Soutenance mémoire
Principe de la CDC
La commande consiste à réguler directement le couple électromagnétique et le flux statorique par la détermination directe de la séquence de commande appliquée aux interrupteurs d’un onduleur de tension. Ce choix est basé sur l’utilisation de régulateurs à hystérésis dont le rôle est de commander l’état du système, à savoir l’amplitude de flux statorique et le couple électromagnétique, il s’agit de maintenir ces deux grandeurs dans des plages d’erreurs définies; les deux sorties des régulateurs combinées avec l’information sur la position où le vecteur de flux se trouvait, déterminent la table de commande (ou de vérité) servant à contrôler l’onduleur. Ce dernier (onduleur à deux niveaux) permet, le cas échéant, d’atteindre sept positions distinctes dans le plan de phase, correspondant aux huit séquences du vecteur de tension à la sortie de l’onduleur.
La commande directe de couple possède généralement d’excellentes caractéristiques dynamiques, et en général elle est définie par :
une réponse dynamique de la machine très rapide, et sa mise en œuvre se démarque sensiblement des commandes par flux orienté; elle ne nécessite pas de transformation de coordonnées (Park) dans des axes tournants.
elle se positionne parmi les stratégies de contrôle simples à des faibles coûts de calcul.
le fonctionnement à flux variable n’affecte pas le réglage du couple, étant donné que le découplage des grandeurs de contrôle est naturellement assuré par la commande directe.
les variations de paramètres de rotor de la machine n’affectent pas la commande dans sa version de base; de plus, l’estimation de flux statorique ne dépend que de la résistance de stator (par intégration en boucle ouverte de la force électromotrice du stator).
Estimateur de Kalman
Dans un passé proche, le filtre de Kalman, malgré ses performances, présentait l’inconvénient de nécessiter un calcul d’autant plus complexe que l’ordre est plus élevé, et cela rendait son implémentation en temps réel, dans un contexte de CDC, (exigeant une période d’échantillonnage courte) problématique. Mais aujourd’hui, le développement de la technologie des microprocesseurs et les circuits FPGA reconfigurables, a permis l’implémentation et la mise en pratique des algorithmes de calcul et de contrôle difficiles à implanter auparavant tels que le filtre de Kalman.
L’approche du filtre de Kalman a été introduite par Rudolf Kalman en 1960 en se basant sur une présentation d’état discrète et linéaire d’un processus; sa forme a par la suite été développée par Richard Bucy et Rudolf Kalman. Depuis, il est largement utilisé dans plusieurs applications industrielles , surtout en matière de filtrage des signaux mesurés ainsi que dans l’estimation et l’identification des paramètres d’un processus.
Choix des matrices de covariance Q et R
C’est par l’entremise de ces deux matrices que passeront les différents états mesurés, prédits et estimés. Leurs rôles sont de minimiser les erreurs liées à une modélisation approchée et à la présence de bruits sur les mesures. Leur réglage requiert une attention particulière et seul un ajustement en ligne permet de valider un bon fonctionnement de filtre. Cependant, quelques grandes lignes permettent de comprendre l’influence du réglage de ces matrices par rapport à la dynamique et la stabilité du filtre.
La matrice Q liée aux bruits de l’état permet de régler la qualité estimée de notre système de modélisation et sa discrétisation. Une valeur forte de Q donne Une forte valeur de K réduisant l’importance de la modélisation et de la dynamique du filtre. La mesure possède alors un poids relatif plus important. Une trop forte valeur de Q peut cependant créer une instabilité de l’observation.
Quant à la matrice R, elle règle les poids de mesures. Une forte valeur de R indique une grande incertitude de la mesure. Par contre, une faible valeur permet un poids important à la mesure. Cependant, il faut faire attention au risque d’instabilité aux faibles valeurs de R.
Méthodes de contrôle prédictif
Le contrôle prédictif couvre un très large éventail de contrôleurs qu’on retrouve dans les récentes applications des convertisseurs de puissance. Les méthodes de contrôle prédictif sont en général classer comme suit :
Contrôle apériodique.
Contrôle basé sur la bande d’hystérésis.
Contrôle basé sur la trajectoire.
Contrôle basé sur le modèle.
La caractéristique principale de contrôle prédictif est l’utilisation d’un modèle du système pour la prédiction du comportement futur des grandeurs réglées. Cette information est utilisée par le contrôleur pour obtenir la commande optimale souhaitée, bien sûr en prenant compte le critère d’optimisation prédéfini auparavant.
Dans la commande basée sur l’hystérésis, le critère d’optimisation consiste en une conservation des variables contrôlées dans une bande d’hystérésis, tandis que dans la commande basée sur la trajectoire, les variables contrôlées sont forcées de suivre une trajectoire prédéfinie. En commande apériodique, la commande optimale tend l’erreur vers zéro dans chaque intervalle de commutation. Une approche plus souple est utilisée dans le contrôle prédictif basé sur le modèle. Elle est exprimée sous forme d’une fonction de coût à minimiser.
Contrôle prédictif basé sur le modèle pour les systèmes de puissance
Bien que la théorie de contrôle prédictif fût développée dans les années 1970, son utilisation dans les applications des systèmes de puissance est plus récente en raison des constantes de temps rapides qui sont nécessaires dans ces systèmes. Mais les microprocesseurs plus performants sur le marché cette dernière décennie ont favorisé des créneaux recherche vers de nouveaux systèmes de contrôle, comme le MPC, autant pour les systèmes de puissance et l’entrainement électrique.
Au début, la difficulté de la mise en œuvre du MPC dans un système réel, en tenant compte du petit temps disponible pour les calculs à cause de l’échantillonnage rapide, a donné naissance d’une stratégie appelée MPC hors ligne. Le problème d’optimisation du MPC est résolu hors ligne en tenant compte du modèle du système, les contraintes et les objectifs à atteindre. Les résultats d’optimisation sont sauvegardés dans une table de consultation contenant la solution optimale en fonction de l’état du système. Le MPC hors ligne a été appliqué pour le contrôle de convertisseurs de puissance continu-continu, les onduleurs triphasés et pour la commande de moteurs électriques.
Cette technique d’optimisation hors ligne permet l’approximation de convertisseur de puissance et le système à contrôler comme un système linéaire. En effet cette approximation simplifie l’optimisation et permet le calcul d’une loi expresse, en évitant la nécessité d’une optimisation en ligne. Toutefois, cette simplification ne tient pas compte de la nature discrète des convertisseurs de puissance. En incluant la nature discrète des convertisseurs de puissance, il est possible de simplifier le problème d’optimisation, ce qui permet sa mise en œuvre en ligne compte tenu du nombre fini d’états de commutation et des microprocesseurs disponibles aujourd’hui. Depuis peu de temps, le calcul d’une solution optimisée en ligne pour chaque état de commutation est une possibilité réalisable.
|
Table des matières
INTRODUCTION
CHAPITRE 1 MODÉLISATION DE LA MACHINE ASYNCHRONE TRIPHASÉE
1.1 INTRODUCTION
1.2 DESCRIPTION
1.3 REPERES DE REFERENCE
1.4 TRANSFORMATION DE CLARKE
1.5 TRANSFORMATION DE PARK
1.6 REPRESENTATION PHASEUR DE LA MACHINE ASYNCHRONE TRIPHASÉE
1.6.1 Modèle de la machine asynchrone dans un référentiel tournant
1.6.2 Modèle de la machine asynchrone dans un référentiel fixe au stator
1.7 MODELE BIPHASE DE LA MACHINE ASYNCHRONE
1.7.1 Modèle biphasé de la machine asynchrone dans un référentiel tournant
1.7.2 Modèle biphasé de la machine asynchrone dans un référentiel fixe au stator
1.8 CONCLUSION
CHAPITRE 2 COMMANDE DIRECTE DU COUPLE DE LA MACHINE ASYNCHRONE TRIPHASÉE
2.1 INTRODUCTION
2.2 PRINCIPE DE LA CDC
2.3 FONCTIONNEMENT ET SEQUENCES D’UN ONDULEUR DE TENSION TRIPHASÉE
2.4 CONTROLE DE COUPLE ELECTROMAGNETIQUE ET DU FLUX STATORIQUE
2.4.1 Principe de contrôle du couple électromagnétique
2.4.2 Principe de contrôle du flux statorique
2.4.3 Sélection du vecteur de tension Vs
2.5 ESTIMATEURS
2.5.1 Estimation du flux statorique
2.5.2 Estimation du couple électromagnétique
2.6 ELABORATION DU VECTEUR DE COMMANDE
2.6.1 Correcteur de flux
2.6.2 Correcteur de couple
2.7 ELABORATION DU VECTEUR DE COMMANDE
2.8 STRUCTURE GÉNÉRALE DE LA CDC EN BOUCLE OUVERTE
2.9 CONCLUSION
CHAPITRE 3 ESTIMATEUR DE KALMAN ET CONTRÔLE DE LA VITESSE EN BOUCLE FERMÉE
3.1 INTRODUCTION
3.2 ESTIMATEUR DE KALMAN
3.2.1 Introduction
3.2.2 Algorithme de filtre de Kalman
3.2.3 Application du filtre de Kalman à la machine asynchrone
3.2.4 Choix des matrices de covariance Q et R
3.3 CONTROLE DE LA VITESSE DE ROTATION
3.3.1 Contrôle prédictif en boucle fermée
3.3.2 Conception de l’estimateur de perturbation
3.3.3 Schéma antidépassement
3.4 STRUCTURE GLOBALE DE LA CDC AVEC CONTRÔLEUR PRÉDICTIF DE VITESSE
3.5 CONCLUSION
CHAPITRE 4 COMMANDE PRÉDICTIVE : UNE NOUVELLE APPROCHE POUR LE CONTRÔLE DES SYSTÈMES DE PUISSANCE
4.1 INTRODUCTION
4.2 MÉTHODES DE CONTRÔLE PRÉDICTIF
4.3 PRINCIPES DE BASE DU CONTRÔLE PRÉDICTIF BASE SUR LE MODÈLE
4.4 CONTROLE PREDICTIF BASE SUR LE MODELE POUR LES SYSTEMES DE PUISSANCE
4.4.1 Conception du contrôle prédictif
4.4.2 Implementation de contrôle prédictif
4.4.3 Schéma de principe de contrôle prédictif
4.5 CONCLUSION
CHAPITRE 5 CDC PRÉDICTIF D’UN MOTEUR ASYNCHRONE TRIPHASÉ
5.1 INTRODUCTION
5.2 PRINCIPE DE LA CDCP
5.2.1 Estimation et prédiction des variables de la commande
5.2.2 Fonction de coût et effet du temps de retard dû au calcul
5.2.3 Algorithme de commande et compensation du temps de retard dû au calcul
5.3 STRUCTURE GLOBALE DE LA COMMANDE DIRECTE DE COUPLE PREDICTIVE EN BOUCLE FERMÉE
5.4 CONCLUSION
CHAPITRE 6 RÉSULTATS DE SIMULATION SOUS L’ENVIRONNEMENT MATLAB/SIMULINK
6.1 INTRODUCTION
6.2 RESULTATS DE SIMULATION
6.2.1 Test de l’observateur de perturbation
6.2.2 Poursuite de trajectoire et comparaison entre la CDC et la CDCP
6.2.3 Effet de l’observateur de perturbations et de schéma antidépassement
6.2.4 Effet de changement brusque de la charge et rejet de perturbations
6.3 CONCLUSION
CHAPITRE 7 IMPLANTATION PHYSIQUE ET VALIDATION EXPÉRIMENTALE
7.1 INTRODUCTION
7.2 DESCRIPTION DE BANC D’ESSAI
7.3 PRINCIPE DE SIMULATION HYBRIDE EN TEMPS REEL
7.4 MODELE DE SIMULATION TEMPS REEL DE LA COMMANDE DIRECTE DE COUPLE
7.5 RESULTATS EXPERIMENTAUX
7.5.1 Poursuite de trajectoire et comparaison entre la CDC et la CDCP
7.5.2 Effet de l’estimateur de perturbations et de schéma antidépassement
7.5.3 Effet de changement brusque de la charge et rejet de perturbations
7.6 CONCLUSION
CONCLUSIONS ET PERSPECTIVES
Télécharger le rapport complet
