Validation expérimentale du contrôle direct du couple sans capteur MRAS utilisant des réseaux de neurones pour moteurs asynchrones dans un système de pompage

Des pompes plus intelligentes pour économiser l'énergie

Les pompes électriques déplacent discrètement d'énormes volumes d'eau dans les villes, les fermes et les usines, pourtant les moteurs qui les entraînent peuvent gaspiller de l'énergie et s'user prématurément si leur couple et leur vitesse ne sont pas contrôlés avec soin. Cet article présente une nouvelle manière de faire fonctionner des moteurs industriels courants dans des systèmes de pompage sans utiliser de capteurs mécaniques de vitesse fragiles, tout en conservant une réactivité, une efficience et une douceur sur l'équipement. En mariant une méthode de commande de moteur éprouvée avec l'intelligence artificielle moderne, les auteurs montrent comment réduire les pertes d'énergie et améliorer les performances lors d'essais en laboratoire réalistes.

Pourquoi il est difficile de bien contrôler des moteurs ordinaires

Le travail se concentre sur les moteurs asynchrones, les « chevaux de trait » robustes de l'industrie qui alimentent tout, des ascenseurs aux pompes d'irrigation. Ces machines sont bon marché et fiables mais difficiles à contrôler précisément car leur comportement interne est non linéaire et certaines grandeurs clés, comme le flux magnétique du rotor, ne peuvent pas être mesurées directement. Une stratégie populaire, le contrôle direct du couple (DTC), s'attaque à ce problème en agissant presque directement sur l'électronique de puissance qui alimente le moteur, offrant une réponse en couple très rapide et un bon fonctionnement à basse vitesse. Toutefois, le DTC classique repose sur des capteurs de vitesse et une logique marche/arrêt simple, ce qui peut provoquer des ondulations de couple importantes, du bruit électrique, des vibrations et un surcoût matériel.

Supprimer les capteurs sans perdre le contrôle

Pour se passer des capteurs mécaniques de vitesse, les ingénieurs estiment souvent la vitesse à partir de mesures électriques. Une méthode largement utilisée, le système adaptatif à modèle de référence (MRAS), exécute deux modèles parallèles du moteur : un modèle de référence indépendant de la vitesse, et un modèle ajustable qui en dépend. En comparant leurs sorties, l'algorithme peut déduire la vitesse réelle du moteur. MRAS est attractif car il est relativement simple et peu coûteux en calcul, mais il fonctionne mal à très basse vitesse et est sensible aux variations de paramètres du moteur comme la résistance et la température. Lorsqu'on combine MRAS avec le DTC, ces limitations tendent à augmenter les ondulations de couple et à déformer les signaux de commutation qui pilotent le moteur.

Laisser les réseaux de neurones choisir les commutations

Les auteurs proposent une méthode de commande hybride qu'ils appellent DTC‑ANN+MRAS, dans laquelle des réseaux de neurones artificiels prennent en charge plusieurs blocs décisionnels clés à l'intérieur du schéma DTC. Plutôt que d'utiliser des comparateurs à hystérésis fixes, un régulateur vitesse proportionnel‑intégral basique et une table de commutation conçue manuellement, le système utilise des réseaux entraînés pour calculer comment les interrupteurs de l'onduleur doivent être commandés afin de maintenir le couple, le flux et la vitesse proches de leurs consignes. Le bloc MRAS estime toujours la vitesse à partir des tensions et courants mesurés, mais sa sortie alimente les contrôleurs neuronaux, qui ont appris à partir de données de simulation comment compenser les erreurs d'estimation et les variations de paramètres qui dégradent autrement la performance.

Du modèle informatique au matériel réel

L'équipe a d'abord construit des modèles mathématiques détaillés du moteur asynchrone, de l'onduleur de puissance et d'une pompe centrifuge dont la charge augmente avec la vitesse. Ils ont ensuite implémenté plusieurs stratégies de commande dans MATLAB/Simulink et les ont testées en simulation puis sur une carte de commande temps réel dSPACE DS1104 pilotant un moteur de laboratoire de 1,5 kW. Quatre approches ont été comparées : le DTC conventionnel, le DTC amélioré par réseaux neuronaux (DTC‑ANN), le DTC avec estimation de vitesse MRAS (DTC‑MRAS) et l'hybride complet DTC‑ANN+MRAS proposé dans cet article. La performance a été évaluée en mesurant le temps de réponse aux variations de vitesse, l'amplitude des ondulations de couple et la distorsion harmonique totale (THD) du courant moteur, un indicateur clé de la « propreté » électrique et de l'efficacité.

Ce que les expériences ont révélé

Les résultats montrent que l'ajout de réseaux neuronaux améliore déjà le DTC classique : le temps de réponse passe de 0,80 à 0,72 seconde et les ondulations de couple ainsi que la distorsion du courant sont significativement réduites. Simplement greffer MRAS au DTC détériore cependant la qualité du courant, augmentant la THD de 9,76 % à 11,40 % et accroissant les ondulations de couple, même si l'estimation de vitesse devient sans capteur. Le design hybride qui combine MRAS et commande neuronale récupère ces pertes et va plus loin : le temps de réponse se réduit à 0,58 seconde, l'ondulation de couple diminue par rapport au DTC‑MRAS, et la THD est abaissée de 11,40 % à 7,80 %. Dans des scénarios de pompage, le contrôleur maintient une vitesse stable sur une large plage de charges (−10 à 10 N·m) et de vitesses (−157 à 157 rad/s), assurant un débit d'eau stable tout en réduisant les contraintes électriques et mécaniques.

Ce que cela signifie pour les systèmes de pompage réels

Pour les non‑spécialistes, le message est que les auteurs ont conçu un moyen d'exploiter des pompes industrielles standard de façon plus efficiente et plus fiable sans dépendre de capteurs de vitesse délicats. En laissant un réseau de neurones apprendre la meilleure façon de commander les interrupteurs de puissance du moteur, tandis qu'un modèle adaptatif estime la vitesse à partir de mesures électriques simples, le système offre une réponse plus rapide, des courants plus propres et des fluctuations de couple réduites par rapport à plusieurs alternatives établies. L'étude suggère qu'une commande intelligente sans capteur pourrait réduire la consommation énergétique des systèmes de pompage d'environ 15 %, prolonger la durée de vie des équipements et diminuer les coûts de maintenance, des améliorations futures via d'autres techniques d'optimisation promettant des gains supplémentaires.

Citation: Ech-chaouy, H., Derouich, A., Mahfoud, S. et al. Experimental validation of MRAS sensorless direct torque control using ANN for induction motors in a pumping system. Sci Rep 16, 10434 (2026). https://doi.org/10.1038/s41598-026-41127-9

Mots-clés: commande moteur sans capteur, variateurs pour moteurs asynchrones, commande par réseau de neurones, systèmes de pompage, variateurs économes en énergie