MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
SCIENTIFIQUE
UNIVERSITE DE MONASTIR ECOLE NATIONALE
D’INGNIEURS DE MONASTIR
DEPARTEMENT DE GENIE ELECTRIQUE
COURS COMMANDE DES
MACHINES ASYNCRONES
Préparé par :
Mr. [Link]
Introduction
La commande des machines électriques est un domaine de travail très dépendant du contexte
et de l’environnement des moteurs employés. En effet, c’est l’utilisation de la machine qui
détermine ses lois de commande. Celles-ci sont fortement liées à la nature de la charge, aux
grandeurs que l’on veut contrôler, aux régimes de fonctionnement recherchés et donc, par
voie de conséquence, aux modèles adoptés.
La nature même de la charge conditionne largement le choix d’une loi de commande et les
techniques de sa mise en œuvre. Les couples de charge les plus courants sont les couples
d’inertie, constants ou variables, éventuellement aléatoires. Les premiers ont pour origine
des masses tournantes homogènes et symétriques, jouant le rôle de volant d’inertie, ou
hétérogènes et dissymétriques, induisant des fluctuations de couple et des vibrations. La
variabilité des inerties est engendrée, soit par une déformation géométrique de la charge
comme dans le régulateur d’un bras articulé, soit par une variation de sa masse tournante
comme dans une bobineuse.
En général, dans les applications classiques, on s’efforce d’asservir trois grandeurs
mécaniques : la vitesse, la position ou le couple (séparément ou simultanément). Pour cela,
on fait appel aux techniques de l’automatique. Si les commandes linéaires classiques
(continues ou discrètes, PID) sont encore très utilisées, des méthodes plus récentes et plus
efficaces dans les cas difficiles peuvent être mises en œuvre. Les commandes optimales
(linéaires quadratiques, linéaires quadratiques gaussiennes, etc.), les commandes
adaptatives (avec ou sans modèle de référence), les commandes par modes glissants
permettent d’aboutir à des solutions satisfaisantes mais nécessitent souvent des modèles
plus complets et plus détaillés que la commande linéaire. Les commandes prédictives, la
commande par réseaux de neurones et par la logique floue permettent d’affiner la
commande et d’améliorer les performances des asservissements quand les modèles sont
très mal connus.