Thèse soutenue

Modélisation et conception optimale d’un moteur linéaire à induction pour système de traction ferroviaire

FR  |  
EN
Auteur / Autrice : Jinlin Gong
Direction : Pascal BrochetFrédéric Gillon
Type : Thèse de doctorat
Discipline(s) : Génie Electrique
Date : Soutenance le 21/10/2011
Etablissement(s) : Ecole centrale de Lille
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'électrotechnique et d'électronique de puissance (L2EP)
Jury : Président / Présidente : Abdelmounaïm Tounzi
Examinateurs / Examinatrices : Stéphane Vivier, Ghislain Remy, Stéphane Brisset, Julien Pouget
Rapporteur / Rapporteuse : Christophe Espanet, Noureddine Takorabet

Résumé

FR  |  
EN

Cette thèse porte sur l’étude des performances du moteur linéaire de référence par la méthode d’analyse éléments finis, et la conception optimale sur un modèle lourd en temps de calcul. La méthode éléments finis est utilisée pour étudier les performances du moteur linéaire de référence, car le modèle analytique d’un moteur linéaire est difficile à construire dû aux effets d’extrémités. Le modèle éléments finis (MEF) 2D permet de prendre en compte l’effet d’extrémité de longueur finie. L’effet d’extrémité de largeur finie est intégré au modèle 2D en faisant varier la conductivité du secondaire et en ajoutant une inductance de tête de bobines. Ensuite, le couplage entre le MEF 3D magnétique et thermique permet de prendre en compte tous les effets d’extrémité et de l’influence de la température. Un banc d’essais est construit pour valider les modélisations éléments finis. La comparaison entre les différents modèles montre l’importance du modèle couplé. L’optimisation directe sur un MEF est très couteuse en temps de calcul. Les stratégies d’intégrer un modèle de substitution au lieu d’un MEF sont étudiées. L’optimisation directe sur un modèle de substitution et l’algorithme Efficient Global Optimisation (EGO) sont comparés. Un algorithme Space Mapping (SM) 3 niveaux est proposé. Les résultats des cas tests montrent que le SM 3 niveaux est plus efficace par rapport à l’algorithme SM 2 niveaux. Une nouvelle stratégie d’optimisation avec un faible budget d’évaluation du MEF est proposée et testée dans le contexte d’une modélisation difficile. La stratégie proposée permet d’évaluer les MEF en parallèle, ainsi permet un gain considérable de réduction du temps d’optimisation.