1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria
Commande DTC cinq niveaux à 24 secteurs
d'un moteur asynchrone par
méthodes intelligentes
Habib BENBOUHENNI
Département de Génie Electrique
Ecole Nationale Polytechnique d'Oran, Algérie
habib0264@gmail.com
Résumé— Dans cet article nous présentons la commande directe
du couple (DTC) à cinq niveaux d’une machine asynchrone par
les techniques de l’intelligence artificielle, la logique floue et les
réseaux de neurones. Un contrôleur flou pour remplacer le
contrôleur classique de la vitesse, et contrôleur neuronale pour
remplacer la table de commutation. Les résultats de simulation
ont montré que la commande DTC proposée présente de
meilleures performances par rapport au commande DTC cinq
niveaux avec et sans réseaux de neurones.
Mots Clés—Commande DTC; Machine asynchrone; Onduleur
NPC à cinq niveaux; Logique floue; Réseaux de neurones; THD.
I. INTRODUCTION
La machine asynchrone connait un succès croissant depuis
décennies en remplaçant progressivement les machines à
courant continu et machine synchrones dans de nombreuses
applications industrielles et dans les transports. Ce succès
acquis par la machine à induction s’explique par sa conception
robuste réduisant les frais de maintenance, par son coût
relativement moindre par rapport aux autres machines
électriques et également par l’augmentation des capacités de
calcul des microprocesseurs permettant de réaliser une
commande performante [1].
La commande directe du couple (DTC, Direct Torque
Control) appliquée aux machines asynchrones est apparue
dans la moitié des années 80[2]. C’était une alternative aux
méthodes classiques de contrôle par modulation de largeur
d’impulsions, (PWM, Pulse Width Modulation) et à la
commande par orientation du flux rotorique (FOC, Field
Oriented Control) [3].
Le principe de la commande DTC est différent. L’objectif
est la régulation directe du couple de la machine, par
l’application des différents vecteurs de tension de l’onduleur,
qui détermine son état. Les deux variables contrôlées sont: le
flux statorique et le couple électromagnétique qui sont
habituellement commandées par des régulateurs à hystérésis
Rachid TALEB
Université Hassiba Benbouali de Chlef, Algérie
Laboratoire Génie Electrique et Energies Renouvelables
rac.taleb@yahoo.fr
[4]. Il s’agit de maintenir les grandeurs du flux statorique et le
couple électromagnétique à l’intérieur de ces bandes
d’hystérésis. La sortie de ces régulateurs détermine le vecteur
de tension de l’onduleur optimal à appliquer à chaque instant
de commutation. L'utilisation de ce type de régulateurs
suppose l'existence d'une fréquence de commutation dans le
convertisseur variable nécessitant un pas de calcul très faible
[5].
Dans une commande DTC il est préférable de travailler
avec une fréquence de calcul élevée afin de réduire les
oscillations du couple provoquées par les régulateurs à
hystérésis. A niveau physique, cette condition se traduit par la
nécessité de travailler avec des systèmes informatiques de
haute performance afin de satisfaire aux contraintes de calcul
en temps réel [6].
Dans cet Article, une nouvelle structure de la commande
DTC à cinq niveaux à base des réseaux de neurones et la
logique floue, a été analysée et appliquée à la commande de la
machine asynchrone. Des testes de simulation montrant les
performances et la robustesse de la commande DTC proposé
seront présentés et discutés.
II. MODELE DYNAMIQUE DE LA MACHINE ASYNCHRONE
Les equations mathématiques de la machine à induction
dans le repère fixé au stator s’écrivent [7]:
• Equations des tensions statoriques et rotoriques:
𝑑Φ𝑠
𝑉𝑠 = 𝑅𝑠 𝐼𝑠 + (1)
𝑑𝑡
𝑑Φ𝑟
0 = 𝑅𝑠 𝐼𝑟 + − 𝑗𝑤Φ𝑟 (2)
𝑑𝑡
• Equations des flux statoriques et rotoriques:
Φ𝑠 = 𝐿𝑠 𝐼𝑠 + 𝑀𝐼𝑟 (3)
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Φ𝑟 = 𝐿𝑟 𝐼𝑟 + 𝑀𝐼𝑠 (4) IV. COMMAND DIRECTE DU COUPLE

• Equation mécanique de la machine : Depuis que M. Depenbrock et I. Takahashi ont proposé la
commande DTC de la machine à induction dans la moitié des
𝑑Ω
𝐽 = 𝐶𝑒 − 𝑓Ω − 𝐶𝑟 (5) années 80, elle est devenue de plus en plus populaire. La
𝑑𝑡
commande DTC permet de calculer les grandeurs de contrôle
que sont le flux statorique et le couple électromagnétique à
III. ONDULEUR NPC À CINQ NIVEAUX partir des seules grandeurs liées au stator et ceci sans
Chaque phase de l’onduleur triphasé NPC à cinq niveaux l'intervention de capteurs mécaniques. Le principe de la
de tensions est composée de huit interrupteurs commandés qui commande DTC consiste à maintenir le flux statorique dans
sont unidirectionnels en tension et bidirectionnels en courant une fourchette [1].
(il s'agit d'associations classiques d'un transistor et d'une diode Le synoptique de la commande DTC est représenté dans la
en antiparallèle) et de six diodes de maintien connectées tout Fig. 2.
au long du bus continu.
L’onduleur est alimentée par une source continue E, que
quatre condensateurs de valeurs égales se partagent pour
donner quatre sources distinctes de tension E/4[8].
La structure triphasée de l'onduleur NPC à cinq niveaux de
tensions est présentée sur la Fig.1.

Fig.2– Structure de base de la commande directe du couple.

Le flux statorique et le couple électromagnétique sont
calculés à partir des équations suivantes [11]:

2 2
 s   s   s (7)

Avec:
t
 s   ( vs  R s is )dt
Fig.1– Schéma d'un onduleur NPC à cinq niveaux
(8)
0
Les tensions simples fournies par l’onduleur sont
exprimées par le système matriciel suivant [9, 10]: t
 s   ( v s  R s i s )dt (9)
0
  b'
 1  1 F11  2 F11
b
  F10b '  2 F10b  
va 1  2 b   b' b  E
vb   1  b'
2  1 F21  2 F22  F20  2 F20  (6) L’ongle s et Cem est calcule à partire de:
 vc  3  1 1 2 
   
  F31b '  2 F33b   F30b'  2 F30b   4
 s
 s  arctg( ) (10)
Avec F : fonction de connexion du demi-bras, est donnée  s
comme suit
 b
 FK 1  FK 1 FK 2
3

cem  2 p s i s   s is  (11)
 b Dans la Fig.3, on distingue 60 positions discrètes,

 FK 0  FK 3 FK 4 distribuées sur quatre hexagones, en plus d'une position au
On désigne par: 1: le demi - bras du haut centre de l’hexagone. Certaines positions sont crées par
 plusieurs états redondants. De l'hexagone externe vers
0 : le demi - bras du bas l'hexagone interne, les positions du vecteur vs sont crées
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

respectivement par un, deux, trois ou quatre états redondants.

La position du centre de l'hexagone, qui correspond a une
tension de sortie nulle, est crée par cinq états redondants (000,
111, 222, 333, 444). On distingue ainsi 24 positions à une
seule redondance, 18 positions à deux redondances, 12
positions à trois redondances et 6 positions à quatre
redondances. Les 61 positions du vecteur de tension de sortie
divise le diagramme vectoriel en six secteurs
triangulaires [12].

Fig. 4 Commande DTC cinq niveaux à base des réseaux de neurones et la

logique floue

A. Controleur neuronale
L'application de la technique des réseaux de neurones dans
la commande des machines est simple et a permis la résolution
de plusieurs problèmes liées au contrôle de ces systèmes [13].
Pour générer le contrôleur RNA par Matlab/Simulink ou
on à choisi 64 couches cachées et 3 couches de sorties avec les
fonctions d’activation respectivement de type « Tansig » et
« Purelin ».
La base d'apprentissage de RNA est mise sous forme de
fichier ou du tableau matrice. Le réseau de neurones que nous
avons utilisé est un réseau multicouche à connexion local qui
utilisé l'algorithme de rétro-propagation pour leurs
apprentissages [14].
La mise à jour des poids et des biais de ce réseau est
réalisés par un algorithme de retropropagation nommé
Fig. 3 – Représentation vectorielle des tensions de l’onduleur à cinq niveaux. l’algorithme de Levenberg-Marquardt (LM).
La convergence du réseau à été obtenue en utilisant les
Afin de réaliser le contrôle direct du flux statorique et du valeurs des paramètres regroupées dans le Tableau 2.
couple électromagnétique de la machine asynchrone (à
induction) pilotée par un onduleur à cinq niveaux de tension à Tableau 2 – Propriétés du LM
structure NPC, nous devons élaborer une table de
commutation mettant en œuvre au mieux le possibilité de Paramètres du LM valeurs
l'onduleur. Nombre de couche cachée 64
La construction la table de commutation (Tableau 1), se Pas d’apprentissage 0.002
base effectivement sur le choix du vecteur de tension Pas d’affichage (affichage de l’erreur par 50
statorique appliqué pour permettre d'augmenter ou de morceaux)
diminuer le module du flux statorique ainsi que la valeur du Nombre d’itération (epochs) 5000
couple électromagnétique. Coef d’accélération de convergence (mc) 0.9
Erreur (goal) 0
Fonctions d’activation Tansig, Purelin
V. COMMANDE DTC CINQ NIVEAUX BASEES SUR LES
RESEAUX DE NEURONES ET LA LOGIQUE FLOUE Sur la Fig.6 nous illustrons le contrôleur à base de réseau
de neurone de la commande DTC-RNA-5 niveaux à 24 sectors
Dans la Fig. 4, on à présenté la commande DTC cinq
niveaux à base des réseaux de neurones et la logique floue
d’une machine asynchrone. La table de commutation est
1
remplacé par contrôleur neuronale, et la régulateur PI 1
Ccpl
Sa1
classique de la vitesse est remplacé par contrôleur. 2 Input NNET Output 2
Cflx Sb1
3 3
secteur N
Sc1

Controleur neuronale

Fig.6 – Structure du contrôleur neuronale

 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Tableau 1– Table de vérité de l’onduleur NPC à cinq niveaux

N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Cflx Ccpl
4 14 14 18 18 24 24 28 28 34 34 38 38 44 44 48 48 54 54 58 58 4 4 8 8
3 10 10 15 15 20 20 25 25 30 30 35 35 40 40 45 45 50 50 55 55 60 60 5 5
2 8 8 8 8 18 18 18 18 28 28 28 28 38 38 38 38 48 48 48 48 58 58 58 58
1 5 5 5 5 15 15 15 15 25 25 25 25 35 35 35 35 45 45 45 45 55 55 55 55
1 0 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38 44 44 48 48 54 54 58 58
-1 60 60 60 60 10 10 10 10 20 20 20 20 30 30 30 30 40 40 40 40 50 50 50 50
-2 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38 44 44 48 48 54 54
-3 55 55 55 55 5 5 5 5 15 15 15 15 25 25 25 25 35 35 35 35 45 45 45 45
-4 54 54 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38 44 44 48 48
4 18 18 24 24 28 28 34 34 38 38 44 44 48 48 54 54 58 58 4 4 8 8 14 14
3 18 18 24 24 28 28 34 34 38 38 44 44 48 48 54 54 58 58 4 4 8 8 14 14
2 15 15 15 15 25 25 25 25 35 35 35 35 45 45 45 45 55 55 55 55 5 5 5 5
1 15 15 15 15 25 25 25 25 35 35 35 35 45 45 45 45 55 55 55 55 5 5 5 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-1 48 48 54 54 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38 44 44
-2 48 48 54 54 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38 44 44
-3 45 45 45 45 55 55 55 55 5 5 5 5 15 15 15 15 25 25 25 25 35 35 35 35
-4 45 45 45 45 55 55 55 55 5 5 5 5 15 15 15 15 25 25 25 25 35 35 35 35
4 24 24 28 28 34 34 38 38 44 44 48 48 54 54 58 58 4 4 8 8 14 14 18 18
3 23 23 23 23 33 33 33 33 43 43 43 43 53 53 53 53 3 3 3 3 13 13 13 13
2 3 3 3 3 13 13 13 13 23 23 23 23 33 33 33 33 43 43 43 43 53 53 53 53
1 33 33 33 33 43 43 43 43 53 53 53 53 3 3 3 3 13 13 13 13 23 23 23 23
-1 0 13 13 13 13 23 23 23 23 33 33 33 33 43 43 43 43 53 53 53 53 3 3 3 3
-1 43 43 43 43 53 53 53 53 3 3 3 3 13 13 13 13 23 23 23 23 33 33 33 33
-2 44 44 48 48 54 54 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34 38 38
-3 40 40 40 40 50 50 50 50 60 60 60 60 10 10 10 10 20 20 20 20 30 30 30 30
-4 38 38 44 44 48 48 54 54 58 58 4 4 8 8 14 14 18 18 24 24 28 28 34 34

La représentation de la structure interne du contrôleur

neuronale est illustré par Fig.7
0 W
a{1}

Delays 1 LW{2,1} +
Input Process Input 1 Layer 1 a{1}
b netsum purelin a{2}

Layer 2 b{2}

Fig. 9 – Structure interne de layer 2

a{1} Process Output 1 Output

Fig.7 – Structure interne du contrôleur neuronale.

B. Controleur flou
Aujourd’hui, le réglage par la logique floue avec sa
La Fig.8, illustre la structure interne de layer 1 du
structure non linéaire à présenté de bonnes performances et
contrôleur neuronale
robustesse dans le controle de la MAS. Il s’agit d’une nouvelle
technique traitant la commande numériques des processus et
0 W de prise de décision. La logique floue repose sur la théorie des
ensembles floues développée par Lotfi Zadeh. A coté d’un
p{1} Delays 1 IW{1,1} +
formalismes mathématique fort développée, l’intérêt de la
b netsum tansig a{1} commande par logique floue provident du fait que la théorie
des ensembles floues permet de traité et de raisonner à l’aide
b{1}
de variables qui intégrant la notion d’imprécision,
Fig. 8 – Structure interne de layer 1 d’incertitude des appreciations subjective ou encore des
quantifications linguistiques, ce qui permet au contrôleur floue
La Fig.9, illustre la structure interne de layer 2 du d’etre conçu pour remplacé un opérateur humain
contrôleur neuronale expérimenté [15].
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Dans cette partie nous presentons un régulateur PI-flou. Les règles l’inférence permettent de déterminer le
L’avantage de ce nouveau régulateur utilisé uniquement une comportement du contrôleur flou. Il doit donc include des
table de matrice de 49 règles et des fonctions d’appartenance étapes intermédiaires qui lui permettent de passer des
de sept sous-ensembles. grandeurs réelles vers les grandeurs floues et vice versa, ce
La Fig.10, montre le schéma bloc d’un contrôleur flou, qui sont les étapes de fuzzification et defuzzification. Le jeu des
peut etre utilisé pour remplacé le contrôleur PI classique de la règles du régulateur flou à sept ensembles est représenté dans
vitesse. le Tableau 3 [16].
TABLEAU 3 TABLEAU DES REGLES A SEPT FONCTIONS D’APPARTENANCE
1
1 PI-Flou 1
w ref Tr.s+1 Cem ref
e NL NM NP EZ PS PM PL
Transfer Fcn ∆e
NL NL NL NL NL NM NP EZ
2 NM NL NL NL NM NP EZ PS
w moteur NP NL NL NM NP EZ PS PM
Fig. 10 Contrôleur PI-flou de la vitesse EZ NL NM NP EZ PS PM PL
PS NM NP EZ PS PM PL PL
La Fig.11, illustre la structure interne du contrôleur PM NP EZ PS PM PL PL PL
PI-flou de la vitesse d’un moteur asynchrone commandé par PL EZ PS PM PL PL PL PL
DTC-RNA-5 niveaux
Avec: e = (wref – w) ∆e = ∆(wref – w)
Gain de (w ref- w) VI. RÉSULTATS DE SIMULATION
Gain de sortie
1 K1
Du u
Pour illustrer le fonctionnement de la commande DTC
cinq niveaux avec et sans les techniques de l’intelligence
w ref- w K 1
2 K2 cem ref
D(w ref - w)
artificielle, et réaliser les études prospective, un modèle de
Fuzzy Logic
Controller
simulation développée dans l’environnement fourni par
Gain de dérivée de (w ref - w) Matlab/Simulink, une application développée dans
Fig. 11 structure interne du contrôleur PI-flou l’environnement fourni par Matlab /Simulink.
Nous avons utilisés dans la commande les parameters de
Régulateur
La Fig.12 montre flou Mamdani
les fonctions d’appartenance pour les contrôle suivante: Cr =echelon variable de 6500 à -6500 N.m à
entrées et la sortie. l’instant t=0.8s, ∆ce =0.05N.m, ∆ɸs =0.001wb, la vitesse
référence wref =1000tr/min, une période d’echantionnage Te
=50μs, ɸsref =3.6wb.

a) Erreur

b) Variation de l’erreur

c) Commande

Fig. 12 Fonctions d’appartenance des différentes variables linguistique.

 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Fig. 13– Performances de la commande DTC à cinq niveaux avec 24

secteurs appliquée à la MAS.
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Fig. 14– Performances de la commande DTC neuronale à cinq niveaux

avec 24 secteurs appliquée à la MAS.

Fig. 15– Performances de la commande DTC neuronale à cinq niveaux

avec PI-flou appliquée à la MAS.

La Fig.16 illustre etude comparative entre les commandes

proposées

a)
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

Les résultats de simulation et le Tableau 5 montrent sans

doute, que la commande DTC-5 niveaux à 24 secteurs à base
des réseaux de neurones et la logique floue, c’est la plus
performante au niveau de la minimisation des pulsations du
couple et du flux ainsi que sa fréquence de commutation de
l’onduleur par rapport à la commande DTC-5 niveaux avec et
sans réseaux de neurones. D’un autre coté, on constaté que le
module du flux s’établie à sa valeur de référence de 3.6 wb. Et
la vitesse atteint sa référence sans dépassement au démarrage à
vide.
La dynamique des composantes du flux statorique n'est pas
affectée par l'application de ces consignes de charges. D’un
autre coté la vitesse n’est pas affectée par la variation du
couple, dans la commande DTC-RNA-5 niveaux par rapport à
b)
d’autre commandes. Nous remarquons que le couple
électromagnétique suite de façon parfait la trajectoire de
référence.

VII. CONCLUSION
Dans cet Article nous avons mise en evidence
l’amélioration apporte par le contrôleur PI-flou sur les
performances de la commande DTC neuronale (DTC-RNA)
d’une machine asynchrone alimentée par onduleur NPC de
tension à cinq niveaux. Les résultats de simulation ont montré:
un compartment remarquable de la commande DTC-RNA-5
niveaux avec PI-flou en régulation, et en poursuite, un réduit
les ondulations du couple et du flux nettement mieux que la
commande DTC-5 niveaux avec et sans les réseaux de
neurones.

c)
Fig. 16 – Zooms obtenues par la commande DTC à cinq niveaux à 24 secteurs REFERENCES
de la MAS: a) DTC-5 niveaux, b) DTC-RNA-5 niveaux, c)DTC-RNA-5
niveaux avec PI-flou 1. H. Chaikhy, M. Khafallah, A. Saad, M. Essaadi, K. Chikh, « Evaluation
des performances des commandes vectorielles de la machine à
induction, » Revue de Génie Industriel, ISSN 1313-8871, 2011, 6,
Dans le Tableau 4, nous résumons les résultats de pp: 23-32.
simulation obtenus par DTC-5 niveaux à 24 secteurs, et 2. Ammar Benzaioua, « Contribution à la Commande Directe de Couple
DTC-RNA-5 niveaux avec et sans PI-flou. d’une Machine Asynchrone Triphasée, » Thèse de Doctorat, université
du Québec à Chicoutimi, 2014.
3. Benamor Messaoud, « Commande Par DTC de la Machine à Induction
sans Capteur de Vitesse. Utilisation du filtre de Kalman pour
Tableau 4– Etude comparative entre la DTC-5 niveaux, DTC-RNA-5 L’estimation de la Vitesse, » Mémoire de Magister, université de Batna,
niveaux sans et avec PI-flou 2012.
4. Akkouchi Kamel, « Commande directe du couple (DTC) d’une machine
asynchrone, » Mémoire de Magister, université Badji Mokhtar, Annaba,
Isa Minimisations Minimisations 2007.
THD des ondulations des ondulations 5. Seddiki Arezki, « Contribution au contrôle direct du couple (DTC) d’une
(%) du couple du flux machine asynchrone à cage alimentée par un onduleur Multiniveaux, »
Mémoire de Magister, université M’Hamed Bougera-Boumerdes, 2009.
6. Chikhi Abdesselem, « Commande Directe du Couple du Moteur
DTC-5 niveaux 22.70 Assez bonne Assez bonne Asynchrone –Apport de la Logique Floue, » Mémoire de Magister,
université de Batna, 2008.
7. B. Omer Fethi, “Application des Techniques de L’intelligence Artificielle
DTC-5 niveaux (LF-RN) pour le Contrôle Directe du Couple d’une MAS Alimentée
10.41 Trés bonne Trés bonne par des Onduleurs Multiniveaux, » Mémoire de Magister, université
neuronale
des Sciences et de la Technologie d’Oran, Oran 2013.
DTC-5 niveaux 8. H. Tédjini, M. Moudjahed, Y. Meslem, M. Tadjine, « Commande non
neuronale avec 4.56 Parfait Parfait linéaire adaptative par backstepping et observateur d’une machine
PI-flou synchrone à aimant permanent alimentée par un onduleur à trois
 1st Algerian Multi-Conference on Computer, Electrical and Electronic Engineering (AMCEEE'17)
24 - 27 April 2017, Algiers, Algeria

niveaux, » 4th International Conference on Computer Integrated

Manufacturing CIP’2007, 03-04 November 2007
9. Benzemamouche Houria, « Application de la MLI Vectorielle aux
Onduleurs Multiniveaux à base de GTO et d’IGBT, » Mémoire de
Magister, université Badji Mokhtar, Annaba, 2010.
10. N. Lourci, E. M. Berkouk, DJ. Lalili, « Cascade d’un redresseur à deux
Niveaux-onduleur à cinq Niveaux à diodes Flottantes-machines
asynchrone, » Revue des Sciences et de la Technologie-RST-, Volume
1, No1, janvier 2009.
11. M. Nadhir, « Contribution à l’étude des Performances des Onduleurs
Multiniveaux sur les Réseaux de Distribution, » Thèse de Doctorat en
Sciences, université Badji Mokhtar, Annaba, 2014.
12. S. Meziane, R. Toufouti, H. Benalla, « Etude comparative entre la DTC
deux niveaux et la DTC trois niveaux de la machine asynchrone, »
Communication Science et Technologie (COST), N 7, janvier 2009.
13. H. Yantour, J. Saadi, A. Khoumri, « Modilisation et Simulation d’une
Commande Directe du Couple Appliquée à la Machine Asynchrone
(DTC), » 6eme Conférence Francophone de Modélisation et Simulation-
MOSIM’06, Rabat, Maroc, du 3 au 5 avril 2006.
14. B. Sebti, « Commande par DTC d’un moteur asynchrone apport des
réseaux de neurones, » Mémoire de Magister, université de Batna, 2013.
15. C. M’Hamed, Z. Mokhtar, Y. Bendaha, « Adaptation des paramètres d’un
contrôleur PI par un FLC appliqué à un moteur asynchrone, » 4 th
International Conference on Computer Integrated Manufacturing
(CIP’2007), 3-4 November, 2007
16. W. Benzaoui, B. Doufene, A. Medkour, « Développement d’un régulateur
flou en vue de la commande d’un heliostat, » Révue des Energies
Renouvelables SIENR’14, Ghardaia, pp: 27-34, 2007.