L2EP

L2EP Logo

LABORATORY OF ELECTRICAL ENGINEERING AND POWER ELECTRONICS

Research – Development – Innovation

Soutenance de thèse, Duc Tan VU, 24 Nov. 2020

Commande tolérante aux défauts des entraînements de machines synchrones à aimants permanents polyphasées non-sinusoïdales sous contraintes de courant et de tension pour les applications automobiles

Mardi 24 novembre 2020, 10h45, ENSAM Lille

Lien Microsoft Teams : lien visio

Mots-clés

machine polyphasée,machine à sept phases,force électromotrice non-sinusoïdale,commande tolérante aux défauts,commande optimale sous contrainte,intelligence artificielle,

Résumé

Les entraînements électriques pour les véhicules électrifiés doivent répondre à certaines exigences spécifiques des marchés automobiles, tels qu’un rendement élevé, des densités volumiques élevées de puissance et de couple, un coût faible avec une protection contre les risques électriques, une fiabilité fonctionnelle élevée et une qualité de couple élevée. Dans ce contexte, les entraînements de machines synchrones à aimants permanents (PMSM) polyphasées sont devenus des candidats appropriés pour répondre aux exigences citées ci-dessus. L’objectif principal de cette thèse de doctorat vise à proposer et affiner des stratégies de commandes tolérantes aux défauts pour les entraînements de machines PMSM polyphasées non-sinusoïdales qui requièrent moins de contraintes lors de leur conception. Par ailleurs, les contraintes de courant et de tension définies par l’onduleur et la machine sont prises en compte pour optimiser en régime non-sinusoïdal le contrôle de la machine sans dépasser leurs limites admissibles. Cela permet idéalement un dimensionnement au plus juste et cela tout particulièrement dans la zone de défluxage. Les stratégies proposées de commandes tolérantes aux défauts, basées sur le modèle mathématique des entraînements polyphasés, enrichissent le domaine de contrôle des entraînements polyphasés en offrant de diverses options de contrôle. Le choix de l’une des options proposées de commande peut être un compromis entre un couple de haute qualité mais avec une valeur moyenne faible, et un couple moyen élevé mais avec une ondulation relativement élevée. Les performances de contrôle et de couple peuvent être affinées en utilisant l’intelligence artificielle avec un type simple de réseaux de neurones artificiels nommé ADALINE (neurone linéaire adaptatif). Grâce à leur capacité d’auto-apprentissage, à leur convergence rapide et à leur simplicité, les ADALINE peuvent être appliqués aux entraînements polyphasés industriels. Toutes les stratégies de contrôle proposées dans cette thèse de doctorat sont validées avec un entraînement d’une machine PMSM à sept phases. La force électromotrice non-sinusoïdale de la machine PMSM à sept phases, relevée expérimentalement, est complexe avec la présence de plusieurs harmoniques. Les résultats expérimentaux vérifient l’efficacité des stratégies proposées, et leur applicabilité dans une machine polyphasée avec une force électromotrice non-sinusoïdale complexe.