Abstract:
Actuellement, en raison des progrès énormes dans l'électronique de puissance, la machine à induction à double alimentation (MADA) est devenu l'une des meilleures solutions prometteuses pour nombreuses applications en particulier pour la conversion de l'énergie éolienne, l'application à vitesse variable, traction ferroviaire, propulsion marine, et les centrales hydroélectriques,..etc. Malgré ces progrès, les entraînements électriques encore influencés par nombreuses contraintes telles que l'ondulation de couple, précision, robustesse, les variations des paramètres,…,etc. Pour surmonter les problèmes précédents, deux nouvelles stratégies hybrides de contrôle intelligent de la machine à induction à double alimentation (MADA) ont été développées dans cette thèse. La première est la méthode DTC-AG dont le contrôleur PI est optimisé par les algorithmes génétiques, la seconde combine la méthode de contrôle direct du couple classique et les réseaux de neurones artificiels (DTC- RNA). Les deux stratégies de contrôle DTC-AG et DTC-RNA proposées ont montré meilleures performances par rapport à la DTC classique dans les deux états transitoires et stables, dont lesquels de nombreux avantages ont été confirmés, liés aux ondulations du couple et du flux, réduction du dépassement et du temps de réponse. En outre, l'analyse et des études comparatives des différentes stratégies de contrôle de la MADA ont été réalisées, y compris la commande vectorielle CV, commande par mode glissant MG, DTC classique, DTC-AG et DTC- RNA.
