Application des réseaux neuronaux à la commande en vitesse d'une charge mécanique entraînée par machine asychrone

Neural network speed control of a mechanical load driven by an induction machine

• Auteur / Autrice : Nicolas Pierlot
• Direction : Betty Lemaire-Semail
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance en 1996
• Etablissement(s) : Lille 1

Mots clés

Mots clés contrôlés

Commande automatique

Machines tournantes

Réseaux neuronaux (informatique)

Mots clés libres

Charges mécaniques

Résumé

Lors de la réalisation de la commande en vitesse des actionneurs électriques, le problème causé par la méconnaissance du modèle dynamique de la charge mécanique est généralement éludé, en réduisant sa fonction de transfert à une expression linéaire du premier ordre, les couples de charge étant traites comme des perturbations. Dans le cas d'une charge fortement non linéaire, comportant par exemple un seuil de frottement sec, il est souhaitable d'acquérir une connaissance de son comportement. Sans modelé analytique précis, une identification expérimentale s'impose, et si non linéarités il y a, l'identification neuronale est parfaitement indiquée. Une fois la charge identifiée, sa vitesse peut être asservie en introduisant un correcteur neuronal. Nous avons élaboré une stratégie de contrôle en vitesse basée sur l'identification de la charge mécanique d'une machine et l'implantation d'un réseau neuronal correcteur ; nous appliquons ceci à un moteur asynchrone. Apres une présentation générale des réseaux de neurones à couches, orientée vers l'identification des systèmes dynamiques et la correction neuronale, nous traitons en détail l'identification neuronale de la caractéristique dynamique de charge du moteur asynchrone, avec une attention particulière pour la procédure d'échantillonnage. Les méthodes développées sont mises en œuvre en simulation et sur un cas expérimental. Enfin, à partir du correcteur générique sont introduites les évolutions successives du contrôleur neuronal, prenant en compte progressivement les réalités physiques du système et notamment ses retards et ses dynamiques rapides. Un ultime schéma de commande, fiabilise par rapport au bruit de mesure, est valide expérimentalement.