Description

Cette thèse porte sur la modélisation dynamique et l'estimation temps réel des ondulations de couple pour les machines synchrones à réluctance variable (SynRel). Les machines SynRel sont des alternatives prometteuses aux machines à aimants permanents car elles ne nécessitent pas de terres rares, mais elles souffrent d'ondulations de couple causant bruit et vibrations.
L'objectif est de développer des modèles dynamiques qui capturent précisément ces ondulations en tenant compte des non-linéarités magnétiques et saturations croisées. La méthodologie consiste à établir un pont entre les modèles par éléments finis (FEA) très précis mais trop complexes et des modèles simplifiés exploitables en temps réel pour la commande.
Des estimateurs temps réel seront conçus pour prédire les ondulations sans capteur de couple coûteux. L'approche sera validée expérimentalement sur un banc d'essai du laboratoire Ampère. Les modèles développés permettront d'implémenter des stratégies de commande avancée pour minimiser les ondulations de couple.
Cette recherche combine automatique, génie électrique et validation expérimentale.

Compétences requises

Étudiant de Master ou d'école d'ingénieur avec de bonnes connaissance en automatique (commande, observation, modélisation de systèmes dynamiques) et génie électrique (machines électriques, électronique de puissance), et ayant une appétence marquée pour la modélisation multi-physique et la validation expérimentale. Des compétences en simulation par éléments finis, en programmation (Matlab/Simulink), et en systèmes temps réel seront fortement appréciées. Un goût pour le travail expérimental en laboratoire est essentiel.

Bibliographie

[1] Murataliyev, M., Degano, M., Di Nardo, M., Bianchi, N., & Gerada, C. (2022). Synchronous Reluctance Machines: A Comprehensive Review and Technology Comparison. Proceedings of the IEEE, 110(3).

[2] Varvolik, V., Pescetto, P., Ferrari, S., Wang, S., Degano, M., Buticchi, G., & Pellegrino, G. (2024). Torque Ripple Compensation for IPMSM with Minimum Loss. 2024 International Conference on Electrical Machines (ICEM), 1-7.

[3] Nakao, N., & Akatsu, K. (2014). Suppressing Pulsating Torques: Torque Ripple Control for Synchronous Motors. IEEE Industry Applications Magazine, 20(6), 33-44.

[4] Qu, J., Zhang, P., & Jatskevich, J. (2024). Harmonic Current Optimization for Torque Ripple Reduction in Permanent Magnet Synchronous Machine Drives Based on Torque Ripple Surrogate Model. IEEE Transactions on Power Electronics, 39(5), 5108-5120.

[5] Lai, C., Feng, G., Iyer, K. L. V., Mukherjee, K., & Kar, N. C. (2017). Genetic Algorithm-Based Current Optimization for Torque Ripple Reduction of Interior PMSMs. IEEE Transactions on Industry Applications, 53(5), 4493-4503.

[6] Rafaq, M.-S., Midgley, W., & Steffen, T. (2024). A Review of the State of the Art of Torque Ripple Minimization Techniques for Permanent Magnet Synchronous Motors. IEEE Transactions on Industrial Informatics, 20(1), 1019-1031.

[7] Jahns, T. M., & Soong, W. L. (1996). Pulsating torque minimization techniques for permanent magnet AC motor drives - a review. IEEE Transactions on Industrial Electronics, 43(2), 321-330.

[8] Bianchi, N., Bolognani, S., Bon, D., & Dai Pre, M. (2009). Rotor Flux-Barrier Design for Torque Ripple Reduction in Synchronous Reluctance and PM-Assisted Synchronous Reluctance Motors. IEEE Transactions on Industry Applications, 45(3), 921-928.

[9] Lam, B. H., Panda, S. K., Xu, J.-X., & Lim, K. W. (1999). Torque ripple minimization in PM synchronous motor using iterative learning control. IECON'99, 3, 1458-1463.

[10] Qu, J., Jatskevich, J., Zhang, C., & Zhang, S. (2021). Torque Ri

Mots clés

Machines synchrones à réluctance variable, Modélisation dynamique, Analyse Éléments finis, Estimation temps réel, Commande avancée