ml>s (s)
La Fig. 4-18 montre les signaux de commande du courant i q rel ainsi que sa valeur
observée iq à la sortie du bloc de transforn1ation de Park lorsque la vitesse du moteur et la
vitesse commandée sont nulles (et par conséquent un couple commandé nul). On
remarque que le courant iq suit bien le signal de commande et présente un régime
transitoire beaucoup plus acceptable que celui du courant id montré à la figure précédente.
Une petite erreur en régime permanent est observable mais s'explique par un décalage au
niveau du réglage de l'affichage des signaux. S'il y avait une réelle erreur en régime
permanent, le système ne serait pas capable de stabiliser à la vitesse commandée, c' est-à-
dire que lorsque la commande en couple serait nulle, le couple électromagnétique produit
serait non-nul et il serait alors possible d'observer une accélération du moteur.
11 8
020
0 18~------------------------------------------------~
014r-------~----~~------------------------~====~-
012 ~------_+--~~--------------------------~======-
01O r--------+--~-------------------------------------
0.08 r--------+~L---------------------------------------
006~------~~---------------------------------------
004~------~~---------------------------------------
002~------~~---------------------------------------
0.00 . . MHIIIII_MR!________________________________________---,
00 01 0.2 03 04 05 06 07 0.8 0.9 1.0 1.1 1.2 13 14 15 16 1.7 1.8 1.9 20
Temps (sI
La Fig. 4-19 montre les signaux de comlnande de flux 'F,.ref ainsi que sa valeur
observée 'Pr à la sortie du bloc d' estimation du flux rotorique (équation (4-8)) lorsque la
vitesse du moteur et la vitesse commandée sont nulles (et par conséquent un couple
commandé nul) et que le courant comlnandé id est de 0.7 p.u .. On observe que la
dynamique du flux est normale et que le tenlps de réponse est d'environ 0.6 seconde, ce
qui correspond bien à ]a constante de temps Tr = Lr / Rr ~ 0.67 s. (voir paramètres du
moteur au Tableau 5- 1 du chapitre suivant). Le valeur du flux estimé converge bien vers
la commande en flux: il s ' agit d ' un point déterminant pour effectuer une bonne
régulation du couple et surtout, ajuster le niveau de flux afin de IninÎLniser les pertes dans
la MA tel que proposé au chapitre précédent.
119
3.0 , - - - - - -
25+-----
2.0 + - - - - - - - l ! -
15 + - - - - - - - - l i - -
1.0 +------+---______'T
0.5
00 - I - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - i
00 0 1 02 03 04 05 06 0.7 0.8 0.9 1.0 1. 1 1.2 1.3 1.4 15 16 17 18 1.9 20
Temps Isl
Fig. 4-20 - Réponse du couple suite à cha ngement de vitesse à vide (w/ ef = ] 8.5 radIs à 37 radIs)
70
~ ~~-------------------+#-----------------------
10~----~~------------------------------------
Fig. 4-21 - Réponse à l'échelon en vitesse pour différ entes consignes (w/ ef = 18.5, 37, 55.5 radis)
La Fig. 4-21 montre les signaux de commande en vitesse w pret' ainsi que la vitesse
mesurée w p à l' aide du capteur de vitesse installé sur la MA pour les consignes de vitesse
de 0.1 , 0.2 et 0.3 p.u. lorsque la MA est à vide. On observe que la dynamique de vitesse
de la MA est normale et qu ' elle converge bien à la vitesse commandée: ce qui montre le
bon foncti onnelnent général du système d ' EVV qui pourra alors être utilisé pour mesurer
les pertes dans la Inachine à différents points d ' opération en vitesse et couple de charge.
4.5 Conclusion
Dans ce chapitre, nous avons décrit le proce sus de conception et de mise en œuvre
du banc d ' essai expérimental qui sera utili sé pour valider le système de commande
proposé au chapitre 3. Ce banc d ' essai a été construit autour d 'une puce électronique
121
Ce chapitre a pour but de faire la conception et la validation d'un modèle des pertes dans
la MA du banc d'essai expérimental en vue de faire la validation de la SCEO avancée
développée au chapitre 3. Il avait été identifié au chapitre 2 que les modèles typiquement
mentionnés dans la littérature comprenaient des paramètres difficiles à estimer (comme le
coefficient de pertes par hystérésis ou par courant de Foucault) à l'aide de techniques
simples.
Puisqu'il n' est pas dans l'objectif du présent ouvrage de développer un modèle précis des
pertes, nous proposons de valider la SCEO à l'aide d'un modèle des pertes construit à
l'aide du standard IEEE-112 qui est couramment utilisé dans l'industrie. Le modèle
résultant possède l'avantage d'être facile d'utilisation et par conséquent augmente la
probabilité d'acceptation industrielle de la SCEO proposée.
La méthode qui a été utilisée pour identifier les paramètres de la MA du banc d' essai
expérimental est celle basée sur un schéma équivalent des phases du moteur tel que
présenté au chapitre 1 et décrite comme la méthode F dans le standard IEEE-112. Cette
méthode se divise en trois parties: (1) essai à vide, (2) essai en rotor bloqué et (3) essai à
glissement nominal et tension d'entrée réduite.
La MA utilisée dans le banc d'essai est un moteur LabVolt de 2 kW. Les valeurs des
paramètres de la MA alimentée à tension nominale (208 V) et à fréquence nominale (60
Hz) sont présentés au tableau 5-1. Les détails et les résultats de l'identification de la MA
sont présentés à l'Annexe 1.
Cependant, pour être en mesure de prédire les pertes totales dans la MA à vide pour
différents niveaux de tension d'alimentation (et par conséquent de flux lflm), les
paramètres Rfe et Lm doivent être ajustés à l'aide de coefficients K~re et K Lm déterminés à
partir des mesures de l'essai à vide [Novotny et al., 1984] de telle sorte que:
Les coefficients K Rfe et K Lm sont déterminés à partir de valeurs Rfei et Lmi équivalentes
calculées pour chacun des i points d'opération vérifiés lors de l'essai à vide. L'ajustement
de Rfe est fait en fonction de la puissance d'entrée et celui de Lmi est fait en fonction du
courant total de la manière suivante:
(5-3) Rf.;('1/ m,) = 3('1/;OJeY = 3V;; où i = 1, 1, 2, ... ,18, représente j'indice de l'essai à
hi Phi
vide et où
(5-5)
La valeur des coefficients KRfei et K Lmi est le rapport entre les différentes valeurs de
paramètres Rfei et Lmi trouvés par rapport à la valeur au point d'opération nominal:
RJei
(5-6) K RJei == R O
Je
(5-7) K Lmi
Lmi == L O .
ml
La Fig. 5-1 compare les valeurs trouvées des coefficients KRfei et KLmi (représentés en
blanc) avec les valeurs présentées dans l'article de [Novotny et al., 1984] à partir d'essais
125
expérimentaux sur une MA de 7.5 HP 208V triphasée ayant une vitesse nominale de
1725 TPM (représentées en noir). Puisque ces paramètres dépendent de la construction de
la machine testée, il est normal que les coefficients obtenus par les auteurs de l' article
soient différents de ceux obtenus avec les mesures de l' essai à vide de la MA du banc
d'essai du LEEPCI. Cependant, on peut observer des similitudes dans la forme des
courbes.
1,2 • • •a • • •
0
• 0
0
0 0 0 0
• 0 0 0
1 • 0
• • • • 0
0
c
0
•
• 0
0
•
E 0,8
...J
~
•
• •
0
~
~ 0,6
0
0
0
0,4
0
0
0,2
0
°
° 0,2 0,4 0,6
Flux d'entre-fer (p.u.)
0,8 1,2
Fig. 5-1 - Comparaison des coefficients K Rfe et K Lm obtenus à partir de l'essai à vide avec ceux
montrés dans l'article de [Novotny et al., 1984]
5
( 5 9)
-
L (lj/ ) = LO
11/ m K Lili (lj/ m ) = L
J17
0
111 ~ b ; lj/ fI15-;
"
;=0
o 2 3 4 5
-169.7 57.41 -0.08723 0.03031
9901 -8855 3031 -507 41,52 -0.1897
La Fig. 5-2 montre les courbes qui approximent les valeurs de K~fe et de K Lm sur le
domaine utile du flux d ' entre-fer VJm :
1,4 _._---- --
.. ... . •
.'
.'
'
'
~ 0,6
..e:
..•.. • Krfe-calc
.'
1
~ .... . Krfe-reg 1
~ 0,4
KLm-caIC !
.' .'
•.. •
À
.' . KLm-reg 1
0,2 .'
.... ......
°
° 0,05 0,1 0,15 0,2 0,25 0,3
Fig. 5-2 - Courbes de régr ession polynomiales pour app roximer la valeur des coeffici ents KR./e et K LIII
pour différ entes valeurs de flu x
127
Pertes fondamentales
Les pertes fondamentales se réduisent aux pertes cuivre au stator et au rotor ainsi
qu'aux pertes fer totales (qui englobent les pertes hystérésis et les pertes par courant de
Foucault au stator et au rotor). En commençant par les pertes cuivres, on les exprime
comme étant égales à :
En faisant l ' hypothèse que l'inductance de fuite au rotor est négligeable [Bose, 2002] , le
flux au rotor devient à peu près égal au flux mutuel:
Les pertes fer totales dans le MA sont composées de celles au stator et de celles au rotor.
Cependant, nous avons vu au chapitre 2 que les pertes fer au rotor sont négligeables.
Ainsi:
Les pertes de charge résiduelles Pres correpondent aux pertes harmoniques spatiales et
sont ramenées à l'équation suivante [Kioskeridis, 1996] :
129
Pertes mécaniques
Les pertes mécaniques correspondent aux pertes par frottement des roulements et aux
pertes par frottement de la ventilation. Ces pertes sont ramenées à une seule équation
dépendante de la vitesse :
Pertes totales
Les pertes totales P Tot dans la MA est la somme des pertes fondamentales (cuivre et fer),
résiduelles et mécaniques:
Une première validation à vide permet d'avoir un aperçu sur les pertes totales
dans la machine sans les pertes Joule au rotor et les pertes de charges résiduelles qui sont
difficile à estimer. Les pertes Joule au rotor dépendent de la valeur de la résistance
rotorique qui varie en fonction de la température et qui n'est pas directement mesurable
dans une MA à cage (on doit alors l'estimer à l'aide de l'essai à rotor bloqué ou par des
méthodes d'estimation en ligne).
Ainsi, en opérant la MA à vide sous différentes valeurs de tension de phase Vi (et
à fréquence constante de 60 Hz), on peut mesurer la grandeur du courant dans une phase
de la machine et les pertes totales à l'aide d'un analyseur de puissance (AV PA4400). Ces
mesures sont alors comparées à celles calculées à l'aide du modèle des pertes en fonction
de la tension de phase et de la vitesse du moteur (pour l'ajustement du glissement).
130
Tableau 5-3 - Validation du modèle de perte à vide avec alimentation en tension du réseau
Il Il Pertes Pertes
VI (1-1) Vitesse erreur erreur
mesuré modèle mesurées modèle
219,5 1799 5,118 5,08 0,70/0 199,02 205,99 3,50/0
210,6 1798 4,806 4,79 0,3% 186,55 189,3 1,5%
197,21 1799 4,361 4,34 0,5% 165,38 168,4 1,8%
186,93 1799 4,064 4,03 0,8% 153,02 155,2 1,4%
167,74 1799 3,542 3,52 0,60/0 133,8 135,4 1,2%
146,56 1798 3,043 3,04 0,1% 116,55 118,6 1,8%
124,94 1797 2,562 2,58 0,70/0 102,1 105,03 2,9%
102,85 1795 2,122 2,14 0,8% 91,76 94 2,4%
80,37 1794 1,7198 1,72 0,0% 82,08 85,29 3,9%
57,84 1787 1,4328 1,46 1,9% 75,15 78,8 4,9%
42,55 1775 1,4235 1,46 2,6% 72,3 76,64 6,0%
Les données du tableau 5-3 montrent bien que le modèle conçu permet de prédire avec
une précision acceptable (moins de 5%) la grandeur du courant de phase dans la machine
et les pertes totales. On remarque que l'erreur de prédiction des pertes totales augmente
avec le glissement en raison de la variation de la valeur de la résistance rotorique en
fonction du glissement qui n'est pas pris en compte dans le modèle.
Le modèle des pertes conçu à la section précédente doit être validé dans le cas où
la MA est alimentée par un convertisseur statique. Nous savons déjà que ce type
d'alimentation augmente les pertes cuivre et les pertes fer dans la machine et par
conséquent, nous devrions ainsi observer une différence entre les pertes estimées à partir
du modèle et celles mesurées sur le banc d'essai expérimental.
131
La validation a été faite pour différents points d ' opération entre 0.1 et 0.5 p.u. en
vitesse et 0.05 et 0.15 p.u. en charge (correspondant respectivement à un essai à vide et à
un essai avec la MA entraînant le rotor d'une machine DC). Pour chacun des points
d ' opération, trois mesures de la puissance d' entrée dans la MA (puissance sortant de
l' onduleur) ont été effectuées pour 10 niveaux de flux itués entre 0.1 et l.0 p.u. et qui
équivaut aux pertes totales. Ces mesures ont ensuite été moyennées et comparée à celle
obtenues à partir du modèle des pertes pour le même niveau de flux.
On observe ainsi aux Fig. 5-3 et Fig. 5-4 les courbe obtenues pour une vitesse de
0.1 p.u. dans le ca sans charge et avec charge respecti vement. Ce graphique montrent
bien que le n10dèle proposé pern1et une meilleure estimation des pertes à vide qu 'en
charge : ce qui était attendu étant donné la difficulté d ' estin1er précisément les pertes au
rotor et les pertes de charge résiduelles .
Il est cependant intéressant d'observer que dans les deux cas, le modèle permet de
bien estimer à quel niveau de flux les pertes dans la MA seront minin1ales.
40 ,000
35,000
30,000
• •
~ 25,000 •
• •• • -
fi)
Q)
20,000
1::
Q)
a.. 15,000 -
10,000
• •
• •• • - • Expérirrental
1- rvbdèle
5,000
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
Fig. 5-3 - Pertes dans la MA à vide pour différents nivea ux de flux à un e vitesse de 0.1
132
60 ,000
50 ,000
• • •
40 ,000 •
• • • •
§"'
~ 30,000 ~
t
Q)
a..
~
20,000
• • • ExpérirT"Bntal
10,000 -1
• • • • • • rvbdèle
0,000 '
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p .u.)
Fig. 5-4 - Pertes dans la MA en ch a r ge pour différ ents niveaux de flu x à un e vitesse de 0.1
Les résultats obtenus pour les autres points d 'opérations sont similaires à ceux présentés
plus haut et par souci de concision, ils ne seront pas lTIontrés ici. Le lecteur est invité à les
consulter en Annexe ou au chapitre 6 dans lesquels ils seront comparés avec la réponse
obtenue à l' aide du système de commande proposé au chapitre 3.
Bien que restreint, le dOlnaine de validation étudié est suffisant pour montrer la validité
du modèle des pertes conçu à la section précédente et son utilisation dans la commande
avancée du chapitre 3.
5.3 Conclusion
Ce chapitre a permis de faire la validation d 'un modèle des pertes construit à l' aide du
standard lEEE- 112 en vue de faire l' entraînement de la SCEO dévelopée au chapitre 3.
Les résultats obtenus n10ntrent qu ' il s' agit d 'un modèle acceptable pour la conception de
cette SCEO.
133
La stratégie d' optimisation de résolution des gains du RNA qui est la plus simple,
la plus directe et la plus répandue est celle par essai et erreur. Toutefois, certains
chercheurs ont tenté de trouver une méthode formelle permettant de trouver la résolution
optimale à attribuer à ces gains en fonction de l' application.
Ainsi, les recherches menées par [Holt et al. , 1991] ont montré que la résolution
optimale des gains du RNA devrait être de 16 bits à point fixe (1 bit pour le signe, 3 bits à
gauche de la virgule, 12 bits à droite). Les récents travaux menés par [Muthuramalingam
et al., 2007] dans l'utilisation des RNA sur FPGA dans une application de modulation par
largeur d'impulsion confirment que la performance optimale du RNA est obtenue à une
résolution de 16 bits à point fixe.
La fonction d' activation joue un rôle majeur dans le bon fonctionnement d'un
RNA et peut exister sous plusieurs formes: linéaire, sigmoide, tangente hyperbolique,
etc. [Haykin, 1998]. Bien que la réalisation de la fonction d'activation linéaire soit
relativement simple (un gain), la réalisation des autres formes mentionnées plus haut
(non-linéaires) est beaucoup plus complexe.
Typiquement, la façon la plus rapide de réaliser ces fonctions d'activation est
d'utiliser des tables de conversion (look up table) [Botros et al., 1994] afin de faire une
correspondance directe entre les entrées et les sorties. Un inconvénient évident de cette
approche est la nécessité d'utiliser beaucoup d'espace mémoire. Un compromis entre
précision des fonctions d'activation et besoin en espace mémoire doit alors être effectué.
D'autres méthodes plus complexes mais nécessitant moins d'espace mémoire sont
discutées dans la littérature, notamment en ce qui concerne la fonction d'activation de
forme sigmoïde [Tommiska, 2003]. L'alternative la plus connue à l'utilisation de tables
de conversion est d ' approximer la fonction sigmoïde à l'aide d'une fonction linéaire par
135
Il
1.0 e-e--
0.9 ./
0 .8
0.7
0 _6
Y 0_5
0.4
•
0.3
0.2
0.1
0
>-8 -6 -4 -2 o 2 4 6 a
x
1= lI ,l
0 p ... ,12k J
(6-1 ) 1 = [(z BO , 1HO)' (I BI' 1HI)'" ., (1 B 2 1H 2
J(
k , k )]
(6-2) s(x) = 1
1+ e- x
~ s(xlx E I l
,) = CI '
,1
+ C 21'X où
,
1
(6-3) s(lBi) = 1 + e _1 = s(1 B' ) = CI ' + C 2 .lB'
Bi 1 ,1 ,1 1
136
1
(6-4) s(lHJ = 1+ e -1 . = S(/H' ) = C l ' + C 2 '/H '
HI 1 ,1 ,1 1
(6-5) C = _____r_-:--__:--
l ,i
r + / Hi - / Bi + / Hie1 - Bi e1 Hi / Bi
e l Hi _ e l Bi
(6-6) C = où
2,i
r + / Hi - Bi
/
+ / Hie1 Hi
- Bi e
/ 1Bi
(6-7)
Ainsi, plus on divise le domaine l avec un grand nombre de sections plus on réduit
l' erreur entre l'approximation s (x ) et s(x). Un moyen d' améliorer la précision sans
toutefois augmenter le nombre de sections est d'observer que la fonction sigmoïde s(x)
est symétrique autour de x = 0 et que s(x)l- 00 < x < 0 = -s(lxl).
Cette section présente la réalisation sur FPGA des fonctions de commande conçues au
chapitre 4. Pour fins de comparaison, deux versions seront présentées pour chacun des
régulateurs : une version avec fonction d'activation à base de TDC et une autre à base de
FLM.
La commande de flux neuronal est une fonction qui détermine le niveau de flux
optimal en fonction du point d'opération de la MA déterminé par sa vitesse et son couple
de charge. Sa réalisation a été faite à l' aide d'un perceptron multicouche à 3 couches
ayant respectivement 2-8-1 neurones (2 entrées, 8 neurones sur la couche caché et 1
137
sortie) et dont la tructure e t entièrement parallèle. Un script Matlab a été créé afin de
concevoir un RNA sur FPGA (dans DSP Builder) à partir d'une pécification provenant
du Matlab Neural etwork Toolbox.
0.8
0.6
0.4
0.2
- Vitesse
- Couple
10 20 30 40 50 60 ïO 80 90 100
0.8
0.7
0.6
:: _ """IT"",, i
0.2
. \
& DSP Builder
_ M~ttri91 d~ns la .
fI
boucle
10 20 30 40 50 60 70 80 90 100
Fig. 6-2 - Validation du régulateur neuronal de flux avec foncti on d ' activation à base de TDC par
comparaison de la sortie des version s Neural Toolbox, DSP Builder et avec MDB
138
10 20 30 40 50 60 70 80 90 100
~='9 p-~,
:: ' \ 1 \ /
0.8 / -'"
J
0 .5 \ ri' \, d'
:: - """"oolb,,
o2 & DSP Suilder
. _ Maferie l dan s la
"
~J
~
0.1 boucle 1 1 1
0 10 20 30 40 50 60 70 80 90 100
Fig. 6-3 - Validation du régulateur neuronal de flux avec fonction d ' activation à base de FLM par
comparaison de la sortie des versions Neural Toolbox, OSP Builder et avec MOB
139
40,000
• •
35,000
r-
niveau de flux optim al
_ 25,000 •
~
cv 20,000 • •
• •
(/)
t::
cv
Q. 15,000 •
• • •
•• • • Expérirrental
10,000
• rvlodèle
5,000
• RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0
Flux (p .u.)
Fig. 6-4 - Essai initial de la validation de la commande en flu x neu ronale pour une vitesse de 0.1 p.u.
à vide
Cette section présente les résultats des essais expérimentaux obtenus avec la
SCEO proposée au chapitre 3. Les tests ont été effectués à des vitesses entre 0.1 et 0.5
p.u. de la vitesse nominale pour l'entraînement d'une MA de 2.2 kW à vide et avec une
charge.
Ces résults sont présentés sur les graphiques suivants sur lesquels on distingue les
informations suivantes: les pertes mesurées expérimentalement avec l'ajustement manuel
du flux de 0.2 à 1.0 p.u. (montrées par un losange bleu), les pertes estimées à partir du
modèle construit au chapitre 6 pour différents niveaux de flux (montrées en rouge) et les
pertes mesurées expérimentalement avec le système de commande intégrant la
proposition du chapitre 3 (un seul point noir).
Ces graphiques permettent de comparer la grandeur estimée par le modèle des
pertes et les pertes mesurées et d'observer que la SCEO commande bien le niveau de flux
optimal (correspondant au minimum de la courbe du modèle des pertes) pour chacun des
points d'opérations testés.
143
Vitesse de 0.1 p. u.
40 ,000
• •
35 ,000
30 ,000
25,000 •
~
(f)
20,000
• • •
•
Cl>
t
Cl>
a.. 15,000
• • •
• •
•• • • Expérirœntal
10,000
• rvbdèle
5,000 • RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
60 ,000
• • •
50 ,000
40 ,000 •
~ • • • •
(f)
Cl>
t
Cl>
a..
30 ,000
•
20,000 -
• • •
• • • • Ex périrœntal
10,000 • • • rvbdèle
• RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
On observe sur la Fig. 6-5 et Fig. 6-6 que le niveau de flux commandé par la
SCEO proposée correspond bien au niveau de flux minimum du modèle des pertes utilisé
pour entraîner le RNA et qui se situe près de 0.4 p.u .. Ce niveau de flux correpond bien
au niveau de flux experimental observé pour le test en charge mais diffère d'environ 0.1
p.u. du niveau minimal observé lors du test à vide.
On observe également sur ces figures que le perte e timées par le lTIodèle en
fonction du niveau de flux diffèrent de celles ob ervées expérimentalement, à l'exception
des test effectués à de faibles niveaux de flux (0.2 à 0.6 p.u.). Les test effectués en
charge montrent de lTIanière évidente ces différence . Ces observation ont normale car
le modèle utilisé a été con truit seulenlent à partir de mesure de pertes à vide de la MA.
Il est intéressant de remarquer que bien que l'erreur d'estimation des pertes par le
modèle construit soit grande, ce dernier permet quand même de déterminer avec justesse
le niveau de flux optimal pour réduire les pertes dans la MA. Cet ajustement du flux
pern1et de diminuer les pertes d'environ 65 0/0 par rapport à celles lTIesurée à flux nominal
pour le test à vide et de 400/0 pour le test en charge.
60 ,000
50 ,000
•
40 ,000 •
•
~
30 ,000 • • • •
•
CI)
••
Cl)
tCl)
a.
20,000
• • • Expérirœntal
• rvbdèle
10,000
• RNA
--------
0,000
0,0 0 ,2 0,4 0,6 0 ,8 1,0 1,2
Flux (p .u .)
100,000 - - - -
•
90 ,000
80 ,000
•
70 ,000
• •
•
• • • •
60 ,000
[
CI)
Cl)
50 ,000 •
-e
Cl)
a. 40 ,000
30 ,000
• • • • •
• • •
20 ,000 • Expérirrental
10,000 • rvbdèle
0,000 • RNA
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flu x (p .u.)
On peut faire les Inên1es observations sur les Fig. 6-7 et Fig. 6-8 que sur les
figures montrant les pelies à une vitesse de 0.1 p.u.: le modèle des pertes utilisé ne
permet pas de quantifier de n1anière juste les pertes mesurées expérimentalement (sauf
pour la région 0.2-0.6 p.u. pour les tests à vide qui concorde parfaitement) ll1ais
permettent de déterminer avec justesse le niveau de flux optimal pour minimiser les
pertes dans le systèlne.
Cet ajustement de flux permet de réduire les pertes par rapport à celles mesurées
avec un niveau nominal de 60% lors de l' opération à vide et de 260/0 lors de l'opération
en charge.
On remarque également que le niveau de flux optimal en charge (0.4 p.u.) est
différent de celui observé à vide (0.3 p.u.) : ce qui n'était pas le cas dans le test effectué à
une vitesse de 0.1 p.u ..
La grandeur des pertes est égalelnent signicativement plus grande à une vitesse de
0.2 p.u. que par rapport à celles observées à une vitesse de 0.1 p.u .. L'essai à vide montre
des pertes de près de 20 W à vitesse de 0.2 p.u. comparativement à près de 12.5 W à la
vitesse de 0.1 p.u .. L'essai en charge montre des pertes de près de 55 W à vitesse de 0.2
p.U. comparativement à près de 30 W à la vitesse de 0.1 p.u . .
146
Vitesse de 0.3 p. u.
70 ,000
60 ,000 •
•
•
50 ,000
• •
•• • • •
[ 40 ,000
1/)
Cl)
~
Cl) 30 ,000
a.
20 ,000 • Expérirœntal
• MJdèle
10,000
• RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u .)
140,000
120,000
•
100,000
• •
[
1/)
80 ,000
• • e. • • •
Cl)
~
Cl) 60 ,000
a.
• • •
40 ,000
• Expérirœntal
• • • • •
20,000 • MJdèle
• RNA
0,000 :
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
Des observations similaires aux précédentes peuvent être faites à partir du test à
0.3. p.u. représenté aux Fig. 6-9 et Fig. 6-10. On remarque que le modèle des pertes en
charge devient de plus en plus plat entre 0.5 et 1.0 p.u. mais ce qui n ' empêche pas d' avoir
147
un niveau de flux minimum à l'endroit observé par les mesures expérimentales tant dans
le test à vide que dans le test en charge.
L ' ajusteluent optimal du flux permet d'observer une réduction des pertes dans le
système par rapport à celles ob ervés avec un ajustement nominal du flux de l' ordre de
58% pour le test à vide et de 27% pour le test en charge.
70,000 -----.------~--
•
60 ,000
• • •
• •
•• •
50 ,000
• • • •
•••
~ 40,000
ln
Cl>
~ 30 ,000 -
a..
20,000 • Ex périrrent~
• IVbdèle
10,000
• RNA
0,000 1 - - -_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __
Flux (p .u .)
160,000 --~~
140,000 •
•
120,000
• • • •
100,000
• e. •
~
fIJ 80,000
•
Cl)
t:::
Cl)
•
a.. 60,000
• • • • • •
40,000
• Expérirrental
20,000 ' . rvlodèle
• RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
Les résultats montrés sur les Fig. 6-11 et Fig. 6-12 sont semblables à ceux
observés aux niveau de vitesse 0.1-0.3 p.u. à la différence que dans le cas du test à vide,
on observe des différences importantes entre le modèle et les pertes observées même pour
des niveaux de flux faibles 0.1-0.4 p.u. ce qui n'avait pas été le cas dans les autres tests.
Ces écarts n'empêchent pas d'avoir un ajustement de flux efficace pour les tests à
vide et en charge. Cet ajustement de flux permet d'observer une réduction des pertes dans
le système par rapport à l'ajustement au flux nominal de l'ordre de 46% à vide et de 17%
en charge.
149
Vitesse = 0.5 p. u.
100,000
90 ,000
•
80 ,000
•
70 ,000
• • • •
~
60 ,000 • ••• •
If) 50 ,000
• •
• •
Q)
t::
Q)
a.. 40 ,000
30 ,000
20,000 - . Expérill'ental
10,000 • rv10dèle
• RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
On observe sur la Fig. 6-13 une dégradation de l'erreur entre les pertes estinlées
par le modèle et celles mesurées sur le banc d'essai. Le début de cette dégradation était
déjà observable sur les résultats des tests à 0.4 p.u ..
Les résultats du test en charge ne peuvent pas être présentés car, en raison de la
nature très expérimentale du banc d'essai sur lequel ces tests sont effectués, le
fonctionnement du système au-delà d'une vitesse de 0.5 p.u. en charge montre des signes
d'instabilités qui peuvent mettre l'intégrité du système en cause. Pour y arriver, il aurait
fallut investir encore plus de temps dans le déverminage de l' onduleur utilisé ainsi que
dans les différents circuits électroniques installés entre la carte FPGA et l' onduleur.
Étant donné les résultats satisfaisants obtenus à basse vitesse et le nombre
d'heures de déverminage qu'il aurait fallut investir pour faire fonctionner le systènle sur
une plage d'opération conlplète (0.1 - 1.0 p.u. en vitesse et en charge), il a été jugé
approprié de limiter la plage de test à un niveau de vitesse de 0.5. p.u ..
150
6.4 Conclusion
Conclusion générale
Les travaux présentés dans cet ouvrage touchent une application de grande
importance qui est celle de l'économie d'énergie dans les MA alimentés par un onduleur
de tension. La croissance de l'application des technologies d'électronique de puissance
ainsi que l' augmentation de la demande mondiale en énergie rendent cette thèse
pertinente tant au niveau technlogique qu'au niveau des besoins actuels de notre société.
Le sujet d'étude de cette thèse pouvait être abordé du point de vue de la machine,
du convertisseur ou du système de commande. Les récentes avancées en matière de
technologie de traitement de signal avancées (réseaux de neurones artificiels) et de
plateformes de calculs (Field Programmable Gate Array) ouvrent des voies de recherche
très prometteuses et c'est sous l'angle du système de commande que le sujet a donc été
abordé.
Une étude de la littérature sur le sujet a permIs de soulever plusieurs
problématiques non résolues notamment: (1) l'augmentation de l'efficacité énergétique
limitée à faible charge par les méthodes d'ajustement de flux, (2) la question du
compromis de la performance dynamique par la méthode de rétablissement du flux à un
niveau nominal en régime transitoire. Plusieurs chercheurs ont montré que l'utilisation de
RNA dans la conception de stratégies de commandes énergétiquement optimale
permettait de les mettre en œuvre de manière simple, peu importe la complexité du
modèle de pertes utilisé, et constituaient une excellente alternative entre leur mise en
place sur forme de calculs en temps-réel ou sous forme de table de conversion.
Une étude approfondie des RNA de type perceptron multicouche a permis de
mettre en évidence une propriété intéressante qui consiste à pouvoir ajouter de la
connaissance au RNA sans augmenter significativement sa taille ni changer son
architecture. Cette propriété ouvre la voie à une nouvelle méthode d'intégration de
fonctionnalités sans impact sur la complexité du système de commande. Cette nouvelle
approche d' intégration est mise en valeur par l'ajout de deux nouvelles fonctionnalités au
système de commande qui viennent combler les problématiques préalablement
152
fonctionnement pourrait être vérifié avec succès sur toute la plage d'opération de ce type
de système.
Lefutur
Le développement logique de cet ouvrage est d'avancer vers des approches adaptatives
du modèle des pertes de la machine afin de rendre robuste la commande optimale en flux
par rapport aux variations de paramètres de la MA. Ceci implique la conception d'un
modèle des pertes de plus grande dimension (de nouveaux jeux de données
d'entraînement) et d'estimateurs de paramètres en-ligne de la MA (qui pourront alors être
intégrés directement dans le jeu de données d'entraînement).
Nous avons vu que la fonction r(l!lwp , I!lTe) qui permet d'établir un compromis entre
performance dynamique et stabilité du système nécessite plus de recherche pour arriver à
une forme optimale en fonction des besoins de l'application (qui tient notamment compte
de la dynamique de la charge).
Finalement, dans une plus large perspective, cet ouvrage sur la conception d'une stratégie
de commande énergétiquement optimale pourrait certainement être transférable dans
d'autres applications d'efficacité énergétique où le couple produit est fonction de deux
variables commandables comme c'est le cas avec le ratio air/essence dans les moteurs à
combustion [Guzella et al., 2004].
155
Références
ABDIN, E.S., GHONEM, G.A., DIAB, H.M.M, DERAZ, S.A., Efficiency Optimization
of a Vector Controlled Induction Motor Drive Using an Artificial Neural Network, The
29th Annual Conference of the IEEE Industrial Electronics Society, Vol. 3, p. 2543-2548,
2003.
BLASCHKE, F., The principle of field orientation as applied to the new transvector
closed loop control system for rotating field machines, Siemens Review, Vol. 34, mai,
1972.
BLASKO, V., Analysis of a Hybrid PWM Based on Modified Space- Vector and Triangle-
Comparison Methods, IEEE Trans. on Industry Applications, Vol. 33, No. 3, p.756-764,
Mai-Juin 1997.
BOLDEA, L, NASAR, S., Unified Treatment of core lasses and saturation in the
orthogonal-axis model of electric machines, Proc. Jnst. Elect. Eng., pt. B, Vol. 134, No.
6, pp. 355-363, Novembre 1987.
BOLDEA, L, NASAR, S., The Induction Machine Handbook, CRC Press LCC, 800 p.,
2002.
BOSE, B.K., PATEL, N.R., RAJA SHEKARA, K., A Neuro-Fuzzy Based On-Line
EjJiciency Optimization Control of a Stator Flux-Oriented Direct Vector-Controlled
Induction Motor Drive, IEEE Trans. on Ind. Electronics, Vol. 44, no. 2., p.270-273, Avril
1997.
BOSE, B., Energy, Environment and Advances in Power Electronics, IEEE Trans. On
Power Electronics, Vol. 15, No. 4, p.688-701, Juillet 2000.
BOSE, B.K., Modern Power Electronics and AC Drives, Prentice-Hall, 711 p., 2002.
BOSE, B.K., Neural Network Applications in Power Electronics and Motor Drives - An
introduction and perspective, IEEE Trans. on Industrial Electronics, Vol. 54, No. 1,
p.l4-33, Février 2007.
157
BRYSON, A.E., HO, Y.C., Applied Optimal Control, Blaisdell, New York, 1969.
CHAN, C.C., CHAU, K.T., Modern Electric Vehicle Technology, Oxford Science
Publications, 300 p., 2001.
CIRSTEA, M.N., DINU, A., KHOR, J.G., McCORMICK, M., Neural and Fuzzy Logic
Control of Drives and Power Systems, Newnes - Elsevier Science, Oxford (Angleterre),
399 pages, 2002.
DEPENBROCK, M., Pulse width control of a 3-phase inverter with non sinusoidal phase
voltages, Conf. Rec. IEEE Int. Semiconductor Power Conversion Conf., p. 399-403,
1977.
GARCIA, G.O., STEPHAN, R.M., WATANABE, E.H., Comparing the Indirect Field-
Oriented Control with a Scalar Method, IEEE Trans. on Industrial Electronics, Vol. 41,
No. 2, p. 201-207, Avril 1994.
HARLEY, R.G., BURTON, B., DIANA, G., RODGERSON, J.R., Reducing the
computational demands of continually online-trained artificial neural networks for
system identification and control offast pro cesses , IEEE Trans. on Industry Applications,
Vol. 34, No. 3, mai-juin 1998.
HASAN, K.M., SINGH, B., Neural Network control ofinduction motor drives for energy
efficiency and high dynamic performance, 23 rd International Conference on Industrial
Electronics, Control and Instrumentation, Vol. 2, Novembre 1997.
HAVA, A .. M., Carrier-Based PWM- VSI Drives in the Overmodulation Region, Thèse de
Doctorat (Ph.D.), Université du Wisonsin - Madison (États-Unis), 360 p., 1998. En ligne
(29 décembre 2008) : http://www.eee.metu.edu.tr/--hava/
HOLT, J.L., BAKER, T.E., Back Propagation simulations using limited precision
calculations, compte-rendu de l'International Joint Conference on Neural Networks, pp.
121-126, Vol. 2, 1991.
IEEE-112, IEEE Standard Test Procedure for Polyphase Induction Motors and
Generators, 79 pages, 4 novembre 2004.
KING, K.G., A three phase transistor class-B inverter with sine wave output and high
efficiency, Inst. Elect. Eng. Conf. Pub. 123, p. 204-209, 1974.
KJOSA VIK, G., Take Electronic Motor Drives to the Next Level, Embedded Magazine, 4
pages. Septembre 2005.
KOLAR, J.W., ERTL, H., ZACH, F.C., lnfluence of the Modulation Method on the
Conduction and Switching Losses of a PWM Converter System, IEEE Trans. on Industry
Applications, Vol. 27, No. 6, p. 1063-1075, Novembre-Décembre 1991.
KUSKO, A., GALLER, D., Control Means for Minimization of Losses in AC and DC
Motor Drives, IEEE Trans. on Ind. Appl., vol. IA-19, No. 4, p. 561-570, Juillet-Août
1983.
LEVI, E., VUKOSA VIC, S.N., Robust DSP-Based Efficiency Optimisation of a Variable
Speed Induction Motor Drive, IEEE Trans. on Ind. Electronics, vol. 50, No. 3, Juin 2003.
LIPO, T.A., HOLMES, D.G., Pulse Width Modulation for Power Converters - Principle
and Practice, IEEE Press Series on Power Engineering, États-Unis, 724 p., 2003.
MOHAMADIAN, M., NOWICKI, E., ASHRAFZADEH, F., CHU, A., SACHDEVA, R.,
EVANIK, E., A novel neural network controller and its efficient DSP implementationfor
vector-controlled induction motor drives, IEEE Trans. on Industry Applications, Vol. 39,
No. 6, p. 1622-1629, Novembre-décembre 2003 .
MOUSSA, M., AREIBI, S., NICHOLS, K., On the Arithmetic precision for
Implementing back-propagation networks on FPGA - A case study, chapitre #2 dans
[Omondi et al., 2006].
NOLA, F., Power Factor Control System for AC Induction Motor, Brevet américain
#4,052,648, 4 Octobre 1977.
N0RGAARD, M., RA VN, O., POULSEN, N.K., HANSEN, L.K., Neural Networks for
Modelling and Control ofDynamic Systems, Springer-Verlag, Londres, 246 p., 2000.
PERRON, M., LE-HUY, H., Full Load Range Neural Network Efficiency Optimization of
an Induction Motor with Vector Control using Discontinuous PWM, IEEE International
Symposium on Industrial Electronics, Montréal (Canada), 2006.
PERRON, M., LE-HUY, H., Induction Motor Vector Control FPGA Design and
Implementation using Altera Electronic Design Automation Tools, Conférence
ELECTRIMACS, Québec (Canada), 2008.
SOUSA, G. C. D., BOSE, B.K., CLELAND, J.G., Fuzzy Logic Based On-Line Efficiency
Optimization Control of an Indirect Vector-Controlled Induction Motor Drive, IEEE
Trans. Ind. Electronics, Vol. 42, No. 2, pp. 192-198, Avril 1995.
SUL, K.S., PARK, M.H., A Novel Technique for Optimal Efficiency Control of a
Current-Source Inverter-Fed Induction Motor, IEEE. Trans. on Power Electronics, vol. 3,
No. 2, p. 192-199, Avril 1988.
TOLIYTAT, H.A., LEVI, E., RAINA, M., A Review of RFO Induction Motor Parameter
Estimation Techniques, IEEE Trans. on Energy Conversion, Vol. 18, No. 2., Juin 2003.
VAS, P., Artificial-intelligence based electrical machines and drives, Oxford Science
Publications, 625 pages, 1999.
---r-I---'~!oo.----"î R
1 J
RI X 'Io..-Jo---:=r----fl!2......
,
Vl • Z2
l __________~~.
Fig. A-I - Schéma du circuit équivalent d'une phase (tiré de [IEEE-112, 2004])
Pour un meilleur suivi des opérations avec le standard IEEE-112, la notation utilisée dans
cette Annexe sera le même que celle utilisée dans le standard.
Procédure
En faisant 1'hypothèse que la résistance de chaque phase est identique, la résistance d 'une
phase est égale à la moitié du rapport entre la tension et le courant observé aux bornes de
deux phases.
On remarque que la résistance statorique des phases du moteur ne varie pas de manière
significative entre la température ambiante et la température normale d'opération
(variation de près de 13 OC).
167
B - Tests à vide
Le test à vide sert à mesurer les pertes fer pour différentes valeurs de flux au stator.
Les mesures ont été prises après avoir fait tourner le moteur à vide à une tension de
223.5V jusqu'à ce que la puissance d'entrée se soit stabilisée. Il s'agit en fait de
réchauffer les roulements du moteur qui offrent une résistance plus grande lorsqu'il ne
sont pas réchauffés (une différence de 20W à l'entrée est observée).
# Test Tension (V) Courant (A) Puissance (W) Vitesse Temp. (OC)
(RPM)
1 223.5 5.26 209 1799 37.8
2 212.6 4.88 188 1799 37.8
3 208.0 4.72 181 1799 37.8
4 201.6 4.50 172 1799 37.8
5 190.2 4.14 155 1799 37.7
6 178.7 3.82 141 1798 37.4
7 167.4 3.54 131 1798 37.1
8 156.5 3.27 122 1798 36.9
9 145.3 2.98 112 1798 36.5
10 134.7 2.74 107 1798 36.3
Il 123.6 2.54 99 1798 35.9
12 112.5 2.30 94 1798 35.6
13 101.5 2.09 88 1795 35.4
14 90.7 1.88 85 1794 35.0
15 79.5 1.70 79 1794 34.8
16 67.9 1.53 76 1791 34.6
17 56.6 1.41 73 1785 34.4
18 45.4 1.38 71 1778 34.3
Les pertes par frottement se déduisent par interpolation des pertes totales observées en
fonction du carré de la tension au stator. Les pertes par frottement sont égales à 39.01 W.
168
170
/
./
160
/
150
/
140
y = 0,0025x + 39,0 1
./
130
.,. / -
120
11 0
100
90
80
20000 25000 30000 35000 40000 4500 0 50000 55000
Tension au carré (V2 )
D - Pertes fer
Les pertes fer en fonction de la tension d' alimentation se déduisent à partir des pertes
totales desquelles on soustrait les pertes par frottement et les pertes Joule au stator.
115
95
~ 75
~
III
Q)
t::
Q) 55
Q..
35
15
25 75 125 175 225
Tension 1-1 (V)
Calcul de Rie
2
R ie =3~= 253.5 n où V2 =120-4.72~O.655 2 +6.26 2 =90.3V
Ph
170
9,500 + - - - - - -- - - -- -- - - - x - ---l
9,000
8,500
~
c: 8,000
~
0
(,)
7,500
y = O,2968x - 2,1708
7,000 +--- - -- - - - - - - -- - - - - j
6,500 + - - - - - -- - - -- - -- - - --j
6,000 -/--- - - r - -- -- - . - - - - - - - - . - - - - - - . , - - - -- - l
30 ,000 32 ,000 34 ,000 36 ,000 38,000 40 ,000
Tension (V)
250 ,000 - f -- - - - - -- - - -- - - . F - - -- - j
fil
~
~ 210 ,000 -l--------~-------___i
c..
190,000 -J- - - - - -/ - - -- - - - - -- -j
150,000 +----..-----,-----,----~-----i
Le calcul des valeurs des réactances à 60 Hz se fait par itérations avec les expressions
suivantes:
2
XM = 3Vo 2 x 1 2 - 19.50 il
Qo -31 1O X I (
1 + -J XI
XM
XI =X 2= [QL
31 2 x 2+_1
X r[l+ ;1 ] M
= 6.262 n
IL X
M
Calcul de la tension V2
Avec les valeurs données dans le tableau en haut de page on trouve V 2 = 16.65 V
Calcul de R 2
s = 1- 1770 = 1.670/0
1800
173
v =0 .1 - SANS CHARGE
FLUX NOM 0.2442 TEMPS MESURE 2 MINUTES
CHARGE 0,0666
VDC 150
EXPÉRIMENTAL ET MODELE
EXPÉRIMENTAL (WATT-H) M M_UlU-
FLUX ESSAI #1 ESSAI #2 ESSAI #3 MOY-WATT WATT
0.1 0.0244
0,2 0,0488 0.483 0,449 0.496 14 ,280 29 ,6203
0 ,3 0,0733 0,320 0 ,334 0,336 9,900 11 ,5566
0,4 0,0977 0,380 0 ,368 0. 372 11 ,200 10,0964
0 ,5 0,1221 0,435 0 .478 0,455 13,680 11 ,0607
0 ,6 0,1465 0,599 0 ,555 0,572 17,260 12,6841
0 .7 0.1709 0,658 0 .665 0,664 19,870 14 ,5085
0,8 0,1954 0,880 0,842 0,842 25 ,640 16 ,351 3
0,9 0.2198 1,042 1,084 1,144 32,700 18 ,1273
1,0 0,2442 1,103 1,180 1,078 33,610 19 ,7976
RNA
FLUX ESSAI #1 ESSAI #2 ESSAI #3 WATT COUPLE
03-déc 0.406 0,386 0 .412 0.418 12.16 0,0666
v =0 .1 p .u . - Sans charge
40 ,000
• •
35 ,000
30 ,000
[ 25 ,000 •
• • • •
III
20 ,000
•• • • •
CIl
~ 15,000
10,000
• • Expérimenta l
. Modéle
. RNA
5,000
0.000
0.0 0,2 0,4 0,6 0 ,8 1,0 1,2
Flux (p .u.)
60 ,000
50 .000 ·
• • •
40 ,000 •
[
• • • •
III
;;
CIl
Q..
30 .000
•
• • • • • •
20 ,000
• '.. E,p"imOOI''
Modéle
]
10,000 . RNA
-----
0,000
0 ,0 0.2 0,4 0,6 0 ,8 1,0 1,2
Flux (p .u.)
175
60 .000
50.000
•
• • •
40 .000
~
•• • •
•
III
CIl 30 .000
• •
~
Il.
20 .000 • Expérimental 1
. Modéle
10.000 . RNA
0.000
0,0 0,2 0,4 0,6 0.8 1,0 1.2
Flux (p.u .)
100 ,000
90 ,000
•
•
80 .000
•• • • • • •
70 ,000
~
•
60 .000
III
CIl 50,000
~ 40 ,000
• • • • • • • •
Il.
30 ,000
• Expérimental
20 ,000
. Modéle
10,000
. RNA
0,000
0,0 0 ,2 0.4 0 ,6 0,8 10 1,2
Flux (p.u. )
176
70.000
60,000 •
50, 000 •
•
, , •• • • •
[ 40 ,000
VI
Cl
~ 30,000
c..
• Expérimental
20, 000
. Modéle
10, 000 . RNA
0 ,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
120 ,000
•
100, 000
• •
[
Cl
80 ,000 • • e. • • •
~ 60 ,000
c..
40 ,000
' . Expérimental
• • • • • • • •
20 ,000 . Modèle
. RNA
0,000
0,0 0,2 0,4 0,6 0,8 1.0 1,2
Fl ux (p .u.)
177
•
70 .000
60 ,000
• • •
• • • • • •
50,000
[
Vl
<Il
40 ,000
••• • •
ai
Cl.
30 .000
• Expérimenta l
20 ,000
. Modèle
10,000 . RNA
0,000 "
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p .u.)
140.000 •
• •
• • • •
120.000
~ 100.000
• e.
•
Vl
<Il 80 ,000 ·
~
Cl. 60 ,000 ·
40 ,000
• • • • • • •
1 +E'pe"meo" j 1
. Modele
20 ,000
. RNA
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flux (p.u.)
178
[ •
• •
60,000
tI)
III
t
III
a..
50,000
40,000
• • •
30,000
i• Expérimental 1
20,000 I . Modèle i
10,000
l~_~~ _______J
0,000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
Flu x (p.u .)
179
RAPPORT DE SIMULATION
PROJET DE RECHERCHE - MARC PERRON - UNIVERSITÉ LA V AL
24-Apr-2006 19:27:43
DESCRIPTION DU TEST: Test A VEC/SANS ajustement de flux + AVEC/SANS DPWM, V = 0.2 p.U.
RAPPORT DE SIMULATION
PROJET DE RECHERCHE - MARC PERRON - UNIVERSITÉ LA V AL
24-Apr-200620:47:46
DESCRIPTION DU TEST: Test A VEC/SANS ajustement de flux + AVEC/SANS DPWM, V = 0.5 p.u.
RAPPORT DE SIMULATION
PROJET DE RECHERCHE - MARC PERRON - UNIVERSITÉ LA VAL
24-Apr-200623:34:54
Features The Stratix® EPIS80 DSP development board is included with the DSP
Development Kit, Stratix Professional Edition (ordering code:
DSP-BOARD IS80). This board is a powerful development platform for
digital signal processing (DSP) designs, and features the Stratix EPIS80
device in the speed grade (-6) 956-pin package.
Components
• Analog 1/0
• Two I2-bit l25-MHz A/D converters
• Two I4-bit I65-MHz DI A converters
• Single-ended or differential inputs, and single-ended outputs
• Memory subsystem
• 2 Mbytes of 7.5-ns synchronous SRAM configured as two
independent 36-bit buses
• 64 Mbits of flash memory
• Configuration options
• On-board configuration via the 64-Mbits flash memory, plus the
Altera® EPM7064 programmable logic device (PLD)
• Download configuration data using ByteBlasterMVTM
download cab les
• Dual seven-segment display
• One 8-pin dual in-line package (DIP) switch
• Three user-definable pushbutton switches
• One 9-pin RS-232 connector
• Two user-definable LEDs
• On-board 80-MHz oscillator
• Single 5-V DC power supply (adapter included)
Debugging Interfaces
• Two Mictor-type connectors for Agilent Technologies logic analyzers
• Several O.l-inch headers
Expansion Interfaces
• Two connectors for Analog Devices A/D converter daughter cards
• Connector for Texas Instruments Evaluation Module (TI-EVM)
daughter cards
• Al tera Expansion Prototype Connector
Altera Corporation
DS-STXDVBD-l .3
185
Stratix EP1 S80 DSP Development Board
2 Altera Corporation
186
General Description
SMA Connector
Output !rom Altera
DIA 1 (J2) Expansion
Prototype
Connector
JP9 ========:.;=~ (JP20 , JP21,
14-brt , 165-MHz DIA ---.!"'""-----
JP24)
Converters (U21 , U23)
JP 10 =======~
SMA Connector =
Output !rom
DIA 2 (J3)
Connector (J1 1)
(reverse side)
Pushbutton
12-bit , 125 MHz Switches
AlD Converters (SWO, SW1 , SW2)
(U10, U30) Dual
SMA Connector Seven-segment
Input to Display (0 4)
AlD 1 (JP6)
Joint Test Action Group (JTAG)
Connector (JP30)
9-Pin RS-232
Connector (J8)
5.0-V
Power Supply
Connector (J1)
Component/ Board
Type Description
Interface Designation
Components
AlD converters 1/0 U10, U30 The board has two 12-bit 125-MHz AlD converters
DIA conve rters 1/0 U21,U23 The board has two 14-bit 165-MHz DIA converters
2 Mbytes SRAM Memory U34, U35, U36, The board has 2 MBytes of 7.5-ns synchronous SRAM
U37 configured as two independent 36-bit buses.
Altera Corporation 3
187
Stratix EP1S80 DSP Development Board
Table 1. Stratix EP1S80 DSP Development Board Components & Interfaces (Part 2 of 3)
Component/ Board
Type Description
Interface Designation
64 Mbits of flash Memory U3 The board has 64 Mbits of flash memory.
SMA external clock Input JP1, JP3 The board has two SMA connector inputs connected to
input connectors clocks, and terminated in 50 n.
SMA external clock Output JP2, JP4 The board has two SMA connector outputs with a
output connectors source impedance of 50 n.
Dual seven-segment Display 04 The board has a dual seven-segment display.
display
DIPswitch 1/0 SW3 The board has eight DIP switches, which are
user-definable as logic inputs.
Pushbutton switches 1/0 SWO, SW1, The board has three pushbutton switches, which are
SW2 user-definable as logic inputs.
User-defined LEDs Display 06,07 The board has two user-definable LEDs.
Power-on LED Display 08 The board has an LED that illuminates when power is
supplied to the board.
conf_done LED Display 05 The board has an LED that illuminates upon successful
configuration of the Stratix device.
RS-232 connector 1/0 J8 The board has a OB9 connector, which is configured as
a OTE seriai port. The interface voltages are converted
to 3.3-V signais and brought to the Stratix device, which
must be configured to generate and accept
transmissions.
On-board 80MHz Clock U1 The board has a socked on-board 80-MHz oscillator.
oscillator
Single 5.0-V OC Input J1 (adapter) A 5.0-V OC power supply and a board adapter is
power supply included.
User 1/0 pins 1/0 JP7, JP8 The board has ninety general-purpose 1/0 pins on the
0.1-inch headers (45 on JP8; 45 on JP7). The Stratix
pins that drive the JP8 header also drive headers JP20,
JP21, and JP24. Similarly, the Stratix pins that drive the
JP7 header also drive headers JP19, and JP22.
Debugging Interfaces
Mictor connectors 1/0 J9,J10 The board has two Mictor headers, each connected to
33 Stratix pins (32 data, 1 clock) for use with an external
logic analyzer.
Expansion Interfaces
Analog Deviees Expansion JP19,JP22 The board provides an interface to Analog Device's A/D
connector (1) converters via two 40-pin connectors.
TI-EVM connectors Expansion J11,J12 The board provides an interface to the TI-EVM. The
connectors can be found on the reverse side of the
board, as shown in Figure 1.
4 Altera Corporation
188
Using the Board
Component/ Board
Type Description
Interface Designation
Altera Expansion Expansion JP20, JP21, The board provides a custom interface to Altera
Prototype Header JP24 expansion cards via a 74-pin header.
FPDP Footprint Expansion J4 Four rows of pins comprise a footprint for an FPDP,
which can be added to the board.
Prototyping area Expansion NIA The board provides a grid of plated through-holes on
O.1-inch centers. Thirty Stratix 1/0 pins are connected
to the grid.
Note to Ta.ble 1:
(1) The two debug headers designated in this table can be used ta interface ta Analag Deviees A/D converter
evaluatian boards. They are designated as JP19 and JP22, and interface to Analag Deviees AD6645 / 9433/9430
external A/D converters. Note that the JP19 and JP22 headers share Stratix pins with JP7.
Environmental Requirements
The Stratix EPlS80 DSP development board must be stored between
--40° C and 100° C. The recommended operating tempe rature is between
0° C and 55° C.
Using the Board When power is applied to the board, the Power On LED illuminates. At
this time, the Stratix device is automatically configured and, upon
successful configuration, the con f _ done LED illuminates.
rCi:i::: JP18 allows the user to load one of two Stratix configuration
images upon power-up. If the jumper on JP18 is not present, the
factory configuration loads. If the jumper is present, the user
configuration loads. See "Non-Volatile Configuration" on page 7
for more details.
To configure the board with a new design, the designer should perform
the following steps, explained in detail in this section.
Altera Corporation 5