Synergie des Réseaux de Neurones Artificiels et de la Logique Floue pour un Contrôle Robuste basé sur le Mode Glissant d’Ordre Supérieur et la Commande Backstepping d’un Moteur Asynchrone à Observateur ANFIS - Implémentation Expérimentale avec un TMS320F28379D

Le Doyen de la Faculté des Sciences et Techniques de Béni Mellal porte à la connaissance du public que Monsieur HALIMI Hicham, soutiendra une thèse de Doctorat intitulée : «Synergie des Réseaux de Neurones Artificiels et de la Logique Floue pour un Contrôle Robuste basé sur le Mode Glissant d’Ordre Supérieur et la Commande Backstepping d’un Moteur Asynchrone à Observateur ANFIS - Implémentation Expérimentale avec un TMS320F28379D».

La soutenance publique aura lieu le Samedi 3 Octobre 2026 à 11h00 à l’Amphi de Conférences, à la Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, devant le jury composé de :

• Monsieur NEJMI Ali : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Président/ Rapporteur ;

• Monsieur DERRI Mounir : Maître de Conférences Habilité, Ecole Hassania des Travaux Publics, Casablanca, Rapporteur ;

• Monsieur SAIH Mohamed : Maître de Conférences Habilité, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Rapporteur ;

• Monsieur LOKRITI Abdesslam : Maître de Conférences Habilité, Ecole Nationale des Sciences Appliquées, Université Sultan Moulay Slimane, Khouribga, Examinateur ;

• Monsieur CHIKH Khalid : Professeur, Ecole Nationale des Sciences Appliquées, Université Sultan Moulay Slimane, Khouribga, Examinateur ;

• Monsieur BENDOUD Mohamed : Maître de Conférences Habilité, Ecole Nationale des Sciences Appliquées, Université Sultan Moulay Slimane, Khouribga, Examinateur ;

• Madame LAZRAK SENHAJI Loubna : Professeure, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Directrice de thèse.

Résumé:

Cette thèse est consacrée au développement de stratégies avancées de commandes robustes, adaptatives et intelligentes du moteur asynchrone, combinant des méthodes de commande non linéaire et des techniques modernes d’intelligence artificielle, avec une validation expérimentale utilisant un onduleur compact 7MBP75RA120 et une carte DSP TMS320F28379D. Malgré les nombreux avantages que présente le moteur asynchrone, les difficultés liées à sa non-linéarité, au fort couplage dynamique, ainsi qu’à sa sensibilité aux variations paramétriques et aux perturbations externes demeurent un défi persistant pour la recherche scientifique. Afin de surmonter ces contraintes, plusieurs stratégies de commande basées sur le mode glissant sont étudiées, incluant le mode glissant du premier ordre, du second ordre et le mode glissant terminal d’ordre supérieur basé sur l’algorithme Super-Twisting. Ce dernier permet une réduction considérable du phénomène de « chattering » tout en améliorant visiblement les performances du moteur asynchrone. D’un autre côté, les approches Backstepping classique et intégrale, combinées au mode glissant, sont également développées afin d’améliorer les performances dynamiques et la robustesse du système. Par ailleurs, des techniques de commande fondées sur l’intelligence artificielle, telles que les réseaux neuronaux artificiels, les réseaux neuronaux récurrents, ainsi que l’apprentissage par renforcement, sont intégrés afin d’assurer la commande et l’adaptation automatique de la conception de la commande à fin d’assurer une robustesse irréprochable face aux incertitudes et perturbations. Un intérêt particulier est porté sur l’observation de la vitesse à travers le développement et la comparaison de plusieurs observateurs avancés tel que MRAS, SMO, EKF, ALO, SMO-ANN et SMO-ANFIS. Les performances de toutes les approches proposées et étudiées sont validées par des simulations détaillées et confirmées par une implémentation expérimentale sur une carte DSP, démontrant ainsi l’efficacité, la robustesse et le grand potentiel des solutions proposées dans le domaine industriel.

Mots clés: Induction motor, Field-Oriented Control, Robust control, Nonlinear control, Sliding Mode Control, Super-Twisting, Chattering, Backstepping control, Artificial intelligence, Deep learning, Deep reinforcement learning, Speed observers, DSP implementation.