English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

La commande vectorielle, connue aussi sous le nom de commande par orientation de flux, permet de contrôler indépendamment le flux et le couple d'une machine asynchrone. Avec ce découplage, la machine asynchrone se comporte alors comme une machine à courant continu qui nous permet d'obtenir de hautes performances.\ud\udLa commande vectorielle présente l'inconvénient de nécessiter l'emploi d'un capteur de vitesse ou de position. Ce qui impose un surcoût et augmente la complexité des montages. Le fonctionnement sans capteur est l'un des centres d'intérêt des chercheurs à l'heure actuelle. La vitesse est estimée à partir des grandeurs statoriques mesurables, à savoir les courants et les tensions et en utilisant un modèle de la machine. Ce modèle dépend des paramètres structurels de la machine et il est donc clair que les performances du pilotage sans capteur dépendent de la robustesse de la procédure d'estimation choisie.\ud\udDans ce travail, les avantages et les inconvénients des différents schémas de contrôle vectoriel sans capteurs d'une machine asynchrone sont étudiés. Notre choix s'est fixé sur la technique de Modèle de Référence (MRAS) basée sur la force contre électromotrice. Et l'utilisation de réseaux de neurones comme estimateur de vitesse. C'est ce qui constitue la contribution scientifique de notre travail. Les réseaux de neurones sont des systèmes qui analytiques qui peuvent résoudre un problème où la solution ne peut pas être formulée explicitement. Ce sont des systèmes non algorithmiques, non numériques et parallèles de traitement d'informations. Le système neuronal est entraîné en ligne pour réaliser une application en temps réel. Ce genre d'entraînement ne nécessite pas un calcul préalable et rend le système flexible et robuste dans une large gamme d'opération. Finalement, nous croyons que ce travail est une contribution importante dans ce domaine de recherche. \u

Modèle temps réel d'un estimateur de vitesse à base de réseaux de neurones pour une machine asynchrome /