Tolérance aux pannes dans les onduleurs à source de tension pour l'entraînement des moteurs induction

Cet ouvrage explore l'application des techniques d'intelligence artificielle (IA) pour la détection, le diagnostic et la reconfiguration des pannes dans un onduleur à source de tension (VSI) triphasé alimentant un entraînement de moteur à induction. L'étude se concentre sur l'amélioration de la fiabilité et de l'efficacité des entraînements de moteurs à induction en s'attaquant aux défauts courants des onduleurs, tels que les défauts de circuit ouvert et de court-circuit, à l'aide de méthodes basées sur l'IA comme les réseaux de neurones artificiels (RNA), la commande par logique floue (CLF) et les réseaux de neurones convolutifs (RNC). La recherche propose un système tolérant aux pannes qui intègre des stratégies de contrôle intelligentes, y compris le contrôle direct du couple (DTC) et le contrôle direct du couple avec modulation vectorielle spatiale (DTC-SVM), pour améliorer la robustesse du système d'entraînement du moteur. Les méthodes proposées sont validées par des simulations, démontrant une grande précision dans la détection et le diagnostic des pannes, ainsi qu'une reconfiguration efficace du variateur pour maintenir la stabilité du système en cas de panne.