La Logique Floue Et Les Algorithmes Génétiques

Technique de commande floue

La commande floue elle a mêmes objectifs de régulation et de poursuite qu’une commande classique. La technique de commande floue est souvent présentée comme une technique robuste dans le cas de systèmes variant dans le temps. Capable de compenser quasi naturellement les incertitudes et / ou le manque de connaissances précises quant au processus à commander. Dans la majorité des applications des régulateurs flous,Le principe du réglage par logique floue s’approche de la démarche humaine dans le sens que les variables traitées ne sont pas des variables logiques (au sens de la logique binaire par exemple) mais des variables linguistiques, proches du langage humain de tous les jours. De plus ces variables linguistiques sont traitées à l’aide de règles qui font références à une certaine connaissance du comportement du système. Toute une série de notions fondamentales sont développées dans la logique floue. Ces notions permettent de justifier et de démontrer certains principes de base. Dans ce qui suit, on ne retiendra que les éléments indispensables à la compréhension du principe du réglage par logique floue. Ce type de commande simple à réaliser, est facilement adaptable aux conditions de fonctionnement.

Moteur d’Inférence floue

C’est une logique de prise de décision établissant des règles liant les variables de sorties aux variable d’entrées ; la stratégie de réglage dépend essentiellement des inférences adoptées, Sachant qu’il n’est pas possible d’indiquer des règles précises, l’expérience joue un rôle important.Base de connaissances : La base de connaissance comprend une connaissance du domaine d’application et les buts du contrôle prévu. Elle est composée :D’une base de données fournissant les informations nécessaires pour les fonctions de normalisation.D’une base de règle : En logique floue, On appelle règles d’inférence l’ensemble des différentes règles qui sont exprimées en langage naturel en utilisant les variables linguistiques d’entrée d’un système liant aux variables linguistiques de sorties par des opérateurs flous. Les règles floues sont élaborées à partir de la base de connaissance du concepteur,

Théorie des algorithmes génétiques

Les algorithmes génétiques (AG) sont des procédures de recherche base´ sur les mécanismes de la sélection naturelle et de la génétique. Il combine une stratégie de ”survie des plus forts” avec un échange d’information aléatoire mais structure. Pour un problème pour le- quel une solution est inconnue, un ensemble de solutions possibles est créé aléatoirement. On appelle cet ensemble la population. Les caractéristiques (ou variables à déterminer) sont alors utilise´ es dans des séquences de gènes qui seront combine es avec d’autres gènes pour former des chromosomes et par après des individus. Chaque solution est associée à un individu, et cet individu est e´value´ et classifie´ selon sa ressemblance avec la meilleure, mais encore inconnue, solution au problème. Il peut être de´ montre´ qu’en utilisant un processus de sélection naturelle inspire de Darwin, cette méthode convergera graduellement a` une solution.Comme dans les systèmes biologiques soumis a` des contraintes, les meilleurs individus de la population sont ceux qui ont une meilleure chance de se reproduire et de transmettre une partie de leur héritage génétique à la prochaine génération. Une nouvelle population, ou génération, est alors créée en combinant les gènes des parents. On s’attend à ce que certains individus de la nouvelle génération possèdent les meilleures caractéristiques de leurs deux parents, et donc qu’ils seront meilleurs et seront une meilleure solution au problème. Le nouveau groupe (la nouvelle génération) est alors soumis aux mêmes critères de sélection, et par après génère ses propres rejetons. Ce processus est répète plusieurs fois, jusqu’à ce que tous les individus possèdent le même héritage génétique. Les membres de cette dernière génération, qui sont habituellement très différents de leurs ancêtres, possèdent de l’information génétique qui correspond à la meilleure solution au problème.L’algorithme génétique de base comporte trois opérations simples qui ne sont pas plus compliquées que des opérations algébriques :
– Sélection
– Reproduction
– Mutation
L’algorithme génétique fut développe par Holland .

Principe de la commande vectorielle à flux rotorique orienté

La commande vectorielle par orientation du flux rotorique est actuellement considérée comme la technique la plus utilisée pour les entrainements à vitesse variable des machines asynchrones. Elle permet un contrôle de la vitesse et du couple, avec des performances statiques et dynamiques élevées, ainsi qu’une maitrise excellente des régimes transitoires. Le but recherché lors de sa conception est d’obtenir une situation identique à celle rencontrée dans la machine à courant continu en séparant la commande du flux de celle du couple, l’orthogonalité entre les vecteurs flux et courant étant la condition optimale de production du couple maximal. L’objectif est donc de réaliser un découplage efficace entre ces deux grandeurs. La machine asynchrone ne présentant pas la configuration classique [inducteurinduit] à deux alimentations distinctes, il est difficile de mettre en évidence un courant générateur de flux d’un courant générateur de couple [BUC 01].

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

I) Concepts Fondamentaux De La Logique Floue Et Des Algorithmes Génétiques
I-1) Introduction
I-2) les principes de la logique floue
I-3) Notions de base et terminologie relative à la logique floue
I-3-1) Ensembles floues, fonction d’appartenance et degré d’appartenance
I-3-1-1 Caractéristique d’un sous ensemble floue
I-3-1-2 Les différentes formes de fonction d’appartenance
I-3-2) Variables linguistiques
I-4) Opérateurs de la logique floue
I-5) Technique de commande floue
I-5-1) la Fuzzification
I-5-2) Moteur d’Inférence floue
I-5-3) Méthode d’inférence «MAX-MIN»
I-5-4) Méthode d’inférence max-produit (méthode de Larsen)
I-5-4-1 Méthode d’inférence som-prod
I-5-4-2 La Défuzzification
I-6) Théorie des algorithmes génétiques
I-6-1) Codage d’individus
I-7) Operateurs génétiques
I-7-1) Du codage binaire au codage réel
I-7-2) Sélection
I-7-3) Reproduction (croisement)
I-8) Le codage réel
I-8-1) Croisement entre paramètres
I-8-2) Mutation codée réelle
II) Modélisation et contrôle vectoriel à flux rotorique orienté du moteur asynchrone triphasé
II-1) Introduction
II-2) Généralité sur La machine asynchrone triphasée
II-2-1) Description du moteur asynchrone à cage
II-2-2) Avantages du moteur asynchrone à cage
II-2-3) Principe de fonctionnement
II-3) Hypothèses simplificatrices
II-4) Modélisation de la machine asynchrone triphasée
II-4-1) Les équations de la machine asynchrone triphasée
II-4-1-1 Les équations électriques
II-4-1-2 Les équations magnétiques
II-4-1-3 Equation mécanique
II-4-2) Transformation triphasé – diphasé
II-4-3) La transformation de Park
II-4-4) Le modèle mathématique dans le référentiel de Park
II-4-4-1 Les équations électriques
II-4-4-2 Les équations magnétiques
II-4-4-3 Le couple électromagnétique
II-4-5) Définition des différents référentiels
II-4-5-1 Référentiel fixe par rapport au stator
II-4-5-2 Référentiel fixe par rapport au rotor
II-4-5-3 Référentiel fixe par rapport au champ tournant
II-4-6) Représentation d’état du système
II-5) Modélisation de l`alimentation de la MAS
II-5-1) Modélisation de l’onduleur
II-5-2) Technique de commande M.L.I
II-5-2-1 MLI sinus-triangle
II-5-2-2 MLI vectorielle
II-6) Simulation et interprétation
II-6-1) Les résultats de simulation
II-6-2) Interprétation
II-7) Théorie de la commande vectorielle de la MAS
II-8) commande vectorielle indirecte à flux rotorique orienté
II-9) Découplage entrée-sortie
II-9-1) Découplage par compensation
II-10) Commande vectorielle indirecte
II-10-1) Principe
II-10-2) Structure d’une commande vectorielle indirecte
II-11) Synthèse des différents régulateurs
II-11-1) Régulateurs PI de courant
II-11-2) Régulateur PI de vitesse
II-12) Simulation et interprétation
II-12-1) Les résultats de simulation
II-12-2) Interprétation
II-13) Conclusion
III) Application du contrôle par la logique floue à la commande IRFOC du moteur asynchrone triphasé
III-1) Introduction
III-1-1) Réglage de la vitesse par logique floue
III-1-2) Régulateur utilisé (type Mamdani)
III-2) Simulation et interprétation
III-2-1) Résultats de simulation
III-2-2) Interprétation et discussion sur les résultats obtenus en simulation
III-3) CONCLUSION
IV) Amélioration de la commande IRFOC du moteur asynchrone
IV-1) Introduction
IV-2) Loi de commande pour le régulateur PI flou
IV-2-1) Loi de commande pour le régulateur PI flou à gain flou adapté
IV-3) Résultats de simulation et interprétation
IV-3-1) Demurrage à vide
IV-3-2) Inversion du sens de rotation
IV-3-3) Robustesse vis-à-vis de la variation paramétrique
IV-4) Conclusion