Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

UNIVERSITÉ DU QUÉBEC S V THESE PRESENTEE A L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI

UNIVERSITÉ DU QUÉBEC S V THESE PRESENTEE A L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGÉNIERIE Par Adel Merabet Commande non linéaire à modèle prédictif pour une machine asynchrone Mai 2007 bibliothèque Paul-Emile-Bouletj UIUQAC Mise en garde/Advice Afin de rendre accessible au plus grand nombre le résultat des travaux de recherche menés par ses étudiants gradués et dans l'esprit des règles qui régissent le dépôt et la diffusion des mémoires et thèses produits dans cette Institution, l'Université du Québec à Chicoutimi (UQAC) est fière de rendre accessible une version complète et gratuite de cette œuvre. Motivated by a desire to make the results of its graduate students' research accessible to all, and in accordance with the rules governing the acceptation and diffusion of dissertations and theses in this Institution, the Université du Québec à Chicoutimi (UQAC) is proud to make a complete version of this work available at no cost to the reader. L'auteur conserve néanmoins la propriété du droit d'auteur qui protège ce mémoire ou cette thèse. Ni le mémoire ou la thèse ni des extraits substantiels de ceux-ci ne peuvent être imprimés ou autrement reproduits sans son autorisation. The author retains ownership of the copyright of this dissertation or thesis. Neither the dissertation or thesis, nor substantial extracts from it, may be printed or otherwise reproduced without the author's permission. RESUME La machine asynchrone est un système multivariable, non linéaire, fortement couplé, à dynamique rapide et à paramètres variant dans le temps. Vu les avantages qu'elle a sur les autres types de machines électriques, parmi lesquels nous pouvons citer : robustesse, entretien moins fréquent et faible coût, la machine asynchrone est de loin la plus utilisée dans les applications requérant la variation de vitesse. Cependant, sa nature non linéaire rend sa commande compliquée. Le but de cette thèse est la mise en œuvre d'une loi de commande non linéaire prédictive de haute performance pour un moteur asynchrone, avec comme objectifs : améliorer la poursuite de trajectoires, garantir la stabilité, la robustesse aux variations des paramètres et le rejet de perturbation. L'élément de base dans une commande prédictive est le modèle pour prédire le comportement du système. Deux méthodes sont utilisées pour la conception du modèle de prédiction ; l'une est une conception à partir de réseaux de neurones pour une commande prédictive neuronale, et l'autre utilise les outils mathématiques de la géométrie différentielle pour la commande non linéaire prédictive. Dans la commande prédictive neuronale, une modélisation multivariable de la machine par un réseau de neurones de type multicouches est présentée pour la conception d'un prédicteur non linéaire. La commande optimale est obtenue en minimisant un critère quadratique. Un modèle de référence, calculé à partir de l'inversion du modèle de la machine, est inclus dans le critère à optimiser. Ce modèle permet d'améliorer l'optimisation. Pour la commande non linéaire prédictive, deux variantes sont proposées dans ce travail. Une commande multivariable pour le contrôle d'un système carré avec la vitesse rotorique et la norme carré du flux rotorique comme sorties, et une commande en cascade pour le contrôle du couple électromagnétique, de la norme carré du flux et de la vitesse. Le choix de ces sorties est pris pour contrôler la vitesse et simplifier le calcul différentiel lors du développement de ces lois de commande. Le modèle de prédiction est obtenu en utilisant une expansion en série de Taylor. La perturbation (couple de charge) est estimée par un observateur. L'intégration de la commande prédictive dans la structure de l'observateur de perturbation lui permet de se comporter comme un contrôleur PID ou PI de vitesse selon le degré relatif de la sortie vitesse par rapport à la commande. Cette combinaison aboutit à une commande non linéaire PID (ou PI) prédictive. La commande non linéaire prédictive est détaillée, d'abord dans le cas où l'état est supposé entièrement mesurable, puis lorsqu'un observateur doit être utilisé. Le problème de la stabilité globale est alors pris en compte. La méthode de Lyapunov est utilisée pour prouver la stabilité globale du schéma complet de commande (procédé + commande + observateur d'état). Les performances de poursuite de trajectoires, de robustesse aux variations de paramètres et de rejet de perturbation, sont améliorées par ce contrôleur non linéaire prédictif. Nous croyons que ce que nous avons réalisé avec la commande prédictive non linéaire constitue une contribution majeure au domaine des entraînements à vitesse variable par machines asynchrones. 11 ABSTRACT Induction machines are widely used in industry because they are more rugged, reliable, compact, efficient and less expensive compared to other machines used in similar applications. They however, represent highly nonlinear, coupled, multivariable, complex control plant with unknown disturbances and time varying parameters requiring complex control algorithms. This PhD thesis deals with the development of a high performance nonlinear predictive control induction motor drive. The research work is directed towards improving trajectory tracking capability, stability guarantee, robustness to parameters variations and disturbance rejection. The main part of nonlinear predictive control is the system behavior prediction model. Two methods are used for the design of the prediction model. First, the design is based on neural networks modeling. The control law in this case is called neural predictive control. The other prediction model is obtained using mathematical tools of differential geometry for nonlinear predictive control. In the neural predictive control, a multivariable modeling of the machine is done using a multi-layer neural network in order to design a nonlinear predictor. Optimal control is obtained by minimization of a quadratic criterion. A reference model, obtained from the inversion of the machine model, is included in the optimization criterion, which helps to improve the optimization. In nonlinear predictive control, two types of control algorithms are proposed in this work. First, a multivariable controller is used for the system control, with the rotor speed and the rotor flux norm as outputs. Then, a cascaded controller is used for electromagnetic torque, rotor flux norm and rotor speed control. The prediction model is obtained by using the Taylor series expansion. The nonlinear predictive controller is enhanced by embedding a disturbance observer, which behaves like a PID or PI speed controller according to the relative degree of the speed output. This combination is called nonlinear PID (or PI) predictive control. Initially, control action is carried out assuming that all the states are known by measurement. Then, in the next step an observer is implemented instead of measurement. Here, the Lyapunov method is used to prove the global stability of the complete control scheme (process + control + state observer). The trajectories tracking, robustness to parameters variations and disturbance rejection are successMly achieved using this nonlinear predictive controller. Therefore, we believe that this work constitutes a major contribution to the domain of variable speed induction motor drive. IV AVANT PROPOS Les travaux présentés dans ce mémoire ont été effectués au Laboratoire d'Identification et Commande des Machines Electriques (LICOME) de l'université du Québec à Chicoutimi (UQAC). Cette unité de recherche est accréditée par l'UQAC en vertu de sa politique de financement de la recherche. Au terme d'un travail de trois ans de recherche, je tiens à remercier tous ceux qui m'ont aidé en contribuant à l'aboutissement de cette thèse, tout particulièrement : - Monsieur Mohand Ouhrouche, professeur à l'UQAC et directeur du LICOME, qui a dirigé ces travaux de recherche. Qu'il soit assuré de ma profonde reconnaissance pour ses conseils précieux et la confiance dont il a témoigné à mon égard tout au long de ce parcours. - Monsieur Rung-Tien Bui, professeur émérite à l'UQAC, qui a eo-dirigé ce travail. Ses conseils judicieux ont été pour moi une aide précieuse. - Monsieur Hassan Ezzaidi, professeur à l'UQAC, pour sa collaboration dans le domaine des réseaux de neurones. - La compagnie ALCAN (Saguenay) pour m'avoir honoré par la bourse d'excellence 2006/20)7. Mes remerciements vont aussi à madame Nicole Bouchard, doyenne des études de cycles supérieurs et de la recherche, pour son assistance à ma soutenance, monsieur Daniel Audet, président du jury, et les membres, en plus de mes encadreurs, messieurs Hichem Arioui et Issouf Fofana pour leur évaluation de mon travail de recherche. Je tiens à remercier également tous les membres du LICOME, qui ont contribué à rendre ce cadre de travail agréable, tant d'un point de vue technique que humain. Enfin, un remerciement particulier à mes parents, à mon épouse, et à mes frères et sœurs. VI SOMMAIRE LISTE DES FIGURES xii LISTE DES TABLES xv LISTE DES SYMBOLES xvi ABRÉVIATIONS xxi INTRODUCTION GÉNÉRALE 2 CHAPITRE I MODÉLISATION DE LA MACHINE ASYNCHRONE EN VUE DE LA COMMANDE 1.1 Introduction 11 1.2 Description 12 1.3 Modélisation électrique de la machine asynchrone 13 1.4 Modélisation en représentation d'état de la machine asynchrone en vue de commande 20 vu 1.4.1 Modèle d'état dans un référentiel tournant 21 1.4.2 Modèle d'état dans un référentiel fixe au stator 22 1.5. Modélisation en représentation d'état de la machine asynchrone en vue d'observation 22 1.6 Modélisation inverse de la machine asynchrone 23 1.7 Modélisation de l'alimentation avec onduleur à MLI 27 1.7.1 MLI uploads/Industriel/ universite-du-quebec-adel-merabet.pdf