| Summary: | Le domaine de la traction électrique a suscité un très grand intérêt dans les dernières années. La conception optimale de l'ensemble moteur électrique de traction – onduleur doit prendre en compte une variété de critères et contraintes. Étant donnée la liaison entre la géométrie du moteur et la stratégie de commande de l'onduleur, l'optimisation de l'ensemble de traction doit prendre en considération, en même temps, les deux composants.L'objectif de la thèse est la conception d'un outil d'optimisation appliqué à un système de traction électrique légère qu'emploie un moteur à réluctance variable alimenté (MRVCE) par un onduleur triphasé en pont complet. Le MRVCE est modélisé en utilisant la technique par réseau de perméances. En même temps, la technique de commande électronique peut être facilement intégrée dans le modèle pour effectuer l'analyse dynamique du fonctionnement du moteur. L'outil d'optimisation réalisé utilise l'algorithme par essaim de particules, modifié pour résoudre des problèmes multi-objectif. Les objectifs sont liés à la qualité des caractéristiques de fonctionnement du moteur, en temps que les variables d'optimisation concernent la géométrie du moteur aussi que la technique de commande. Les performances de l'algorithme sont comparées avec ceux de l'algorithme génétique (NSGA-II) et d'une implémentation classique de l'algorithme par essaim de particules multi-objectif.Finalement, un prototype de moteur à réluctance variable est construit et le fonctionnement du MRVCE alimenté depuis l'onduleur triphasé en pont complet est implémenté et les outils de modélisation et d'optimisation sont validés === The interest for the electric traction applications has been growing in the last few years. The optimal design of the electric motor and of the inverter that powers it needs to consider a long list of restrictions and criteria. Because of the fact that the geometry of the motor and the switching strategy are closely linked, the optimization of the traction solution needs to consider both, at the same time.The objective of this thesis is the development of an optimization tool applied for the optimization of an electric traction solution that uses the switched reluctance motor (SRM) fed from a three phase full bridge inverter. The SRM is modeled using Permeance Network Analysis (PNA). The switching technique can be easily integrated in the model, which gives the possibility to run a dynamic analysis. The optimization tool created uses the Particle Swarm Optimization (PSO) algorithm, modified for multi-objective problems. The algorithms performances are compared with those of the Genetic Algorithm, using the NSGA-II multi-objective technique and with a classic version of multiple objective particle swarm optimizer (MOPSO).Finally, a SRM prototype is constructed and the drive solution using a full-bridge three phase inverter is implemented. The modeling and optimization tools are thus experimentally validated
|
|---|
