Commande adaptative d’une machine asynchrone en utilisant différentes structures d’estimateurs (non-Linéaire et neuronal)

Abstract

Les techniques de contrôle intelligentes telles que : les réseaux de neurones artificiels sont souvent utilisés pour résoudre des problèmes de non-linéarité et de variations paramétriques. Grâce à leur capacité d’apprentissage, les réseaux de neurones artificiels peuvent donner de bons résultats de contrôle du MAS, car ils peuvent s’adapter aux non linéarités du système, ainsi qu'aux perturbations et aux variations paramétriques. Le but de ce mémoire est la mise en œuvre d'une loi de commande non linéaire adaptative 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 perturbations. L'élément de base dans une commande adaptative est le modèle pour adapter le comportement du système. Deux méthodes sont utilisées pour la conception du modèle d’adaptation : l'une utilise les outils mathématiques de la géométrie différentielle, et les règles d’adaptation classiques pour la commande non linéaire adaptative, et l'autre est une conception à partir de réseaux de neurones pour une commande adaptative neuronale. Les performances obtenues, de poursuite de trajectoires, de robustesse aux variations de paramètres et de rejet de perturbation, sont améliorées en proposant deux estimateurs adaptatifs universels: non linéaire et neuronal, permettant ainsi, d’estimer les déviations des paramètres du MAS. Nous croyons que ce que nous avons réalisé avec la commande adaptative neuronale non linéaire constitue une contribution au domaine des entraînements à vitesse variable par machines asynchrones