Amélioration des performances de la commande d'un moteur asynchrone à cage et élaboration d'un estimateur universel de ses paramètres en utilisant les réseaux de neurones artificiels

Abstract

Dans le présent travail, nous proposons un schéma de commande adaptative, à base de réseaux de neurones artificiels en vue d’améliorer les performances dynamiques du moteur asynchrone. L’approche proposée vise à trouver des solutions pour les principaux problèmes de la commande de ce moteur, à savoir : ceux relatifs au modèle non linéaire imprécis, aux variations paramétriques, à l’estimation du flux rotorique, etc. Il est à signaler que, durant les dernières décennies, une multitude de solutions ont été proposées pour résoudre ces problèmes. Toutefois, dans leur majorité, souffrent de l’imprécision du modèle, de la complexité des lois de commande générées, du problème de fonctionnement pour les petites vitesses et les faibles charges, etc. Par conséquent, pour compenser les lacunes suscitées, le schéma de commande proposé utilise une association combinant : les réseaux de neurones artificiels, la commande non linéaire par linéarisation entrée-sortie et la théorie de commande non linéaire adaptative. Dans cette association, les capacités d’approximation des réseaux de neurones artificiels sont exploitées pour surmonter la contrainte du modèle précis en reconstituant, en temps réel, les réactions non linéaires nécessaires pour générer les lois de commande par linéarisation entrée-sortie. D’autre part, le problème d’identification des paramètres est résolu en proposant un estimateur neuronal universel permettant d’estimer, simultanément, trois paramètres du moteur asynchrone, à savoir: la constante de temps rotorique, la constante de temps statorique et le couple de charge. Pour l’apprentissage, nous avons fait recours à la puissance de la théorie de commande non linéaire adaptative pour élaborer des règles d’apprentissage puissantes permettant un apprentissage rapide et, en temps réel, des réseaux de neurones utilisés. En combinant les avantages des réseaux utilisés dans la commande et celui utilisé pour l’identification des paramètres, un nouveau schéma de commande, à base de réseaux de neurone artificiels, est obtenu pour la commande du moteur asynchrone. Le nouveau schéma permet d’obtenir de bonnes performances dynamiques dans toutes les conditions de fonctionnement, même, pour les valeurs très petites de la vitesse et les faibles charges. A cet effet, il est à signaler que les performances atteintes sont supérieures à celles des résultats publiés dans plusieurs approches qu’on trouve dans la littérature