Commande neuromimétique de systèmes électriques Application au filtrage actif et à la commande de moteurs.
Loading...
Date
2022-07-13
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Résumé (Français) :
Cette thèse propose des approches neuromimétiques d’identification et de commande avec des applications directes au Filtre Actif Parallèle (FAP) et au Moteur Asynchrone. Une structure neuronale a été développée pour réaliser toutes les fonctionnalités d’un FAP pour compenser des harmoniques de courant. La phase instantanée d’un système triphasé de tensions ou de courants a été estimée avec une technique originale MSTF-ADALINE. L’identification des harmoniques de courant a été réalisée avec des réseaux de neurones de type ADALINE opérant dans les différents repères. Plusieurs schémas de commande ont été développés pour réinjecter les courants de compensation à l’aide d’un onduleur.Ils sont basés sur des techniques neuromimétiques. Une approche neuronale a été développée pour commander une MAS sans capteur mécanique. Il s'agit de remplacer le régulateur PI par un ADALINE pour améliorer l'estimation de la vitesse. Toutes les approches neuromimétiques ont été validées par des tests de simulation. Des comparaisons avec les méthodes de commande classique démontrent des caractéristiques supérieures en termes de performance et de robustesse.
Abstract (English) :
This thesis proposes neuromimetic approaches of identification and control with direct applications to the Parallel Active Filter (PAF) and to the Asynchronous Motor. A neural structure has been developed to perform all the functionalities of a FAP to compensate current harmonics. The instantaneous phase of a three-phase voltage or current system has been estimated with an original MSTF-ADALINE technique. The identification of the current harmonics was carried out with ADALINE-type neural networks operating in the different benchmarks. Several control schemes have been developed to reinject compensation currents using an inverter. They are based on neuromimetic techniques. A neural approach has been developed to control an MAS without a mechanical sensor. it involves replacing the PI regulator with an ADALINE to improve the estimation of the speed. All neuromimetic approaches have been validated by simulation tests. Comparisons with conventional control methods demonstrate superior characteristics in terms of performance and robustness.
Description
Doctorat
