Soutenance mémoire
Logique Floue
Dans le cadre de recherche pour le développement de nouvelles technologies basées sur l’intelligence artificielle, la logique floue a reçu un immense intérêt par les chercheurs et les industriels depuis le début de la deuxième moitié du dernier siècle. Avant cette tournure dans la définition de la logique, tous les algorithmes et les procédés se basaient sur la logique classique [2.1]. La logique classique n’admet aucun état entre le vrai et faux, ou aucune valeur entre le 0 et 1, contrairement à la logique floue qui a l’avantage de traiter même les valeurs entre 0 et 1 en se basant sur le raisonnement humain [2.1-2.3]. Les travaux de Lotfi A. Zadeh (Professeur de l’ Université de Californie de Berkeley) ont été les premiers qui présentaient la logique floue comme une méthode de classification pertinente en ayant établi les principes de bases [2.4]. Initialement, la logique floue a été désignée comme un algorithme de classification qui a été utilisé pour l’analyse de données, surtout dans des domaines comme le commerce et la médecine [2.5]. Cependant, son principe de raisonnement inspiré du raisonnement humain a attiré Marndani qui a été le premier qui a introduit la notion de la logique floue dans le domaine de contrôle en 1974 [2.6,2.7]. 2.1 .2 Exemple Introductif Afin de bien comprendre le principe de base de la logique floue, dans cette partie on expose un exemple simple de régulation [2 .7]. Nous prenons l’exemple de régulation de vitesse de déplacement d’un véhicule. Dans un premier temps, la vitesse de déplacement pourra être estimée soit: basse, moyenne, ou élevée. Si nous nous basons sur la logique classique pour réguler la vitesse du véhicule à une vitesse désirée moyenne, nous nous retrouvons avec un algorithme simple comme le montre la figure 2.1:
• Si la vitesse du véhicule est faible : Accélérer;
• Si la vitesse du véhicule est moyenne: Ne rien faire;
• Si la vitesse du véhicule est élevée : Décélérer.
Nous constatons que ce raisonnement est loin d’ être semblable au raisonnement humain qui est capable d’ être plus précis au niveau de classification. Une vitesse de 38 km/h d’après la logique booléenne appartient à l’ intervalle vitesse faible, alors que le cerveau 10 humain voit qu’ elle pourrait appartenir autant à l’ intervalle vitesse moyenne, qu’à l’ intervalle vitesse faible. C’est de là que le principe de la logique floue a été inspiré, le degré d’appartenance peut varier entre 0 et 1 d’une façon que la somme de tous donne 1. La vitesse du véhicule n’est pas toujours soit nettement faible, moyenne ou élevée, elle peut être par exemple à 80% faible, 20% moyenne et 0% élevée, et dans ce cas la décision ne va pas être la même qu’avec la logique classique, parce que la logique floue prend en considération le passage d’ intervalle.
Field Programmable Gate Array « FPGA» Les contrôleurs analogiques, numériques ou analogiques et numériques peuvent être utilisés pour contrôler n’ importe quelle grandeur physique désirée (température, pression, tension électrique, position mécanique, etc.). Au début de l’ère de contrôle, la plupart des systèmes physiques et spécialement les systèmes électriques se contrôlèrent à l’ aide des contrôleurs analogiques, mais leur taille, poids, manque de flexibilité et complexité de les concevoir ont poussé les chercheurs à se concentrer sur la technologie numérique. Cependant, avec le développement de la technologie numérique, la conception de systèmes de contrôle est devenue plus faci le ainsi que plus économique [3.1]. Un autre progrès récent dans les systèmes de traitement informatique, qui a contribué à l’augmentation de la capacité de traiter et résoudre les problèmes très complexes liés au contrôle des systèmes électriques, est dans la façon de traitement, où la tâche de calcul est partagée entre plusieurs processeurs qui peuvent communiquer les uns avec les autres d’une manière efficace. Les processeurs dits individuels peuvent résoudre les sous-problèmes qui constituent le problème original. L’assemblage des résultats de chaque sous-problème d’une certaine manière ordonnée, permet à arriver à la solution du problème global. Étant donné que de nombreux processeurs peuvent être incorporés pour exécuter les calculs, il est possible de résoudre des problèmes importants et complexes rapidement et efficacement [3.2].
Aujourd’hui avec le développement de la technologie ITGE, les systèmes de contrôle numérique sont de plus en plus utilisés dans différents domaines d’ application en raison de leur exactitude, précision, haute vitesse. De plus, il est possible de concevoir des circuits miniaturisés à haute performance, en termes de puissance et de vitesse, à faible coût. Grâce aux avantages qu’ offre la technologie ITGE, ce domaine a gagné une énorme popularité au cours des deux dernières décennies [3.1 , 3.3]. Les familles les plus connues de la technologie ITGE sont: PLD (Programmable Logic Device), FPGA (Field-Programmable Gate Array), ASIC (Application Specific Integrated Circuit) et ASSP (Application Specific Standard Product). Ces différentes familles ont leurs propres avantages et inconvénients. Les PLD sont des dispositifs dont l’architecture interne est prédéterminée par le fabricant, mais sont conçus d’une manière telle que les ingénieurs spécialisés peuvent les configurer pour effectuer une variété de fonctions différentes. L’ architecture interne d’un dispositif FPGA est plus développée que celle des PLD; elle comporte un nombre très élevé de portes logiques et les fonctions qui peuvent être réalisées par chacune de ces portes logiques sont beaucoup plus vastes et plus complexes que celles d’un PLD.
À l’autre extrémité du spectre se trouvent les ASIC et ASSP qui peuvent contenir des centaines de millions de portes logiques et peuvent être utilisés pour créer des fonctions incroyablement vastes et complexes. ASIC et ASSP sont basés sur les mêmes processus de conception et de technologies de fabrication. Les deux sont conçus sur mesure pour répondre à une application spécifique, la seule différence étant que l’ASIC est conçu et construit à l’ordre pour une utilisation par une entreprise spécifique, tandis qu’un ASSP est commercialisé à plusieurs clients [3.4]. Comme dans plusieurs publications, nous nous permettons dans le reste du chapitre de croire que les dispositifs ASSP appartiennent à la famille ASIC. Bien que l’ ASIC offre le rapport nombre de transistors/taille le plus élevé, le temps de calcul le plus rapide, et moins de consommation par rapport aux autres familles d’ITGE, la technologie des ASIC n’ est pas la plus adaptée aux différentes applications, et ce, à cause du temps, de la complexité et du coût de fabrication très élevés des ASIC avec l’inconvénient supplémentaire et majeur que la conception finale est « gelée dans le silicium » et ne peut être modifiée sauf si le fabriquant crée une nouvelle version du circuit [3.5]. De son côté l’ architecture interne d’un FPGA présente une flexibilité et reprogrammabilité.
Une telle architecture peut être utilisée pour exécuter diverses applications. De même le produit [mal peut être corrigé (s’il y a des erreurs) ou amélioré (s ‘ il y a des mises à jour) en reprogrammant simplement le FPGA. Un FPGA permet aussi une reconfiguration dite partielle, où seulement une partie du FPGA est reconfigurée tandis que d’autres parties du même FPGA sont toujours en train de fonctionner. La reconfiguration partielle est utile dans la conception de systèmes qui nécessitent de s’adapter fréquemment selon les contraintes des différents modes de fonctionnement [3.6]. Par rapport à d’autres technologies tel que les ASIC, les applications à base de FPGA ont moins de coût de conception par unité et une commercialisation plus rapide. Ainsi, les FPGA occupent une position intermédiaire entre PLD et ASIC parce que leur fonctionnalité peut être personnalisée comme avec un PLD, mais ils peuvent contenir des millions de portes logiques et être utilisés pour mettre en oeuvre des fonctions extrêmement importantes et complexes qui ne pouvaient auparavant être réalisées qu’en utilisant uniquement des ASIC. Ces avantages font des contrôleurs à base de FPGA des contrôleurs efficaces et économiques, mais cela à un coût important en matière de taille, de temps de calcul et de consommation d’énergie: un FPGA nécessite environ 20 à 35 fois plus d’espace qu’une cellule ASIC standard, a une performance de vitesse à peu près 3 à 4 fois plus lent qu’un ASIC et consomme environ 10 fois plus d’énergie dynamique [3.5]. Au début des années 1980 les FPGA commencèrent à apparaitre sur la scène des IC (Integred Circuit). Jusqu’à cette époque les FPGA ont été largement utilisés pour mettre en oeuvre les différentes fonctions de la logique binaire et combinatoire, des machines d’état de complexité moyenne, et des tâches relativement limitées pour le traitement de données. Au début de 1990, comme la taille et la sophistication des FPGA ont commencé à augmenter, les domaines d’ utilisation des FPGA ont connu un élargissement spectaculaire.
|
Table des matières
Chapitre 1 – Introduction
1.1 Problématique
1.2 Objectifs
1.3 Méthodologie
1.4 Structure du mémoire
Chapitre 2 – Logique Floue
2.1 Introduction
2.1.1 Généralités
2.1.2 Exemple Introductif
2.2 Définitions
2.2.1 Univers de discours
2.2.2 Variable linguistique
2.2.3 Fonction d’appartenance
2.3 Opérateurs et nonnes
2.3 .1 Opérateur NON
2.3.2 Opérateur ET
2.3.3 Opérateur OU
2.4 Unités d’un bloc logique flou
2.4.1 La fuzzification
2.4.2 Base de règles
2.4.3 Mécanisme d’ inférence
2.4.4 La défuzzification
2.5 Conclusion
Chapitre 3 – Field Programmable Gate Array « FPGA »
3.1 Introduction
3.2 Histoire des FPGA
3.3 Principe de fonctionnement des FPGA
3.3.1 Une simple fonction programmable
3.3.2 Technologie de connexion à base fusibles
3.3.3 Technologie de connexion à base d’ anti-fusibles
3.3.4 ROM
3.3.5 RAM
3.4 Intégration sur VHDL
3.4.1 Nombre entier positif.
3.4.2 Nombre entier négatif
3.4.3 Complément à deux
3.4.4 Représentation des données numériques
3.4.5 Modélisations des opérations de base
3.5 Conclusion
Chapitre 4 – Systèmes d’entrainement électromécanique
4.1 Introdcution
4.2 Machines Synchrones à Aimants Permanents (MSAP)
4.2.1 Équations générales de la machine synchrone à aimant permanent
4.3 Onduleur triphasé à deux niveaux
4.3.1 Topologie d’un onduleur triphasé à deux niveaux
4.3.2 Technique SVPWM
4.3.3 Simulation et discussion
4.4 Approximation de la SVPWM
4.4.1 Algorithme de l’ approximation
4.4.2 Simulations et résultats
4.4.3 Implémentation
4.5 Conclusion
Chapitre 5 – Réalisation d’une bibliothèque de lois de commande adaptative pour MSAP
5.1 Introduction
5.2 1 ere Loi implémentée: Adaptive Fuzzy Logic Control of Permanent
Magnet Synchronous Machines with Nonlinear Friction
5.2.1 Configuration du contrôleur flou adaptatif
5.2.2 Implémentation et simulation
5.3 2eme Loi: PMSM control based on adaptivefuzzy logic and sliding mode [5.2]
5.3 .1 Configuration du Régulateur mode glissant
5.3.2 Implémentation et simulation
5.4 3eme Loi: Adaptive Fuzzy Logic Control Structure of PMSMs [5.3]
5.4.1 Implémentation et simulation
5.4.2 Interprétation des résultats de simulation
5.5 Conclusion
Chapitre 6 – Conclusion Générale
Références
Annexe A – Extraits des codes de simulation
Annexe B – Résultats de synthèse des lois de commande
Annexe C – Publications et contributions
Télécharger le rapport complet
