Développement de méthodes hybrides en vue de l'optimisation d'un processus; Application à la machine asynchrone

Abstract

L’objectif de ce travail est l’amélioration et l’hybridation de l’algorithme de luciole standard afin d’utiliser à l'identification paramétrique de la machine asynchrone en considérant le modèle à une cage et le modèle à deux cages. Cet algorithme souffre à la convergence rapide ou prématurée vers un optimum local dû au manque de diversité comme toutes les métaheuristiques. Pour y remédier, nous proposons six améliorations. La première proposition est une amélioration de l’algorithme standard par l’orientation de mouvement vers le centroïde global de l’essaim dans le cas où le mouvement est vers la luciole plus brante est un échec. Les cinq autres propositions sont des hybridations de l’algorithme de luciole avec l’optimiseur de loups gris et l’algorithme sinus cosinus respectivement. Les résultats obtenus en utilisant les algorithmes proposés sont meilleurs que l'algorithme standard. L’approche suggérée pour l’identification permet de déterminer simultanément les paramètres électriques et mécaniques de la machine à l’aide de la méthode du modèle de référence, en utilisant uniquement le courant de démarrage et la tension simple correspondante comme signaux d’entrées-sorties. Les paramètres de la machine sont déterminés par minimisation de l’erreur quadratique entre le courant mesuré et celui calculé à partir du modèle adopté de la machine. La validation des résultats obtenus à l’aide de données expérimentales relevées sur deux machines différentes, est confirmée par la bonne superposition des courants mesurés et ceux calculés par le modèle adopté de la machine.