UNIVERSITE KASDI MERBAH OUARGLA

Faculté des Sciences Appliquées

Département de Génie Electrique

Mémoire
MASTER ACADEMIQUE
Domaine : Sciences et technologies
Filière : Electrotechnique
Spécialité : Machines électriques et électronique de puissance
Présenté par :
Tidjani Abd el jaouad Al Amoudi Badreddine
Thème:

Identification paramétrique d’un moteur

asynchrone à cage d’écureuil
par la technique
«optimisation d'essaim de particules»
Soutenu publiquement
Le :02/06/2016
Devant le jury :
Mme BOUALI Khadidja MC (B) Président UKM Ouargla
Mr TAIBI Djamel MA (A) Encadreur UKM Ouargla
Mr AMIEUR Toufik MA (A) CO-encadreur UKM Ouargla
Mr SAHRAOUI Lazhar MA (A) Examinateur UKM Ouargla

Année universitaire 2015/2016

 Remerciement

‫بسم اهلل الرحمن الرحيم‬

« ‫» الحمد هلل رب العالمين‬

Nos remerciements vont premièrement à Dieu tout puissant pour

la volonté, la santé, et la patience, qu'il nous a données durant
toutes ces années d'étude.
Nous exprimons nos profondes gratitudes à nos parents pour
leurs encouragements, leur soutien et pour les sacrifices qu'ils ont
enduré. et ne pas oublier de remercier mes sœurs et frères pour
leur soutien
Ainsi,Nous tenons à remercier vivement toutes les personnes qui
nous ont aidés, ainsi à tous ceux qui nous ont aidés, de prés ou
de loin, à accomplir ce travail surtout nos encadreur Mr
TAIBI Djamel.
Je tiens à remercier également les jurys Mme BOUALI Khadidja,
Mr SAHRAOUI Lazhar.
Enfin nous tenons à exprimer notre reconnaissance à tous nos
amis et collègues
 Sommaire
Notations et symboles i

Introduction générale 3
Chapitre I / MODELISATION DU MOTEUR ASYNCHRONE EN
VUE DE SON IDENTIFICATION PARAMETRIQUE

[Link] 02
[Link] de la machine asynchrone 02
I.2. [Link] stator 02
I.2.2. Le rotor 03
[Link] rotor à cage 03
[Link] rotor bobiné 04
I.3. Principe de fonctionnement du moteur à cage 04
I.4. Modélisation de la machine asynchrone à cage 05

I.4.1. Représentation de la MAS à cage dans le système triphasé et biphasé 05

I.4.1. [Link] équations électriques 06
I.4.1. [Link] équations magnétiques 06

[Link]èses simplificatrices 07
I.5 Modèle biphasé du moteur asynchrone triphasé 07
[Link] de PARK 08
I.6. Equations électriques du moteur asynchrone triphasé 09
I.6.1 Equations électriques du MAS triphasé dans le repère (α,β) 10
a. L'équation de la tension du stator 10
b. L'équation de la tension du rotor 10
c. Equations du flux 10
I-7 Représentation d‟état du moteur asynchrone triphasé 10
I.8 Expression du couple 12
I-9 Conclusion 12
Chapitre II / METHODES D’IDENTIFICATION PARAMETRIQUE
DU MOTEUR ASYNCHRONE BASÉES SUR LE SCHEMA
EQUIVALENT

[Link] 14
II.2. Schémas équivalents de la MAS 14
II-2.1 Schéma équivalent généralisé du MAS en régime dynamique 14
II.2.2 Schéma équivalent du MAS dans le repère fixe au stator 15
II.3 Schéma équivalent du MAS en régime permanent 16
II-3.1 Grandeur ramenées au stator 17
II-3-2 Schéma équivalent à fuites totalisées dans le stator 18
II.3.3 Schéma équivalent à fuites totalisées dans le rotor 19
II-4 Méthode classique d‟identification des paramètres du moteur basé sur le schéma équivalent en
régime permanant totalisée au stator 19
II-5-1 Essai volt-ampèrmétrique en courant continu (mesure de résistance Rs) 20
II-5-2 Essai à vide 21
II-5-3 Essai en court-circuit (à rotor bloqué) 22
II-5-3-1 Calcul de Lσ , σ , Lm et Tr 23
II-6 Identification des pertes fer et mécanique 24
II-6-1 Principe de la méthode 24
II-7 Identification des paramètres mécaniques 27
II-7-1 Essai de ralentissement 27
II.8 Identification paramétrique d'un moteur asynchrone basée sur les données de constructeur 27
II.9. Programmation des méthodes d‟identification par l‟interfaçage MATLAB GUIDE 29
II-10 Validation du modèle 31
II.10.1 Schéma bloc de simulation 30
II.10.2 Résultat de simulation 31
II.10.3 Interprétations des résultats 32
a. Le courant statorique Isa 32
b. Le couple électromagnétique 32
c. La vitesse de rotation 32
II -11 Conclusion 32
 Chapitre III / IDENTIFICATION ET OPTIMISATION DES
PARAMETRES DU MAS BASE SUR LA TECHNIQUE D'ESSAIM
DE PARTICULES

III-1 Introduction 34

III.2 Définition de l‟optimisation 34

III.2.1. Fonction Objectif 34
III.3. L‟intelligence Collective 35
[Link] d'Essaim de Particules (Particle Swarm Optimization) 35
III.5 Principe de l'Algorithme PSO 38
III.6.1. Formulation Mathématique du PSO 38
III.6.2. Mécanisme de Confinement 40
III.6.3. Conception et déroulement de l'algorithme PSO 41
III.7 Application de l'algorithme PSO globale à l'indentification et l'optimisation des paramètres
d‟un moteur asynchrone 43
III.7.1 Résultats de simulation 44
III.8 Caractéristique interne et externe du moteur asynchrone 49
III.9 Conclusion 50
Conclusion générale 51
Références bibliographiques 53
Notations et symboles

Symboles Désignation

as , bs , cs Indices correspondants aux trois phases statoriques

ar , br,cr Indices correspondants aux trois phases rotoriques

d,q Axes correspondants au référentiel lié au champ tournant

x, y Axes correspondants au référentiel lié au rotor

α,β Axes correspondants au référentiel lié au stator

x Grandeur instantanée (tension, courant ou flux)

j Grandeur imaginaire tel que j2 = -1

v Tension [V]

i Courant [A]

ɸ Flux [Wb]

ω Pulsation mécanique [rad/s]

Ω Vitesse du rotor [rad/s]

p Nombre de paire de pôles

ωs Pulsation statorique [rd/s]

ωr Pulsation rotorique [rd/s]

fs Fréquence du stator [Hz]

Ce Couple électromagnétique [Nm]

Cr Couple résistant (de charge) [Nm]

Rs Résistance statorique [Ω]

Rr Résistance rotorique [Ω]

Ls Inductance propre (cyclique) du stator [H]

Lr Inductance propre (cyclique) du rotor [H]

M Inductance mutuelle (cyclique) du stator-rotor [H]

σ Coefficient de dispersion total

Ts Constante de temps statorique [s]

Tr Constante de temps rotorique [s]

ls Inductance de fuites statorique [H]

lr Inductance de fuites rotorique [H]

J Moment d‟inertie des masses tournantes [Kgm2 ]

f Coefficient de frottement visqueux [S.I]

MAS Machine asynchrone

 INTRODUCTION GENERALE

La machine asynchrone, de par sa construction, est la machine la plus robuste et la moins chère du
marché. Cette machine est largement utilisée dans la plupart des entraînements électriques dans plusieurs
domaines industriels, notamment pour des applications à vitesse variable.
Plusieurs axes de recherches sont destinés à l‟étude de cette machine : sa modélisation et sa
commande. Ainsi, il est exigé dans l‟élaboration des lois de commande performantes, un modèle fiable et
suffisamment précis par la connaissance de ses paramètres. De nos jours, un afflux des travaux de recherche
consistent en l‟identification des paramètres des machines électriques par différentes méthodes en guise de
réaliser les meilleures approches possibles du modèle de la machine. L‟identification paramétrique de la
machine asynchrone est l‟un des objectifs les plus importants en vue de sa simulation, sa commande et son
diagnostic
Les travaux de ce mémoire s‟inscrivent dans le cadre et traitent des problématiques de
l‟identification des paramètres du moteur asynchrone triphasé à cage d‟écureuil.
Le mémoire s‟articule principalement autour de deux parties :

 La première partie concerne des méthodes d‟identification des paramètres du moteur asynchrone qui
s‟avèrent simples et classiques, mais contribuent considérablement à l‟identification initiale exigée
par les méthodes numériques.
 La deuxième partie consacrée à une identification avancée des paramétrés électriques du MAS en
utilisant une méthode basée sur la technique d‟essaim de particules (PSO).

Le présent mémoire est structuré de la manière suivante :

Le premier chapitre sera consacré à présenter la machine asynchrone triphasée et son modèle
d‟action, en l‟occurrence son modèle de Park utilisé conventionnellement pour les différentes applications à
condition qu‟il soit bien caractérisé.
Dans le second chapitre, une présentation des schémas équivalents, au sens étendue, sera donnée
dans les perspectives de mettre en œuvre les procédures possibles d‟identification des paramètres du modèle
de Park de la machine asynchrone, suivie de l‟application des deux méthodes d‟identification des paramétrés
du moteur asynchrone cage, l‟une basée sur les essais classique et l‟autre basée sur les données de la plaque
signalétique et les données de fabrication.
Le troisième chapitre sera consacré à une identification stochastique des paramètres électriques en
utilisant une méthode basée sur la technique PSO. Pour montrer l‟efficacité de cette technique, une
superposition des caractéristiques du courant de phase statorique obtenus par simulation sera effectuée.
Au terme de ce travail, une conclusion générale sera donnée pour résumer les résultats obtenus ainsi
que les perspectives à envisager pour la continuité de ce travail.
 CHAPITRE I

MODELISATION DU MOTEUR ASYNCHRONE EN

VUE DE SON IDENTIFICATION PARAMETRIQUE

1
I .1 INTRODUCTION
Les machines électriques tournantes occupent une place prépondérante dans tous les
secteurs industriels. Les machines asynchrones triphasées à cage d‟écureuil sont les plus
fréquemment utilisées grâce à leur robustesse, leur simplicité de construction et leur bas cout.
Pour caractériser, commander, surveiller et diagnostiquer une machine asynchrone,
l‟élaboration d‟un modèle mathématique et son identification s‟avèrent indispensables.
L'élaboration d'un modèle mathématique précis et qui reflète le comportement réel de MAS,
est difficile à obtenir vu les problèmes de non linéarité dont souffrent les machines électriques. Pour
pouvoir reproduire ces modes de fonctionnement dans une machine réelle on devra connaître la
liaison existante entre les paramètres du modèle et les grandeurs physiques mesurables dans la
machine. Ce modèle peut être obtenu par l‟application de la transformation de Park sur le modèle
triphasé réel, ou bien par l‟utilisation de la notion complexe (modélisation vectorielle).

I.2 Constitution de la machine asynchrone :

On se propose, dans cette partie, de donner quelques précisions sur les éléments de
constitutions des machines asynchrones. Cette description va nous permettre de comprendre de
quelle façon le système est réalisé physiquement.
Les machines asynchrones triphasées peuvent se décomposer, du point de vue mécanique, en deux
parties distinctes Figure (I.1) :
- Le stator, partie fixe de la machine où est connectée l'alimentation électrique.
- Le rotor et les roulements, partie tournante qui permet de mettre en rotation la charge
mécanique.[1]

Figure (I.1) : Eléments de constitution d‟une machine asynchrone à cage d‟écureuil [2]

2
I.2.1 Le stator :
Il est constitué d‟un enroulement bobiné réparti dans les encoches du circuit magnétique. Ce
circuit magnétique est constitué d‟un empilage de tôles dans lesquelles sont découpées des encoches
parallèles à l‟axe de la machine figure (I.2). Le bobinage statorique peut se décomposer en deux
parties : les conducteurs d‟encoches et les têtes de bobines.
Les conducteurs d‟encoches permettent de créer dans l‟entrefer le champ magnétique à
l‟origine de la conversion électromagnétique. Les têtes de bobines permettent, quant à elles, la
fermeture des courants en organisant la circulation judicieuse des courants d‟un conducteur
d‟encoche à l‟autre. L‟objectif est d‟obtenir à la surface de l‟entrefer une distribution la plus
sinusoïdale possible, afin de limiter les ondulations du couple électromagnétique.

Figure (I.2): Stator d‟une machine asynchrone

I.2.2 Le rotor :
C’est l’élément mobile du moteur. se compose d’un cylindre fait de tôles empilées. Des encoches sont
percées à la périphérie extérieure destinées à recevoir des conducteurs. Il est séparé du stator par un
entrefer très court. [19]
I.2.2.1 Le rotor à cage :
Dans le rotor à cage, les anneaux de court-circuit permettent la circulation des courants d‟un
conducteur d‟encoche (barres rotoriques) à l‟autre. Ces barres conductrices sont régulièrement
réparties, et constituent le circuit du rotor Figure (1.3), Cette cage est insérée à l‟intérieur de circuit
magnétique. Dans le cas de rotor à cage d‟écureuil, les conducteurs sont réalisés par coulage d‟un
alliage d‟aluminium, ou par des barres massives de cuivre préformées et frettés dans les tôles du
rotor. Il n‟y a généralement pas, ou très peu, d‟isolation entre les barres rotoriques et les tôlés
magnétiques, mais leur résistance est suffisamment faible pour que les courants de fuite dans les
tôlés soient négligeables, sauf lorsqu‟il y a une rupture de barre.

3
 Le moteur à cage d‟écureuil est beaucoup plus simple à construire que le moteur à rotor
bobiné et, de ce fait, son prix de revient est inférieur. De plus, il dispose d‟une plus grande
robustesse.

Figure (I.3) : Rotor à cage (tôles magnétiques, conductrices d‟encoches (barres) et anneaux
(bagues) de court-circuit)
I.2.2.2 Le rotor bobiné :
Le rotor d‟une machine bobiné est constitué de trois bobines (on parle aussi de rotor à
bague). Chaque bobine est reliée à une bague. Les bagues permettent d‟avoir une liaison électrique
avec les bobines du rotor. Le rotor est mis en court-circuit par l‟extérieur au travers de trois bornes
liées électriquement par des contacts glissants appelés bagues réalisées en laiton sur lesquelles
s'appliquent des balais de graphite Figure (I.4).
Les trois enroulements rotoriques sont couplés en étoile à l‟intérieur de la machine.

Figure(I.4) : Constitution du rotor bobiné.

I.3. Principe de fonctionnement du moteur à cage :

Le fonctionnement du moteur 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 (Loi de Lenz). Cette interaction électromagnétique des
deux parties de la machine n'est possible que lorsque la vitesse du champ tournant diffère de celle
du rotor. De cette façon, le fonctionnement du moteur asynchrone est comparable à celui d'un
transformateur dont l'enroulement secondaire est tournant ; [4];[5]. Dans le moteur asynchrone,
l'onde du champ tournant se déplace dans l'entrefer du moteur avec la vitesse angulaire synchrone
liée à la fréquence d'alimentation fs par l'expression :

4
 L'induction du courant rotorique est conditionnée par le glissement g qui est une
caractéristique particulière de MAS sous l'effet des charges du couple résistant. Il est défini comme
étant l'écart de vitesse entre la vitesse synchrone et la vitesse du rotor Ω rapportée á la vitesse
synchrone. Le glissement g est alors donné par :

Dans ce qui suit, on présentera la modélisation du MAS triphasé.

I.4. Modélisation du moteur asynchrone à cage
I.4.1 Représentation du MAS à cage dans le système triphasé et diphasé
Le moteur asynchrone à cage est formé d‟un stator fixe, et d‟un rotor cylindrique mobile. Le
stator à trois enroulements couplés en étoile ou en triangle et qui alimenté par un système triphasé
de tensions, il en résulte alors la création d‟un champ magnétique glissant dans l‟entrefer du moteur.
La vitesse de glissement de ce champ par rapport au stator est , où désigne la
pulsation de réseau d‟alimentation statorique triphasée.

Figure(I.5): Représentation de la structure de principe de MAS triphasé.

5
I.4.1.1 Les équations électriques :
A partir de la loi de Faraday qui donne la relation entre la tension V aux bornes d‟une bobine
de résistance R, d‟inductance L, le courant i, et les variations de flux.
d
V  Ri I-3
dt
On applique cette relation sur l‟enroulement triphasé du stator et de rotor on trouve :

-pour le stator :

 d sa
Vsa  Rs i sa  dt

 d sb I-4
Vsb  Rs i sb 
 dt
 d
Vsc  Rs i sc  dt
sc


-pour le rotor : VR=0
 d ra
Vra  Rr ira  dt
 I-5
 d rb
Vrb  Rr irb 
 dt
 d rc
Vrc  Rr irc  dt


I.4.1.2 Les équations magnétiques

Les équations magnétiques sont données par les expressions suivantes :

 s   ls  M sr  is 
   M  lr   ir 
I-6
 r   sr

Tel que :

 SA   rA  ias  iar 
 
 S    SB ;  r    rB  is   ibs ; ir   i 
 br 
 SC   rC  
ics  
icr 


6
  ls Ms Ms   lr Mr Mr 
ls   M s ls M s  lr    M r lr M r 
 M s Ms l s   M r Mr lr 

 cos  r cos( r  2 / 3) cos( r  2 / 3)


[ M rs ]  [ M sr ]  M sr * cos( r  2 / 3)
t
cos  r cos( r  2 / 3)
cos( r  2 / 3) cos( r  2 / 3) cos  r 

Le système d'équations électriques I-4, I-5 et I-6 ainsi obtenu, représente le modèle triphasé
réel nécessaire à l'étude du MAS à tous les régimes de fonctionnement. Cependant, en plus de la
difficulté de l'identification expérimentale des paramètres du modèle triphasé du moteur,
particulièrement les paramètres inductifs, la résolution analytique de ce système est assez complexe
du fait que la matrice des inductances mutuelles (stator-rotor) sont fonction de la position angulaire,
donc fonction du temps. Dans ce cas, l‟application de la transformation de Park, s‟avère nécessaire,
cette transformation appliquée aux courants, tensions, et aux flux pour obtenir des équations
différentielles à des coefficients constants. L'étude du MAS traduit les lois de l'électromagnétisme
dans un contexte habituel d'hypothèses simplificatrices qui tout en permettant de simplifier
notablement les calculs, constitue une approche acceptable dans la plupart des fonctionnements
normaux des moteurs asynchrones.

I.4.2 Hypothèses simplificatrices

Il est évident qu‟un système électromagnétique nécessite des compétences tant dans
l‟approche des phénomènes physiques pour leur modélisation que dans le calcul numérique. D‟où
l‟importance du choix des hypothèses d‟étude et des objectifs du modèle, car ils conditionnent la
complexité du travail à réaliser et l‟utilisation d‟outils appropriés. Pour cette raison nous avons été
amenés à faire quelques hypothèses simplificatrices fortes mais généralement admises :
-Perméabilité relative du fer très grand.
-Entrefer lisse et constant, effet d‟excentricité négligeable.
-Distribution sinusoïdale de la force magnétomotrice statorique.
-Pas de saturation, effets pelliculaires nuls, courants de Foucault négligeables hors des barres
rotoriques.

I.5 Modèle biphasé du moteur asynchrone triphasé

Le modèle triphasé réel de MAS à un caractère multi variable, non linéaire et fortement
couplé entraînant la complexité de sa résolution. L'utilisation de la transformation de Park permet

7
de contourner ce problème et d'obtenir un système d'équations à coefficients indépendants de la
position (constants) et donc facile à résoudre.

I.5.1 Transformation de PARK

La transformation de Park, appelée souvent transformation des deux axes, constitue
actuellement un outil puissant et pratique pour la modélisation des machines électriques en vue de
leur identification paramétrique et leur commande ; [6]. La transformation de Park permet
d‟associer à tout système triphasé un système biphasé équivalent tournant dans un référentiel
d‟observation donné sans altérer, évidemment, les caractéristiques principales de la machine telle
que la f.m.m (champ), la puissance, le couple et la vitesse réelle ; [2]. La transformation des
enroulements réels triphasés en des enroulements fictifs biphasés équivalents du point de vue
électrique et magnétique disposés selon deux axes orthogonaux U et V. Cette transformation a pour
effet de rendre les inductances mutuelles du modèle réel indépendantes de la rotation (modèle
linéaire). Le schéma de la figure I-6 interprète physiquement la transformation de Park pour une
MAS triphasée

Figure I-6 : Modèle de Park du MAS triphasé

Le passage du système triphasé (à 3 axes) dit réel au système biphasé (à 2 axes) s‟effectue
par l‟intermédiaire d‟une matrice de

  transformation dite matrice de Park

 cos a cos(a  2 / 3) cos(a  2 / 3) 
2 
[ Ap ]    sin a  sin(a  2 / 3)  sin(a  2 / 3)
3
 1 1 1 
 2 2 2  I-7

8
L‟angle a dans la matrice de Park Ap  prend la valeur (  s) pour les grandeurs statoriques et
(  a -  r) pour les grandeurs rotoriques.

D‟autre part :

 cos a  sin a
1 
 2 
2 1 
[ A p ] 1   cos(a  2 / 3)  sin(a  2 / 3)  I-8
3 2 
 1 
 cos(a  2 / 3)  sin(a  2 / 3) 
2 
L‟étude du moteur asynchrone modélisé selon Park nécessite le choix du référentiel le mieux adapté
aux objectifs de l‟application. Il existe pratiquement trois référentiels possibles selon le choix de
l‟orientation du repère d‟axes (U, V).

1-Repère 𝛼-𝛽 lié au stator :  a  0 et r   m .

2-Repère x-y lié au rotor :  a  m et r  0.

3-Repère d-q lié au champ tournant : a   s et r   s  m .

I.6 Equations électriques du moteur asynchrone triphasé

En négligeant l'effet thermique et l'effet de peau, les résistances du stator et du rotor sont
supposées constantes. L'application de la loi d'Ohm généralisée aux enroulements du MAS triphasé
permet d'écrire les équations électriques suivantes :

• Pour le stator, on a :

I-9

Rs: la résistance du stator ; :le flux du stator

• Pour le rotor, on a :

I-10

• Le flux statorique et rotorique, sont :

avec I-11

9
où:

: l‟inductance de magnétisation (mutuelle).

: Les inductances statorique et rotorique.

: Les inductances de fuite statoriques et rotorique.

I.6.1 Equations électriques du MAS triphasé dans le repère (α,β)

Dans ce référentiel les composantes de toutes les grandeurs (courants, tensions et flux)
statoriques et rotoriques sont alternatives et de pulsation ws. Donc, le modèle du MAS dans ce
référentiel est « un modèle réel du côté stator », il sera alors choisi en vue d‟étudier les variations
des grandeurs rotoriques. En appliquant la transformation de Park, on aura :

a. Equation de la tension statorique

I. 12

b. Equation de la tension rotorique

I-13

c. Equations du flux

I-15

Avec :

I-16

I-7 Représentation d’état du moteur asynchrone triphasé

La forme générale de l‟équation d‟état du moteur asynchrone est uniforme et s‟écrit de la

façon suivante :

I-17

10
Dans le référentiel (α,β), avec le vecteur d‟état x composé des composantes de courants statorique et
du flux rotorique, le vecteur d‟entrée est constitué des composantes de tensions et . Il

vient alors :

Notre système est défini par le les matrices A, B, comme suit :

I-18

I-19

avec:

On peut constater que cette configuration permet une simplification des expressions
théoriques en réduisant le nombre de paramètres. On remarque ainsi qu‟indépendamment de la
structure de son rotor, le MAS triphasé est caractérisé par les quatre paramètres électriques
suivants ; [2] :

Ce modèle est parfaitement adapté à la détermination des paramètres par les méthodes
d‟identification que ce soit la méthode basée sur les essais classiques ou la méthode basée sur la
technique PSO présentée dans le troisième chapitre.
11
I.8 Expression du couple :
On peut écrire l‟expression du couple électromagnétique en fonction des courants statoriques
et des flux rotoriques comme suit :

Ce  pm( r i s   r is ) I-20

Donc l‟équation mécanique devient :

 1
 m  [ PLm( r i s   r is )  C r  fr  m ] I-21
J

I-9 Conclusion :
Dans ce premier chapitre, on s'est intéressé à l'établissement des modèles du moteur
asynchrone triphasé, en l'occurrence le modèle triphasé et le modèle biphasé. La modélisation ainsi
présentée, est basée sur un certain nombre d'hypothèses simplificatrices qui reposent
essentiellement sur la constance de certains paramètres (résistances, inductances), ce qui permet de
dire que ces modèles restent insuffisants pour décrire le comportement réel de la machine, mais ils
peuvent constituer en général une approche globale acceptable dans la plus part des
fonctionnements normaux du MAS.
Le modèle de Park linéarisé du MAS, défini comme modèle de connaissance, est caractérisé par des
paramètres électriques et mécaniques dont l'identification par l'une des diverses méthodes existantes
est nécessaire. Ces méthodes feront l'objet d'étude dans les chapitres qui suivent.

12
 CHAPITRE II

METHODES D’IDENTIFICATION
PARAMETRIQUE DU MOTEUR
ASYNCHRONE BASÉES SUR LE
SCHEMA EQUIVALENT

13
[Link] :

L‟identification paramétrique du MAS à cage d‟écureuil consiste à estimer les paramètres du

modèle mathématique représentant le comportement dynamique du moteur asynchrone. Le modèle
obtenu peut être utilisé dans le but de surveillance et de diagnostic ou pour une meilleure
commande. En fonction du but affecté, la précision et la qualité du modèle peuvent différer.

Pour identifier le modèle, à partir des données expérimentales, il faut mettre au préalable, un
banc d‟essai muni d‟un système de mesure de précision donnant le maximum d‟informations et le
choix d‟une méthode d‟identification permet, à partir des données, de préciser les paramètres du
modèle.

Ce chapitre comporte deux parties, la première concerne la description d‟une méthode

classique d‟identification des paramètres électriques et mécaniques du MAS à cage, basée sur le
schéma équivalant et des tests pratiques.

Dans la deuxième partie, nous présentons une méthode d‟identification utilisant les données
de constructeur et de la plaque signalétique

II.2. Schémas équivalents du MAS

Le schéma équivalent est un modèle électrique issu de l‟approche de modélisation
électrique. C'est le modèle classique d'étude et de conception du moteur asynchrone ; [10].
L'établissement du schéma équivalent à partir des équations électromagnétiques peut être
accompli de différentes manières ; [3].

II-2.1 Schéma équivalent généralisé du MAS en régime dynamique

La dynamique électromagnétique du MAS triphasé, est régie par les équations du modèle de
Park généralisé (U,V) : [7]

II-1

14
 II-2

En introduisant les inductances de fuites statorique et rotorique définies respectivement par :

II-3

Le courant magnétisant qui sert à produire le flux dans l'entrefer est donné par :
II-4
Les équations aux tensions et aux flux sont :

II-5

II-6

II-7
II-8

Ce modèle peut être représenté par le schéma de la Fig II-1

lS = LS - Lm lr = Lr – Lm
A

Lm

Figure II-1: Schéma équivalent généralisé de la MAS en régime dynamique

Ce modèle est caractérisé par des F.é.m de rotation induites respectivement dans le stator et dans le
rotor et qui dépendent des courants du stator et rotor et de la vitesse de rotation.
II.2.2 Schéma équivalent du MAS dans le repère fixe au stator :

15
 Le moteur asynchrone est généralement représenté en régime dynamique par un modèle
dans le repère fixe (α, β), (la pulsation qui est caractérisé par les équations suivantes [7]
[4]:

II-9

II-10

La figure II-2 représente le modèle de la MAS dans le repère (α, β) en régime dynamique.

ls lr Rr Rr
A

Lm

Figure II-2 : Schéma équivalent de la MAS dans le repère (α, β) en régime dynamique
Avec ce modèle, on ne peut pas obtenir séparément les valeurs des inductances de fuites statorique
lS et rotorique lr par les essais expérimentaux (la répartition des fuites est arbitraire).
Ce problème est un inconvénient important. Pour remédier ce problème, le schéma équivalent
adopté consiste à ramener les fuites magnétiques soit au stator, soit au rotor [4], [7].

II.3 Schéma équivalent du MAS en régime permanent.

Dans le repère fixe au stator (ωa = 0), et en régime quasi- stationnaire ( ),

On obtient :
II-11
II-12
Notons que : , si l‟on divise l‟équation (II-12) par le glissement qui n‟est
jamais nul en pratique, on obtient :
II-13

Pour ramener le rotor au repère statorique, on doit faire un changement qui permet de
substituer au courant rotorique réel de pulsation , un courant fictif de même pulsation que

16
le courant statorique et d‟amplitude proportionnelle à une constante arbitraire non nul, [5] [4], telle
que :
II-14
où :
k est un nombre arbitraire fini et non nul.
En remplacent par dans (II-11) et (II-13), on obtient :

II-15

II-16

avec:

II-3.1 Grandeur ramenées au stator

En introduisant les flux de fuites statorique et rotorique représentés respectivement par :
Inductance de flux de fuits statorique.
: Inductance de flux de fuites rotorique ramenée
Les équations (II-15) et (II-16) s‟écrivent alors comme suit :
II-17

II-18

avec :
: Courant de magnétisation
A partir de ces deux dernières équations on établit le schéma équivalent du MAS en régime
permanent figure (II-3).

ls = Ls – kLm l’r =k²Lr – kLm

A

L’sr = kLm

B
Figure II-3 : Schéma équivalent du MAS en régime permanent

17
Avec ce modèle, on considère le MAS comme un transformateur statique en court-circuit avec une
résistance secondaire ramenée au primaire égale Rr‟/g . C‟est le modèle le plus proche de la
représentation réelle de moteur asynchrone. En négligent les pertes magnétiques dans le fer, ce
modèle est caractérisé par les paramètres électriques (Rs, Ls, Rr, Lr, Lm), [7].

II-3-2 Schéma équivalent à fuites totalisées dans le stator :

Ce modèle, est choisie telle que :
II-19

L‟inductance des fuites totalisées dans le stator ls et l‟inductance magnétisante ramenée Lm

s‟expriment par :

II-20

et

II-21

La résistance rotorique ramenée au stator est donnée par :

II-22

Avec ;

: Coefficient de dispersion:

: Constante de temps rotorique.

Le schéma équivalent du MAS de la Figure. II-3 devient :

(1 -σ) Ls

Figure II-4: Schéma équivalent de la MAS à fuites totalisées dans le stator

18
 On constate que le MAS est caractérisé par les quatres paramètres électriques suivants :
Rs, Ls, et Tr
Ce modèle est convenablement utilisable pour la détermination expérimentale de ces paramètres par
les essais classiques : l‟essai volt-ampérométrique, l‟essai à vide et l‟essai à rotor bloqué.

II.3.3 Schéma équivalent à fuites totalisées dans le rotor

Le flux rotorique est un grandeur très utile dans le contrôle à flux orienté, cause pour le
quelle les modèles de la de la MAS sont sauvant exprimés en fonction du flux rotorique.

L‟adaptation du schéma équivalent à cet objectif est obtenue par le choix de , cette

transformation annule le flux de fuites statorique et permet d‟avoir un schéma plus simple
avec les paramètres déduits :

 L‟inductance des fuites totalisées dans le rotor:

II-23

L‟inductance magnétisante ramenée :

II-24

 La résistance rotorique ramenée :

II-25

avec :
: Constante de temps rotorique II-26

Ls

Figure II-5 Schéma équivalent à fuites totalisées dans le rotor

19
 Comme dans le modèle précédemment, le nombre des paramètres électriques à identifier se limite à
quatre : RS, LS, σ et r

II-4 Méthode classique d’identification des paramètres du moteur basé sur le schéma
équivalent en régime permanant totalisée au stator :
Les paramètres de schéma équivalant sont identifiés par les essais pratiques ci-dessous :
1- Essai volt-ampérométrique en courant continu (mesure de résistance d‟une phase statorique)
2- Essai à vide (sans charge)
3- Essai à rotor bloqué (essai en court-circuit)
4- Essai de ralentissement (identification de paramètres mécanique)
Lors de cette étude, le moteur testé est un MAS triphasé à cage d‟écureuil du laboratoire machine
électrique de l‟université de Ouargla ayant les indications de sa plaque signalétique suivante :
Tableau 1 : Caractéristiques nominales du moteur asynchrone triphasé
Puissance nominale 0.18 kw, cosφ= 0.8

U (phase-phase) 380V

Fréquence 50 HZ

Courant nominal 0.5 A

Vitesse de rotation 2770 tr / min

Nombre de paire de pole 1

II-5-1 Essai mesure de
résistance Rs par Couplage Triangle Δ méthode volt-
ampèrmétrique en courant
continu :
Cet essai nous permet de calculer la résistance d‟un enroulement statorique Rs. La mesure en
courant continu (méthode volt-ampèremétrique) réalisée à chaud (après l‟essai en charge),
Montage :
+ A IA
VAB v
- MAS 3~

Figure. II-6 Schéma de l‟essai volt-ampérométrique

20
On alimente une phase du moteur (après un fonctionnement en charge) par une tension continue
variable afin de prendre plusieurs valeurs de tension et de courant comme indique le schéma ci-
dessus

Tableau2 : Résultats de mesures :

VAB (V) 18 34 50 67

IA (A) 0.1 0.2 0.3 0.4

La valeur de la résistance est donnée par la loi d‟Ohm : VAB = [Link] d‟où RS = VAB / IA
Avec RS est la résistance d‟une phase statorique.
Après calcule de la valeur moyenne de la résistance, on trouve RS = 171.04 Ω
II-5-2 Essai à vide :
Dans ce cas, le moteur est alimenté à sa tension et à sa fréquence nominale, et tourne à vide.
Il existe cependant un couple résistant de très faible valeur équivalent aux pertes mécaniques dues
aux frottements et à la ventilation.
De ce fait le glissement n‟est pas tout à fait nul, les courants rotoriques sont négligeables et le flux
dans l‟entrefer est créé par le stator seul. On peut écrire alors que : lorsque (g = 0)

Dans le schéma équivalent de la figure II-4, la branche correspondante au secondaire est ouverte

. Le circuit à vide devient :

σ Ls
A
A

(1 -σ) Ls

B
B

Fig. II-7 : Schéma équivalent de la MAS en fonctionnement à vide

21
Montage :

A
A A IS0
VS0 V
B MAS 3~

Fig. II-8 Schéma de l‟essai à vide

Dans cet essai, on applique la tension nominale au moteur, et on le laisse tourner à vide, le
branchement des enroulements statorique étant en triangle.
Cet essai à vide permet de déterminer Ls par la mesure de VS0 et IS0
Les indications des appareils des mesures sont : VS0 = 380 V et IS0 = 0.33 A

L‟inductance statorique avec s=2πf=314 rd/s.

Après calcul on trouve : Ls = 6.3285 H

avec ; VS0: Tension statorique entre deux phases à vide.
IS0 : courant de ligne à vide. JS0 : courant de phase à vide.
II-5-3 Essai en court-circuit (à rotor bloqué)

Dans cet essai, aussi appelé « essai à rotor bloqué », le rotor est bloqué. La vitesse de rotation
étant nulle, aucune puissance mécanique n‟est délivrée sur l‟arbre, et le courant absorbé n‟est limité
que par l‟impédance interne de la machine qui est relativement faible.
A l‟arrêt (g=1), Le schéma équivalent déduit de cet essai est celui de la fig. I-9.

Figure II-9: Schéma équivalent de la MAS en fonctionnement à rotor bloqué.

22
Le schéma simplifié de la figure permet de déterminer la résistance rotorique ramenée et
l‟inductance des fuites globales .

Figure. II-10 : Schéma équivalent simplifié de la MAS à rotor bloqué

Montage: A
A W Icc
B Vcc V

MAS 3~

C
Figure II-11 Schéma de l‟essai en court-circuit
Dans cet essai, l‟arbre du moteur est bloqué par un dispositif de blocage et le stator est alimenté
sous une tension réduite, tension qui correspond à un courant absorbé égale au courant nominal.
Nous avons obtenu les résultats suivants : Icc = 0.51 A , Vcc = 85 V et Pcc = 69 W
II-5-3-1 Calcul de Lσ , σ , Lm et Tr

, , ,

Après calcul, nous avons obtenu les résultats suivants :

, , ,

II-6 Identification des pertes fer et mécanique

Lors de fonctionnement du MAS en moteur à vide, la puissance active absorbée représente la
somme des pertes suivantes :
- Les pertes ohmiques statoriques: (par effet joule dues au courant statorique) :

- Les pertes ferromagnétiques (dites pertes dans le fer) dues à la variation du flux: PFe
- Les pertes mécaniques dues aux frottements et à la ventilation : Pmec
- En effet la puissance active à vide est donnée par :
II-27

23
 II-28
II-6-1 Principe de la méthode
Cette méthode consiste à alimenter le moteur à vide sous tension variable et mesurer le courant
statorique et la puissance active. On fait varier la tension sur une plage où la vitesse doit demeurer
constante afin de conserver la constance des pertes mécaniques qui sont tributaires de la vitesse. A
fréquence statorique constante, les pertes fer varient proportionnellement au carré de la tension
d‟alimentation;
En traçant la variation de P0-Pjs0 en fonction du carré de la tension qui est pratiquement une droite
qu‟on extrapole jusqu‟à Vs0=0, ainsi on obtient les Pmec qui sont indépendantes de la tension
(Figure. II-12), [11].

Figure II-12: Méthode de séparation des pertes

Mesures pratique : On relève à vide le tableau de mesures expérimentales suivant :

Tableau : 3

24
 Tension à vide VS0 (V) 380 320 300 250

Courant à vide IS0(A) ,330 ,2650 ,250 ,2250

Pertes joules statoriques Pjs=RsIS02(W) 18,62 12,01 10,69 8,65

Puissance à vide Ps0 (W) 103,5 90 85,5 78,2

Ps0 – Pjs (W) 84,88 77,99 74,81 70,55

La puissance active absorbée à vide est donnée par l‟équation (II-29) :

II-29

Avec : Les pertes joule statoriques

Les pertes fer

Les pertes mécaniques
On trace la puissance (Ps0 – Pjs) en fonction du carré de la tension, comme le montre la figure
ci-dessous, on sépare les pertes mécaniques des pertes fer et on en déduit ces derniers car la
puissanse absorbée à vide et les pertes joules au stator sont connues.
De l‟équation (II-29)
II-30

Figure. II-13: Méthode de séparation des pertes

D‟après la courbe on trouve :

P méc 32 w et P fer 52,88 w

25
II-7 Identification des paramètres mécaniques
Les paramètres mécaniques de la machine sont identifiés par la méthode de l‟essai de
ralentissement. C‟est une méthode qui est valable pour tout type de machine. La machine est
alimentée sous sa tension nominale et tourne à vide. L‟alimentation est ensuite coupée et l‟évolution
de la vitesse en fonction du temps est enregistrée à l‟aide d‟une carte Arduino et un simple
programme d‟acquisition sous MATLAB.
L‟identification des paramètres électriques du modèle de la MAS ne suffit pas pour une étude
complète et efficace des différents régimes dynamique. Ces régimes sont de plus conditionnés par la
connaissance des paramètres mécaniques (moment d‟inertie, frottements et charge) qui figurent
dans l‟équation du mouvement

Ces paramètres mécaniques sont identifiés par la méthode de l‟essai de ralentissement.

II-7-1 Essai de ralentissement

Cet essai nous permet de déterminer les paramètres mécaniques du moteur asynchrone.
C‟est une méthode qui est applicable pour tous les types des machines tournantes. On alimente la
machine par sa tension nominale et on la laisse tourner à vide. Ensuite on coupe l‟alimentation et
l‟évolution de la vitesse en fonction du temps est enregistrer à l‟aide d‟une table traçante ou autre
moyen (dans notre travail, on utilise une carte Arduino et un programme sous Matlab pour
l‟acquisition). Un relevé expérimental de la courbe concernant l‟essai de ralentissement est effectué
sur le MAS est donné sur la figure (II.5) suivante:

26 effectué sur un moteur

[Link]-14 : Essai de ralentissement
asynchrone à cage de 0.18 KW , 380 V, 50 HZ
Le relevé expérimental de la courbe ci – dessus donne :
,
Nm.

II.8 Identification paramétrique d'un moteur asynchrone basée sur les données de
constructeur

Cette méthode, permet une estimation approximative, directe et rapide des paramètres
électriques du MAS tout en employant les indications (nominales) de la plaque signalétique et de
fabrication. En supposant que la machine est sans pertes fer et mécaniques.

On construit un programme sous MATLAB pour identifier les paramètres du MAS on se

base sur la figure II-15. Les données nécessaires à l‟identification des paramètres électriques du
MAS, sont : la tension nominale, le courant nominal, le courant de démarrage, le couple de
démarrage, le couple maximal, la puissance nominale, la vitesse nominale et le facteur de puissance.

Figure II.15 : Schéma équivalent du MAS

Dans des conditions nominales, l'impédance équivalente du moteur est :

Zeq = Re q + j Xe q II.31

Zeq Rs+j Xs + II.32

La partie réelle et imaginaire de cette impédance sont :

Req = Rs II.33

27
Xeq = Xs + II.34

On suppose que les pertes mécaniques soient négligeables dans les conditions nominales, donc, le
courant de rotor en fonction du courant du stator est donné par :

Irn = Isn II.35

En calculant l‟amplitude, on obtient :

|I rn| = |I sn| II.36

Prenant la dernière expression et son remplacement dans l'équation de la puissance nominale, On

obtient, la troisième équation :

Pn = II.37

Au moment du démarrage la valeur du couple et du courant sont connus ; avec ces deux valeurs,
l'impédance au démarrage Zeqo peut être comme suit :

Zeq0 II.38

Le couple de démarrage est obtenu, par l‟équation :

Tdémarrage = II.39

La résolution des équations non linéaire (II.33), (II.34), (II.37), (II.38) et (II.39) donnent les
paramètres de schéma équivalent de la figure II-15, tel que le couple de démarrage, le courant de
démarrage et le couple maximal sont donnés dans les catalogues de fabricant [4]. Dans notre travail,
d‟après [4], on a :
Idémarrage = Inominal x 5.43 x 180 0.2041 = 1,91 A. , Inominal =0.5 A , P = 180 watt

Cmax = Cnominal x 2.496 x 180 0,1027 = 2, 64 Nm , Cnominal = 0, 62 Nm

Cdémarrage = Cnominal x 180 0,057 = 2, 38 Nm

28
 Comme nous l'avons vu plus haut, cinq équations à cinq inconnues sont obtenues. La
résolution de ces équations numérique nécessite l‟écriture d‟un programme en un langage de notre
choix ou se servir tout bonnement d‟un logiciel comme MATLAB. Pour notre cas, on va s‟en passer
de cette programmation car il existe en MATLAB une fonction dite fsolve qui s‟en charge de la
résolution.

II.9 Programmation des méthodes d’identification par l’interfaçage MATLAB GUIDE

Depuis l'introduction de l'outil GUIDE dans la version 7.9 de Matlab, le développement des
Interfaces Graphiques (GUI) est devenu courant. Malheureusement, de nombreux développeurs se
heurtent à des difficultés pour gérer à la fois les variables et les identifiants des objets graphiques,
lorsqu'ils utilisent l'outil GUIDE. Elles permettent à l'utilisateur, grâce à des objets graphiques
(boutons, menus, cases à cocher, ...) d'interagir avec un programme informatique et permettent de
concevoir intuitivement ces interfaces graphiques.

En utilisant les cinq équations de la méthode basée sur les données de la plaque signalétique
et de fabrication et les mesures expérimentales pour les essais classiques, un programme Matlab
GUIDE est développé afin d‟identifier les paramètres du MAS par les deux méthodes, comme il est
illustré sur la Figure (II.11).

Figure (II.16) : Interface graphique de programme d‟identification par MATLAB guide

29
Le tableau 4, illustre les différentes valeurs des paramètres électriques de la machine asynchrone
étudiée obtenus par les deux méthodes d‟identification.

Tableau 4 : Résultats de comparante entre les deux méthodes

Paramètres Résultats essais Résultats données de Résultats

classiques constructeur
erreur %
171.0417 Ω 171.0211 Ω 0.0012

6.3285 H 6.3114 H 0.0027

0.37604 0.38772 0.0301
0.063162 S 0.068661 S 0.08

On peut noter que les erreurs d'identification des paramètres du moteur sont très faibles.

II-10 Validation du modèle

Les valeurs des paramètres ainsi trouvées par les deux méthodes sont injectées dans les
équations du MAS dont le modèle est présent sous forme de schéma fonctionnel de la figure II-17.
Si l‟identification est bien menée les enregistrements des mesures courant statorique, couple et
vitesse devront données des allures proches que celle données par la MAS réelle. Dans la réalité des
erreurs sont enregistrées entre la MAS réelle et son modèle identifié.
Dans cette partie, on procède à la simulation numérique de schéma fonctionnel établis à
l‟aide des paramètres issus des deux méthodes d‟identification en se servant du schéma bloc de
simulation présenté ci-après par la figure II-17.

II.10.1 Schéma bloc de simulation

30
 Figure II-17 Schéma bloc fonctionnel du moteur asynchrone à cage

II.10.2 Résultat de simulation

La simulation d‟un démarrage à vide sous une tension sinusoïdale de valeur efficace 380V et
de fréquence 50Hz suivi de l‟application du couple de charge (Cr = 0.6 Nm) à l‟instant t=0.5s,
permet d‟obtenir les résultats illustrés par la figure (II-18).

2 400
vitesse de rotation (rd/sec)
Courant de phase Isa (A)

1 300

0 200

-1 100 classique
classique
fabrication fabrication
-2 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
temps (s) temps (s)
Couple électromagnétique (Nm)

0 classique
fabrication
-1
0 0.2 0.4 0.6 0.8 1
temps (s)

Figure II-18 Résultats de simulation avec les deux méthodes d‟identification

II.10.3 Interprétations des résultats :

a. Le courant statorique Isa:

31
On reconnait le classique appel de courant au démarrage égal à 2.5 fois le courant nominal. Après
sa disparition, le courant permanant est atteint et reste le courant correspondant au comportement
inductif du moteur à vide, et avec l‟application de la charge à l‟instant t= 0.5s, le courant statorique
atteint la valeur du courant nominal. On peut noter que pour les deux méthodes d‟identification,
l‟erreur presque tend vers zéro en régime permanent.
b. Le couple électromagnétique :

L‟oscillation du couple est l‟élément marquant de cet oscillogramme, puisque le couple monte
jusqu‟à 3 N.m. Il faudra donc prendre garde au dimensionnement du couple- mètre utilisée si on ne
veut pas le détruire. Après disparition du régime transitoire, le couple tend vers le couple de charge
à vide (frein-rotor) et après l‟application de la charge le couple atteint sa valeur nominale.

c. La vitesse de rotation :
Les oscillations de couple se fond évidemment ressentir sur l‟évolution de la vitesse qui en régime
permanant se stabilise à 314 rad/sec puisque le moteur possède une paire de pole. Avec
l‟application de la charge la vitesse diminue à 294 rad/sec.

II -11 Conclusion
Au cours de ce chapitre, le schéma équivalent généralisé a été établi en vue d‟une
identification paramétrique du MAS. Ceci a permis de présenter plusieurs modèles simples à
nombre de paramètres réduit et aisément identifiables et qui présentent tous la même impédance
totale vue du stator.
Deux approches approximatives devant permettre la localisation des paramètres électrique
du MAS triphasé à cage d‟écureuil basée sur les essais classique et les données de la plaque
signalétique sont présentées. Le but est pour aboutir à une identification plus précise en se basant
sur les deux méthodes d‟identification.
Le prochain chapitre, justement, fera l‟objet de l‟utilisation d‟une méthode d‟identification
avancée afin de déterminer avec précision les paramètres déjà identifiés par les méthodes
précédentes qui sont très approximatives

32
 CHAPITRE III
IDENTIFICATION ET OPTIMISATION DES
PARAMETRES DU MAS BASE SUR LA
TECHNIQUE D'ESSAIM DE PARTICULES

33
III-1 Introduction

En engineering plusieurs problèmes nécessitent l‟utilisation des méthodes d‟optimisation

pour s‟approcher ou avoir la solution optimale. Les méthodes déterministes semblent avoir rempli
ce besoin, mais le problème des optimums locaux constitue un véritable piège pour accéder à
l‟optimum global. D‟où, l‟utilisation des méthodes stochastiques dites métaheuristiques qui, en
général, évitent ce problème et ayant une grande capacité de trouver l‟optimum global [21]. Parmi
ces techniques, celles basées sur l‟intelligence collective, inspirées de la nature, les plus répandus
sont à savoir : les algorithmes de colonies de fourmis (ACO), les algorithmes génétiques (AGs) et
plus particulièrement L'optimisation d'essaim de particules soit en anglais (Particle Swarm
Optimization -PSO). Dans ce chapitre, nous présentons le principe de fonctionnement de la
technique PSO, ainsi que l‟application de la PSO pour l‟identification et l‟optimisation des
paramètres de la machine asynchrone à cage.

III.2 Définition de l’optimisation :

Un problème d‟optimisation se définit comme la recherche du minimum

ou du maximum (de l‟optimum) d‟une fonction donnée . On peut aussi trouver des
problèmes d‟optimisation pour lesquelles les variables de la fonction à optimiser sont
contraintes d‟évoluer dans une certaine partie de l‟espace de recherche. Dans ce cas, on a une
forme particulière de ce que l‟on appelle un problème d‟optimisation sous contraintes [14].

III.2.1. Fonction Objectif :

34
 Un problème d'optimisation est un problème à partir duquel on peut définir une ou
plusieurs fonctions objectifs permettent la différenciation d'une bonne solution une
mauvaise. Concrètement, ces fonctions objectifs parcourent l'ensemble des solutions possibles
de l'espace de recherche local et sont, à chaque itération, comparés à des optimums
précédemment définis . Leur égalité (ou presque égalité dans le cas d'une garantie de performance)
conduit alors à l'état final; à la solution [11],[ 08]. Le principe même d'une métaheuristique est de
minimiser ou de maximiser ces fonctions afin de réduire les solutions possibles et par la même
occasion le temps d'exécution. Lorsqu'une seule valeur est associée a une seule fonction
objectif on parle de problème mono-objectif. Dans le cas contraire on parle naturellement d'un
problème multi objectif.

III.3. L’intelligence Collective

La capacité des insectes sociaux à réaliser des tâches hautement complexes a inspiré les
chercheurs à donner lieu au concept d'intelligence collective articulé autour des
mécanismes d'auto organisation. L‟intelligence d‟essaim (Swarm intelligence) est le terme
utilisé pour désigner les systèmes d'intelligence artificielle, où le comportement collectif de simples
agents est bien apparent. Cette expression a été introduite par Berni et Wang en 1989 dans le
contexte des systèmes robotisés cellulaires.

Cette capacité de passer du comportement individuels simples à des

comportements collectifs complexes et efficaces est appelée “intelligence en essaim” (swarm
intelligence”) ou «intelligence collective » sous domaine de l‟intelligence artificielle [15], [16].

[Link] d'Essaim de Particules (Particle Swarm Optimization):

L'optimisation d'essaim de particules (PSO) est une technique stochastique basée sur la
population d'optimisation développée par Dr. Eberhart et Dr. Kennedy en 1995, inspiré par le
comportement social des oiseaux s'assemblant ou le banc de poissons figure (III-1) [11]. ses deux
concepteurs, cherchaient à modéliser des interactions sociales entre des « agents » devant
atteindre un objectif donné dans un espace de recherche commun, chaque agent ayant une
certaine capacité de mémorisation et de traitement de l‟information. La règle de base était qu‟il ne
devait y avoir aucun chef d‟orchestre, ni même aucune connaissance par les agents de

35
l‟ensemble des informations, seulement des connaissances locales. Un modèle simple fut alors
élaboré [14].

(a) (b)

Figure III-1 : Groupe de : (a) oiseaux, (b) poissons

En effet, on peut observer chez ces animaux des dynamiques de

déplacement relativement complexes, alors qu‟individuellement chaque individu a une intelligence
limitée et une connaissance seulement locale de sa situation dans l‟essaim. Un
individu de l‟essaim n‟a pour connaissance que la position et la vitesse de ses plus proches
voisins. Chaque individu utilise donc, non seulement, sa propre mémoire, mais aussi
l‟information locale sur ses plus proches voisins pour décider de son propre déplacement. Des
règles simples, telles que “aller à la même vitesse que les autres”, “se déplacer dans la même
direction” ou encore “rester proche de ses voisins” sont des exemples de comportements qui
suffisent à maintenir la cohésion de l‟essaim, et qui permettent la mise en œuvre de
comportements collectifs complexes et adaptatifs.

L‟intelligence globale de l‟essaim est donc la conséquence directe des interactions

locales entre les différentes particules de l‟essaim. La performance du système entier est
supérieure à la somme des performances de ses parties. Kennedy et Eberhart se sont inspirés de ces
comportements socio-psychologiques pour créer le PSO. Un essaim de particules, qui sont des
solutions potentielles au problème d‟optimisation, „survole‟ l‟espace de recherche, en quête de
l‟optimum global. Le déplacement d‟une particule est influencé par les trois composantes suivantes
[08]:

Une composante physique : la particule tend à suivre sa direction courante de

déplacement ;

36
 Une composante cognitive : la particule tend à se diriger vers le meilleur site par lequel
elle est déjà passée ;
Une composante sociale: la particule tend à se fier à l‟expérience de ses congénères et,
ainsi, à se diriger vers le meilleur site déjà atteint par ses voisins.

Dans le cas d‟un problème d‟optimisation, la qualité d‟un site de l‟espace

de recherche est déterminée par la valeur de la fonction objectif en ce point. La figure
III.2 illustre la stratégie de déplacement d‟une particule.

Figure III-2: Déplacement d‟une particule

Il faut ensuite définir les voisinages et leur structure, il en existe de deux types :

Les voisinages géographiques : les voisins d‟une particule sont ses voisines les
plus proches. Ce type de voisinage impose l‟utilisation d‟une distance
pour recalculer à chaque itération (ou toutes les k itérations) les voisins de chaque
particule. Ci-dessous, la figure III-3 est un exemple où les voisins d‟une particule sont
les deux particules qui lui sont le plus proche.

37
 Figure III-3: Exemple de voisinage géographique.

Les voisinages sociaux : les voisinages sont établis à l‟initialisation et ne sont

pas modifiés ensuite. Il existe différentes structures de voisinages sociaux, nous
allons vous en présenter quelques-uns (Figure III-4) [14].

Figure III-4: Deux cas de voisinage social.

III.5 Principe de l'Algorithme PSO :

Dans le PSO, chaque individu de la population est dit (particule), tandis que la
population est connue sous le nom (swarm). Il faut noter, que la particule peut
bénéficier des mouvements des autres particules dans la même population pour ajuster sa position et
sa vitesse durant le processus d‟optimisation. Chaque individu utilise l‟information locale à
laquelle il peut accéder sur le déplacement de ses plus proches voisins pour décider de son
propre déplacement. Des règles très simples comme “rester proche des autres individus”, “aller
dans la même direction”, “aller à la même vitesse” suffisent pour maintenir la cohésion du
groupe tout entier [04]. Au départ de l‟algorithme, un essaim est réparti au hasard dans l‟espace de
recherche, chaque particule ayant également une vitesse aléatoire. Ensuite, à chaque pas de temps :
38
 Chaque particule est capable d'évaluer la qualité de sa position et de garder en
mémoire sa meilleure performance, c'est-à-dire la meilleure position qu‟elle a atteinte
jusqu‟ici (qui peut en fait être parfois la position courante) et sa qualité (la
valeur en cette position de la fonction à optimiser).
Chaque particule est capable d'interroger un certain nombre de ses congénères de
son voisinage et d'obtenir de chacune d'entre elles sa propre meilleure performance.
A chaque pas de temps, chaque particule choisit la meilleure des meilleures
performances dont elle a connaissance, modifie sa vitesse en fonction de cette
information et de ses propres données et se déplace en conséquence.

A partir des quelques informations dont elle dispose, une particule doit décider de son
prochain mouvement, c'est-à-dire décider de sa nouvelle vitesse.

Pour ce faire, elle combine trois informations :

Sa vitesse actuelle.
Sa meilleure position actuelle.
La meilleure performance (vitesse et position) de ses voisines.

Le hasard joue un rôle, grâce à une modification aléatoire limitée des coefficients de
confiance, ce qui favorise l‟exploration de l‟espace de recherche.

Naturellement, pour pouvoir être programmé, tout ceci est formalisé dans des
équations de mouvement. Un point intéressant est que, contrairement à bien d‟autres heuristiques
qui restent purement expérimentales, il existe une analyse mathématique précisant les conditions
de convergence et le choix des paramètres [11].

III.6.1. Formulation Mathématique du PSO :

Dans un espace de recherche de dimension D, la particule i de l‟essaim est modélisée par son
vecteur position et par son vecteur vitesse
Cette particule garde en mémoire la meilleure position par
laquelle elle est déjà passée, que l‟on note =( , , ….., ). La
meilleure position atteinte par toutes les particules de l‟essaim est notée :

=( , , ….., ).

Au temps t, le vecteur vitesse est calculé à partir de l‟équation III-1, [14].

39
 (III-1)

La position au temps t de la particule i est alors définie par l‟équation III-2 :

(III-2)

Où [14]:

W est en général une constante appelée, coefficient d‟inertie, c1 et c2 sont deux

constantes appelées coefficients d‟accélération, r1 et r2 sont deux nombres
aléatoires tirés uniformément dans [0,1] à chaque itération et pour chaque
dimension.
correspond à la composante physique du déplacement. Le paramètre w

contrôle l‟influence de la direction de déplacement sur le déplacement futur. Il est à

noter que, dans certaines applications, le paramètre w peut être variable.

correspond à la composante cognitive du déplacement où

contrôle le comportement cognitif de la particule.

correspond à la composante sociale du déplacement,

où contrôle l‟aptitude sociale de la particule.

Les gammes appropriées de valeur pour et sont de 1 à 2, mais 2 est le plus approprié dans
beaucoup de cas. Le coefficient d‟inertie est donné par [14]:

Où : sont respectivement le nombre maximum des itérations et le nombre

d‟itération courante. sont respectivement les coefficients minimum et maximum
d‟inertie.

Le coefficient d‟inertie joue un rôle important dans la procédure de recherche. Elle

garantit un équilibre entre la recherche locale et la recherche globale, un bon choix de ce
coefficient augmente l‟efficacité de la méthode pour avoir une solution globale. L‟expérience a
montré que la diminution linéaire de la valeur de w de 0.9 à 0.4 [14] au cours de la procédure
de recherche donne des meilleurs résultats.
40
III.6.2. Mécanisme de Confinement :

Il arrive parfois que compte tenu de la position courante et de la vitesse courante d'une
particule, cette dernière a tendance à sortir de l'espace de recherche lors de son
déplacement. Lorsque c'est le cas, l'algorithme fait intervenir un mécanisme de confinement, dit
confinement d'intervalle, afin de gérer le déplacement de la particule et ce, de manière à ce que
celui-ci l'amène sur un nouveau point appartenant lui aussi à l'espace de recherche. De manière
générale, ce mécanisme consiste à ramener la particule dans le point admissible le plus proche

(III-3)

Ou: et sont les valeurs limites du paramètre

III.6.3. Conception et déroulement de l'algorithme PSO :

Pour explique le principe de l'algorithme PSO appliqué pour résoudre un problème de

minimisation ou de maximisation, considérons le problème d'optimisation:[11]

j =1,2,3….

La fonction fitness associée est:

L'algorithme PSO se déroule suivant les étapes suivantes :

Etape 1: initialiser une population de particules et de vitesses, uniformément reparties dans

l'espace de recherche, et fixer le critère d'arrêt .

Etape 2: évaluer la fonction objectif, pour chaque particule .

Etape 3: mettre à jour la meilleure position pour chaque particule et la meilleure position globale
dans la population.

Etape 4: mettre à jour la position et la vitesse utilisant les équations (III-1)et (III-2).

Etape 5: si une particule, déplacée par l'algorithme vers la limite ou à l'extérieur de

l'espace de recherche, le mécanisme de confinement des particules exprimé par les
équations (III-3) intervient et ramène la particule à l'intérieur de l'espace de recherche.

41
Etape 6: vérifier le critère d'arrêt. Si le critère d'arrêt n'est pas satisfait, aller vers l'étape 2; sinon, le
programme se termine, et la solution optimale est produite.

La figure (III-5) montre l‟organigramme général de la méthode PSO globale:

Figure III-5: Organigramme général de la méthode PSO globale

Malgré la simplicité et la facilité de l‟utilisation de l‟algorithme PSO il présente un risque de

divergence ou de convergence rapide qui permet de stagner dans un optimum local, de ce fait deux
méthodes de la technique PSO sont connus :
o PSO globale : Il existe un seul chef des particules et se rapportent socialement avec tous les
individus d‟essaim en raison de l'influence globale, donc le minimum de la fonction objectif
est le minimum globale.
o PSO locale : Pour cette variante l'ensemble des particules est divisé en n nombre de groupe
avec un nombre égal d'individus, et dans chaque groupe, il y a un chef local qui influence
sur le déplacement de particules dans votre voisinage.

42
Ainsi, dans la variante globale, chaque particule communique avec tous les autres, comme cela peut
savoir qui est le meilleur parmi tous. En revanche, dans le modèle de PSO local, les particules ne
communiquent avec leurs voisins et ignorent les positions des autres. La figure III-4 montre les
deux variantes de la technique PSO, où (a) la variante globale et (b) la variante locale d‟un espace
de 5 particules [22].

Figure (III. 4) Les modèles de communication de base dans PSO.

III.7 Application de l'algorithme PSO globale à l'indentification et l'optimisation des

paramètres d’un moteur asynchrone

Contrairement à la modélisation mathématique, l‟identification est une approche

expérimentale, lors de laquelle un modèle issu de connaissances a priori est optimisé à partir des
données mesurées afin d‟approcher le plus fidèlement possible le comportement de moteur de
système réel. La méthode d‟identification repose sur la comparaison entre les sorties de modelé
numérique représentant le moteur asynchrone et celles mesurées sur le moteur réel. Cette partie est
consacrée à l‟identification et l‟optimisation par la technique PSO, des paramètres électriques de
moteur asynchrone.
Le problème d‟identification paramétrique de la machine asynchrone est formulé sur la base
d‟une comparaison entre les sorties d‟un modèle numérique représentant la dynamique de la
machine asynchrone et celles mesurées sur la machine réelle. Les paramètres du modèle sont ajustés
à l‟aide d‟un algorithme d‟optimisation PSO de maniéré à minimiser l‟erreur quadratique de sortie
comme illustré sur la figure III-5.
La machine réelle et son modèle sont excités par les mêmes entrées Us, les sorties réelle „Y‟
et estimée y sont comparées pour créer le vecteur d‟erreur de sortie. Ensuite, un algorithme
d‟optimisation PSO, ajuste les paramètres regroupés dans le vecteur des paramètres afin de
minimiser un indexe de performance (fonction objectif) qui est fonction de l‟erreur.

43
Généralement, on choisit un critère intégral telle que l‟erreur quadratique intégrale (Integral
Squared Error : ISE) comme indexe de performance. Une fois cette fonction objective est
minimisée. Nous pouvons dire que le vecteur des paramètres estimés est le meilleur au sens du
critère choisi pour l‟identification

Figure III-5 Structure de la méthode d‟identification et d‟optimisation des paramètres électriques

du moteur asynchrone basée sur la technique PSO

Les équations I-18 et I-19 vu dans le chapitre 1, en prenant comme sortie les courants du stator en
tant que critère pour l'identification de paramètres. Le vecteur de paramètres est défini comme suit :

Ainsi, la matrice sera écrite comme suit :

44
 Le système ci-dessus est discrétisé afin d‟appliquer sur l'algorithme d'optimisation PSO.
Selon la figure III-5, la machine réelle et son modèle sont excités par les mêmes entrées Us (usα et
usβ); les courants mesurés et estimés sont comparés pour minimiser l‟erreur quadratique d‟une
fonction objective, ce sera la fonction de coût pour évaluer l'algorithme d'optimisation:

K : le nombre d‟itération
L‟algorithme PSO est utilisé pour déterminer les paramètres du moteur asynchrone (basé sur
l‟erreur quadrature du courant statorique) où toutes les particules dans cet algorithme sont décodées
en cinq dimensions.

III.7.1 Résultats de simulation

Dans cette section, nous allons présenter et discuter les résultats de simulation concernant
l‟identification par l‟algorithme PSO des paramètres électriques d‟un moteur asynchrone triphasé
(moteur identifié dans le chapitre précedent). Cette opération est effectuée dans le cas d‟une
fonction objective basée sur l‟erreur de courants statoriques mesurés et estimés. Le schéma de
simulation sous Simpower system/simulink est donné comme suit :

45
 Figure III-6 Schéma de simulation du moteur asynchrone à cage

Les paramètres de l‟algorithme PSO global sont montrés au tableau suivant :

Tableau 1
Paramètres paramètres de PSO global

Dimensions de problème 5

Numéro de particules 50

Numéro maximal d‟itération 100

c1=c2 1.494

Vmax 2

Inertie initial 0.9

Inertie final 0.4

Les valeurs initiales de la position des particules sont données comme suit :
Landa_maximale =[680;40;4;90;15];

46
 Landa_minimale=[650;35;2;85;13];
Le choix des paramètres de PSO était comme suit :
Après plusieurs expériences, nous avons obtenu le suivant :
- L‟augmentation de la taille d‟essaim mène à compliquer le calcul avec prolongation dans le
temps de calcul. Dans notre cas la taille d‟essaim égale 50 est un bon choix.
- Dans notre cas, le nombre d‟itération maximum égale 50 est satisfaire pour obtenir de bons
résultats comme montré dans la figure III-7
- Les coefficient : c1=c2=1.494, w max=0.9, w min=0.4.

On peut constater que la convergence de la fonction objective nécessite 40 itérations environ. Ceci
nécessite un temps de calcul de 52 s.

Figure III-7 fonction objective

Les grandeurs mesurées (tension d‟alimentation, courant de phases et vitesse de rotation

sont relevées à partir de schéma de simulation et charger dans le fichier M-file de la technique PSO,
nous utilisons le vecteur X de paramètres identifiés qui comprend 4 paramètres à estimer
(X=[Rs, Ls , [Link] et Tr])
Pour évaluer la précision des paramètres de la MAS estimés par l‟algorithme PSO, une comparaison
des relevés estimés du courant de phase à ceux de la simulation, est effectuée.

47
 Pour ce faire, nous avons superposé deux à deux les caractéristiques dynamiques de courants
statoriques Isα et Isβ. Ceci devrait montrer le degré de précision de la méthode d‟identification et la
représentativité du modèle considéré.

1
Isalpha mesuré
Isalpha estimé
courant statorique Isalpha (A)

0.5

-0.5

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps (s)

Figure III-8 Courant statorique Isα mesuré et estimé (PSO global)

1.5
Isbeta mesuré
Isbeta estimé
1
courant statorique Isbeta (A)

0.5

-0.5

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps (s)

Figure III-9 Courant statorique Isβ mesuré et estimé (PSO global)

A partir des figures (III-8 et III-9), on peut remarquer que les allures estimées suivent
globalement les allures relevées par simulation sur la machine asynchrone étudiée.
Incontestablement, on peut déduire que les courbes de courants statorique, du modèle identifié et

48
celle obtenue par simulation (mesures), s‟assortissent parfaitement aussi bien en régime transitoire
qu‟en régime permanent.

Le tableau 3, illustre les différentes valeurs des paramètres électriques de la machine asynchrone
étudiée obtenus par la technique PSO global.
Tableau 3
Paramètres Valeur réelle PSO global Erreur %

315.3342 365.01183 15.75

24.6359 24.6780 0.17

1.3303 1.3302 0.0075

102.9576 103.0556 0.52

18.5186 18.5523 0.18

171.04 Ω 171.3516 Ω 0.182

6.3114 H 6.3066 H 0.07

0.1191 0.1192 0.08

0.0540 S 0.0539 S 0.185

On peut noter que les erreurs d'identification des paramètres du moteur sont très faible, il est
possible que ces erreurs à cause de la méthode de discrétisation pour l‟implantation dans le modèle
dynamique réalisé dans le fichier M-file.
III.8 Caractéristique interne et externe du moteur asynchrone
1 1.5

 cos phi
0.8  rendement nominale =cos phi nominale = 0.75096
Cos phi et Rendement

Couple utile (Nm)

1
0.6

0.4  rendement
0.5

0.2

0  glissement nominale = 0.0745 0

0 0.2 0.4 0.6 0.8 1 0 500 1000 1500 2000 2500 3000
glissement la vitesse de rotation (tr/min)

49
 1000 1.5

800
Pa

Puissance (Nm)
1

Couple (Nm)
600

400
0.5

200 Ptr
Pu
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
glissement glissement

Figure III-10 Caractéristique interne et externe du moteur asynchrone

D‟après les courbes, on constate que :

 : Le rendement passe par zéro à vide. Il doit avoir une valeur voisine de son maximum pour le
fonctionnement nominal. Il diminue ensuit de plus en plus rapidement pour redevenir nul à l‟arrêt.

Cos (  ) : Le facteur de puissance est faible à vide il est surtout réactif et obtient une valeur
maximale au voisinage du fonctionnement nominal.
L‟intersection entre les deux courbes présentes le point de fonctionnement nominal
Cu=f(Ω) : C'est la courbe qui donnant les variations du couple utile Cu en fonction de la vitesse de
rotation Ω. Cette caractéristique électromécanique est obtenue à condition de conserver la tension
entre phases U constante et la fréquence f constante.

III.9 Conclusion
Le but principal de ce chapitre, consiste à identifier avec plus de précision les paramètres
électriques de la machine asynchrone en appliquant une méthode basée sur l‟algorithme PSO. Cette
méthode est un récent algorithme métaheuristique, inspirée de la nature des particules d‟essaim
parfaite dans un orchestre. Son concept a été présenté et son efficacité a été mise en lumière à
travers des résultats de simulation.
En premier lieu, la formulation de l‟identification paramétrique du modèle dynamique de la
machine asynchrone a été établie sous forme d‟un problème d‟optimisation. Ensuite, une
description détaille de cette méthode d‟identification métaheuristique a été donnée en mettant
l‟accent sur ses aspects algorithmiques.
L‟application avec succès et les résultats de simulation ont démontré clairement l‟efficacité
de cette technique pour l‟identification paramétrique du modèle dynamique de la machine
asynchrone. L‟évaluation de la précision des paramètres identifiés par cet algorithme a été effectuée
à travers la superposition de la relevé de courants statoriques estimés et celle simulés (mesurés), ce
qui a montré un accouplement convenable entre les deux caractéristiques.

50
 CONCLUSION GENERALE

Dans le cadre de ce travail de mémoire, nous nous sommes donnés fondamentalement pour
objectif l‟identification des paramètres du moteur asynchrone triphasé à cage d‟écureuil. Pour cela,
nous avons investigué deux parties : l‟une concerne l‟application des deux méthodes
d‟identification qui sont la méthode basée sur les essais classiques et la méthode basée sur les
données de la plaque signalétique. L‟autre concerne l‟application d‟une méthode d‟optimisation
avancée basée sur la technique PSO afin d‟identifier l‟ensemble des paramètres électrique du
modèle dynamique.

Avant de présenter les principaux résultats obtenus à travers ce travail, il convient de

rappeler que l‟identification paramétrique des machines électriques, particulièrement la machine
asynchrone, constitue un axe de recherche fructueux et très important en vue de leur simulation,
leur commande et leur diagnostic. Cependant, la variation des paramètres sous les effets physiques
inhérents au fonctionnement de la machine tels que, la température, la saturation et l‟effet de peau,
qui sont, en réalité non linéaires et loin d‟être négligeables, rend de l‟identification un problème qui
n‟est pas simple à résoudre, mais il est possible d‟arriver à de bons résultats.
Alors, pour procéder à l‟identification paramétrique d‟un système, trois taches doivent être
accomplies :

 choisir le modèle en fonction de l‟objectif fixé, ce choix est souvent lié à des hypothèses
supplémentaires pour simplifier l‟étude.
 Choisir la méthode d‟identification et/ ou les essais appropriés,
 et enfin vérifier la validité du modèle identifié.

Nous avons présenté, dans le premier chapitre, la modélisation du MAS, en l‟occurrence son
modèle triphasé (réel) et son modèle biphasé (modèle de Park linéarisé) en s‟appuyant sur une
approche analytique moyennant des hypothèses simplificatrices.

Ensuite, nous avons consacré le deuxième chapitre à l‟identification classique du MAS. En

premier temps, une méthode d‟identification basée sur les essais classiques a été établie. Puis, nous
avons appliqué deuxième méthode qui basée sur les données de la plaque signalétique et de
fabrication. Après l‟établissement du schéma équivalent du moteur en régime permanent. Dans ce
cas, le but est de délimiter la plage de variation des paramètres, permettant une identification plus
précise par des méthodes d‟optimisation.

51
 Par ailleurs, nous nous sommes intéressés, dans le troisième chapitre, à une identification
plus précise des paramètres électriques du MAS en appliquant un méthode basée sur la technique
PSO. Rappelons que cette méthode est un algorithme méta-heuristique inspiré de la recherche d‟un
essaim parfait dans un orchestre, en utilisant une recherche stochastique aléatoire. Son concept a été
présenté et son efficacité a été mise en lumière à travers des résultats de simulation.
Les résultats de simulation ont démontré clairement l‟efficacité de cette technique utilisée
pour l‟identification paramétrique du modèle dynamique du MAS. L‟évaluation de la précision des
paramètres identifies par la technique PSO a été effectuée à travers la superposition des relevés du
courants statoriques, ce qui a montré un accouplement convenable entre les deux caractéristique
dans le cas d‟une fonction objectif à base des courants statorique.

Pour en finir, nous a conduits à avancer quelques perspectives concernant les travaux
d‟identification, en explorant les voies suivantes :

 d‟exploiter et d‟améliorer cette étude en tenant compte des pertes fer et de la saturation, par
établir des schémas équivalents à paramètres variables et en introduisant diverses techniques
d‟identification.
 d‟utiliser des approches d‟optimisation multi-objectif pour mieux identifier les paramètres
du modèle dynamique du MAS.
 d‟appliquer de résultats obtenus dans la partie modélisation et identification avancées, à la
partie commande vectorielle du MAS et la poursuite de ces paramètres clés à la fois.

52
Références
[1] : RABIA Lakhdar, Modélisation, identification expérimentale et commande vectorielle d‟un
moteur asynchrone triphasé à cage‟, mémoire de master, université de Ouargla, 2015

[2], BERREHAIL Belkacem,‟Identification des paramètres d‟un moteur asynchrone a cage‟,

mémoire de magistère, université de Batna, 2013
[3] : REBAIA Chergui , Identification des paramètres d‟une machine asynchrone triphasée,
mémoire de magistère, université de Batna, 2014
[4] Silvia CarreñoPeñ[Link] de los datosdelcatálogo en motoresde induccióntrifásicos,
PROJECTE FI DE CARRERA, Spain.

[5] :[Link] et [Link] et [Link] « Modélisation de la machine asynchrone à double

alimentation » Mémoire License en Electrotechnique, Universite de Kasdimerbahouargla,
2013/2014

[6] : BACHANI Mohamed, „Identification paramétrique de la machine asynchrone‟, mémoire de

magistère, université d‟Oran, 2013

[7] :ADRIÁN SOLÍSbadilla, obtencion de los parametros de motores de induccion con los
datosdeplacapor medio de un programacomputacional, Universidad de Costa Rica, 2013
[8] [Link], « The Theory of Three Phase Introduction Squirel Cage Motors », Review of
Electrical Machines and Power Systems, Vol. 13, pp. 245-264, 1987.

[10] [Link], «Contribution à l‟Etude et à la Commande Robuste d‟un Aérogénérateur

Asynchrone à Double Alimentation», thèse de doctorat, Université de Biskra, 21/10/ 2014.

[11] AIT KAID Djamila, « Commande d'une machine asynchrone sans capteur mécanique, à l'aide
des régulateurs fractionnaires », thèse doctorat en sciences de l'ingénieur, Université MOULOUD

MAMMERI TIZI-OUZOU, 2011.

[ 12] R. Mansouri, «contribution a l'analyse et la synthèse des systèmes d'ordre

fractionnaire par la représentation d'état». Thèse Doctorat en électrotechnique .UMMTO, 2008.

[13] : MAURICE Clerc, L‟optimisation par essaim particulaire, Tutorial pour PSO
2003- [Link]

[14] JAMES Kennedy &RUSSELL C. Eberhart, Swarm intelligence, Morgan Kaufmann

Publishers, 2000.

53
[15]: KENNEDY, M. andMAURICE Clerc, J. The Particle Swarm : Explosion,
Stability, and Convergence in a Multi-Dimensional Complex Space. In Proceedings
of the IEEE Transactions on Evolutionary Computation, (2002).

[16]: RANIA Hassan & BABAK Cohanim& OLIVIER de Weck : A Copmarison Of Particle
Swarm Optimization And The Genetic Algorithm- American Institute of Aeronautics
and Astronautics - Colorado – 2004

[17] BAZI Smail ,Contribution à la Commande Robuste d‟une Machine

Asynchrone par la Technique PSO
« ParticleSwarmOptimization », mémoire de master, université de Batna, 2009

[18] ANDRES Ricardo herreraorozco, „determinación de los parámetrosdelmotor de

inducciónutilizando un algoritmo de optimizaciónporcúmulo departiculas (pso),‟
Universidadtecnológica de pereira 2010.
[19][Link]

54