Mémoire Yahia

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de

La Recherche Scientifique
UNIVERSITE MOHAMMED KHIDER DE BISKRA

FACULTE DES SCIENCES ET DES SCIENCES DE L’INGENIEUR
DEPARTEMENT D’ELECTROTECHNIQUE
N° d'ordre:…………………
Série:………………………
Mémoire
Présenté pour obtenir le diplôme de Magister nouveau régime en

Electrotechnique
Option
Electricité industrielle
-Thème-
Estimation en ligne de l'état et des paramètres

du moteur asynchrone triphasé
Par
YAHIA Khaled
Soutenu le : ...../…../2005
Devant le jury
Président : Dr S. E. ZOUZOU Pr Univ. Biskra

Rapporteur : Dr A. H. BENAKCHA M.C Univ. Biskra
Examinateurs : Dr R. ABEDESSEMED Pr Univ. Batna
Dr A. GOLEA M.C Univ. Biskra
Année Universitaire 2004/2005

Remerciements
Remerciements
Les travaux présentés dans ce mémoire ont été effectués au sein du département
d'électrotechnique de l'Université de Biskra.
J'exprime mes vifs remerciements à Monsieur Abedelhamid BENAKCHA, Maître de

Conférences à l'Université de Biskra, Président du Comité scientifique du département
d'électronique, pour avoir dirigé ce travail, pour la confiance et l'intérêt qu'il a témoigné tout
au long de la réalisation de ce travail.
Mes remerciements vont également à Monsieur Arezki MENACER, Maître Assistant

Chargé de Cours à l'Université de Biskra, pour son importante participation dans
l'élaboration de ce travail à travers ses nombreux conseils et idées éclairées.
Je remercie vivement Monsieur Salah-eddine ZOUZOU, Professeur à l'Université de

Biskra, Président du Comité scientifique du département d'électrotechnique, pour m'avoir fait
l'honneur de présider le jury de ma soutenance.
J'adresse mes respectueux remerciements à Monsieur, Rachid ABDESSEMED

Professeur à l'université de Batna, pour m'avoir accepté d'examiner ce travail.
J'exprime également ma gratitude à Monsieur Amar GOLEA, Maître de Conférences à

l'Université de Biskra, pour avoir accepté de participer au jury d'examen. Je le remercie
aussi pour ses fructueuses connaissances et expériences dans le domaine des machines
électriques et de leur commande, ses connaissances et expériences ont été pour moi une
source constante de savoir.
Il me tient tout particulièrement à cœur de remercie monsieur Djamel TAIBI, Post

graduant en électrotechnique à l'Université de Batna pour ses encouragements et son aide,
particulièrement, en programmation. qu'il trouve ici toute ma sympathie.
I
Remerciements
Je remercie aussi Melle Aicha SAADI, enseignante à l'Université de Biskra qui n'a pas
cessé de m'encourager pour pouvoir mener à terme ce travail.
Mes remerciements s'adresse aussi à mon ami Fateh BENCHABANE, Post graduant
en électrotechnique à l'Université de Biskra, pour sa disponibilité et ses qualités humaines.
Je remercie également le directeur du laboratoire LGEB, Monsieur Salah-eddine

ZOUZOU et tous les membres de ce laboratoire pour leur aide.
Je tiens, enfin, à remercier tous ceux qui de prés ou de loin ont participé à l'élaboration
de ce travail.
II
Dédicace
Dédicaces
A l'âme de mon Père et à ma Mère
A mes Sœurs, mes Frères et mes Proches,
A tous ceux qui m’ont nourri de leur savoir,
Et à ceux avec qui je partage de bons souvenirs.
III
Sommaire
Sommaire
Remerciements ……………………………………………………………………………………… I
Dédicace…………………………………………………………………………………………….. III
Sommaire.………………………………………………………………………………….………... IV
Notations et symboles ……………………………………………………………………………… VII
Introduction ………………………………………………………………………… ...…… 1
Chapitre I: Modélisation de la machine asynchrone et de l’onduleur de tension
Introduction ……………………………………………………………………………………….. 4
I. Modélisation de la machine asynchrone triphasée….…………………………………………… 5

I.1. Description et principe de fonctionnement………………………………………………….. 5
I.2. Hypothèses simplificatrices…………………………………………………………………. 6
I.3. Equations de tension en grandeurs de phase ……………………………………………….. 7
I.4. Application de la transformation de Park a la machine asynchrone triphasée……………… 9
I.4.1. Transformation de Park………………………………………………………………… 9
I.4.2. Modèle de la machine asynchrone triphasée dans le repère de Park généralisé……..… 11
I.5. Représentation d’état et choix d’un référentiel d'estimation………………......................... 12
I.5.1. Représentation d’état…………………………………………………………….……… 12
I.5.2. Choix d’un référentiel d’estimation …………………………………………...……….. 14
I.6. Représentation d’état du modèle de la machine asynchrone dans le repère lie au stator ….. 15
II. Modélisation de l’onduleur de tension………………………………………….……………… 16
Conclusion…………………………………………………………………………………………. 18
Chapitre II : Commande de la machine asynchrone et de l’onduleur de tension
Introduction………………………………………………………………………………………… 19
I. Commande de la machine asynchrone…………………………………………………………… 20

I.1. Commande vectorielle à flux rotorique oriente (CV- OFR) ……………..…………………. 20
a. Commande vectorielle directe……………………………………………………………. 21
a.1. Découplage…………………………………………………………………………… 23
IV
Sommaire
a.2. Régulation …………………………………………………………………………… 25

a.2.1. Régulation des courants…………………………………………………………. 26
a.2.2. Régulation de flux……………………………………………………………….. 27
a.2.3. Régulation de vitesse ……………………………………………………………. 29
b. Commande vectorielle indirecte …………………………………………………………. 30
II. Commande de l’onduleur……………………………………………………………………….. 31
II.1.Stratégies des MLI naturelle (sinus-triangle) …………………………………..…………… 32
III. Simulation ……………………………………………………………………………………… 34
III.1. Résultats de simulation de la commande vectorielle directe ( CVD)……. ………………… 34
III.2. Résultats de simulation de la commande vectorielle indirecte ( CVI) ………..……………. 35
III.3. Robustesse vis-à-vis de la variation de la résistance rotorique
 Comparaison entre la CVD et la CVI ………….. ………………………………... 37
Conclusion………………………………………………………………………………………….. 39
Chapitre III : Filtre de Kalman stochastique d'ordre complet
Introduction…………………………………………………………………………………............. 40
I. Observateurs ……………………………………………………………………………………… 41
I.1. Principe des observateurs …………………………………………………………………….. 41
I.2. Classification des observateurs ………………………………………………………………. 42
II. Bruit ……………………………………………………………………………………………… 44
II.1. Bruit d'état …………………………………………………………………………………… 44
II.2. Bruit de mesure ……………………………………………………………………………… 45
III. Filtre de Kalman ……………………………………………………………………………….. 45
III.1. Modèle stochastique ……………………………………………………………………….. 45
III.2. Filtre de Kalman standard …………………………………………………………………. 48
III.3. Filtre de Kalman étendu …………………………………………………………………… 49
III.4. Détermination des matrices de covariance de bruit d'état et de mesure Q et R ……………. 50
IV. Application du filtre de Kalman standard …...…………………………………………………. 52
Conclusion ………………………………………………………………………………………….. 54
Chapitre IV: Commande vectorielle directe sans capteur mécanique du moteur

asynchrone
Introduction ………………………………………………………………………………………… 55
I. Application du filtre de Kalman étendu au MAS alimenté par un onduleur à MLI ……………. 56
V
Sommaire
I.1. Premier cas: Considération de la vitesse comme un état ……………………………………… 56

I.2. Deuxième cas: Considération de la vitesse comme un paramètre …………………………….. 59
I.3. Résultats de simulation………………………………………………………………………… 60
I.3.1. Premier cas: Considération de la vitesse comme un état …………………………………… 61
I.2.2. Deuxième cas: Considération de la vitesse comme un paramètre ………………………….. 63
II. Commande vectorielle directe (CVD) sans capteur de vitesse d'un MAS utilisant le filtre de
Kalman étendu ………………………………………………………………………………… 64
II.1. Démarrage à vide avec introduction d'un couple de charge ………………………………… 65
II.2. Inversion du sens de rotation ……………………………………………………………….. 66
II.3. Fonctionnement en mode défluxé…………………………………………………………… 68
II.4. Estimation pour des faibles vitesses ……………………………………………………….. 70
II.5. Robustesse vis-à-vis de la variation paramétrique …………………………………………. 72
II.6. Estimation avec injection du bruit de mesure.……………………………………………… 72
II.7. Estimation en présence du bruit de mesure et variation paramétrique ……………………… 73
Conclusion ………………………………………………………………………………………… 74
Chapitre V: Amélioration des performances dynamiques et statiques

de la commande vectorielle indirecte
Introduction ………………………………………………………………………………………… 75
I. Désorientation de la CVI ………………………………………………………………………… 76

II. Application du filtre de Kalman étendu au MAS alimenté par le réseau triphasé ……...……….. 77
III. Amélioration des performances dynamiques et statiques d'une CVI……..…………………….. 80
Conclusion ………………………………………………………………………………………….. 86
Conclusion générale ……………………………………………………………………… 87
Annexe………………………………………………………………………………………………. 90
Résumé/ abstract…………………………………………………………………………………….. 91
Bibliographie………………………………………………………………………………………… 92
VI
Notations et symboles
s, r Indices stator et rotor, respectivement
d, q Indices pour les composantes de Park directe et quadrature, respectivement
( x  ), ( x̂ ), ( x ) Grandeur de référence, estimée et mesurée, respectivement.

t Temps [s]
u Tension [V]
i Courant [A]
 Flux [ Wb ]
 Vitesse de rotation mécanique [ rd / s ]

 Vitesse de rotation électrique (   p ) [ rd / s ]
s Pulsation statorique [ rd / s ]
r Pulsation rotorique ou de glissement [ rd / s ]
s Opérateur de Laplace.
Ce Couple électromagnétique [Nm]
Cr Couple mécanique résistant [Nm]
Lr Inductance propre cyclique rotorique [H]
Ls Inductance propre cyclique statorique [H]
Lm Inductance mutuelle cyclique entre le stator et le rotor [H]
Rr Résistance rotorique [  ]
Rs Résistance statorique [  ]
f Coefficient de frottement visqueux [SI] où [Nm.s/rd]

J Moment d'inertie de l'entraînement [kg.m2]
p Nombre de paire de pôles
Tr Constante de temps rotorique
Ts Constante de temps statorique
Te Période d'échantillonnage [s]
VII
 Coefficient de dispersion total de Blondel

A, B, C Matrice d'état, de commande et d'observation
w Bruit d'état
v Bruit de mesure
x Vecteur d'état
y Vecteur d'observation
Q Matrice de covariance de bruit d'état
R Matrice de covariance de bruit de mesure

E 
. Espérance mathématique
[T] Matrice de transformation de Park

U0 Tension de l'étage continu de l'onduleur [V]
Up Amplitude de la porteuse [V]
MAS Moteur Asynchrone ou Machine Asynchrone

MRAS Model Référence adaptative system (en anglais)
CAN Convertisseur Analogique- Numérique
CVD Commande Vectorielle Directe
CVI Commande Vectorielle Indirecte
MLI Modulation de largeur d'impulsion
PI(D) Proportionnel Intégral (Dérivée)
IP Intégral Proportionnel
o D'autres notations spécifiques peuvent être définies dans les chapitres, s'il y a lieu.
VIII
Introduction
Introduction générale
L’utilité de la vitesse variable est incontestable dans l’industrie, le transport ainsi que dans
les consommations ménagères courantes.
Le moteur asynchrone à rotor bobiné est utilisé jusqu'à un passé récent dans les
entraînements à vitesse peu variable. Cependant, il ne présentait pas une sensible amélioration
par rapport au moteur à courant continu. La machine à rotor en cage d'écureuil (MAS) était
pour sa part réservée aux entraînements à vitesse constante à cause de la difficulté de sa
commande et du suivi de ses paramètres rotoriques. En revanche, ce moteur présente de
nombreux avantages : sa puissance massique élevée, sa grande robustesse, son coût de
fabrication relativement faible et un entretien minimum.
Avec les développements récents de l'électronique de puissance et de commande, les

techniques de la commande vectorielle (CV) de la MAS ont, ces dernières années, largement
gagné le terrain des applications de hautes performances. Celles-ci sont similaires à celles
obtenues par la machine à courant continu à excitation séparée et elles demeurent
fondamentalement les raisons essentielles d’utilisation accrue de la MAS. Ainsi, la CV permet
de transformer la commande de la MAS en une commande linéaire en créant artificiellement
deux axes indépendants pour la commande du flux et du couple.
Tout système de commande (régulation) nécessite des informations sur les grandeurs à
réguler. Dans notre étude, les régulations de flux et de vitesse sont indispensables. Or, ces
grandeurs sont souvent difficilement accessibles pour des raisons techniques (flux) ou pour
des problèmes de coût (vitesse). La commande de la machine asynchrone sans capteurs de
vitesse et de flux devient un axe de développement et de recherche industrielle fondamentale.
En effet, il représente une fonctionnalité particulière stratégique sur le plan commercial pour
la plupart des constructeurs des entraînements électriques [KOU 02]. Dans le but de réduire le
coût de cette commande, notamment pour les moteurs où ces capteurs coûtent plus cher que
le moteur lui- même, il serait donc plus commode d’éliminer ces capteurs.
1
Introduction
Les techniques de la CV sont élaborées extérieurement à la MAS en utilisant le modèle

électrique de Park. Ce modèle dépend des paramètres résistifs ( R s , R r ) et inductifs
( Ls , L r , L m ). Ces paramètres peuvent varier à cause des effets liés à son fonctionnement tel
que la température, la saturation et l'effet de peau [LIN 96.1], [SED 98]. La robustesse de la
commande devient dépendante de ces paramètres. La variation de ces derniers engendre des
erreurs d’orientation du flux et rendent systématiquement la commande vectorielle une
commande non linéaire en introduisant de nouveau le couplage entre les deux axes de
commande du flux et du couple. Ces erreurs se répercutent aussi bien sur le côté dynamique,
que le côté statique.
L'identification des paramètres (spécialement, les paramètres rotoriques, tel que la

résistance rotorique R r qui peut varier jusqu'à 50% de sa valeur nominale [NAI 99]) de la
machine est donc indispensable et elle ne serait valable que si elle est réalisée en ligne (temps
réel).
Dans ce travail, on a deux difficultés à résoudre:
En premier lieu, les inconvénients de la commande vectorielle avec capteurs de vitesse et de

flux sont la restriction de l'espace, l'hostilité de l'environnement, le coût élevé et la
complexité du système. Il est donc nécessaire d'éliminer ces capteurs et utiliser des
observateurs robustes pour reconstituer la vitesse et le flux, à travers des grandeurs facilement
mesurables (tension, courant).
Deuxièmement, il y'a nécessité d'améliorer les performances dynamiques et statiques (au

sens de l'automatique) de la commande vectorielle indirecte (CVI). L’adaptation des
paramètres du modèle de la machine au niveau de la structure de CVI à leurs valeurs réelles
devient impérative. L'identification donc de ces paramètres, spécialement ceux du rotor, est
encore une fois nécessaire et devrait être réalisée en ligne.
Ce mémoire est organisé de la manière qui va suivre.
Dans le chapitre I, on présente la modélisation électrique classique de la MAS en utilisant

les transformations de Clarke et de Park. Le modèle d'état utilisé dans les différents
algorithmes d'estimation est présenté. On donne ensuite la modélisation de l'onduleur de
tension triphasé.
2
Introduction
Dans le chapitre II, nous abordons l'étude de la commande vectorielle (dite par orientation
du flux rotorique). Cette technique de commande sera bien détaillée avec ses deux types,
direct et indirect. La commande de l'onduleur par la technique de Modulation de Largeur
d'Impulsions (MLI) est développée. En fin, des résultats de simulation de l'association
(convertisseur- moteur- charge) sont présentés pour valider et montrer les performances des
techniques de commande utilisées.
Le chapitre III est consacré à l'étude du filtre de Kalman après avoir rappelé brièvement
quelques techniques d'estimation et d'observation. L'étude des bruits d'état et de mesure est
nécessaire pour la compréhension du fonctionnement de ce filtre. Son algorithme est
développé dans le cas des systèmes linéaires (filtre de Kalman standard) en vue de
l'estimation de l'état et dans le cas non linéaire (filtre de Kalman étendu) en vue de
l'estimation de l'état et des paramètres du moteur asynchrone.
Le chapitre IV concerne l'élaboration d'une commande vectorielle directe sans capteur

mécanique de vitesse. Cette commande sans capteur est obtenue grâce à l'utilisation du filtre
de Kalman complet étendu à la vitesse de rotation. Des tests de simulation sont faits pour
examiner la robustesse du filtre et le système d'entraînement global également dans les
différents modes de fonctionnement (à vide, en charge et inversion du sens de rotation), vis-à-
vis des variations paramétriques, aux basses vitesses et en présence du bruit.
Dans le chapitre V, nous traitons le problème des dégradations des performances statiques et
dynamiques (au sens de l'automatique) de la commande vectorielle indirecte. Cette
dégradation est due essentiellement aux variations paramétriques (spécialement ceux du
rotor). Nous allons donc utiliser le filtre de Kalman étendu pour l'estimation en ligne de la
résistance rotorique, une fois estimée, celle –ci sera injectée dans les blocs fonctionnels
(précisément, le bloc de l'autopilotage) de la CVI pour préserver ses performances bien
connues.
Nous terminons par une conclusion sur l'ensemble de cette étude et nous proposons des
perspectives de travail.
3
Chapitre I Modélisation de la machine asynchrone et de l’onduleur de tension
Chapitre I
Modélisation de la machine asynchrone

et de l’onduleur de tension
Introduction
L’étude de tout système physique nécessite une modélisation. Celle-ci nous permet de
simuler le comportement de ce système face à différentes sollicitations et d’appréhender ainsi
les mécanismes régissant son fonctionnement.
Les phénomènes physiques inhérents au fonctionnement du système peuvent être

partiellement ou totalement pris en compte dans un modèle, en découlent plusieurs niveaux de
modélisation liés aux hypothèses simplificatrices associées. Plus le nombre d’hypothèses est
grand, plus simple sera le modèle.
Il faut noter cependant qu’il existe trois approches concernant la modélisation des machines
électriques [ROU 03], [NAI 03]:
 La modélisation de Park basée sur les équations électriques des machines avec un
certain nombre d’hypothèses simplificatrices. Ce modèle est bien adapté à l’élaboration
d’algorithmes de commande.
 La modélisation par réseau de perméance, où le circuit magnétique est modélisé par un

circuit électrique équivalent. Elle peut être utilisée pour tester la robustesse des algorithmes de
commandes, comme elle peut contribuer à l’estimation des paramètres de la machine.
 La modélisation par éléments finis est la modélisation la plus précise. Elle est surtout
utilisée pour la conception et le dimensionnement des machines.
4
La modélisation de la machine asynchrone est décrite dans la partie I. Après le

développement du modèle de la machine dans le repère de Park généralisé, présenté dans le
paragraphe (I.4.2), le paragraphe (I.6) présente le modèle biphasé avec un référentiel lié au
stator qui sera choisi comme un modèle dynamique approprié pour l’estimation d’état, voire
de paramètres. La partie II est consacrée à la modélisation de l’onduleur de tension triphasé.
I. Modélisation de la machine asynchrone triphasée
I.1. Description et principe de fonctionnement
La machine asynchrone (figure I.1) se compose d’un primaire (stator), portant un bobinage
logé dans des encoches et relié à la source d’alimentation et d’un secondaire (rotor).
L’enroulement rotorique peut se présenter sous deux formes:
Dans les rotors bobinés (à bagues) l’enroulement est exécuté comme un enroulement
triphasé statorique connecté en étoile. Les extrémités des bobines rotoriques sont sorties par
l’intermédiaire des bagues tournantes et des balais fixes reliés à l’extérieur. Ce mode
d’exécution permet l’accès direct aux grandeurs électriques rotoriques ainsi que la
modification de certaines caractéristiques du moteur par insertion d’un rhéostat extérieur ou
par adjonction d’un convertisseur statique.
Dans les rotors à cage, l’enroulement est constitué de barres nues court -circuitées en
permanence aux extrémités par des anneaux. On distingue trois types de rotor, en cage
d’écureuil simple, à encoches profondes, en double cage d’écureuil. Ces rotors confèrent à la
machine des profils de couples différents.
Dans notre travail, le moteur asynchrone utilisé est caractérisé par :
 la présence d’un seul bobinage triphasé alimenté par une source extérieure au stator.
 la présence d’un « bobinage » massif en court-circuit au rotor.
Le fonctionnement d’une machine asynchrone est basé sur le principe de l’interaction

électromagnétique du champ tournant (crée par le courant triphasé fourni à l’enroulement
statorique par le réseau) et des courants induits dans l’enroulement rotorique (lorsque les
conducteurs de ce dernier sont coupés par le champ tournant). Cette interaction
électromagnétique des deux parties de la machine n’est possible que lorsque la vitesse du
champ tournant diffère de celle du rotor.
5
I.2. Hypothèses simplificatrices
Dans un premier temps, les principales hypothèses simplificatrices adoptées [SEG 81],
[CHA 89], [SED 98] sont:
1. résistance des enroulements invariables avec la température,

2. effet de peau négligeable,
3. absence de la saturation dans le circuit magnétique,
4. machine alimentée par un système de tensions triphasées sinusoïdales et équilibrées,
5. parfaite symétrie de construction,
6. répartition spatiale sinusoïdale, le long de l’entrefer, des forces magnétomotrices,
7. entrefer d’épaisseur uniforme et effet d’encoche négligeable,
8. pertes ferromagnétiques (par hystérésis et courant de Foucault) négligeables.
9. assimilation de la cage à un bobinage en court-circuit de même nombre de phases que
le bobinage statorique.
Ces hypothèses signifient que les comportements électrique et magnétique sont supposés
linéaires. Elles permettent donc d'établir un modèle dynamique de la machine asynchrone.
(a)
ia Stator (S)
ua
(A) 
(B)
ic
(c) uc (b)
ub ib
(C)
Rotor (R)
Figure I.1. Représentation schématique d’une machine asynchrone triphasée
6
I.3. Equations de tension en grandeurs de phase
Soit une machine asynchrone triphasée au stator et au rotor représentée schématiquement

sur la figure (I.1) et dont les phases statoriques et rotoriques sont repérées respectivement par
a, b, c et A, B, C. Les phases rotoriques sont supposées court-circuitées. Le nombre de paires
de pôles est égal à p et on note   (t) l’angle mécanique, variable en fonction du temps.
L’angle p définit la position relative instantanée entre les axes magnétiques des phases a et
A choisis comme axes de référence.
Les expressions générales des tensions du moteur asynchrone s’obtiennent en écrivant que
la tension appliquée à chacun des enroulements est la somme de la chute de tension ohmique
et de la chute de tension inductive due au flux total qui le traverse.
Les expressions des tensions des trois phases statoriques (a, b, c) et rotoriques (A, B, C)
s’écrivent sous la forme matricielle suivante [BAR 87], [CHA 89], [KHE 95]:
 d
[u s ]  [R s ][is ]  dt [s ]
 (I.1)
[u ]  [R ][i ]  d [ ]
 r r r
dt
r
avec:
[u s ]  [u a ub u c ]t , [is ]  [ ia ib ic ]t , [s ]  [ a b  c ]t
t
[u r ]  [u A uB u C ]t , i r   i A iB iC  , [ r ]  [ A B  C ]t
et:
R s 0 0 R r 0 0
Rs    0 Rs 0  , R r    0 Rr 0
 0 0 R s   0 0 R r 
Les flux totalisés  s et  r des phases statoriques et rotoriques s’expriment sous la

forme:
[s ]  [Ls ][is ]  [Msr ][ir ]

 (I.2)
[ r ]  [L r ][i r ]  [M rs ][is ]
L’isotropie et la symétrie de la machine font que les inductances propres des phases
statoriques sont égales. Il en est de celles du rotor.
7
Les matrices [Ls ] et [L r ] s’écrivent alors :
 Laa M ab M ab   L AA M AB M AB 
 Ls    Mab Laa M ab  et  L r    M AB L AA M AB 
 M ab M ab L aa   M AB M AB L AA 
Laa , L AA : inductance propre d'une phase statorique et d'une phase rotorique,
M ab : inductance mutuelle entre phases statoriques,
M AB : inductance mutuelle entre phases rotoriques,
La matrice des inductances mutuelles entre phases du stator et du rotor [M sr ] (telle

t
que  Msr    M rs  ) dépend de la position angulaire  entre l’axe du stator et celui du rotor.
Elle s'écrit :
 2 2 
 c os  cos(   ) c os(   )
3 3 
 2 2 
[M sr ]  M 0  c os(  ) c os  c os(   ) 
 3 3 
2 
 c os(  ) c os(   ) 2 
c os  
 3 3 
M 0 étant le maximum de l’inductance mutuelle entre une phase du stator et une phase du
rotor (leurs axes magnétiques sont alors alignés).
En introduisant les expressions (I.2) dans (I.1), nous obtenons le système d’équations
électriques nécessaire à l’étude du fonctionnement de la machine à tous les régimes :
 d d
[u s ]  [R s ].[is ]  [Ls ]. dt [is ]  dt ([Msr ].[ir ])
 (I.3)
 [u ]  [R ].[i ]  [L ] d [i ]  d ([M ].[i ])
 r r r r
dt
r
dt
rs s
Les expressions aux tensions obtenues ci- dessus sont d’ordre élevé (6ème ordre). Ainsi, la
matrice [Msr ] des inductances mutuelles étant à éléments non constants (les coefficients dans
les expressions (I.3) sont variables), la résolution de ce système d’équations se heurte à des
difficultés insurmontables, particulièrement lors de l’étude des phénomènes transitoires.
L’utilisation de la transformation de Park permet de contourner ce problème et d’obtenir un

système d’équations à coefficients constants; ce qui facilite sa résolution [BAR 87], [CHA
89].
8
1.4. Application de la transformation de Park à la machine asynchrone triphasée
1.4.1. Transformation de Park
La transformation de Park consiste à appliquer aux courants, tensions et flux un

changement de variable faisant intervenir l’angle entre l’axe des enroulements et les axes d et
q . D'après la figure (I.2), c'est l’angle s qui doit intervenir pour les grandeurs du stator et
l’angle r pour les grandeurs du rotor [BAR 87], [KHE 95]. On transforme donc
l’enroulement triphasé statorique ( a, b, c ) et l’enroulement triphasé rotorique ( A, B, C ) en
trois enroulements orthogonaux ( d, q, o ), direct, quadrature et homopolaire, respectivement.
La transformation de Park est la même pour les courants, les tensions et les flux. Elle s'écrit
pour les courants par exemple:
 id  ia 
   
i q    T  . i b  (I.4)
i   ic 
 o
avec la matrice de transformation de Park:
 2 2 
 c os a cos(a 
3
) c os( a  ) 
3
2 2 2 
[T]    sin a  sin( a  )  sin( a  )  (I.5)
3 3 3 
 1 1 1 
 2 2 2 
avec:
a = s pour la transformation des grandeurs statoriques,
a = r pour la transformation des grandeurs rotoriques.
La matrice de transformation inverse est donnée par:
 
 c os a  sin a 1
 2 2 
[T]1   cos(a  )  sin( a  ) 1 (I.6)
 3 3 
2 2
 cos(a  )  sin( a  ) 1
 3 3 
9
Les deux axes d et q , qui serviront à transformer les expressions de la machine sont
perpendiculaires et leur position peut être quelconque vue la symétrie cylindrique de la
machine.
a
d
isd

u sd
q A
i rd
isq
u sq r s 
i rq
a
o
Figure I.2. Représentation schématique de la transformation des enroulements réels en enroulements
équivalents (Transformation de Park)
Nous avons :
(oa, od)  s , (oA, od)  r , (oa, oA)  s  r  
où:
a : désigne la vitesse angulaire électrique du système d’axes ( d, q ). L’angle  caractérise la
position angulaire du rotor par rapport au stator, d’où la vitesse angulaire (pour une machine
bipolaire) :
d ds dr (I.7)

  
dt dt dt
Précisons que nous préférons utiliser la transformation de Park plutôt que celle de Park
normée pour passer des grandeurs triphasées (a, b, c) aux grandeurs diphasées ( d, q ), Ce
choix de matrice de passage non normée est bien pratique en commande où l’on traite des
grandeurs en ( d, q ). En effet, cela nous permet, par exemple, d’apprécier directement le
module du courant qui est absorbé par le moteur, sans avoir à passer par un coefficient
multiplicateur.
10
I.4.2. Modèle de la machine asynchrone triphasée dans le repère de Park généralisé
Dans le cas où le neutre de la machine n’est pas relié, les composantes homopolaires sont
nulles. Après avoir effectué les transformations précédentes, le modèle de la machine
asynchrone triphasée dans le référentiel de Park généralisé sera donné par les expressions
suivantes [BAR 87], [CAN 00.1] :
 d sd
 u sd  R sisd 
dt
 a  sq

 d sq
 u sq  R sisq 
dt
 a sd

0 d (I.8)
 R r i rd  rd  (a  ) rq
 dt
 d rq
0  R r i rq   (a  ) rd
 dt
De plus les composantes des flux statoriques et rotoriques sont exprimées par les
expressions suivantes :
sd  Lsisd  L mi rd

sq  Lsisq  L mi rq

 (I.9)
 rd  L r i rd  L misd


 rq  L r i rq  L misq
avec :
Ls  Laa  M ab : inductance propre cyclique du stator
L r  L AA  M AB : inductance propre cyclique du rotor
3
Lm  M0 : inductance mutuelle cyclique entre stator et rotor
2
Le couple électromagnétique développé par le champ tournant est exprimé par la relation :
3pL m
Ce  ( rd .isq   rq .isd ) (I.10)
2L r
Afin de concevoir le modèle complet en ajoute aux expressions électriques (I.8), l’équation
mécanique suivante :
d (I.11)
Ce  C r  J  f .
dt
11
où le couple électromagnétique doit équilibrer à tout instant l’action résultante exercée sur
l’arbre du rotor par :
 le couple résistant (statique) imposé par la charge mécanique ( C r  C r () ),

 le couple des frottements visqueux ( f . ),
d
 le couple d’inertie des masses tournantes rapporté au diamètre du rotor ( J ).
dt
Selon le choix de la vitesse angulaire a dans les expressions électriques du référentiel de

Park généralisé (I.8), on obtient les trois référentiels suivants :
 Référentiel lié au stator : en posant a  0 . Il correspond aux axes (  ,  ). La

transformation correspondante est souvent nommée transformation de Clarke,
 Référentiel lié au rotor : en posant a   . Il correspond aux axes ( x, y ),
 Référentiel lié au champ magnétique tournant : en posant a  s . Il correspond aux

axes ( d, q ); d’où la transformation correspondante appelée transformation de Park.
I.5. Représentation d’état et choix d’un référentiel d'estimation
1.5.1. Représentation d’état
La représentation d’état est la représentation moderne la plus adaptée pour la commande

des machines électriques.
La présence de la vitesse mécanique dans les expressions électriques conduit à un système

de cinq équations différentielles non linéaires. Si l'on suppose que la vitesse est un paramètre
lentement variable vis-à-vis des grandeurs électriques, on obtient un modèle d'état d'ordre
quatre, linéaire mais non stationnaire.
Il existe plusieurs représentations de la machine asynchrone. Elles se différencient entre

elles par un choix du vecteur définissant les variables d’états du système et par un choix du
référentiel dans lequel la modélisation est faite. La forme générale de l’équation d’état du
système est uniforme et s’écrit de la façon suivante :

 x  Ax  Bu (I.12)
y  C x
12
Dans le référentiel de Park généralisé, avec le vecteur d’état x composé des composantes
du flux , le vecteur d’entrée u est constitué des composantes de tensions u sd et u sq et le
vecteur de sortie y est défini à partir des courants statoriques isd et isq . Il vient alors :
t t t
x    sd  sq  rd  rq  , u   u sd u sq  , y  isd isq 
Notre système est défini par le triplet des matrices A, B, C comme suit :
 1 Lm 
  T a
Ts L r  0
 s 
 1 Lm 
 a 
Ts
0
Ts L r 
A (I.13)
 Lm 1 
 0  (a  ) 
 Ts L r Ts 
 Lm 1 
 0 (a  )  
 Ts L r Ts 
1 0  1 Lm 
0 1    T 0
Ts L r
0 
s
B , C 
0 0  1 Lm 
   0 
Ts
0
Ts L r 
0 0 
Lm2 L L
avec :   1  ; Ts  s ; Tr  r
Ls L r Rs Rr
On peut constater que la matrice " A " du système dépend de la vitesse du référentiel a et
de la vitesse électrique du rotor  par rapport au stator. La matrice " B " est a éléments
constants et la matrice " C " dépend des différentes inductances de la machine.
Prenons maintenant un système d’état de la même machine défini aussi dans le référentiel
de Park généralisé mais son vecteur d’état est constitué des courants statorique isd , isq et du
flux rotoriques  rd ,  rq . Le vecteur d’entrée u et de sortie y restent les mêmes que
précédemment. On obtient alors :
t t t
x  isd isq  rd  rq  , u   u sd u sq  , y  isd isq 
13
Dans ce cas, la représentation d’état est définie par un autre triplet A, B, C , s’écrit de la
manière suivante :
 1 L 2 Lm pL m 
 (R s  m Tr ) a Tr 
 Ls Lr Ls L r Ls L r 
 
A 1 L 2 pL m Lm
a  (R s  m Tr )   Tr  (I.14)
 Ls Lr Ls L r Ls L r 
 
 L m Tr 0 Tr (a  p) 
 0 L m Tr (a  p) Tr 

 1 
 L 0 
 s 
 1  1 0 0 0 
B 0 , C
 Ls  
0 1 0 0 
 0 0 
 
 0 0 
Il est à noter qu'ici encore la matrice " A " dépend toujours de la vitesse du référentiel a et
de la vitesse électrique du rotor  par rapport au stator. On remarque également que la
matrice " B " dépend des paramètres inductifs de la machine. Par contre, la matrice de sortie
" C " est indépendante de tous les paramètres et est constituée d’éléments constants. En effet,
cette représentation se verra particulièrement bien adaptée aux différentes structures
d’observateurs [CAN 00.2]. Dans ce travail, on la choisit donc pour faciliter l’implémentation
des algorithmes d’estimation.
1.5.2. Choix d’un référentiel d’estimation
Dans la mesure où une implémentation sur un système d’informatique industrielle est

envisagée, il est important de considérer que la matrice " A " est quasi stationnaire pendant
une période d’échantillonnage Te . Par conséquent, certains choix de référentiels sont plus
intéressants que d’autres.
Deux référentiels sont intéressants en pratique [SEG 81], [CHA 89], [CAN 00.1]:
 Référentiel lié au stator : si on choisit le référentiel lié au stator, on peut constater que
la matrice " A " ne dépend que de la vitesse électrique du rotor.
14
 Référentiel lié au champs tournant : on constate, de façon générale, que ce référentiel

n’introduit pas de simplifications dans la formulation de la matrice d’état. Il est
souvent avantageux puisque les différentes grandeurs du système sont continues. Ce
référentiel est utilisé pour obtenir les lois de la commande vectorielle
Pour notre étude, le modèle de la machine asynchrone triphasée à cage est établi dans une
représentation d’état où le vecteur d’état est composé des deux courants statoriques et des
deux flux rotoriques avec un choix basé sur le référentiel lié au stator. Le choix du référentiel
lié au stator permet de réduire le nombre de grandeurs dont on a besoin de connaître pour
pouvoir simuler le fonctionnement de la machine. En effet, seules les valeurs instantanées des
tensions statoriques et du couple résistant doivent être déterminées pour les imposer à la
machine. On n’a donc pas besoin de savoir ce que vaut la pulsation statorique ou le
glissement comme dans le cas du modèle dont les expressions électriques sont écrites dans le
référentiel tournant au synchronisme.
Ce choix offre donc des propriétés intéressantes aux problèmes d’estimations en temps réel
(réduction du nombre d'éléments de la matrice " A ", stationnarité de la matrice de sortie
" C ").
I.6. Représentation d’état du modèle de la machine asynchrone dans le repère lié au

stator
Dans ce repère, la représentation d’état est donnée par (I.15) [CAN 00.1], [KOU 02].
 1 Lm2 Lm pL m 
  (R s  ) 0 
 Ls L r .Tr Ls L r .Tr Ls L r   1 
 0 
i
 s   i
  s  Ls u 
i   1 Lm2 pL m Lm       s 
d  s   0  (R s  )   i  1   u s 
 Ls L r .Tr Ls L r Ls L r .Tr   s    0

dt  r   
  r  Ls   0 
   Lm 1      
0   p.  0 0   0 
  r   Tr Tr  
  r 
  
   0 0 
 L m 1  
0 p. 
 Tr Tr  (I.15)
En ajoutant l’équation mécanique :

d (I.16)
Ce  C r  J  f .
dt
Et l'expression du couple électromagnétique :
3 Lm
Ce  p ( r .is   r .is ) (I.17)
2 Lr
15
Remarque
Les composantes de Park ( d, q ), exprimées dans un référentiel lié au champ tournant,

peuvent être obtenues à partir des composantes de Clarke ( ,  ), exprimées dans un
référentiel lié au stator, en faisant une rotation de l'angle a . Le passage des composantes de
Clarke à celles de Park est le même pour les courants, les tensions et les flux. Elle s'écrit pour
les courants, par exemple:
 Id  i    cos a sin a 
 I   P(a )  i  avec P(a )   (I.18)
 q     sin a cos a 
II. Modélisation de l’onduleur de tension
Le convertisseur statique permet d’imposer à la machine des ondes de tensions à

amplitudes et fréquences réglables à partir d’un réseau standard 220/380V, 50 Hz. Après
redressement, la tension filtrée U 0 (étage continu) est appliquée à l’onduleur.
Les composants de l’électronique de puissances (interrupteurs) sont déterminés par les

niveaux de la puissance et la fréquence de commutation. En règle générale, plus les
composants sont rapides, plus la puissance commutée est faible et inversement. A titre
indicatif, les transistors MOSFET, sont considérés comme des composants très rapides mais
de puissance relativement faible. Les transistors bipolaires sont moins rapides que les
transistors MOSFET mais davantage plus puissants (quelques kHz à une dizaine de kW). Les
transistors IGBT sont des composants de gamme standard (jusqu'à 20 kHz à une des dizaines
de kW). Les thyristors GTO commutent très lentement les grandes puissances. Ces
composants sus indiqués sont du type commandable à l’ouverture et à la fermeture; ce qui
n’est pas le cas pour le thyristor classique [NAI 99].
Pour un onduleur triphasé, les commandes des interrupteurs d’un bras sont
complémentaires. Pour chaque bras, il y’a donc deux états indépendants. Ces deux états
peuvent être considérés comme une grandeur boolienne:
Sa,b, c  1 : Interrupteur du demi-bras haut (a, b ou c) fermé.
Sa, b, c  0 : Interrupteur du demi –bras bas (a, b ou c) fermé.
16
La figure (I.3) montre le schéma d’un onduleur triphasé alimentant le MAS [HAD 02] :
U0 Sa Sb Sc
2 a
U0 0 u an
u bn n
U0 Sa Sb Sc u cn
b c
2
Figure I.3. Schéma d’un onduleur de tension triphasé alimentant le MAS
Pour simplifier l’étude, on supposera que :
 la commutation des interrupteurs est instantanée ;

 la chute de tension aux bornes des interrupteurs est négligeable ;
 la charge triphasée est équilibrée, couplée en étoile avec neutre isolé.
Pour les tensions composées u ab , u bc et u ca , on a :
u ab  u ao  u bo

u bc  u bo  u co (I.19)
u  u  u
 ca co ao
u ao , u bo et u co peuvent être considérées comme des tensions d'entrée à l'onduleur ( tensions

continues).
Soit " n" l'indice du point neutre du coté alternatif. On a:
u ao  u an  u no

u bo  u bn  u no (I.20)
u  u  u
 co cn no
u an , u bn et u cn sont les tensions simples de la machine et u no est la tension fictive entre le

neutre de la MAS et le point fictif d'indice "o".
Sachant que la charge est équilibrée et le neutre isolé alors:
u an  u bn  u cn  0 (I.21)
17
La substitution de (I.21) dans (I.20) aboutit à:
1
u no  .(u ao  u bo  u co ) (I.22)
3
En remplaçant (I.22) dans (I.20), on obtient:
 2 1 1
 u an  u ao  u bo  u co
3 3 3

 1 2 1
u bn   u ao  u bo  u co (I.23)
 3 3 3
 1 1 2
u cn   3 u ao  3 u bo  3 u co

En utilisant les variables booliennes de l'état des interrupteurs on a:
 Uo
 u an  3 (2Sa  Sb  Sc )

 Uo
 u bn  ( Sa  2Sb  Sc ) (I.24)
 3
 Uo
 u cn  3 (Sa  Sb  2Sc )

Conclusion
Dans ce chapitre, nous avons décrit la modélisation de la machine asynchrone et de

l’onduleur de tension triphasé. Le modèle de la machine a été établi dans le cadre de la théorie
de Park, en passant du système réel triphasé au système biphasé équivalent. Cela simplifie
considérablement la résolution des équations de la machine asynchrone.
la formulation du modèle électrique de l’équation (1.8) dans un référentiel lié au champ

tournant permettra de réaliser une commande par orientation du flux rotorique de la machine
asynchrone qui sera l’objet du second chapitre.
18
Chapitre II Commande de la machine asynchrone et de l'onduleur de tension
Chapitre II
Commande de la machine asynchrone

et de l’onduleur de tension
Introduction
Dans les secteurs utilisant la motorisation électrique, le moteur à induction occupe une
place importante. En effet, il présente plusieurs avantages par rapport au moteur à courant
continu (MCC), entre autres une maintenance minimale, une bonne robustesse, un prix d'achat
relativement intéressant, etc.
Cependant, la MCC présente une commande simple en offrant des bonnes réponses
dynamiques. Ce résultat dû au fait que les circuits induit et inducteur sont physiquement
séparés et les f.m.m des deux armatures constamment orthogonales [SEG 81], [BAR 87],
[ROU 03]. Le courant d'induit peut être contrôlé indépendamment du courant d'inducteur.
Cela offre un découplage du couple et du flux, ce qui n’est pas le cas de la machine à
induction.
Pour remédier à ce problème Blaschke proposa au début des années 70 la solution rendant
possible ce découplage par la commande vectorielle à flux orienté (CV-OF) [ROU 03]. Celle-
ci est une loi de commande conduisant à une caractéristique du couple similaire à celle d’une
MCC à excitation séparée. Avec cette technique de commande de flux, on améliore les
performances du moteur asynchrone. En effet, on obtient un couple plus grand que le couple
nominal même lorsque le moteur est à l'arrêt et le temps pour passer du couple nul au couple
maximal, correspond au temps de réponse au niveau du courant [KEN 95].
En général, deux types de commandes sont utilisés : commande directe (CVD) et

commande indirecte (CVI).
Le présent chapitre consiste à présenter ces deux types de commande vectorielle de la

machine asynchrone alimentée en tension. La deuxième partie est consacrée à l'étude de la
commande de l’onduleur de tension utilisant la technique MLI.
19
I. Commande de la machine asynchrone

I.1. Commande vectorielle à flux rotorique oriente (CV-OFR)
La méthode du flux orienté consiste à choisir un système d’axes (d, q) , repère tournant
biphasé orienté sur  r (flux rotorique), s (flux statorique) ou  m (flux d’entrefer) et un type
de commande qui permettent de découpler le couple et le flux.
Dans les trois types d’orientation, le couple est proportionnel au produit du flux par la
composante du courant Isq , mais seul le choix du flux rotorique permet un découplage
caractérisé par une indépendance du flux et de la composante du courant en quadrature avec

ce flux. De plus, ce choix permet d’avoir de meilleurs résultats que les méthodes basées sur
l’orientation du flux statorique ou d’entrefer.
En parlant d’orientation du flux, c’est plutôt le système d’axe (d, q) que l’on oriente de
manière à ce que l’axe d soit en phase avec le flux.
Dans ce travail, nous nous intéressons à la commande à flux rotorique orienté.
Posant a  s dans les expressions (I.8) du chapitre I, on obtient un système d’équations
dans un référentiel lié au champ tournant. La CV-OFR exige l'imposition de  rq  0 . Ainsi,
les expressions de la machine deviennent :
 r   rd

 u sd  R s Isd  Ls dIsd  L m . d r  s Ls Isq
 dt L r dt

 u  R I  L dIsq   L m    L I
 sq s sq s
dt
s
Lr
r s s sd

 d r (II.1)
 r   r  L m Isd
 dt
 Lm
r    Isq
 r r
 3pL m
Ce  2L  r Isq
 r
20
L'application de la transformation de Laplace au système (II.1) permet d'écrire:
 Lm
 u sd  (R s  sLs )Isd  s  r  s Ls Isq
 L r
 u  (R  sL )I   L m    L I
 sq s s sq s
Lr
r s s sd
 (II.2)
 Lm
 r  Isd
 1  s r
 Lm
r    Isq
 r r
C  3pL m I
 e 2L r
r sq
La technique d'obtention de l'angle s est différente selon qu'on utilise la CVD ou la CVI
[BAG 99], [BAR 03]:
En effet, dans le contrôle direct, l’angle s est calculé directement à l’aide des grandeurs
mesurées ou estimées. Alors que dans le control indirect, l’angle 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 r .
a). Commande vectorielle directe (CVD)
La figure (II.1) représente le schéma bloc d’une régulation de vitesse du moteur asynchrone
par la CVD:
Usq u sq u as
*
 C
_ Reg _ Reg
Isq 0
M
C23
P
E P(s ) OND
N u bs à
S MLI MAS
Usd A T 1 (0)
Reg T
_
Reg _ u sd u cs
r Isd I
O C23
N

sn
T(0)
Isq
P(s )
r
 r Isd
 r   r 2   r 2
 r C23
s s  arctg  r
 r
Figure II.1 Régulation de vitesse par la commande vectorielle directe (CVD)

21
Les réglages selon l’axe d servent à imposer le flux rotorique, alors que ceux selon l’axe q
permettent de contrôler le couple électromagnétique.
Cette régulation comporte deux boucles internes rapides pour réguler les deux courants Isd
et Isq une boucle externe lente pour réguler le flux et une boucle externe plus lente pour la
régulation de vitesse.
La sortie du régulateur de vitesse est le courant de référence Isq (ou le couple
électromagnétique de référence Ce ). Il est limité de manière à tenir compte les

caractéristiques des interrupteurs de l'onduleur et de la surcharge de la machine. La
composante Isd est obtenue grâce au régulateur de flux. Le courant Isq est comparé à la
valeur Isq issue de la mesure des courants réels. L’erreur entre ces deux valeurs sollicite
l’entrée du régulateur dont la sortie est la tension de référence usq . En parallèle, la sortie du
régulateur de Isd donne la tension de référence usd . Notons que usd et usq sont obtenues
après l'ajout des termes de compensation.
Les deux tensions de référence usd et usq sont alors transformées en grandeurs statoriques
u s et us à l’aide d’une rotation d’angle (s ) , puis en grandeurs triphasées à l’aide d’une
transformation de Clarke P 1 (0) .
L’onduleur à MLI génère des créneaux de tensions à la machine dont les valeurs moyennes
sur une période de MLI correspondent aux valeurs u as , u bs , u cs . Les courants Ias et Ics sont
mesurés puis transformés dans le référentiel tournant et donnent Isd et Isd qu’on utilise pour la
régulation des courants.
Le flux de référence r est déduit de la vitesse de rotation à partir du bloc de défluxage.
Le "défluxage" permet à la machine d'atteindre des vitesses supérieures à la vitesse nominale.
Dans ce fonctionnement, le couple maximal que l'on peut imposer devient faible. Le procédé
de défluxage 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 qu'à compenser les
frottements) pendant la marche normale [BAG 99].
22
Alors, le "défluxage" permet l'exploitation optimale des capacités magnétiques de la

machine en sous-vitesse (    nom ) et en sur -vitesse (    nom ).
r
  r nom r

 nom  nom
Figure II.2. Bloc de défluxage
Il est défini par la relation non linéaire suivante:
r   r nom si   
 (II.3)
   r nom
 r  . nom si    nom
 
Dans cette commande directe, le module du flux  r et l’angle s ( s utilisé dans les
transformations directe et inverse) sont calculés directement à l’aide des composantes
mesurées ou estimées  r et  r par les relations (II.4):
   2   2
 r r r
(II.4)
  r
 s  arctg( )
  r
a.1. Découplage
L’alimentation en tension est obtenue en imposant les tensions de référence à l’entrée de la

commande de l’onduleur. Ces tensions permettent de définir les rapports cycliques sur les
bras de l’onduleur de manière à ce que les tensions délivrées par cet onduleur aux bornes du
stator de la machine soient les plus proches possible des tensions de références. Mais il faut
définir des termes de compensation, car dans les deux premières expressions du système
(II.2), il y a des termes de couplage entre les deux axes d et q [BAG 99], [ABE 00].
A partir de ce système (II.2), on peut tirer les expressions des tensions statoriques suivante:
 Lm
 u sd  (R s  sLs )Isd  s L  r  s Ls Isq
r (II.5)
 Lm
 u sq  (R s  sLs )Isq  s  r  s Ls Isd
 Lr
23
Le schéma bloc de la figure (II.3) représente la machine avec le couplage entre les axes d et
q. Il est déduit des expressions (II.5).
Ls s Isq
Isd
u sd  1 1
 .
R s 1  s .s
Lm
.s. r
Lr
Lm
s r
Lr
u sq Isq
 1 1
 .
R s 1  s .s
Ls s Isd
Figure II.3. Modèle de la machine
La compensation a pour effet de découpler les axes d et q. Ce découplage permet d’écrire

les équations de la machine et de la partie régulation d’une manière simple et, ainsi, de
calculer aisément les coefficients des régulateurs.
A partir des expressions (II.5), il est possible de définir les termes de découplage qui sont
considérés, dans la suite, comme des perturbations vis-à-vis de la régulation. Pour ne pas
compliquer cette étude, nous considérons le cas de décomposition des tensions.
Dans la première expression, on sépare la tension selon l’axe d en deux parties :
u sd  Usd  ed (II.6)
Lm
avec: ed  .s. r  s Ls Isq (II.2)
Lr
On obtient donc la fonction de transfert suivante:
Isd 1 1
 . (II.7)
Usd R s 1  s .s
(II.2)
La perturbation ed est compensée par un terme identique de manière à ce que la fonction
de transfert équivalente soit toujours celle indiquée dans (II.7). On peut considérer de manière
analogue la deuxième expression et définir :
u sq  Usq  eq (II.8)
(II.2)
24
Lm
avec : eq  s  r  s Ls Isd
Lr
De la même façon, le terme eq est ajouté de manière à obtenir la fonction de transfert
suivante :
Isq 1 1
 . (II.9)
Usq R s 1  s .s
(II.2)
Enfin, le schéma bloc suivant représente la régulation découplée souhaitée:
Isd 
Usd u sd 1 1
Reg . Isd
+  R s 1  s .s
-
ed ed
Isq  Reg Usq u sq 1 1 Isq

+  .
R s 1  s .s
-
eq eq
Correction + Découplage Modèle
Figure II.4. Découplage par addition des termes de compensation
a.2. Régulation
Les structures des régulations sont choisies pour répondre à plusieurs nécessitées. Il
convient d’abord de régler la machine de façon à imposer à la charge: la vitesse ou la position
et le couple. Il est également nécessaire d’assurer certaines fonctions supplémentaires, les plus
importantes concernent les sécurités [ABE 00].
Pour calculer les paramètres des régulateurs, on adopte des modèles linéaires continus et les
méthodes classiques de l’automatique sont utilisables. Ces méthodes ont l’avantage d’être
simples et faciles à mettre en œuvre.
Dans notre étude, pour les boucles des courants et de flux, nous avons adopté
classiquement un régulateur Proportionnel-Integral (PI). Il comporte une action
proportionnelle qui sert à régler la rapidité avec laquelle la régulation doit avoir lieu et une
action intégrale qui sert à éliminer l’erreur statique entre la grandeur régulée et la grandeur de
consigne [GRE 00].
25
a.2.1. Régulation des courants
Les retards dus à l’onduleur MLI ainsi que de la boucle de régulation sont réduits à un
1
retard pur ayant l'expression: e s.TD qui est approximé par [BAG 99].
1  s.TD
avec : TD  TMLI  T Reg.Idq
Le schéma bloc pour la régulation de Isd est donné comme suit :
Isd 1 1 1 1 Isd
_ K d (1  ) .
s.Td 1  s.TD R s 1  s .s
G r (s)
Isd
Figure II.5. Boucle de régulation du courant Isd
La fonction de transfert en boucle ouverte Fdo (s) est :
1 1 1 1
Fdo (s)  K d (1  ). . . (II.10)
s.Td 1  s.TD R s 1  s .s
(II.2)
Nous avons choisi d’utiliser Td afin d’éliminer le pôle le plus lent, donc :
Td  s
 (II.11)
 Kd 1
 Fdo (s)  R . s. (1  T .s)
 s s D (II.2)
La fonction de transfert en boucle fermée Fdf (s) est alors :
Fdo (s) Kd 1
Fdf (s)   . (II.12)
1  Fdo (s) R s s TD s 2  2 1 .s  K d
2TD R s s TD (II.2)
n 2
Elle est sous la forme standard :
s 2  2n .s  n 2
avec :
 1 R s s
 
 2 K d TD
 (II.13)
  Kd
 n
 R s s TD
26
Un amortissement  =0.7 détermine un temps de réponse optimal et permet d’obtenir une

bonne stabilité du système.
On a donc pour  =0.7:
 R s s Ls
 K d  2.T  2.T
 D D
 (II.14)
T    Ls
 d s
Rs
K id
L'écriture du régulateur (PI) sous la forme: G r (s)  K pd  donne:
s
 Ls
 K pd  K d  2.T
 D
 (II.15)
K  K d  R s
 id Td 2.TD
On retrouve la même boucle de régulation pour le courant Isq . On a donc:
 Ls
 K pq  K d  2.T
 D
 (II.16)
K  K d  R s
 iq Td 2.TD
Les boucles des courants jouent un rôle primordial puisque, tout en assurant le contrôle
vectoriel, elles garantissent les protections nécessaires à l’ensemble convertisseur- machine.
Ainsi, l’introduction de limitations sur les références des courants Isd et Isq assure la maîtrise
des courants même s’il apparaît un problème sur les boucles de régulation externe [BAG 99].
a.2.2. Régulation de flux
Le schéma bloc de la régulation du flux rotorique est donné par la figure (II.6).
r K if Isd Lm r
+_ K pf 
s Tr .s  1
r G r (s)
Figure II.6. Boucle de régulation du flux rotorique
27
La fonction de transfert du système en boucle ouverte est donnée par :

Lm
s  zf Tr (II.17)
Ffo (s)  K pf . .
s 1
s 
Tr
K if
avec : z f 
K pf
On choisit le zéro du correcteur de façon à compenser le pôle du processus avant régulation,

1
ce qui revient à poser : z f 
Tr
D’où Ffo devient :
Lm
K if .
Tr (II.18)
Ffo (s) 
s
La fonction de transfert en boucle fermée sera donnée comme suit :
1
Fff (s)  (II.19)
1  f .s
Tr
et : f 
L m .K pf
f est la constante de temps après régulation du flux. La dynamique du processus est choisie
en fonction de ce paramètre de manière à permettre une installation du flux dans le système le
plus rapidement possible (avant la boucle de la vitesse).
Une fois f est fixé, le gain de l'action proportionnelle et le gain de l’action intégrale du
correcteur du flux seront donnés par (II.20).
 Tr 1
 K pf  .
 f L m
 (II.20)
K  1 . 1
 if f L m
28
a.2.3. Régulation de vitesse
Il est clair que le réglage du couple se fera par l’action sur le courant Isq plutôt que par une
action sur le flux. Par conséquent, la sortie du régulateur de la boucle externe (vitesse)
constitue la référence (l’entrée) de la boucle interne (courant Isq ).
Pour cette régulation, nous avons adopté un régulateur IP (figure II.7).
Régulateur de vitesse IP
Cr
Système entraîné
I*sq Ce
 K iV  1 
_ _ Kt
s J.s  f
K pv

Figure II.7. Boucle de régulation de la vitesse, structure IP

rotorique
avec :
Ce  K t .Isq
3.p.L2m 
Kt  .Isd
2.L r
En considérant le couple de charge comme une perturbation, on obtient la fonction de
transfert par rapport à la consigne :
(s) K t .K iv
 (II.21)
* 2
 (s) J.s  (f  K pv .K t ).s  Kiv .K t
n 2
La comparaison de (II.21) avec la fonction de transfert standard : donne :
s 2  2n s  n 2
 f  K pv K t
 
 2(JK t K iv )1/ 2
 (II.22)
 K iv K t 1/ 2
n  ( J )
Si on choisit   1 , la réponse indicielle de (II.21) est comme suit:
(t)  1  e n .t (1  n .t) (II.23)
29
Le temps de réponse est le temps nécessaire pour que la réponse indicielle croisse de 0
jusqu'à 90% de sa valeur finale. On note le temps de réponse par t rep et on obtient:
n .t rep (II.24)

0.9  1  e (1  n .t rep )
On choisit un t rep souhaité, la résolution de (II.24) donne n et, d'après (II.22), les
paramètres du régulateur IP sont:
 J.n 2
 K iv 
 Kt (II.25)

 K  (2.J.n  f )
 pv Kt

b. Commande vectorielle indirecte (CVI)
La figure (II.8) représente le schéma bloc de la CVI de la machine asynchrone, avec la

régulation de vitesse et la régulation des deux courants Isd et Isq dans le repère (d, q) . Le
régulateur de vitesse prend en entrée la vitesse de référence et la vitesse mesurée. Il agit sur le
courant Isq pour régler la vitesse. La régulation des courants donne les tensions de références
1
usd et usq . Le filtre passe bas permet de rendre les blocs physiquement réalisables
T0 .s  1
(le degré de numérateur d'une fonction de transfert doit être inférieur au égale à celui du
dénominateur). Il reste une partie importante qui différencie cette CVI de la CVD. Il s'agit du
calcul de l'angle de transformation s .
Dans ce cas, le calcul de s peut se faire en sommant la "pulsation de glissement" avec la

vitesse électrique, ce qui donne la "pulsation statorique" puis en intégrant cette dernière, on
obtient s :
Isq
s   s dt   (p  ) dt (II.26)
r .Isd
La commande indirecte est obtenue en suivant les mêmes étapes (découplage, régulation)
de la commande directe. Le flux n'est pas réglé. Il est déduit de la vitesse à partir du bloc de
défluxage.
30
Isq Usq C u sq u as

* Reg Reg
_ _ O
M
C23
P
E P(s ) OND
N u bs à
S MLI MAS
Usd A T 1 (0)
r Tr .s  1 Reg T
_ I u sd u cs
L m (T0 .s  1)
Isd O
N
n 
L m I*sq s
r *r T(0)
Isq
P(s )
r 1 Isd
+
+ s s s
 C23
C23p
C23
Figure II.8. Régulation de vitesse par la commande vectorielle indirecte (CVI)
II. Commande de l’onduleur
Les grandeurs de sortie des commandes analogiques ou numériques représentent les

tensions ou courants désirés aux bornes de la machine. La technique de Modulation de
Largeur d'Impulsion (MLI) permet de reconstituer ces grandeurs à partir d'une source à
fréquence et tension fixes (en général une tension continue par l'intermédiaire d'un
convertisseur). Le réglage est effectué par les durées d'ouverture et de fermeture des
interrupteurs du convertisseur et par les séquences de fonctionnement.
La méthode de contrôle des courants par MLI, à partir d'une source de tension continue
constante, consiste à imposer aux bornes de la machine des créneaux de tension de manière
que le fondamental de la tension soit le plus proche possible de la référence de la tension
sinusoïdale.
La manipulation du nombre des impulsions formant chacune des alternances d'une tension
de sortie d'un onduleur à MLI présente deux avantages importants à savoir [HAD 03]:
 repousser vers des fréquences plus élevées les harmoniques de la tension; ce qui
facilite le filtrage,
 elle permet de faire varier la valeur du fondamental de la tension désirée.
31
Les techniques de modulation les plus utilisées sont : la naturelle (sinus-triangle), la

régulière, l’optimisée (élimination d’harmoniques non désirés), la vectorielle et la modulation
à bande à hystérésis (commande bang- bang) [NAI 99].
Dans ce mémoire on utilise la MLI naturelle de type sinus- triangle.
II.1.Stratégie de la MLI naturelle (sinus-triangle)
La technique de la MLI naturelle (sinus-triangle) est réalisée par une comparaison d'une
onde modulante basse fréquence (tension de référence) à une onde porteuse haute fréquence
de forme triangulaire. Les instants de commutation sont déterminés par les points
d'intersection entre la porteuse et la modulante. La fréquence de commutation des
interrupteurs est fixée par la porteuse.
La largeur d'impulsion est proportionnelle aux valeurs de la tension modulante aux instants
d'échantillonnage. Ces instants étant définis de manière naturelle par la comparaison de ces
deux ondes. Il n'existe pas de période d'échantillonnage bien définie, d’où le qualificatif
d'échantillonnage naturel (HAD 03), (figure II.9).
Modulatrice Porteuse
t
E/2
t
E / 2
Tension imposée au bras de l'onduleur
Figure II.9. MLI sinus-triangle
32
La figure (II.10) représente le schéma fonctionnel d'un onduleur de tension à commande

MLI de type sinus-triangle:
Porteuse
u a ua
Onduleur à MLI
u b ub
u c uc
Figure II.10. Schéma bloc d'un onduleur à MLI
La relation liant les tensions u a , u b , u c de sortie de l'onduleur aux tensions de référence
ua , ub , uc peut être exprimée tout simplement par un gain G [HAD 03]:
 u a 
ua   
 u b   G.  u b  (II.27)
u   u 
 c
 c 
avec:
E
G (II.28)
2.U p
ou:
U p : amplitude de la porteuse.
La valeur maximale du fondamental de la tension de sortie est donnée par la relation [GRE
00], [HAD 03]:
E
U1  .r (II.29)
2
où, r est le coefficient de réglage en tension, égal au rapport de l'amplitude de tension de
référence à la valeur crête E/2 de l'onde de modulation. Par action sur ce coefficient, on peut
théoriquement faire croître l'amplitude du fondamental de 0 jusqu'au maximum.
Ce modèle de l'onduleur est d'autant plus réaliste que la fréquence de la porteuse est plus
grande et que les temps morts des semi conducteurs sont plus faible [GRE 00], [HAD 03].
33
III. Simulation
III.1. Résultats de simulation de la commande vectorielle directe (CVD)
Les simulations présentées dans cette section sont réalisées sur une machine asynchrone
triphasée alimentée par un onduleur de tension à MLI et pilotée par une commande vectorielle
directe (CVD). Les paramètres de la machine sont mentionnés dans l'annexe.
Les simulations reportées sur la figure (II.11) concernent un échelon de vitesse de 0 à

100rd/s puis l'application d'un couple de charge de 5Nm à t=1s et enfin l'inversion du sens de
rotation à 100 rd / s à t=2 s.
Ces résultats montrent les performances de la régulation. On note une nette amélioration en
régime dynamique. En effet, la vitesse est obtenue sans dépassement au bout d'un temps de
0.23s. Lors de l'application du couple de charge, on note une diminution de vitesse de l'ordre
de 4 rd/s. L'inversion du sens de rotation du moteur de 100 rd / s à 100 rd / s a pour but de
tester la robustesse de la CVD vis-à-vis d'une variation importante de la référence. La
caractéristique de vitesse montre que la vitesse suit sa référence avec un dépassement et une
erreur statique négligeables. Ces résultats satisfaisants de réglage de la vitesse sont garantis à
l'aide de l'utilisation d'un régulateur de vitesse de type IP au lieu d'un régulateur de type PI.
Dans le cas de l'utilisation d'un PI, il faut ajouter un filtre (correcteur) pour la consigne de
vitesse afin de modérer l'impact de sa variation brusque.
Le flux rotorique est obtenu dès l'instant initial. La constante de temps du flux est très
petite. On peut constater que le vecteur flux est vraiment sur l'axe d.
Comme les compensations en tension représentent des approximations, le flux est

légèrement perturbé lors des grandes variations de couple. La composante Isd est une image
du flux et la composante Isq est en parfait accord avec l'évolution du couple. En régime
permanent, ce couple présente des pulsations liées aux harmoniques de courant dus à
l'utilisation du convertisseur statique.
34
 rd
 rq
Figure II.11. Simulation d'une régulation par CVD d'une machine asynchrone alimentée en tension
III.2. Résultats de simulation de la commande vectorielle indirecte (CVI)
Les essais de simulation effectués pour la CVI sont gardés les mêmes que pour la CVD. En
régime permanent, on remarque que les résultats de simulation (figure II.12) sont analogues.
Aux régimes transitoires (démarrage, introduction de la charge, inversion de sens de

rotation), les résultats sont moins performants (dépassement du flux au démarrage,
oscillations au moment de l'inversion de vitesse) à cause de l'absence de régulation du flux
35
rotorique ainsi que, peut être, à la méthode d'obtention de l'angle de Park utilisée dans ce cas.
A partir de ces régimes transitoires des deux types de commande (CVD et CVI) on peut
constater une amélioration visible sur l'établissement du couple et, en conséquence, sur la
dynamique de la vitesse garantie par la CVD par rapport à ce qui est obtenu avec une CVI.
 rd
Isq
 rd
Figure II.12. Simulation d'une régulation par CVI d'une machine asynchrone alimentée en tension
36
III.3. Robustesse vis-à-vis de la variation de la résistance rotorique

 Comparaison entre la CVD et la CVI
Les résultats de simulation présentés sur la figure (II.13) sont donnés pour tester la
robustesse de la CVD et la CVI vis-à-vis de la variation de la résistance de rotor R r . Cette
comparaison est faite dans les mêmes conditions de fonctionnement (consigne, charge) et
dans la même configuration de simulation numérique (pas d'échantillonnage, durée de
simulation). Dans cette simulation, on applique un couple de charge au moteur égal à 5 Nm
à t  0.8s . Le moteur tourne à une vitesse de 100 rd/s. La résistance rotorique est augmentée
de 50% de sa valeur nominale à t=1s et de 100% de sa valeur nominale à t=1.5 s. Notons que
pour ce test, l'onduleur de tension n'est pas introduit.
On note d'après ces résultats de simulation obtenus pour une double variation de la
résistance rotorique du moteur, que la variation de cette dernière n'affecte pas la CVD. En
effet, son comportement reste stable et le découplage entre les deux axes d et q persiste. Par
contre, le comportement statique et dynamique de la CVI est affecté. Il n'existe plus de
découplage entre les axes d et q. Cela est du à la différence entre la résistance rotorique du
moteur et la résistance rotorique intervenant dans la commande (bloc d'autopilotage). Dans ce
cas, l'adaptation de la résistance au niveau du bloc de commande est nécessaire; ce qui
nécessite donc son estimation.
37
 rd
 rd
 rq
 rq
(a) (b)
Figure II.13. Robustesse de la commande vis-à-vis de la variation de la résistance rotorique R r

(augmentation de 50% à t=1.5 s et 100% à t=2 s)
a). CVD b). CVI
38
Conclusion
D'après les résultats précédents, on peut conclure que la commande vectorielle par
orientation du flux rotorique (directe et indirecte) est très performante et nous permet de faire
fonctionner la machine asynchrone avec de bonnes performances dynamiques et statiques.
Autrement dit, la commande vectorielle permet d'imposer à la machine asynchrone des

comportements semblables à ceux de la machine à courant continu ou à ceux de la machine
synchrone dans lesquelles le flux n'est pas affecté par les variations du couple
électromagnétique. Cependant, l'inconvénient majeur de cette commande (particulièrement la
CVI) est sa faible robustesse vis-à-vis des variations paramétriques, en particulier de la
variation avec la température et la saturation de la résistance rotorique R r qui intervient dans
la définition de r .
Nous avons vu aussi dans ce chapitre que la commande des machines asynchrones
nécessite la connaissance des grandeurs difficilement ou même non mesurables. Les
techniques développées en automatique et connues sous le nom de " l'observation d'état"
apportent une aide considérable pour l'approche et la résolution de ces problèmes. Le chapitre
suivant est donc consacré à ce sujet à travers le développement et l'utilisation du filtre de
Kalman.
39
Chapitre III Filtre de Kalman stochastique d'ordre complet
Chapitre III: Filtre de Kalman stochastique d'ordre complet
Introduction
Actuellement, les machines asynchrones sont les machines électriques les plus utilisées dans
les applications industrielles. Cela est dû, en grande partie, à leur simplicité de construction et
leur robustesse. Pour avoir un fonctionnement rapide et un contrôle précis (afin de garantir les
performances souhaitées), les régulations de flux et de la vitesse sont indispensables. Or, les
grandeurs d'état ou de sortie utilisées pour l'élaboration de la commande des machines
électriques sont souvent difficilement accessibles pour des raisons techniques (flux) ou pour
des problèmes de coût (vitesse, position) [GRE 00], [CAN 00.2]. Il faut donc les déterminer
sans utiliser de capteurs. Elles sont évaluées à partir des grandeurs déjà mesurées (courant,
tension…).
Elles peuvent être reconstituées par :
 Estimateurs utilisés en boucle ouverte
Reposant sur l'utilisation d'une représentation sous forme d'équation de Park en régime
statique (estimateur statique) ou transitoire (estimateur dynamique). Ils sont caractérisés par la
simplicité de mise en œuvre. Cependant, leur dynamique dépend des modes propres de la
machine et ils sont peu robustes aux variations paramétriques avec la température et la
fréquence [GAR 98], [GRE 00], [AKI 03].
 Observateurs corrigeant en boucle fermée les variables estimées
Ces techniques de reconstitution de flux et de vitesse de rotation sont le sujet de notre

travail. Dans ce qui suit, on présente donc le principe des observateurs, leur classification
ainsi que la présentation de l'observateur utilisé.
I. Observateurs
I.1. Principe des observateurs
Un observateur est un développement mathématique qui permet de reconstituer les états

internes d'un système à partir uniquement des données accessibles, c'est à dire les entrées
imposées et les sorties mesurées, (figure III.1) [GRE 00], [BOU 01], [SAI 02].
40
MODELE
u  y
 x  Ax  Bu
y  C x
OBSERVATEUR x̂
Figure III.1. Principe de l'observation
L'observation se fait en deux phases. La première est une étape d'estimation et la seconde
est une étape de correction. L'estimation se fait par le calcul des grandeurs d'état à l'aide de
modèles proches du système (estimateur) et la correction se fait par l'addition ou la
soustraction de la différence entre les états estimés et ceux mesurés (erreur d'estimation) que
l'on multiplie par un gain K (observateur). Ce gain régit la dynamique et la robustesse de
l'observateur. Son choix est donc important et doit être adapté aux propriétés du système dont
on veut effectuer l'observation des états (figure III.2).

x x y
u B +  C
Système A
K +
_
+ x̂ x̂ ŷ
B  C
+
Estimateur x̂
A
Observateur
Figure III.2 Schéma fonctionnel d’un observateur d'état
I.2. Classification des observateurs
Il existe de nombreuses techniques d'observation. Elles différent en fonction de la nature du

système considéré (linéaire ou non linéaire), de l'environnement considéré (déterministe ou
stochastique) et, en fin, de la dimension du vecteur d'état à estimer (complet ou réduit).
41
En fonction de la nature du système considéré, ces observateurs peuvent être classées en

deux grandes catégories [GAR 98], [GRE 00], [BOU 03]:
 observateurs pour les systèmes linéaires: ce sont les observateurs dont la construction
du gain est basée sur une matrice " A " du système qui est linéaire et invariant dans le temps.
L'observateur de Luenberger et le filtre de Kalman se basent sur cette approche.
 observateurs pour les systèmes non linéaires: les systèmes peuvent être non linéaires.
Dans ce cas, des observateurs ont été développés pour palier cette difficulté. On peut citer par
exemple:
- des observateurs où les gains de correction sont calculés à partir d'une analyse par la
méthode de Lyapounov,
- des observateurs à structure variables (modes glissants),
- des observateurs à grand gain.
En fonction de l'environnement considéré, deux grandes familles d'observateurs se

distinguent [BOU 03], [AKI 03]:
 observateurs de type déterministes: ce sont les observateurs qui ne prennent pas en

compte les bruits de mesures et les fluctuations aléatoires des variables d'état: l'environnement
est déterministe. Parmi ces observateurs nous pouvons citer l'observateur de Luenberger.
 observateurs de type stochastiques: ces observateurs donnent une estimation optimale

des états en se basant sur des critères stochastiques. Leurs observations se basent sur la
présence du bruit dans le système, ce qui est souvent le cas. L'algorithme du filtre de Kalman
illustre bien cette application.
En fin, en fonction de la dimension du vecteur d'état, les observateurs du flux peuvent être
classés en deux familles [CAN 00.2]:
 observateurs d'ordre complet: ces observateurs donnent les informations sur les quatre
variables d'état. Ces variables sont définies, soit comme quatre composantes des flux
statoriques et rotoriques, soit comme deux composantes du courant statorique et deux
42
composantes du flux rotorique. Remarquons que ces observateurs nécessitent un temps de

calcul long. Les matrices dynamiques sont de rang 4 et il faut les réactualiser en introduisant
la mesure de la vitesse,
 observateurs d'ordre réduit : ces observateurs donnent les informations sur les
variables d'état non mesurables (flux). Ces observateurs nécessitent moins temps de calcul
que ceux d'ordre complet.
L'adoption d'une approche déterministe pour l'estimation d'état d'un système physique
suppose une connaissance exacte de son modèle c'est-à-dire, de ses matrices A, B et C (figure
III.2). Cette approche néglige également les notions d'incertitudes et de fluctuations aléatoires.
Or, toute observation physique est perturbée par des signaux parasites qui ont des causes
diverses internes ou externes aux dispositifs de mesures. Quand les bruits (signaux parasites)
sont faibles, l'approche déterministe peut s'avérer suffisante. Cependant, pour atteindre de
hautes performances, il faut augmenter la précision des variables estimées.
Dans l'approche stochastique, il y a un lien très précis entre le placement des pôles de
l'estimateur et les paramètres statistiques des bruits. En effet, étant donné la description des
bruits, le choix de la matrice de gain K (figure III.2) est optimal au sens de la variance
minimale des valeurs estimées [CAN 00.2].
Dans le cas stochastique, qui est plus général, on peut prendre en compte les bruits du
système et les bruits des mesures. La structure de base d'un observateur stochastique est
semblable à celle d'un observateur d'état déterministe. Cependant, les gains du filtre sont
calculés à partir des paramètres du modèle d'état du processus et des lois de probabilité des
bruits.
Dans la littérature spécialisée, le terme d'observateur d'état est réservé pour une estimation
d'état déterministe et le terme filtre pour le cas stochastique [CAN 00.2].
Dans cette étude, le filtre stochastique d'ordre complet de Kalman a été retenu. Comme le
fonctionnement de ce filtre est en présence du bruit, la quantification de ces bruits (état et
mesure) est essentielle pour le bon fonctionnement du filtre. Il est intéressant de rappeler les
différentes sources de ces bruits.
43
Les paragraphes suivants donnent donc les principaux bruits de mesure et d'état qui peuvent
affecter le système et mentionnent les différentes hypothèses concernées.
II. Bruit
II.1. Bruit d'état
Le bruit d'état rend compte des imperfections du modèle par rapport à la machine réelle. Les
principales approximations effectuées correspondent aux hypothèses qui ont permis d'élaborer
le modèle dynamique de la machine asynchrone (paragraphe (I.2) du chapitre I). En général,
une machine n'est pas rigoureusement symétrique et la répartition du flux dans l'entrefer n'est
pas rigoureusement sinusoïdale (hypothèses 5 et 6). Ces défauts, dus principalement à la
fabrication de la machine, engendrent des harmoniques dans les tensions et les courants de la
machine. La machine présente en général, des pertes fer (hypothèses 8) qui sont difficiles à
identifier et compliquent l'expression mathématique du modèle d'état si on veut les prendre en
compte dans la modélisation [SED 98]. Cependant, pour des machines dont la fabrication est
soignée, les défauts précédents ne sont pas en général prépondérants dans les termes de bruit.
Dans le cas d'une estimation d'état sans extension aux paramètres de la machine, les termes
prépondérants de bruit d'état sont dûs aux variations des paramètres de la machine
(hypothèses 1, 2 et 3). Ce type de bruit est engendré par l'échauffement des enroulements et
des barres rotoriques de la machine. Il provoque un accroissement des résistances statoriques
et rotoriques. En effet, la résistivité d'un conducteur augmente avec la température. De plus, la
résistance des barres de la cage rotorique augmente lorsque la fréquence des courants
augmente; les lignes de courants sont repoussées sur la périphérie des barres [SED 98], [CAN
02.1].
Il existe d'autres sources de bruits d'état qui affectent le système. Il s'agit du bruit d'état
introduit par l'onduleur (hypothèse 4). L'influence d'une incertitude sur la mesure de la vitesse
mécanique (pour réactualiser la matrice d'état " A " dans chaque période d'échantillonnage)
peut introduire un bruit d'état surtout lorsqu'on suppose que la période d'échantillonnage n'est
pas négligeable devant les constantes de temps mécaniques [SED 98].
II.2. Bruit de mesure
44
Les bruits de mesure concernent la chaîne de mesure des courants de ligne, c'est- à- dire les
capteurs et les convertisseurs analogiques- numériques (CAN). Il y a donc principalement
deux sources de bruits: un bruit analogique, dû au capteur, et un bruit de quantification dû au
CAN. Le bruit résultant dépend de l'amplitude de chacun de ces bruits [SED 98].
Cependant, il faut noter que la majorité de ces bruits (état et mesure) sont prépondérants
dans les cas des bancs expérimentaux et pas dans des essais de simulation dans un calculateur
numérique.
III. Filtre de Kalman
Le filtre de Kalman est un observateur linéaire qui peut être, dans le cas d'un système non
linéaire, appliqué au modèle linéarisé. On parle alors de filtre de Kalman étendu. Ce dernier
peut être utilisé pour l'estimation d'état, voire de paramètres de la machine asynchrone [NAJ
88], [SED 98], [GRE 00].
Le filtre de Kalman permet de résoudre, dans le domaine temporel, le problème de

l'estimation statistique pour des systèmes linéaires. Il fait appel à la représentation d'état des
systèmes linéaires stochastiques. Il fournit alors une estimation optimale au sens de la
variance minimale ainsi que la variance de l'erreur d'estimation [SED 98].
Dans le cas d'un système discret, la formulation du filtre est particulièrement adaptée au
traitement numérique, donc à l'implantation sur un calculateur en vue de son fonctionnement
en temps réel.
III.1. Modèle stochastique
Le choix du modèle d’état continu dans le repère statorique en vue de l’estimation d’état ou
de paramètres de la machine asynchrone a été effectué au paragraphe (I.6) du premier
chapitre. Afin d’être implémenté directement sur un calculateur, le modèle d’état continu doit
être discrétisé.
Les différents signaux intervenant dans le modèle continu (I.15) sont donc échantillonnés à
une période Te . On pose alors :
45
 x k  x(kTe )

u k  u(kTe ) (III.1)
 y  y(kT )
 k e
avec:
x k  [is k isk  r k  rk ]t et u k  [u s k u sk ]t
La matrice d’état discrète est obtenue par un développement en série de Taylor à l’ordre un
de l’exponentielle de matrice d'état continue "A". Puisque la vitesse mécanique intervient
dans certains coefficients de la matrice d’état continue, la matrice de transition doit être
réactualisée à chaque itération avec une mesure de la vitesse mécanique [BEN 95], [SED 98].
En posant :
A(p(kTe ))  A(p k )
Il vient:
 A k  exp(A(p)Te )  I 4  A(p k ).Te

 1
(III.2)
 Bk  (A(p k )) (A k  I 4 )B  B.Te
avec: I 4 la matrice identité d’ordre 4.
La discrétisation du modèle donné par l'équation (II.15) s'écrit alors :
 x k 1  A k x k  Bk u k
 (III.3)
 y k  Cx k
avec:
 Kl 
 1  T e . 0 Te . Te .K l .p 
Tr  Te 
   L 0 
 0 Kl 

1  Te . Te .K l .p Te .  s 
Tr  Te  (III.4)
Ak   ; Bk   0
Lm 1  Ls 
 Te . 0 1  Te . Te .p   0
 Lr Tr   0 
 Lm 1   0 0 
 0 Te . Te .p 1  Te . 
 Lr Tr 
et:
46
R s R r L2m Lm
  , Kl  .
Ls Ls L2r Ls L r
Le système étudié est supposé décrit par un modèle d'état linéaire et discret donné par
l'équation (III.3). Cependant, ce modèle est idéal et ne peut véritablement rendre compte de
tous les phénomènes qui régissent le système réel. Afin de modéliser cet écart entre le
système réel et le modèle élaboré, on introduit dans l'équation d'état du modèle (équ III.3) un
vecteur de perturbation w k , encore appelé bruit d'état. Les mesures sont toujours entachées
d'erreurs. On introduit donc dans l'équation de mesure un vecteur de bruit de mesure v k . Le

modèle d'état discret tenant en compte les erreurs considérées s'écrit :
 x k 1  A k x k  Bk u k  w k
 (III.5)
 y k  Cx k  v k
Afin d'obtenir une estimation optimale par le filtre de Kalman, le bruit d'état w k et de
mesure v k doivent être centrés, blancs, gaussiens, décorrélés et de matrice de covariance Q

et R qui doivent être connues.
L'état initial x 0 est une variable aléatoire d'espérance x 0 / 0  E(x 0 ) , de matrice de
covariance P̂0 / 0 connue, indépendante des bruits d'état et de mesure.
En résumé nous avons:
E(w k )  0
 E(w k .w it )  Qki
E(v k )  0  t
où k,i  N (III.6)
E(w .v t )  0 E(v k .vi )  Rki
 k i
où Q, R et P0 sont des matrices symétriques définies positives et  ki est le symbole de

Kronecker, qui vaut 1 si k=i et 0 si k  i .
III.2. Filtre de Kalman standard
47
La prédiction de l'état x̂ k 1/ k et de la matrice de covariance P̂k 1/ k s'écrit:
 xˆ k 1/ k  A k .xˆ k / k  Bk .u k

 (III.7)
ˆ ˆ t
 Pk 1/ k  A k Pk / k A k  Q
L'étape de correction réajuste la prédiction à partir des mesures y k 1 pondérées par le gain
de Kalman K k 1 :
xˆ k 1/ k 1  xˆ k 1/ k  K k 1.(y k 1  C.xˆ k 1/ k ) (II.8)
Le gain de Kalman K k 1 est déterminé à partir de la matrice de covariance P̂k 1/ k et de la

matrice de covariance des bruits de mesure R :
K k 1  Pˆ k 1/ k .C t .(C.Pˆ k 1/ k .C t  R) 1 (III.9)
et
Pˆ k 1/ k 1  (I  K k 1.C).Pˆ k 1/ k (III.10)
La figure (III.3) représente le schéma général du filtre de Kalman standard discret:
u y
Machine asynchrone
Bo(z)
y k 1  yˆ k 1 y k 1
Bo(z) Kk +
_
uk
x̂ k 1/ k 1 x̂ k 1/ k
Bk + Retard Te C
+ ŷ k 1
Ak
Figure III. 3. Schéma général du filtre de Kalman discret
III.3. Filtre de Kalman étendu
48
Le filtre de Kalman standard, décrit précédemment, permet l'estimation de l'état d'un

système linéaire. Si on veut estimer des paramètres de la machine asynchrone, une solution
consiste à étendre le vecteur d'état estimé aux paramètres recherchés. Le modèle devient alors
non linéaire. On peut, sous certaines hypothèses, appliquer le filtre de Kalman standard à un
modèle linéarisé du système.
Il faut alors effectuer une linéarisation du système à chaque pas autour du point de
fonctionnement défini au pas précédent [SED 98], [GRE 00], [AKI 03].
Dans ce cas, le comportement dynamique du moteur asynchrone peut être modélisé par le
modèle non linéaire suivant:
 x ek 1  f (x ek , u k )  w ek
 (III.11)
e
 y k  h(x k )  v k
avec:
x ek  [x k k ]
où : x k représente le vecteur des états à estimer et k : représente le vecteur des paramètres à

estimer.
Etant donné que:

t
Q x  E(w xk .w xi ) et Q  E(w k .w t i ) .
avec;
Q x : matrice de covariance des états,
Q : matrice de covariance des paramètres.
En supposant que les variations des paramètres et des états sont indépendantes, il résulte que
la matrice Q est diagonale et on définit:
Q 0
Q x (III.12)
 0 Q 
Le processus d'observation par le filtre de Kalman étendu est donné en deux phases [NAJ 88]:
49
a). Phase de prédiction
 Prédiction du vecteur d'état étendu
x̂ ek 1/ k  f (x ek / k , u k ) (III.13)
 Prédiction de la matrice de covariance
Pˆ k 1/ k  Fk Pˆ k / k Fkt  Q (III.14)
avec:
f (x ek , u k )
Fk  (III.15)
x ek x ek  xˆ ek / k
b). Phase de correction
 Calcul du gain de Kalman
K k 1  Pˆ k 1/ k H kt (H k Pˆ k 1/ k H kt  R) 1 (III.16)

avec:
h(x ek )
Hk  (III.17)
x ek x ek  xˆ ek / k
 Estimation du vecteur d'état étendu
xˆ ek 1/ k 1  xˆ ek 1/ k  K k 1 (y k 1  H k xˆ ek 1/ k ) (III.18)
 Estimation de la matrice de covariance
Pˆ k 1/ k 1  Pˆ k 1/ k  K k 1H k Pˆ k 1/ k (III.19)
III.4. Détermination des matrices de covariance de bruit d'état et de mesure Q et R
Ce sont via ces matrices que passeront les différents états mesurés, prédits et estimés. Leur
but est de minimiser les erreurs liées à une modélisation approchée et à la présence de bruits
sur les mesures. Ce réglage requiert une attention particulière et seul un réglage en ligne
permet de valider le fonctionnement du filtre [MOR 05].
50
Cependant, quelques grandes lignes permettent de comprendre l’influence du réglage de

ces valeurs par rapport à la dynamique et la stabilité du filtrage.
La matrice Q liée aux bruits entachant l’état, permet de régler la qualité estimée de notre
modélisation et de sa discrétisation. Une forte valeur de Q donne une forte valeur du gain K
réduisant l’importance de la modélisation et de la dynamique du filtre. La mesure possède
alors un poids relatif plus important. Une trop forte valeur de Q peut cependant créer une
instabilité de l'observateur.
La matrice R règle quant à elle le poids des mesures. Une forte valeur indique une grande
incertitude de la mesure. Par contre, une faible valeur permet de donner un poids important à
la mesure. Cependant, il faut faire attention au risque d’instabilité aux faibles valeurs de R.
Dans le cas d'une estimation d'état sans extension aux paramètres (utilisation du filtre de
Kalman standard), la matrice de covariance du bruit d'état Q est d'ordre (4x4) et la matrice de
covariance de bruit de mesure R est la matrice d'ordre (2x2). Ainsi, ceci exigerait la
connaissance de 20 éléments. En supposant que les signaux du bruit ne sont pas corrélés, Q et
R sont diagonales, 4 éléments seulement doivent être connus dans Q et 2 éléments dans R.
Cependant, la machine asynchrone est parfaitement symétrique en construction. Les
paramètres dans les deux axes de Park sont donc identiques. Cela signifie que les deux
premiers éléments de la diagonale de Q sont égaux (q11=q22), le troisième et le quatrième
élément dans la diagonale sont égaux (q 33=q44). Ainsi, Q=diag (q11, q11, q22, q22) contient
seulement 2 éléments non connus.
Similairement, les deux éléments diagonaux dans R sont égaux (r 11=r22). Ainsi la matrice
R=diag (r11, r11).
Le nombre d'éléments des matrices Q et R est donc réduit et seulement 3 éléments doivent
être connus.
Dans le cas d'une estimation d'état et des paramètres (utilisation du filtre de Kalman
étendu), le nombre des éléments à connaître dans les matrices de covariance de bruit Q et R
est égale à 3 plus le nombre de paramètres à estimer (exemple, cas d'extension du filtre de
Kalman à la vitesse, le nombre des éléments dans Q et R devient 3+1= 4,… etc).
51
IV. Application du filtre de Kalman standard
Dans cette section, le filtre de Kalman standard est appliqué pour l'estimation du courant
statorique et du flux rotorique suivant les axes  et  d'une machine asynchrone triphasée à
cage.
La période d'échantillonnage du filtre est considéré confondue avec le pas de résolution et
égal à 100s . Les matrices de covariance du bruit sur l'état et sur les mesures Q et R
respectivement sont données comme suit:
Q  diag 107 107 107 107  R  diag[103 103 ] .

 
Les figures (III.4), (III.5) montrent, respectivement, les courants statoriques estimés îs et
îs ainsi que le module du courant statorique estimé et son erreur d'estimation. Les flux
rotoriques estimés ˆ r et ˆ r ainsi que le module du flux rotorique et l'erreur sur son
estimation sont représentés sur les figures (III.6) et (III.7). On peut remarquer que l'estimation
des composantes des courants statoriques et des flux rotoriques coïncident avec les
composantes réelles avec une erreur statique d'estimation très faible (de l'ordre de 1.33% pour
les courants et de 1.05% pour les flux).
Figure III.4. Estimation des courants statoriques îs et îs
52
Figure III.5. Estimation du module du courant statorique et son erreur d'estimation
ˆ r et ˆ r
Figure III.6. Estimation des flux rotoriques 
Figure III.7. Estimation du module du flux rotorique et son erreur d'estimation
53
Conclusion
Comme l'observation d'état est indispensable pour l'élaboration des commandes

performantes, les filtres de Kalman standard et étendu sont présentés dans ce chapitre. Le
filtre de Kalman standard est utilisé dans les systèmes linéaires pour l'estimation d'état tandis
que le filtre de Kalman étendu est utilisé dans les systèmes non linéaires pour l'estimation
d'état et des paramètres. Les résultats de simulation du filtre de Kalman standard sont
satisfaisants. On a constaté que sa mise en œuvre est facile. En effet, ce filtre possède une
stabilité et une convergence remarquables. L'utilisation de ce filtre standard permet d'élaborer
une commande vectorielle directe avec capteur de vitesse. Cependant, le chapitre suivant
présente l'application du filtre de Kalman étendu en vue d'élaborer une commande vectorielle
directe sans capteur de vitesse.
54
Chapitre IV Commande vectorielle directe sans capteur mécanique du moteur asynchrone
Chapitre IV
Commande vectorielle directe sans capteur mécanique

du moteur asynchrone
Introduction
La commande du moteur asynchrone sans capteur mécanique de vitesse devient un axe de

développement et de recherche industrielle fondamentale. Une recherche de la simplicité de
conception et de la robustesse devient un des critères importants dans de nombreuses
applications. En effet, ces critères mobilisent les chercheurs à se débarrasser de ces capteurs
qui sont les maillons faibles de la chaîne d'entraînement électrique. Outre l'encombrement et
la difficulté d'adaptation et de montage sur tous les types d'entraînements, ils sont fragiles et
onéreux [BAG 99]. On essaye donc de faire remplir leurs fonctions par des capteurs
électriques de tension et courant et des algorithmes de calcul afin de reconstituer la vitesse et
le flux de la machine. Avec les avancées considérables dans le domaine des outils de calcul
numérique, ces méthodes de reconstitution de vitesse et du flux peuvent être réalisées sur des
DSP de faible coût [BAG 99], [KOU 02].
La reconstitution de la vitesse et du flux est réalisée par des estimateurs ou des observateurs
qui sont construits à partir du modèle de la machine. Pour le cas des estimateurs, la
dynamique d'estimation (en boucle ouverte) dépend des constantes de temps de la machine et
ne peut être maîtrisée. Par contre, pour les observateurs, la dynamique d'observation est
contrôlée.
Il existe de très nombreuses publications et études traitant ce sujet. Citons parmi elles :
[GAR 98], [BAG 99], [KOU 02], [NAI 03], [AKI 03].
Dans [GAR 98], on trouve une multitude d’observateurs pour la reconstitution de vitesse
et du flux. L’observateur de Luenberger dans le cas déterministe et le filtre de Kalman dans le
cas stochastique et, en fin, l’observateur par mode de glissement. L’auteur a implanté ces
observateurs dans des bancs d'essais et donné des résultats de simulation ainsi
qu’expérimentation de ces observateurs en ordre complet et réduit avec des adaptations
paramétriques pour éliminer l’effet des variations des paramètres.
55
Les techniques d'estimation à base du filtre de Kalman étendu et à base du MRAS ont été
traitées par [BAG 99] et [AKI 03]. [BAG 99] donne aussi une introduction aux méthodes
intelligentes (algorithmes génétiques, logique floue et réseau de neurones). [KOU 02]
présente l'utilisation d'un observateur par mode de glissement robuste vis-à-vis des non
linéarités et variations paramétriques. [NAI 03] utilise la logique floue.
I. Application du filtre de Kalman étendu au MAS alimenté par un onduleur à MLI
Dans ce cas, le moteur est alimenté par un onduleur de tension à MLI commandé en boucle
ouverte. Le filtre de Kalman est utilisé pour l'estimation des courants et des flux dans le
repère ( ,  ) ainsi que la vitesse de rotation mécanique. Celle-ci peut être considérée comme
un état (introduction de l'équation mécanique dans le système d'état) ou comme un paramètre
(lorsque l'on suppose que sa dynamique est très lente par rapport aux dynamiques des
grandeurs électriques). Dans ce qui suit on traite ces deux cas.
I.1. Premier cas: Considération de la vitesse comme un état
Le moteur électrique peut être décrit par le système d’équations différentielles non linéaires
du 5eme ordre (IV.1), avec 4 variables électriques (courants et flux), une variable mécanique
(vitesse de rotation) et deux variables de contrôle (tensions statoriques). Ce modèle est non
linéaire puisque le vecteur d'état est étendu à la vitesse mécanique de rotation. On a donc dans
le repère ( ,  ):
 Kl 1
 x1  x1  x 3  K l px 5 x 4  u s
 Tr  L s
 Kl 1
 x 2  x 2  x 4  K l px 5 x 3  u s
 Tr Ls
 Lm 1
x3  x1  x 3  px 5 x 4 (IV.1)
 Tr Tr
 Lm 1
x 4  x 2  x 4  px 5 x 3
 Tr Tr
  f Cr
 x 5    x 3 .x 2  x 4 .x1   J  J

avec:
R s R r L2m Lm 3pL m
  , Kl  , 
Ls Ls L2r Ls L r 2JL r
56
Les tensions du stator et les états sont:
u   u t

  s u s  (IV.2)
 t t
 x   x1 x 2 x 3 x4 x 5   is i s  r  r  

En considérant que le vecteur de sortie y(t) est constitué des deux courants statoriques
is et is , le système non linéaire (IV.1) peut être représenté sous la forme (IV.3) :
 e
 x (t)  f (x e (t), u(t), t)
 (IV.3)
 y(t)  h(x e (t), t)

où: x e (t) un vecteur d'état de dimension n,

u(t) un vecteur de contrôle de dimension m,
y(t) un vecteur de sortie de dimension p.
La représentation d'état continue non linéaire (IV.3) du moteur suppose que le

fonctionnement de ce dernier est dans un environnement déterministe. Or, notre but est
l'estimation du courant statorique, du flux rotorique et de la vitesse de rotation dans un
environnement stochastique par le filtre de Kalman étendu. Nous ajoutons donc des vecteurs
de bruit d'état w(t) et de mesure v(t) dans l'équation d'état et de mesure respectivement. De
plus, ce filtre exige la discrétisation du modèle en vue de son fonctionnement en temps réel
sur les calculateurs numériques. Le modèle discret stochastique est donné comme suit:
 x ek 1  f (x ek , u k )  w ek
 (IV.4)
e
 y k  h(x k )  v k
avec: w ek un vecteur de bruit d'état de dimension (5x1),
v k un vecteur de bruit de mesure de dimension (2x1).
57
L'algorithme du filtre de Kalman étendu est donné au chapitre III (expressions III.13,
III.14, III.16, III.18 et III.19). Les matrices de linéarisation Fk et H k données dans (III.15) et
(III.17) respectivement, sont:
 Kl 
 1  Te  0 Te
Tr
Te pK l x 5 Te pK l x4 
 
 Kl 
 0 1  Te  Te pK l x 5 Te
Tr
Te pK l x 5 
 
f (x e k , u k )  L 1 
Fk    Te m 0 1  Te Te px 5 Te px 4  (IV.5)
x eTk x k  xˆ ek / k
e  Tr Tr 
 L 1 
 0 Te m Te px 5 1  Te Te px 3 
 Tr Tr 
 f 
 Tex 4 Tex 3 Tex 2 Tex1 1  Te 
 J 
h(x ek ) 1 0 0 0 0 
Hk   (IV.6)
x ek  0 1 0 0 0 
x ek  xˆ ek
La simulation de la MAS et de sa commande vectorielle est implantée sous Simulink. Le

filtre de Kalman étendu présente un algorithme très complexe avec des opérations
matricielles. Il est très difficile d'implanter toutes ces opérations matricielles en utilisant
seulement Simulink. Ce filtre est implanté donc comme une "S-function" (fonction système),
puis, inséré dans le schéma de simulation global en Simulink sous forme d'un bloc
"S-function" (figure IV.2). L'utilisation des "S-function" est incontournable pour la
description des processus complexes, difficilement représentables graphiquement ou encore
pour les systèmes sous forme de jeu d'équations [BUC 01], [AKI 03].
1 îs
1
Tension 2 îs
2 Filtre de Kalman
3 ˆ s
Etendu
Courant
S-Function 4 ˆ s
3
Charge
5 ̂
Figure.IV.1. Représentation du filtre de Kalman étendu sous forme de S -function
58
I.2. Deuxième cas: Considération de la vitesse comme un paramètre
Dans ce cas, le comportement dynamique du moteur est décrit par le modèle d'état continu
(IV.7) où on considère que la dynamique de la vitesse est très lente par rapport aux
dynamiques des grandeurs électriques (courants et flux):
 Kl 1
 x1  x1  x 3  K l px 5 x 4  u s
 Tr  L s
 Kl 1
 x 2  x 2  x 4  K l px 5 x 3  u s
 T r L s
 Lm 1
x3  x1  x 3  px 5 x 4 (IV.7)
 Tr Tr
  Lm 1
x 4  x 2  x 4  px 5 x 3
 Tr Tr
 
x5  0

Notons que les vecteurs de commande et d'état et la matrice H k restent les mêmes que dans
le premier cas. Par contre, la matrice Fk devient :
 Kl 
1  Te  0 Te
Tr
Te pK l x 5 Te pK l x4 
 
 Kl 
 0 1  Te  Te pK l x 5 Te
Tr
Te pK l x 5 
 
Fk   L m 1  (IV.8)
 Te 0 1  Te Te px 5 Te px 4 
 Tr Tr 
 L 1 
 0 Te m Te px 5 1  Te Te px 3 
 Tr Tr 
 0 0 0 0 1 
Dans les deux cas, le couple électromagnétique estimé est calculé à partir des flux et des
courants estimés par la formule ci-dessous:
3 Lm
Cˆ e  p (ˆ r ˆis  ˆ rˆis ) (IV.9)
2 Lr
59
I.3. Résultats de simulation
On présente tout d'abord, les résultats de simulation du moteur asynchrone pour lesquels le
filtre est testé. Une charge de 5Nm est appliquée à t=0.7 s.
Les deux figures (IV.2) et (IV.3) illustrent les courants statoriques et les flux rotoriques
suivant les axes  et  . Le couple électromagnétique et la vitesse de rotation mécanique sont
montrés par la figure (IV.4).
Figure IV.2. Simulation des courants statoriques is et is
Figure IV.3. Simulation des flux rotoriques  r et  r
Figure IV.4. Simulation de la vitesse rotorique et le couple électromagnétique
60
I.3.1. Premier cas: Considération de la vitesse comme un état
Les figures suivantes donnent les résultats de simulation du filtre de Kalman étendu pour le
premier cas. Notons qu'on n'a pas besoin d'un bruit supplémentaire injecté dans les courant et
les tensions (entrées du filtre de Kalman étendu) car ces derniers sont riches en harmoniques à
cause de l'utilisation de l'onduleur de tension à MLI.
Figure IV.5. Estimation des courants statoriques îs et îs
Figure IV.6. Estimation des flux rotoriques ˆ r et ˆ r
Figure IV.7. Estimation de la vitesse mécanique de rotation et le couple électromagnétique
61
Figure IV.8. Erreurs d'estimation de la vitesse, du module du flux rotorique

et du couple électromagnétique
Les résultats de simulation précédents montrent que l'estimation du flux et de la vitesse se

fait convenablement. On a constaté une parfaite poursuite en amplitudes et en phases des
composantes estimées du courant statorique et du flux rotorique et de leurs composantes
réelles respectivement. L'estimation de la vitesse est satisfaisante. En effet, l'erreur
d'estimation dépasse 4 rd / s (correspondant à une erreur relative de 2.5%) au démarrage puis
tend vers 0.4 rd / s (correspondant à une erreur relative de 0.25%) en régime permanent. On
peut noter que l'influence de la charge est négligeable.
Dans le cas où l'on suppose la vitesse comme un état, la variation du moment d'inertie J et
le coefficient de frottement visqueux f peut dégrader les performances de ce filtre. La figure
(IV.9) représente l'estimation de la vitesse pour une augmentation de 50% du moment
d'inertie J.
Figure IV.9. Estimation de la vitesse de rotation pour une augmentation

de 50% du moment d'inertie.
D'après le résultat de la figure (IV.9), on peut noter une dégradation des performances du
filtre.
62
I.2.2. Deuxième cas: Considération de la vitesse comme un paramètre
Les figures (IV.10, IV.11, IV.12, IV.13) représentent les résultats d'estimation obtenus par
le filtre du deuxième cas :
Figure IV.10. Estimation des courants statoriques îs et îs
Figure IV.11. Estimation des flux rotoriques ˆ r et ˆ r
Figure IV.12. Estimation de la vitesse mécanique de rotation et le couple électromagnétique
63
Figure IV.13. Erreurs d'estimation de la vitesse, du module du flux rotorique

et du couple électromagnétique
Les performances (faiblesse de l'erreur statique d'estimation) et la simplicité (pas

d'influence de la variation du moment d'inertie J et du coefficient de frottement f sur le
processus d'estimation) obtenues dans ce cas nous permettent d'utiliser ce filtre afin d'élaborer
une commande vectorielle directe sans capteur.
II. Commande vectorielle directe (CVD) sans capteur de vitesse d'un MAS utilisant le
filtre de Kalman étendu
Le schéma bloc du système d'entraînement du moteur asynchrone commandé par la CVD

sans capteur de vitesse est illustré par la figure (IV.14).
Isq Usq
* C u sq u as
_ Reg _ Reg
O
M C23 C23
̂ P
E P(s ) OND
N u bs
S MLI MAS
r Usd A T 1 (0)
Isd Reg T
_ Reg _ I
u sd u cs
̂ r O C23
N
Isq n s
isa
T(0)
Isd P(s )
isc
C23 s
is ,is
ˆ r
ˆ s  arctg ˆ r
̂s ˆ r Filtre de Kalman
2 2
Etendu
ˆ r  ˆ r  ˆ r
̂ r ˆ r u s , u s
̂
Figure IV.14 Régulation de vitesse par la commande vectorielle directe ( CVD)
avec introduction du filtre de Kalman étendu
64
Afin de mettre en évidence les performances et la robustesse du filtre de Kalman étendu à

la vitesse de rotation et donc le système d'entraînement global, on a simulé une multitude de
cas (démarrage à vide avec introduction de la charge, inversion du sens de rotation,
fonctionnement en mode défluxé, …etc). Notons que ce système d'entraînement présente un
caractère stochastique à cause de l'utilisation de l'onduleur de tension à MLI et après
tâtonnement et ajustement, les matrices de covariance Q et R sont fixées comme suit:
Q  diag 106 106 106 106 102  et R  diag 102 102 

   
II.1. Démarrage à vide avec introduction d'un couple de charge
La figure (IV.15) illustre les performances de la régulation sans capteur de vitesse. Le

moteur démarre à vide, puis à t=0.7s on le charge avec un couple résistant C r  5Nm . Pour
ces régimes transitoires, on observe que l'estimation du flux et de la vitesse de rotation est très
satisfaisante. En effet, les erreurs d'estimation de ceux derniers sont négligeables tant au
permanent qu'aux transitoires. L'insensibilité de l'algorithme d'estimation vis-à-vis de la
variation de la charge est acceptable. Ces résultats montrent que ce filtre est implanté avec
succès dans un control vectoriel direct sans capteur robuste vis-à-vis de la variation de la
charge.
Figure IV.15. Régulation de vitesse d'un moteur asynchrone alimenté en tension avec une CVD
sans capteur (démarrage à vide avec application de la charge)
65
Figure IV.15. Régulation de vitesse d'un moteur asynchrone alimenté en tension avec une CVD sans
capteur (démarrage à vide avec application de la charge) (suite)
II.2. Inversion du sens de rotation
Ce test est fait pour montrer la robustesse de la CVD utilisant le filtre de Kalman étendu
vis-à-vis des variations brusques de la vitesse de rotation. Pour ce faire, on applique une
consigne de vitesse égale à 100 rd / s pendant une durée de temps t=0.7s, puis, on inverse le
sens de rotation du moteur à 100 rd / s . Les résultats de simulation sont donnés sur la figure
(IV.16).
66
sans capteur (inversion du sens de rotation)
67
Figure IV.16. Régulation de vitesse d'une moteur asynchrone alimenté en tension avec une CVD
sans capteur (inversion du sens de rotation) (suite)
On observe d’après ces résultats que ce filtre est robuste vis a vis de la variation importante
de la vitesse. L'erreur d'estimation de la vitesse montre que la vitesse estimée suit la vitesse
réelle avec précision au régime permanent. Aux transitoires (démarrage et inversion du sens
de rotation), cette erreur est acceptable et n'affecte pas les comportements statiques et
dynamiques de la CVD et également le système d'entraînement global. On note aussi que
l'estimation du flux et du courant est faite d'une façon adéquate.
II.3. Fonctionnement en mode défluxé
La figure (IV.17) illustre quelques caractéristiques dynamiques du système d'entraînement

sans capteur pour un fonctionnement en mode défluxé. Le moteur démarre sous une charge
égale à 60% de la charge nominale et avec la vitesse nominale (146 rd/s). A t=0.75 s, on varié
la vitesse à 170rd/s. Le moteur doit être fonctionné en mode défluxé.
sans capteur (mode défluxé)
68
sans capteur (mode défluxé) (suite)
D'après les résultats de la figure (IV.17), on observe que les performances du filtre et le
système d'entraînement global, également, sont acceptables. Les grandeurs estimées suivent
leurs grandeurs réelles avec exactitude.
69
Dans les paragraphes précédents, nous avons donné les différentes réponses du système
d'entraînement global. Cependant, pour bien analyser et étudier le comportement du filtre, on
donne dans ce qui suit les réponses de la vitesse de rotation et du module du flux rotorique
seulement.
Notons que la problématique principale de l'observation d'état du moteur réside

essentiellement dans les deux points suivants [AKI 03]:
 robustesse des observateurs aux cas d'estimation aux basses vitesses,

 robustesse des observateurs vis-à-vis des variations paramétriques.
Le paragraphe (II.4) traite donc le problème d'observation aux basses vitesses. L'étude de
la robustesse du filtre de Kalman vis-à-vis des variations paramétriques est montrée dans le
paragraphe (II.5). Nous étudierons aussi la robustesse du filtre lors de l'injection du bruit de
mesure sur les courants ( is ,is ) au paragraphe (II.6). En fin, le paragraphe (II.7) donne le
comportement du filtre lors de la présence des variations paramétriques et le bruit de mesure.
II.4. Estimation aux basses vitesses
La figure (IV.18) donne un résultat de simulation pour une inversion du sens de rotation de
10 rd / s du moteur à vide. La vitesse mesurée et la vitesse estimée sont données dans le
même graphe.
Les matrices de covariance de l'état et de mesure sont choisies afin d'optimiser les erreurs
d'estimation de la vitesse et du flux dans les régimes transitoires ainsi qu'aux permanents. En
effet, on constate que le comportement de ce filtre est acceptable.
Figure IV.18. Performances du filtre à basses vitesses
70
Figure IV.18. Performances du filtre à faibles vitesses (suite)
La figure (IV.19) montre la vitesse mesurée et la vitesse estimée par le filtre de Kalman
étendu. Un échelon de vitesse de 5 rd / s est appliqué au démarrage, alors qu'à t=0.7s, la
vitesse est annulée afin de vérifier la fiabilité d'estimation du filtre dans le cas de
positionnement.
Figure IV.19. Performances du filtre en cas de très basses vitesses et le positionnement (vitesse nulle)
On note que les résultats d'estimation sont très satisfaisants et le filtre reste stable même
pour la vitesse nulle.
71
II.5. Robustesse vis-à-vis de la variation paramétrique
Afin d'étudier l'influence des variations paramétriques sur le comportement du filtre et par
conséquent, sur le comportement global du système d'entraînement, nous avons introduit des
variations aux paramètres de la machine ( R r , R s et J ). La figure (IV.20) montre le
comportement dynamique du moteur asynchrone soumis à une inversion de vitesse, dans le
cas des trois variations paramétriques traitées séparément.
a- R r  50% b- R s  25% c- J  50%
Figure .IV.20. Influences des variations paramétriques de la machine asynchrone sur le

comportement dynamique du filtre de Kalman étendu et de la commande
On remarque que le filtre est insensible aux variations de la résistance rotorique et du

moment d'inertie. La variation de la résistance statorique influence fortement ce filtre à
l'instant de démarrage et à basses vitesses. Une amélioration peut être attendue par
l'augmentation du vecteur d'état à estimer à cette résistance statorique.
II.6. Estimation avec injection du bruit de mesure
Dans la figure (IV.21.a), le bruit injecté dans les courants statoriques est montré. Ce bruit
est de moyenne nulle, blanc et Gaussien. L'injection du bruit dans les courant a pour but de
tester la robustesse du filtre pour des systèmes extrêmement bruités. Autrement dit, pour
observer ses caractéristiques et performances dans le cas du filtrage passe bas. Les figures
(IV.21.c et d) donnent des zooms de vitesse pour le fonctionnement à 100 rd/s et -10 rd/s,
respectivement.
72
(a) (b)
(c) (d)
Figure IV.21. Performances du filtre en présence du bruit sur les courants is et is
a). Bruit du courant injecté b). Vitesse estimée
c). Zoom de la grande vitesse (100 rd/s) d). Zoom de la basse vitesse (-10 rd/s)
Comme montré dans les figures (IV.21.b, c et d), la vitesse estimée n'est pas trop affectée
par l'injection de ce bruit aussi bien au basses vitesse que grandes vitesses. La précision
d'estimation de la vitesse peut augmentée avec l'augmentation de la covariance de bruit de
mesure.
II.7. Estimation en présence du bruit de mesure et variation paramétrique
Dans ce paragraphe, on donne le résultat de simulation pour une augmentation de 50 % de
R r et en présence de bruit de mesure de la figure (IV.21.a). Ce test est fait pour examiner
l'efficacité du filtre lorsque ces deux perturbations existent simultanément dans le moteur (ce
fonctionnement est souvent vrai dans le moteur). On note, que le filtre reste robuste et stable
dans ces conditions de fonctionnement.
Figure IV.22. Performances du filtre lors d'augmentation de 50% de R r et en présence du

bruit sur les courants et
et
73
Conclusion
La commande sans capteur mécanique est en pleine évolution. Cette évolution a pour but
d'éliminer les capteurs avec leurs inconvénients tel que: encombrement, fragilité, coût, … etc.
Si le contrôle pour des vitesses élevées ne pose plus beaucoup de problèmes, il n'en est pas de
même pour les basses vitesses et le positionnement.
Dans ce contexte, ce chapitre fait l'objet d'une implémentation d'un filtre de Kalman étendu
à la vitesse mécanique de rotation afin d'élaborer une commande vectorielle directe sans
capteur.
Tout d'abord, nous avons traité les deux cas d'estimation de la vitesse: dans le premier cas,
on a supposé la vitesse comme un état tel que, les courants et les flux. Dans ce cas, on observe
que le processus d'estimation exige la connaissance du couple résistant ainsi que l'existence
du problème des dérives paramétriques sur le moment d'inertie et le coefficient de frottement
visqueux. Pour surmonter ces problèmes, on a opté pour le deuxième cas (vitesse supposée
comme un paramètre).
L'introduction du filtre de Kalman étendu à la vitesse au sein d'une commande vectorielle

directe apporte des performances remarquables au système d'entraînement global. En effet, les
résultats de simulation montrent que ce filtre stochastique possède une grande robustesse lors
de l'application du couple de charge, l'inversion du sens de rotation, le fonctionnement en
mode défluxé et lors de l'injection du bruit de mesure sur les courants.
Concernant le fonctionnement à basses vitesses, on peut conclure que ce filtre reste robuste
et stable et permet d'estimer même la vitesse nulle (cas de positionnement). Cependant, pour
les variations paramétriques, le comportement du filtre est très influencé lors de la variation
de la résistance statorique. Pour des variations de la résistance rotorique et le moment d'inertie
son comportement reste robuste.
Les réglages des matrices Q et R ont été effectués par des essai en simulation (tâtonnement)
afin d'assurer une stabilité dans toute la plage de vitesse, tout en respectant un compromis
avec la dynamique et les erreurs statiques. Ces réglages ne sont sûrement pas optimaux mais
les qualités de ce filtre assurent un fonctionnement correct.
74
Chapitre V Amélioration des performances dynamiques et statiques de la commande vectorielle indirecte
Chapitre V
Amélioration des performances dynamiques et statiques

de la commande vectorielle indirecte
Introduction
L'utilisation d'un moteur électrique comme actionneur passe par la maîtrise de son couple.
Si la machine à courant continu, puis la machine synchrone se sont imposées, c'est grâce à la
qualité des algorithmes de régulation du couple: simplicité, dynamique élevée et bonne
estimation de sa valeur à partir des mesures [ROU 03]. Depuis que l'on dispose d'algorithmes
performants de commande vectorielle (commande vectorielle à flux rotorique orienté CV-
OFR, en particulier), la machine asynchrone est elle aussi un actionneur compétitif. Certes, les
algorithmes de la CV sont relativement complexes, mais cela peut être considéré comme un
inconvénient mineur, au vu des évolutions récentes des systèmes de calcul numérique.
Etant donné que les lois de la commande vectorielle sont déduites et réalisées à partir du
modèle de la MAS elle-même, la robustesse de la commande devient dépendante de ces
paramètres qui, en réalité, varient avec la température, la saturation et l'effet de peau [BAG
99], [CAN 00.2]. Ces variations de paramètres engendrent des erreurs d'orientation du flux
(surtout dans la CV indirecte) et rendent systématiquement la CV une commande non linéaire
en introduisant de nouveau le couplage entre les deux axes de commande du flux et du couple.
Ces erreurs se répercutent aussi bien du côté dynamique, que du côté statique de la commande
[LIN 96.1], [OUH 98], [NAI 99].
Cela, peut provoquer la détérioration des performances au sens de l'automatique (rapidité,

stabilité et précision) souhaitées, ainsi que les performances au sens énergétique (rendement,
facteur de puissance…) de la MAS [NAI 99].
75
La résolution du problème de la désorientation de la CV passe forcément par les deux voies

suivantes:
 première voie : l'utilisation des commandes vectorielles avec des contrôleurs robustes,
tel que le contrôleur par mode glissant, à la place des régulateurs conventionnels de type PI
[BAG 99],[KOU 02],[SAI 02],
 deuxième voie: préservation de la commande vectorielle avec les régulateurs PI avec

l'adjonction des moyens ou des techniques de réadaptation paramétrique en temps réel [LIN
96.1],[ GAR 98],[OUH 98].
Dans ce chapitre, on traite la technique de la deuxième voie pour préserver la robustesse de

la CVI. On va utiliser le filtre de Kalman étendu pour l'estimation de la résistance rotorique en
temps réel. Cette résistance estimée sera injectée dans le bloc de l'autopilotage artificiel de la
CVI.
I. Désorientation de la CVI
On considère l'angle de Park ou angle d'orientation suivant [NAI 04]:
t t t isq
s   s dt   (r  p)dt   (  p)dt (V.1)
isd Tr
0 0 0
Du côté machine :
t t
sm   sm dt   (rm  p)dt (V.2)
0 0
Du côté commande:
t t
sc   sc dt   (rc  p)dt (V.3)
0 0
Avec les symboles: m pour machine, c pour commande et représente une grandeur mesurée.
L'erreur absolue est donnée par:

t
s  sm  sc   (rm  rc )dt (V.4)
0
isq isq c
avec: rm  et rc 
isd Trm isd c Trc
76
Les courants isq c et isd c sont les courants de référence. Comme la régulation du courant est
très rapide, on peut supposer que: isq c  isq et isd c  isd
d’où on obtient :
isqc  Trc  Tr 
s     dt (V.5)
isdc  Trc .Trm 

 Si Trc  Trm alors s  0 : dans ce cas, l'autopilotage extérieur artificiel de la

commande est égal à l'autopilotage intérieur naturel de la machine. Il n’y a pas donc de
désorientation. Le découplage entre les deux axes (flux, couple) persiste et la CVI reste
linéaire et fonctionne avec ses performances connues.
 Si Trc  Trm alors s  0 : dans ce cas, les deux autopilotages (commande, machine)
sont différents. Il existe la désorientation du repère ( d, q ),  rq devient non nul en régime
permanent. La linéarité de la commande est affectée et il résulte une dégradation des

performances souhaitées.
I1. Application du filtre de Kalman étendu au MAS alimenté par le réseau triphasé
Le filtre de Kalman étendu peut être utilisé pour l'estimation de l'état et des paramètres du
MAS. Cette estimation est réalisée en prenant les paramètres à estimer comme des états
supplémentaires et en formant un vecteur d'état augmenté. Quelque soit le modèle d'état
original linéaire ou non linéaire, le modèle d'état augmenté est non linéaire à cause de la
multiplication des états.
Etant donné que R r est le paramètre à estimer, le modèle d'état augmenté est donné par (V.6),
où :
R r  x 5 présente une variation lente.
77
 Kl 1
 x1  ( 1   2 x 5 )x1  x 5 x 3  K l px 4  u s
 Lr Ls
 Kl 1
 x 2  ( 1   2 x 5 )x 2  x 5 x 4  K l px 4  u s
 L r L s
 Lm 1 (V.6)
x3  x 5 x1  x 5 x 3  px 4
 Lr Lr
 Lm 1
x 4  x5x 2  x 5 x 4  p x 3
 L r L r

x5  0

avec:
Rs L2m Lm
1  , 2  , Kl  ,
Ls Ls L2r Ls L r
Les tensions du stator et les états sont :
u   u t

  s u s  (V.7)
 t t
 x   x1 x 2 x 3 x4 x 5   is i s  s  s R r 

L'utilisation du filtre de Kalman standard avec des modèles non linéaires (modèle V.6)
exige que ce dernier doive être linéarisé autour d'une trajectoire d'état nominale.
Les matrices de linéarisation Fk et H k données dans (III.15) et (III.17) respectivement,

sont:
 K Kl 
1  Te ( 1   2 .x 5 ) 0 Te l .x 5 Te pK l Te (  2 x1  x3 ) 
Lr Lr
 
 K Kl 
 0 1  Te ( 1   2 .x 5 ) Te pK l Te l .x 5 Te (  2 x 2  x 4 )
Lr Lr
 
Fk   Lm x Lm x3 
 Te .x 5 0 1  Te 5 Te p Te ( .x1  )  (V.8)
 L r L r Lr Lr 
 L 1 L x 
 0 Te m .x 5 Te p 1  Te Te ( m .x 2  4 ) 
 Lr Tr Lr Lr 
 0 0 0 0 0 
1 0 0 0 0 
Hk   (V.9)
 0 1 0 0 0 
78
Tout d'abord, le filtre de Kalman est appliqué pour l'estimation du vecteur d'état (courants
statoriques et flux rotoriques) et de la résistance rotorique d'un moteur asynchrone alimenté
directement par le réseau triphasé standard et tournant à vide.
Le réglage du filtre se fait par l'affectation des valeurs aux matrices Q et R. Dans notre cas,
nous recherchons un compromis entre la dynamique et la stabilité tout en favorisant la
stabilité. Ces matrices Q et R sont données comme suit:
Q  diag 108 108 108 108 105  et R  diag 103 103 

   
Les figures (V.1) et (V.2), représentent les modules du courant statorique et du flux
rotorique estimés. D'après leurs erreurs d'estimation, on note que l'estimation se fait d'une
façon satisfaisante. L'estimation de la résistance rotorique est montrée sur la figure (V.3), où
on observe que la résistance rotorique converge très rapidement vers sa valeur réelle. L'erreur
d'estimation est acceptable dès que l'estimation a été faite pour un fonctionnement à vide du
moteur. On peut noter aussi, que les matrices de covariance de bruits Q et R font optimiser les
performances du filtre dans le régime transitoire (démarrage) et non en régime permanent. En
modifiant Q et R on peut obtenir un fonctionnement optimal du filtre en régime transitoire
ainsi qu'en régime permanent.
Figure V.1 Module du courant statorique estimé et son erreur d'estimation
79
Figure V.2 Module du flux rotorique estimé et son erreur d'estimation
Figure V.3. Résistance rotorique réelle, observée et son erreur d'observation
Dans la section suivante, nous associons le filtre de Kalman précédent à un entraînement à

vitesse variable piloté par une commande vectorielle indirecte en vue de l'amélioration de ses
performances dynamiques et statiques (au sens de l'automatique).
III. Amélioration des performances dynamiques et statiques d'une CVI
Le schéma bloc (V.4) illustre un entraînement à vitesse variable piloté par une commande
CVI utilisant le filtre de Kalman étendu pour estimer la résistance rotorique. Dans ce cas, le
flux rotorique n'est pas régulé mais imposé à travers le bloc de défluxage. Les flux rotoriques
suivant les axes  et  ne nous sont pas nécessaires. La résistance rotorique est adaptée en
temps réel (en ligne) dans la formule de calcul de la pulsation r (autopilotage artificiel).
80
*
Isq Usq C u sq u as
_ Reg _ Reg
O
M C23
 mes P
E P(s ) OND
N u bs
S MLI MAS
Usd A T 1 (0)
r Tr .s  1 Reg T
_ I u sd u cs
L m (T0 .s  1)
Isd O
N
 mes
L m Isq n s

.Rˆ r Isq isa
L r . r R̂ r T(0)
C23
Isd isc
Adaptation P(s )
r de R r C23 C23
s
+ 1 is ,is
+ s s
 R̂ r Filtre de Kalman
C23 p Etendu
Autopilotage u s , u s
artificiel
Figure II.4. Régulation de vitesse par la commande vectorielle indirecte (CVI)

avec introduction du filtre de Kalman étendu
Avant d'entamer l'analyse des résultats de la CVI, il est intéressant d'étudier la robustesse et
l'efficacité du filtre proposé face aux différentes perturbations extérieures ou intérieures du
moteur qui peuvent affecter le fonctionnement optimal. Notons que le pas d'échantillonnage
du filtre a été fixé à Te  40s . Il est confondu au pas de résolution. Les matrices Q et
R restent les mêmes que dans le cas de fonctionnement en boucle ouverte.
Dans le but de tester les performances statiques et dynamiques du filtre de Kalman pour
tout point de fonctionnement (à vide ou en charge), on applique différents couples de charge
au moteur (10%, 50% et 100% du couple nominal). Le moteur tourne à une vitesse de
100 rd / s . Au début de la simulation, la résistance rotorique du moteur est fixée à sa valeur
nominale, A t  1s , un échelon de la résistance rotorique du moteur est appliqué (50%
d'augmentation par rapport à la valeur nominale). La figure (V.5) montre les performances du
filtre:
81
Figure V.5. Estimation de la résistance rotorique par le filtre de Ka lman étendu pour
différentes charges (de 10%, 50% et 100% du couple nominal)
On remarque que ce filtre donne des résultats peu acceptables pour les faibles charges (au
dessous de 10% de la charge nominale). En effet, il présente une dynamique (temps de
convergence) lente et une erreur statique d'estimation importante. En revanche, il est plus
efficace pour les charges supérieures à 50% de la charge nominale.
Le test suivant est fait pour vérifier l'applicabilité et la robustesse de ce filtre pour
différentes vitesses de fonctionnement. Le moteur est chargé avec un C r  5Nm . La
résistance rotorique est imposée comme précédemment. La figure (V.6) donne le résultat de
simulation:
Figure V.6. Estimation de la résistance rotorique par le filtre de Kalman étendu pour
différentes vitesses (0rd/s, 10rd/s et 100rd/s)
Nous remarquons que les variations de la vitesse n'ont aucun effet sur l'observation de la
résistance rotorique. En effet, ce filtre permet d'estimer la résistance rotorique même dans le
cas de positionnement (lorsque la vitesse est nulle).
82
La simulation suivante (figure V.7) montre les performances du filtre lors des variations
rapides de la résistance rotorique du moteur (profil rapide). Le moteur tourne à une vitesse de
100 rd / s et le couple résistant est égal à 100% de la valeur nominale. Au début de la
simulation, la résistance rotorique du moteur est égale à sa valeur nominale. A t  1s , cette
résistance est prise égale à une valeur de 12.6 ohm (augmentation à 100% de la valeur
nominale). A t  2s , la résistance rotorique du moteur est prise à nouveau égale à une valeur
de 18.9 ohm (correspondant à une augmentation de 200% de la valeur nominale). On peut
observer que, malgré les variations extrêmes de la résistance rotorique, le filtre reste stable et
robuste et permet d'estimer cette résistance rotorique avec précision.
Figure V.7. Estimation de la résistance rotorique par le filtre de Kalman étendu pour un
profil rapide
Pour un profil lent de la résistance rotorique, on donne le résultat à la figure (V.8). Le

moteur tourne à une vitesse de 100 rd / s et est chargé avec C r  5 Nm . La résistance
rotorique est imposée dans un premier temps à sa valeur nominale. A t  1s , elle est forcée à
suivre un profil régit par cette équation : R r (t)  5.t  1.3 () .
Figure V.8. Estimation de la résistance rotorique par le filtre de Kalman étendu pour un
profil lent
83
Le test suivant a été fait pour démontrer la robustesse du filtre de Kalman étendu pour
l'estimation de la résistance rotorique vis-à-vis de la variation de la résistance statorique. On
introduit donc une augmentation de 50% de la résistance statorique du moteur par rapport à sa
valeur nominale. Le moteur est commandé à pleine charge avec une vitesse de 100 rd / s . Les
performances de notre filtre sont données sur la figure (V.9).
Figure V.9. Estimation de la résistance rotorique par le filtre de Kalman étendu pour
une augmentation de 50% de la résistance statorique
Nous remarquons que l'augmentation de la résistance statorique de 50% de sa valeur

nominale a un mauvais effet sur le processus d'estimation pendant le régime de démarrage du
moteur. En effet, la résistance rotorique estimée dépasse 13 ohm puis converge vers la valeur
imposée dans un temps vaut 0.3s . Cela est du, en grande partie, au choix des matrices Q et R.
La figure suivante (V.10) donne les résultats de simulation du système d'entraînement

global dans les deux cas suivants:
 sans adaptation de la résistance rotorique dans le bloc de l'autopilotage artificiel;

 avec adaptation de la résistance rotorique dans le bloc de l'autopilotage artificiel.
84
 rd
 rd
 rq  rq
(a) (b)
Figure V.10. Performances de la commande vectorielle indirecte (CVI)
a). Sans adaptation de R r b). Avec adaptation de R r
85
D'après cet résultat, on note que l'adaptation de R r dans le bloc de l'autopilotage de la CVI
est nécessaire. La figure (V.10) montre le comportement dynamique et statique du moteur
commandé par une CVI. La figure (V.9.a) montre que si la résistance rotorique réelle du
moteur est grande devant la résistance rotorique observée (de commande), le flux rotorique en
quadrature prend une valeur différente de zéro. Le découplage entre le flux et le couple est
donc perdu. On peut dire que dans ce cas, le moteur est fonctionné avec des performances
dégradées.
L'efficacité du filtre proposé est démontrée par les performances du moteur commandé par
la CVI de la figure (V.10.b). Il est clair que la résistance observée converge à la valeur
imposée. La méthode de la CVI combinée avec le filtre de Kalman étendu à la résistance
rotorique donne des meilleures performances de contrôle.
Conclusion
La variation de la résistance rotorique a une importance capitale sur les performances d'une
commande vectorielle indirecte (CVI). L'essai déjà présenté dans le deuxième chapitre (figure
II.13) indique clairement l'effet induit par la dérive paramétrique de R r sur l'orientation du
flux rotorique et, par conséquent, sur la CVI qui devient de ce fait non-linéaire et davantage
proche d'une commande scalaire conventionnelle.
Il apparaît donc que l'identification en temps réel (en ligne) de R r est une nécessité pour
obtenir une CVI performante et robuste.
Dans ce contexte, nous avons implémenté un algorithme de filtre de Kalman étendu à la

résistance rotorique R r . Cette résistance estimée a été injectée en ligne dans le bloc de
l'autopilotage artificiel afin de garantir l'égalité des autopilotages (naturel de la machine et
artificiel de la commande). Les simulations réalisées ont révélé des résultats très intéressants
en matière de robustesse vis-à-vis des variations paramétriques et non paramétriques. En effet,
ce filtre peut observer R r même dans le fonctionnement à faible charge, à vitesse nulle et en
présence des bruits (introduits par l'onduleur et par la variation de R s ). Finalement, d'après la
les résultats de la figure (V.10), on peut constaté que l'association de ce filtre à une CVI
apporte des améliorations importantes. En effet, la CVI reste intacte et fonctionne avec ses
performances connues. Ces performances se répercutent directement sur le bon
fonctionnement du système d'entraînement global.
86
Conclusion générale
Le travail présenté dans ce mémoire porte essentiellement sur l'estimation en ligne de l'état
et des paramètres du moteur asynchrone à cage d'écureuil (MAS) en vue d'améliorer sa
commande vectorielle par orientation du flux rotorique (CV-OFR). Cette commande, qui
réalise des performances similaires à celles de la machine à courant continu à excitation
séparée, constitue un domaine de recherches particulièrement actif au niveau international.
Avant de présenter nos résultats, il convient de rappeler les objectifs qui ont motivés ce
travail. L'obtention de hautes performances avec une machine asynchrone demande des
commandes complexes nécessitant notamment la connaissance des grandeurs rotoriques. Or,
celles-ci dans la machine asynchrone à cage, sont par nature inaccessibles. Par conséquent,
leur estimation s'impose. Le premier objectif, est donc la détermination du flux rotorique et la
vitesse de rotation de la MAS à partir des grandeurs déjà mesurées (courant, tension,…).
Comme la commande vectorielle est élaborée à partir du modèle de connaissance (modèle

de Park) de la MAS et que ce modèle est basé sur ses paramètres résistifs et inductifs, les
effets séparés ou simultanés des phénomènes inhérents au fonctionnement propre de la MAS
tel que la température, la saturation et l'effet de peau engendrent des variations
paramétriques. La résistance rotorique, en particulier, est un paramètre clé qui peut affecter
directement et profondément la CV-OFR dans son autopilotage et faire perdre sa linéarité en
la rendant une simple commande scalaire dont les performances sont médiocres à faible
vitesse. Le deuxième objectif concerne la préservation de la robustesse de la CV - OFR contre
les dérives paramétriques dues à la variation inévitable des paramètres (dans ce cas la
variation de la résistance du rotor) du modèle de la MAS.
Dans le premier chapitre de ce mémoire, après avoir présenté la modélisation dynamique de

la MAS, la simplicité et la stationnarité des matrices du système d'état dans le référentiel lié au
stator nous permettent de le choisir comme le un référentiel approprié aux problèmes
d'estimation en temps réel.
Dans le second chapitre, on a étudié la commande vectorielle de la MAS avec ses deux
types, direct et indirect. Cette commande permet de faire fonctionner la machine asynchrone
avec de bonnes performances dynamiques et statiques. Les résultats de simulation sont
acceptables. On a remarqué que la commande indirecte est plus sensible aux variations de la
résistance rotorique.
87
Dans le troisième chapitre, nous nous sommes intéressés au problème d'observation de l'état
et des paramètres de la MAS. Après un bref rappel sur les différents types d'observateurs, le
filtre de Kalman stochastique est développé pour les deux cas, standard et étendu. Des
résultats de simulation du filtre de Kalman standard sont donnés pour montrer leurs
performances. Ces résultats sont dans l'ensemble acceptables.
Dans le quatrième chapitre, nous avons appliqué le filtre de Kalman étendu à la vitesse de
rotation mécanique dans le but d'élaborer une commande vectorielle directe (CVD) sans
capteur mécanique de vitesse. Tout d'abord, les performances dynamiques et statiques de ce
filtre sont établies à travers son application pour l'estimation du flux et de la vitesse d'un
moteur alimenté à partir d'un onduleur de tension à MLI fonctionnant en boucle ouverte.
Nous avons traité et simulé deux cas de formulation du problème d'estimation de la vitesse de
rotation. Dans le premier cas, on a supposé la vitesse comme un état, d’où la nécessité
d'estimer le couple de charge. Ainsi, ce cas présente des inconvénients tel que les dérives
paramétriques sur le moment d'inertie et le coefficient de frottement visqueux. Le recours au
deuxième cas (supposition de la vitesse comme un paramètre et non comme un état) est
préférable.
L'association du filtre de Kalman étendu (vitesse est supposée un paramètre) à une

commande vectorielle directe apporte des améliorations notables aussi bien au niveau
dynamique que statique. Les résultats de simulation obtenus ont montré la robustesse du
système d'entraînement face aux variations de la résistance rotorique, de la résistance
statorique et du moment d'inertie. On note aussi sa robustesse en présence du bruit et dans
différentes conditions de fonctionnement du moteur (la charge, l'inversion du sens de rotation,
le fonctionnement en mode défluxé et le fonctionnement aux basses vitesses).
Le cinquième et dernier chapitre est consacré à l'amélioration des performances dynamiques

et statiques, au sens de l'automatique, de la commande vectorielle indirecte (CVI). Dans ce
cas, la résistance du rotor est estimée en ligne (algorithme récursif) avec le filtre de Kalman
étendu. Cette résistance est injectée dans le bloc de l'autopilotage (adaptation de R r au niveau
de la commande) pour préserver le découplage des grandeurs flux et couple.
Les résultats de simulation obtenus ont montré la robustesse du processus d'estimation face
aux variations de la charge, de la vitesse et des grandes variations de la résistance rotorique.
Le système d'entraînement global est robuste et la CVI reste intacte et garde ses performances
bien connues.
88
Comme perspectives à la poursuite de notre travail, on propose:
- tout d'abord, d'utiliser une MLI vectorielle au lieu de la MLI sinus- triangle adoptée. En effet,
la MLI vectorielle est la mieux adaptée au contrôle des moteurs asynchrones,
- l'utilisation des régulateurs de l'intelligence artificielle à savoir, la logique floue et les

réseaux de neurones au lieu des régulateurs classiques (PI et IP), pour augmenter les
performances de la CV,
- afin de réduire les exigences de calcul des algorithmes du filtre de Kalman étendu d'ordre
complet, des solutions basées sur le filtre de Kalman étendu d'ordre réduit pour obtenir des
améliorations notables,
- concernant la CVD sans capteur, l'extension du vecteur d'état à estimer par le filtre de
Kalman à la résistance rotorique et le couple résistant pour obtenir un contrôle sans capteur
performant et plus robuste face aux variations de R r et de la charge,
- pour l'amélioration de la robustesse de la CVI, l'adaptation de la mutuelle L m et de
l'inductance rotorique L r dans les blocs de commande,
- l'exploitation des résultats de ce travail en vue de la détection de défauts et le diagnostic de

la machine asynchrone, particulièrement les cassures de barres et d'anneaux de la cage
rotorique.
89
Annexe
Annexe
 Les paramètres de la machine utilisée [LEV 95], [KOU 02], [NAI 99]:
Plaque signalétique
0.75 kW 220 / 380 V 50 Hz 3.6 / 2.1A 2p  4
Cr nom  5.15 Nm   146 rd / s
Paramètres électriques
R s  10  R r  6.3  Ls  0.652 H L r  0.65 H L m  0.612 H
Paramètres mécaniques
J  0.02 kgm 2 f  0 SI
 les paramètres des régulateurs utilisés (structure PI):
o régulateurs des courants (structure PI):

K pd  K pq  134.2496 ; K id  K iq 16667
o régulateur du flux (structure PI):

K pf  16.9088 ; K if  163.1321
o régulateur de vitesse (structure IP):

K pv  0.2841; K iv  2.8407
90
Résumé / Abstract
Estimation en ligne de l'état et des paramètres d'un moteur

asynchrone triphasé
Résumé: L'obtention de hautes performances avec une machine asynchrone demande des commandes
complexes qui nécessitent notamment la connaissance des paramètres et des états rotoriques. Or, ces derniers de
la machine asynchrone à cage sont par nature inaccessibles. Par conséquent, leur estimation s'impose. Dans ce
contexte, notre travail s'appuie sur les deux volets suivants:
 Elaboration d'une commande vectorielle directe sans capteur par l'utilisation du filtre de Kalman
d'ordre complet et étendu à la vitesse mécanique de rotation. Les résultats de simulation montrent que ce filtre
présente une robustesse intéressante vis-à-vis des perturbations extérieures et des variations paramétriques de
la machine. Ces performances se traduisent directement sur le système d'entraînement global, dans lequel on
observe des améliorations remarquables aussi bien en statique qu'en dynamique.
 Amélioration des performances statiques et dynamiques d'une commande vectorielle indirecte par
l'utilisation du filtre de Kalman d'ordre complet et étendu à la résistance rotorique afin d'estimer en ligne sa
variation avec la température et la fréquence. D'après les résultats de simulation du système d'entraînement
global, l'adaptation en ligne de cette résistance rotorique dans le bloc de l'autopilotage permet de garantir le
découplage artificiel entre le flux et le couple. Ceci constitue les performances bien connues de la commande
vectorielle.
Mots- clés: Machine asynchrone, Commande vectorielle, Estimation en ligne, Filtre de Kalman, vitesse,
résistance rotorique.
On line estimation of the state and the parameters

of three-phase Asynchronous motor
Abstract: Obtaining high performances with an asynchronous machine requires complex commands which
require in particular the knowledge of the rotor parameters and states. However, the rotor states and
parameters of the asynchronous cage machine are by nature inaccessible. Consequently, their estimation is
essential. In this context, our work is pressed on the two following shutters:
 Development of a sensorless direct vector control by the use of the Kalman filter extended to the
mechanical speed of rotation. The results of simulation show that this filter presents an interesting robustness
with respect to the external disturbances and parametric variations of the machine. These performances are
translated directly on the total system drive, in which one observes remarkable improvements as well in statics
and in dynamics.
 Improvement of the static and dynamic performances of an indirect vector control by the use of the
extended Kalman filter to rotor resistance in order to estimate on line its variation with the temperature and the
frequency. According to the results of simulation of the total drive system, the on line adaptation of this rotor
resistance in the block of the " autopilotage" permits to guarantee artificial decoupling between the flux and the
torque. This constitutes the well-known performances of the vector control.
Keywords: Asynchronous machine, Vector control, on line estimation, Kalman filter, speed, rotor resistance.
91
Bibliographie
Bibliographie
[ABE 02] Abed. A, " Contribution à L'étude et au Diagnostic de la machine Asynchrone". Thèse
de Doctorat, Université Henri Poincaré, Nancy I, Mars 2002.
[AKI 03] Akin. B, "State estimation techniques for speed sensor less field oriented control of
induction motors". Thesis of Master, the Middle East Technical University, Ankara,
Turkey, 2003.
[BAG 99] Baghli. L," Contribution à la commande de la machine asynchrone, utilisation de la

logique floue, des réseaux de neurones et des algorithmes génétiques". Thèse de
doctorat de l’université Henri Poincaré, Nancy-I.1999.
[BAR 03] Barut. M, Bogosyan.O, S.Gokasan,"An EKF Based Reduised Order Estimator for The
Sensor less Control of IM’s". IEEE Trans.power Electron, 2003 .
[BAR 03] Barut. M, Bogosyan. O, S. Gokasan, " An Extended Kalman Filter Based Sensor less
Direct Vector Control of Induction Motors" . IEEE Trans.power Electron, 2003.
[BAR 87] Barret. P, "Régimes transitoires des machines tournantes électriques"2 e édition,
éditions eyrolles 1987.
[BEN 98] Benchaib. R," Application Des Modes De Glissement Pour La Commande En Temps
Réel De La Machine Asynchrone".Thèse de doctorat de l’université de Picardie Jules
Vernes.France.1998.
[BOM 01] BOUMEGOURA. T, " Recherche De Signature Electromagnetique Des Défauts Dans
Une Machine Asynchrone Et Synthèse D’observateurs En Vue Du Diagnostic". Thèse de
doctorat de l’université de Lyon.France.2001.
[BUC 01] Bûche. G, "Commande vectorielle de machine asynchrone en environnement temps réel
Matlab/Simulink". Mémoire d’Ingéniorat De C.N.A.M 2001.
[CAN 00.1] Canudas. C," Commande Des Moteurs Asynchrones 2 : Optimisation, Discrétisation et
Observateurs".Volume 2.Paris Hermes Science Publication, 2000.
[CAN 00.2] Canudas. C, " Commande Des Moteurs Asynchrones 1 : Modélisation, Control
Vectoriel et DTC". Volume 1.Paris Hermes Science Publication, 2000.
[CHA 89] Chatelin. J, " Machines électriques" traité d'électricité, d'électronique et

d'électrotechnique, tome 1et2, Dunod, 1989.
[COL 89] Colin. Schauder, "Adaptive Speed Identification for Vector Control of Induction Motors
Without Rotational Transducers" IEEE 98.
92
Bibliographie
[CHO 02] Chaouch. S, Nait. S. M. S," Estimation en Temps Réel de la Constante de Temps
Rotorique D’une Machine à Induction Par La Technique MRAS". Conférence On
Electrical Engineering 10-11 Décember 2002, université de Batna.
[FOD 00] Fodor. D, J. Vas, " Extended Kalman filter based sensor less AC motor control".9 th
international conference on power electronics and motion control-EPE-PEMC 2000,
Kosice.
[GAR 98] Garcia. S. G, " Etude et mise en œuvre d'estimateurs et d'observateurs robuste de flux et
de vitesse pour une machine à induction à cage commandée vectoriellement". Thèse de
Doctorat, Paris sud, France, 1998.
[GAR 99] Garcia. S, G. Mendes, E.Razek. A," Reduised –Order Observer for Rotor Flux, Rotor
Resistance and Speed Estimation for Vector Controlled Induction Motor Drives Using
the Extended Kalman Filter Technique" IEEE proc.-Electr.Power Appl., Vol.146
No.3.May 1999.
[GRE 00] Grellet. G, Clerc. G,"Actionneurs Electriques, Principe/Modèle/Commande" Eyrolles,

Deuxième Edition 2000.
[HAD 02] Hadef. M," Contrôle direct du couple des machines synchrones avec et sans capteur
mécanique" Mémoire de magister, université de Bejaia, 2002.
[KHE 95] Khenfer. N," Machine asynchrone: ses modèles, son identification et sa commande".
Thèse de doctorat d'état és-science, ENP.Alger, 1995.
[KHE 01] Khelfa. S, "Commande Vectorielle D’une Machine à Induction ; Impact De :

 La Saturation De La Machine
 La Modulation Du Convertisseur".
Thèse De Magister, Université De Batna, 2001.
[KOU 02] Kouzi. K," Commande Vectorielle d’un Moteur à Induction sans Capteur Vitesse par
un Réglage PI Flou à Gains Flous Adaptés Associé à un Observateur d’Etat par Modes
de Glissement". Mémoire de Magister de l’université de Batna, 2002.
[LEV 95] Levi. E," A unified approach to main flux satuartion modeling D-Q axis models of
induction machine". IEEE Trans, on Energy conversion, Dec 1995, Vol.10, N°3,
pp .455-461.
[LIN 96.1] Lin. F. J, " Robust Speed Controlled Induction Motor Drive Using EKF and RLS
estimators". IEE. Proc. Electr. Power Appl., Vol.143 No.3.May1996.
[LIN 96.2] Lin. F. J, " Application of EKF and RLS Estimators in Induction Motor Drive".
.IEEE Trans.power Electron, 1996.
93
Bibliographie
[MOR 05] Morand. F, " Techniques d'observation sans capteur de vitesse en vue de la commande
des machines asynchrones". Thèse de doctorat, école doctorale de Lyon.2005.
[MER 02] Meroufel. A, "Commande par mode de glissement d’une machine synchrone à aimants
permanents alimentée par un onduleur de tension à MLI". Conférence on electrical
engineering 10-11 décembre 2002. Université de Batna.
[NAI 99] Nait-Said. M. S, " Contribution à la Commande Vectorielle d’une Machine Asynchrone
à Cage d’Ecureuil :
 Robustesse Contre les Dérives Paramétriques
 Amélioration des Performances Energétiques ".
Thèse de doctorat d’état, université de Batna 1999.
[NAI 03] Naît –Saïd. N, " Contribution à l’Identification et la Commande de la Machine à

Induction ". Thèse de doctorat d’état, Université de Batna 2003.
[NAI 04] Nait-Said. M. S, " commande par modes glissants d'un moteur asynchrone". Cours de
Magistère, promo 2002, université de Biskra.
[NAJ 88] Najim. M, " modélisation et identification en traitement du signal". Masson. 1988.
[OUH 98] Ouhrouche. M.A, Lefebre.S, Do.X.D," Application of an Extended Kalman Filter to
Rotor Speed and Resistance Estimation in Induction Motor Vector Control". IEEE
Trans.power Electron, 1998.
[ROU 03] Rouabah. Z, "Modélisation et commande vectorielle d'une machine à induction avec
prise en compte et minimisation des pertes (amélioration des performance
energitique)". Thèse de magister, université de Batna 2003.
[SAI 02] Saiad.A, " Commande à structure variable d'un système d'entraînement électrique".
Mémoire de Magister, université de Batna, 2002.
[SEG 81] Séguier. G, J. lesenne, F. Notelet, " Introduction à l'electrotechnique approfondue".

Technique et documentation.1981.
[SHI 00] Shi. K. L," Speed estimation of an induction motor drive using extended Kalman filter".
IEE. Proc. Electr. Power. Appl. 2000.
[SED 98] Sedda. E," Estimation en ligne de l’état et des paramètres d’une machine asynchrone
par filtrage à erreur borné et par filtrage de Kalman". Thèse de doctorat de l’université
de Paris 6.France.1998.
[VIC 02] Vicente. L. Rui, "Flux and Parameters Identification of Vector-Controlled Induction
Motor in the Reference Frame". IEEE, Trans power Electron, 2002.
94

Mémoire Yahia

Transféré par

Droits d'auteur :

Formats disponibles

Mémoire Yahia

Transféré par

Informations du document

Description originale:

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

Mémoire Yahia

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de

UNIVERSITE MOHAMMED KHIDER DE BISKRA

Présenté pour obtenir le diplôme de Magister nouveau régime en

Estimation en ligne de l'état et des paramètres

Président : Dr S. E. ZOUZOU Pr Univ. Biskra

Année Universitaire 2004/2005

J'exprime mes vifs remerciements à Monsieur Abedelhamid BENAKCHA, Maître de

Mes remerciements vont également à Monsieur Arezki MENACER, Maître Assistant

Je remercie vivement Monsieur Salah-eddine ZOUZOU, Professeur à l'Université de

J'adresse mes respectueux remerciements à Monsieur, Rachid ABDESSEMED

J'exprime également ma gratitude à Monsieur Amar GOLEA, Maître de Conférences à

Il me tient tout particulièrement à cœur de remercie monsieur Djamel TAIBI, Post

Je remercie également le directeur du laboratoire LGEB, Monsieur Salah-eddine

A l'âme de mon Père et à ma Mère

A mes Sœurs, mes Frères et mes Proches,

A tous ceux qui m’ont nourri de leur savoir,

Et à ceux avec qui je partage de bons souvenirs.

Introduction ………………………………………………………………………… ...…… 1

Chapitre I: Modélisation de la machine asynchrone et de l’onduleur de tension

I. Modélisation de la machine asynchrone triphasée….…………………………………………… 5

Chapitre II : Commande de la machine asynchrone et de l’onduleur de tension

I. Commande de la machine asynchrone…………………………………………………………… 20

a.2. Régulation …………………………………………………………………………… 25

Chapitre III : Filtre de Kalman stochastique d'ordre complet

Chapitre IV: Commande vectorielle directe sans capteur mécanique du moteur

I.1. Premier cas: Considération de la vitesse comme un état ……………………………………… 56

Chapitre V: Amélioration des performances dynamiques et statiques

I. Désorientation de la CVI ………………………………………………………………………… 76

Conclusion générale ……………………………………………………………………… 87

s, r Indices stator et rotor, respectivement

d, q Indices pour les composantes de Park directe et quadrature, respectivement

( x  ), ( x̂ ), ( x ) Grandeur de référence, estimée et mesurée, respectivement.

 Vitesse de rotation mécanique [ rd / s ]

r Pulsation rotorique ou de glissement [ rd / s ]

Cr Couple mécanique résistant [Nm]

Lr Inductance propre cyclique rotorique [H]

Ls Inductance propre cyclique statorique [H]

Lm Inductance mutuelle cyclique entre le stator et le rotor [H]

f Coefficient de frottement visqueux [SI] où [Nm.s/rd]

Tr Constante de temps rotorique

Ts Constante de temps statorique

Te Période d'échantillonnage [s]

 Coefficient de dispersion total de Blondel

Q Matrice de covariance de bruit d'état

R Matrice de covariance de bruit de mesure

[T] Matrice de transformation de Park

Up Amplitude de la porteuse [V]

MAS Moteur Asynchrone ou Machine Asynchrone

Avec les développements récents de l'électronique de puissance et de commande, les

Les techniques de la CV sont élaborées extérieurement à la MAS en utilisant le modèle

L'identification des paramètres (spécialement, les paramètres rotoriques, tel que la

Dans ce travail, on a deux difficultés à résoudre:

En premier lieu, les inconvénients de la commande vectorielle avec capteurs de vitesse et de

Deuxièmement, il y'a nécessité d'améliorer les performances dynamiques et statiques (au

Ce mémoire est organisé de la manière qui va suivre.

Dans le chapitre I, on présente la modélisation électrique classique de la MAS en utilisant

Le chapitre IV concerne l'élaboration d'une commande vectorielle directe sans capteur

Modélisation de la machine asynchrone