ETUDE DES MACHINES ELECTRIQUES PAR CAO
ETUDE DES MACHINES ELECTRIQUES PAR CAO
ETUDE DES MACHINES ELECTRIQUES PAR CAO
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Chapitre IV <strong>CAO</strong> optimisée d’un moteur asynchrone sous Matlab/Flux 2D<br />
IV.4.5 Résultats d’optimisation du moteur asynchrone par les réseaux de neurones<br />
La souplesse et la puissance des marchés électriques à développer des programmes de<br />
dimensionnement et d’optimisation de plus en plus performants. Ces outils permettent une <strong>CAO</strong>,<br />
basée essentiellement sur l’analyse, la simulation et l’exploitation automatique des ensembles de<br />
solutions possibles. Afin de réaliser une telle tâche, on a besoin de faire une optimisation de tel<br />
machine et plus particulièrement le moteur asynchrone à cage d’écureuil par les réseaux de<br />
neurones. L’intérêt porté aujourd’hui aux réseaux de neurones tient sa justification dans les<br />
quelques propriétés fascinantes qu’ils possèdent et qui devrait permettre de dépasser les limitations<br />
de l’informatique traditionnelle, tant au niveau de la programmation qu’au niveau de la machine.<br />
Fig. (IV. 30): Réponse du réseau de neurone Fig. (IV. 31): Erreur du réseau de neurone<br />
L’induction dans la machine optimisée<br />
Fig. (IV. 32): Solution optimale par ANN’s<br />
Les figure (IV. 30), (IV. 31) et (IV. 32), représentent respectivement la réponse du réseaux<br />
de neurones interprété par la courbe du flux dans la machine en fonction du nombre d’itérations,<br />
l’erreur de la rétro-propagation, et l’induction dans la machine optimisée du modèle B, ce dernier<br />
140