REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université 8 Mai 1945 – Guelma
Faculté des Sciences et de la Technologie
Département de Génie Electrotechnique et Automatique

Réf:……………/2019

MEMOIRE
Présenté pour l’obtention du diplôme de MASTER Académique

Domaine: Sciences et Technologie

Filière: Automatique
Spécialité: Automatique et informatique industrielle

Par: DEBOUZE Aymen et KELAIAIA Achref

Thème

Commande floue des machines électriques

Soutenu publiquement, le 02 / 07 / 2019, devant le jury composé de:

M. BABOURI Abdesselam Professeur Univ. Guelma Président

M. BOUDJAHEM Baderddine MCA Univ. Guelma Encadreur
Mme. BOUCERREDJ Leila MCA Univ. Guelma Examinateur

Année Universitaire: 2018/2019

 Remerciements 1

En préambule à ce mémoire, je souhaitais adresser mes remerciements les plus sincères

aux personnes qui m’ont apporté leur aide et qui ont et contribué à l’élaboration de ce
mémoire ainsi qu’à la réussite de cette formidable année universitaire.

Je tien a remercier sincèrement Monsieur Boudjehem Badr Eddine de

l’université 08 Mai 1945 Guelma, qui en tant que Directeur de mémoire, s’est
toujours montré à l’écoute et très disponible tout au long de la réalisation de ce
mémoire, ainsi pour l’inspiration, l’aide et le temps qu’il a bien voulu me
consacrer et sans qui ce mémoire n’aurait jamais vu le jour

Une pensée particulière est adressée à l’ensemble des enseignants du

département d’automatique, qui nous ont procuré une formation honorable

Mes remerciement s’adressent également à monsieur Kelaiaia Achref étudiant à

l’université 08 mai 1945 Guelma corédacteur de ce mémoire, il sans que ce
travail n’aurais pu voir le jour ; pour sa générosité et la grande patience dont il a
su faire preuve malgré ses charges académiques pour la rédaction de ce
mémoire.

J’exprime ma gratitude à tous les consultants et internautes rencontrés lors des

recherches effectuées et qui ont accepte de répondre à mes questions avec
gentillesse.

Je n’oublie pas mes parents Maman Nassima, Papa Rabah pour leur
contribution, leur soutien et leur patience. Je tiens à exprimer ma reconnaissance
envers mes sœurs Aya et Meriem, sans oublié chèr frère Hamdi, mes amis
proche .

Enfin, j’adresse mes plus sincères remerciement à tous mes proches et ainsi qu’à
toute les personnes rencontrées et qui m’ont toujours soutenues et encouragées
au cours de la réalisation de mémoire.

Ce travail a été réalisé grâce à la volonté de DIEU le tout puissant qui veille du
haut firmament.

Merci à tous et à toutes que la paix et mon amour pour vous vous accompagne.

Debouze Aymen
 Remerciements 2

En préambule à ce mémoire, je souhaitais adresser mes remerciements les plus sincères

aux personnes qui m’ont apporté leur aide et qui ont et contribué à l’élaboration de ce
mémoire ainsi qu’à la réussite de cette formidable année universitaire.

Je tien a remercier sincèrement Monsieur Boudjehem Badr Eddine de

l’université 08 Mai 1945 Guelma, qui en tant que Directeur de mémoire, s’est
toujours montré à l’écoute et très disponible tout au long de la réalisation de ce
mémoire, ainsi pour l’inspiration, l’aide et le temps qu’il a bien voulu me
consacrer et sans qui ce mémoire n’aurait jamais vu le jour

Une pensée particulière est adressée à l’ensemble des enseignants du

département d’automatique, qui nous ont procuré une formation honorable

Mes remerciement s’adressent également à monsieur Debouze Aymen étudiant à

l’université 08 mai 1945 Guelma corédacteur de ce mémoire, il sans que ce
travail n’aurais pu voir le jour ; pour sa générosité et la grande patience dont il a
su faire preuve malgré ses charges académiques pour la rédaction de ce
mémoire.

J’exprime ma gratitude à tous les consultants et internautes rencontrés lors des

recherches effectuées et qui ont accepte de répondre à mes questions avec
gentillesse.

Je n’oublie pas mes parents Maman Nadia, Papa Djamel pour leur contribution,
leur soutien et leur patience. Je tiens à exprimer ma reconnaissance envers mes
sœurs Bouthaina et Marwa, sans oublié petit frère Anis, mes amis proche .

Enfin, j’adresse mes plus sincères remerciement à tous mes proches et ainsi qu’à
toute les personnes rencontrées et qui m’ont toujours soutenues et encouragées
au cours de la réalisation de mémoire.

Ce travail a été réalisé grâce à la volonté de DIEU le tout puissant qui veille du
haut firmament.

Merci à tous et à toutes que la paix et mon amour pour vous vous accompagne.

Kelaiaia Achref
 Table des matières

INTRODUCTION GENERALE 01
CHAPITRE I : Commande classique
I.1. Introduction 02
I.2. Notion de système 02
I.2.1. Performance d’un système 03
I.2.1.1. Point d’équilibre 03
I.2.1.2. Stabilité 03
I.2.1.3. Rapidité 04
I.2.1.4. Précision 05
I.3. Régulation classique 06
I.3.1. Définition 06
I.3.2. Objectifs de la régulation 06
I.3.3. Schéma fonctionnelle d’une boucle de régulation 06
I.4. Correcteurs classiques 07
I.4.1. Description des régulateurs PID 07
I.4.2. Contrôle par PID 07
I.4.2.1. Proportionnel « P » 07
I.4.2.2. Intégré « I » 07
I.4.2.3. Dérivé « D » 08
I.4.3. Différentes Structures D’un Pid 09
I.4.3.1. PID série 09
I.4.3.2. PID parallel 09
I 4.3.3. PID standard 10
I.4.4. Principale différence 10
I.4.5. Domaine d’application 11
I.4.6. Avantages et inconvénients du régulateur PID 11
I.4.7. Limites du régulateur PID 12
I.5.Conclusion 12

CHAPITRE II : Commande floue

II.1.Introduction 13
II.2. Historique 13
II.3. Exemple introductif 14
II.4. Principe de la logique floue 15
II.4.1. Ensembles flous 15
II.4.2. Concept de la logique floue 16
II.4.3. Variables linguistiques 16
II.4.4. Univers du discours 16
II.4.5. Fonction d’appartenance 16
II.4.6. Relations floues 17
II.4.6.1. Conjonction 17
II.4.6.2. Disjonction floue 17
 Table des matières

II.4.6.3. Implication floue 17

II.5. Structure d’un système de commande flou 18
II.5.1. Interfaces de fuzzification 18
II.5.2. Base de connaissance 19
II.5.3. Inférence floue 19
II.5.3.1. Définition des règles d'inférence 20
II.5.3.2. Méthodes d'inférence 20
II.5.3.2.1.Méthode d'inférence max-min 20
II.5.3.2.2. Méthode d'inférence max-prod 22
II.5.3.2.3. Méthode d'inférence somme-prod 22
II.5.4. Interface de défuzzification 22
II.5.4.1. Méthode de la moyenne de maximums 23
II.5.4.2. Méthode du centre gravité 23
II.6. Domaines d’applications de la logique floue 24
II.7. Avantages et Inconvénients du réglage par logique floue 24
II.7.1. Avantages 24
II.7.2. Inconvénients 25
II.8.Conclusion 25

Chapitre III : Applicaion de la commande floue sur MCC

III.1. Introduction 26
III.2.Moteurs à courant continue 26
III.2.1.Définition 26
III.2.2.Constitution 26
III.2.3. Différents types de moteur à courant continue 27
III.2.3.1. Moteur à excitation séparée 27
III.2.3.2. Moteur à excitation série 28
III.2.3.3. Moteur à excitation shunt 28
III.2.3.4. Moteur à excitation composée 28
III.3. Avantage et les inconvénients du moteur à courant continu 29
III.3.1.Avantages des moteurs à courant continu 29
III.3.2.Inconvénient du moteur à courant continu 29
III.4.Modélisation 30
III.4.1. Fonction de transfert du moteur 31
III.5.Commande floue 32
III.5.1.Contrôleur 32
III.5.2.Règles d’inférence 33
III.5.3.Fonction d’appartenance 33
III.6.Simulation 34
III.6.1.Robustesse du contrôleur floue 38
III.7. Conclusion 39
Conclusion générale 40
 Table des matières

Référence bibliographique
Annexe
 Liste des figures

Chapitre I
Figure I.1 : Modèle générale d’un système 02

Figure I.2 : Chauffage d'une pièce 03

Figure I.3 : Commande d'un moteur 03

Figure I.4 : Système stable 04

Figure I.5 : Système instable 04

Figure I.6 : Schéma d’une boucle de régulation 06

Figure I.7 : PID en série 09

Figure I.8 : PID en parallèle 09

Figure I.9 : PID standard 10

Chapitre II
Figure II.1 : Classification des personnes en trois ensembles selon la logique classique 14

Figure II.2 : Classification des personnes en trois ensembles selon la logique floue 15

Figure II.3 : Formes des fonctions d’appartenances 17

Figure II.4 : Structure de base d’un système de commande floue 18

FigureII.5 : Définition d’ALORS dans la méthode d’inférence max-min 20

Figure II.6 : Définition de OU dans la méthode d'inférence max-min 21

FigureII.7 : Fonction d'appartenance résultante 21

FigureII.8 : Définition d’ALORS dans la méthode d’inférence max-prod 22

FigureII.9 : Définition de OU dans la méthode d'inférence max-prod 22

FigureII.10 : Défuzzification par la méthode du centre de gravité 23

Chapitre III
Figure III.1 : Fonctionnement de machine à courant continu. 26

Figure III.2 : Description d’un moteur à courant continu 27

Figure III.3: moteur à excitation séparée 27

 Liste des figures

Figure III.4 : moteur à excitation série 28

Figure III.5 : moteur à excitation shunt 28

Figure III.6: moteur à excitation composée 29

Figure III.7 : Moteur a courant continue a excitation séparé 30

Figure III.8 : Schéma bloc du modèle de moteur électrique en vitesse 32

Figure III.9 : structure de la commande floue 32

Figure III.10: Fonction d’appartenance pour e (forme triangulaire) 33

Figure III.11: Fonction d’appartenance pour de (forme gaussienne) 33

Figure III.12 : Fonction d’appartenance pour id (forme trapézoïdal) 34

Figure III.13 : Bloc de la commande en vitesse d’un moteur à courant continu par RLF 34

Figure III.14 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 1. 35

Figure III.15 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 2. 36

Figure III.16 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 3. 37

Figure III.17 : Réponse en échelon avec variations des paramètres ‘constantes de temps tm et te’.38

Figure III.18 : Réponse en échelon avec variations des paramètres ‘gain’ 39

 Liste des tableaux

Chapitre 03

Tableau III.1 :Table des règles floue pour la sortie id(contrôleur 1) 35

Tableau III.2 : Table des règles floue pour la sortie id(contrôleur 2) 36

Tableau III.3 :Table des règles floue pour la sortie id(contrôleur 3) 37

Tableau III.4 : Table d’évaluation pour les performances de la réponse Du système 38

 Symboles et Abréviations

Symbole Signification

e(t) L’entrée de système .

s(t) la sortie de système.
L’erreur statique.
Temps.
𝐾𝑝 Gain d’action proportionnelle.
𝐾𝑖 Gain d’action intégrale.
𝐾𝑑 Gain d’action dérivé.
𝜏p Constante de temps, dite temps d’action proportionnelle.
𝜏𝑖 Constante de temps, dite temps d’action intégrale.
𝜏d Constante de temps, dite temps d’action dérivé.
𝜇𝐴 Fonction d’appartenance.
𝜇𝐴(x) Degré d’appartenance.
U L’univers du discours.
A,B Sous-ensembles flous.
Valeur maximal.

𝑁𝑚 Nombre des maximas.

N Négative.

NG Négative grand.

Z Zéro.

P Positive

PG Positive grand.

A Espace flou de sortie.

u(t) Tension appliquée au moteur.

i(t) Intensité traversant le moteur.

Cu Couple moteur généré.

f Coefficient de frottement visqueux.

Ke Constante de vitesse.

E(t) Force contre électromotrice.

Ω (t) Vitesse de rotation du rotor.

Cr Couple résistant.
 Symboles et Abréviations

J Moment d’inertie de l’axe du rotor.

Kc Constante de couple.
L L’inductence.

Abréviations
MCC : Moteur a courant continue
PID : Proportionnel Intégral Dérivé.
RLF : Régulateur à logique floue
 Introduction Générale

Les méthodes classiques de l’automatique ont été largement appliquées dans de

nombreux problèmes de régulation industrielle. Cependant, la plupart des systèmes physiques
présentent des non-linéarités, un retard important et leurs paramètres sont souvent mal connus
et/ou variables dans le temps (systèmes incertain). Pour la commande de telles classes de
systèmes, les méthodes conventionnelles de l’automatique ont montré leurs limites en termes
de stabilisation et performances. Suite aux développements des calculateurs numériques, les
automaticiens commencent à s’intéresser aux nouvelles approches de commande telles que la
commande adaptative, la commande prédictive, la commande robuste, ainsi que les
techniques basées sur l’intelligence artificielle par exemple la commande par logique floue.

Cette commande est à l’heure actuelle une des préoccupations des chercheurs dans le
monde. Les systèmes d’inférence flous possèdent deux points forts ; le premier est qu’ils sont
généralement construits à partir de la connaissance humaine, et le deuxième réside dans leur
capacité descriptive due à l’utilisation des variables linguistique. Le but de ce travail est de
concevoir un contrôleur flou pour la commande des machines à courant continu.

Ce mémoire comporte trois chapitres :

Le premier chapitre présente les systèmes de commande classique à l’aide des
correcteurs PID.
Le deuxième chapitre introduit les notions de base de la logique floue et son application
la commande des systèmes.
Dans le dernier chapitre nous présentons la commande floue d’un moteur à courant
continu à excitation séparé.

1
 CHAPITRE I

Commande classique
Chapitre I Commande classique

I.1. Introduction
La command PID est dite aussi (correcteur, régulateur, contrôleur), se compose de trois
terme P, I et D d’où le ‘p’ correspond au terme proportionnel, ‘I’ pour terme intégral et ‘D’
pour terme dérivé de la commande. Les régulateur PID sont probablement les plus largement
utilisés dans l’industrie.

Même les pulls complexe système de contrôle est industriel put un réseau de contrôle dont
le principal élément de contrôle est un module de contrôle PID.

Le régulateur PID est une simple implémentation de retour d’information (feedback). Il a la

capacité d’éliminer la compensation de l’état d’équilibre grâce à l’action intégral, et il peut
anticiper le futur grâce à une action dérivée [1][2].

I.2. Notion de système

Un système ou processus peut être défini comme un ensemble des éléments exerçant
collectivement une fonction déterminée. Un système communique avec l’extérieur par
l'intermédiaire de grandeurs, fonctions du temps, appelées signaux. [3][5] Un système peut
être représenté schématiquement de la manière de la figure I.1 suivante :

Figure I.1 : Modèle général d’un système

Où e(t) est un ou plusieurs signaux d'entrée (excitation, cause ou sollicitation) et s(t) est
un ou plusieurs signaux de sortie (ou réponses), t étant la variable temps. En général, ces
signaux (d'entrée et de sortie) ne sont pas de même nature. Les grandeurs d'entrée sont les
grandeurs qui agissent sur le système. Il en existe deux types :

- Commandes : Celles que l'on peut maîtriser.

- Perturbations : Celles que l'on ne peut pas maîtriser.

Les signaux de sortie d'un système sont aussi appelés réponse du système. Un système
possédant une seule entrée est dit mono variable, si de plus il possède une seule sortie, il est

2
Chapitre I Commande classique

dit scalaire. Pour observer les grandeurs de sortie, on utilise des capteurs. C'est l'information
de ces capteurs qui va permettre d'élaborer la commande. [4]

Exemples :

Figure I.2 : Chauffage d'une pièce

Figure I.3 : Commande d'un moteur

I.2.1. Performance d’un système

I 2.1.1. Point d’équilibre
Le système est dans un état d'équilibre si, placé dans cet état, il ne quitte pas. La valeur du
signal de mesure est alors constante [5].

I 2.1.2. Stabilité
Plusieurs définitions de la stabilité peuvent être données. Définition intuitive Un système
est dit stable par rapport à une consigne de sortie, si lorsqu'il subit une faible perturbation, il
tend à revenir vers la consigne de sortie. Deuxième définition Un système est dit stable si
seulement si à une entrée bornée e(t) correspond une sortie bornée s(t). Cette définition
permet de qualifier la stabilité des systèmes forcés. Un état d’équilibre est stable si, lorsqu'on
éloigne le système de cet état, il finit par y revenir. Dans le cas contraire, le point d'équilibre
est instable. Dans certain cas, cette propriété de stabilité n'est valable que si l'éloignement est
faible ; on parle alors de stabilité locale. Si au contraire le système retourne dans son état

3
Chapitre I Commande classique

d'équilibre quel que soit l'amplitude de la perturbation [5], on parle alors de stabilité globale
comme la figure I.4 et figure I.5.

1 : consigne.

2 : système stable.

Figure I.4 : Système stable

1 : consigne.

2 : système instable

Figure I.5 : Système instable

I 2.1.3. Rapidité
C’est la capacité du système à atteindre dans les meilleurs délais son régime stable (valeur
finale qui peut être différente de la valeur de consigne si le système est mal réglé).
La rapidité d’un système est définie par son temps de réponse tr (plus tr est petit plus le sys-
tème est dit rapide).
Dans l’exemple suivant, la courbe noire (1) représente la consigne et la bleue (2)
représente la réponse du système. La valeur finale du système est nommée vf.

Pour déterminer le temps de réponse d’un système :

– on trace une droite à 95% de la valeur finale vf (3).

4
Chapitre I Commande classique

– on trace ensuite une droite à 105% de la valeur finale vf (4).

1 : consigne.
2 : valeur finale du système.
3 : droite à 95% de la valeur finale.
4 : droite à 105% de la valeur finale.
Le temps de réponse à 5 % correspond à la différence entre le temps t2 (temps à partir
duquel la courbe entre dans l’intervalle 95% /105% sans en sortir) et le temps t1 (temps à
partir duquel la consigne est active).

I.2.1.4. Précision
C’est la capacité du système à se rapprocher le plus possible de la valeur de consigne.

1 : consigne
2 : système peu précis.
3 : système précis.
E2 : erreur statique liée à la courbe 2.
E3 : erreur statique liée à la courbe 3.
L’erreur s’exprime en pourcentage de la valeur de consigne

5
Chapitre I Commande classique

I.3. Régulation classique

I.3.1 Définition
La régulation est l’action de régler automatiquement une grande temps réel pour
minimiser l’écart entre une grandeur mesurée et une consigne en agissant sur une grandeur de
commande quelles que soient les perturbations qui peuvent subvenir.

I.3.2. Objectifs de la régulation

L’objectif de la régulation est d’assurer le fonctionnement d’un procédé selon les critères
prédéfinis par un cahier de charges. Les aspects de sécurité du personnel et des installations
sont à prendre en compte comme ceux concernant l’énergie et le respect de l’environnements.
Le cahier de charges définit des critères qualitatifs à imposer qui sont traduits le plus souvent
par des critères qualitatifs, comme par exemple de : stabilité, rapidité, précision ou de lois
d’évolution. Voici quelques exemples d’objectifs qualitatifs :
 Obtenir une combustion air-gaz correcte dans un brûleur.

 Maintenir une qualité constante d’un mélange de produits.

 Obtenir un débit de fluide constant dans une conduite en fonction des besoins.

 Faire évoluer une température d’un four selon un profil déterminé.

I.3.3. Schéma fonctionnelle d’une boucle de régulation

Figure I.6 : Schéma d’une boucle de régulation

6
Chapitre I Commande classique

I.4. Correcteurs classiques

Le correcteur classique est un système de contrôle permettant d’améliorer les
performances d’une régulation

I.4.1. Description des régulateurs PID

Un régulateur PID remplit essentiellement trois fonctions :
- Fournir un signal de commande u(t) en tenant compte de l’évolution du signal de sortie
y(t) par rapport à la consigne 𝑦*(t).
- Éliminer l’erreur statique grâce au terme intégrateur.
- Anticiper les variations de la sortie grâce au terme dérivateur.

I.4.2. Contrôle par PID

Le contrôle par PID (proportionnel, intégral et dérivé) est une méthode de régulation
souvent employée pour les régulations.
Le PID est le régulateur le plus utilisé dans l’industrie, L'idée de cet organe de contrôle
est de modifier intentionnellement la valeur de l'erreur qui subsiste entre la consigne et la
mesure effectuée. [6]

I.4.2.1. Proportionnel « P »
Dans le cas d'un contrôle proportionnel, l'erreur est virtuellement amplifiée d'un certain
gain constant qu'il conviendra de déterminer en fonction du système.

Consigne(t)= 𝐾𝑝*ε(t) (I.1)

Ce qui en Laplace donne :

Consigne(𝑝)= 𝐾𝑝*𝜀(𝑝) (I.2)

L'idée étant d'augmenter l'effet de l'erreur sur le système afin que celui-ci réagisse plus
rapide mentaux changements de consignes. Plus la valeur de 𝑲𝒑est grande, plus la réponse ne
l'est aussi. En revanche, la stabilité du système s'en trouve détériorée et dans le cas d'un 𝑲𝒑
démesuré le système peut même diverger.

Si l'on prend l'exemple d'une voiture qui dérive, la régulation proportionnelle consiste à
contre braquer rapidement pour rétablir la voiture. [6]

I.4.2.2. Intégré « I »
Au contrôle proportionnel, nous pouvons ajouter l'intégration de l'erreur. Dans ce cas
nous obtenons une régulation PI (proportionnelle et intégré).
7
Chapitre I Commande classique

L'erreur entre la consigne et la mesure est ici intégrée par rapport au temps et multipliée
par une constante qu'il faudra aussi déterminer en fonction du système.

Consigne (𝑡)=𝐾𝑝*(𝑡)+𝐾𝑖∫ (I.3)

Ce qui en La place donne :

Consigne (𝑝)= 𝐾p*(𝑡)+𝐾𝑖*𝜀(𝑝)/𝑝 (I.4)

Et bien, lors d'un simple contrôle proportionnel, il subsiste une erreur statique. Lorsque le
système s'approche de sa consigne, l'erreur n'est plus assez grande pour faire avancer le
moteur. Le terme intégral permet ainsi de compenser l'erreur statique et fournit, par
conséquent, un système plus stable en régime permanent. Plus 𝑲𝒊 est élevé, plus l'erreur
statique est corrigée.

Pour reprendre l'exemple de la voiture qui dérive, le terme intégral consiste à rajouter un
petit coup de contre braquage afin de se rétablir correctement [6].

I.4.2.3. Dérivé « D »
Pour obtenir un contrôle en PID, il nous faut encore ajouter un terme. Celui-ci consiste à
dériver l'erreur entre la consigne et la mesure par rapport au temps et a le multiplier lui aussi
par une constante.

Consigne (𝑡) = 𝐾𝑝*(𝑡)+𝐾𝑖∫ + 𝐾𝑑*𝑑/𝑑𝑡*𝜀(𝑡) (I.5)

Ce qui en Laplace donne :

Consigne (𝑝) = 𝐾𝑃*(𝑡)+ 𝐾𝑖*𝜀(𝑡)/𝑝+𝐾𝑑𝑝𝜀(𝑝) = 𝜀(𝑝)*[𝐾𝑝+𝐾𝑖*1/𝑝+𝐾𝑑𝑝] (I.6)

Et bien, le contrôle PI peut amener à un dépassement de la consigne, ce qui n'est pas

toujours très souhaitable (exemple d'inversion de polarité dans le cas de moteurs électriques).
Le terme dérivé permet de limiter cela. Lorsque le système s'approche de la consigne, ce
terme freine le système en appliquant une action dans le sens opposé et permet ainsi une
stabilisation plus rapide.

Toujours avec l'exemple de la voiture, le terme dérivé représente le petit contre braquage
dans le sens opposé de l'ajustement pour stabiliser la voiture lorsqu'elle s'approche du point
qu'elle voulait ré-joindre [6].

8
Chapitre I Commande classique

I.4.3. Différentes Structures D’un PID

Il existe plusieurs formes d’un PID :

I.4.3.1. PID série

𝐶s érie (𝑠) = (1+1 ⁄ (𝑠𝜏𝑖))*(1+𝑠𝜏𝑑) (I.7)

Figure I.7 : PID en série

I.4.3.2. PID parallèle

𝐶𝑝𝑎𝑟𝑎𝑙𝑙é (𝑠) = 𝑘𝑝+𝑘𝑖⁄𝑠+𝑘𝑑𝑠 (I.8)

Figure I.8 : PID en parallèle

Ce qui est important de remarquer, c’est que ces deux formes sont mathématiquement
équivalentes. Ainsi un régulateur sous forme série pourra être mis sous forme parallèle à partir
des équations de transformation suivante :

𝑘𝑝= 𝑘*(1+ 𝜏𝑑 ⁄ 𝜏𝑖) (I.9)

𝑘𝑖= 𝑘 ⁄ 𝜏𝑖 (I.10)

𝑘𝑑= 𝑘𝜏d (I.11)

9
Chapitre I Commande classique

I.4.3.3. PID standard

Une 3ème forme de PID existe , Celle-ci est appelée "standard", "mixte" ou parfois
"idéal". Elle est définie par l’équation ci-dessous.

(𝑠) = 𝑘𝑝*(1+1⁄𝑠𝑇𝑖+𝑠𝑇𝑑) (I.12)

Figure I.9 : PID standard

Cette forme standard se rapproche beaucoup de la forme parallèle et les équations de

transformation entre les deux sont évidentes. La transformation de la forme série en forme
standard s’obtient par les équations suivantes :

𝑘𝑝= 𝑘*(1+𝜏𝑑⁄𝜏𝑖) (I.13)

𝑇𝑖= 𝜏𝑖+𝜏𝑑 (I.14)

𝑇𝑑= 𝜏𝑑𝜏𝑖⁄ (𝜏𝑑+𝜏𝑖) (I.15)

Il existe donc trois formes différentes des mises en œuvre des régulateurs PID et ces trois
formes sont presque mathématiquement équivalentes. Dans la plupart des cas (à l’exception
par exemple de ki=0), il existe des formules pour transformer un régulateur d’une forme vers
une autre forme [5].

I.4.4. Principale différence

La principale différence entre ces différentes formes concerne l’effet des coefficients de
réglage sur le comportement du régulateur. Ainsi la forme parallèle permet de découpler
complètement les actions proportionnelle, intégrale et dérivée entre elles. Alors que dans la
forme standard, une modification sur la valeur du coefficient Kp va modifier simultanément
[7].

Les actions proportionnelles, intégrales et dérivée. Ce titre certaines personnes, qui

règlent des PID de manière manuelle, préfèrent la forme parallèle.

10
Chapitre I Commande classique

Un autre point important à remarquer est que les formes série et standard ne permettent
pas l’annulation de l’action intégrale et donc la transformation d’un régulateur de type PID en
régulateur de type PD.

I.4.5. Domaine d’application

Dans le monde industriel, le régulateur PID est largement employé. Bien que
relativement simple, cet algorithme soutient favorablement la comparaison avec des
algorithmes plus sophistiqués, tant au point de vue de la performance que de la robustesse de
la régulation vis-à-vis de non-linéarités ou variation du procédé. Par ailleurs, ce type
d’algorithme est facile à implanter, ce qui plaidait en sa faveur à l’époque des régulateurs
pneumatiques ou même électroniques. C’est moins vrai aujourd’hui où derrière chaque
régulateur se cache un microprocesseur.

Une qualité du PID est qu’il est facile à comprendre donc facile à régler et à maintenir.
Ces raisons expliquent pourquoi il est si largement employé, le plus souvent sous la forme PI,
l’action D est souvent mise à zéro [8].

I.4.6. Avantages et inconvénients du régulateur PID

La régulation par PID est aujourd'hui l'un des régulations les plus utilisés et ce pour
plusieurs raisons. Premièrement, il est très simple à mettre en place et s'avère efficace pour la
plupart des systèmes réels.

De plus, le calcul des coefficients laisse le choix entre plusieurs méthodes de difficulté
croissante. D'une part, une méthode expérimentale très facile à mettre en place, permet
d'obtenir rapidement des coefficients corrects pour des systèmes ne nécessitant pas de très
grandes précisions dans la régulation.

D'autre part, des méthodes mathématiques avancées offrent des techniques pour obtenir
les coefficients idéaux pour un système en particulier. Ainsi, la mise en place d'une régulation
PID peut-être à la fois rapide et efficace et permettra une optimisation des coefficients pour
les systèmes les plus avancés.

Cependant, il est important de noter que ce type de régulation est limité par un certain
nombre de contraintes.

Tout d'abord, il peut s'avérer inefficace pour certains systèmes qui contiennent du bruit
(coefficient Dérivé) ou qui ne sont pas linéaires (la régulation PID étant linéaire, la non-
linéarité d'un système entraîne des instabilités).

11
Chapitre I Commande classique

Enfin, il est possible d'optimiser la réponse d'un système en multipliant les régulations
(Comme par exemple le double régulation PID) [6].

I.4.7. Limites du régulateur PID

La commande classique basée sur les correcteur PID souffre d’un manque de robustesse
si le système à commander présente l’une des propriétés suivante :

 Non linéarité (les systèmes non linéaires).

 Variation des paramètres des processus industriels.

 retard important : Introduisons un retard pur dans le système à commander.

Dans ce cas Il faut penser de concevoir des nouveaux contrôleurs avancés qui permet
d’imposer les performances désirées.

I.5. Conclusion
Dans ce chapitre, on a détaillé le fonctionnement du régulateur PID en précisant le rôle de
chaque paramètre, ensuite, on a présenté un certain nombre d’approches pour calculer les
actions d’un régulateur PID. On se pose la question : laquelle est la meilleure et laquelle faut-
il choisir ? La réponse à cette question dépend de deux éléments : le type d’informations
disponibles pour décrire le système et la finesse de spécification des performances souhaitées.

12
 CHAPITRE II

Commande floue
Chapitre II Commande Floue

II.1. Introduction
La logique floue est une extension de la logique classique qui permet la modélisation des
imperfections des données et se rapproche dans une certaine mesure de la flexibilité du
raisonnement humain. La logique floue est un outil permet de représenter des
connaissances.

De nombreuses applications sont alors développées dans divers domaines, là où aucun

modèle déterministe n’existe ou n’est non présentable, ainsi que dans des situations pour
lesquelles l’imprécision sur les données rend le contrôle par méthodes classique
impossible.

Dans la littérature, la logique floue et ses applications sont très vastes, Dans ce chapitre
nous allons présenter les notions de base de la logique floue, et les différentes étapes du
raisonnement flou ainsi que la structure de commande à base de la logique floue.

II.2. Historique
1965 : naissance du concept flou avec le professeur Zadeh Lotfi (université de Berkeley
en Californie) il déclara que « un contrôleur électromécanique doté d’un raisonnement
humain serait plus performant qu’un contrôleur classique » [9], et il introduit la théorie des
« sous-ensembles flous ».
En 1973, le professeur Zadeh publie un article (dans ITEEE Transaction on système,
Man and Cybernétiques) qui fit date. Il y mentionne pour la première fois le terme de la
variable linguistique (dont la valeur est un mot et non un nombre).

En 1974 le docteur Mamdani (université de Londres) réalise un contrôleur flou

expérimental sur un moteur à vapeur.
En 1980, F.L. Smith (au Danemark) met en application la théorie de la logique floue
dans le contrôle du four à ciment. C’est la première mise en œuvre pratique de cette
nouvelle théorie.
Dans les années 80, plusieurs applications commencent à immerger (notamment au
Japon).
En 1987, explosion du flou au Japon (avec le contrôle du métro de Sendai) qui atteint son
apogée en 1990.
Aujourd’hui une vaste gamme de nouveaux produits ont une étiquette ‘ produit floue ou
fuzzy.

13
Chapitre II Commande Floue

II.3. Exemple introductif

Afin de mettre en évidence le principe fondamental de la logique floue, on présente un
exemple simple, celui de la classification des personnes en trois ensembles <jeune>, <entre
deux âges >, <âgé>. Selon la logique classique (logique de Boole), qui n'admet pour les
variables que les deux valeurs 0 et1, une telle classification pourrait se faire comme la
figure(II.1).
Toutes les personnes âgées de moins de 25 ans sont alors considérées jeunes et toutes les
personnes âgées de plus de 50 ans comme des vieux.

Figure II.1 : Classification des personnes en trois ensembles selon la logique classique.

Cependant, une telle logique de classification n'est même pas logique. Pourquoi une
personne, lorsqu'elle a eu 50 ans, doit-elle être considérée comme appartenant à l'ensemble
<âgé>?.
En réalité, un tel passage se fait progressivement et individuellement. La logique floue,
dont les variables peuvent prendre n'importe quelle valeur entre 0 et 1, permet de tenir
compte de cette réalité. Les limites ne varient pas soudainement, mais progressivement.

La figure (II.2) montre une classification possible pour l'exemple précédent, cette fois-ci
à l'aide de la logique floue. Ainsi une personne de 25 ans appartient à l'ensemble <jeune>
avec une valeur 𝜇 =0,75 de la fonction d'appartenance et à l'ensemble <entre deux âges>
avec 𝜇 =0,25.
Par contre une personne agrée de 65 ans appartient avec une valeur 𝜇 =1de la fonction
d'appartenance à l'ensemble <âgé>.

14
Chapitre II Commande Floue

Figure II.2 : Classification des personnes en trois ensembles el on la logique floue.

II.4. Principe de la logique floue

II.4.1. Ensembles flous
Si la fonction caractéristique d’un ensemble classique ne peut prendre que deux valeurs
soit 1 ou bien 0, la fonction d’un ensemble flou peut prendre toutes les valeurs comprises
entre 0 et 1.
On définit alors un sous ensemble A de U comme suit :

𝐴= (𝑥/𝜇𝐴(𝑥), ∀ 𝑥∈𝑈.

𝜇𝐴(x) degré d’appartenance de l’élément x au sous-ensemble flou A.

𝜇𝐴 : est la fonction d’appartenance définie dans l’intervalle [0,1].

𝜇𝐴 : ====== > U [0,1].

X : ======= > 𝜇𝐴(x).

II.4.2. Concept de la logique floue

La pensée humaine est un mélange de la logique et de l’imagination. C’est-à-dire une
superposition de rigueur et d’intuition agissant ensemble ou séparément. La logique
humaine est un enchainement d’idées et de concepts aboutissant à des conclusions qui
entrainent des décisions.
Le caractère flou de la pensée humaine est illustré par sa capacité de résumer les
informations pour extraire à partir des collections de données une conclusion en rapport
avec la tache considérée.

15
Chapitre II Commande Floue

En termes plus formels, la logique floue vise à modéliser les aspects qualificatifs
imprécis et incertains. [10]

II.4.3. Variables linguistiques

L’utilisation des ensembles flous offre une base pour une voie systématique de
manipulation des concepts vagues et imprécis. On peut alors employer les ensembles flous
pour représenter des variables linguistiques. Une variable linguistique est une variable dont
les valeurs sont des mots ou des phrases dans un langage naturel ou systématique.

II.4.4. Univers du discours

C’est l’ensemble noté U, qui contient toutes les valeurs que peut prendre la variable
linguistique. Un des premiers pas dans la conception d’une application floue est de définir
l’ensemble de référence ou univers de discours pour chaque variable linguistique.
L’univers de discours est l’ensemble de référentiel qui contient tous les éléments qui sont
en relation avec le contexte de donné. [11] La notion d’univers de discours se conçoit
aisément : reprenons le concept d’âge : l’utilisateur pourra décrire la variable « âge » par
un certain nombre de mots. Par exemple « jeune », « entre deux âges » et « âgé ». Pour
chacun de ces prédicats, on pourra donner une fonction d’appartenance. L’univers de
discours d’une variable couvre l’ensemble des valeurs prises par cette variable.[12]

II.4.5. Fonction d’appartenance

La fonction d’appartenance permet de décrire l’évolution du degré de vérité de la
variable linguistique dans l’univers de discours U. Elle peut prendre plusieurs formes, les
plus utilisée sont :

Figure II.3 : Formes des fonctions d’appartenances.

16
Chapitre II Commande Floue

II.4.6. Relations floues

Une relation floue entre deux sous-ensembles flous A et B dans les univers de discours
𝑈1 et 𝑈2 respectivement, est un sous ensemble flou R dans l’univers 𝑈 = 𝑈1. 𝑈2 (produit
cartésien) dont la fonction d’appartenance s’exprime par :

(𝑥 , )= 𝑥) ) (II.1)

II.4.6.1. Conjonction
L’opération logique « ET » entre A et B peut être définie par la relation :

𝑥 )= Min ( 𝑥) )) (II.2)

𝑥 )= Min ( 𝑥) )) (II.3)

II.4.6.2. Disjonction floue

L’opération logique « OU » entre A et B peut être définit par la relation :

= Max ( 𝑥) )) ;(Union floue) (II.4)

Ou sous forme :
= 𝑥) ) 𝑥) ) ;(Somme algébrique) (II.5)

II.4.6.3. Implication floue

L’implication linguistique est un autre exemple de relation entre A et B, elle est notée
(A b).

Exemple :
Si A est a alors B est b
Cette relation conditionnelle floue est représentée par un sous-ensemble flou dont la
fonction d’appartenance peut être

-Opérateur Min : 𝑈 𝑥 ) 𝑥) 𝑈 )) (II.06)

-Opérateur algébrique : 𝑈 𝑥 ) 𝑈 𝑥) 𝑈 )) (II.07)

II.5. Structure d’un système de commande floue

La structure de base d’un système de commande flou est représenté par la figure (II.4)
Ce schéma est composé de :
 Une interface de fuzzification à l’entrée.

 Une base de connaissance.

17
Chapitre II Commande Floue

 Une logique de prise de décision.

 Une interface de défuzzification à la sortie

Figure II.4 : Structure de base d’un système de commande floue.

II.5.1. Interfaces de fuzzification

Dans les problèmes de commande, les grandeurs observées sont physiques (réelles), or
le traitement de ces données est basé ici sur la théorie des ensembles flous. Pour cela une
transformation de ces valeurs (numériques) en valeurs flous est nécessaire. La fuzzification
consiste à relier le point numérique d’entrée 𝑋= (𝑥1,2) aux sous-ensembles flous
𝐴𝑥 =(𝐴𝑥1,𝐴𝑥2) définis dans les univers associes aux variables linguistiques d’entrées.

A cet effet, deux méthodes de fuzzification existent :

- Représentation des valeurs floues par un sous-ensemble flou Axi défini par :

𝑥 𝑥
𝜇𝐴𝑥 𝑥 ) {
𝑥 𝑥

- Représentation des valeurs floues par un singleton A défini par :

𝑥 𝑥
𝜇𝐴𝑥 𝑥 ) {

Où 𝑥 ’ est une valeur numérique d’entrée. C’est un cas particulier du premier pour
simplifier les calculs.[13]

18
Chapitre II Commande Floue

II.5.2. Base de connaissance

Elle comprend toutes les connaissances concernant le domaine d’application et les buts
de commande prévus, elle est composée de [10][14]:

a) Une base de données fournit les définitions nécessaires utilisées par les règles floues.
Ceci se résume en :

 une normalisation des univers de discours.

 Une partition floue des espaces entrées-sorties.

 Un choix des fonctions d’appartenances.

b) Une base de règles floues caractérisant la stratégie de la commande au moyen d’un

ensemble de citations conditionnelles. Elle se résume en :

 choix de variables d’entrées

 source de règles floues de contrôle

II.5.3. Inférence floue

Effectuer des transformations à partir des sous-ensembles flous de l’espace d’entrée U,
vers des sous-ensembles flous dans l’espace de sortie. Soit Ax un sous-ensemble arbitraire
dans U. Chaque règle Ri détermine un sous-ensemble flou Ax0 Ri dont la fonction
d’appartenance est déterminée par la règle compositionnelle.

) =MaxMin[ 𝑥) 𝑈 (X1 ,X2, )] (II.8)

Où 𝑥∈𝑈
) =Max [ 𝑥) 𝑈 (X1 ,X2, )] (II.9)

Où 𝑥∈𝑈

II.5.3.1. Définition des règles d'inférence

Pour certaines machines particulièrement complexes, seul l’expert sait réellement la
piloter. Lui seul sait, après des années d'expérience, comment régler la machine. Il est
impossible de donner des directives précises concernant l'établissement des règles.
Cependant, ce n'est que si le comportement du système en boucle fermée n'est pas
satisfaisant qu'il faut augmenter le nombre de règles et parfois le nombre de fonctions
d’appartenance.[15]

19
Chapitre II Commande Floue

II.5.3.2. Méthodes d'inférence

Après la partie précédente, nous savons calculer les relations de type
- Si 𝜀 est N etΔ𝜀 est N.
-Si (𝜀 est NON N etΔ𝜀 est N) OU 𝜀 est P.
Il reste donc à définir une opération pour traduire le terme ALORS ainsi qu'une opération
pour définir l'interaction entre les règles.
Il y a plusieurs méthodes d’inférence peuvent être utilisés, on cite par exemple max-min
max-produit…

II.5.3.2.1.Méthode d'inférence max-min

Avec la méthode d'inférence max-min le mot ALORS est représenté par l'opération
minimum de la valeur de la règle et de la fonction d'appartenance considérée de la sortie.
Ainsi la règle : Si 𝜀 est P et Δ𝜀 est Z ALORS u est P est traduite par la surface hachurée de
la figure(II.5) qui représente la fonction d'appartenance partielle.

Figure II.5: Définition d’ALORS dans la méthode d'inférence max-min.

Par ailleurs l'interaction entre les règles sera nommée OU ainsi, on considère que les
deux règles suivantes :

 Si 𝜀 est Z et Δ𝜀 est N ALORS u est N

 Si 𝜀 est P et Δ𝜀 est Z ALORS u est P

Se lisent :

 Si𝜀 est Z et Δ𝜀 est N ALORS u est N

 Si 𝜀 est P etΔ𝜀 est Z ALORS u est P

Et ce OU se traduit par l'opération max. Nous obtenons ainsi la fonction d’appartenance

résultante.

20
Chapitre II Commande Floue

Figure II.6 : Définition de OU dans la méthode d'inférence max-min.

L'application de l'ensemble des règles donne la fonction d'appartenance partielle

représentée sur la figure(II.7)

Figure II.7 : Fonction d'appartenance résultante.

II.5.3.2.2. Méthode d'inférence max-prod

La différence avec la méthode précédente est la réalisation d’ALORS qui se traduit par
la multiplication de la fonction d'appartenance considérée par la valeur de la règle. Ce
résultat est illustré sur la figure(II.8)

21
Chapitre II Commande Floue

Figure II.8: Définition d’ALORS dans la méthode d'inférence max-prod.

Figure II.9 : Définition de OU dans la méthode d'inférence max-prod.

II.5.3.2.3. Méthode d'inférence somme-prod

Cette méthode est proche de la méthode précédente, il suffit de remplacer la traduction
de ALORS par la somme des fonctions d'appartenance partielles.

II.5.4. Interface de défuzzification

A travers le processus flou, plusieurs règles peuvent être activés avec des valeurs de
vérités différentes. Comme l’entrée du système est une valeur numérique, il est nécessaire
de transformer le sous-ensemble flou de sortie y, le point numérique y qui peut être
considéré comme le plus représentatif de cet ensemble flou.[10][14]
Il existe plusieurs stratégies de défuzzification, les plus utilisées actuellement sont :

22
Chapitre II Commande Floue

- Méthode de la moyenne de maximums.

- Méthode du centre de gravité.

II.5.4.1. Méthode de la moyenne de maximums

Cette stratégie génère une commande qui représente la valeur de toutes les actions de
contrôle locale ayant des fonctions d’appartenances maximales plus particulièrement dans
le cas d’un univers de discours discret, l’action de commande peut être exprimée par :

∑ (II.10)

Ou : la valeur de la commande locale avec laquelle la fonction d’appartenance associée

atteint la valeur maximale
𝑁 : est le nombre des maximas.

II.5.4.2. Méthode du centre gravité

La méthode la plus utilisée est de loin la méthode dite du centre de gravité. Il s'agit de
calculer la position du centre de gravité de la fonction d'appartenance résultante, l'abscisse
de ce centre de gravité devient la sortie du régulateur et donc la commande du système.

∫ ))
𝑥 (II.11)
∫ )

Ou A : Espace flou de sortie.

Ce centre de gravité est relativement facile à calculer lorsque la fonction d'appartenance

résultante est constituée de morceaux de droites. Dans les autres cas, ce calcul peut être
gourmand en temps de calcul et donc pénalisant lors de l'implantation sur un
microprocesseur. C'est l'une des raisons qui font préférer les fonctions d'appartenance de
formes trapézoïdales (triangulaires) et les opérateurs logiques de type min-max.

Figure II.10 : Défuzzification par la méthode du centre de gravité.

23
Chapitre II Commande Floue

A noter que les valeurs extrêmes des sorties atteignables sont les centres de gravité des
fonctions d'appartenance extrêmes des sorties. Aussi, et afin de minimiser le temps
d'établissement, il faut choisir les fonctions d'appartenance des sorties maximales tels que
leur centre de gravité corresponde aux valeurs maximales de commande.

II.6. Domaines d’applications de la logique floue

Parmi les nombreuses applications de la logique floue, la commande floue s'avère être le
champ d'application le plus actif à travers le monde. Les domaines d'applications de la
logique floue sont très nombreux. On la retrouve [13][16] :
 En automatique, pour faire de la commande et de la régulation floue, etc.
 En traitement du signal, pour faire de la fusion de données, de la classification, de la
reconnaissance de forme ou de la recherche d'information, etc.
 En robotique, pour faire de la planification de trajectoire, etc.
 En traitement d'image, pour atténuer le bruit d'une image, pour faire de l’interpolation,
etc.

On retrouve donc naturellement la logique floue dans de nombreux secteurs d'activités :

 Médecine (aide au diagnostic, guidage de systèmes chirurgicaux (laser chirurgie de
l’œil par exemple, etc).
 Contrôle aérien.
 Gestions des feux de circulations.
 Assurances et finances (préventions des risques, aide à la décision).
 Environnement (météo, etc.).
 Robotique (freins ABS, machines à laver, etc.).
 etc.

II.7.Avantages et Inconvénients du réglage par logique floue

II.7.1.Avantages
 Pas de modèle mathématique requis pour le procédé à réguler.

 La théorie est simple et peut s’appliquer à des systèmes complexes.

 La commande floue est en général robuste.

 La commande peut facilement être auto-adaptative.

 La commande floue permet la capitalisation du savoir-faire.

24
Chapitre II Commande Floue

 La commande floue conduit à un code informatique clair et lisible,

II.7.2. Inconvénients
 La technique de réglage est totalement empirique.

 Les performances dépendent directement de l’expertise.

 Il y a aucune démonstration possible, par exemple il est impossible de prouver la

stabilité de la boucle.

 La possibilité d'apparition de cycles limites à cause du fonctionnement non linéaire.

 La cohérence des inférences non garantie à priori (apparition de règles d'inférence

contradictoires possible).

II.8. Conclusion
Nous avons présenté dans ce chapitre l’application de la technique de commande par
logique floue pour la commande de la machine à courant continue. Nous constatons que le
choix convenable des paramètres de contrôleur flou (nombre des valeurs linguistique,
fonctions d’appartenance et l’univers de discours) permet d’obtenir des meilleurs perfor-
mances.
Finalement, on peut conclure que la caractéristique essentielle de cette technique est
la bonne performance (elle s’approche du raisonnement humain : variables Linguistiques).
Cette dernière garantie une bonne insensibilité à la variation paramétrique du
système à commander (robustesse de la commande vis à vis aux variations des
paramètres).

25
 CHAPITRE III

Applicaion de la commande floue sur

MCC
Chapitre III Application de la commande flou sur MCC

III.1. Introduction
La machine à courant continu a généralement un enroulement en courant continu ou un
ensemble d'aimants permanents sur le stator (le champ) et un enroulement connecté à des
balais sur le rotor (l'induit). Les courants d'induit produisent une densité de flux maximale
d'environ 90 ° par rapport au pic de densité de flux produit par le champ. Lorsque le rotor
tourne, les courants dans les conducteurs d'induit sont commutés par un commutateur, de
sorte que la configuration de champ reste la même. La machine à courant continu est par
nature une machine à vitesse variable. La vitesse et le couple peuvent être contrôlés par le
courant de champ et par la tension d'induit.

III.2. Moteurs à courant continue

III.2.1. Définition
Les moteurs à courant continu sont des composants de mouvement qui prennent le
courant électrique sous forme de courant continu et le convertissent en rotation mécanique.
Pour ce faire, les moteurs utilisent les champs magnétiques générés par les courants
électriques pour stimuler la rotation d’un rotor fixé à un arbre de sortie. Le couple et la vitesse
de sortie dépendent de l’entrée électrique et de la conception du moteur.
Un moteur à courant continu (Mcc) est une machine électrique qui convertit l'énergie
électrique en énergie mécanique.

Figure III.1 : Fonctionnement de machine à courant continu.

III.2.2. Constitution
La machine à courant continu est constituée de trois parties principales :
 L’inducteur.
 L’induit.

26
Chapitre III Application de la commande flou sur MCC

 Le dispositif collecteur / balais.

Figure III. 2 : Description d’un moteur à courant continu.

III.2.3. Différents types de moteur a courant continue

Il existe 4 types différents de moteurs électriques qui sont classés en fonction du type
d'excitation qui est employé, qui sont :
 Le moteur à excitation shunt.
 Le moteur à excitation série.
 Le moteur à excitation composée.
 Le moteur à excitation séparée.

III.2.3.1. Moteur à excitation séparée

Le moteur à excitation indépendante est raccordé à une alimentation à courant continu
séparée Par conséquent, le courant qui alimente l’inducteur est indépendante de celui qui
alimente l’induit.

Figure III. 3 : Moteur à excitation séparée.

27
Chapitre III Application de la commande flou sur MCC

III.2.3.2. Moteur à excitation série

L’induit et l’inducteur sont alimentés par la même source de tension. Ce type de moteur
présente un très fort couple au démarrage, il reste encore utilisé dans certaines applications de
traction électrique.

Figure III.4 : Moteur à excitation série.

III.2.3.3. Moteur à excitation shunt

La même source d’alimentation alimente l’induit et l’inducteur. L’inducteur est mis en
parallèle avec l’induit. Ce mode d’excitation offre à l’utilisateur une fréquence de rotation
pratiquement indépendante de la charge et qui peut démarrer à vide.

Figure III.5 : Moteur à excitation shunt.

III.2.3.4. Moteur à excitation composée

Le moteur à excitation composé, est à raccordé à avec deux excitations, excitation série
et excitation shunt en même temps.

28
Chapitre III Application de la commande flou sur MCC

Figure III.6 : Moteur à excitation composée.

III.3. Avantage et les inconvénients du moteur à courant continu

III.3.1. Avantages des moteurs à courant continu
 Il est facile de contrôler la vitesse sur une plage étendue supérieure et inférieure à la
vitesse nominale.
 Couple de démarrage élevé.
 Une vitesse moins élevée et précise avec un couple constant : Les entraînements à
couple constant en sont un exemple. Ils ont un couple constant de l’arbre moteur sur
une plage de vitesses donnée.
 Libre d'harmoniques, de consommation d'énergie réactive et de nombreux facteurs qui
rendent les moteurs à courant continu plus avantageux que les moteurs à induction
alternatifs.
 La plupart des moteurs de traction et des servomoteurs utilisent les moteurs à courant
continu.
 Son utilisation est très confortable car ses dimensions permettent un gain de place
considérable.

III.3.2. Inconvénients du moteur à courant continu

 Augmentation des coûts d'exploitation et de maintenance en raison de la présence du
collecteur et de l'engrenage à brosse.
 Ne peut pas fonctionner dans des conditions explosives et dangereuses en raison de la
formation d'étincelles à la brosse (risque d'échec de la commutation).
 Par rapport aux moteurs à courant alternatif, les moteurs à courant continu sont chers.

29
Chapitre III Application de la commande flou sur MCC

III.4. Modélisation

Un moteur à courant continu peut être décrit par la figure suivante, où Ud , Uf est la tension
d’alimentation du partie(induit, inducteur), Id est le courant d’induit ,If est le courant
d’inducteur, Ra,Rf est la résistance de l’induit et l’inducteur, La,Lf est l’inductance de
l’induit et l’inducteur, E est la force électromotrice, ρ est le coefficient de frottement dans le
moteur, ω est la vitesse angulaire du moteur et Tr est le couple exercé par le moteur sur la
charge

Figure III.7 : Moteur a courant continue a excitation séparé.

Selon le schéma ci-dessus un moteur électrique à courant continu est régit par les
équations Physiques découlant de ses caractéristiques électriques, et mécaniques d’après la loi
de Newton, combiné à des lois de Kirchhoff, on peut écrire les équations différentielles de
premiers ordres suivantes :

( ) ( ) ( ) (III.1)

Pour un fonctionnement stable, la commande est effectuée à couple moteur constant,

donc à flux constant, la f.c.é.m. développée par la machine s’écrit :

( ) ( ) (III.2)

L'équation de mouvement appliqué au système d’ensemble "moteur + charge

mécanique" définit les limites de stabilité de l’entraînement on a :

30
Chapitre III Application de la commande flou sur MCC

(III.3)

(̇ ) (III.4)
( ) (III.5)

III.4.1. Fonction de transfert du moteur

a. Equation électrique :
Par la transformé de la place :

( ) ( ) ( ) ( ) (III.6)

( ) ( )
( ) (III.7)

La fonction de transfert de la partie électrique est écrite comme suite :

( )
( ) (III.8)
( )

b. Equation mécanique :

+ (III. 09)

Après la transformation de Laplace :

( ) ( )
( ) (III. 10)
( )

La fonction de transfert de la partie mécanique est écrite comme suite :

( )
( ) (III. 11)
( ) ( ) ( )

= . (III. 12)

(III. 13)

31
Chapitre III Application de la commande flou sur MCC

U(t) : Tension appliquée au moteur f : Coefficient de frottement.

E(t) : Force contre électromotrice J : Moment d’inertie de l’axe du rotor
i(t) : Intensité traversant le moteur Kc : Constante de couple
Cr : Couple résistant Ke : Constante de vitesse
Ω(t): Vitesse de rotation du rotor
Cu : Couple moteur généré

Figure III.8 : Schéma bloc du modèle de moteur électrique en vitesse.

III.5. Commande floue

Dans notre étude nous avons choisi un contrôleur a deux entré (l’erreur et la dérivé de
l’erreur) est une seule sortie (le courant id).

Figure III.9 : Structure de la commande floue.

III.5.1. Contrôleur
Le contrôleur flou utilisé est de type Mamdani avec trois variables linguistiques, deux
pour l’entrée (l’erreur (e), la dérivée de l’erreur (de)) et une pour la sortie (courant id générer
par le l’induit).
Pour chaque variable linguistique, nous avons choisi les valeurs linguistiques suivantes:
GN : grande négative
MN : moyen négative
32
Chapitre III Application de la commande flou sur MCC

PN : petite négative
Z : zéro
PP : petite positive
MP : moyen positive
GP : grande positive

III.5.2. Règle d’inférence

Les règles d’inférence utilisés est de type :
Si…………..ALORS.

III.5.3. Fonctions d’appartenance

Dans notre étude nous avons essayé plusieurs fonctions d’appartenance

Figure III.10 : Fonction d’appartenance pour e (forme triangulaire).

Figure III.11 : Fonction d’appartenance pour de (forme gaussienne).

33
 Chapitre III Application de la commande flou sur MCC

Figure III.12 : Fonction d’appartenance pour id (forme trapézoïdale).

III.6 Simulation

nous avons simulé le schéma bloc de la commande en vitesse d’un moteur à courant
continu (voir annexe) qui est représenté par la figure III.13, Pour illustrer les performances de
réglage par la logique floue.

Figure III.13 : bloc de la commande en vitesse d’un moteur à courant continu par RLF

Afin de concevoir le contrôleur flou qui donne des meilleures performances, nous avons
construit 3 contrôleurs flous de différentes valeurs linguistiques (7, 5 et 3 valeurs linguistique
pour les deux entrées et la sortie, y compris les règles d’inférences qui correspond) et
différentes forme des fonctions d’appartenance:

34
 Chapitre III Application de la commande flou sur MCC

 Contrôleur 1 (cas de 7 règles X 7 règles)

Tableau III.1 : Table des règles floue pour la sortie id (Contrôleur1).

e GN MN PN Z PP MP GP
de
GN GN GN GN GN MN PN Z
MN GN GN GN MN PN Z PP
PN GN GN MN PN Z PP MP
Z GN MN PN Z PP MP GP
PP MN PN Z PP MP GP GP
MP PN Z PP MP GP GP GP
GP Z PP MP GP GP GP GP
vitesse[rad/s]

Figure III.14 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 1.

35
 Chapitre III Application de la commande flou sur MCC

 Contrôleur 2 (cas de 5 règles X 5 règles)

Tableau (III.2) : Table des règles floue pour la sortie id (Contrôleur2).

e GN PN Z PP GP
de
GN GN GN GN PN Z

PN GN GN PN Z PP

Z GN PN Z PP GP

PP PN Z PP GP GP

GP Z PP GP GP GP
vitesse [rad/s]

Figure III.15 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 2.

36
Chapitre III Application de la commande flou sur MCC

 Contrôleur 3 (cas de 3 règles X 3 règles)

Tableau (III.3) : Table des règles floue pour la sortie id (Contrôleur3).

e
GN Z GP
de

GN GN GN Z

Z GN Z GP

GP Z GP GP

.
Figure III.16 : Réponse en échelon de la vitesse du moteur obtenu par le contrôleur flou 3.

37
Chapitre III Application de la commande flou sur MCC

Les performances obtenues par chaque contrôleur se résument dans le tableau III.4.
D’après ce dernier, nous constatons que la réponse obtenu par le contrôleur 2 est très perfor-
mant où le système est plus rapide et plus prés.

Tableau III.4: Table d’évaluation pour les performances de la réponse du système.

Contrôleur
1 2 3
Les performances
Stabilité stable stable stable

Précision Non précis précis Non précis

Rapidité lent Rapide lent

III.6.1. Robustesse du contrôleur flou

Dans cette partie, nous avons utilisé un modèle incertain du moteur pour évaluer la robus-
tesse du contrôleur flou vis-à-vis aux variations des paramètres. La figure III.17 présente la
réponse en échelon pour différentes valeurs de constante électrique te et constante mécanique
tm. D’après cette figure nous constatons que le contrôleur flou permet d’imposer les mêmes
performances malgré la présence des variations des paramètres des moteurs surtout l’inertie
du moteur et l’inertie de la charge.

Figure III.17 : Réponse en échelon avec variations des paramètres ‘constantes de temps tm et te’.

38
Chapitre III Application de la commande flou sur MCC

La figure III.18 présente la réponse en échelon pour différentes valeurs du gain statique.
D’prés cette figure, nous constatons que pour une variation de ± 10%, les réponses du sys-
tème (vitesse du moteur) obtenu par le contrôleur flou possèdent les mêmes performances.
Pour des grandes variations nous obtenons des réponses de mêmes temps de réponse avec une
petite différence d’erreur.

Figure (III.18) : Réponse en échelon avec variations des paramètres ‘gain’.

III.7. Conclusion
Nous avons présenté dans ce chapitre l’application de la technique de commande par
logique floue pour la commande de la machine à courant continue. Nous constatons que le
choix convenable des paramètres de contrôleur flou (nombre des valeurs linguistique, fonc-
tions d’appartenance et l’univers de discourt) permet d’obtenir des meilleurs performances.
Finalement, on peut conclure que la caractéristique essentielle de cette technique est la
bonne performance (elle s’approche du raisonnement humain : variables Linguistiques).
Cette dernière garantie une bonne insensibilité à la variation paramétrique du système à
commander (robustesse de la commande vis à vis aux variations des paramètres).

39
Chapitre III Application de la commande flou sur MCC

40
 Conclusion générale

L’ensemble de travaille exposé dans ce mémoire donne comme bute la commande de

la vitesse d’un moteur à courant continue à excitation séparé par logique floue.

Après avoir donné quelque rappel théorique de base de la commande classique PID, il
est important de noter que ce type de régulation est limité par un certain nombre de
contraintes.

Dans ce cas Il faut penser de concevoir des nouveaux contrôleurs avancés. Le

command flou est la plus actif à travers le monde grâce à ca simplicité. Les résultats de
simulation qui nous obtient ont illustré l’efficacité de la commande par logique floue à travers
les caractéristiques de la réponse. ce type de régulateur, possède un meilleur temps de monté,
une réponse rapide. Les différents résultats obtenus de simulation montrent la robustesse du
contrôleur floue.

A partir des résultats de la simulation, nous avons trouvé qu’il est possible d’obtenir
de très bonnes performances. Les régulateurs flous en général, n’imposent pas la connaissance
détaillée du modèle du système à commander, ils se contentent souvent de son comportement
entrée/sortie.

En dernier et durant ce travail qui nous a été très fructueux, nous avons mis en œuvre
les connaissances acquises durant notre formation que ce soit sur le plan théorique que
pratique comme il nous a appris à travailler en équipe pour une meilleure maitrise et un
aboutissement certain du sujet.

40
 Références Bibliographiques

[1] http://engineering.ju.edu.jo/Laboratories/07-PID%20Controller.pdf 1

[2] https://www.cds.caltech.edu/~murray/courses/cds101/fa02/caltech/astrom-ch6.pdf

[3] https://fr.wikipedia.org/wiki/Syst%C3%A8me

[4] https://ft.univ-setif.dz/externe/divers/Module-sysasservi.pdf

[5] https://www.academia.edu/.../Asservissement_des_systèmes_linéairesà_temps_continu...

[6] projet.eu.org/pedago/sin/term/6-asservissement_PID.pdf

[7] http://www.acsysteme.com/fr/pid-serie-ou-parallele

[8] www.univ-bejaia.dz/.../Etude%20comparative%20des%20régulateurs%20PID%20et%...

[9] B. Deforge & Q. David, Asservissement en position d’un axe linéaire. Projet
d’automatique 2008.
[10] BERNADETTE BOUCHON-MEUNIER, La logique floue et ses applications. Edition
Addison-Wesley France SA 1995.

[11] J.Godjevac, Idées nettes sur la logique floue. Presse polytechnique et universitaire
romande Lausanne 1999.
[12] P Borne, J.Roziner, J.Y dieulot, L .Dubois, Introduction à la commande floue. Edition
Technip, paris 1998.

[13] Alain Bonardi & Isis Truck, Une introduction à la logique floue, pour une approche
prospective pour la visualisation du son. Séminaire IARM, Université Paris8 2006.

[14] A. KERKOUR & R. CHIBAN, Coordination des régulateurs de vitesse et de tension à

base de logique floue pour l’amélioration la stabilité transitoire des réseaux électriques. Projet
de fin d’étude, université de Béjaia 2000.

[15] Gonzalo Cabodevila, Commande et Identification Floue. École Nationale Supérieure de

Mécanique et des Microtechniques France 2007.

[16] François CHEVRIE & François GUÉLY, La logique floue Cahier Technique Schneider
n° 191 Edition mars 1998.
 Annexe

Les paramètres du MCC

Tension nominale Unom=24 V

Tension Maximal Umax=32 V

Courant permanat Imax = 2.2 A

Résisténce aux born R=1.91 Ω

Constante ce couple Kc=60.3 mNm.A-1

Constante de vitesse Ke =60.3 mNm.A-1

Inductance L= 0.63 mH

Moment d’inertie rapporté au rortor J= 10-4 Kg.m2

Coeficient de frottemnt visqueux F=2.5 * 10-6