Etude comparative entre la commande DTC classique et la DTC basée sur le contrôleur pi-neuronale d’un système Bi- machines Mono-onduleur.

dc.contributor.authorBennnadji soumia Ardjani nafissa
dc.date.accessioned2024-09-29T09:15:50Z
dc.date.available2024-09-29T09:15:50Z
dc.date.issued2022
dc.description.abstractRésumé : Le but de ce travail dans un premier lieu, est de présenter une multitude de techniques de commande alternatives à la commande DTC, Surtout la maitrise de la variation de la fréquence de commutation et la réduction des ondulations du couple et du flux. Puis la mise en œuvre d’une loi de commande prédict ive basée sur la linéarisation entrée-sortie caractérisée par des performances élevées. Le régulateur PI (proportionnel-intégral) est très utilise dans l’industrie en raison de sa simplicité et de la robustesse. Mais dans certain cas, quand la dynamique du système change avec le temps ou avec des condit ions de fonct ionnement l’efficacité du PI diminue et la qualité du réglage se détériore Les réseaux de neurones artificiels utilises dans la commande en vitesse semblent être une solution pour par ces difficultés et assurer une bonne performance de la commande. Déférent tests ont été simules pour apprécier l’apport des RNA, les résultats obtenus permettent d’illustrer, tant au niveau des performances que de la robustesse, l’apport d’un tel contrôleur dans les entrainements électriques utilisant la machine asynchrone. Les résultats obtenus démontrent l’efficacité et les performances dynamiques de la stratégie proposée.
dc.identifier.urihttp://dspace.univ-khenchela.dz:4000/handle/123456789/6926
dc.language.isofr
dc.titleEtude comparative entre la commande DTC classique et la DTC basée sur le contrôleur pi-neuronale d’un système Bi- machines Mono-onduleur.
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
mémoire bennadji+ardjani.pdf
Size:
15.2 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Collections