Contrôle sans capteur pour les moteurs polyphasés intégrés: application au système de transport en utilisant les potentialités de l'intelligence artificielle

Sensorless control for integrated multiphase machines: application to the transportation system using the potential of artificial intelligence

• Auteur / Autrice : Youxi Huang
• Direction : Eric Semail
• Type : Projet de thèse
• Discipline(s) : Génie électrique
• Date : Inscription en doctorat le 06/09/2022
• Etablissement(s) : Paris, HESAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : L2EP - Laboratoire d'Electrotechnique et d'Electronique de Puissance de Lille
• Partenaire(s) de recherche : établissement de préparation de la thèse : Paris, ENSAM

Mots clés

Mots clés libres

Contrôle sans capteur

Intelligence artificielle

Polyphasés

Sensorless Control

Artificial Intelligence

Muitiphase

Résumé

Ce projet a pour but d'étudier un moteur polyphasé compact et performant, y compris dans ses modes de défaillance, pour le marché de masse automobile. Dans ce contexte, le prix, la fiabilité et la compacité sont les principaux critères. Parmi les capteurs, le capteur de position mécanique en extrémité de bout d'arbre est le plus cher et consomme de l'espace. L'utilisation de la seule mesure du courant pourrait entraîner une suppression du capteur de position en extrémité de bout d'arbres. Des algorithmes de contrôle sans capteurs ont été proposés pour les entraînements triphasés depuis plusieurs décennies avec l'augmentation de la puissance de calcul pour le traitement du signal. Avec les machines polyphasées, il est possible d'utiliser des capteurs magnétiques supplémentaires pour augmenter le nombre de données sur la position du rotor qui seront utilisées pour le contrôle vectoriel, même dans les modes de défauts. L'intelligence artificielle (IA) sera étudiée pour le développement d'algorithmes sans capteur. Avec les machines polyphasées utilisant de nombreux capteurs de courants et magnétiques, nous proposons, en associant l'IA avec des experts en machines électriques polyphasées, d'obtenir une estimation fiable et en temps réel de la position du rotor pour une utilisation dans le contrôle vectoriel en fonctionnement normal mais aussi en mode panne.

This project aims to study a compact and efficient multiphase machine, including its failure modes, for the automotive mass market. In this context, price, reliability and compactness are the main criteria. Among the sensors, the mechanical position sensor at the end of the shaft end is the most expensive and consumes space. Using current measurement alone could result in the removal of the position sensor at the end of the shaft end. Sensorless control algorithms have been proposed for three-phase drives for several decades with the increase in computing power for signal processing. With multiphase machines, it is possible to use additional magnetic sensors to increase the amount of rotor position data that will be used for vector control, even in fault modes. Artificial intelligence (AI) will be studied for the development of sensorless algorithms. With multiphase machines using numerous current and magnetic sensors, we propose, by combining AI with experts in polyphase electrical machines, to obtain a reliable and real-time estimation of the rotor position for use in control. vector in normal operation but also in fault mode.