Elect m1 2011

‫الجمھورية الجزائرية الديمقراطية الشعبية‬
République Algérienne Démocratique et Populaire

‫وزارة التعليم العالي و البحث العلمي‬
Ministère de l’enseignement supérieur et de la recherche scientifique
Université Mohamed Khider – Biskra ‫جامعة محمد خيضر بسكرة‬

Faculté des Sciences et de la technologie ‫كلية العلوم و التكنولوجيا‬
Département : Génie Electrique
‫قسم ا لـھنـدسـة الكھربـائـيـة‬
………..:‫المرجع‬
Ref :………………
Mémoire présenté en vue de l’obtention

Du diplôme de
Magister en Electrotechnique
Option : ELECRTICITE INDUSTRIELLE
Application de la logique floue type-2 intervalle à

la commande adaptative de la machine asynchrone
Présentée par :
KHEMIS Abderrahmane
Soutenue publiquement le 10/04/2011
Devant le jury composé de :
Dr. Souri Mohamed MIMOUNE Professeur Président Université de Biskra
Dr. Kheireddine CHAFAA Maître de Conférences Directeur de mémoire Université de Batna
Dr. Med Toufik BENCHOUIA Maître de Conférences Examinateur Université de Biskra
Dr. Arezki MENACER Maître de Conférences Examinateur Université de Biskra
Dr. Mohamed BOUMEHRAZ Maître de Conférences Examinateur Université de Biskra
Résumé
Ce travail présente une étude par simulation de quelques techniques de commande classiques et intelligentes
appliquées à une machine asynchrone. Quatre structures de commande ont été présentées et une cinquième a été
proposée. Nous avons suggéré dans ce travail d'appliquer la logique floue type-2 à la conception d'un régulateur dont le
gain de commande est lui-même un système flou type-2. Les résultats de simulations ont montrés l'efficacité de
l'approche proposée surtout dans la poursuite en basses vitesses.
Mots clés
Machine asynchrone, commande vectorielle, PI, logique floue type-1 et type-2, ajustement du gain de commande.
Abstract
In this work simulation studies of some classical and intelligent control techniques applied to induction motors are
presented. Four control structures have been presented and a fourth one is proposed. In our work we have proposed to
apply type-2 fuzzy logic to conceive a controller in which the output gain is it self a type-2 fuzzy system. Simulation
results show the efficiency of the proposed approach especially in the case of tracking low speeds (zero speed).
Keys words
Induction motor, field control, PI, fuzzy logic type-1 and type-2,output gain tuning.
‫ملخص‬
‫سة‬/‫ديمھا وخام‬/‫م تق‬/‫ل ت‬/‫أربعة ھياك‬. ‫تھدف ھذه الدراسة إلى عرض محايكة للتحكم بواسطة تقنيات كالسكية وذكية في ماكنة كھربائية ال تزامنية‬
‫ن‬/‫امض م‬/‫ل غ‬/‫ه ھيك‬/‫د ذات‬/‫ي ح‬/‫و ف‬/‫ذي ھ‬/‫ في إنشاء منظم ھامش التحكم ال‬2 ‫وقد إقترحنا في ھذا العمل تطبيق المنطق الغامض من النوع‬. ‫تم إقتراحھا‬
.‫ نتائج المحايكة أثبتت نجاعة النھج المقترح خاصة في متابعة السرعات الضعيفة‬.2 ‫النوع‬
‫كلمات مفتاحية‬
.‫أقلمة ھامش التحكم‬,2 ‫ و نوع‬1 ‫ منطق غامض نوع‬,‫موجھة التدفق‬,‫ماكنة كھربائية ال تزامنية‬
A mes parents et à toute ma famille.
A mes deux anges Iness et Amani Lamis.
A mes deux poussins Louai et Lamis qui me sont très chers.
A ceux que j'aime.
Je dédié ce modeste travail.
Abderrahmane Khemis
REMERCIEMENTS
Je tiens à exprimer ma profonde gratitude à Monsieur CHAFFAA Kheirreddine, Maître de
Conférences à l’université de Batna, pour avoir accepté de diriger ce travail et pour ses conseils
judicieux et à la disponibilité dont il a fait preuve à mon égard.
Je tiens à remercier également Monsieur MENACER Arezki Maître de Conférences à
l’université de Biskra, pour avoir co-dirigé ce travail ainsi que ses nombreux conseils et son soutien
tout au long de cette thèse.
J’adresse mes sincères remerciements à Monsieur Mimoune Souri Mohamed, Professeur à
l’Université de Biskra, pour m’avoir honoré avec sa présence en acceptant de présider le jury de
soutenance de ce mémoire. Mes vifs remerciements vont également aux membres de jury de
soutenance composé de Messieurs: Benchouia Mohamed Toufik, Menacer Arezki, Boumahrez
Mouhamed, Maîtres de Conférences à l’Université de Biskra. Je les remercie chaleureusement pour
leur présence et pour avoir accepté d’examiner le présent mémoire.
J'adresse aussi mes remerciements à l'ensemble des enseignants et responsables du
département de l'électrotechnique de l'Université de Biskra.
Enfin, Je voudrais associer à mes remerciements toutes les personnes qui ont contribué de prés
ou de loin à l’aboutissement de ce travail.

NOTATIONS ET SYMBOLES
ωs Vitesse angulaire électrique statorique
ωgl Vitesse angulaire électrique de glissement.
ω Vitesse angulaire électrique rotorique.
p Nombre de paires de pôles.

g Glissement.
Rs Résistance d’une phase statorique.
Rr Résistance d’une phase rotorique.
[Rs ] Matrice des résistances statorique.
[R r ] Matrice des résistances rotorique.
M0 Valeur maximale des inductances mutuelles statoriques et rotoriques.
[ Lss ] Matrice d’inductances statoriques.
[ L rr ] Matrice d’inductances rotoriques.
[ M sr ] Matrice des inductances mutuelles stator- rotor.
Ls = l s − m s Inductance propres cyclique statorique.
Lr = l r − m r Inductance propres cyclique rotorique.
3 Mutuelle inductance cyclique stator- rotor.

M = M0
2
V ds ,V qs Composantes du vecteur tension satorique dans le référentiel (d,q)
V dr ,V qr Composantes du vecteur tension rotorique dans le référentiel (d,q)
C em Couple électromagnétique.
Cr Couple de charge (résistant).
J Inertie totale du système.
fv Coefficient de frottement.
Ω Vitesse mécanique du rotor.

θOBS Angle de rotation lié au référentiel d’observation.
θs Angle de rotation de l'axe (d, q) par rapport au stator
θr Angle de rotation de l'axe (d, q) par rapport au rotor
θ Angle de rotation du rotor par rapport au stator
Ls Constante de temps des courants statoriques.

Ts =
Rs
Lr Constante de temps des courants rotoriques.

Tr =
Rr
σ = 1− (M 2
Ls L r ) Coefficient de dispersion de Blondel.
Sommaire
Notations et symboles
Introduction générale………………………………………………………………………………………..... 1
Chapitre I: MODÉLISATION ET SIMULATION DE LA MACHINE ASYNCHRONE
I.1. INTRODUCTION …………………………………………………………………………….……...….. 4
I.2. PRINCIPE DE FONCTIONNEMENT DE LA MACHINE ASYNCHRONE …………………..…….. 5
I.3. MODEL DE LA MACHINE ASYNCHRONE………………………………………………………….. 5
I.3.1. Hypothèses simplificatrices………………………………..……………………….……………. 5
I.3.2. Mise en équation de la machine asynchrone ………………………………..…………………… 6
• Équations électriques………………………………..……………………………….……… 6
• Équations magnétiques………………………………..………………………………..…… 7
• Équation mécanique………………………………..…………………………………..……. 8
I.4. MODELE DE LA MACHINE DANS LE REPERE (d,q) ……………………..…………..……………. 8
I.4.1. Transformation de PARK ………………………………..………………………………...……. 8
I.4.2. Choix du référentiel ………………………………..……………………………………………. 9
I.5. MODEL D’ETAT DE LA MACHINE ASYNCHRONE…………………….…………..……………… 10
I.6. SIMULATION DU MODELE ………………………………..…………………………………………. 11
I.7. MODELISATION DE L’ALIMENTATION DE LA MACHINE ASYNCHRONE …………………… 14
I.7.1. Modélisatio du redresseur………………………………..…………………………….…………. 14
I.7.2. Modélisation du filtre………………………………..………………………………………...…. 16
I.7.3. Modélisation de l’onduleur triphasé………………………………………….……...………..… 17
I.7.4. Modulation par largeur d’impulsions………………………………….………………………… 20
• MLI sinus triangle………………………………..……………………….…………………. 20
• MLI à hystérésis………………………………..……………………………………………. 21
I.7.5. Simulation du modèle machine-onduleur…………………………………………..……………. 22
I.7. CONCLUSION…………………………………………………………………………………………… 26
Chapitre II: COMMANDE VECTORIELLE DE LA MACHINE ASYNCHRONE
II.1. INTRODUCTION………………………………..……………………………………….……..………. 27
II.2. PRINCIPE DE LA COMMANDE VECTORIELLE……………………………...……………….……. 27
II.3. ORIENTATION DU FLUX ROTORIQUE (FOC) ………………………………..……………….…… 28
II.4. METHODE DIRECTE………………………………..…………………………………………………. 29
II.5. METHODE INDIRECTE………………………………..………………………………………………. 30
II.5.1. Principe du découplage par compensation………………………………………………………. 32
II.5.2. Calcul des régulateurs………………………………..……………………………………….…. 34
• Régulation du courant………………………………..…….………………………….……. 34
• Régulation de la vitesse………………………………..………………………..……………. 36
• Discrétisation du régulateur PI………………………………..………………..…………….. 37
• Mode défluxé………………………………..…………….……………………….………. 38
II.6 RESULTATS DE SIMULATION DE LA COMMANDE VECTORIELLE INDIRECTE…………..… 39
II.6.1. Vérification du découplage……………………………………………..………..………...…... 39
II.6.2. Régulation classique de la vitesse de la machine asynchrone…………………………………. 42
• Démarrage à vide suivi d’une application de charge………………………………….…….. 42
• Test d’inversion de vitesse avec charge……………………………………….…..….……… 42
• Robustesse vis à vis à la variation de la résistance rotorique………………..……….……… 43
• Essai à basse vitesse………………………………..…………………………….….……….. 43
II.7. CONCLUSION ………………………………..……………………………………………….….….…. 49
Chapitre III: COMMANDE FLOUE TYPE-1 DE LA MACHINE ASYNCHRONE
III.1. INTRODUCTION………………………………..………………………………………………..……. 50
III.2. THEORIE DES ENSEMBLES FLOUS………………………………………..…………………….…. 50
III.3. LES FONCTIONS D’APPARTENANCE……………………….……………..………………………. 51
• Fonction d’appartenance trapézoïdale…………….……………………………………….…. 51
• Fonction d’appartenance exponentielle par morceaux…………….…………………..…… 51
• Fonction d’appartenance gaussienne…………….…………………..…………………….…. 52
• Fonction d’appartenance singleton…………………………………..………………………. 52
III.4. OPERATIONS SUR LES ENSEMBLES FLOUS…………………………….…………………..…… 52
• Exemple 1………………………………..…………………………………….……….….…. 53
III.5. SYSTEMES FLOUS………………………………..………………………………….…………….…. 54
III.5.1. Système flou………………………………..…………………………….………………….…. 55
III.5.2. Base de données………………………………………………………..…………………….…. 55
III.5.3. Base de règles…………………………………………………………..…………………….…. 56
III.5.4. Fuzzification…………………………………………………………....…………………….…. 56
III.5.5. Défuzzification………………………………………………..………..…………………….…. 56
• Exemple 2…………………………………………………….……..…………………….…. 57
III.6. FONCTIONS DE BASE FLOUES FBF………………………………………..………………………. 59
• Exemple 3……………………………………………………..……..…………………….…. 60
III.7. STRUCTURES DE COMMANDES FLOUES TYPE-1………….…………………………..…….… 61
III.7.1. Commande non adaptative floue type-1…………………….……………………………….…. 61
• Résultats de simulation………………………………..………………….……………….…. 64
• Démarrage à vide suivi d’une application de charge………………………..…………….…. 64
• Inversion de vitesse avec charge………………………………..………...……………….…. 64
• Robustesse vis à vis la variation de la résistance rotorique…………………………..……… 65
• Essai à basse vitesse………………………………..……………………………………….... 65
III.7.2. Commande adaptative floue type-1………………………………..……………..………….…. 71
III.8. CONCLUSION………………………………..……………………………………………….…….…. 80
Chapitre IV : COMMANDE FLOUE TYPE-2 DE LA MACHINE ASYNCHRONE
IV.1. INTRODUCTION………………………………..………………………………………….…………. 81
IV.2. TERMINOLOGIE DE LA LOGIQUE FLOUE TYPE-2…………………….……………………….... 82
• Définition 1………………………………..……………………………..……………..……. 82
• Définition 2………………………………..…………………………………………………. 82
• Définition 3………………………………..…………………………………………………. 82
• Définition 4………………………………..…………………………………………………. 82
• Définition 5………………………………..…………………………………………………. 83
• Définition 6………………………………..…………………………………………………. 84
• Définition 7………………………………..…………………………………………………. 85
• Définition 8………………………………..…………………………………………………. 85
IV. 3. OPERATIONS SUR LES ENSEMBLES FLOUS TYPE-2…………………………………………… 85
• Exemple 1………………………………..…………………………………………..………. 86
IV.4. SYSTEMES FLOUS TYPE-2………………………………..……………………...…………………. 88
IV.4.1. Système flou type-1………………………………..……………….…………..………………. 90
IV.4.2. Système flou type-2………………………………..…………………………..………………. 90
• Théorème………………………………..……………………………………………………. 91
IV.5. REDUCTION DE TYPE ET DEFUZZIFICATION ………………………………..…….……………. 92
• Exemple 2…………………………………………………………….………………………. 94
• Exemple 3………………………………..……………………………………………..……. 95
IV.6. STRUCTURES DE COMMANDES FLOUES TYPE-2…………………………..………………..… 97
IV.6.1. Commande non adaptative floue type-2…………………………...…………………………… 97
• Résultats de simulation………………………………..………………….……………….…. 98
• Démarrage à vide suivi d’une application de charge……………………….……….……..… 99
• Inversion de vitesse avec charge………………………………..………..…………..………. 99
• Robustesse vis à vis à la variation de la résistance rotorique…………………..……………. 99
• Essai à basse vitesse……………………………………………….…………..…………….. 99
IV.6.2. Commande adaptative floue type-2………………………..…………..………………………. 105
IV.6. COMPARAISON DES RESULTATS……………………………..…………..………………………. 112
IV.7. CONCLUSION………………………………..……………………………………….……………….. 116
Conclusion générale…………………………………………...………………………………………………. 117
Annexe
Références
Introduction Générale
Historiquement, la machine à courant continu était la reine du domaine des entraînements à
vitesse variable, avec tous les problèmes et les inconvénients qu’un moteur de ce genre peut
causer tel que : coût de fabrication, coût d’entretien, faible couple, etc. Le développement des
convertisseurs statiques de fréquences a permis l’utilisation des machines synchrones, et
enfin, et grâce à la mise au point de nouvelles stratégies de commande implantable sur
microprocesseur, la machine asynchrone a été largement utilisée. L’utilisation tardive de la
machine asynchrone été à cause de sa complexité de commande.
La machine asynchrone, de par sa construction et sa robustesse, assure une large plage
d’application au domaine de l’industrie. Son exploitation pour fournir de l’énergie mécanique
est excellente, mais malheureusement sa commande est relativement complexe, le couple et le
flux sont fortement couplés car les deux grandeurs dépendent à la fois des courants statoriques
et rotoriques, ce qui donne à la machine son caractère multivariable et non linéaire.
La théorie de la logique floue a été établie par L. Zadeh. Cette logique permet la
représentation et le traitement de connaissances imprécises ou approximatives. Le nombre
d’applications basées sur la théorie de la logique floue a augmenté considérablement ces
dernières années. Ceci est dû au fait que la logique floue est exprimée usuellement par des
règles linguistiques de la forme SI-ALORS, elle est utilisée pour résoudre les problèmes de
décisions en contrôle ou bien pour décrire le comportement dynamique d’un système inconnu
ou mal défini.
La commande est l’un des principaux domaines d’application de la logique floue. Une
commande floue est caractérisée par :
• Son aptitude à appréhender des problèmes tels que non linéarités et retards
• Possibilité de prise en compte d’objectifs contradictoires
1
• L’utilisations du savoir d’un expert sur la façon de piloter le système et donc la
suppression de la procédure de modélisation mathématique du processus à
commander.
La logique floue classique appelée aujourd’hui logique floue type-1 a été généralisée vers
une nouvelle logique floue appelée logique floue type-2. Ces dernières années, Mendel et ses
collègues ont beaucoup travaillé sur cette nouvelle logique, ils ont bâtis son fondement
théorique, et ils ont démontré son efficacité et sa supériorité par rapport à la logique floue
type-1.
Le principal contexte du mémoire et d’appliquer une commande adaptative floue en
utilisant la logique floue type-2 pour commander la machine asynchrone. Le mot commande
adaptative dans notre mémoire sera lié à l'adaptation du gain flou de la commande floue, ce
qui représente en tout un système de commande purement flou.
Les régulateurs flous ont montrés leur efficacité dans la commande des systèmes non
linéaires, et dans plusieurs cas ont démontré qu'ils sont robustes et que leurs performances
sont moins sensibles aux variations paramétriques par rapport aux régulateurs conventionnels.
Les régulateurs PI-flous sont les plus répondus dans le domaine de la commande vu que
la combinaison des actions proportionnelles (P) et intégrales (I) nous permettent un meilleur
moyen de contrôle de stabilité et d'élimination des offsets.
Les performances des régulateurs PI-flous sont très satisfaisantes pour les systèmes
linéaires du 1er ordre, mais comme les régulateurs PI conventionnels, les performances des
régulateurs PI-flous pour les systèmes d'ordre supérieures et les systèmes non linéaires
peuvent être très mauvaises (large dépassement, oscillations excessives).
Dans ce travail nous proposons une méthode simple et robuste, où le gain de commande
sera continuellement adapté avec l'aide d'un ensemble de règles floues.
2
Nous considérons seulement l'adaptation du gain de la commande. Dans notre commande,
le régulateur PI-flou est ajusté en temps réel (durant son fonctionnement) en adaptant
dynamiquement son gain de commande. La valeur du gain sera déterminée par une base de
règles définie par l'erreur e et la variation de l'erreur ∆e
Ce mémoire est organisé en quatre chapitres : Le premier chapitre donne des détailles
concernant la modélisation et la simulation de la machine asynchrone. La commande
vectorielle de cette machine sera présentée dans le deuxième chapitre. Dans le chapitre trois
on trouve la commande floue type-1 de la machine asynchrone. Dans le quatrième chapitre,
on présente le fondement théorique de la logique floue type-2 ainsi que la commande
adaptative floue type-2 proposée. Enfin, nous terminons par une conclusion générale.
3
CHAPITRE I
MODÉLISATION ET SIMULATION DE LA MACHINE

ASYNCHRONE
I.1. INTRODUCTION
Le système d'entraînement de la machine asynchrone (MAS) intègre l'alimentation, le convertisseur
statique, la machine et la commande indispensable au fonctionnement de l'ensemble. De ce fait, une
modélisation de la machine asynchrone, destinée aussi bien à l'étude de son comportement qu'à la mise en
place du fonctionnement de la commande, est nécessaire pour le bon déroulement du processus
d'entraînement.
L'objectif de ce chapitre est de présenter mathématiquement, du point de vue automatique, une
modélisation de la machine asynchrone sous forme de modèle d'état. Généralement, ce modèle est défini
dans un référentiel biphasé (tournant) d’axes (d, q). Ce référentiel est défini à partir du référentiel triphasé
naturel de la machine asynchrone à l'aide de transformations mathématiques adaptées [1].
4
Chapitre I : Modélisation et Simulation de la Machine Asynchrone
I.2. PRINCIPE DE FONCTIONNEMENT DE LA MACHINE ASYNCHRONE

La MAS est une machine à courant alternatif appelée aussi machine à induction caractérisée par le fait
que son rotor ne tourne pas à la même vitesse que le champ tournant à l’entrefer.
L’application adéquate d’une tension de pulsation ωs aux enroulements statoriques d’une machine
asynchrone, crée un champ magnétique tournant. Ce champ tourne mécaniquement à la vitesse de
synchronise Ω s = ωs p . Le rotor de la machine tourne à une vitesse mécanique Ω inférieure à la vitesse
de synchronisme ( Ω < Ω s ). Le rotor perçoit donc un champ glissant à la vitesse relative Ω gl = Ω s − Ω .
Puisque :
Ω gl = Ω s − Ω ⇒ ω gl = ωs − ω (I.1)
Alors, ω + ω gl = ωs , et donc :
ω gl = gωs (I.2)
avec
Ω s = ωs p , ω gl = pΩ gl et ω = pΩ
I.3. MODEL DE LA MACHINE ASYNCHRONE

Modéliser consiste à mettre en équations les différents paramètres d’un système. A l’issue de cette
opération on se trouve au problème suivant : plus le modèle se rapproche de la réalité, plus il devient
complexe et demande des moyens de calcul très importants, par contre si le système est simplifié, les
calculs deviennent faciles mais on s’éloigne de la réalité. Un choix judicieux consiste à idéaliser la
machine et par conséquent garder les phénomènes les plus importants et négliger les phénomènes
secondaires. Il est donc important que le modèle soit utilisable aussi bien en régime statique qu’en régime
dynamique. Pour ce faire nous devons avoir recours à des hypothèses simplificatrices sur les quelles se
basera notre étude [2].
I.3.1. Hypothèses simplificatrices

La machine asynchrone étant un système dynamique non linéaire, il est nécessaire de disposer d’un
model représentant fidèlement son comportement au niveau de ses modes électrique, électromécanique et
mécanique. Dans la littérature de la commande, le modèle de PARK est généralement choisi. En effet,
c’est une solution qui tient compte des hypothèses simplificatrices intrinsèques au système [3][4]:
• L'entrefer est d'épaisseur uniforme.
• Le circuit magnétique non saturé et a une perméabilité constante.
• Les résistances des enroulements ne varient pas avec la température tout en négligeant l'effet de
peau et les pertes fer.
5
• Le bobinage triphasé et symétrique et la répartition de la force magnétomotrice dans l'entrefer est

sinusoïdale.
I.3.2. Mise en équation de la machine asynchrone

La machine asynchrone est présentée schématiquement par la figure (I.1). Elle est munie de six
enroulements [5]
• Trois enroulements (A, B, C) fixes décalés de 120° dans l’espace et traversés par trois courants
variables.
• Trois enroulements (a, b, c) identiques décalés dans l’espace de 120° , ces enroulements sont en
court-circuit avec une tension nulle à leurs bornes.
Figure I.1 Représentation schématique d’une machine asynchrone triphasée
L’angle θ caractérise la position angulaire du rotor par rapport au stator.
Équations électriques
La loi de Faraday permet d’écrire globalement :
d
V = RI + Φ (I.3)
dt
et spécifiquement, pour chaque enroulement de la machine on a :
d
Vs = Rs [ I s ] + [Φ s ] (I.4)
dt
d
Vr = Rr [ I r ] + [Φ r ] (I.5)
dt
6
avec :
t t
[V s ] = [V sa V sb V sc ] , [V r ] = [V ra V rb V rc ]
t t
[ I s ] = [ I sa I sb I sc ] , [ I r ] = [ I ra I rb I rc ]
t t
[ Φs ] = [ Φsa Φ sb Φ sc ] , [ Φ r ] = [ Φ ra Φ rb Φ rc ]
 Rs 0 0  Rr 0 0
[ Rs ] =  0 Rs 0  , [ Rr ] =  0 Rr 0 
 0 0 Rs   0 0 Rr 
Les trois enroulements rotoriques ra , rb et rc sont en court-circuit, d’où :

t
[V r ] = [ 0 0 0]
Équations magnétiques
Les hypothèses que nous avons présentées précédemment, conduisent à des relations linéaires entre le
flux et les courants. Elles sont exprimées sous forme matricielles comme suit :
[ Φ s ] = [ Lss ][ I s ] + [ M sr ][ I r ]
 (I.6)
[ Φ r ] = [ M rs ][ I s ] + [ Lrr ][ I r ]
avec :
 ls ms ms   lr mr mr 
, [ Lss ] =  ms ms  et [ Lrr ] =  mr mr 
t
[ M sr ] = [ M rs ] ls lr
 ms ms ls   mr ms lr 
 2π 2π 
 cos θ cos(θ +
3
) cos(θ − ) 
3
 
T  2π 2π 
[ M sr ] = [ M rs ] = M 0 cos(θ − )

cos θ cos(θ + )
3 3 
 
cos(θ + 2π ) cos(θ − 2π ) cos θ 
 3 3 
Les équations (I.4), (I.5) et (I.6) conduisent au modèle asynchrone triphasé suivant :
d
[Vsabc ] = [ Rs ][ I sabc ] + {[ Lss ][ I sabc ] + [ M sr ][ I rabc ]} (I.7)
dt
d
[Vrabc ] = [ Rr ][ I rabc ] + {[ M rs ][ I sabc ] + [ Lrr ][ I rabc ]} (I.8)
dt
7
Équation mécanique
La relation fondamentale de la dynamique permet d’écrire :
dΩ
J = Cem − f v Ω − Cr (I.9)
dt
La résolution analytique du système d’équations ( I.7), (I.8) et (I.9 ) se heurte à des difficultés du fait que
les termes trigonométriques de la matrice des inductances varient en fonction de la position, ce qui
conduira à l’usage de la transformation de Park qui permettra de rendre ces termes indépendants de la
position [6].
I.4. MODELE DE LA MACHINE DANS LE REPERE (d,q)

Etant donné que l’équation de la matrice des inductances mutuelles est à éléments non constant et que
les coefficients des équations (I.7) et (I.8) sont variables, la résolution analytique de ce système se heurte
alors à des difficultés insurmontables, particulièrement lors de l’étude des phénomènes transitoire. On
utilisera alors des transformations mathématiques permettant de décrire le comportement de la machine à
l’aide d’équations différentielles à coefficients constants. Les transformations utilisées doivent conserver
la puissance instantanée et la réciprocité des inductances mutuelles. Ceci permet d’établir une expression
du couple électromagnétique dans le repère correspondant au système triphasé et qui reste valable pour la
machine réelle [7].
I.4.1. Transformation de PARK

La transformation de Park permet de transformer les enroulements statoriques et rotoriques disposés
sur trois axes en des enroulements équivalent du point de vue électrique et magnétique disposés sur deux
axes (d, q). Une matrice P (θ obs ) de Park permet le passage des composantes X abc , du système triphasé
aux composantes X dq tournant à une vitesse qui dépend des grandeurs statoriques ou rotoriques, soit :
Xa 
Xd   
 X  = P(θ obs )  X b  (I.10)
 q  X c 
avec
 2π 4π 
cos θ obs cos(θ obs − ) cos(θ obs − ) 
2 3 3
P (θ obs ) =   (I.11)
3 2π 4π 
− sin θ obs − sin(θ obs − ) − sin(θ obs − )
 3 3 
La transformation inverse est donnée par

8
 
 cos θobs − sin θobs 
 
−1 t 2 2π 2π 
P (θobs ) = P (θobs ) = cos(θobs − ) − sin(θobs − ) (I.12)
3 3 3 
 4π 4π 
cos(θobs − ) − sin(θobs − ) 
 3 3 
L’angle θ obs correspond à la position du repère choisi pour la transformation avec :
θ obs = θ s repère lié au stator
θobs = θ r repère lié au rotor

La figure (I.2) représente le schéma du modèle de la machine asynchrone triphasée et son équivalent en
biphasée issue de la transformation de Park.
Figure I.2 Représentation du modèle de la machine triphasée et biphasée équivalente
I.4.2. Choix du référentiel

Dans notre étude, le référentiel choisi sera lié au champ tournant, ce référentiel est le seul qui
n’introduise pas de simplifications dans la formulation des équations. Il est très intéressant dans les
problèmes où la fréquence d’alimentation est constante, ce qui simplifie considérablement les calculs. Il
est également utilisé dans les problèmes d’alimentation des moteurs asynchrones par convertisseurs
statiques de fréquence lorsque l’on veut étudier la fonction de transfert du moteur relativement à des
petites perturbations autour d’un régime donné.
Dans ce référentiel on a :
dθ s dθ d
= ωs et = (θ s − θ gl ) = ωs − ω gl (I.13)
dt dt dt
9
I.5. MODEL D’ETAT DE LA MACHINE ASYNCHRONE

Pour un référentiel lié au champ tournant, Les équations des tensions statoriques et rotoriques
s’écrivent dans le repère de Park sous la forme suivante [2] :
 d Φds
V ds = R s I ds + − ωs Φqs
dt

 d Φqs
V qs = R s I qs + + ωs Φds
dt
 (I.14)
V d Φdr
= R r I dr + − (ωs − ω )Φqr
 dr dt
 d Φqr
V qr = R r I qr + + (ωs − ω )Φdr
 dt
De plus les composantes des flux statoriques et rotoriques sont exprimées par :
Φds = L s I ds + MI dr
Φ
 qs = L s I qs + MI qr
 (I.15)
Φdr = L r I dr + MI ds
Φqr = L r I qr + MI qs
Les différentes expressions du couple électromagnétique, sont exprimées par les équations suivantes
en fonction du flux et courants statoriques et rotoriques. Le choix de celle à utiliser dépendra du vecteur
d’état choisi :
C em = p (Φds I qs − Φqs I ds ) (I.16)
C em = p (Φqr I dr − Φdr I qr ) (I.17)
C em = pM (I qs I dr − I ds I qr ) (I.18)
pM
C em = (Φdr I qs − Φqr I ds ) (I.19)
Lr
La machine asynchrone peut être modélisée dans l’espace d’état par un système d’équations
différentielles d’ordre 4 et une équation mécanique. Ce model permet de concevoir une représentation
d’état pour la machine en choisissant deux variables d’état parmi quatre (I s , I r , Φ s , Φ r ) . Les états utilisés
sont ceux données au moins par une mesure d’état (I s ) tel que (I s , I r ) , (I s , Φ s ) et (I s , Φ r ) .
10
t t
Pour un vecteur d’état  I ds , I qs , Φdr , Φqr  et une entrée de commande V ds ,V qs  , le modèle de la
machine dans le repère (d, q) lié au champ tournant sera alors :
 dI ds 1 1−σ 1−σ 1−σ 1

 dt = −( σT + σT )I ds + ωs I qs + σ MT Φdr + σ M p ΩΦqr + σ L V ds
 s r r s
 dI qs 1 1−σ 1−σ 1−σ 1

 = −ωs I ds − ( + )I qs − p ΩΦdr + Φqr + V qs
 dt σT s σT r σM σ MT r σ Ls
 (I. 20)
 d Φdr = M I − 1 Φ + (ω − p Ω)Φ
 dt Tr
ds
Tr
dr s qr

 d Φqr = M I − (ω − p Ω)Φ − 1 Φ
 dt Tr
qs s dr
Tr
qr

avec l’équation mécanique :

dΩ 1
= (C em − f v Ω − C r ) (I.21)
dt J
La modélisation de la machine de cette manière nous permettra de réduire le nombre de grandeurs
qu’on a besoin pour pouvoir simuler le fonctionnement de la machine. En effet, dans ce travail seules les
valeurs instantanées des tensions statoriques et du couple résistant doivent être déterminées pour les
imposer à la machine.
I.6. SIMULATION DU MODELE

A partir du modèle d’état des équations (I.20) et (I.21), on a effectué une simulation
numérique, les grandeurs réelles sont déduits par application de la transformation de Park
inverse, la machine est alimentée par un système de tensions triphasés équilibré de valeur
efficace 220 volts, le repère (d,q) est lié au champ tournant, on contentera de présenter les
courants statoriques, les flux rotoriques dans le repère (d,q).
La figure (I.3) présente le schéma bloc de simulation de la machine asynchrone, montrant en
détail le passage entre les grandeurs réelles et les grandeurs biphasés.
Etant donné que la machine est couplée directement au réseau, on a effectué deux essais
typiques :
• Démarrage à vide de la machine asynchrone.
• Démarrage à vide puis application d’une charge.
Les résultats de simulation sont donnés aux figures (I.4) et (I.5), représentant l’évolution de
quelques variables fondamentales telles que vitesse de rotation N, couple
électromagnétique ( Cem ), flux ( Φ dr et Φ qr ) et courants ( I ds , I qs et I as ).
11
θs
Tension triphasée du réseau
I ds
Courant et Flux réel

Vas
Vds Modèle de la I qs
Vbs
Park( θ s ) machine dans Park-1( θ s )
Vqs Φ dr
Vcs le repère (d, q)
Φ qr
Figure I.3. Algorithme de simulation de la machine en boucle ouverte
A vide ( Cr = 0 ), figure (I.4)
1500 0.5
V it e s s e (T r/ m in )
0
F lu x P h d r (w e b )
1000
-0.5
500
-1
0 -1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (sec) Temps (sec)
60 0.8
0.6
C o u p le C e (N .m )
40
F lu x p h q r (w e b )
0.4
20
0.2
0
0
-20 -0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
50 0
C o u ra n t Id s , I q s (A )
C o u ra n t I a s (A )
-10
0
-20 Ids
Iqs
-50 -30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figure. I.4. Réponse de la machine en fonctionnement à vide Cr = 0
12
On remarque que la courbe de vitesse augmente d’une manière presque linéaire jusqu’à ce qu’elle
atteint la valeur 1500 tr/min pendant un temps de 0.25 s. Au démarrage, le couple admet de fortes valeurs
(fort appel de courant au démarrage pendant un bref instant) avec des oscillations puis se rétablit à une
valeur presque nulle à t = 0.25 s. Concernant le flux rotorique, il possède une allure qui ressemble un peu
à l’allure du couple électromagnétique, où au démarrage nous avons des oscillations, puis au régime
permanent il s’établi à une valeur donnée. Le courant statorique I as est fortement impulsif au démarrage
(pour créer un fort couple), puis se stabilise à une valeur cinq fois inférieur à celle du démarrage. Les
courants correspondants dans l’axe (d,q) seront bien sûr oscillatoire au démarrage puis s’établissent à des
valeurs constantes.
En charge ( C r = 10 Nm ), figure (I.5)
1500 0.5
V i t e s s e N (T r/ m i n )
0
F lu x p h d r ( W e b )
1000
-0.5
500
-1
0 -1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
60 0.8
0.6
C o u p le C e m ( N . m )
40
F lu x p h q r (W e b )
0.4
20
0.2
0
0
-20 -0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
40 0
C o u ra n t s I d s , I q s ( A )
20
C o u ra n t I a s (A )
-10
0
-20
-20
-40 -30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure. I.5. Réponse de la machine avec application d’une charge C r = 10 N .m à t = 0.6 s
13
On introduit maintenant un couple de charge C r = 10 Nm à t = 0.6 s, où on constate que la vitesse de

rotation a été diminuée pendant l’application du couple de charge. On remarque également une
augmentation du courant et une diminution du flux rotorique pendant cet intervalle de temps. Ces
résultats de simulation montrent bien le fort couplage qui existe entre le couple électromagnétique et le
flux rotorique, ce qui présente une difficulté à commander la machine asynchrone.
I.7. MODELISATION DE L’ALIMENTATION DE LA MACHINE ASYNCHRONE

Afin de rendre possible le contrôle de la vitesse de la machine asynchrone, on lui associe
un convertisseur statique capable de délivrer une tension d’amplitude et de fréquence réglable.
Grâce à l’évolution de l’électronique de puissance et à l’utilisation de la technique MLI
(Modulation par largeur d’impulsion), les convertisseurs statiques permettent par un contrôle
adéquat des signaux de commande des interrupteurs, d’imposer la tension et le courant aux
bornes du moteur [8].
Les signaux de commande peuvent être des tensions (technique triangulo-sinusoidale) ou
des courants (technique de contrôle des courants par hystérésis).
Le convertisseur statique tel qu’il est représenté sur la figure (I.6), est constitué :
- d’un redresseur non commandé, supposé parfait.
- d'un filtre de type passe-bas.
- d'un onduleur de tension qui permet de produire à partir d’une tension continue, une tension modulée,
dont l’amplitude et la fréquence sont variables.
L
Réseau
C OND à MLI MAS
Triphasé
Redresseur
Redresse Filtre
Figure. I.6. Schéma d’ensemble convertisseur machine
I.7.1. Modélisation du redresseur

Le redresseur est représenté par la figure (I.7), c’est un pont de Graetz à six diodes qui convertie une
tension alternative à l’entrée en une tension continue à la sortie. Trois diodes D1 , D 2 , D 3 assurant l’aller
du courant I d et trois diodes D 4 , D 5 , D 6 assurant le retour du courant I d . Le redresseur est alimenté par
un réseau triphasé équilibré de tension.
14
Id
D1 D2 D3
Va
Vb V red
Vc
D5 D6
Figure. I.7. Circuit électrique du redresseur triphasé à diodes
Les tensions triphasées du réseau peuvent s'écrire sous la forme :

V a = 2V eff sin(2π f s .t )

 2π
V b = 2V eff sin(2π f s .t − ) (I.22)
 3
 2π
V c = 2V eff sin(2π f s .t + 3 )
avec, f s la fréquence du réseau et V eff la valeur efficace de la tension du réseau.
Le système de tension triphasé (Va , Vb , Vc ) ainsi que la tension redressée Vred sont représentés par la
figure (I.8).
600
500
Vred
400
Va Vb Vc
300
Tensions (Volts)
200
100
-100
-200
-300
-400
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04
Temps (sec)
Figure. I.8. Tension de réseau et la tension à la sortie du redresseur
15
I.7.2. Modélisation du filtre

La tension de sortie du redresseur présente des oscillations de valeur moyenne positive, ce
qui nous a mené à insérer en cascade avec le redresseur un filtre LC (figure (I.9)) dans le but de
lisser ces ondulations.
Lf Rf
If Io
V red Cf Vf
Figure. I.9. Filtre L-C
Le modèle du filtre est défini par le système d’équations suivantes :
 dI f
V red = L f dt + R f I f +V f

 (I.23)
V = 1 (I − I )dt
 f C f ∫ f 0
La fonction de transfert du filtre est donnée par :
Vf 1
= 2
(I.24)
V red L f .C f .s + R f .C f .s + 1
C’est un filtre du deuxième ordre avec une fréquence de coupure égale à :
1
fc = (I.25)
2π L f C f
L’opération de filtrage a été réalisée avec les paramètres R f = 1 Ω, L f = 0.002 H et C f = 0.006 F . Les
résultats de simulation sont présentés sur la figure (I.10).
16
600
500
400
Tension filtrée Vf
300
200
Tensions (Volts)
100
-100
-200
-300
-400
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
Temps (sec)
Figure. I.10. Résultats de simulation de l’ensemble Redresseur-Filtre
I.7.3. Modélisation de l’onduleur triphasé
Le réglage de la vitesse rotorique d’une machine asynchrone se réalise logiquement par action
simultanée sur la fréquence et les tensions statoriques, par conséquent, pour se donner les moyens de cette
action, il faut disposer d’une source d’alimentation capable de délivrer une tension d’amplitude et de
fréquence réglable en valeurs instantanées. La figure (I.11) présente un système mettant en œuvre une
machine asynchrone alimentée par un onduleur de type M.L.I.
L’onduleur de tension est un convertisseur statique constitué de cellules de commutation généralement

à transistor ou à thyristor GTO pour les grandes puissances.
Le principe de fonctionnement s’exprime par le séquencement imposé aux interrupteurs statiques qui
réalisent la modulation de largeur des impulsions des tensions appliquées aux enroulements statoriques
de la machine.
17
Ta Tb Tc
E/2
a a
V bn
E b n V an
0 V ab V bc
b
E/2 c V cn
V cac
Ta' Tb ' Tc '
Figure I.11. Schéma électrique d’un onduleur triphasé à trois bras alimentant la MAS
Pour modéliser l’onduleur de tension de la figure I.11, on considère son alimentation comme une
source parfaite, constituée de deux générateur de f .é.m égale à E 2 connectés à un point milieu noté ''O''.
L’onduleur est commandé à partir des grandeurs logiques Si . On appelle Ti et Ti′ les transistors
(supposés être des interrupteurs idéaux), on a :
Si Si = 1 , Ti est passant et Ti ' est ouvert ;
Si Si = 0 , Ti est ouvert et Ti ' est passant ;
avec i = a, b, c
Les tensions composées sont obtenues à partir des sorties de l’onduleur :
Vab = Vao − Vbo


Vbc = Vbo − Vco (I.26)
V = V − V
 ca co ao
où ''O'' représente le point milieu fictif à l’entrée continu (figure I.11), et Vao , Vbo , Vco sont des tensions
prises par rapport au point milieu ''O''.
Les tensions de phase peuvent être exprimées par :
Van = Vao − Vno


Vbn = Vbo − Vno (I.27)
V = V − V
 cn co no
avec, Vno la tension fictive entre le neutre de la charge et le point fictif ''O''.
Pour un système équilibré Van + Vbn + Vcn = 0 , il vient :
18
1
Vno = (Vao + Vbo + Vco ) (I.28)
3
En remplaçant l'équation (I.28) dans le système d'équations (I.27), on obtient :
 2 1 1
Van = V ao − V bo − Vco
3 3 3

 1 2 1
Vbn = − Vao + Vbo − Vco (I.29)
 3 3 3
 1 1 2
Vcn = − 3 Vao − 3 Vbo + 3 Vco

nous avons
E
V io = S i .E −
2
avec i = a, b, c
 E
 Si = 1 Vio =
2
 (I.30)
S = 0 E
Vio = −
 i 2
il vient alors
V ao = (S a − 1 2)E

V bo = (S b − 1 2)E (I. 31)
V = (S − 1 2)E
 co c
En remplaçant l'équation (I.29) dans l'équation (I.31), on obtient le modèle de l’onduleur comme suit :
Van   2 −1 −1  S a 
V  = E  −1 2 −1  S  (I. 32)
 bn  3   b
Vcn   −1 −1 2   Sc 
Le principe de la commande MLI est présenté sur la figure (I.12) :
Vref +
Vm
Vp -
Figure I.12. Principe de la modulation MLI type sinus-triangle
19
I.7.4. Modulation par largeur d’impulsions
Le principe général de la modulation consiste à représenter une information sous une forme différente
de la forme originale. Dans la littérature plusieurs types de modulations peuvent être rencontrées. Dans
notre cas, on s’intéresse essentiellement à la modulation dite MLI (Modulation par largeur
d’Impulsions) ou PWM en anglais (Pulse Width Modulation).
Deux types d’MLI sont présentés dans le cadre de ce travail :
• MLI sinus-triangle
• MLI à hystérésis
MLI sinus triangle
La modulation MLI sinus triangle permet le contrôle en tension de la machine asynchrone. Une onde
modulatrice Vref (référence), de fréquence f m est comparée à une onde triangulaire V p (porteuse) de
fréquence f p très élevée par rapport à f m . La sortie du comparateur permet d’obtenir un signal MLI
comme le montre la figure (I.13).
Vref
0.5
Vp
Tension (Volts)
-0.5
-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Temps (sec)
1.5
1
Tension MLI (Volts)
0.5
-0.5
-1
-1.5
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Temps (sec)
Figure I.13. Modulation MLI sinus-triangle
20
MLI à hystérésis
Ce type de modulation nous permet de contrôler la machine par le biais des courants. La technique de
contrôle du courant la plus simple consiste à maintenir les courants générés par la charge (MAS) dans une
bande ∆I enveloppant les courants de références. Chaque violation de cette bande donne un ordre de
violation [9].
En effet, les instants de commution se déterminent par contre réaction. La tension de sortie passe
de 1 à -1 dès que l’écart dépasse un seuil ∆I 2 et passe de -1 à 1 lorsque l’écart devient inférieur à ∆I 2 .
Ta
I sa _ ref
+
-
Ta′
I sa Comparateur à
Hystérésis Mise en forme des signaux
complémentaires
Figure. I.14 Schéma de principe de la modulation MLI par Hystérésis
Par conséquent, les équations du contrôle par hystérésis peuvent être écrites sous la forme [10] :
1 si I sa ≤ ( I sa _ ref − ∆I 2)
k +1 
S i =0 si I sa ≥ ( I sa _ ref + ∆I 2) (I. 33)
S k si ( I sa _ ref − ∆I 2) ≤ I sa ≤ ( I sa _ ref + ∆I 2)
 i
avec, ∆I la largeur de la bande d’hystérésis, S ik +1 et S ik les états actuels et précédents de l’interrupteur de
la phase i , I sa et I sa _ ref le courant réel et sa valeur de référence de la phase i et i = a , b , c le rang de la
phase.
21
I (A )
∆I
t (s )
1
t (s )
−1
Figure I.15. Signal à hystérésis d'une phase
L'algorithme de simulation de la machine-onduleur en boucle ouverte est présenté sur la figure (I.16):
θs
Tension triphasée du réseau
Vas vas Vds

Park Modèle de la
Vbs Filtre Onduleur à vbs machine dans
(θs ) Vqs
Vcs MLI vcs le repère (d, q)
I ds I qs Φ dr Φ qr
 I as − ref V as − ref
 
I bs − ref ou V bs − ref MLI
I V Park-1
 cs − ref  cs − ref
( θs )
ou Courants et Flux réels

Hystérésis de courant
(triangulaires deviennent des bandes de courants)
Figure I.16. Algorithme de simulation de la machine-onduleur en boucle ouverte
I.7.5. Simulation du modèle machine-onduleur
Au modèle d’état de la machine donné par les équations (I.20) et (I.21) on associe l’ensemble
redresseur, filtre et onduleur MLI, ce qui représente une structure commandable de la machine
asynchrone. Les trois commandes MLI des transistors de l’onduleur triphasé sont présentées dans la
22
figure (I.17), et les trois sorties de l'onduleur correspondantes sont présentés par la figure (I.18). Les
résultats de simulation sont présentés dans les figures (I.19) et (I.20).
1
PWM phase a
0.5
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps (sec)
1
PWM phase b
0.5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (sec)
1
PWM phase c
0.5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (sec)
Figure. I.17. Commande MLI des trois phases de la machine
400
Tension phase a (va)
200
-200
-400
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps (sec)
400
Tension phase b (vb)
200
-200
-400
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (sec)
400
Tension phase c (vc)
200
-200
-400
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Temps (sec)
Figure. I.18. Tension triphasée générée par l’onduleur MLI
23
A vide ( Cr = 0 )
1500 0.4
V ites s e de rotation N (T r/m in)
0.2
F lux phd r (W eb)

1000
-0.2
-0.4
500
-0.6
-0.8
0 -1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
20 0.4
15 0.3
C ouple C em (N .m )
F lux p hqr (W eb)
10
0.2
5
0.1
0
0
-5
-10 -0.1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 5
20 0
C ourant Ids , Iqs (A )
C ourant Ias (A )
10 -5
0 -10
-10 -15
-20 -20
-30 -25
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure. I.19. Réponse du système machine-onduleur en fonctionnement à vide Cr = 0
24
En charge ( C r = 10 Nm )
1500 0.4
0.2
F lux phd r (W eb)

1000
-0.2
-0.4
500
-0.6
-0.8
0 -1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
20 0.4
15 0.3
C ouple C em (N .m )
F lux p hqr (W eb)
10
0.2
5
0.1
0
0
-5
-10 -0.1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 5
20 0
C ourants Ids , Iqs (A )
C ourant Ias (A )
10 -5
0 -10
-10 -15
-20 -20
-30 -25
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure. I.20. Réponse du système machine-onduleur avec application de la charge C r = 10 N .m à t = 0.6 s
25
I.8. CONCLUSION
Dans ce chapitre la modélisation de la machine asynchrone a été présentée. Cette modélisation est
basée sur certaines hypothèses simplificatrices. Le modèle présenté a été donné dans un repère biphasé
général dans le but de réduire la complexité du modèle. Une transformation dite de Park a été utilisée
pour assurer le passage entre les repères triphasé et biphasé.
Les résultats de simulation ont montré le comportement global de la machine asynchrone en présence
et en absence d’un couple de charge. Deux cas de simulations ont été présentés :
• Simulation de la machine asynchrone alimentée directement par le réseau triphasé
• Simulation de l’ensemble redresseur, filtre, onduleur MLI et machine asynchrone
Selon ces résultats, deux problèmes ont été constatés : La diminution de la vitesse de rotation lors de
l’application d’une charge et le fort couplage entre le couple et le flux. Dans le but de remédier à ce
problème et assurer le contrôle de la vitesse de la machine, une structure de commande en boucle fermée
sera nécessaire, ce qui fera l'objet du deuxième chapitre.
26
CHAPITRE II
COMMANDE VECTORIELLE
DE LA MACHINE ASYNCHRONE
II.1. INTRODUCTION
Dans un moteur à courant continu (MCC) le couple est proportionnel au produit du flux
inducteur et du courant d’induit. Dans le cas ou la machine est a excitation séparée, si l’on
maintien le flux inducteur constant, le couple sera proportionnel au courant d’induit ce qui
nous donne de bonnes performances. Cette caractéristique n’est pas valable dans le cas de la
machine asynchrone, ce qui rend sa commande difficile. Pour obtenir une situation
équivalente à celle d’un moteur à courant continu, Blaschke et Hasse ont proposé une
méthode pour contourner cette difficulté. Dans cette méthode le vecteur courant statorique
sera décomposé en deux composantes, une produit le flux et l’autre le couple [8][9].
II.2. PRINCIPE DE LA COMMANDE VECTORIELLE
La commande par orientation du flux est une expression qui apparaît de nos jours dans le
domaine de commande des moteurs électriques. Le principe d’orientation a été proposé par
Blashke au début des années 70, ramenant ainsi le comportement de la machine asynchrone
à celui d’une machine à courant continue. Cette technique consiste à placer le repère (d,q) tel
que l’axe (d) coïncide avec le flux à orienter.
Le but de cette orientation est d’éliminer le problème de découplage entre l’induit et

l’inducteur en dissociant le courant statorique en deux composantes en quadrature, de telle
sorte que l’une des composantes commande le flux et l’autre commande le couple. Ceci
27
Chapitre II : Commande vectorielle de la machine asynchrone
permet de se ramener à des fonctionnements comparables à ceux d’une MCC à excitation

séparée où le courant inducteur contrôle le flux et le courant induit contrôle le couple.
II.3. ORIENTATION DU FLUX ROTORIQUE (FOC)
Un choix adéquat du référentiel (d,q) de telle manière que le flux rotorique soit aligné
avec l’axe (d) permet d’obtenir une expression du couple dans laquelle deux courants
orthogonaux ( I ds , I qs ) interviennent, le premier générateur de flux et l’autre générateur de
couple (figure II.1).
ωs d
q
Is
Φr
ω
ar
I qs I ds
θs
θ
ax
0
Figure II.1. Principe de la commande vectorielle
Donc nous avons :
Φdr = Φ r
 (II.1)
Φqr = 0
L’expression du couple électromagnétique peut être écrite sous la forme :
C em = k .I ds .I qs (II.2)
p2
avec k =
Lr J
Ceci simplifie le modèle d'équation (I. 20) comme suit :
28
 dI ds 1 1−σ 1−σ 1
 dt = −( σ T + σ T ) I ds + ωs I qs + σ MT Φ r + σ L Vds
 s r r s
 dI qs 1 1−σ 1− σ 1
 = −ωs I ds − ( + ) I qs − pΩΦ r + V
 dt σ Ts σ Tr σM σ Ls qs
 (II. 3)
 dΦr = M I − 1 Φ
 dt Tr
ds
Tr
r

ω = pΩ + M I
 s Tr Φ r
qs

L'équation mécanique s'écrit :
d Ω pM f 1
= Φ r I qs − v Ω − Cr (II.4)
dt JLr J J
Après transformation de Laplace, on peut écrire :
 M
 Φ r = 1 + T s I ds
 r
 (II.5)
 C = pM Φ I
 em Lr
r qs
L'équation (II.5) montre qu’on peut agir indépendamment sur le flux rotorique et le
couple électromagnétique par l’intermédiaire des composantes I ds et I qs du courant
statorique. Afin d’assurer un contrôle du couple et de pouvoir fournir à tout instant un

couple maximal, le flux est maintenu à sa valeur nominale.
La principale difficulté de la mise en œuvre de la commande vectorielle de la machine

asynchrone, est la détermination de la position et le module du flux rotorique. Car ces deux
grandeurs ne sont pas mesurables directement. Deux méthodes de contrôle ont été utilisées,
la méthode directe et la méthode indirecte.
II.4. METHODE DIRECTE
Pour déterminer la position et le module du flux, l’idée naturelle est la mesure du flux dans la
machine à laide de bobinage supplémentairement ou de capteurs à effet Hall. Devant cette complexité
on fait appel à des modèles dynamiques du flux qui nécessitent des grandeurs facilement mesurables
tel que les courants, les tensions statoriques et la vitesse de rotation.
On utilise souvent le modèle de la machine pour déterminer la position et le module du flux suivant
les équations suivantes :
29
 d Φr M 1
 dt = T I ds − T Φ r
 r r
 (II.6)
 dθ s = ω = pΩ + M I
 dt s
Tr Φ r
qs
Le module du flux rotorique et du couple électromagnétique peuvent être contrôlés par contre
réaction, alors que la pulsation de glissement est directement calculée à l’aide des grandeurs mesurées
ou estimées.
II.5. METHODE INDIRECTE
Dans cette méthode (appelée slip frequency control) l’amplitude du flux rotorique n’est pas utilisée
et on utilise seulement sa position calculée à partir des grandeurs de références. Alors, cette technique
aura l’avantage de ne pas utiliser des capteurs de flux mais seulement l’utilisation de capteurs de
vitesse rotorique.
Le schéma synoptique de la commande vectorielle indirecte appliquée à la machine asynchrone est

présenté dans la figure (II.2).
Dans ce type de commande on considère uniquement la dynamique du rotor, l’angle de Park θ s est
calculé à partir de la pulsation statorique, elle même reconstituée à l’aide de la vitesse de la machine et
de la pulsation rotorique ω telle que :
ωs = ωgl + ω
d 'où (II.7)
*
M I qs
θs = ∫ ωs dt = ∫ ( + p Ω) dt
T r Φ*r
Le FOC (field oriented control) est un bloc de calcul qui possède deux entrées ( Φ*r et Cem
*
) et génère
les trois grandeurs de commande de l’onduleur ( Vds* , Vqs* et ωs ). Il est défini en considérant le régime
statique pour lequel le flux rotorique et le couple électromagnétique sont maintenus constants égaux à
leurs valeurs de référence. Si on ne tient pas compte des variations des courants direct et en quadrature,
les équations de ce bloc sont déduites de celles du modèle comme suit :
30
 * Φ*r
I ds = M

 * L rC em *
I =
 qs pM Φ*
 r
 MR r I qs*
ωs = ω + (II.8)
 L r Φ*r
V ∗ = R I * − ω σ L I *
 ds s ds s s qs
 ∗ * * M *
V qs = R s I qs − ωs σ L s I ds + ωs Φr
 Lr

Cette commande consiste à contrôler la composante directe I ds et en quadrature I qs du courant
statorique de façon à obtenir le couple électromagnétique et le flux souhaités dans la machine.
L
Réseaux Ond. à
triphasés c MAS
MLI
V a∗ V b∗ V c∗ Ia I b I c ω
Park-1 Park
V ds* ωs
∗
ω Φ r 1 I ds∗ Régulateur
r
V +
+ ds
du courant
M - +
I ds V dsc
I ds I qs
∗
Régulateur C em* I qs Régulateur V qsr V qs*
ω∗ + de
L
r
+ du courant +
* - I qs +
ω - Vitesse pM Φ
r
V qsc
Circuit de
ωs découplage
Estimateur
ωs
ω
Figure. II.2. Schéma bloc de la commande vectorielle indirecte
La boucle de régulation de vitesse, celles des courants I ds et I qs , le bloc de calcul de θs et les
transformations directe et inverse sont les principaux constituant dans ce type de commande.
31
La vitesse est régulée à travers la boucle externe du bloc. La sortie de son régulateur est le couple
électromagnétique de référence C em* ou le courant de référence I *qs qui est comparé à la valeur I qs issue
de la mesure des courants réels. L’erreur sollicite l’entrée de régulateur dont la sortie est la tension de
référence V qs* qui subit une transformation au triphasé et à travers un onduleur de tension alimente la
machine asynchrone.
En parallèle à cette boucle, on trouve la boucle de régulation du courant I ds . Le courant I *ds de
référence est calculé à partir du flux à imposer. Ce flux correspond à sa valeur nominale pour la zone
de vitesse inférieure à la vitesse de base. Au-delà de cette zone, on procède au « défluxage » de la
machine de manière à pouvoir atteindre des vitesses supérieures. Le couple maximal que l’on peut
imposer devient alors plus faible. Le procédé de défluxage en grande vitesse est utilisé en particulier
en traction électrique où l’on a besoin d’un fort couple pendant la phase de démarrage et d’un couple
plus faible (qui ne sert à lutter contre les frottements) pendant la marche normale [10].
La sortie du régulateur du courant I ds donne la tension Vds . Les deux tensions de référence V ds* et
V qs* sont alors transformées en grandeurs statoriques, à l’aide d’une transformation biphasée -triphasée.
L’onduleur à MLI applique des créneaux de tensions à la machine dont les valeurs moyennes sur
une période de MLI correspondent aux tensions de référence Vas , Vbs et Vcs [5][11].
II.5.1. Principe du découplage par compensation
Dans le cas où la machine est alimentée par un onduleur de tension, les équations des tensions
statoriques sont déduites de l’équation (II.3) comme suit :
 dI ds M d Φ r
Vds = Rs I ds + σ Ls + − σ Lsωs I qs
 dt Lr dt
 (II.9)
V = R I + σ L dI qs M
+ ωs Φ r + σ Lsωs I ds
 qs s qs s
dt Lr
Le couplage qui existe entre les deux équations est éliminé en générale par une méthode de
compensation classique. Celle ci consiste à faire la régulation des courants en négligeant les termes de
couplage, ces derniers seront rajoutés à la sortie des correcteurs des courants afin d’obtenir les tensions
de références qui attaquent l’onduleur.
32
Les termes de couplage (tensions) dans l'équation (II.9) sont les termes que lorsqu’on les élimine,
les tensions restantes deviennent en relation du premier ordre avec les deux composantes du courant
statorique. Soient les indices : ‘r’ pour régulateur et ‘c’ pour couplage, nous avons alors :
V ds* =V dsr +V dsc et V qs* =V qsr +V qsc (II.10)
avec :
 c M d Φr
V ds = −σ L s ωs I qs +
L r dt

 c M
V qs = ωs Φ r + ωs σ L s I ds
Lr
 (II.11)
V r dI
= R s I ds + σ Ls ds
 ds dt

V r dI qs
= R s I qs + σ Ls
 qs dt
Les tensions V ds* et V qs* sont alors reconstituées à partir des tensions V dsr et V qsr (figure II.3).
V dsc
+ V ds*
V dsr + Flux
MAS
+
Commande
V qs*
V qsr + Vectorielle Coupl
+
V qsc
Figure II.3 Reconstitution des tensions V ds* et V qs*
Par introduction de l’opérateur de Laplace, les équations (II.9) deviennent :
V ds = (R s + s σ L s )I ds − σ Ls ωs I qs

 M (II.12)
V qs = (R s + s σ L s )I qs + ωs L Φ r + σ Ls ωs I ds
 r
On peut donc, représenter le modèle de la machine par le schéma bloc de la figure (II.4) où nous
M
schématisons en clair les termes de couplage ωs σ Ls I qs , ωs σ Ls I ds et ωs Φr .
Lr
33
σ L s ωs I qs
V ds +
+ 1  1  I ds
 
R s
 1 + σT .s 
s
M
ωs Φ r
L
V qs +
- r 1  1  I qs
-  
R s
 1 + σT .s 
s
σ L s ωs I ds
Figure II.4 Représentation du Modèle de la machine
L’ensemble modèle de la machine et sa régulation par découplage est représenté dans la figure (II.5).
σ L s ωs I qs σ L s ωs I qs
V ds
r ⁻ V ds* +  1 
+ + + 1
∗
I ds Reg   I ds
R s
 1 + σT .s 
s
⁻ M
M
ωΦ
I ds s r
ωΦ
L s r
r
L
- r
+ V qs
r
+ + V qs* + 1  1 
 
∗
I qs Reg I qs
R s
 1 + σT .s 
s
- - -
I qs
σ L s ωs I ds σ L s ωs I ds
Bloc de régulation Modèle de la machine
Figure II.5 Découplage par addition des termes de couplage
II.5.2. Calcul des régulateurs
Le dimensionnement du régulateur est basé sur la dynamique de la machine en boucle fermée par
imposition de pôles. Pour ce fait, on calcul la fonction de transfert du système en boucle fermée, puis
on identifie l’équation caractéristique avec le polynôme caractéristique désiré ayant des pôles
complexes conjugués à parties réelles négatives s1,2 = ρ (−1 ± j ) [12].
Régulation du courant
Du procédé du découplage utilisé à la figure (II.5), on abouti au schéma bloc simple et identique
pour les deux axes.
34
r
∗
I ds (s ) V ds (s )
+ e d (s ) k id 1 I ds (s )
k pd + R s + σ L s .s
⁻ s
I ds (s )
Figure II.6. Schéma fonctionnel de régulation de courant
Pour chacune des boucles de courants, on associe un régulateur de type

proportionnel-intégral (PI). Il comporte une action proportionnelle qui sert à contrôler la stabilité de la
boucle et une action intégrale qui sert à éliminer l’erreur statique entre la grandeur régulée et la
grandeur de sortie [5].
Le régulateur de courant direct permet de définir la tension V dsr , nécessaire pour maintenir le flux
de référence [10].
A flux constant égal à Φ∗r , en supposant que le découplage est réalisé, on aura :
I ds ( s ) 1 1 1
r
= = (II.17)
Vds ( s ) Rs (1 + σ Ts s ) Rs + σ Ls s
L'expression du courant de référence est :
Φ∗r
I ds∗ = (II.18)
M
La fonction du transfert en boucle fermé de la figure (II.6) est donnée par :
1
(k pd s + k id )
I ds (s ) σ Ls
= (II.19)
I ds∗ (s )  R + k pd  k id
s + s
2
s +
 σ Ls  σ Ls
Le polynôme caractéristique est :
 R s + k pd  k id
P (s ) = s 2 +  s + (II.20)
 σ Ls  σ Ls
En imposant au polynôme caractéristique en boucle fermée deux pôles complexes conjuguées et

stables s1,2 = ρ (−1 ± j ) , alors :
P( s) = s 2 + 2 ρ s + 2 ρ 2 = 0 (II.21)
35
L’identification terme à terme des deux équations (II.20) et (II.21) entraîne que :
k id = 2σ LS ρ 2
 (II.22)
k pd = 2σ LS ρ − R s
Régulation de la vitesse
Le régulateur de vitesse permet de déterminer le couple de référence, afin de maintenir la vitesse
correspondante.
L’équation mécanique donne :
ω (s ) p
= (II.23)
C em (s ) f v + J .s
avec : ω = pΩ
En associant à cette fonction un régulateur PI, on obtient la structure donnée dans la figure (II.7) :
∗
ω (s ) e ω (s ) k iω ∗
+ C em (s ) p ω (s )
k pω + fv + Jss
ω (s )⁻ s
Figure II.7. Schéma fonctionnel de régulation de vitesse
La fonction du transfert en boucle fermé de la figure (II.7) est donnée par :
p
(k pω s + kiω )
ω ( s) J
= (II.24)
ω ∗ ( s)  f + k pω p  kiω p
s + v
2
s+
 J  J
Le polynôme caractéristique est :
 f v + k pω p  kiω p
P( s) = s 2 +  s + =0 (II.25)
 J  J
En imposant au polynôme caractéristique en boucle fermée deux pôles complexes conjuguées et

stables s1,2 = ρ (−1 ± j ) , alors :
P (s ) = s 2 + 2 ρ s + 2 ρ 2 (II.26)
36
L’identification terme à terme des deux équations (II.25) et (II.26) entraîne que :
 2.J .ρ 2
k
 iω =
 p
 (II.27)
k = 2.ρ .J − f v
 pω p
Discrétisation du régulateur PI.

Les calculs qui suivent sont développés pour un régulateur de vitesse, mais la procédure reste
valable pour le régulateur de courant. En effet, la fonction de transfert du régulateur PI est [10]:
∗
C em (s ) k
= k pω + i ω (II.28)
eω (s ) s
Cette fonction peut être écrite, dans le domaine temporel, comme suit :
t
∗
Cem = k pω ω ∗ − ω + kiω ∫ ω ∗ − ω dτ
( ) ( ) (II.29)
0
La discrétisation de cette équation fournit :
∗
C em ( )
( k ) = k pω ω ∗ (k ) − ω ( k ) + k i ω S ( k ) (II.30)
avec
(
S (k ) = S (k − 1) + h ω ∗ (k ) − ω (k ) ) (II.31)
h : est la période d’échantillonnage
La commande doit être limitée par un simple dispositif d’écrêtage défini par :
∗ max
∗
 ∗
C em (k ) si C em (k ) ≤ C em
C em (k ) =  max ∗
(II.32)
lim ité ∗ max
C em signe (C em (k )) si C em (k ) ≥ C em
max n
La limite maximale adoptée est C em = 2,5C em = 25 N .m .
Cette limitation provoque un effet d’emballement (effet windup). Ainsi, le régulateur doit être associé
à un système d’anti-windup afin d’éviter le dépassement dû au fait que l’intégrateur continue à
sommer une erreur qui ne correspond plus à la tension de commande.
37
Si e ω (k ) est l’écart entre la vitesse de consigne et la vitesse mesurée :
e ω (k ) = ω ∗ (k ) − ω (k ) (II.33)
et si e ωL correspond à l’erreur de vitesse qui aurait produit le couple de sortie du régulateur obtenue
après la fonction de saturation :
1
e ωL (k ) = e ω (k ) −
k pω + h .k i ω
( ∗
C em ∗
(k ) − C em (k )
lim ité
) (II.34)
L’équation du sommateur devient alors :
S (k ) = S (k − 1) − eωL (k ) (II.35)
Mode défluxé
Le fonctionnement de la machine est normal jusqu’à des valeurs nominales (vitesse, puissance,
couple). Si on veut tourner la machine à des vitesses supérieures à la vitesse nominale, celle-ci devient
surchargée en dépassant sa puissance nominale. C’est pourquoi, on doit diminuer le flux de la machine
avec l’augmentation de la vitesse au-delà de sa valeur nominale pour assurer un fonctionnement à
puissance constante (nominale). On appelle cette opération le défluxage. Dans ces conditions, on peut
faire tourner la machine à des vitesses supérieures à sa vitesse nominale, en gardant en même temps la
puissance mécanique constante et égale à sa valeur nominale. Ainsi, on peut éviter la surcharge et le
sur-échauffement de la machine.
Le Principe de défluxage consiste à maintenir le flux rotorique constant est égal au flux nominal et
en le faisant varier sur une plage pour les vitesses supérieures à la vitesse nominale.
Pour cela, on impose un flux de référence défini par :
Φ r _ nom si Ω ≤ Ω nom
∗ 
Φ =  Ω nom
r
 Ω Φ r _ nom si Ω ≥ Ω nom (II.36)

38
L
Réseau Ond.à
c MAS
triphasé MLI
ω
∗ ∗ ∗
Va Vb Vc
ωs
-1
Park
ω
V ds∗ V qs∗
∗
Φ r
FOC
*
Régulateur C em
∗
+ de
ω Vitesse
-
ω
Figure II.8. Schéma de la commande découplée par orientation de flux
II.6 RESULTATS DE SIMULATION DE LA COMMANDE VECTORIELLE INDIRECTE
II.6.1. Vérification du découplage
Afin de vérifier le découplage introduit par la commande vectorielle indirecte (figure II.8) entre le
flux et le couple, nous simulons le système en imposant une référence de flux rotorique de 1(web), et
un couple de référence sous forme de créneaux [+25Nm, -25Nm, 0Nm] dans les intervalles de temps
respectifs suivants:[0, 0.35], [0.35, 0.65], [0.65, 1] secondes.
Deux cas de simulations vont être présentés, commande vectorielle sans onduleur et avec onduleur.
On constate dans le premier cas (sans onduleur) que le couple électromagnétique suit parfaitement
la référence imposée et que le flux rotorique est pratiquement égal à sa composante directe et que sa
composante en quadrature est nulle (figure II.9). Contrairement au deuxième cas (avec onduleur) qui
se rapproche plus à la réalité (figure II.10).
39
1.5
F lux phdr (web)
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (sec)
1
Flux phqr ( web)
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (sec)
40
Couple Cem (N.m )
20
-20
-40
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps(s)
Figure II.9. Commande par orientation de flux rotorique en boucle ouverte sans onduleur
Dans les deux cas, nous observons que les variations brusques du couple électromagnétique
n’influencent pas le flux rotorique, ce qui montre le découplage entre le couple et le flux.
40
1.5
Flux phdr (web)
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps(sec)
1
Flux phqr (web)
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (sec)
60
40
Couple Cem (N.m )
20
-20
-40
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (sec)
Figure II.10. Commande par orientation de flux rotorique en boucle ouverte avec onduleur
41
II.6.2. Régulation classique de la vitesse de la machine asynchrone
Les simulations présentées dans ce paragraphe vont nous permettre d’illustrer les performances
statiques et dynamiques de la commande vectorielle en utilisant un régulateur classique type PI.
Les coefficients du régulateur de vitesse sont déterminés par un placement de pôles avec ρ = 35 , ce
qui donne K p = 1.081 et K i = 37.975 .
Pour démontrer les performances statique et dynamique de commande vectorielle indirecte imposée
à la machine avec un régulateur PI, on a simulé les cas suivants :
o Démarrage à vide suivi d’une application de charge.

o Test d’inversion de vitesse avec charge.
o Robustesse vis à vis la variation de la résistance rotorique.
o Essai à basse vitesse (zéro vitesse).
• Démarrage à vide suivi d’une application de charge.

Pour tester la robustesse de la régulation, nous avons simulé un démarrage à vide pour une vitesse
de référence N =1000 (tr/min), suivi d’une application de charge nominale Cr = 10 Nm à l'instant
t = 0.5sec . Les résultats de simulation sont présentés par la figure (II.11) où nous constatons que la
vitesse suit avec de bonnes performances dynamiques et sans erreur statique la vitesse de référence
même après application du couple de charge.
Les résultats obtenus montrent aussi le découplage entre le couple électromagnétique et le flux
rotorique traduit par la réponse des composantes I ds et I qs du courant statorique.
Le couple admet une forte valeur avec une oscillation (fort appel de courant au démarrage, bref
mais important) et suit parfaitement sa référence. Puis après l’application du couple de charge
C r = 10 Nm , le couple électromagnétique se rétablit et atteint sa valeur finale de charge Cem = 10 Nm .
La figure (II.11) montre aussi que le courant I qs est l’image du couple Cem qui suit également sa
référence. Le courant I ds est quasiment stable et suit sa référence. On trouve aussi dans la figure II.11
la courbe de la tension de commande Vas , dans la quelle nous constatons que lors de l’application de la
charge, la commande augmente dans le but de conserver la vitesse à sa valeur de référence, la même
remarque pour le courant statorique I as .
• Test d’inversion de vitesse avec charge .

La figure II.12 présente le test d’inversion de vitesse de la machine avec charge. Ce test permet
d’évaluer davantage les performances de cette commande, dans laquelle nous introduisons un
changement de consigne de vitesse de 1000 tr / min à −1000 tr / min comme suit :
à t = 0 s la machine démarre à vide.
42
de t 〉 1s et t 〈 2 s on applique une charge Cr = 10 Nm .
de t 〉 2 s on inverse la consigne de vitesse à −1000 tr / min , et également le couple de

charge à C r = −10 Nm .
D’après la figure II.12, on constate que le couple électromagnétique et les composantes du courant
marquent des pics lors de l’inversion du sens de rotation, puis se stabilise au régime permanent, le
couple suit sa référence et le découplage persiste toujours, ce qui montre la robustesse de cette
commande vis-à-vis les variations du sens de rotation avec charge.
• Robustesse vis à vis à la variation la résistance rotorique.
Dans cette partie la robustesse de la commande vectorielle sous régulateur PI vis-à-vis de la
variation des paramètres électriques du moteur est étudiée. Les figures (13.a et b) présentent l’effet de
la variation paramétrique de la résistance rotorique Rr où nous présentons les résultats de simulation
lors d’une variation (augmentation) de cette résistance de 200% et 400% à l’instant de temps t = 1sec ,
respectivement. La robustesse de cette commande est conservée pour la première variation de cette
résistance (figure II.13.a), tandis que pour la deuxième variation paramétrique (très grande), on
constate que cette commande devient non robuste (perte de découplage), ce qui provoquera pour des
variations supérieures à 400% une instabilité du système (figure 13. b) et une divergence de la vitesse
de rotation par rapport à la vitesse de référence.
• Essai à basse vitesse (zéro vitesse).
Dans cet essai on fait tourner la machine pour deux vitesses de rotations : N = 20 tr / min et
N = −20 tr / min . Les résultats de simulation sont illustrés par la figure (II.14). On note que la qualité
de cet essai n'est pas trop satisfaisante, ce qui montre l'incapacité du régulateur PI à commander la
machine aux faibles vitesses.
43
1500 20
Vitesse de rotation N (Tr/min)
Courants Ids, Iqs (A)

1000 10
500 0
0 -10
-500 -20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
40 400
Tension de commande Vas (V)
Couple Cem (N.m)
20 200
0 0
-20 -200
-40 -400
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
1.5 20
Flux phdr, phqr (Web)
1 10
Courant Ias (A)
0.5 0
0 -10
-0.5 -20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
Figure II.11. Résultats de simulation lors d'un démarrage à vide suivi d'une application de charge C r = 10Nm
44
1500 20
Vitesse de rotation N ( Tr/m in)
1000

10
500
0 0
-500
-10
-1000
-1500 -20
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
60 300
Tens ion de c om m ande Vas (V)
40 200
Couple Cem (N.m )
100
20
0
0
-100
-20
-200
-40 -300
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A)
0.5 0
-5
0
-10
-0.5 -15
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
Figure II.12. Résultats de simulation lors d'un démarrage à vide suivi d'une inversion de vitesse avec charge.
45
1200 20
Vitess e de rotation N (Tr/min)
1000 15

800 10
600 5
400 0
200 -5
0 -10
-200 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300
Tension de com mande Vas (V )

20 200
Couple Cem (N.m )
10 100
0 0
-10 -100
-20 -200
-30 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A)
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure II.13.a. Effet de variation paramétrique ( R r + 200% R r )
46
1500 20

1000 10
500 0
0 -10
-500 -20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
40 400
Couple Cem (N.m)
20 200
0 0
-20 -200
-40 -400
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
1.5 20
1 10
Courant Ias (A)
0.5 0
0 -10
-0.5 -20
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Temps (s) Temps (s)
Figure II.13.b. Effet de variation paramétrique ( R r + 400% R r )
47
50
V ites se de rotation N (Tr/m in)
-50
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
15
10
5
Couple Cem (N.m )
-5
-10
-15
-20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
1.5
1
Flux phdr, phqr
0.5
-0.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure II.14 Résultats d'un fonctionnement à basse vitesse
48
II.7. CONCLUSION
Dans ce chapitre, la commande vectorielle ainsi que ses lois ont été étudiées et appliquées à la
machine asynchrone. Le principe fondamental de cette commande était le découplage entre le couple
et le flux. Deux types de commandes vectorielles ont été présentés, directe et indirecte. Les résultats de
simulation que nous avons donnés sont relatifs à la commande vectorielle indirecte. Ils montrent
clairement la réalisation du découplage. Par ailleurs, le réglage conventionnel à base de régulateur
proportionnel intégrateur (PI) donne des résultats acceptables sauf pour les deux cas suivants :
• grands changements dans les paramètres de la machine. Cependant, une erreur ou une dérive
sur les paramètres de la machine vont influer d’une manière directe sur les coefficients du
régulateur PI et sur le découplage ce qui provoque l’instabilité de la machine
• fonctionnement de la machine à basse vitesse, où nous constatons que la poursuite n'est pas très
bonne vu la présence de fortes oscillations.
Pour palier à ces problèmes, des régulateurs à base de techniques intelligentes sont recommandés
ce qui fera l'objet du troisième chapitre.
49
CHAPITRE III
COMMANDE FLOUE TYPE-1

III.1. INTRODUCTION
La logique floue est une extension de la logique classique dans le but de raisonner sur des
connaissances imparfaites. Elle est née en 1965 des travaux de Lotfi A. Zadeh, professeur à
l’université de Californie à Berkley.
L’auteur eut l’idée d’élargir la notion d’appartenance, normalement traduite par « oui » ou « non »
aux critères « peut être », « sans doute », « à peu prés »…etc. Il a ainsi fixé la notion de sous ensemble
flou et a fourni le point de départ d’une nouvelle théorie : la théorie des ensembles flous [13].
La première et la plus significative pour l'application industrielle de la logique floue est celle menée
par Hitachi, consistant à réaliser la commande automatisée du métro de sendaii (ville située à 300 Km
de Tokyo). Ce dispositif, entièrement sous contrôle d'un ordinateur utilisant des algorithmes basés sur
la logique floue, a permis une réduction de 10% de la consommation d'énergie. De plus, la conduite
était si douce que les passagers n'avaient plus besoin de se tenir aux rampes ou aux poignés.
Ce chapitre est divisé en trois parties principales. Dans la première partie les éléments théoriques de
la logique floue seront présentés en détail. La deuxième partie sera consacrée à la conception d’un
régulateur flou type-1 non adaptatif et finalement une commande adaptative floue type-1 sera donnée
dans la troisième partie.
III.2. THEORIE DES ENSEMBLES FLOUS

Un ensemble flou A sur un univers de discours U est caractérisé par une fonction d’appartenance
µ A ( x) qui prend ses valeurs sur l’intervalle [0, 1]. Un ensemble flou est une généralisation d’un sous
ensemble ordinaire qui sa fonction d’appartenance prend que les deux valeurs 0 ou 1. La fonction
50
Chapitre III : Commande floue type-1 de la machine asynchrone
d’appartenance fournit une mesure du degré qu’un élément de U soit un élément d’un sous ensemble
flou [14].
En logique floue un élément peut résider dans plus qu’un ensemble à des degrés d’appartenances
différents. Ceci ne peut se produire dans la théorie des ensembles ordinaires.
Un ensemble flou A dans U peut être représenté comme un ensemble de paires ordonnées de
l’élément générique x et son niveau (degré) d’appartenance :
A = {( x, µ A ( x) ) / x ∈ U } (III.1)
Quand l’univers de discours U est un ensemble continu (Exp : nombres réels), le sous ensemble
flou A est écrit comme suit :
A = ∫ µ A ( x) / x (III.2)
U
Quand U est discret, A s’est écrit comme suit :
A = ∑ µ A ( x) / x (III.3)
U
III.3. LES FONCTIONS D’APPARTENANCE

Les formes les plus couramment utilisées pour les fonctions d’appartenance sont les formes
triangulaires, trapézoïdales ou Gaussiennes [14], [15].
• Fonction d’appartenance trapézoïdale [16]
  x − a d − x 
µ ( x; a, b, c, d ) = max  0, min  ,1,  (III.4)
  b − a d − c 
où a, b, c et d sont les coordonnées des apex du trapèze. Si b = c , nous obtenons une fonction
d’appartenance triangulaire.
• Fonction d’appartenance exponentielle par morceaux

exp − x − c 2 w 2
 ( ( g g) ) si x < cg

( )
µ ( x; cg , cd , wg , wd ) = exp − ( x − cd 2wd )

2
si x > cd (III.5)
1 autrement

où cg et cd sont les limites gauche et droite, respectivement ; et wg , wd sont les largeurs gauche et
droite, respectivement. Pour cg = cd et wg = wd , la fonction d’appartenance gaussienne est obtenue.
51
• Fonction d’appartenance gaussienne

µ ( x; c, σ ) = exp ( − ( x − c 2σ )2 ) (III.6)
µ µ µ
Exponentielle
Triangulaire Trapézoïdale par morceaux
1 1 1
x x x
µ µ
Gaussienne Singleton
1 1
x x
Figure. III.1. Différentes formes des fonctions d’appartenance [13].
où c est le centre de la gaussienne et σ sa largeur (variance).

• Fonction d’appartenance singleton
1 si x = x0
µ ( x) =  (III.7)
0 autrement
Les fonctions d’appartenance doivent se chevaucher. Ceci nous permet d’avoir le fait que « un verre
peut être partiellement plein et partiellement vide à la fois ».
III.4. OPERATIONS SUR LES ENSEMBLES FLOUS

En logique floue, l’union, l’intersection et la complémentation sont définies en termes de leurs
fonctions d’appartenance. Soient les ensembles flous A et B définis par leurs fonctions
d’appartenance µ A ( x) et µ B ( x) .
Une définition de l’union floue mène à la fonction d’appartenance [14], [17]; [18].
µA U B (x ) = max [ µA (x ), µB (x )] (III.8)
Une autre définition de l’intersection floue mène à la fonction d’appartenance :

µA I B (x ) = min [ µA (x ), µB (x )] (III.9)
52
Et pour la complémentation on a :
µ B ( x) = 1 − µ B ( x) (III.10)
Exemple 1
Considérons les ensembles flous A = le coefficient de frottement ξ est considérablement grand que
0.5, et B = le coefficient de frottement est approximativement 0.707. Notons que le coefficient de
frottement est un nombre réel positif. Donc, A = {( x, µ A ( x) ) / x ∈ U } , et B = {( x, µ B ( x) ) / x ∈ U } , où par
exemple µ A ( x) et µ B ( x) sont définies par :
0 x ≤ 0.5

µ A ( x) =  1 (III.11)
1 + ( x − 0.5) −2 x > 0.5

1
µB (x ) = x >0 (III.12)
1 + (x − 0.707) 4
On représente sur la figure (III.2) les fonctions µ A ( x) , µ B ( x) , µA UB (x ) , µA I B (x ) et µ B ( x) .
On observe que le point (élément) x = 0.5 existe dans les deux ensembles B et B simultanément,
mais à des degrés différents, parce que µ B (0.5) ≠ µ B (0.5) .
Cet exemple nous montre que les lois de contradiction et du tiers exclu sont violées par les
ensembles flous, équivalents à dire :
A∪ A ≠U (III.13)
A∩ A ≠ φ (III.14)
En fait, l’une des méthodes pour décrire la différence entre la théorie des ensembles ordinaires et
celle des ensembles flous est la violation des lois d’Aristo par les ensembles flous comme on vient de
le voir dans les relations (III.13) et (III.14). En conséquence n’importe quelle théorie mathématique
appliquée aux ensembles ordinaires, comme les probabilités, sera différente de la théorie des
ensembles flous [17].
53
µB ( x) µ A ( x)
1 1
µ A∪ B ( x )
x x
0.5 0.7 0.5 0.7
(a) (b)
µB ( x) µB ( x)
1
1 µ A∩ B ( x )
x x
0.5 0.7 0.5 0.7
(c) (d)
Figure. III.2. Fonctions d’appartenance associées à A et B.

a): µ A ( x ) et µ B ( x ) , b): µ A∪ B ( x ) , c): µ A∩ B ( x ) et d) µ B ( x ) .
III.5. SYSTEMES FLOUS

III.5.1. système flou
Un système flou peut être vu comme un système expert fonctionnant à partir d’une représentation
de connaissances basée sur la théorie des ensembles flous. La figure III.3 montre le schéma synoptique
d’un tel système.
Nous allons fournir dans ce qui suit une description sommaire de chaque module composant ce
contrôleur [17][18][19]:
• Base de données du processus : elle est composée de l’ensemble des renseignements que nous
possédons sur le processus. Elle permet de définir les fonctions d’appartenance et les règles floues du
système flou.
• Interface « Numérique → Symbolique » ou fuzzification : ce module traduit les données
numériques caractérisant l’état du système. Il fournit une caractérisation floue des variables du système
flou sous forme symbolique.
54
Base
de
données
Interface Interface
Numérique → Symbolique Symbolique → Numérique
(Fuzzification) (Défuzzification)
Flou Base Flou

de
règles
SYSTEME FLOU
Sortie (non floue) Processus Commande (non floue)
Figure. III.3. Schéma synoptique général d’un système flou.
• Base de règles de décision : une action, sous forme symbolique est décidée en fonction des
variables floues précédemment calculées.
• Interface « Symbolique → Numérique » : ce module traduit l’action floue en une action
directement applicable au processus à commander. Il s’agit de l’étape de défuzzification.
Le système flou, tel qu’il apparaît dans la boucle de régulation de notre processus, se présentera tel
que le montre la figure III.4.
Entrées Sortie
Fuzzification Inférence floue Défuzzification
non- floues Non-floue
Figure. III.4. Organisation d’un système flou.
III.5.2. Base de données

Le choix approprié des variables d’état du processus et des variables de contrôle est essentiel pour
caractériser un système flou. De plus, la sélection des variables linguistiques a un effet important sur
les performances d’un système flou. Durant cette étape de sélection, l’expérience et la connaissance de
l’ingénieur jouent un rôle important. En particulier, le choix des variables linguistiques et leurs
fonctions d’appartenance a une grande influence sur la structure de système flou [19][20].
Pratiquement la base de données contient les fonctions d’appartenances des variables linguistiques
des prémisses et des conséquences.
55
III.5.3. Base de règles

Une base de règles floues est une collection de règles IF-THEN sous la forme :
R ( j ) : IF x 1 is A1j and ... and x n is A nj , THEN y is B j
(III.15)
où Ai j et B j sont des ensembles flous dans U i ⊂ R n et V ⊂ R , respectivement, et

T
x = ( x1 ,..., xn ) ∈ U1 × ... × U n et y ∈ V sont des variables linguistiques. Soit M le nombre de règles
floues IF-THEN dans la base de règles c.-à-d. j = 1, 2,..., M dans l'équation (III.15). x et y sont
l’entrée et la sortie du système flou, respectivement.
III.5.4. Fuzzification
L’opération de fuzzification réalise une transformation d’un point ordinaire (classique)
x = ( x1 ,..., xn )T ∈ U vers un ensemble flou A′ dans U . Il existe deux choix possibles de fuzzification :
• Fuzzification type singleton : A′ est un singleton flou dont le support est x , c.-à-d.,
µ A′ ( x′) = 1 pour x ′ = x et µ A′ ( x′) = 0 pour tout x ′ ≠ x .

• Fuzzification type non-singleton : A′ est lui-même un ensemble flou non singleton. Ce type
de fuzzification est utilisé lorsque l’entrée est perturbée par un certain bruit.
III.5.5. Défuzzification
L’opération de défuzzification réalise une transformation d’un ensemble dans V vers une valeur
ordinaire (non floue) y ∈ V . Dans la littérature il existe plusieurs méthodes pour effectuer cette
transformation. La méthode la plus couramment utilisée, c'est la méthode des centres pondérés.
Un système flou type Takagi-Sugeno est un système dont les règles sont comme suit:
R ( j ) : IF x 1 est A 1j et x 2 est A 2j et . . . et x n est A nj
(III.16)
T HEN y = b j ,0 + b j ,1 x 1 + b j ,2 x 2 + . . . +b j , n xn
j = 1, 2, . . . M .
A1j , A2j , . . . Anj sont les ensembles flous des prémisses, b j ,i i = 1, 2, . . . n sont les coefficients de la
j eme conséquence linéaire, et y i la sortie numérique de la j eme règle flou où j ∈ [1, M ] .

La valeur numérique de la sortie de ce modèle est donnée par [21]:
M
 n  M
 n

y = ∑ y j  ∏ µ A j ( xi )  ∑  ∏ µ Ai j
( xi )  (III.17)
j =1  i =1 i
 j =1 i =1 
tel que : ω j = µ A1 ( x1 ).µ A 2 ( x 2 ) . . . µ An ( x n ) (III.18)
ou bien: ω j = min {µ A1 ( x1 ), µ A 2 ( x 2 ), . . ., µ An ( x n )} (III.19)
où ω j est le degré d'activation de la j eme règle flou.
56
Lorsque b j , i = 0 dans (III.16) pour i = 1, 2, . . . n , le système est dit (Modèle flou TS d'ordre zéro)
ou système flou à conséquence singleton. Donc la valeur numérique de la sortie sera donnée par [13]:
M M
y = ∑ ω jbj ∑ω j (III.20)
j =1 j =1
Exemple 2
Dans cette section nous allons appliquer les méthodes de défuzzification déjà citées sur un exemple
simple. Les entrées du système flou serons deux variables d’état x1 et x 2 , et la sortie sera matérialisée
par la variable y .
Pour les variables d’entrée et de sortie x1 , x 2 et y nous avons choisi des fonctions d’appartenance
floues de formes triangulaires et trapézoïdales comme le montre la figure (III.5), où les univers de
discours ont été limités à l’intervalle [0,100] pour x1 et [0, 50] pour x 2 et à l’intervalle [0,40] pour la
variable de sortie.
• Les ensembles flous correspondant à x1 seront étiquetés par les labels suivants: A1, A2, A3, et A4.
• Les ensembles flous correspondant à x2 , seront étiquetés par les labels suivants: B1, B2 et B3.
• Les ensembles flous correspondant à y seront étiquetés par les labels suivants: E1, E2 et E3.
• L’ensemble de règle correspondant à ce système est présenté dans le tableau 1, où nous avons
considéré toutes les combinaisons des règles possibles qui peuvent existé. Nous devons noter ici
que ce choix des règles a été fait d’une manière subjective.
Les résultats de simulation pour chacune des méthodes montrées sont présentés dans les figures
suivantes et cela pour une entrée ( x1 , x 2 ) = (50, 20).
Pour la méthode des centres pondérés, les fonctions d’appartenance des conséquences vont être
converties en des fonctions d’appartenance de type singletons (Figure III.6)
Table.III.1 Table des règles.

x1 A1 A2 A3 A4
x2
R1 R4 R7 R10
B1
B2 R2 R5 R8 R11
B3 R3 R6 R9 R12
57
1.2
A1 A2 A3 A4
1
0.8
appartenance
x1
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
univers du dis cours de x 1
(a)
1.2
B1 B2 B3
1
appartenance
0.8
2
x
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
univers du dis c ours de x 2
(b)
1. 2
1 E1 E2 E3
appartenance
0. 8
3
x
0. 6
0. 4
0. 2
0
0 5 10 15 20 25 30 35 40
univers du dis c ours y
de x 3
(c)
Figure.III.5. (a). Ensembles flous de x1 .

(b). Ensembles flous de x 2 .
(c). Ensembles flous de y .
appartenance
Figure.III.6. Fonctions d’appartenance type singletons pour les conséquences.
58
Nous présentons dans la figure (III.7), le résultat de Défuzzification pour la méthode des centres
pondérés. appartenance
Figure.III.7. Défuzzification par la méthode des centres pondérés.
III.6. FONCTIONS DE BASE FLOUES FBF

Selon, un système flou peut être donné par [13] :
M
 n  M
 n

f ( x ) = ∑ y j  ∏ µ A j ( xi )  ∑  ∏ µ Aij
( xi )  (III.21)
j =1  i =1 i
 j =1 i =1 
où y j est le point pour le quel µ B j atteint sa valeur maximale, qui est supposée être unitaire
( µ B j ( y j ) = 1 ).
Généralement, les fonctions d’appartenances µ A j sont des fonctions gaussiennes de la forme :

i
  x − x j 2 
µ A j ( x) = exp  −  i j i   (III.22)
i
  σ i  
où xi j et σ i j sont le centre et l’écart respectivement.
Alors, pour ce choix, le système flou (III.21) devient :

M  n   x − x j 2  M  n   x − x j 2  
f ( x ) = ∑ y ∏ exp  −  i j i   
j
 ∑  ∏ exp  −  i σ j i    (III.23)
 i =1   σ i   j =1  i =1
j =1
      i  
Les fonctions de base floues (FBF) seront donc définies par :

n M n
ϕ j ( x ) = ∏ µ A ( xi )
i =1
i
j ∑∏ µ
j =1 i =1
Aij
( xi ) j = 1, 2,..., M (III.24)
59
où les µ A j ( xi ) sont définies par l'équation (III.22), alors le système flou (III.23) devient équivalent à un
i
développement en FBFs comme suit :

M
f ( x) = ∑ ϕ j ( x)θ j (III.25)
j =1
où θ j = y j .
Des équations (III.25) et (III.21) nous remarquons qu’une FBF correspond à une règle IF-THEN.
Spécifiquement, une FBF d’une règle j peut être déterminée comme suit :
1- calculer le produit de toutes les valeurs d’appartenance antécédentes de la règle j
2- calculer le même produit pour toutes les autres M règles
3- l’FBF de la j éme règle est déterminée en divisant 1 sur la somme de 2
Remarque : Les FBFs dépendent seulement de la partie prémisse.
Exemple 3
 1 2
Pour n = 1 , et en supposant que nous avons quatre règles floues avec µ A j ( x) = exp  − ( x − x j ) 
 2 
où x j = −5, − 1,1,5 pour j = 1, 2, 3, 4 respectivement, alors les FBFs seront données par :
 1 2
4
 1 
ϕ j ( x) = exp  −
 2
( x−x j) 

∑ exp  − 2 ( x − x )
j =1
j 2
 (III.26)
Les FBFs de cet exemple sont illustrées dans la figure (III.8).
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
X
Figure.III.8. Fonctions de Base Floues de l’exemple 3
60
III.7. STRUCTURES DE COMMANDES FLOUES TYPE-1

III.7.1. Commande non adaptative floue type-1
Le contrôleur flou non adaptatif que nous avons développé maintenant utilise le schéma simple
proposé par Mamdani pour les systèmes mono-entrée/mono-sortie. Ce schéma est représenté par la
figure (III.9).
Règles floues * *
e E ∆C em + C em
Ge Fuzzification Défuzzification G∆C
*
Inférence em +
Ω∗ + ∆e z −1
−
Calcul de ∆e
G ∆e ∆E
Ω
Machine asynchrone
Figure.III.9. Schéma synoptique d’un contrôleur flou de vitesse à gain de commande fixe.
D’après le schéma de la figure (III.9), le régulateur flou est composé :

d’un bloc de calcul de la variation de l’erreur ∆e au cours du temps.
des facteurs d’échelles (normalisation) associés à l’erreur (Ge ) , à sa variation (G ∆e ) , et à la
variation de la commande (G∆C* ) .

em
d’un bloc de fuzzification de l’erreur et de sa variation.

de la logique utilisée pour l’évaluation des règles du régulateur flou (inférence).
d’un bloc de défuzzification utilisé pour convertir la variation de la commande floue en une
valeur numérique.
d’un bloc sommateur qui calcul la valeur intégrale de la commande.
Les deux entrées du contrôleur flou sont l’erreur de vitesse et sa variation [22] :
- L’erreur de vitesse notée « e » est définie par :
e = Ω∗ − Ω (III.27)
- La variation de l’erreur de vitesse ∆e est définie par :
∆e = e (t + ∆t ) − e (t ) = e (k + 1) − e (k ) (III.28)
La sortie du régulateur correspond à la variation de la commande ou du couple électromagnétique
*
notée ∆Cem .
61
*
Les trois grandeurs, e, ∆e et ∆Cem sont normalisées comme suit :
E = G e
 e
∆E = G ∆e ∆e (III.29)
 * *
∆C em = G ∆C em* ∆C em
où G e ,G ∆e et G∆C* sont des facteurs d’échelle ou de normalisation, et jouent un rôle déterminant

em
sur les performances statiques et dynamiques de la commande.
(a)
1.2
1
NB NM NS ZO PS PM PB
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
(b)
NVB NB NM NS NVS ZO PVS PS PM PB PVB
1
0.8
0.6
0.4
0.2
0
-3 -2 -1 0 1 2 3
Figure.III.10. Fonctions d'appartenance du régulateur flou

a) : Erreur et la variation de l’erreur
b) : Variation du couple de commande
62
Table.III.2. Table des règles du régulateur flou type-1

Variation de l’erreur
NB NVB NVB NB NM NVS ZO PVS
NM NVB NB NM NS NVS PVS PS
NS NB NM NS NVS ZO PS PM
Erreur ZO NB NS NVS ZO PVS PS PB
PS NM NS ZO PVS PS PM PB
PM NS NVS PVS PS PM PB PVB
PB NVS ZO PVS PM PB PVB PVB
avec
NVB Negative Very Big (Négatif très grand)
NB Negative Big (Négatif grand)
NM Negative Medium (Négatif moyen)
NS Negative Small (Négatif petit)
NVS Negative Very Small (Négatif très petit)
ZO Zero (Zéro)
PVS Positive Very Small (Positif très petit)
PS Positive Small (Positif petit)
PM Positive Medium (Positif moyen)
PB Positive Big (Positif grand)
PVB Positive Very Big (Positif très grand)
La sortie du contrôleur flou est la loi de commande, elle est fonction de l’erreur et de sa
∗ ∗
variation C em = f (e , ∆e ) . Pour un régulateur flou type PI, l’action de commande C em sera
considérée comme une variation de commande, donc, l’action à un moment k + 1 sera l’action
précédente à l’instant k plus une proportion de la variation de commande comme le montre
l’équation (III.30) :
* * *
Cem (k + 1) = Cem (k ) + G∆C* ∆Cem (III.30)
em
63
avec :
*
G∆C* : gain associé à la commande Cem (k + 1) , en général choisi faible pour assurer la stabilité
em
du système, mais dans notre cas il sera auto-ajusté par un mécanisme d’ajustement flou.
*
∆Cem : la variation du couple de commande.
Résultats de simulation
Les fonctions d’appartenance de l’erreur et de sa variation sont choisies identiques de formes
triangulaires et sont définies sur l’intervalle [ −1, 1] comme le montre la figure III.10. Les fonctions
d’appartenance de la variation du couple de commande sont choisies de formes singleton sur

l’intervalle [ −2.5, 2.5] (figure III.10). La table des règles correspondante utilisée pour l’inférence
floue est donnée dans la table 2. Les facteurs d'échelle sont choisis comme suit :
G e = 1 Ω∗

G ∆e = 1 (III.31)
G = 0.9
 ∆C em∗
Trois cas de simulation ont été testés (similairement aux testes réalisés avec le régulateur PI dans le
chapitre (II), à savoir :
Démarrage à vide suivi d’une application de charge

Les résultats de simulation sont donnés dans la figure (III.11) dans laquelle nous
remarquons que nous avons de bonnes performances dynamiques avant et après
l’application de la charge. Le découplage Couple-Flux est assuré, ainsi que nous avons une
très bonne réponse en couple.
Inversion de vitesse avec charge

Après le démarrage à vide de la machine avec une vitesse de référence de 1000 tr / min , on
applique une charge avec Cr = 10 Nm au moment t = 1s . A l'instant t = 2 s on inverse
simultanément le couple de charge ( C r = −10 Nm ) et la vitesse de rotation
64
( −1000 tr / min ). Les réponses de ce teste sont présentées dans la figure (III.12) qui
montre la robustesse de cette commande vis-à-vis la variation du sens de rotation.
Robustesse vis à vis la variation de la résistance rotorique

Une variation paramétrique a été introduite au niveau de la machine dans le but tester la
robustesse de la commande proposée. Pour cela, nous proposons de changer au cours de
fonctionnement de la machine la valeur de sa résistance rotorique. Deux changements sur
R r ont été faits (figures III.13 a et b). La robustesse de cette commande est conservée pour
une variation de 200% de Rr (figure III.13.a), tandis que pour une variation de 400% de
celle ci, on constate que cette commande devient non robuste (perte de découplage, voir
figure III.13. b), ce qui provoquera une instabilité du système et une divergence de la
vitesse de rotation par rapport à la vitesse de référence pour des variations paramétriques
supérieures.
Essai à basse vitesse (zéro vitesse).

Dans cet essai on fait tourner la machine pour deux vitesses de rotations : N = 20 tr / min et
N = −20 tr / min . Les résultats de simulation sont illustrés par la figure (III.14), ou nous
constatons que la qualité de cet essai n'est pas satisfaisante.
65
1200 20
V ites se de rotation N (Tr/m in) 1000 15
Courants Ids , Iqs (A )

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300
Tens ion de com m ande V as (V )

20 200
Couple Cem (N.m )
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III .11. Résultats de simulation lors d'un démarrage à vide suivi
d'une application de charge C r = 10Nm
66
1500 20
1000

10
500
0 0
-500
-10
-1000
-1500 -20
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
30 300

20 200
10
Couple Cem (N.m )
100
0
0
-10
-100
-20
-30 -200
-40 -300
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
1.5 20
15
1
10
Courant Ias (A )
5
0.5
0
-5
0
-10
-0.5 -15
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
Figure III.12. Résultats de simulation lors d'un démarrage à vide suivi d'une inversion de vitesse avec charge.
67
1200 20
1000 15

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300

20 200
Couple Cem (N.m )
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III.13.a. Effet de variation paramétrique ( R r + 200% R r )
68
1500 20
V itess e de rotation N (Tr/m in)
Courants Ids, Iqs (A )

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m )
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
Flux phdr, phqr (W eb)
1 10
Courant Ias (A )
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III. .13.b. Effet de variation paramétrique ( R r + 400% R r )
69
30
20
10
-10
-20
-30
-40
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
20
10
Couple Cem (N.m )
-10
-20
-30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
1.2
1
0.8
0.6
0.4
0.2
-0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III.14. Résultats de simulation lors d'un fonctionnement à basse vitesse
70
III.7.2. Commande adaptative floue type-1

Un régulateur flou est dit adaptatif si l’un ou plusieurs des ses paramètres qu’on peut ajuster
(Gains, fonctions d’appartenances, règles) changent au cours de fonctionnement. Dans le cas contraire
le régulateur est dit non adaptatif ou conventionnel, donc, un régulateur flou adaptatif est un régulateur
dont les paramètres changent au cours du temps. Dans notre cas le gain de commande sera adapté en
temps réel suivant l’état actuel de la machine asynchrone.
Notons que dans les premières études faites sur le contrôle flou, le gain associé à la variation de
commande ( G∆C* ) était pris constant. Cette valeur du gain est prise aussi faible que possible pour
em
éviter le problème d’instabilité. Mais dans des études relativement récentes [23][24], ce gain est pris
variable selon un certain mécanisme d’adaptation floue.
Mécanisme
d’adaptation du Gain
G *
z −1 ∆C em
− ∆e ∗
Régulateur C em Ω
+ Machine
∗ Adaptatif Asynchrone
Ω + e flou
−
Ω
Figure III.15. Schéma synoptique d'un régulateur avec adaptation du gain
La structure de ce régulateur va être considérée comme un PI flou où le gain de commande sera

ajusté en temps réel en fonction des états actuels de la machine. La figure (III.15) montre le schéma
synoptique de ce régulateur dans lequel l’adaptation du gain est assurée par un mécanisme
d’ajustement du gain. Notre objectif ici est d’adapter seulement le gain de sortie en prenant des gains
d’entrées fixes dans le but d’obtenir de meilleures performances en commande. Le schéma bloc de la
structure du régulateur flou proposé pour la machine asynchrone est donné dans la figure (III.16).
Selon la figure (III.16), le gain de commande du contrôleur est modifié par un mécanisme
d’adaptation du gain. Notons bien que l’accumulation de commande prend place en dehors du
régulateur flou et elle n’a pas de relation directe avec les règles.
71
Base de Règles 1
z −1
− ∆E
∆e
Défuzzification
G ∆e ∗
C em
Fuzzification
∗
+ Inférence de la ∆C em G +
commande *
∆Cem
∗
Ω + e E +
Ge
−
Ω Base de données z −1
G
Défuzzification
*
Fuzzification
∆C em
Inférence du gain de
commande
Base de Règles 2
Mécanisme d’adaptation du gain
Machine Asynchrone
Figure III.16. Schéma bloc d'un régulateur à gain adaptatif
Les fonctions d’appartenance de l’erreur et de sa variation sont choisies identiques de formes

triangulaires et sont définies sur l’intervalle [ −1, 1] comme le montre la figure (III.17.a.) Les fonctions
d’appartenance de la variation du couple de commande sont choisies de formes singleton sur

l’intervalle [ −2.5, 2.5] (figure III.17.b). La table des règles correspondante utilisée pour l’inférence de
commande floue est donnée dans la table 2. La table des règles floues correspondante au gain de
commande G∆C* est donnée dans la table 3. Les facteurs d'échelle sont choisis comme suit :
em
G e = 1 Ω∗

G ∆e = 1 (III.32)
G =V ariable
 ∆C em∗
Les résultats de simulation du teste de l’application d’une charge sont présentés dans
la figure (III.18). Les performances dynamiques sont très acceptables. L’évolution du gain de
commande est présentée dans la figure (III.19), où nous constatons l’intervention de ce gain aux
moments où la charge est appliquée, ce qui montre le besoin de faire changer ce gain au cours de
fonctionnement de la machine.
72
(a)
1.2
1
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
(b)
NVB NB NM NS NVS ZO PVS PS PM PB PVB
1
0.8
0.6
0.4
0.2
0
-3 -2 -1 0 1 2 3
(c)
ZO VS S SB MB B VB
1
0.8
0.6
0.4
0.2
0
-1 0 1 2 3 4 5 6
Figure III.17. Fonctions d'appartenance

a): erreur et la variation de l’erreur
b): variation du couple de commande
c): gain de commande
73
Table.III.3. Table des règles du Gain adaptatif

Variation de l’erreur
NB VB VB VB B SB S ZO
NM VB VB B B MB S VS
NS VB MB B VB VS S VS
Erreur ZO S SB MB ZO MB SB S
PS VS S VS VB B MB VB
PM VS S MB B B VB VB
PB ZO S SB B VB VB VB
Tel que :
ZO Zero (Zéro)
VS Very Small (Très petit)
S Small (Petit)
SB Small Big (Petit grand)
MB Medium Big (Moyen grand)
B Big (Grand)
VB Very Big (Très grand)
La figure (III.20) montre les résultats de simulation pour une inversion de sens de rotation de la
machine. Les résultats sont satisfaisons dans les moments où la vitesse est inversée. Le gain de
commande correspondant est présenté dans la figure (III.21).
74
1200 20
1000 15

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300

20 200
Couple Cem (N.m )
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III .18. Résultats de simulation lors d'un démarrage à vide suivi d'une application de charge
2.5
2
aindecommande
1.5
G
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III .19. Évolution du gain de la commande.
75
1500 20
1000

10
500
0 0
-500
-10
-1000
-1500 -20
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
40 300

20 200
Couple Cem (N.m )
100
0
0
-20
-100
-40
-200
-60 -300
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
Figure III.20. Résultats de simulation lors d'un démarrage à vide suivi d'une inversion de vitesse.
2.5
2
Gaindecommande
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Figure III .21. Évolution du gain de la commande
76
1200 20
1000 15

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300

20 200
Couple Cem (N.m )
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III.22. Effet de variation paramétrique ( R r + 200% R r )
2.5
2
Gaindecommande
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III .23 Évolution du gain de la commande.
77
1500 20

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m )
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
1 10
Courant Ias (A )
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure III. .24. Effet de variation paramétrique ( R r + 400% R r )
2.5
2
Gaindecommande
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III .25. Évolution du gain de la commande.
78
30
V ites se de rotation N (Tr/m in) 20
10
-10
-20
-30
-40
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
20
10
Couple Cem (N.m )
-10
-20
-30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
1.2
1
0.8
0.6
0.4
0.2
-0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III.26. Résultats de simulation lors d'un fonctionnement à vitesse faible
80
70
60
50
Gain de commande
40
30
20
10
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure III .27 Évolution du gain de la commande.
79
Pour des variations paramétriques, deux changements sur R r ont été faits (figures III.22 et III.24).
La robustesse de cette commande est conservée pour des variations de 200% de cette résistance
(figure III.22), tandis que pour la variation paramétrique de 400%, on constate que cette commande
devient non robuste (perte de découplage), ce qui provoque une instabilité du système
(figure III.24) et une divergence de la vitesse de rotation par rapport à la vitesse de référence si on
passe à des variations supérieures.
Les résultats du test à basse vitesse (figure III.26) montre la présence de fortes oscillations de
vitesse autour des vitesses de références, ce qui prouve la non robustesse de cette commande vis-à-vis
les basses vitesses.
III.8. CONCLUSION
Ce chapitre a été divisé en trois parties principales. Dans la première partie les notions de base de la
logique floue type-1 ont été présentées, tandis que dans la deuxième partie a traité l’utilisation de la
logique floue à gain fixe comme système de régulation et finalement dans la troisième partie le
principe du régulateur flou adaptatif (auto-ajustable) a été présenté.
Nous avons montré dans ce chapitre la méthode de conception d’un contrôleur PI-flou toute en
détaillant ses modules principaux tels que la Fuzzification, Règles, Inférences, et Déffuzification.
Deux types de contrôleurs flous ont été simulés, le premier est un régulateur flou conventionnel et
le deuxième est un régulateur flou adaptatif (auto-ajustable). Les résultats de simulation ont montré
une robustesse acceptable de ce régulateur surtout du point de vu découplage Couple-Flux lors des
grandes variations paramétriques et les basses vitesses.
Pour améliorer plus nos résultats, et dans le but de prendre en considération les incertitudes
paramétriques, on propose d'utiliser des régulateurs flous type-2 ce qui fera l'objet du chapitre suivant.
80
CHAPITRE IV
COMMANDE FLOUE TYPE-2

IV.1. INTRODUCTION
Le concept des ensembles flous de type-2 a été introduit par Zadeh [25] comme extension du
concept des ensembles flous ordinaires dits ensembles flous type-1. Un ensemble flou type-2 est
caractérisé par une fonction d’appartenance, c-a-d la valeur d’appartenance de chaque élément de
l’ensemble est un nombre flou dans l’intervalle [0,1]. Les ensembles flous type-2 peuvent être utilisés
dans des situations où l’incertitude est présente (par exemple l’incertitude sur la forme des fonctions
d’appartenance) [26]. L’avantage principal de la logique floue type-2 par rapport à la logique floue
type-1 est sa capacité de prendre en compte les incertitudes linguistiques et numériques. Si pour une
certaine variable linguistique x , un opérateur OP1 a proposé 3 fonctions d’appartenance gaussiennes,
un autre opérateur OP2 propose par exemple à son tour 4 fonctions d’appartenance de type
triangulaires, alors on remarque que nous avons une incertitude dans la forme et dans le nombre des
fonctions d’appartenance proposées. Cette problématique ne peut être résolue par la logique floue
type-1. Pour remédier à ce problème, la logique floue type-2 a été proposée dans la littérature.
Ce chapitre sera divisé en quatre parties. Dans la première partie nous allons présenter les principes
de base et le fondement théorique de la théorie de la logique floue type-2. Dans la deuxième partie
nous proposons d’effectuer une commande simple à base de logique floue type-2. Le régulateur flou
type-2 adaptatif sera présenté dans la troisième partie et enfin dans la quatrième partie en donne une
comparaison entre toutes les méthodes déjà présentées.
81
Chapitre IV : Commande floue type-2 de la machine asynchrone
IV.2. TERMINOLOGIE DE LA LOGIQUE FLOUE TYPE-2

• Définition 1
Un ensemble flou type-2, noté A% est caractérisé par une fonction d’appartenance tridimensionnelle,
µ A% ( x, u ) , c-a-d:
A% = ∫ x∈X ∫ u∈J x µ A% ( x, u ) /( x, u ) J x ⊆ [ 0,1] (IV.1)
où ∫ ∫ dénote l’union de tous les éléments du produit cartésien sur x et u avec 0 ≤ µ A% ( x, u ) ≤ 1.
À chaque point fixe x de X , J x est l’appartenance primaire de x , et x est appelé variable

primaire.
• Définition 2
A chaque valeur de x , notée x = x′ , le plan 2 dimensionnel dont les axes sont u et µ A% ( x′, u ) est
appelé tranche verticale (vertical slice) de µ A% ( x, u ) . Une fonction d’appartenance secondaire est une
tranche verticale de µ A% ( x, u ) .
Donc pour x′ ∈ X et ∀u ∈ J x′ ⊆ [ 0,1] , on a:
µ A% ( x = x′, u ) µ A% ( x′) = ∫ u∈J f x′ (u ) / u

x′
J x′ ⊆ [ 0,1] (IV.2)
où 0 ≤ f x′ (u ) ≤ 1. Puisque ∀x′ , ce x′ va appartenir à X , c-a-d x′ ∈ X , alors nous notons la
fonction d’appartenance secondaire par µ A% ( x) qui est un fonction d’appartenance flou type-1.
En se basant sur le concept des ensembles secondaires, on peut réinterpréter un ensemble flou
type-2 comme l’union de tous les ensembles secondaire, c-a-d , en utilisant l’équation (IV.2), on peut
écrire A% sous la forme suivante :
A% = {( x, µ A% ( x)) / ∀x ∈ X } (IV.3)
où sous la forme
A% = ∫ x∈X µ A% ( x) / x = ∫ x∈X  ∫ u∈J x f x (u ) / u  x J x ⊆ [ 0,1] (IV.4)
On représente sur la Figure (IV.1) les grandeurs floues déjà expliqués, voir [26][27][28].
• Définition 3
Le domaine de la fonction d’appartenance secondaire est appelé appartenance primaire de x noté
J x telle que J x ⊆ [ 0,1] ∀x ∈ X
• Définition 4
L’amplitude de la fonction d’appartenance secondaire est appelée degré d’appartenance secondaire
noté f x (u ).
82
• Définition 5
Un ensemble flou type-2 intervalle est un ensemble flou type-2 dont tous les fonctions
d’appartenance secondaires sont des ensembles type-1 de formes intervalles, c-a-d
f x (u ) = 1, ∀u ∈ J x ⊆ [ 0,1] , ∀x ∈ X .
Les ensembles flous type-2 intervalle reflètent l’uniformité de l’incertitude au niveau de la

fonction d’appartenance primaire, ce type de fonctions d’appartenance est le plus souvent utilisé dans
les systèmes flous type-2. Notons que ce type de fonctions d’appartenance est représenté seulement par
ses domaines (intervalles), qui peuvent être exprimés en terme des bornes de gauches et de droites
[l , r ] ou par leurs centres et largeurs [ c-s,c+s] où c = (l + r ) 2 et s = (r − l ) 2 .
µ (x)
1
0.8
(a) 0.6
0.4
0.2
0 1 2 3 4 5 6 7 8 9 x
1
µ ( 4)
0.8
0.6
(b)
0.4
0.2
0 0.2 0.4 0.6 0.8 1

Figure.IV.1. Représentation schématique d'un ensemble flou type-2 gaussien.
(a) Appartenance primaire.
(b) Appartenance secondaire.
83
• Définition 6
Supposons que chaque fonction d’appartenance secondaire d’un ensemble flou type-2 possède un
seul degré d’appartenance unitaire. On définit alors une fonction d’appartenance principale comme
l’union de tous ces points :
u principale ( x) = ∫ x∈X u / x où f x (u ) = 1 (IV.5)
Pour un ensemble flou type-2 intervalle, nous définissons la fonction d’appartenance principale
comme étant l’union de toutes les valeurs d’appartenance moyennes de la fonction d’appartenance
primaire. Notons que lorsque l’incertitude des fonctions d’appartenance disparaît, la fonction
d’appartenance d’un ensemble flou type-2 se réduit à la fonction d’appartenance principale.
µ ( x)
1
0.8
(a)
0.6
0.4
0.2
0 0.2 0.4 0.6 0.65 0.8 1 x
1 µ (0.65)
0.8
(b) 0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1
Figure.IV.2. Représentation schématique d'un ensemble flou type-2 intervalle.

(c) Appartenance primaire.
(d) Appartenance secondaire.
84
• Définition 7
L’incertitude dans un ensemble flou type-2 A% est représentée par une région bornée appelée
«Footprint Of Uncertainty » FOU . C’est l’union de toutes les appartenances primaires:
FOU ( A% ) = U x∈X J x (IV.6)
• Définition 8
Fonction d’appartenance supérieur et fonction d’appartenance inférieur sont des fonction
d’appartenance de type-1 et sont les frontières du FOU d’un ensemble flou A% type-2.
La fonction d’appartenance supérieure sera notée par u A% ( x) ∀x ∈ X , et la fonction d’appartenance
inférieure sera notée par u A% ( x) ∀x ∈ X , alors nous avons :
µ A% ( x) = FOU ( A% ) ∀x ∈ X (IV.7)
et
µ A% ( x) = FOU ( A% ) ∀x ∈ X (IV.8)
IV. 3. OPERATIONS SUR LES ENSEMBLES FLOUS TYPE-2

Les degrés d’appartenance des ensembles flous type-2 sont des ensembles type-1 ; par conséquent,
pour effectuer des opérations telles que l’union et l’intersection sur les ensembles type- 2, nous devons
faire appel aux opérations t-conorm et t-norm sur des ensembles de type-1. Cela est réalisable en
utilisant le principe d’extension de Zadeh [25][26][27][29].
Une opération '' ∗ '' entre deux nombres ordinaires peut être étendue à deux ensembles type-1:
F = ∫ v f (v ) / v (IV.9)
et
G = ∫ w g ( w) / w (IV.10)
de la façon suivante:
F ∗ G = ∫ ∫ [ f (v) • g ( w) ] (v ∗ w) (IV.11)
v w
où '' • '' est une t-norm, généralement c’est une opération produit ou opération min [26] ; par
exemple, l’extension de la t-conorm aux ensembles de type-1 est donnée par:
F ∪ G = ∫ ∫ [ f (v) • g ( w)] (v ∨ w) (IV.12)
v w
Similairement, l’extension de la t-norm aux ensembles type-1 sera donnée par:

F ∩ G = ∫ ∫ [ f ( v ) • g (v ) ] (v ∧ w) (IV.13)
v w
85
Exemple 1
Soit F et G deux ensembles type-1 intervalle sur les domaines [ l f , rf ] et [ lg , rg ],
respectivement.
En utilisant (IV.13), l’intersection entre F et G est obtenue comme suite :
F ∩G = ∫ ∫
v∈F w∈G
(1× 1) (vw) (IV.14)
De cette équation nous observons:

chaque terme de F ∩ G est égale au produit vw , avec le plus petit terme l f l g et le plus grand
rf rg
puisque F et G possèdent des intervalles continus, alors F ∩ G possède aussi un domaine

continu, par conséquent F ∩ G est un ensemble type-1 intervalle avec le domaine [ l f lg , rf rg ],
c-a-d :
F ∩ G = ∫ u∈l 1/ u (IV.15)
 f l g , r f rg 
n
D’une façon plus générale, l’intersection IF i de n ensembles type-1 intervalle F1 ,..., Fn ayant les
i =1
 n n

domaines [ l1 , r1 ] ,… , [ ln , rn ], respectivement, est un ensemble intervalle sur le domaine ∏ li , ∏ ri  .
 i =1 i =1 
Des opérations algébriques entre les ensembles type-1 peuvent aussi être définies en utilisant
l'équation (IV.2), comme par exemple la somme de F et G :
F + G = ∫ ∫ [ f (v) • g ( w)] (v + w) (IV.16)

v w
En utilisant le même raisonnement vu dans l’exemple précédent, on peut démontrer que lorsque
F et G sont des ensembles type-1 intervalle, alors leur somme est aussi un ensemble type-1 intervalle
sur le domaine [ l f + l g , rf + rg ][26][29].
En utilisant le principe d’extension [25], une opération sur n valeurs ordinaires f (θ1 ,..., θ n ) peut
être étendue à une opération sur n ensembles flous type-1 F1 ,..., Fn :
f ( F1 ,..., Fn ) = ∫θ1 ... ∫θn µ F1 (θ1 ) ∗ ... ∗ µ Fn (θ n ) / f (θ1 ,...,θ n ) (IV.17)
où tous les intégrales dénotes des unions logiques, et θi ∈ Fi pour i = 1,..., n .

Nous allons dans la suite définir le concept de centroïde d’un ensemble flou type-2 en utilisant la
formule (IV.17), cette notion est très importante dans les systèmes floue type-2.
Rappelons qu’un centroïde d’un ensemble flou A type-1, dont le domaine est discrétisé en N
valeurs est donné par:
86
N N
C A = ∑ xi µ A ( xi ) ∑µ A ( xi ) (IV.18)
i =1 i =1
Similairement, le centroïde d’un ensemble flou A% type-2 dont le domaine est discrétisé en N
points, peut être défini en utilisant l’équation (IV.17) comme suit. Si on pose Di = µ A% ( xi ), alors :
N
∑ xθ i i
C A% = ∫ L ∫ [ µ D1 (θ1 ) *L * µ DN (θ N )] / i =1
N
(IV.19)
θ1 θN
∑θ
i =1
i
où θi ∈ Di .
L’équation (IV.19) veut dire : chaque point xi de A% possède un degré d’appartenance de type-1
(c-a-d son degré d’appartenance est une fonction d’appartenance de type-1) noté Di = µ A% ( xi ). Pour
trouver le centroïde, nous considérons chaque combinaison possible {θ1 ,...,θ N } tel que θi ∈ Di . Pour
chaque telle combinaison, nous calculons un centroïde de type-1 en utilisant la formule (IV.18) en
remplaçant chaque µ A ( xi ) par θi , et à chaque point centroïde, nous allons associer un degré
d’appartenance égale à la t-norm des degrés d’appartenances des θi aux Di . Si plus d’une
combinaison des θi nous donne le même point dans le centroïde, on garde le point possédant le plus
grand degré d’appartenance. Chaque combinaison {θ1 ,...,θ N } , ( θi ∈ Di ), considérée lorsque nous
calculons C A% , peut être vue comme une fonction d’appartenance d’un certain ensemble flou A′ de
type-1 possédant le même domaine que A% . Nous appelons A′ un ensemble flou type-1 encastré dans
A% (Figure.IV.3) [26][28].
1 1
0.8 0.8
(a) 0.6 (b)
0.6
0.4 0.4
0.2 0.2
0
0.39855 0.60145
0.4 0.6
Figure.IV.3. Vue approfondie d'un ensemble flou type-2 intervalle.

(a) Ensemble flou type-2 intervalle.
(b) Centroïde de l’ensemble flou type-2 représenté dans (a).
87
Chaque ensemble type-1 encastré possède aussi un point qui est calculé comme la t-norm des
degrés d’appartenance secondaires correspondant à {θ1 ,...,θ N } .
Alors, un ensemble flou type-2 peut être vu comme une large collection d’ensembles type-1
encastrés, dont chacun possède son poids associé. Le centroïde de cet ensemble flou type-2, C A% est par
conséquent un ensemble type-1 dont les éléments sont les centroïdes de tous les ensembles encastrés
de type-1 dans A% , leurs degrés d’appartenance sont les poids associés aux ensembles encastrés
correspondants. Le calcul du centroïde se simplifie beaucoup lorsque A% est un ensemble type-2
intervalle.
Dans ce cas, si A est un ensemble type-2 intervalle, alors l'équation (IV.19) sera simplifiée à:
N
∑ xθ i i
C A% = ∫ ...∫ 1 i =1
N
(IV.20)
θ1 θN
∑θ
i =1
i
où chaque θi appartient à un certain intervalle dans [0,1].
Observons que si le domaine de A% ou de µ A% ( x) ( x ∈ A% ) est continu, alors le domaine de C A% est
aussi continu. Le nombre de tous les ensembles type-1 encastrés dans A% est infini, par conséquent, les
domaines de A% et chaque µ A% ( x) ( x ∈ A% ) doivent être discrétisés pour le calcul de C A% . Nous
remarquons de l'équation (IV.19) que si le domaine de chaque Dl est discrétisé en M points, le
nombre des combinaisons {θ1 ,...,θ N } possibles sera M N , qui est un nombre très grand même pour M
et N petits.
Si, par conséquent les fonctions des Dl ont une structure régulière (exp: ensemble type-1 intervalle,
gaussiennes, triangulaires), on peut obtenir avec exactitude ou approximativement le centroïde sans
réaliser tous les calculs.
L’ensemble type-1 réduit d’un ensemble flou type-2 est le centroïde de l’ensemble flou type-2 du
FLS ; par conséquent, chaque élément de l’ensemble de type réduit est un centroïde d’un certain
ensemble encastré type-1[26][28].
IV.4. SYSTEMES FLOUS TYPE-2

La figure (IV.4) montre la structure de base d’un système flou de type-2. Elle est très similaire à la
structure d’un système flou de type-1[30].
88
Système flou type-2
Traitement de
Règles sortie
Sortie non floue
Défuzzificateur
y = f ( x) ∈ Y
Entrée
Non floue
Fuzzificateur
x∈ X Réduction de type
Ensemble
flou de type
réduit
Inférence
Ensembles flous Ensembles flous
d’entrée de sortie
Figure.IV.4. Structure d’un système flou type-2.
Pour un système FLS de type-1, le block traitement de sortie se réduit seulement à la

défuzzification. Quand une entrée est appliquée à un FLS de type-1, le mécanisme d’inférence calcul
un ensemble flou de sortie type-1 correspondant à chaque règle. La défuzzification calcul alors une
sortie réelle à partir de ces ensembles flous délivrés par chaque règle [21]. Pour un système flou
type-2, chaque ensemble de sortie d’une règle est de type-2 (Figure.IV.5 (a)). Dans ce contexte, on
trouve des versions généralisées des méthodes de défuzzification qui peuvent nous fournir un
ensemble de type-1 à partir des ensembles de sorties de type-2. On appelle cette opération «Réduction
de type » au lieu de défuzzification [26][28][31], et on appelle l’ensemble résultant de type-1
« Ensemble réduit » (Figure. IV.5 (b)). Le défuzzificateur dans un système flou type-2 peut alors
défuzzifier l’ensemble réduit pour obtenir une sortie ordinaire non floue (Figure.IV.5 (c)) pour le
système flou type-2.
Ce traitement de sortie est clairement illustré dans la figure (IV.5).
(a) (b) (c)

1 1 1
B% Y y0
0.8 0.8 0.8
0.6 0.6 0.6
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
y y y
Figure.IV.5. Opérations du traitement de sortie d’un système flou type-2

(a) Ensemble flou type-2.
(b) Ensemble flou type-1.
(c) Singleton.
89
Un fuzzificateur projette une entrée ordinaire non floue en des ensembles flous. Ces ensembles flous
peuvent en général être de type-2, par conséquent, nous allons considérer dans notre mémoire une
fuzzification de type singleton pour la quelle l’entrée floue à un seul point dont la valeur
d’appartenance est non nulle.
Pour illustrer la différence entre un système flou de type-1 et un autre de type-2, nous allons
d’abord rappeler quelques notations :
IV.4.1. Système flou type-1

Soit un système flou type-1 à p-entrées et une seule sortie utilisant une fuzzification de type
singleton et une défuzzification de type centre de masses [18] et des règles de type IF-THEN de la
forme:
R l : IF x 1 is F1l and x 2 is F2l and ... x p is Fpl , THEN y is G l (IV.21)
Quand une entrée singleton x′ = { x1′, x2′ ,..., x′p } se présente, le degré d’activation correspondant à
une règle l sera calculé comme suit:

µ F ( x1′) ∗ µ F ( x2′ ) ∗ ... ∗ µ F ( x′p ) = ℑip=1µ F ( xi′)
l l l l (IV.22)
1 2 p i
où '' ∗ '' et ℑ indiquent la t-norm choisie. Dans la littérature il existe plusieurs types de
défuzzifications. Dans ce mémoire nous allons se contenter d’utiliser la défuzzification de type centre
de gravité [21]. Elle concerne à calculer une sortie réelle en calculant d’abord le centroïde CGl de
chaque ensemble de sortie G l , ensuite calculer la moyenne pondérée de ces centroïdes. Le poids
correspondant à la l ième conséquence d’une règle est le degré d’activation associé avec cette règle,
ℑip=1µ F l ( xi′) , donc :
i
∑c
l =1
Gl
ℑip=1µ F l ( xi′)
i
ycos ( x′) = M
(IV.23)
∑ℑ
l =1
p
i =1 µ F ( xi′)
i
l
où M est le nombre de règle dans le système flou.
IV.4.2. Système flou type-2

Considérons maintenant un système flou de type-2 utilisant une fuzzification de type singleton,
une réduction de type centre de gravité [26][27] et des règles de la forme:
R l : IF x 1 is F%1l and x 2 is F%2l and ... x p is F%pl , THEN y is G% l (IV.24)
Notons que ce n’est pas nécessaire que tous les ensembles flous des antécédents et des
conséquences de l'équation (IV.24) soient de type-2, pour que le système flou soit de type-2. Donc, il
90
suffit qu’un seul ensemble de l’antécédent ou de la conséquence soit de type-2, alors tout le système
flou soit de type-2. Quand une entrée x′ = { x1′, x2′ ,..., x′p } se présente, le mécanisme d’inférence calcule
le degré d’activation de chaque règle en utilisant l’opération d’intersection définie dans (IV.13) entre
les degrés d’appartenance de l’antécédent de chaque règle. Le degré d’activation correspondant à la
l ième règle est alors :
µ F% ( x1′) ∩ µ F% ( x2′ ) ∩ ... ∩ µ F% ( x′p ) = ∏ip=1 µ F% ( xi′)
l l l l (IV.25)
1 2 p i
Le centre de gravité de type-réduit, a besoin du centroïde de la conséquence de chaque règle. Une

fois tous les centroïdes des conséquences sont calculés, le centre de gravité de type réduit sera calculé
en utilisant la version étendu de l'équation (IV.23):
M
∑y l
fl
Ycos ( x′) = ∫ 1 ...∫ M ∫ ...∫
M l M
ℑ µC l ( y ) ∗ ℑ µ F l ( f l )
l =1 l =1
l =1
M
(IV.26)
y y f1 fM
∑f
l =1
l
où ℑ et ∗ indiquent la t-norm choisie ; y l ∈ C l = CG% l le centroïde du l ième ensemble conséquence ; et

p
f l ∈ F l = ∏ µ F% l ( xi′) le degré d’activation associé au l ième ensemble conséquence, pour l = 1, 2,..., M .
i
i =1
Une valeur réelle de sortie est obtenue en calculant le centroïde de Ycos ( x′) .
L’ensemble de type réduit d’un système flou type-2 montre la variation possible de la valeur réelle
de sortie due à la nature incertaine des fonctions d’appartenance antécédentes ou conséquences. Il
établit une bande de valeurs autour d’une valeur de sortie réelle. Un système flou de type-2 est très
difficile à réaliser, mais les choses se simplifient beaucoup quand les fonctions d’appartenance
secondaires sont de type intervalles [32][33][34].
Théorème
Dans un système flou type-2 intervalle, avec une t-norm min ou prod, l’intervalle d’activation
Fl  f l , f l  de la l ième règle est:
f l = µ F% l ( x1 ) ∗ µ F% l ( x2 ) ∗ ... ∗ µ F% l ( x p ) (IV.27)
1 2 p
et
f l = µ F% l ( x1 ) ∗ µ F% l ( x2 ) ∗ ... ∗ µ F% l ( x p ) (IV.28)
1 2 p
Ceci est clairement représenté sur la figure (IV.6), où le nombre d’antécédents est p=2. Dans ce
cas, le degré d’activation est un ensemble type-1 intervalle,  f l , f l  , où:
91
f l = f1l ∗ f 2l (IV.29)
et
f l = f1l ∗ f 2l (IV.30)
f1l
f1l Min fl
ou
Prod
Min fl
ou
x1 Prod
f 2l
f 2l
x2
Figure.IV.6. Opérations d’entrée d’un système flou type-2 avec fuzzification type singleton
IV.5. REDUCTION DE TYPE ET DEFUZZIFICATION

Un système flou type-2 est très compliqué à cause de la réduction de type. La formule générale du
calcul de cet ensemble de type réduit est la suivante:
M
∑w z l l
Y ( Z1 ,..., Z M , W1 ,..., WM ) = ∫ 1 ...∫ M ∫ ...∫ ℑ µ Zl ( zl ) ∗ ℑ µ ( wl )
M
l =1
M
l =1 Wl
l =1
M
(IV.31)
z z w1 wM
∑w
l =1
l
où ℑ et ∗ indiquent les t-norms utilisées (prod ou min), wl ∈ Wl et zl ∈ Z l pour l = 1, 2,..., M

Les choses se simplifient beaucoup lorsque les fonctions d’appartenance secondaires sont de type
intervalle [26][32]. Dans notre mémoire nous allons s’intéresser à la réduction de type pour les
systèmes flous type-2 intervalle, dans ce cas nous n’allons pas considérer toutes les combinaisons de
zl et de wl .
Pour un système type-2 intervalle, chaque zl et wl ( l = 1, 2,..., M ) dans l'équation (IV.31) est un
ensemble type-1 intervalle, par conséquent nous avons µ Zl ( zl ) = µWl ( wl ) = 1 , donc l'équation (IV.31)
devient :
92
∑w z l l
Y ( Z1 ,..., Z M , W1 ,..., WM ) = ∫ 1 ...∫ M ∫ ...∫ 1 l =1
M
z z w1 wM
(IV.32)
∑w
l =1
l
= [ yl , yr ]
M M
Alors, dans ce cas il nous suffit de calculer seulement l’expression ∑ wl zl
l =1
∑w
l =1
l , puisque tous
les degrés d’appartenance dans un ensemble type-1 intervalle sont ordinaires, alors nous allons dans la
suite représenter un intervalle seulement par ses limites gauche et droite [l , r ] ou par son centre et
l+r r −l
largeur c = et s = respectivement.
2 2
Dans un système flou type-2, chaque zl dans l'équation (IV.32) est un ensemble type-1 intervalle
de centre cl et de largeur sl ( sl ≥ 0 ) et chaque Wl est un ensemble type-1 intervalle de centre hl et de
largeur ∆l , ( ∆ l ≥ 0 ) (on suppose que hl ≥ ∆ l , par conséquence wl ≥ 0 pour l = 1, 2,..., M ). Y est aussi
un ensemble type-1 intervalle, donc nous avons seulement besoin de calculer les deux points extrêmes
yl et yr . Comme il est montré dans [26], yl dépend seulement de cl − sl et de l’un des deux points
extrêmes de Wl , yr dépend seulement de cl + sl et sur l’un des deux points extrêmes de Wl . Dans ce
qui suit, nous allons citer une procédure itérative pour calculer yl et yr [26][28][32].
Posons :
M M
S (W1 ,..., WM ) ∑z w ∑w
l =1
l l
l =1
l (IV.33)
où wl ∈ [ hl − ∆l , hl + ∆l ] et hl ≥ ∆ l pour l = 1, 2,..., M et zl ∈ [ cl − sl , cl + sl ] . Le maximum de S , yr est
obtenu comme suit. On pose zl = cl + sl ( l = 1, 2,..., M ) et en supposant que les zl sont arrangés dans
l’ordre croissant, c-a-d , z1 ≤ z2 ≤ ... ≤ z M . Alors :
1. posons wl = hl pour l = 1, 2,..., M et calculons S ′ = S (h1 ,..., hM ) en utilisant l'équation (IV.33).
2. trouver K ( 1 ≤ K ≤ M − 1 ) tel que z K ≤ S ′ ≤ z K +1
3. poser wl = hl − ∆ l pour l≤K et wl = hl + ∆l pour l ≥ K +1 et calculer
S ′′ = S (h1 − ∆1 ,..., hK − ∆ K , hK +1 + ∆ K +1 ,..., hM + ∆ M ) en utilisant l'équation (IV.33).
4. vérifier si S ′′ = S ′ ; si oui, arrêter. S ′′ est la valeur maximale de S (W1 ,..., WM ) ; si non,
aller à l’étape 5.
5. poser S ′ = S ′′ ; aller à l’étape 2.
Il a été démontré que cette procédure itérative converge dans M itérations au maximum, où une
itération est le passage de l’étape 2 à l’étape 5.
93
Le minimum de S (W1 ,..., WM ) peut être obtenu en utilisant la même procédure juste citée.
Seulement deux changements doivent être faits :

nous devons mettre zl = cl − sl pour l = 1, 2,..., M .
dans l’étape 3 nous devons poser wl = hl + ∆l pour l ≤ K et wl = hl − ∆ l pour l ≥ K + 1 et
calculer S ′′ = S (h1 + ∆1 ,..., hK + ∆ K , hK +1 − ∆ K +1 ,..., hM − ∆ M ) .
Dans ce qui suit, nous allons présenter deux exemples expliquant comment cet algorithme va être
utilisé dans la réduction de type d’un centroïde de type-2 (centre de gravité type-2) et comment il va
être utilisé dans un système flou type-2.
Exemple 2
Dans cet exemple, nous allons calculer la réduction de type pour les trois ensembles flous type-2
intervalle, notés par A%1 , A%2 et A%3 , représentés dans la Figure.7 et donnés par :
  x−2 
2
  x−2 
2
A 1= 0.75 exp  −0.5    ; A 1= exp  −0.5   

  1.2     1.2  
 
(
A 2 = 0.75exp −0.5 ( x − 6 ) ) 2
; (
A 2 = e xp −0.5 ( x − 6 ) ) 2
A = 0.75exp ( −0.5 ( x − 9 ) ) A = exp ( −0.5 ( x − 9 ) )

2 2
3 ; 3
Les résultats sont présentés dans le tableau 1 où chaque ensemble intervalle de type réduit est
représenté par son centre et sa largeur [28].
Table 1. Résultats de réduction de type de l’exemple 2

Centre Largeur
Ensemble A%1 2.1356 [2.0099 2.2612]
Ensemble A% 2 6.0000 [5.8853 6.1147]
Ensemble A%3 9 [8.8853 9.1147]
94
A%1
0 .9
0 .8
0 .7
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3 4 5 6 7 8 9
x 10
0 .9
A% 2
0 .8
0 .7
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3 4 5 6 7 8 9 10
x
1
0 .9
0 .8
0 .7
A%3
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3 4 5 6 7 8 9 10
x
Figure.IV.7. Fonctions d’appartenance floue type-2 définies dans l’exemple 2
Exemple 3
Dans cet exemple nous allons présenter l’utilisation da la méthode de réduction de type pour un
système flou type-2 intervalle. Nous considérons un système flou type-2 mono variable dont les règles
ont la forme suivante : R (l ) : IF x is F% (l ) , THEN y is G% (l ) où x et y ∈ [ 0, 10] . On représente dans la
figure (VI.8.a et b) les ensembles flous antécédents et conséquences. Le FOU est uniformément
hachuré ce qui veut dire que ces ensembles flous sont de type-2 intervalle. Chacun de ces ensembles
peut être décrit par deux gaussiennes possédant la même valeur moyenne et le même écart, par contre
ils ont des amplitudes différentes. La valeur maximale atteinte par la gaussienne la plus élevée est
l’unité, tandis que la valeur minimale atteinte par les gaussiennes est s . Si la valeur minimale et l’écart
95
d’une gaussienne sont m et σ , respectivement, alors la valeur d’appartenance correspondante à une

   x ′−m  
2
  x ′ − m  
2
entrée x est un intervalle s .exp  −0.5 

′   exp  −0.5     . Les valeurs m pour
  σ    σ   
  
chaque ensemble flou antécédent F% 1 , F% 2 et F% 3 sont 2, 5 et 8, respectivement. Les valeurs σ sont 1, 1,
et 1, respectivement. Les valeurs s sont 0.8, 0.6 et 0.9, respectivement. Pour les trois ensembles flous
des conséquences G% 1 , G% 2 et G% 3 les valeurs m sont 6, 2 et 9, respectivement. Les valeurs σ sont 1,
1.2, et 1, respectivement. Les valeurs s sont 0.75, 0.75 et 0.8, respectivement.
L’entrée x = 4 appliquée est représentée sur la figure. (IV.8). Elle a des appartenances non nulles
dans les deux antécédents F% 1 et F% 2 , par conséquent, deux règles sont activées. Le résultat de réduction
de type de cet exemple est donné par les deux bornes de l’intervalle type-1 suivant : [2.5996 3.3097]
dont la valeur moyenne est 2.9546.
0 .8
0 .6
0 .4 F% 1 F% 2 F% 3
0 .2
0
0 1 2 3 4 5 6 7 8 9 10
x=4 x
(a)
1
0 .8
0 .6
0 .4
G% 2 G% 1 G% 3
0 .2
0
0 1 2 3 4 5 6 7 8 9 10
y
(b)
Figure.IV.8. Fonctions d’appartenance floue type-2 définies dans l’exemple 3.

(a) Fonctions antécédentes.
(b) Fonctions conséquences.
96
IV.6. STRUCTURES DE COMMANDES FLOUES TYPE-2

Les structures de commande que nous allons utilisé dans ce qui suit seront les mêmes que celles
développées dans le chapitre trois à l’exception que les systèmes flous types-1 seront remplacés par
des systèmes flous types-2.
IV.6.1. Commande non adaptative floue type-2

Le contrôleur flou non adaptatif utilisé sera schématisé par la figure (VI.9) suivante :
*
Base de Règles ∆C em
E *
e Fuzzificateur + C em
Ge type-2 Defuzzificateur G∆C *
em
+
Ω∗ + ∆e Réducteur
−
Calcul de ∆e
G ∆e ∆E de type z −1
Ω Inférence
Ensembles flous type-2
Ensembles flous
type-2 d’entrée
type-2 de sortie
Machine asynchrone
Figure.IV.9. Schéma synoptique d’un contrôleur flou type-2 de vitesse à gain de commande fixe.
Le régulateur flou type-2 de la figure (IV.9) est composé :

d’un bloc de calcul de la variation de l’erreur ∆e au cours du temps.
des facteurs d’échelles (normalisation) associé à l’erreur (Ge ) , à sa variation (G ∆e ) , et à la
variation de la commande (G∆C* ) .

em
d’un bloc de fuzzification floue type-2 de l’erreur et de sa variation.

d’une logique d’inférence type-2
d’un bloc de réduction de type du type-2 vers le type-1.
d’un bloc de défuzzification utilisé pour convertir la variation de la commande floue type-1
en une valeur numérique.
d’un bloc sommateur qui calcul la valeur intégrale de la commande.
97
(a)
1.2
1
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
(b)
1.2
1
0.8
0.6
0.4
0.2
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Figure.IV.10. Fonctions d'appartenance du régulateur flou type-2

(a) Fonctions d’appartenance floues type-2 de l’erreur et la variation de l’erreur
(b) Fonctions d’appartenance intervalle de la variation du couple de commande
Résultats de simulation
Les fonctions d’appartenance type-2 de l’erreur et de sa variation sont choisies identiques de formes
Gaussiennes et sont définies sur l’intervalle [ −1, 1] comme le montre la figure (IV.10.a). Les
fonctions d’appartenance type-2 de la variation du couple de commande sont choisies de formes

intervalles sur l’intervalle [ −9, 9] (figure IV.10.b). Les facteurs d'échelle sont choisis comme suit :
98
G e = 1 Ω∗

G ∆e = 1 (IV.34)
G = 0.9
 ∆C em∗
Trois cas de simulation ont été testés (similairement aux chapitres II et III)
Démarrage à vide suivi d’une application de charge

Les résultats de ce teste sont présentés dans la figure (IV.11). On constate que nous avons
de bonnes performances dynamiques avant et après l’application de la perturbation de
charge. Le découplage Couple-Flux est toujours réalisé, ainsi que nous avons une très
bonne réponse en couple.
Inversion de vitesse avec charge
Les résultats de simulation de ce teste sont présentés dans la figure (IV.12) qui montre la
robustesse de cette commande vis-à-vis la variation du sens de rotation.
Robustesse vis à vis la variation de la résistance rotorique
Comme dans les chapitres II et III, deux changements sur Rr ont été faits (figures IV.13.a et
b). Nous constatons que malgré les grandes variations paramétriques, la commande reste
toujours robuste (découplage toujours assuré).
Essai à basse vitesse (zéro vitesse).
Dans cet essai on fait tourner la machine pour deux vitesses de rotations : N = 20 tr / min
et N = −20 tr / min . Les résultats de simulation sont illustrés par la figure (IV.14). On note
que la qualité de cet essai n'est pas trop satisfaisante.
99
1200 20
1000 15
Courants Ids , Iqs (A)

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s
30 300

20 200
Couple Cem (N.m )
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s Temps (s
1.5 15
10
1
Courant Ias (A )
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s Temps (s
Figure IV .11. Résultats pour un démarrage à vide suivi d'une application de charge C r = 10N .m
100
1500 20
1000 10
Courants Ids , Iqs (A)

500
0
0
-10
-500
-20
-1000
-1500 -30
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
40 300

20 200
Couple Cem (N.m )
100
0
0
-20
-100
-40
-200
-60 -300
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
1.5 20
15
1
10
Courant Ias (A )
5
0.5
0
-5
0
-10
-0.5 -15
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
Figure IV.12. Résultats pour un démarrage à vide suivi d'une inversion de vitesse avec charge
101
1500 20

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m )
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
1 10
Courant Ias (A )
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) t(s)
Figure IV.13.a. Effet de variation paramétrique ( R r + 200% R r )
102
1500 20

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m )
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
1 10
Courant Ias (A )
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure IV. .13.b. Effet de variation paramétrique ( R r + 400% R r )
103
40
20
-20
-40
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
20
10
Couple Cem (N.m )
-10
-20
-30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
1.2
1
0.8
0.6
0.4
0.2
-0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure IV.14. Résultats d'un fonctionnement à basse vitesse
104
IV.6.2. Commande adaptative floue type-2

Dans cette section, le gain de commande du contrôleur est modifié par un mécanisme d’adaptation
du gain. Notons bien que l’accumulation de commande prend place en dehors du régulateur flou et elle
n’a pas de relation directe avec les règles.
Le régulateur proposé est un PI flou type-2 avec un gain de commande adaptatif dont l’ajustement
sera fait en temps réel en fonction des états actuels de la machine. La figure (IV.15) présente le schéma
de ce régulateur dans lequel l’adaptation du gain est assurée par un mécanisme d’ajustement du gain
basé sur la logique floue type-2. L’objectif sera d’adapter le gain de sortie en prenant des gains
d’entrées fixes.
Base de Règles 1
z −1
− ∆e ∆E
G ∆e ∗
Défuzzification
C em
Fuzzification
Réduction
+ Inférence Type-2 ∆C +
de Type
G
Type-2
em
de la commande *
∆Cem
∗
Ω + e E +
Ge
−
Ω Base de données
z −1
Défuzzification
G
Fuzzification
*
Réduction
Inférence Type-2 ∆C em
de Type
Type-2
du gain de commande
Base de Règles 2
Mécanisme d’adaptation du gain
MAS
Figure.IV.15. Schéma synoptique d’un contrôleur flou type-2 de vitesse à gain adaptatif.
Les fonctions d’appartenance type-2 de l’erreur et de sa variation sont choisies identiques de formes
Gaussiennes et sont définies sur l’intervalle [ −1, 1] comme le montre la figure (IV.16.a). Les
fonctions d’appartenance type-2 de la variation du couple de commande sont choisies de formes

intervalles sur l’intervalle [ −9, 9] (figure IV.16.b). Les fonctions d’appartenance type-2 du gain de
commande sont choisies de formes intervalles sur l’intervalle [ 0, 3] (figure IV.16.c). Les facteurs
d'échelle sont choisis comme suit :

G e = 1 Ω∗

G ∆e = 1 (IV.35)
G =V ariable
 ∆C em∗
105
(a)
1.2
1
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
(b) 1.2
1
0.8
0.6
0.4
0.2
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
(c) 1.2
1
ZO VS S SB MB B VB
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
Figure IV.16. Fonctions d'appartenance du système de commande flou type-2
(a) Erreur et la variation de l’erreur

(b) Intervalle de la variation du couple de commande
(c) Gain de commande
106
Les résultats de simulation du teste de l’application d’une charge sont présentés dans la
figure (IV.17). L’évolution du gain de commande est présentée dans la figure (IV.18), où nous
constatons l’intervention de ce gain aux moments critiques.
1200 20
Vitesse de rotation N ( Tr/min)
1000 15

800
10
600
5
400
0
200
0 -5
-200 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 300

20 200
Couple Cem (N.m)
100
10
0
0
-100
-10
-200
-20 -300
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A)
0.5 0
-5
0
-10
-0.5 -15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure IV .17. Résultats pour un démarrage à vide suivi d'une application de charge C r = 10Nm
2.3
2.2
2.1
2
ande
1.9
aindecomm
1.8
G
1.7
1.6
1.5
1.4
1.3
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure IV.18. Évolution du gain de la commande.
107
Vitesse de rotation N (Tr/min) 1500 20
1000

10
500
0 0
-500
-10
-1000
-1500 -20
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
40 300

200
20
Couple Cem (N.m)
100
0 0
-100
-20
-200
-40 -300
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
1.5 15
10
1
Courant Ias (A)
0.5 0
-5
0
-10
-0.5 -15
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s) Temps (s)
Figure IV.19. Résultats pour une inversion de vitesse avec charge.
1.6
1.4
1.2
1
o m
mande
0.8
a
Gindec
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Temps (s)
Figure IV .20. Évolution du gain de la commande.
La figure (IV.19) montre les résultats de simulation pour une inversion de sens de rotation de la
machine avec charge C r = 10 Nm . Le gain de commande correspondant est présenté dans la figure
(IV.20) où en remarque sa variation à l'instant de changement du sens de rotation.
108
1500 20

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m)
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
1 10
Courant Ias (A)
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure IV.21. Effet de variation paramétrique ( R r + 200%R r )
2.3
2.2
2.1
2
de
1.9
m
eco a
mn
1.8
a
Gind
1.7
1.6
1.5
1.4
1.3
0 0.2 0.4 0.6 0. 8 1 1.2 1.4 1.6 1.8 2
Temps (s)
109
1500 20

1000
10
500
0
0
-500 -10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
30 400

20
Couple Cem (N.m)
200
10
0
0
-200
-10
-20 -400
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
1.5 20
1 Courant Ias (A) 10
0.5 0
0 -10
-0.5 -20
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) Temps (s)
Figure IV. 23. Effet de variation paramétrique ( R r + 400% R r )
2.3
2.2
2.1
2
de
1.9
m
eco a
mn
1.8
a
Gind
1.7
1.6
1.5
1.4
1.3
0 0.2 0.4 0.6 0. 8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Pour des variations paramétriques, deux changements sur R r ont été faits (voir figures IV.21 et
IV.23). Nous constatons que nous avons une très bonne robustesse et un bon découplage
Couple-Fulx malgré les grandes variations paramétriques.
110
40
30
20
10
-10
-20
-30
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
15
10
Couple Cem (N.m)
-5
-10
-15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
1.5
0.5
-0.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure IV.25. Résultats d'un fonctionnement à basse vitesse
1.4
1.39
1.38
1.37
de
1.36
m
eco a
mn
1.35
a
Gind
1.34
1.33
1.32
1.31
1.3
0 0.2 0.4 0.6 0. 8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure IV .26. Évolution du gain de la commande adaptative
En ce qui concerne le test en faible vitesse ( N = 20 tr / min et N = −20 tr / min ), un excellent

résultat a été obtenu comme le montre la figure (IV.25) où on constate une belle poursuite avec de
faible oscillations.
111
IV.6. COMPARAISON DES RESULTATS

Dans le but d’évaluer les différentes approches de commande vues dans ce mémoire et afin
d’apprécier la supériorité des régulateurs flous type-2, une brève étude comparative sera présentée
dans ce qui suit.
Parmi les critères les plus utilisés dans le domaine de la théorie de commande on trouve ce qu’on
appelle en Anglais MSE (Mean Square Error) ou moyenne des erreurs aux carrées en Français.
Mathématiquement ce critère est défini par :
N N
∑e
i =1
2
i ∑ (x
i =1
*
i − xi )2
MSE = = (IV.36)
N N
où ei est l’évaluation de l’erreur entre xi* valeur de référence et xi valeur réelle à l’instant i , et N le
nombre total des échantillons.
Notant que si l’erreur est grande l’MSE sera grand et si l’erreur est petite l’MSE sera faible. Alors,
plus l’MSE est petit, plus l’approche est bonne.
Dans la tableau 2 relatif au teste de la variation paramétrique de la résistance rotorique de 400%,
nous présentons l’MSE relatif aux grandeurs : Vitesse de rotation, Couple électromagnétique, et les
deux composantes du flux rotorique pour les cinq types de régulateurs vus dans ce mémoire
(PI, PI-Flou fixe, PI-Flou adaptatif, PI-Flou type-2 fixe et PI-Flou type-2 adaptatif).
Dans le tableau 3 nous présentons les mêmes grandeurs pour le test en basse vitesse (zéro vitesse).
Tableau 2. Performances des régulateurs étudiés (variation paramétrique)

MSE MSE MSE MSE
(Vitesse de rotation N ) (Couple C em ) (Flux Φqr ) (Flux Φ dr )
PI 451,8806 22,8470 0,0101 0,0153

PI-Flou fixe 451,9686 20,1575 0,0100 0,0152
PI-Flou adaptatif 452,2153 19,7418 0,0099 0,0151
PI-Flou type-2 fixe 453 ,2656 19,1212 0,0099 0,0151
PI-Flou type-2 adaptatif 451,6544 23,8144 0,0100 0,0153
112
Tableau 3.Performances des régulateurs étudiés (basse vitesse)

MSE MSE MSE MSE
(Vitesse de rotation N ) (Couple C em ) (Flux Φqr ) (Flux Φ dr )
PI 0,6163 11,9540 0,0120 0,0637

PI-Flou fixe 0,3369 511,0517 0,0123 0,0185
PI-Flou adaptatif 0,3373 527,9719 0,0120 0,0167
PI-Flou type-2 fixe 0,3384 384,6354 0,0122 0,0148
PI-Flou type-2 adaptatif 0,1450 63,7146 0,0113 0,0391
La logique floue type-2 est très efficace dans les cas où les incertitudes sont présentent, et c’est pour
cette raison que les mesures faites dans les tableaux 2 et 3 ont été relatives aux cas de variations
paramétriques et basses vitesses. Pour la variation paramétrique, nous avons pris le cas le plus extrême
de notre étude qui est une variation de la résistance rotorique de 400% de sa valeur initiale à un certain
moment durant le fonctionnement de la machine (figure IV.27 a, b et c).
Selon le tableau 2 relatif au test de variation paramétrique, nous constatons la supériorité des
régulateurs flous par rapport au régulateur PI du point de vu découplage et couple électromagnétique.
La dernière ligne du tableau 2 montre aussi la supériorité du régulateur flou type-2 adaptatif par
rapport au régulateur PI du point de vue poursuite de la vitesse de référence.
Dans le tableau 3 relatif au test de basse vitesse, nous constatons toujours que les régulateurs flous
sont meilleurs que le régulateur PI soit du point de vu découplage soit du point de vue poursuite de
vitesse de référence. La dernière ligne du tableau 3 confirme la supériorité du régulateur flou type-2
adaptatif par rapport à tous les autres régulateurs déjà vus pour ce test de basse vitesse.
Les constatations tirées des tableaux 2 et 3 sont confirmées par les figure (IV.27) et (IV.28) où dans
la figure (IV.27.b) on remarque bien que le régulateur flou type-2 adaptatif est le meilleur (faible
dépassement). La figure (IV.28) confirme visuellement l'excellente poursuite en faible vitesse.
113
1200
(a)
1000
800
Vitesse de rotation ( Tr/min)
600
400
200
-200
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Figure IV .27. Superposition et comparaison des Vitesses de rotation
(a) Vue globale des vitesses de rotation.
114
(b)
Régulateur PI-flou Type-2 fixe
1100
Régulateur PI
Régulateur PI-flou fixe
1050
Régulateur PI-flou adaptatif
Vitessederotation(Tr/min)
1000
950
Régulateur PI-flou Type-2 adaptatif
900
0.2 0.25 0.3 0.35 0.4

Temps (s)
(c)
1030
1020
Variation paramétrique
1010
Vitesse de rotation ( Tr/min)
1000
990
980
970
960
950 Application de la charge
940
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
Temps (s)
Figure IV .27. Superposition et comparaison des Vitesses de rotation

(b) Zoom sur la vitesse de rotation pendant le régime transitoire (Démarrage)
(c) Zoom sur la vitesse de rotation pendant l’application de la charge et la variation paramétrique
115
30
Régulateur PI-flou type-2 adaptatif

20
10
Vitesse derotationN(Tr/min)
0
Régulateur PI
-10
-20
-30
-40
0.9 0.92 0.94 0.96 0.98 1 1.02 1.04 1.06 1.08 1.1
Temps (s)
Figure IV .28. Superposition des basses vitesses
IV.7. CONCLUSION
Dans ce chapitre quatre points principaux ont été présentés.
Dans le premier point nous avons introduit la théorie de la logique floue type-2. Comme il a été
présenté, cette nouvelle technique est une extension de la logique floue type-1. La nouveauté dans
cette logique c’est que les fonctions d’appartenance ne sont pas définies d’une manière unique, mais
d’une manière incertaine. Concernant les systèmes flous type-2, nous avons vu qu’ils sont doté d’un
nouveau module appelé réducteur de type, permettant de réduire des ensembles flous de type-2 à des
ensembles flous de type-1.
Dans le deuxième et le troisième point deux structures de régulateurs flous type-2 ont été données.
Un régulateur flou type-2 non adaptatif et un autre de type adaptatif.
Le quatrième point est une comparaison générale entre tous les types de régulateurs utilisés dans
ce mémoire, où nous avons constaté la supériorité des régulateurs flous type-2 par rapport à tous les
autres régulateurs du point de vue tests de variation paramétrique et faible vitesse.
116
Conclusion Générale
Avec nos travaux de recherche présentés dans ce mémoire, nous avons voulu donner :
• Une introduction détaillée d’une nouvelle logique floue appelée logique floue type-2
• L’application de cette logique à la commande d’une machine asynchrone.
Dans ce travail nous avons montré l’efficacité de la logique floue dans la commande des
machines. Les résultats de simulation ont montré la supériorité des régulateurs flous type-2
par rapport aux régulateurs flous type-1 et PI et surtout en présence des incertitudes
( variation paramétrique et basse vitesse).
Notre principale tâche été de proposé une méthode de commande adaptative basée sur la
logique floue type-2. Pour cela, nous avons utilisé le même principe que celui cité dans le
chapitre III à la différence que nous avons changé le régulateur flou type-1 par un régulateur
flou de type-2. Notons ici que un régulateur flou de type-2 adaptatif
Dans ce mémoire, la supériorité des régulateurs flous de type-2 a été confirmée par une
étude comparative utilisant le critère de la somme des erreurs aux carrés (MSE).
Comme perspectives, nous proposons les directions de recherches suivantes :
• Réaliser une commande adaptative directe en utilisant cette nouvelle logique floue.
• Ajuster les fonctions d’appartenance floues type-2 des prémisses. Dans ce cas nous
proposons d’adapter les paramètres suivants : centres, largeurs, amplitudes des
fonctions d’appartenance inférieurs par des algorithme évolutifs (algorithme
génétique, PSO,…).
• Réaliser le même type de commande mais en utilisant des fonctions
d’appartenance floues type-2 gaussienne (Gaussian Type-2 Fuzzy logic)
117
Références
[1] A.Merabet, « Commande non linéaire à modèle prédictif pour une machine asynchrone », Thèse de
doctorat, Université de Québec Canada, Mai 2007.
[2] J.P Caron, J.P Hautie,r « Modélisation de la machine asynchrone, Commande vectorielle », éditions
techniques Paris 1995.
[3] M. Pinard, « Commande Électronique des moteurs électriques », éditions Dunos, Paris 2004.
[4] J.P Lois, « Modélisation des machines électriques en vue de leur commande », Lavoisier, Paris 2004.
[5] L .Baghli, « Contribution à la commande de la machine asynchrone, utilisation de la logique floue, des
réseaux de neurones et des algorithmes génétiques », Thèse de doctorat,Université de Henri Poincaré
Nancy, Janvier 1999.
[6] S.Khelfa, « Commande vectorielle d’une machine à induction ; impact de la saturation de la machine et
modulation du convertisseur », Thèse de magister, Université de Batna, 2001.
[7] R.Abdessamed, M .Kadjoujdj, « Modélisation des machines électriques », Presses de L’Université de

Batna 1997.
[8] G. Grellet and G. Clerc, « Actionneurs électriques-Principes Modèles Commande », Édition Eyrolles,
Paris 1997.
[9] M.Tarbouchi, «Commande par linéarisation exacte d’une machine asynchrone, régime défluxé », Thèse
présentée pour l’obtention du grade de (P.Hd), Université de Laval, Québec 1997.
[10] S.Barkati, « Commande robuste par retour d’état d’une machine asynchrone », Thèse de magister, ENP
d’Alger, 1997.
[11] A.Kheldoun, « Amélioration des performances d’un variateur de vitesse par moteur asynchrone contrôlé
par la méthode à flux orienté », Thèse de doctorat, Université de Boumerdès, 2007.
[12] S.Chekroune, « Commande neuro-floue sans capteur de vitesse d’une machine asynchrone triphasée »,
Thèse de magister, ENSET d’Oran, 2009.
[13] A .Zadah, « Fuzzy set », Information and control, vol.8,pp.338-354, 1965.
[14] K.Chafaa, « Structure d’Identification et de Commande des Systèmes non Linéaires Basées sur les
Techniques Floues», Thèse de doctorat, Université de Batna ,2006.
[15] A. Tlemçani, « La commande adaptative par les systèmes flous : application de la machine synchrone a
aimants permanents », Thèse de magister, ENP, 1995.
[16] M.Ghanai, « commande adaptative par logique floue type-2 », Thèse de magister, Université
de Setif ,2006.
[17] D. Khemissi, « Commande des positions des machines asynchrones avec pilotage vectoriel. Application :
asservissement de position d'antenne radar », Thèse de magister, ENP, 2000.
[18] B.Kosko, « Neural network and fuzzy system, a dynamical systems approach to machine intelligence»,
prectice Hall, 1992.
[19] K. Chafaa, M. Ghanai and K. Benmahammed, ‘Fuzzy Modeling using Kalman Filter’, IET(ex IEE) Control
theory and applications, Vol. 1, N° 1, pp. 58-64, 2007.
[20] B.B.Meunier, « La logique floue et ces applications », Addison, 1995.
[21] HANSRUEDI.BUHLER, « Réglage par logique floue », presse polytechnique et universitaires romande,
1992.
[22] Y.Elbia, « Commande Floue Optimisée d’une Machine Asynchrone à Double Alimentation et à Flux
Orienté », Thèse de magister, Université de Batna, 2009.
[23] K. Chafaa, M. Ghanai and K. Benmahammed, “A self-Tuning fuzzy controller for mechanical
manipulators,” Journal of Electrical Engineering, vol. 5, no. 1, pp. 13-20, 2005.
[24] K. Kouzi, « Contribution des techniques de la logique floue pour la commande d'une machine à induction
sans transducteur rotatif », Thèse de doctorat, Université de Batna, 2008.
[25] L. A. Zadeh, « Fuzzy sets, fuzzy loqic and fuzzy systems», World Scientific Publishing 1996.
[26] N. N. Karnik, et J. M. Mendel, « An introduction to type-2 fuzzy logic systems», Université. Southern
California, Rep., Oct. 1998.
[27] Q. Liang, N. N. Karnik et J. M. Mendel, « Connection admission control in ATM networks using survey-
based type-2 fuzzy logic systems », IEEE Trans. Syst., vol. 30, no. 3, pp. 329-339, Aug. 2000.
[28] N. N. Karnik, J. M. Mendel et Q. Liang, « Type-2 fuzzy logic systems », IEEE Trans. Fuzzy Syst., vol. 7, no.
6, pp. 643-658, Dec. 1999.
[29] N. N. Karnik, et J. M. Mendel, « Operation on type-2 fuzzy sets », Int. J. Fuzzy Sets Syst., vol. 122, pp. 327-
348, 2001.
[30] J. M. Mendel, « Fuzzy logic systems for engineering: A tutorial », IEEE proceedings, vol. 83, no. 3, pp. 345-
377, Mar. 1995.
[31] N. N. Karnik, et J. M. Mendel, « Type-2 fuzzy logic systems: Type- reduction », Proc. IEEE conference on
Systems, Man and Cybernetics, pp. 2046-2051, Oct. 1998.
[32] B. Kosko, « Neural networks and fuzzy systems,a dynamical systems approach to machine intelligence »,
Prentice Hall, 1992.
[33] Q. Liang, et J. M. Mendel, « Interval type-2 fuzzy logic systems: Theory and design », IEEE Trans. Fuzzy
Syst., vol. 8, no. 5, pp. 535-550, Oct. 2000.
[34] J. M. Mendel, « On the Importance of Interval Sets in Type-2 Fuzzy Logic Systems », IEEE, pp. 1647-1652,
Mar. 2001.
[35] Q. Liang, et J. M. Mendel, « Interval type-2 fuzzy logic systems », Proc. FUZZ-IEEE, May. 2000.
Annexe A
PARAMETRES DE LA MACHINE ASYNCHRONE
Paramètres électriques
R s = 4.85 Ω Résistance statorique
R r = 3.805 Ω Résistance rotorique
L m = 0.258 H Inductance mutuelle
Ls = 0.274 H Inductance statorique
L r = 0.274 H Inductance rotorique
Paramètres mécaniques
J = 0.031 Kg .m 2 Moment d'inertie
f v = 0.008 Kg .m 2 / s Coefficient de frottement
Plaque signalétique
Pn = 1.5 Kw Puissance nominale
I n = 2.7 / 4.7 A Courant nominale
U n = 220 / 380V Tension nominale
p =2 Nombre de paire de pôles
N n = 1420 tr / min Vitesse nominale
f = 50 Hz Fréquence nominale
C em = 10 Nm Couple électromagnétique.
Annexe B
Principe d’extension
B.1. Ensemble flou unidimensionnel
Un ensemble flou unidimensionnel A sur un univers de discours U est défini par sa fonction
d’appartenance µ A (u ) , où u est un élément de U , c-a-d :
A = ∫U µ A (u ) / u Cas continu (B.1)
A = ∑ µ A (ui ) /ui Cas discret (B.2)

i
où µ A (u ) désigne le degré d’appartenance d’un élément u à l’ensemble flou A .
B.2. Ensemble flou multidimensionnel

Si A1 , A2 ,......, An sont des ensembles flous sur U1 , U 2 ,......., U n respectivement, le produit cartésien de
A1 , A2 ,......, An noté par A1 × A2 × ...... × An est défini comme un sous ensemble flou possédant la fonction
d’appartenance multidimensionnelle suivante:
µ A ×...× A (u1 ,..., un ) = µ A (u1 ) ∧ ... ∧ µ A (un )
1 n 1 n
(B.3)
ce qui est équivalent à:

A1 × ... × An = ∫U1 ... ∫U n µ A1 (u1 ) ∧ ... ∧ µ An (un ) /(u1 ,...un ) (B.4)
le terme µ A1 (u1 ) ∧ ... ∧ µ An (un ) représente une fonction d’appartenance multidimensionnelle représentant une
relation ℜ .
B.3. Principe d’extension monodimensionnel

Le principe d’extension des ensembles flous est essentiellement une identité de base qui permet à un domaine de
définition d’une relation à être étendu de quelque points de U à des sous ensembles flous de U . Particulièrement,
supposons que f est une relation de U vers V et A un ensemble flou défini par:
A = ∫U µ A (u ) / u Cas continu (B.5)
A = ∑ µ A (ui ) /ui Cas discret (B.6)

i
Alors, le principe d’extension asserte que l’image de A sous la relation f est un ensemble flou, f ( A) de W
défini par:
f ( A) = f  ∫U µ A (u ) / u  = ∫W µ A (u ) / f (u ) Cas continu (B.7)
 
f ( A) = f  ∑ µ A (ui ) / ui  = ∑ µ A (ui ) / f (ui ) Cas discret (B.8)
 i  i
Par conséquent, l’image de A sous f peut être déduite en connaissant les images de ui sous f .
B.3.1. Exemple 1
Soit U = 1 + 2 + ... + 10 , et soit f l’opération « carré ». Soit petit un sous ensemble flou sur U défini par:
petit = 1/1 + 1/ 2 + 0.8 / 3 + 0.6 / 4 + 0.4 / 5 (B.9)

Par conséquent
petit 2 = f ( petit ) = 1/1 + 1/ 4 + 0.8 / 9 + 0.6 /16 + 0.4 / 25 (B.10)
B.4. Principe d’extension multidimensionnel

Soit A est un ensemble flou multidimensionnel sur U1 × U 2 × ....... × U n défini par sa fonction d’appartenance
multidimensionnelle µ A1×...× An (u1 ,..., un ) , et soit f une relation sur produit cartésien U1 × U 2 × ....... × U n vers
l’espace W .
L’application directe du principe d’extension nous donne:
f ( A) = f  ∫U1 ... ∫U n µ A (u1 ,..., un ) /(u1 ,..., un ) 

= ∫U1 ... ∫U n µ A (u1 ,..., un ) / f (u1 ,..., un )
= ∫U1×...×U n µ A (u1 ,..., un ) / f (u1 ,..., un ) (B.11)
= ∫U1 ... ∫U n µ A1 (u1 ) ∧ ... ∧ µ An (un ) / f (u1 ,...un )
= ∫W µ A1 (u1 ) ∧ ... ∧ µ An (un ) / f (u1 ,...un )
Les µ Ai sont les projections de A sur les U i , parce que généralement, on ne connaît pas A mais ses
projections A1 , A2 ,......, An .
B.4.1. Exemple2
Soit U1 = U 2 = 1 + 2 + ... + 10 et soit :
A1 = 2 approximativement 2=1/2+0.6/1+0.8/3 (B.12)

%
A2 = 6 approximativement 6=1/6+0.8/5+0.7/7 (B.13)
%
et soit f (u1 , u2 ) = u1 × u2 , le produit arithmétique de u1 et u2 . En appliquant le principe d’extension à ce cas, on
obtient :
2 × 6=(1/2+0.6/1+0.8/3) × (1/6+0.8/5+0.7/7)
% % (B.14)
=0.6/5+.06/6+.06/7+0.8/10+1/12+0.7/14+0.8/15+0.8/18+0.7/21
B.4.2. Exemple
Soit ∗ une relation du produit cartésien U × V vers W . Donc nous avons:
w = u ∗v u ∈ U , v ∈ V et w ∈ W (B.15)
où w est l’image de u et de v sous ∗ .
Soient A et B deux ensembles flous sur U et V respectivement:
A = ∫U µ A (u ) / u où A = ∑ µ A (ui ) /ui (B.16)
i
B = ∫V µ B (v) / v où B = ∑ µ B (vi ) /vi (B.17)

i
Alors, l’image de A × B sous ∗ est un sous ensemble flou A ∗ B sur W défini par
f ( A, B ) = A ∗ B = ∫U ∫V µ A (u ) ∧ µ B (v) /(u ∗ v) (B.18)
où
f ( A, B ) = A ∗ B = ∑i ∑ j µ A (ui ) ∧ µ B (v j ) /(ui ∗ v j ) i = 1,..., m j = 1,..., n (B.19)

Elect m1 2011

Transféré par

Droits d'auteur :

Formats disponibles

Elect m1 2011

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Elect m1 2011

Transféré par

Droits d'auteur :

Formats disponibles

‫الجمھورية الجزائرية الديمقراطية الشعبية‬

République Algérienne Démocratique et Populaire

Université Mohamed Khider – Biskra ‫جامعة محمد خيضر بسكرة‬

Mémoire présenté en vue de l’obtention

Option : ELECRTICITE INDUSTRIELLE

Application de la logique floue type-2 intervalle à

Je tiens à exprimer ma profonde gratitude à Monsieur CHAFFAA Kheirreddine, Maître de

judicieux et à la disponibilité dont il a fait preuve à mon égard.

Je tiens à remercier également Monsieur MENACER Arezki Maître de Conférences à

tout au long de cette thèse.

J’adresse mes sincères remerciements à Monsieur Mimoune Souri Mohamed, Professeur à

soutenance composé de Messieurs: Benchouia Mohamed Toufik, Menacer Arezki, Boumahrez

Mouhamed, Maîtres de Conférences à l’Université de Biskra. Je les remercie chaleureusement pour

leur présence et pour avoir accepté d’examiner le présent mémoire.

J'adresse aussi mes remerciements à l'ensemble des enseignants et responsables du

département de l'électrotechnique de l'Université de Biskra.

ou de loin à l’aboutissement de ce travail.

ωgl Vitesse angulaire électrique de glissement.

ω Vitesse angulaire électrique rotorique.

p Nombre de paires de pôles.

Rs Résistance d’une phase statorique.

Rr Résistance d’une phase rotorique.

[Rs ] Matrice des résistances statorique.

[R r ] Matrice des résistances rotorique.

M0 Valeur maximale des inductances mutuelles statoriques et rotoriques.

[ Lss ] Matrice d’inductances statoriques.

[ L rr ] Matrice d’inductances rotoriques.

[ M sr ] Matrice des inductances mutuelles stator- rotor.

Ls = l s − m s Inductance propres cyclique statorique.

Lr = l r − m r Inductance propres cyclique rotorique.

3 Mutuelle inductance cyclique stator- rotor.

V ds ,V qs Composantes du vecteur tension satorique dans le référentiel (d,q)

V dr ,V qr Composantes du vecteur tension rotorique dans le référentiel (d,q)

Cr Couple de charge (résistant).

J Inertie totale du système.

Ω Vitesse mécanique du rotor.

θs Angle de rotation de l'axe (d, q) par rapport au stator

θr Angle de rotation de l'axe (d, q) par rapport au rotor

θ Angle de rotation du rotor par rapport au stator

Ls Constante de temps des courants statoriques.

Lr Constante de temps des courants rotoriques.

Historiquement, la machine à courant continu était la reine du domaine des entraînements à

convertisseurs statiques de fréquences a permis l’utilisation des machines synchrones, et

enfin, et grâce à la mise au point de nouvelles stratégies de commande implantable sur

microprocesseur, la machine asynchrone a été largement utilisée. L’utilisation tardive de la

machine asynchrone été à cause de sa complexité de commande.

La machine asynchrone, de par sa construction et sa robustesse, assure une large plage

d’application au domaine de l’industrie. Son exploitation pour fournir de l’énergie mécanique

est excellente, mais malheureusement sa commande est relativement complexe, le couple et le

et rotoriques, ce qui donne à la machine son caractère multivariable et non linéaire.

représentation et le traitement de connaissances imprécises ou approximatives. Le nombre

d’applications basées sur la théorie de la logique floue a augmenté considérablement ces

commande floue est caractérisée par :

• Possibilité de prise en compte d’objectifs contradictoires

suppression de la procédure de modélisation mathématique du processus à

Le principal contexte du mémoire et d’appliquer une commande adaptative floue en

qui représente en tout un système de commande purement flou.

moyen de contrôle de stabilité et d'élimination des offsets.

peuvent être très mauvaises (large dépassement, oscillations excessives).