Détails du sujet
AMELIORATION DE LA COMMANDE DIRECTE DU COUPLE D’UN MOTEUR ASYNCHRONE PAR LA TECHNIQUE DU NEUROFLOU (ANFIS) : Cas du Véhicule électrique
Résumé
Auteur : KAKULE NDAVARO
Niveau: TECH2
Département: Genie Electrique
Année Ac: 2021-2022 , | 2022-11-14 09:38:59
Mots clés
Intelligence artificielle, Apprentissage profond, Logique floue, DTC, ANFIS, Neurofloue, Stabilité de Lyapunov, Moteur asynchrone, FPGA, DTC, etc.
Intérêt
L’application des techniques intelligentes propose un changement de paradigme bien défendu par les chercheurs dans le domaine de contrôle et traction électrique, son exploration est un exercice particulièrement intéressant suite aux applications pratiques pouvant en découler. Notons également que le développement de l’informatique offre chaque année des nouvelles perspectives à explorer, des outils d’étude comme Matlab subissent des améliorations tous les jours, ce qui entraine la publication chaque année d’au moins deux versions (Matlab 2022a et Matlab 2022b). Lesquelles améliorations, s’accompagnant avec des bouleversements sur le plan méthodologique. Ainsi, il devient de plus en plus facile pour les ingénieurs système de réduire les cycles de développement des produits. L’exemple typique serait les solutions proposées par les entreprises comme Xilinx ou Imperix avec les options de génération du code (C++, HDL, etc). Il devient de plus en plus facile de convertir un modèle mathématique en code VHDL ou Verilog, ensuite transférer ce dernier sur du matériel comme le FPGA ou ASIC. Dans cette étude nous établissons un modèle sous Simulink prêt à être converti en version transférable sur du matériel pour des réalisation pratiques. Des tests de performance basés sur le cycle de conduite urbain sont effectués selon les normes applicables à la conception des véhicules électriques, ce qui permet de mettre en évidence l’efficacité du contrôle développé et ainsi fournir aux futurs chercheurs des informations pertinentes en cas d’éventuelles études avancées ou réalisation pratique.
Problématique
L'apprentissage machine est devenu de plus en plus une alternative au problème d'optimisation, il n'est plus question de partir d'un modèle mathématique basé sur les équation différentielles pour établir des fonctions de transfert des systèmes, procéder à la programmation et ensuite implémenter les régulateurs à partir des microcontrôleurs. L'entrainement des réseaux de neurones apporte des avantages un peu plus particuliers à ce sujet, car il s'agit ici de pouvoir entrainer la machine à partir des données ou corriger le comportement de celle-ci à partir d'une approche essaie-erreur, un peu pour dire que la machine apprend comment fonctionner de manière optimale. Eu égards à ce qui précède, nous nous sommes intéressé à l'application de l'intelligence artificielle, spécifiquement l'apprentissage profond et de la logique floue, pour la synthèse des signaux de commande des interrupteurs de puissance pour la commande du moteur de traction d'un véhicule électrique. D'où la problématique:
• Le Moteur asynchrone triphasé est-il toujours d’actualité pour la traction des véhicules électriques ?
• Quel modèle mathématique du moteur asynchrone considérer pour l’étude de sa commande en régime transitoire considérant les conditions de fonctionnement dans un véhicule électrique ;
• Quelle technique de contrôle ou commande serait appropriée pour assurer un fonctionnement optimal de ce moteur et limiter le coût de fabrication du groupe motopropulseur ?
• Quelle serait l’amélioration apportée par l’application des techniques de commande intelligentes ? Laquelle présente le résultat le plus acceptable ? Plan provisoire
1. généralités sur le groupe motopropulseur des véhicules électriques
2. la modélisation du moteur électrique et de sa commande
3. l’application des techniques intelligentes à la commande du moteur asynchrone
4.la simulation et interprétation des résultats Hypothèses
• Sous des conditions d’exploitation définies, le moteur asynchrone serait toujours un choix rationnel pour la conception des groupes motopropulseurs des véhicules électriques performants ;
• Le modèle mathématique développé à partir du repère fixe du stator (alpha-beta), serait le plus approprié pour la modélisation de la commande du moteur asynchrone destiné à un véhicule électrique ;
• La meilleure technique de contrôle du moteur asynchrone destiné au véhicule électrique serait la commande directe de couple ou « direct torque Controller DTC » en anglais, considérant le caractère dynamique de cet environnement de fonctionnement ;
• Avec des meilleures données d’entrainement, la technique de commande combinant la logique floue et le réseau des neurones (ANFIS) offrirait les meilleurs résultats pour la commande directe du couple du moteur asynchrone destiné au véhicule électrique.
Méthodes
Pour arriver à notre finalité voici donc la procédure que nous allons suivre:
- La méthode analytico-comparative pour cerner les spécificités des différentes technologies (moteur et commande) utilisés dans la traction des véhicules purement électriques ;
- Les interviews avec les personnes ayant une opinion de référence en rapport avec les notions soulevées dans notre travail ;
- La technique documentaire pour approfondir nos connaissances sur les techniques de commande intelligentes, l’observabilité et la contrôlabilité des moteurs asynchrones ;
- De la méthode expérimentale par simulation sous MATLAB (SIMULINK) pour développer une abstraction avancée sur le sujet et mettre en évidence les résultats obtenus conformément aux hypothèses avancées.
Bibliographie
1. François Collin, Deep learning With Python, edition Manning, 2021;
2. Gary Smart, Pratical Python Programming for IoT, edition Packtpublishing, 2020;
3. M. PINARD, convertisseur et électronique de puissance, commande, description, mise en applications avec LabVIEW, Paris: Dunod 2007;
4. Commande électronique des moteurs électriques, Pinard, 2004;
5. A. Boucherit, Conception d'un convertisseur de puissance pour les véhicules électriques multi-sources, Thèse, université de technologie de Belfort-Montbeliard, decembre 2011;
6. John G. Hadelman, Automotive Technology, principles diagnosis.
Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIEL
Encadreur: KAMUNDALA Janvier
Status
Décision ou observation:
Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON
AMELIORATION DE LA COMMANDE DIRECTE DU COUPLE D’UN MOTEUR ASYNCHRONE PAR LA TECHNIQUE DU NEUROFLOU (ANFIS) : Cas du Véhicule électrique
Résumé
Auteur : KAKULE NDAVARO
Niveau: TECH2
Département: Genie Electrique
Année Ac: 2021-2022 , | 2022-11-14 09:38:59
Mots clés
Intelligence artificielle, Apprentissage profond, Logique floue, DTC, ANFIS, Neurofloue, Stabilité de Lyapunov, Moteur asynchrone, FPGA, DTC, etc.Intérêt
L’application des techniques intelligentes propose un changement de paradigme bien défendu par les chercheurs dans le domaine de contrôle et traction électrique, son exploration est un exercice particulièrement intéressant suite aux applications pratiques pouvant en découler. Notons également que le développement de l’informatique offre chaque année des nouvelles perspectives à explorer, des outils d’étude comme Matlab subissent des améliorations tous les jours, ce qui entraine la publication chaque année d’au moins deux versions (Matlab 2022a et Matlab 2022b). Lesquelles améliorations, s’accompagnant avec des bouleversements sur le plan méthodologique. Ainsi, il devient de plus en plus facile pour les ingénieurs système de réduire les cycles de développement des produits. L’exemple typique serait les solutions proposées par les entreprises comme Xilinx ou Imperix avec les options de génération du code (C++, HDL, etc). Il devient de plus en plus facile de convertir un modèle mathématique en code VHDL ou Verilog, ensuite transférer ce dernier sur du matériel comme le FPGA ou ASIC. Dans cette étude nous établissons un modèle sous Simulink prêt à être converti en version transférable sur du matériel pour des réalisation pratiques. Des tests de performance basés sur le cycle de conduite urbain sont effectués selon les normes applicables à la conception des véhicules électriques, ce qui permet de mettre en évidence l’efficacité du contrôle développé et ainsi fournir aux futurs chercheurs des informations pertinentes en cas d’éventuelles études avancées ou réalisation pratique.Problématique
L'apprentissage machine est devenu de plus en plus une alternative au problème d'optimisation, il n'est plus question de partir d'un modèle mathématique basé sur les équation différentielles pour établir des fonctions de transfert des systèmes, procéder à la programmation et ensuite implémenter les régulateurs à partir des microcontrôleurs. L'entrainement des réseaux de neurones apporte des avantages un peu plus particuliers à ce sujet, car il s'agit ici de pouvoir entrainer la machine à partir des données ou corriger le comportement de celle-ci à partir d'une approche essaie-erreur, un peu pour dire que la machine apprend comment fonctionner de manière optimale. Eu égards à ce qui précède, nous nous sommes intéressé à l'application de l'intelligence artificielle, spécifiquement l'apprentissage profond et de la logique floue, pour la synthèse des signaux de commande des interrupteurs de puissance pour la commande du moteur de traction d'un véhicule électrique. D'où la problématique:• Le Moteur asynchrone triphasé est-il toujours d’actualité pour la traction des véhicules électriques ?
• Quel modèle mathématique du moteur asynchrone considérer pour l’étude de sa commande en régime transitoire considérant les conditions de fonctionnement dans un véhicule électrique ;
• Quelle technique de contrôle ou commande serait appropriée pour assurer un fonctionnement optimal de ce moteur et limiter le coût de fabrication du groupe motopropulseur ?
• Quelle serait l’amélioration apportée par l’application des techniques de commande intelligentes ? Laquelle présente le résultat le plus acceptable ?
Plan provisoire
1. généralités sur le groupe motopropulseur des véhicules électriques2. la modélisation du moteur électrique et de sa commande
3. l’application des techniques intelligentes à la commande du moteur asynchrone
4.la simulation et interprétation des résultats
Hypothèses
• Sous des conditions d’exploitation définies, le moteur asynchrone serait toujours un choix rationnel pour la conception des groupes motopropulseurs des véhicules électriques performants ;• Le modèle mathématique développé à partir du repère fixe du stator (alpha-beta), serait le plus approprié pour la modélisation de la commande du moteur asynchrone destiné à un véhicule électrique ;
• La meilleure technique de contrôle du moteur asynchrone destiné au véhicule électrique serait la commande directe de couple ou « direct torque Controller DTC » en anglais, considérant le caractère dynamique de cet environnement de fonctionnement ;
• Avec des meilleures données d’entrainement, la technique de commande combinant la logique floue et le réseau des neurones (ANFIS) offrirait les meilleurs résultats pour la commande directe du couple du moteur asynchrone destiné au véhicule électrique.
Méthodes
Pour arriver à notre finalité voici donc la procédure que nous allons suivre:- La méthode analytico-comparative pour cerner les spécificités des différentes technologies (moteur et commande) utilisés dans la traction des véhicules purement électriques ;
- Les interviews avec les personnes ayant une opinion de référence en rapport avec les notions soulevées dans notre travail ;
- La technique documentaire pour approfondir nos connaissances sur les techniques de commande intelligentes, l’observabilité et la contrôlabilité des moteurs asynchrones ;
- De la méthode expérimentale par simulation sous MATLAB (SIMULINK) pour développer une abstraction avancée sur le sujet et mettre en évidence les résultats obtenus conformément aux hypothèses avancées.
Bibliographie
1. François Collin, Deep learning With Python, edition Manning, 2021;2. Gary Smart, Pratical Python Programming for IoT, edition Packtpublishing, 2020;
3. M. PINARD, convertisseur et électronique de puissance, commande, description, mise en applications avec LabVIEW, Paris: Dunod 2007;
4. Commande électronique des moteurs électriques, Pinard, 2004;
5. A. Boucherit, Conception d'un convertisseur de puissance pour les véhicules électriques multi-sources, Thèse, université de technologie de Belfort-Montbeliard, decembre 2011;
6. John G. Hadelman, Automotive Technology, principles diagnosis.
Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIELEncadreur: KAMUNDALA Janvier
Status
Décision ou observation:Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON