WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Optimisation de l'énergie réactive dans un réseau d'énergie électrique

( Télécharger le fichier original )
par Brahim GASBAOUI
Université BECHAR - Magister 2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.1.3. Structure générale d'un contrôleur flou

L'avantage de la commande floue par comparaison avec les commandes classiques

est qu'elle ne nécessite pas la connaissance des modèles mathématiques du système. Par

contre elle a besoin d'un ensemble de règles basées essentiellement sur la connaissance

d'un opérateur qualifié manipulant le système La conception du contrôleur flou (FLC)

passe par quatre principales parties distinctes, comme le montre la figure 44.

Figure 46: Structure d'un système de contrôle flou

5.1.4. Interface de fuzzification

Dans le domaine du contrôle, les données observées sont des grandeurs physiques

générées par des capteurs. Il est nécessaire de convertir ces grandeurs réelles en des

variables floues. Pour cela, on fait appel à une opération dite fuzzification, qui permet de

fournir les degrés d'appartenance de la variable floue à ses sous ensembles flous en

fonction de la valeur réelle de la variable d'entrée.

5.1.4.1 Base de règles

Le système de contrôle flou comprend un nombre de règles d'inférence reliant les

variables floues d'entrée d'un système aux variables floues de sortie de ce système. Ces

règles se présentent sous la forme usuelle suivante :

SI condition 1 ET/OU condition 2 (ET/OU...) ALORS action sur les sorties.

L'établissement de ces règles est généralement basé sur la connaissance du

problème et sur l'expérience de l'opérateur qui peut fixer le nombre de sous-ensembles,

leurs fonctions d'appartenance ainsi que les variables linguistiques. Ils existent plusieurs

présentations de la base de règles telles que la description linguistique, symbolique ou

par une matrice d'inférence. [17, 18, 19]

5.1.5. Mécanisme d'inférence

Dans cette étape, il s'agit de déterminer comment le système interprète les

variables linguistiques floues. Les variables linguistiques (entrées et sorties) sont liées

par les règles d'inférence. Les variables sont liées par l'opérateur « ET », tandis que les

variables de sortie des différentes règles sont liées par l'opérateur « OU » et l'ensemble

des règles sont liées par les connecteurs tels que « ET » et « ALORS ». La conséquence

d'une règle floue est inférée par l'emploi de règle de composition, en utilisant les

fonctions d'implications floues et les connecteurs « ET » et « ALORS ». [6,19]

Les méthodes d'inférences se différencient selon la combinaison et l'utilisation des

opérateurs « ET » et « OU » dans les règles d'inférence. Parmi ces méthodes on trouve :

Méthode d'inférence MAX-MIN,

Méthode d'inférence MAX-PROD,

Méthode d'inférence SOMME-PROD.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Là où il n'y a pas d'espoir, nous devons l'inventer"   Albert Camus