N° d’ordre 2006ISAL0085 Année 2006 Thèse Présentée devant L’Institut National des Sciences Appliquées de Lyon Pour obtenir Le grade de docteur Ecole doctorale : Electronique, Electrotechnique et Automatique. Spécialité : Génie électrique Par HELALI Hassan Pour une soutenance le 24 Novembre 2006 Méthodologie de pré-dimensionnement de convertisseurs de puissance : Utilisation des techniques d’optimisation multi-objectif et prise en compte de contraintes CEM Jury M. COSTA François M. SCHANEN Jean Luc M. MOREL Hervé Mme. SLAMA-BELKHODJA Ilhem M. BEN AMMAR Faouzi M. BEN HADJ SLAMA Jaleleddine Professeur Professeur Directeur de recherche Professeur Maître de conférence (HDR) Maître de conférence Membre invité : M. BERGOGNE Dominique Remerciements Arrivant au terme de ce travail de thèse, je tiens à adresser ma gratitude envers tous ceux qui m’ont aidé et soutenu. Je tiens à remercier particulièrement M Hervé MOREL. Au-delà de l’aspect scientifique, je lui suis reconnaissant pour ses qualités humaines. Après cette expérience, je reconnais que le savoir seul n’est pas suffisant pour encadrer et motiver les jeunes chercheurs. Des remerciements aussi sincères vont à M Dominique Bergogne, Mme Ilhem Slama-Belkhodja et M Jaleleddine Hadj Slama. C’est avec un grand plaisir que je remercie M François Costa, M Jean Luc Schanen et M Faouzi Ben Ammar qui ont accepté de faire partie de mon jury de thèse. Des remerciements aussi chaleureux vont à mes collègues du CEGELY avec qui j’ai partagé ces années de travail, je pense à tout(e)s les doctorant(e)s ainsi qu’au personnel permanent (la liste est longue et je suis sûr qu’ils vont se reconnaître facilement). Je réserve la fin de mes remerciements à ma famille pour leur soutien quotidien. 2 A mon père, ma mère, mon frère et ma sœur. 3 Table des matières Table des matières Introduction générale............................................................................................................... 7 Chapitre I. Modélisation et conception des systèmes de puissance. .................................... 9 I. Conception et pré-dimensionnement des systèmes de puissance..................................... 10 1. Problématique de la conception des systèmes de puissance ........................................ 10 2. Le pré-dimensionnement en électronique de puissance............................................... 12 3. Approche de pré-dimensionnement par optimisation .................................................. 13 4. Démarche de pré-dimensionnement retenue et exemple traité .................................... 19 II. Modélisation en électronique de puissance...................................................................... 20 1. Modèles et choix de composants.................................................................................. 20 2. Câblage et performances de la technologie SMI.......................................................... 32 III. Cas d’étude : Application............................................................................................. 35 1. Considérations de conception....................................................................................... 35 2. Formulation du problème d’optimisation..................................................................... 45 IV. Conclusion.................................................................................................................... 46 Chapitre II. Nouvelle méthode pour la prédiction des perturbations EM conduites ...... 47 I. II. La CEM dans les convertisseurs de puissance ................................................................. 48 1. Généralités.................................................................................................................... 48 2. Normes CEM en électronique de puissance................................................................. 49 3. Etude phénoménologique............................................................................................. 53 Etat de l’art sur les méthodes d’estimation spectrale ....................................................... 54 1. Méthode indirect .............................................................................................................. 54 2. Méthodes directes : modélisation analytique ................................................................... 59 III. Mise en équation systématique basée sur la causalité........................................................ 64 4 Table des matières 1. Modélisation unifiée : graphe des liens........................................................................ 64 2. Mise en équation systématique : Analyse de causalité ................................................ 68 3. Graphe des liens commuté ........................................................................................... 71 IV. La méthode proposée : description et validation ............................................................... 72 1. Principe et Atouts de la méthode proposée .................................................................. 72 2. Description de la méthode et exemple pédagogique.................................................... 73 3. Validation de la méthode : Application détaillé (hacheur série)...................................... 79 V. Conclusion........................................................................................................................ 91 Chapitre III. Utilisation des techniques d’optimisation pour le pré-dimensionnement .. 93 I. Introduction........................................................................................................................... 94 II. Utilisation des techniques uni-objectifs............................................................................... 96 1. Les algorithmes génétiques .............................................................................................. 96 2. Choix des algorithmes génétiques et outil d’optimisation : DARWIN............................ 97 3. Optimisations avec fonctions coûts discrètes et continues............................................... 98 4. Convertisseurs optimisés................................................................................................ 102 5. Validations de la conception .......................................................................................... 104 6. Conclusion...................................................................................................................... 104 III. Les techniques d’optimisation multi-objectif................................................................... 105 1. Définitions...................................................................................................................... 105 2. Les différentes approches de résolution des problèmes multi-objectifs ........................ 108 IV. Notre démarche d’optimisation multi-objectif................................................................. 126 1. Introduction .................................................................................................................... 126 2. Description de la méthode.............................................................................................. 126 3. Exemple pédagogique .................................................................................................... 129 4. Application dans le cas d’étude : hacheur série 42 /14V ............................................... 131 5 Table des matières V. Optimisation avec prise en compte de contrainte CEM .................................................... 136 VI. Conclusion ....................................................................................................................... 137 Conclusion générale ............................................................................................................. 139 Bibliographie......................................................................................................................... 142 Résumé et mots clés.............................................................................................................. 147 6 Introduction générale Introduction générale Dans le cas de l’électronique de puissance, la conception des convertisseurs peut être dégrossie à l’aide du pré-dimensionnement. Ce dernier permet surtout d’assurer la fonctionnalité souhaitée ainsi que le respect des principales spécifications décrites dans le cahier des charges. Dans ce cadre nous n’avons pas besoin de modéliser les différents phénomènes (électrique, thermique, CEM, dynamique, ….) avec grande précision, par contre la rapidité et la simplicité des modèles sont importantes. Les convertisseurs de puissance couvrent de plus en plus de domaines d’applications, Ceci implique des environnements de fonctionnement différents, allant des utilisations domestiques (grand public) aux applications à exigence de fiabilité élevées (aéronautique); Suivant l’application pour laquelle est dédié le convertisseur, un ou plusieurs objectifs de prédimensionnement sont souvent spécifiés et doivent être optimisés. La conception de convertisseurs de puissance fait intervenir en général un nombre important de variables de conception ainsi que plusieurs contraintes physiques contradictoires et de nature différente. Dans de tels cas, le raisonnement humain seul n’est plus suffisant, car il devient difficile de percevoir tous les couplages et de comprendre comment agir pour améliorer les objectifs choisis. Cette complexité du problème conduit naturellement à l’utilisation de techniques d’optimisations robustes destinées à faciliter la détermination des meilleures solutions (solutions optimales). Dans le cas où l’on cherche à optimiser un seul objectif, on utilise des techniques d’optimisation dites uni-objectifs, dans le cas de plusieurs objectifs simultanés on fait appelle aux techniques multi-objectifs. 7 Introduction générale Des études antérieures ont montrés l’apport des techniques uni-objectifs dans le cas de la conception des convertisseurs de puissance, nous présenterons une fois de plus l’utilisation de ces techniques ainsi que l’apport des techniques multi-objectifs dans ce type d’applications. Autant la solution à un problème uni-objectif est simple à imaginer, autant le cas multiobjectifs reste assez délicat. Ceci est dû aux conflits qui existent entre les différents objectifs à optimiser simultanément. Généralement la solution à un problème multi-objectifs se ramène à un compromis entre les différents objectifs et toute la complexité consiste à trouver le meilleur compromis. Dans ce travail nous proposons d’optimiser un hacheur abaisseur de tension, typique pour des applications automobiles, suivant plusieurs objectifs simultanément. Ce cas a été choisi car il pose assez peu de problèmes de modélisation en se limitant à des composants unipolaires (VDMOS et diode Schottky) tout en restant assez réaliste. Dans le premier chapitre nous allons présenter les différentes spécifications de conception, le cahier des charges ainsi que les modèles utilisés pour représenter le comportement du hacheur. Sachant qu’une grande contribution de notre travail concerne la modélisation des perturbations électromagnétiques (EM), nous y avons consacré tout le chapitre 2. Dans ce dernier nous allons présenter les différentes méthodes de prédiction des perturbations EM et nous allons proposer une nouvelle méthode analytique de prédiction des perturbations EM conduites. Dans le chapitre 3, nous présenterons l’utilisation des techniques d’optimisation uni-objectif et multi-objectif pour l’exemple d’étude. 8 Chapitre 1. Modélisation et conception des systèmes de puissance Chapitre I Modélisation et conception des systèmes de puissance. I. Conception et pré-dimensionnement des systèmes de puissance..................................... 10 1. Problématique de la conception des systèmes de puissance ........................................ 10 2. Le pré-dimensionnement en électronique de puissance............................................... 12 3. Approche de pré-dimensionnement par optimisation .................................................. 13 4. Démarche de pré-dimensionnement retenue et exemple traité .................................... 19 II. Modélisation en électronique de puissance...................................................................... 20 1. Modèles et choix de composants.................................................................................. 20 2. Câblage et performances de la technologie SMI.......................................................... 32 III. Cas d’étude : Application............................................................................................. 35 1. Considérations de conception....................................................................................... 35 2. Formulation du problème d’optimisation..................................................................... 45 IV. Conclusion.................................................................................................................... 46 9 Chapitre 1. Modélisation et conception des systèmes de puissance I. Conception et pré-dimensionnement des systèmes de puissance 1. Problématique de la conception des systèmes de puissance Actuellement, la conception de systèmes de puissance ou même plus généralement de systèmes analogiques se base sur « l’art du compromis », c'est-à-dire l’accommodation d’un grand nombre de contraintes, la plupart conflictuelles. Il est ainsi communément admis que le dimensionnement d’un dispositif analogique performant n’est pas un processus purement algorithmique et qu’il requiert l’incorporation d’heuristiques, c'est-à-dire un ensemble de règles basées sur l’expertise. Pour une même fonctionnalité, il existe souvent plusieurs topologies de circuit susceptibles de répondre de manière optimale au jeu de performances demandées et de manière moins performante suivant d’autres critères non explicitement spécifiées. La nature pluridisciplinaire des systèmes de puissance fait intervenir en général plusieurs compétences dans différents domaines plus au moins pointus. C’est ce qui fait l’intérêt mais aussi la difficulté du Groupement de Recherche ISP [GDR04]. Ceci va à l’encontre de l’avancée technologique de la majorité des Systèmes et Technologies de l’Information de la Communication, qui recourt à des alimentations qui seront de plus en plus intégrées pour des raisons de volume, de fiabilité ou de coûts. Plus généralement, les systèmes micro-électroniques ont connu une expansion industrielle exceptionnelle puisque l’on peut estimer que, depuis 1963, la production double tous les ans. Un des éléments de ce succès se trouve dans la maîtrise de la conception des systèmes sur puce « Systems-OnChip » (SoC). Cette démarche, appelé plutôt « flot de conception », permet de réduire considérablement le temps de conception tout en garantissant des performances d’intégration et de fonctionnement incomparable. La figure 1.1 décrit les étapes de la conception d’un circuit intégré. 10 Chapitre 1. Modélisation et conception des systèmes de puissance Conception fonctionnelle Placement-routage Test : simulation Fig. 1.1. « Flot de conception » général de système en micro-électronique, sera considéré comme exemple à suivre dans notre démarche de dimensionnement pour les systèmes de puissance . Dans un « flot de conception » on trouve d’une manière générale trois principales étapes: La première consiste à réaliser un schéma électrique qui satisfait aux exigences, à partir d’un cahier des charges précis. On parle de « conception fonctionnelle » du circuit. L’étape suivante consiste à dessiner le circuit, le « placement-routage ». Cette opération consiste à définir l’emplacement et les dimensions des éléments. Elle se fait en dessinant les différents masques qui seront utilisés par le fabricant. La dernière étape, le « test », consiste à tester le circuit après son intégration à l’aide de simulations précises. Le rêve serait d’appliquer une telle démarche dans le cas de systèmes de puissance et de pouvoir ainsi, comme en micro-électronique, fabriquer un circuit fonctionnel du premier coup [GDR04]. 11 Chapitre 1. Modélisation et conception des systèmes de puissance 2. Le pré-dimensionnement en électronique de puissance Le pré-dimensionnement en électronique de puissance permet de dégrossir le problème de conception des convertisseurs de puissance. Il permet surtout d’assurer la fonctionnalité souhaitée ainsi que le respect des principales spécifications décrites dans le cahier des charges. Dans ce cadre nous n’avons pas besoin de modéliser les différents phénomènes (électrique, thermique, CEM, dynamique, ….) avec grande précision; par contre la rapidité et la simplicité des modèles sont importantes. Par analogie avec la micro-électronique, le pré-dimensionnement en électronique de puissance se situe dans la phase de « conception fonctionnelle ». Au cours de cette étape, les différentes spécifications de fonctionnement que doit remplir le convertisseur, sont décrites par des modèles analytiques. En électronique de puissance la phase de « placement routage » est partiellement incluse dans la « conception fonctionnelle ». Il n’est pas possible de séparer complètement les deux étapes comme c’est le cas en micro-electronique. Ceci est dû au fort couplage multi-physique qui existe en électronique de puissance. En effet, la géométrie intervient dans plusieurs phases du pré-dimensionnemet des systèmes de puissance. A titre d’exemple, elle intervient en thermique pour fixer le chemin de propagation de la chaleur et en CEM pour fixer le chemin de propagation des perturbations électromagnétiques ainsi que les boucles de courant. En micro-électronique, le « test » permet de réduire le nombre de prototypes durant la phase de conception. En électronique de puissance, cette tâche reste très délicate vu le couplage multi-physique ainsi que la complexité des modèles des composants semi-conducteurs. Pour représenter le comportement réel des composants de puissance on a souvent recourt à des simulations fines. On peut distinguer entre deux niveaux de finesse des modèles des composants de puissance, un premier niveau à l’aide de simulations de type circuit, comme SABER, SIMPLORER, SPICE, PACTE, qui reste suffisamment valable dans le cas de 12 Chapitre 1. Modélisation et conception des systèmes de puissance composants unipolaire. Dans le cas de composants bipolaires et surtout en régime de forte injection, les simulations de type circuit sont moins adaptées et on a recours à des modèles plus précis à l’aide de simulation de type éléments finis, comme ISE-DESIS, SYNOPSYSMEDICI. Ce type de simulation permet de retrouver fidèlement le comportement réel des composants de puissance. Dans [Gar05], des simulations de type éléments finis on été utilisées pour extraire les paramètres de conception de diodes bipolaires (diode PiN). Une modélisation précise du système de test (montage hacheur) au niveau du câblage, des instruments de mesure (sondes de tension et de courant) ainsi que des éléments actifs (MOSFET et Diode PiN), a permis de retrouver par simulation les commutations réelles en fort niveau d’injection. Malgré la précision qu’offre ce type de simulation, elle reste non attractive dans le cadre d’une démarche de pré-dimensionnement global de systèmes de puissance. En effet ce type de simulation et surtout celles de type éléments finis réclame la description complète de la structure des composants, les dopages des couches et dimensions géométriques, impliquant ainsi des ressources importantes en termes de temps calculs et de moyens informatiques. 3. Approche de pré-dimensionnement par optimisation 3.1. Le pré-dimensionnement suivant objectif(s) Actuellement, les convertisseurs de puissance couvrent une large gamme de domaine d’application. Ceci implique des environnements de fonctionnement différents, allant des utilisations domestiques (grand public) aux applications à exigence de fiabilité élevées (aéronautique). Suivant l’application pour laquelle est dédié le convertisseur, un objectif de prédimensionnement est souvent spécifié et optimisé. Les contraintes de fonctionnement dépendent aussi de l’application. 13 Chapitre 1. Modélisation et conception des systèmes de puissance L’objectif de pré-dimensionnement peut être unique ou multiple. Dans certaines applications, il est indispensable d’optimiser plusieurs objectifs en même temps. Par exemple en aéronautique, on cherche à minimiser la masse et l’encombrement en même temps et ceci pour des contraintes de fonctionnement et de fiabilité assez sévères. Ainsi, le pré-dimensionnement des convertisseurs de puissance peut être formulé en un problème d’optimisation contraint uni-objectif ou multi-objectif. Les méthodes d’optimisation uni-objectif sous contraintes consistent à minimiser (ou maximiser) une fonction objectif suivant des contraintes spécifiques reliant les différentes variables de la fonction. Dans le cas multi-objectif, plusieurs fonctions souvent conflictuelles, sont à optimiser simultanément. Dans ce cas on parle de vecteur de fonctions coût. La prise en compte des contraintes d’optimisation permet le respect des spécifications de fonctionnement du convertisseur. Ces contraintes sont exprimées directement à partir du cahier des charges du convertisseur à l’aide de modèles analytiques. Les différents paramètres de conception (composants, technologie, fréquence de découpage,…) sont utilisés en tant que variables d’optimisations. L’algorithme d’optimisation manipule ces variables afin de retrouver la combinaison permettant d’avoir le convertisseur optimal suivant l’objectif(s) fixé(s) tout en respectant toutes les contraintes de fonctionnement. Un exemple de transformation d’un problème de pré-dimensionnement de convertisseurs de puissance en un problème d’optimisation contraint est présenté sur le tableau suivant : Fonction(s) objectif(s) Variables d’optimisation Contraintes Surface Composants Electrique Coût en euros Technologie Thermique Rendement Fréquence de découpage CEM Masse Dynamique Tab. 1.1. Principe de description d’un problème de pré-dimensionnement d’un convertisseur de puissance en un problème d’optimisation contraint 14 Chapitre 1. Modélisation et conception des systèmes de puissance 3.2. Etat de l’art Dans certains travaux antérieurs une telle démarche a été suivie pour concevoir des convertisseurs de puissances. Dans [Bus01] et [Her01] des techniques d’optimisation uniobjectifs à base d’algorithmes génétiques ont été utilisées pour réduire le coût d’une structure boost avec PFC (Correction de Facteur de Puissance) en prenant en compte des contraintes de conception thermiques, électriques et CEM. Dans [Lar02] le volume total d’une structure Flyback en mode PFC a été optimisé à l’aide de techniques uni-objectif de type gradient sous les mêmes contraintes définies précédemment. On trouve aussi dans la littérature des applications industrielles impliquant ce type de démarche de conception de convertisseurs de puissance. Dans [Jou02], le volume d’une structure hacheur réversible, pour des applications automobiles, a été optimisé suivant des contraintes électriques, thermiques et CEM. Un outil de dimensionnement, LAMPE, a été développé afin d’automatiser cette tâche. Cet outil se base sur des techniques d’optimisation uni-objectif de type gradient. Les convertisseurs ainsi optimisés dans ces travaux sont excellents suivant un seul critère (le volume ou le coût en Euros ou le rendement, ou...) mais pas forcément très bons suivant les autres. Ceci est surtout dû aux conflits entre les différents objectifs à optimiser lors de la conception des systèmes de puissance. Dans [Reg03] une contribution démontre le fort potentiel de l’utilisation des techniques d’optimisation multi-objectifs dans le cas d’une chaîne de traction de type véhicule électrique a été présentée. La technique d’optimisation utilisée permet de fournir un ensemble de solutions efficaces parmi lesquels le concepteur devra choisir la meilleure solution à retenir. Cette intervention humaine pose un réel problème lors de l’utilisation des techniques d’optimisation multi-objectif, car elle fait que la solution dépend fortement du choix personnel du concepteur. 15 Chapitre 1. Modélisation et conception des systèmes de puissance 3.3. Particularités du pré-dimensionnement en électronique de puissance Le problème de pré-dimensionnement en électronique de puissance présente certaines particularités concernant la nature des paramètres mis en jeu. En effet, en électronique de puissance, nous avons un mélange de variables continues (comme par exemple la fréquence de découpage) et discrètes (comme par exemple les composants discrets). De même, pour les fonctions objectifs, nous avons des coûts continus tel que le rendement et des coûts discrets comme la masse des composants. La plupart des méthodes d’optimisation nécessitent des expressions analytiques des fonctions coût à optimiser. Ainsi à notre connaissance, dans tous les travaux antérieurs, des techniques d’interpolation sont utilisés pour déterminer des expressions analytiques pour les fonctions coûts à partir des coûts réels discrets. Ceci ne permet pas une mise à jour simple de la liste de composants car elle oblige le concepteur à recalculer les fonctions coût à chaque fois qu’il veut rajouter un nouveau composant. Nous avons fait le choix de prendre en compte les valeurs discrètes pour les coûts ainsi que toutes les caractéristiques (valeurs, dimensions géométrique,…) des composants utilisés, fournis directement auprès des fournisseurs et fabricants. Tous ces paramètres sont stockés dans une base de données qui alimentera l’outil d’optimisation en coûts et en variables d’optimisation. Nous avons utilisé une technique qui permet de mélanger ces paramètres avec ceux qui sont de nature continue. Ce choix permet d’une part la mise à jour en composants et d’autre part d’éviter les erreurs d’interpolation que nous présenterons dans le chapitre 3. 3.4. Choix de la méthode d’optimisation Le choix de la méthode adéquate pour l’optimisation des convertisseurs de puissance doit tenir compte des particularités du pré-dimensionnement en électronique de puissance. Ces particularités sont surtout la nature mixte (discret/continue) des paramètres d’optimisation 16 Chapitre 1. Modélisation et conception des systèmes de puissance ainsi que des coûts, présentés dans le paragraphe précédent, auquel est rajouté la nécessité de prise en compte de contraintes d’optimisation. Certaines méthodes ne permettent pas cette dernière fonctionnalité. Ce choix est d’autant plus difficile vu que la solution du problème dépend fortement de l’algorithme qu’utilise la méthode. Ceci fait que certaines méthodes sont plus robustes que d’autres et ont moins de mal pour retrouver l’optimum absolu (global) de la fonction à optimiser. Nous rencontrons dans la littérature deux classes d’algorithmes d’optimisation qui se distinguent par la manière de chercher la solution : les algorithmes déterministes et les algorithmes stochastiques [Cul94]. Les premiers dirigent la recherche de la solution en se basant sur des propriétés mathématiques ce qui les rend rapide. Dans cette famille on distingue les méthodes indirectes, qui nécessitent le calcul des dérivées premières voire des dérivées secondes, et les méthodes directes ne nécessitant aucun calcul de dérivée. Cependant toutes les méthodes directes présentent l’inconvénient de pouvoir être piégées par un minimum local. Pour essayer de remédier à ce problème, une solution consiste à tester plusieurs valeurs initiales des paramètres d’entrée, sans aucune garantie. Les secondes parcourent l’espace des solutions d’une manière aléatoire, ce qui rend la convergence lente, notamment pour les modèles numériques. De plus, la précision de convergence est inconnue, mais ils ont l’avantage de ne pas être piégé par un optimum local et ne requièrent pas la connaissance de propriétés mathématiques. Ils sont aussi bien adaptés pour prendre en compte des variables ainsi que des fonction coûts discretes. Le tableau 1.2 présente les propriétés de quelques méthodes d’optimisation [Mor03]. Ainsi, les méthodes stochastiques sont mieux adaptées que les méthodes déterministes pour résoudre des problèmes d’optimisation en électronique de puissance. Elles permettent de 17 Chapitre 1. Modélisation et conception des systèmes de puissance répondre à toutes les particularités des problèmes de pré-dimensionnement en électronique de puissance. Parmi ces méthodes, on trouve les algorithmes génétiques qui seront détaillés au chapitre 3. Nous avons utilisé ces techniques pour résoudre le problème de pré-dimensionnement. Nous avons aussi traité le cas multi-objectif en proposant une nouvelle démarche qui permet de retenir la meilleure solution parmi l’ensemble des solutions fournies par la résolution du problème multi-objectif. Tous les détails sur l’utilisation des techniques d’optimisation, uniobjectif et multi-objectifs, ainsi que la méthode que l’on propose sont fournis dans le chapitre3. Type Catégorie nom Prise en Calcul des Calcul des Recherche compte des dérivées contraintes premières dérivées du secondes minimum global Méthode de Oui Relaxation Descente Méthode du Oui gradient Méthode de Oui gradient déterministe conjugué Méthode de Oui Oui Newton pénalisation Oui Oui Primale-duale Oui Oui Programmati on linéaire stochastique Oui simplexe Recuit simulé Oui Oui génétique Oui Oui Tab. 1.2. Classification des principales méthodes d’optimisation 18 Chapitre 1. Modélisation et conception des systèmes de puissance 4. Démarche de pré-dimensionnement retenue et exemple traité 4.1. Démarche de pré-dimensionnement Nous proposons une démarche de pré-dimensionnement générale, pouvant s’appliquer à n’importe quel structure de puissance. Cette démarche permet d’optimiser plusieurs performances en même temps à l’aide de techniques d’optimisation multi-objectifs robustes (à base d’algorithmes génétiques) et fournit en sortie une unique solution au problème, la plus proche de l’objectif idéal (l’objectif idéal est formé par l’ensemble des objectifs optimisés indépendamment des autres). Des contraintes de conception, permettant de garantir un fonctionnement respectueux de l’environnement réel, sont prises en compte à l’aide de modèles analytiques que nous avons développés. Ces contraintes sont surtout de type électriques, thermiques et CEM. Cette démarche prend en compte l’aspect discret et continu des paramètres d’optimisation (variables et coûts) à l’aide d’une base de données de composants. Cette base de données est déterminée directement à partir des données fournies par les fabricants, permettant ainsi une mise à jours de la liste de composants simple et rapide. 4.2. Exemple traité : hacheur série Nous avons traité le cas d’un hacheur série 42 V/14 V en technologie SMI (Substrat Métallique Isolé) typique pour des applications automobiles. La démarche retenue a été appliquée pour optimiser la surface, le coût en euro ainsi que le rendement en même temps, suivant des contraintes électriques, thermiques et CEM. Le choix de cette structure est fait pour démontrer d’une part la faisabilité de notre démarche et d’autre part, l’apport des techniques d’optimisation surtout multi-objectifs dans le cas de la conception de convertisseurs de puissance, pour des applications réelles. Nous développerons dans la suite, 19 Chapitre 1. Modélisation et conception des systèmes de puissance plus de détails sur le cahier des charges ainsi que les différentes considérations de conception et modèles utilisés lors de notre étude. II. Modélisation en électronique de puissance La conversion d’énergie en électronique de puissance nécessite au minimum deux phases complémentaires, le découpage et le stockage d’énergie. Ces deux tâches sont rendues possible à l’aide de composants spécifiques de l’électronique de puissance (composants de puissance actifs et passifs). Le découpage est assuré par des interrupteurs de puissance à base de semi-conducteurs. On trouve des interrupteurs à commutation commandée (MOSFET, IGBT,…) nécessitant une commande et d’autres à commutation naturelle (diodes PiN, Schottky,…) Le stockage d’énergie s’effectue dans des composants passifs, dits de stockage d’énergie, les condensateurs et les inductances. 1. Modèles et choix de composants 1.1. Interrupteurs de puissance : les semi-conducteurs 1.1.1. Choix des composants Actuellement, il existe un grand nombre de composants à base de semi-conducteur assurant la fonction d’interrupteur. Tous ces composants fonctionnement en commutation entre deux états, ouvert (ou bloqué) et fermé (ou passant). La fermeture (ou mise en conduction) désigne le basculement de l’état bloqué à l’état passant, et l’ouverture (ou blocage), le basculement inverse. Il est possible de distinguer deux familles de composants à base de semi-conducteurs, suivant les phénomènes physiques présents lors du fonctionnement. On parle de composants bipolaire et unipolaire [Let1]: 20 Chapitre 1. Modélisation et conception des systèmes de puissance • Composants bipolaires, comme la diode PIN et le transistor bipolaire : ils mettent en jeu l’effet de modulation de conductivité qui permet de réduire autant que possible la chute de tension à l’état passant. Par contre, ceci dégrade les performances dynamiques à l’ouverture et la fermeture. Le principe est l’injection, dans la base, de porteurs (électrons/trous), qui réduisent la résistivité dès que leur concentration devient notablement supérieure à celle des porteurs normalement présents (phénomène de forte injection). • Composants unipolaire, exemple la diode Schottky, transistor MOS : au contraire des précédents, ne mettent en jeu qu’un seul type de porteurs, les majoritaires de la région de base. Ainsi, la résistivité intrinsèque de la région de base n’est pas modulée et intervient pleinement dans la chute de tension. Il en résulte que l’emploi de ce type de composants est plutôt réservé aux applications de basse tension (jusqu’à quelques centaines de volts). Ce sont des composants plus rapides que les bipolaires. Le choix de composants est souvent délicat, car la réduction de la chute de tension à l’état passant s’accompagne par une dégradation des performances dynamiques et nécessite ainsi l’utilisation de modèles physiques complets et précis. Dans le cas du pré-dimensionnement d’un hacheur basse tension (42 /14V), il est préférable d’utiliser des composant unipolaires. Ce choix permet de réduire les pertes dans les composants tout en évitant la nécessité de modèles physiques précis. Nous avons utilisé des transistors MOSFET et des diodes Schottky en Silicium. De nouveau matériaux existent et permettent de pousser la limite en température des semi-conducteurs, notamment le Carbure de Silicium (SiC) qui constitue une thématique assez développée au CEGELY. Les composants à base de SiC peuvent monter à des températures de 300 °C par rapport à 175 °C pour ceux à base de Si. 21 Chapitre 1. Modélisation et conception des systèmes de puissance Ces valeurs de températures maximales sont des limites conseillées par les fabricants afin de limiter le courant de fuite en régime bloqué. La majorité des composants de puissance sont capables d’assurer leurs fonctions d’interrupteur jusqu'à des températures de jonction plus grande que ces limites. 1.1.2. Modèles de composants à semi-conducteurs Pour représenter le comportement des composants à base de semi-conducteurs, différents modèles avec plusieurs niveaux de précisions existent dans la littérature. Suivant les phénomènes que l’on cherche à modéliser dans le système (CEM, pertes, dynamique, stabilité, …), on choisit le niveau adéquat pour le modèle. Nous avons représenté sur le tableau 1.3, une classification des différents niveaux de modèles de composants semiconducteurs (bipolaire et unipolaire). Cette classification montre le niveau du modèle en fonction des phénomènes pris en compte par le composant, de sa validité pour le calcul des pertes ainsi que son degré de précision sur le spectre des perturbations électromagnétiques conduit dans le système. 22 Chapitre 1. Modélisation et conception des systèmes de puissance Modèle Idéal Statique Dynamique Bipolaire (niveau) thermique Phénomènes 2 états considérés Pertes Electro- Non Résistance Effet Prise en compte Auto- et capacitif, de la forte échauffement modulation parasites injection conduction • conduction • conduction • Conduction • commutation • commutation • Commutation pour les pour les composants composants unipolaires bipolaires • Aire de sécurité Conséquence Précis Précis Précis au delà Précis au delà Précis au delà sur le spectre jusqu'à jusqu'à de 20 Mhz de 20 Mhz de 20 Mhz conduit 20 Mhz 20 Mhz pour les pour les pour tous les composants composants composants unipolaires bipolaires Tab. 1.3 Les différents niveaux de modèles des composants semi-conducteurs On peut distinguer cinq niveaux, allant du plus simple (Idéal) au plus fin (Electro-thermique) : • Le modèle Idéal, Switch (Sw), est basé sur des commutations idéales. Il représente grossièrement le comportement des interrupteurs de puissances. Suivant la commande, le composant se comporte comme un circuit ouvert ou bien comme un circuit fermé (court circuit). D’un point de vue énergétique, ce modèle peut être remplacé par une source de courant nulle lorsqu’il est ouvert et par une source de tension nulle lorsqu’il est fermé. Aucune caractéristique n’est déterminée à l’aide de ce modèle. Son schéma équivalent est représenté sur la figure suivante : 23 Chapitre 1. Modélisation et conception des systèmes de puissance Fig. 1.2. Modèle équivalent d’un interrupteur idéal Sw C’est le modèle le plus simple qui est à la base de l’analyse des convertisseurs statiques (Henri Foch). Malgré sa simplicité, ce modèle a été largement utilisé dans la modélisation moyennée des convertisseurs de puissance, les modèles moyens. Ces derniers sont des modèles simples et rapides à simuler et permettent bien de décrire la fonction conversion d’énergie. Ils représentent le convertisseur par un gain (variable ou fixe). De nombreux travaux ont permis de développer et d’appliquer de tels modèles [Lau98], [All00]. Dans [Amm02], une démarche de construction systématique de modèles moyens a été proposée et appliquée pour différentes structures de puissance. Ce modèle a été aussi utilisé pour prédire les perturbations électromagnétiques conduites [Sch93], [Teu97]. La précisons obtenue à l’aide de ce modèle est assez bonne jusqu'à des fréquences suffisamment haute du spectre, 20 Mhz [Rev03] (la norme CEM conduite va jusqu'à 30 Mhz pour les application automobiles). Le grand obstacle dans l’utilisation de ce modèle est le calcul des pertes, car par nature ce modèle n’a pas de pertes. • Le modèle statique permet de prendre en compte la chute de tension à l’état passant et les courants de fuites. Il peut être basé sur l’élément Sw avec une résistance série ron, un seuil Von, voire une résistance en parallèle rf pour représenter les courants de fuites, 24 Chapitre 1. Modélisation et conception des systèmes de puissance Fig. 1.3. Ce niveau de modèle correspond aussi au modèle analytique de la jonction PN ou du canal d’un MOSFET. Ce modèle permet le calcul des pertes en conduction, par contre il ne prend pas en compte les pertes en commutation. La figure 1.4, montre la caractéristique statique en direct d’une diode Schottky. Fig. 1.3. Modèle statique, rf est la résistance qui permet de prendre en compte les courants de fuites. I ron Von V Fig. 1.4. Caractéristique statique en direct d’une diode, Von es la chute de tension à l’état passant. • Le modèle dynamique ajoute par rapport au modèle statique les capacités intrinsèques (Cj) au composant et les éléments inductifs extérieurs (Le), voir Fig. 1.5.a. Fig. 1.5.a. Modèle dynamique 25 Chapitre 1. Modélisation et conception des systèmes de puissance Ce modèle offre une bonne précision dans le calcul des pertes, en commutation et par conduction, dans les composants unipolaire. La figure 1.5.b. présente un modèle dynamique de MOSFET utilisé dans [But04] pour les simulations exactes des pertes globales. Fig. 1.5.b. Modèle dynamique classique d’un MOSFET. [But04] a montré la bonne qualité du calcul des pertes en conduction et en commutation. Un modèle dynamique de MOSFET similaire, Fig. 2.9 a été utilisé dans [Pop99] pour prédire les perturbations électromagnétiques conduite dans les convertisseurs de puissance. Ce modèle a permis de calculer le spectre conduit pour des fréquences au delà de 20 MHz. • Le modèle Bipolaire prend en compte les phénomènes de forte injection dans la base des dispositifs bipolaire. Ce type de modèle est basé sur la résolution des équations des semi-conducteurs, qui sont fortement non linéaires. Cette dernière est assez lourde et fait appel à des méthodes numérique délicates, comme les éléments finis (FEM). Ces derniers nécessitent la description complète de la structure interne des dispositifs. La structure des bipolaires est généralement complexe, la figure 1.6 montre l’exemple de la structure interne d’un transistor bipolaire [let2]. Les équations des semiconducteurs sont ensuite calculées pour chaque point du maillage. La précision des résultats, ainsi que la convergence des méthodes numérique dépendent étroitement da 26 Chapitre 1. Modélisation et conception des systèmes de puissance la finesse du maillage. Ceci fait que cette méthode est lente et nécessite beaucoup de ressources informatiques. Fig. 1.6. Structure interne d’un transistor bipolaire [Let2] Il existe certains travaux dans la littérature, [Mor94/2] [Stro94] [Let98] qui ont approximés ces équations. Par exemple [Mor94/2] utilise la méthode d’approximation variationelle sans avoir recours au maillage (Mesh-less). Les méthodes numériques utilisées sont lourdes à mettre en œuvre et nécessitent une technicité particulière. Le modèle ‘bipolaire’ permet de prédire les formes d’onde des courants et des tensions lors des commutations, offrant ainsi une grande précision pour le calcul des pertes par conduction et en commutation dans les composants bipolaires. Malgré la précision qu’offre ce modèle, il n’est pas utile dans le cadre du prédimensionnement des convertisseurs de puissance basse tension. • Le modèle électrothermique prend en compte la dérive des caractéristiques en fonction de l’auto-echauffement dans les composants. L’auto-echauffement est dû aux pertes dans les semi-conducteurs. Le principe de ce modèle est de considérer la température comme variable dans les équations semi-conducteur, au même titre que les courants ou les tensions. Il se base sur la discrétisation de l’équation de la chaleur faisant ainsi intervenir des méthodes numériques, différences finis et éléments finis. Dans 27 Chapitre 1. Modélisation et conception des systèmes de puissance [Amm99] est montré que les méthodes de type élément fini sont beaucoup plus efficaces que les différences finies dans le cas d’une impulsion de courte durée. Elles nécessitent beaucoup moins de nœuds de calcul pour une précision comparable. Un schéma thermique équivalent est déterminé suite à la discrétisation et implanté ensuite dans un logiciel de simulation électrique type circuit, exemple (Saber, Pspice, Simplorer, Pacte, …) pour assurer le couplage électro-thermique. La figure 1.7 ; montre le schéma équivalent du modèle thermique obtenu par différences finies. Fig. 1.7. Modèle thermique équivalent obtenu par discrétisation du système à l’aide de la méthode des différences finies. Ces méthodes n’aboutissent pas à des modèles analytiques et font intervenir des méthodes numériques assez délicates. Elles ne sont pas adaptées pour le prédimensionnement des convertisseurs de puissance. La modélisation électrothermique permet la détermination des « aires de sécurité » du composant, c'est-à-dire des domaines tension-courant à l’intérieur desquels le point de fonctionnement doit demeurer [Let0]. Cette notion est introduite pour des raisons de fiabilité, car une possibilité de destruction de composants est une augmentation très élevé de la densité de courant ou une très forte dissipation locale de puissance [Let0]. Après cette brève description des différents niveaux des modèles d’interrupteurs de puissance, il en découle que les modèles Idéal ou statique sont bien adaptés au pré-dimensionnement des convertisseurs de puissance. Ils présentent le meilleur compromis rapidité-précision. Ce type 28 Chapitre 1. Modélisation et conception des systèmes de puissance de modèles permet de représenter la fonctionnalité du système ainsi que de prédire les perturbations électromagnétiques conduites jusqu’au des fréquences assez hautes (20 Mhz). Néanmoins, il n’est pas valable pour le calcul des pertes en commutation et un modèle dynamique est nécessaire. Dans ce travail, nous avons utilisé un modèle d’interrupteur idéal pour représenter les phénomènes électromagnétiques ainsi que la modélisation fonctionnelle du système. Les pertes on été modélisées à l’aide d’un modèle dynamique simplifié. 1.3. Composants passifs 1.3.1. Choix et dimensionnement De nombreuses technologies de condensateurs existent sur le marché et sont destinées chacune à des applications particulières. Pour des applications en électronique de puissance, trois grandes familles sont utilisées : les condensateurs électrolytiques, utilisés généralement pour le filtrage d’une tension continue, leur principale caractéristique est une grande valeur de capacité. La deuxième famille est formée par les condensateurs céramiques, utilisés surtout en haute fréquence pour l’accord ou le découplage en haute tension, ainsi que le filtrage de sortie des alimentations à découpage. La dernière famille, est générale formée par les condensateurs à films plastiques. Le choix de la technologie dépend fortement de la fonction que doit remplir le condensateur mais aussi d’autres paramètres exprimés généralement d’une manière implicite dans le cahier des charges ou lors du dimensionnement de la structure de puissance, tel que la capacité souhaitée, la tension supportée, la valeur efficace du courant traversant et la température. La Fig. 1.8, montre les différentes technologies de condensateurs pour des applications en tension continue, et leurs domaines d’utilisation en fonction de la tension, de la capacité et du courant [Mou0]. 29 Chapitre 1. Modélisation et conception des systèmes de puissance Fig. 1.8. Technologies des condensateurs en tension continue [Mou0]. Nous avons fait le choix d’utiliser des condensateurs électrolytiques pour le filtrage de la tension d’entrée et des condensateurs céramiques pour le filtre de sortie. Le dimensionnement des inductances nécessite plus de précautions, car celui-ci fait intervenir des aspects multi-physiques tels les phénomènes magnétiques qui permettent de prendre en compte la saturation. Le choix du matériaux magnétique, des dimensions du circuit ainsi que de la perméabilité relative et du nombre des spires permet d’obtenir la valeur L désirée en évitant la saturation et en limitant les pertes dans l’inductance à des valeurs acceptables. Face à la complexité de cette tâche, de nombreux travaux dans la littérature proposent des méthodes de dimensionnement pour les éléments magnétiques, tel que la méthode dite du produit des aires présentée dans [Fer99]. 30 Chapitre 1. Modélisation et conception des systèmes de puissance Contrairement à certains travaux de conception de convertisseur de puissance [Bus01], [Her01] et [Lar02] et [Jou02], qui dimensionnent leurs propres inductances, nous avons fait le choix d’utiliser des composants standard commercialisés. Ceci nous permet d'utiliser directement les caractéristiques fournies par les constructeurs, tels que les modèles des pertes, la masse ainsi que les dimensions. D’ailleurs ce choix ne se limite pas aux composants magnétiques mais il est valable aussi pour tous les composants que nous avons utilisés. 1.3.2. Modèles de composants passifs : « Modèles constructeurs » Comme tous les composants, les éléments passifs ne sont pas parfaits et possèdent des éléments parasites. Suivant les phénomènes qu’on cherche à décrire, on choisi les éléments parasites à prendre en compte dans la description du modèle équivalent. Dans le cadre du prédimensionnent de structure de puissance, les modèles dit «modèles constructeurs » sont suffisants pour décrire les principaux phénomènes lors de la conception (phénomènes électriques, thermiques et CEM). En plus de leurs simplicités, se sont des modèles fournis par les fabricants, permettant ainsi de gagner du temps en terme de dimensionnement et caractérisation de composants. Le condensateur est représenté par un simple modèle R-L-C série, qui donne entière satisfaction sur toute la plage de fréquence considérée. Dans notre travail nous avons identifié le modèle R-L-C série pour plusieurs condensateurs de filtrage à l’aide du pont d’impédance HP4194A. Les paramètres des modèles (R, L, et C) ont été utilisés dans la base des données des composants pour identifier les différents condensateurs. La figure 1.9 montre l’exemple d’un condensateur de capacité 407 µF. 31 Chapitre 1. Modélisation et conception des systèmes de puissance Fig 1.9. Comportement fréquentiel d’un condensateur électrolytique. Le modèle série R-L-C donne une bonne précision sur toute la gamme de fréquence. La mesure est faite à l’aide du pont d’impédance HP4194A L’inductance bobinée est représentée par une inductance idéale en série avec une résistance de perte par effet joule RDC. Les pertes totales dans l’inductance sont constituées à la fois de par les pertes par effet joule dans RDC et des composantes qui dépendent de la fréquence et de la variation du flux, tel que les pertes dans le noyau (pertes par hystérésis, pertes par courant de Foucault) [Zen04]. Les « modèles constructeurs » ont été largement utilisés dans la littérature pour la conception des convertisseurs de puissance. [Sch99] utilise de tels modèles et montre leur efficacité pour prédire les performances CEM sur différents montages (Flyback, Forward). 2. Câblage et performances de la technologie SMI 2.1. Le câblage en électronique de puissance D’une manière générale, le câblage (ou connectique) désigne le réseau d’interconnections entre les différents composants d’un dispositif électrique. Il désigne également les liaisons 32 Chapitre 1. Modélisation et conception des systèmes de puissance entre ce dispositif et le monde extérieur (câbles d’alimentation, câbles de liaison à la charge, fils de commande…). Dans le domaine des convertisseurs de puissance, le câblage suscite un intérêt tout particulier. Du fait des brusques variations de courant et de tension auxquelles sont soumises ces liaisons, elles ne peuvent plus être considérées comme de simples équipotentielles. Leurs comportements s’apparente plutôt à un assemblage de type R, L, C. De nombreux travaux ont montré l’influence du câblage sur les performances des convertisseurs, des exemples sont présentés dans [Rou99]. Des outils spécifiques pour le calcul des éléments parasites dus à la connectique sont disponibles. Parmi eux, le logiciel INCA (Inductor Calculation) développé au Laboratoire d’Electrotechnique de Grenoble. Cet outil permet d’obtenir un schéma électrique équivalent (inductances et résistances) à partir de la saisie de la géométrie des interconnections. Grâce à la méthode analytico-numérique, PEEC (Partial Element Equivalent Circuit) [Rue96] et [Cla96], sur laquelle est basé cet outil, il offre une bonne précision même dans le cas de structure 3D d’interconnexions et permet de générer automatiquement des composants "connectiques" vers des simulateurs de circuit type SPICE ou SABER. A notre connaissance il n’existe pas encore d’outil général permettant de calculer les capacités parasites dans le cas de l’électronique de puissance. Il faut noter aussi que la connectique dépend fortement de la technologie utilisée, (PCB, SMI ou DBC). Nous présentons dans le paragraphe qui suit les propriétés spécifiques de la technologie SMI que nous avons adoptée. 2.2. Le câblage en technologie SMI En basse tension lorsque l’énergie à dissiper devient importante, on a souvent recours à la technologie SMI, qui en plus de ces bonnes performances thermiques, présente certaines particularités au niveau du câblage. Le SMI est un empilement de trois couches de natures différentes, Fig. 1.10. La chaleur s’évacue à travers le substrat vers un radiateur. La couche 33 Chapitre 1. Modélisation et conception des systèmes de puissance de cuivre pour la réalisation des pistes est isolée de la base métallique par un diélectrique mince avec une faible résistance thermique. La base est généralement en aluminium permettant une bonne tenue mécanique ainsi qu’une faible résistance thermique. Les composants sont montés en surface sur la couche de cuivre. Fig. 1.10. Structure de la technologie SMI. D’un point de vue câblage, cette structure a l’avantage de réduire les inductances parasites (du fait de l’effet d’image apporté par le substrat métallique), par contre les capacité entre pistes et le substrat d’aluminium sont beaucoup plus importantes qu’avec du circuit imprimé 1.6 mm d’épaisseur [Sch94]. Cet aspect capacitif est bénéfique pour réduire les surtensions à l’ouverture des composants semi-conducteurs, par contre il offre en même temps un chemin aux perturbations conduites de mode commun. Dans [Bog88], plusieurs modèles analytiques sont proposés pour calculer la capacité entre une piste et un plan de masse, en tenant compte des effets de bord et de l’épaisseur de la piste. Ces formulations sont à l’origine destinées aux lignes micro-ruban. Ainsi, elles ne s’appliquent qu’au cas des pistes rectangulaires, de longueurs pouvant être considérées infinies. Cependant, dans le cas de l’électronique de puissance, les pistes sont en général larges et courtes et ces formulations ne peuvent être utilisées en l’état. Des adaptations de ces modèles dans le cadre de l’électronique de puissance sont proposées dans [Sch94]. Ces corrections prennent en compte les effets de bord aux extrémités des pistes et permettent de calculer la capacité formée par une plaque de forme plus complexe au dessus d’un plan de 34 Chapitre 1. Modélisation et conception des systèmes de puissance masse. Une formulation empirique plus simple est proposée dans [But04], une série de motifs de test a été réalisée sur un SMI. Les capacités parasites de ces différents motifs ont été mesurées au pont d’impédance HP4194A. La mesure a montrée que la capacité surfacique est presque constante et de l’ordre de 70 pf/cm². Dans cette étude les effets de bord ont été négligés vu que les pistes sont de formes proche du carré, avec des surfaces de plusieurs cm² et une épaisseur de diélectrique inférieure à 100 µm. Ceci reste tout à fait légitime dans notre cas d’étude. Cette formule servira surtout dans l’étude des perturbations électromagnétiques (CEM) dans le chapitre 2. III. Cas d’étude : Application 1. Considérations de conception 1.1. Conception fonctionnelle et cahier des charges 1.1.1. Conception fonctionnelle La structure utilisée pour réaliser la fonction abaisseur de tension continue 42V / 14V est représentée sur la Fig1.11. Il existe deux modes de conduction [Fer99]: le Mode de Conduction Discontinu (MCD), quand le courant dans l’inductance s’annule et le Mode de Conduction Continu (MCC), quand le courant inductif est toujours positif. Fig. 1.11. Hacheur abaisseur de tension 35 Chapitre 1. Modélisation et conception des systèmes de puissance Le principe de fonctionnement de cette structure est assez simple. Suivant la commande, l’interrupteur K, se trouve dans deux états possibles (le régime permanent est supposé établi). Entre 0 et αT (T est la période de découpage et αT le temps de conduction), l’interrupteur K est fermé et il y a transition de l’énergie depuis l’alimentation vers la charge, pendant cette phase l’énergie est stockée dans l’inductance L. Entre αT et T, la charge est débranchée de l’alimentation et il y a décharge de L dans la charge R. Les formes d’ondes simplifiées obtenues en conduction continue sont représentées sur la Fig1.12. Fig. 1.12. Formes d’ondes en conduction continue. Obtenues en régime établi à l’aide de modèle d’interrupteur idéal 36 Chapitre 1. Modélisation et conception des systèmes de puissance La notion de modèle moyen permet d’écrire une expression reliant, en régime établi, la tension moyenne de sortie à la tension moyenne d’entrée, comme suit [Amm02] : Vs= α Ve (equ.1.1) 1.1.2. Cahier des charges A travers le cahier des charges, sont fixées les différentes contraintes que doit respecter les convertisseurs de puissance afin de garantir un fonctionnement normal dans un environnement spécifique. La description d’un cahier des charges peut aller du plus simple, en considérant le minimum de phénomènes à prendre en compte, jusqu’au plus détaillé en fixant le fonctionnement du convertisseur avec des contraintes sévères et de nature différente. Lors de la description de notre cahier des charges, nous avons pris en compte les contraintes les plus importantes qu’un convertisseur doit remplir pendant son fonctionnement dans un environnement réel. Ce sont des contraintes de type électrique, thermique et CEM. Ce choix a été inspiré d’un exemple réel de pré-dimensionnement d’une structure similaire pour des applications automobiles, traité dans [Jou02]. Le cahier des charges retenu est présenté sur le tableau suivant : Electrique Thermique Ve= 42 V Tambmax = 50°C Vs= 14 V Is= 8A Tj max CEM EN55022 : Classe A = 175°C Classe B ∆(Vs)max = 400 mV MCC Tab. 1.4 Cahier des charges retenu. 37 Chapitre 1. Modélisation et conception des systèmes de puissance Avec : Ve : Tension d’entrée (continue) Vs : Tension de sortie (continue) Is : Courant de sortie moyen ∆(Vs)max: Ondulation maximale sur la tension de sortie MCC : Mode de Conduction Continu Tambmax: Température ambiante maximale Tjmax : Température de jonction maximale EN 55022 : Normes générique pour domaines résidentiels, commerciaux et l’industrie légère, voir paragraphe 1.3 Pour chaque contrainte de pré-dimensionnement, soit chaque phénomène pris en compte, des modèles analytiques sont nécessaires pour le décrire. Ces modèles sont développés dans la suite de ce chapitre. 1.2. Spécifications électriques Comme montrées dans le cahier des charge retenu, Tab.1.4, les spécifications électriques permettent de fixer un taux d’ondulation maximal pour la tension de sortie ainsi qu’un fonctionnement en mode de conduction continu. Nous rappelons juste que cette étude peut aussi s’appliquer au MCD en adaptant les modèles de calcul. L’ondulation du courant inductif, ∆I, fixe le mode de conduction continu si ∆I < 2*Is. Dans [Fer99], l’ondulation du courant inductif (∆I) et l’ondulation de la tension de sortie (Vs) sont déterminées à partir des formes d’ondes, il est démontré que : ∆Vs = ∆I = α (1 - α) Ve 8LCf ² α (1 - α ) Ve Lf Avec : α = (equ.1.2) (equ1.3) Ve rapport cyclique, f : fréquence de découpage. Vs 38 Chapitre 1. Modélisation et conception des systèmes de puissance Ces équations ont été utilisées dans le choix des composants. La liste des condensateurs et des MOSFET est établie en fonction de la tension de service. Tension maximale du MOSFET : Vdsmax = Ve, Tension maximale aux bornes du condensateur : Vcmax=Vs + (1/2)*∆Vs. La base de données des inductances est choisie en fonction de la valeur (Henry) et du courant de saturation. Un facteur de sécurité (x2) a été utilisé pour les différents calibres de tension/courant pour le choix des composants. 1.3. Spécification électromagnétique : CEM La CEM est devenue un critère incontournable dans la conception des convertisseurs. Les normes imposées sont garantes de l’aptitude d’un système à fonctionner dans son environnement de façon satisfaisante et sans produire de perturbations électromagnétiques intolérables pour les appareils du voisinage. Deux types de perturbations peuvent être distingués suivant leurs modes de propagations. Les perturbations conduites qui se propagent par conduction électrique (plan de masse, câblages,…) et les perturbations rayonnées qui se propagent par un champ électromagnétique. Ces perturbations sont quantifiées par le niveau des harmoniques des grandeurs électriques. La norme impose à certaines grandeurs électriques d’avoir un niveau d’harmonique inférieur à une limite généralement exprimée en dBµV (equ.1.4.). Ces limites dépendent du domaine d’application de l’appareil, la Fig 1.13 montre les limites imposées par la norme européenne EN 55022 qui spécifie les niveaux hautes fréquences des émissions conduites et rayonnées applicables dans les domaines résidentiels, commerciaux et l’industrie légère. L’équivalent international est la norme CIPSR16 [Nor87]. 39 Chapitre 1. Modélisation et conception des systèmes de puissance dBµV( x ) = 20 log10 ( x 10 _ 6 ) (equ.1.4) Fig. 1.13.Niveaux des perturbations conduites et rayonnées fixés par la norme EN55022. Classe A : appareil destiné au secteur industriel Classe B : appareil destiné au secteur hospitalier et domestique Dans la pratique, la CEM intervient souvent dans les dernières phases du développement, bien que le bon sens demande d’intégrer la CEM dés le début de la conception. Il a été déjà montré que plus l’on tarde à intégrer la CEM dans le flot de conception, plus le coût global est élevé. Afin de prendre en compte la CEM dans le dimensionnement de la structure et de l’intégrer dans la boucle l’optimisation, il est important de pouvoir estimer le spectre (niveaux des harmoniques) à l’aide de modèles analytiques. Ceci permettra de valider ou non la conformité du dispositif par rapport aux normes, avant sa réalisation et ainsi économiser les coûts élevés engendrés par une modification en phase de prototypage. Certains travaux antérieurs ont déjà proposés des modèles analytiques pour prédire le spectre CEM conduit, [Sch93], [Pop99]. Face à certaines limitations et difficultés de mise en œuvre de ces méthodes, nous avons proposé une nouvelle méthode. Cette méthode utilise des interrupteurs idéaux, et se base sur l’analyse de causalité des graphes de liens. Elle permet de 40 Chapitre 1. Modélisation et conception des systèmes de puissance développer de manière systématique des modèles analytiques pour prédire les perturbations électromagnétiques conduites Vu qu’une grande contribution de notre travail concerne la modélisation CEM, nous avons consacré le chapitre 2 pour décrire notre méthode. 1.4. Spécifications thermiques Les contraintes thermiques visent surtout à s’assurer que la température de jonction des semiconducteurs reste en dessous d’une limite maximale qui garantie la fiabilité des composants. Suivant le milieu de fonctionnement du convertisseur, la température ambiante est fixée. Pour certaines applications et lorsqu’on part d’un milieu « chaud », on ne dispose pas d’une marge suffisante entre l’ambiante et la limite sur la jonction pour réaliser le refroidissement naturel des semi-conducteurs, par exemple la température ambiante pour des applications automobile est de 95 °C [Jou02]. Le calcul de la température de jonction ainsi que le dimensionnement du radiateur, si nécessaire, nécessite le calcul des pertes dans le système. Un modèle thermique est ainsi déterminé en prenant en compte les pertes dans le montage ainsi que les différents chemins de propagation de la chaleur. Ce modèle permet de relier la température de jonction aux pertes dans le système. 1.4.1. Modèles des Pertes Les pertes prises en compte dans ce travail sont : les pertes dans le MOSFET, les pertes dans les inductances ainsi que les pertes dans la diode Schottky. Les modèles des pertes sont tous pris à partir des données du constructeur : • Les pertes dans la diode Schottky (Pd) sont surtout les pertes par conduction, vu son faible recouvrement. Ces pertes sont approximées par le modèle suivant : Pd = Vd I (1 - α ) (equ. 1.5) 41 Chapitre 1. Modélisation et conception des systèmes de puissance • Les pertes dans les inductances sont formées par les pertes par effet joule et celle dans le noyau. Le modèle utilisé est le suivant [Pul06] : PIND = I² RMS R DC + K1 f 0.55 (K 2 ∆I) 2.23 , (equ.1.6) PIND=P par effet joule + P dans le noyau IRMS valeur RMS du courant de sortie RDC résistance DC de l’inductance K1, K2 facteurs de pertes dans le noyau ∆I ondulation du courant inductif RDSON résistance du MOSFET en conduction tR temps de descente du courant, supposé constant Vd chute de tension directe de la diode α rapport cyclique • Les pertes dans le MOSFET sont formées par les pertes en conduction et les pertes en commutation. Pour prendre en compte les pertes en commutation, il est nécessaire d’utiliser un modèle dynamique pour le MOSFET. Le modèle des pertes utilisé est [IRF1] : PMOS = α R DSON I² + 1 Vin I out t R f , 2 (equ. 1.7) PMOS= P Conduction + P commutation Ce modèle est basé sur des commutations simplifiées, Fig.1.14, il donne une approximation grossière des pertes en commutation et une bonne précision sur les pertes en conduction en supposant que la résistance RDSON varie peu. Ce modèle est surtout utile pour l’analyse quantitative de la répartition des pertes dans le MOSFET. Il permet de savoir quand les pertes 42 Chapitre 1. Modélisation et conception des systèmes de puissance en commutation deviennent plus importantes que les pertes en conduction. Les pertes en commutation sont constituées par celle à l’ouverture de l’interrupteur et celle à sa fermeture. Dans notre cas nous avons négligé les pertes de commutation à la fermeture, (equ. 1.7) Fig. 1.14. Pertes en conduction et par commutation dans le MOSFET. Modèle approximatif des commutations. 1.4.2. Modèle thermique Le modèle thermique est statique. Il prend en compte les résistances thermiques, la technologie SMI et le radiateur. En technologie SMI, le radiateur est modélisé différemment, car la base métallique permet de répartir la chaleur et de faire office de radiateur dans certaines limites. Lorsque c’est nécessaire, le radiateur est fabriqué sur mesure pour s'adapter aux dimensions mécaniques du circuit SMI et pour fournir la résistance thermique requise. Le diélectrique est un mélange de polymère et de céramique ce qui donne à la technologie SMI son excellente 43 Chapitre 1. Modélisation et conception des systèmes de puissance propriété électrique d'isolement et une faible résistance thermique (RthI). La densité de résistance thermique est de 0.06 (°C.cm²)/W pour le diélectrique à hautes températures (jusqu’a 140 °C), déterminée à partir du catalogue du fabricant [Ber04]. Fig. 1.15: Schéma thermique Fig. 1.16 : Modèle thermique La figure 1.15 montre le schéma thermique. Des simplifications sont faites : direction verticale de la chaleur, pas d’échange thermique entre les composants et l’ambiante, la base métallique est isotherme. Ceci permet de déduire le modèle thermique de la figure 1.16. A l’aide de ce modèle, la température de jonction du MOSFET peut s’exprimer comme suit : 44 Chapitre 1. Modélisation et conception des systèmes de puissance T j = (PMOS + PL + Pdiode + PPISTES )Rth + PMOS (Rth I MOS + Rth j c ) + Tamb (equ. 1.8) Avec: Rth = Rthal −amb Sans radiateur. Rth = Rthhs − amb 2. Avec radiateur Formulation du problème d’optimisation Suivant le principe énoncé dans le tableau Tab.1.1, nous avons défini le problème d’optimisation suivant : Fonctions objectifs à optimiser : • S, Surface du circuit : somme des surfaces des composants plus une constante qui correspond à l’écart minimal entre les différents composants. • C, Coût en euros du circuit : somme des coûts des composants (actifs, passifs) plus celui du radiateur. • M, Masse du circuit : somme des masses des composants, du SMI et du radiateur. • r, Rendement : calcul des pertes dans le MOSFET, l’inductance et la diode. Variables d’optimisation : • Composants passifs de stockage d’énergie : L (µH), C (µF) • Eléments du filtre CEM (inductances et capacités) • Composant actif: MOSFET • Epaisseur du cuivre du circuit (SMI) • Radiateur (résistance thermique) • Fréquence de découpage (20 kHz-500 kHz) Toutes les données concernant les composants sont fournies par les constructeurs. Contraintes : • Ondulation sur la tension de sortie : ∆Vs< ∆Vsmax • Conduction Continue : ∆I < 2 Is 45 Chapitre 1. Modélisation et conception des systèmes de puissance • Température du MOS : Tj < Tjmax • Norme CEM : EN55022, classe A et B Ces contraintes sont décrites par les modèles analytiques développés dans le paragraphe « considérations de conception ». Le modèle pour la CEM est décrit dans le chapitre 2. IV. Conclusion Le compromis précision rapidité dans le choix des modèles des composants de puissance reste très difficile à faire. Néanmoins, dans le cadre d’une démarche de pré-dimensionnement de convertisseurs de puissance, la précision n’est pas primordiale, par contre des modèles analytiques simples sont nécessaires. L’optimisation des convertisseurs de puissance, consiste à transformer un problème de prédimensionnement en un problème d’optimisation contraint. C’est à l’aide des modèles analytiques que seront décrites les différentes contraintes d’optimisation qui permettront de satisfaire le cahier des charges imposé par le concepteur. Le modèle d’interrupteur idéal permet de décrire les phénomènes électriques et CEM (détails dans le chapitre 2) pris en compte dans le pré-dimensionnement de structure de puissance. Ce modèle ne prend pas en compte les pertes dans les composants, par nature. Aussi, avons-nous utilisé un modèle de pertes lors du dimensionnement thermique. La nature mixte (discret/continu) des paramètres du pré-dimensionnement des convertisseurs de puissance implique certaines particularités dans le choix de la méthode d’optimisation. Les algorithmes génétiques sont bien adaptés pour ce problème. Ils permettent de mélanger des variables d’optimisation continues et discrètes ainsi que la prise en compte de fonction coûts discrètes. La prise en compte de coûts discrets permet d’éviter les erreurs d’interpolation ainsi que la mise à jour simple de la liste des composants. 46 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Chapitre II. Nouvelle méthode pour la prédiction des perturbations EM conduites I. La CEM dans les convertisseurs de puissance ................................................................. 48 1. Généralités.................................................................................................................... 48 2. Normes CEM en électronique de puissance................................................................. 49 3. Etude phénoménologique............................................................................................. 53 II. Etat de l’art sur les méthodes d’estimation spectrale ....................................................... 54 1. Méthode indirect .............................................................................................................. 54 2. Méthodes directes : modélisation analytique ................................................................... 59 III. Mise en équation systématique basée sur la causalité........................................................ 64 1. Modélisation unifiée : graphe des liens........................................................................ 64 2. Mise en équation systématique : Analyse de causalité ................................................ 68 3. Graphe des liens commuté ........................................................................................... 71 IV. La méthode proposée : description et validation ............................................................... 72 1. Principe et Atouts de la méthode proposée .................................................................. 72 2. Description de la méthode et exemple pédagogique.................................................... 73 3. Validation de la méthode : Application détaillé (hacheur série)...................................... 79 V. Conclusion........................................................................................................................ 91 47 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites I. La CEM dans les convertisseurs de puissance 1. Généralités 1.1.Origine des perturbations électromagnétiques dans les convertisseurs de puissance. Le convertisseur statique, par son fonctionnement en découpage, produit des variations brusques de tension et de courant. Ces variations sont à l’origine de parasites, appelés perturbations électromagnétiques, qui se propagent de manière involontaire au sein du circuit et/ ou vers son extérieur. Ces perturbations s’ajoutent aux signaux utiles et nuisent au fonctionnement normal du circuit et celui des appareils du voisinage. Ainsi, chaque système peut être vu comme émetteur ou récepteur des perturbations, on parle d’émission et de susceptibilité. Deux types de perturbations peuvent être distingués suivant la nature de leurs propagations. Les perturbations conduites se propagent par conduction électrique (plan de masse, câblages,…) et les perturbations rayonnées se propagent par champ électromagnétique. Dans notre étude nous nous limiterons à l’étude des perturbations conduites. 1.2.Mode commun et mode différentiel Les perturbations conduites peuvent se propager suivant deux modes différents, le mode commun et le mode différentiel. Lorsque les courants parasites circulent en parcourant les liaisons dans le même sens, en se refermant par équipotentielle, on parle de mode commun. Dans le cas ou les courants circulent en sens inverse on parle de mode différentiel. Une définition classique, très souvent utilisée, des tensions et courants de mode commun (Vmc, imc) et de mode différentiel (Vmd, imd) est exprimée par les équations (equ 2.1) et (equ 2.2). Ces formules sont déduites à partir de la figure 2.1 : Vmd = V1-V2 imd= i1-i2 (equ 2.1) Vmc = (V1+V2)/2 imc=(i1+i2)/2 (equ 2.2) 48 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.1. Modes de propagation des perturbations conduites Certains travaux [Rev03], [Pop99], ont montrés que le mode commun peut se recombiner en mode différentiel, suivant la symétrie électrique du montage. Dans ce chapitre avons choisi de considérer les perturbations directement, sans se soucier de leurs modes de propagation, afin d’éviter tout problème de définition ou de conversion de modes. Ces derniers peuvent être déduits par la suite par combinaisons des perturbations. 2. Normes CEM en électronique de puissance 2.1.Réglementations en électronique de puissance Historiquement, les premières normes CEM sont nées dans les années 1930 pour protéger la radiodiffusion. Plus tard, les industriels ont proposés des normes afin d’améliorer la protection de leurs matériels. Une rationalisation des différentes normes issues de plusieurs secteurs d’activités industriels s’est produite dans les années 1980 [Cha1]. Principalement, les normes internationales pour la protection des émissions radioélectriques sont gérées par le Comité International Spécial des Perturbations Radioélectrique (CISPR). Par nature, les normes CEM peuvent se diviser en deux catégories. La première définie les niveaux tolérés d’émission conduite ou rayonnée. La deuxième définie la susceptibilité électromagnétique des équipements. Dans [Cos1] est présenté un tableau qui résume les 49 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites principales normes d’émission concernant les équipements intégrant les convertisseurs de puissance. Nous allons nous intéresser à la norme européenne EN 55022 qui spécifie les niveaux hautes fréquences des émissions conduites et rayonnées applicables dans les domaines résidentiels, commerciaux et l’industrie légère, le niveau des limites imposé par cette norme est présenté sur la figure Fig. 1.13. L’objectif des normes ne se limite pas à fixer les niveaux de tolérance en fonction des domaines d’application, mais elle va jusqu'à la spécification des conditions et moyens de mesures afin d’assurer des mesures reproductibles et fiables. Il s’agit de caractériser aussi précisément que possible l’environnement de mesure en conduit et en rayonné (mesure en espace libre, en chambre anéchoique, support des appareils, …), les conditions de mesures (longueurs de câbles, distances des appareils, hauteur,…) ainsi que la calibration et le réglage des appareils de mesures utilisés [Cos1]. La figure 2.2 présente les différentes conditions de mesures normatives en conduit [Cha1]. Fig. 2.2 Conditions de mesure normative des perturbations conduites [Cha1] Une description plus détaillée de certains éléments de mesures normalisées, présentées sur la figure Fig. 2.2, est abordée dans les paragraphes qui suivent. 50 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 2.2.Le Réseau Stabilisateur d’Impédance de Ligne RSIL Le RSIL est équivalent à un filtre inséré entre le réseau d’alimentation et l’entrée de l’équipement sous test. Son rôle est multiple, il permet d’isoler l’équipement sous test du réseau d’énergie, de fixer l’impédance prescrite aux points de mesure et de canaliser les perturbations conduites vers le récepteur de mesure. Par ces différentes tâches, le RSIL assure ainsi la reproductibilité des mesures. Il existe plusieurs structures de RSIL, chacune est fixée par la norme relative au domaine d’application. Le point commun à toutes les structures est l’impédance équivalente, qui va de 5 Ω à 10 Khz jusqu'à 50 Ω à 30 Mhz. Le RSIL normatif est un filtre à double cellule [Cha1]. Dans la littérature, une structure simplifiée, qui donne entière satisfaction sur toute la plage fréquentielle, est souvent utilisée. Son schéma est présenté par la figure suivante. Fig. 2.3. Structure simplifiée du RSIL, C1=1 µF, Ln=5 µH, Cn=100 nF, R= 50 Ω Le condensateur C1, par sa forte valeur, permet de détourner les perturbations issues du réseau. L’inductance Ln, par sa forte valeur aussi, empêche le courant issu de l’équipement sous test de revenir au réseau et canalise son passage dans la branche comportant Cn et ZN. Le condensateur Cn permet de filtrer la puissance (BF) et ne laisse le passage qu’aux 51 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites perturbations (HF) vers l’impédance de mesure Zn. Dans notre cas, cette impédance est l’entrée 50 Ω du récepteur de mesure, que nous avons représenté sur la figure 2.3 par une résistance R. 2.3. Analyseur de spectre Les normes CEM imposent que les mesures doivent se faire avec un récepteur à détection crête, quasi-crête ou en valeur moyenne (analyseur de spectre, mesureur de champ, …). Ce récepteur est constitué d’un filtre sélectif dont la bande passante est fixée par la norme et dépend de la fréquence de mesure, cette bande passante à 6 dB est de [Cha1]: - 300 Hz pour les fréquences comprises entre 9 et 150 Khz. - 10 Khz pour les fréquences comprises entre 150 Khz et 30 Mhz. L’analyseur de spectre est l’appareil préférentiel utilisé pour la mesure en CEM. La structure simplifiée de cet appareil est représentée sur la figure suivante. Fig. 2.4. Structure d’un analyseur de spectre [Cos1] Dans [Cos1] sont présentés les principaux points à prendre en considération lors de l’utilisation d’un analyseur de spectre pour des mesures CEM. Un résumé de ces points est le suivant : - La résolution : c’est la bande passante du filtre d’analyse (filtre sélectif), elle est fixée 52 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites par la norme et dépend de la fréquence de mesure, présentée précédemment. Lorsque la bande est étroite, le filtre va sélectionner un seul harmonique dans sa bande de mesure. Dans le cas de bande large, ce sont plusieurs harmoniques qui sont sélectionnés. - Le mode de détection : il existe plusieurs modes de détection, le mode crête, quasi crête et moyen. Le choix du mode est imposé par les recommandations du CISPR. Comme tout appareil, l’analyseur de spectre n’est pas idéal et son utilisation conduit a des sources d’erreurs. Dans [Rev03], des simulations et des mesures du filtre sélectif sont comparées et ont montrée que ce dernier est susceptible de modifier considérablement le spectre dans le cas d’une tension modulée. Il est montré que le spectre subit des modifications de forme et d’amplitude importante suivant la largeur de bande du filtre dans le cas d’une tension modulée sinusoïdalement. Notre cas d’étude ne fait pas intervenir des tensions modulées. Nous utiliserons ainsi l’analyseur de spectre HP 8560A comme récepteur de mesure. 3. Etude phénoménologique Une étude très souvent utilisée en CEM pour mettre en évidence les différents phénomènes mis en jeu, est l’étude phénoménologique. Elle consiste à identifier le problème en trois parties : les sources, le chemin et la victime. Les sources des perturbations sont les commutations des interrupteurs de puissance. Ces commutations sont à l’origine des brusques variations de tensions et courants qui donnent lieu aux perturbations électromagnétiques. Le chemin de propagation comporte toute les connexions entre le convertisseur et l’extérieur (réseau d’alimentation et/ ou sa charge), les connexions internes entre les divers composants du convertisseurs ainsi que leurs éléments parasites, et les capacités parasites entre certains potentiels flottants et la référence de potentiel (la terre). Ces capacités sont approximées à l’aide de l’expression fournis dans le paragraphe II.2.2 du chapitre 1. 53 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites La victime est normalement l’extérieur du convertisseur, le réseaux d’alimentation et/ ou la charge. Par contre le RSIL, intercalé entre l’extérieur et le circuit, canalise les perturbations conduites vers son impédance fixe R, Fig. 2.5. Ainsi, la victime devient cette impédance R, qui en pratique constitue l’entrée 50 Ω de l’analyseur de spectre. Fig. 2.5. Etude phénoménologie en CEM II. Etat de l’art sur les méthodes d’estimation spectrale D’un point de vue général, on peut distinguer deux classes de méthodes d’estimation spectrale. La différence se situe dans le domaine de calcul du spectre. La première classe se base sur un calcul du spectre directement dans le domaine fréquentiel, on parle de méthode directe. Dans la deuxième classe, le spectre est déduit suite à des simulations temporelles, appelée méthode indirecte. 1. Méthode indirect 1.1. Principe Les méthodes indirectes sont basées sur une simulation temporelle du système suivi d’une analyse fréquentielle des signaux simulés, le spectre des perturbations n’est déterminé qu’une fois le calcul temporel effectué. Dans le cas des composants unipolaires, des simulations de 54 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites type circuit sont suffisante pour retrouver des formes d’onde temporelle assez précise. Dans le cadre d’une étude de la CEM, cela implique aussi une caractérisation complète du circuit d’étude (éléments parasites des composants, câblages) ainsi que la prise en compte des capacités parasites entre potentiels flottants et la référence. Plus généralement, le circuit à simuler doit comporter les éléments parasites des composants et du circuit susceptible de contribuer dans les perturbations. L’analyse fréquentielle est généralement faite à l’aide d’une transformée de fourrier rapide (FFT). Pour que cette analyse soit cohérente, trois conditions sont nécessaires, mais pas forcément suffisantes. La première consiste à ce que le régime permanent soit établi. La seconde impose que le pas de simulation (∆t) soit choisi en fonction de la plage de fréquence désirée en respectant les critères de Nyquist- Shannon (equ. 2.3) relatif à l’échantillonnage (pour couvrir une plage d’étude de 30 Mhz le pas de simulation doit être inférieur à 17 ns). La dernière condition impose que la fenêtre temporelle (Tétude) sur laquelle est réalisée la FFT doit correspondre à un multiple entier de la période réelle du signal considéré (voir Fig. 2.6), dans le cas contraire des harmoniques supplémentaires peuvent apparaître [Rev04]. Nous montrerons dans la suite, qu’il est aussi important de choisir la technique de fenêtrage adaptée dans le calcul de la FFT. Régime établi Régime transitoire T Tétude = N. T Fig. 2.6. Signal temporel simulé dans la méthode indirecte 55 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites ∆t = 1 Tétude , où E(x) = partie entière de x 2 E(Fmax * Tétude ) (equ. 2.3) 1.2. Limitations de la méthode indirecte L’étude CEM dans le cadre de l’électronique de puissance implique certaines particularités de la structure d’étude, notamment le rajout du RSIL et /ou du filtre d’entrée. Ces éléments font intervenir des constantes de temps beaucoup plus importantes que le pas de simulation, qui est généralement très faible et limité par la plage de fréquence d’étude. Ceci fait augmenter le régime transitoire et rend le temps de calcul assez long. Malheureusement les simulations sont très longues et on rencontre des fois des problèmes de convergence. Le système d’équations générées par le « solveur » lors d’une simulation de type circuit, comporte en général des équations algébriques à résoudre en parallèle avec les équations d’état du système. Ceci peut avoir comme conséquence des problèmes de convergence du système algébrique. Le temps de simulation prohibitif ainsi que les problèmes de convergence font que cette méthode est non pratique pour l’analyse de sensibilité, qui permet d’analyser les phénomènes et d’y remédier. 1.3. Influence de la technique de fenêtrage Dans la littérature [Rev04], il a été montré que la durée de la fenêtre d’étude influe peu sur le spectre, sous condition que ça corresponde à un multiple entier de la période réelle. Par contre, dans la théorie du traitement de signal, il a été montré que le type de fenêtre utilisé joue un rôle très important dans l’analyse FFT [Har78]. Dans cette partie nous proposons de démontrer l’effet du type de fenêtre sur le spectre CEM prédit par la méthode indirecte. Suivant la forme de spectre (précision) que l’on cherche à obtenir, on peut choisir des fenêtres de différentes formes (Rectangulaire, Hanning, Blackman, Flattop,...), voir Fig. 2.7. 56 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fenêtre rectangulaire Fenêtre de Hanning T T Fig. 2.7 Exemples de fenêtres. Une fenêtre est caractérisée par : - La largeur de son lobe principal, elle fixe la résolution de l’analyse, c’est-à-dire l’aptitude à pouvoir séparer deux fréquences proches l’une de l’autre - Les amplitudes des lobes secondaires, ils fixent la dynamique de l’analyse, c'est-àdire l’aptitude à mesurer les amplitudes très différentes de deux composantes de fréquence relativement éloignées l’une de l’autre Pour un nombre d’échantillons N fixé, la fenêtre rectangulaire est celle qui donne la meilleure résolution, la largeur du lobe principale est égale à 2/(Tétude*N). La fenêtre rectangulaire ne permet pas, par contre, d’obtenir une meilleure dynamique car ces lobes secondaires décroissent très lentement. Pour obtenir une meilleure dynamique on choisit des fenêtres avec lobes secondaires plus faible, tel que la fenêtre de Hanning, Blackman, Flattop… Sachant que le norme impose des contraintes sur l’amplitude du spectre, il est plus intéressant d’évaluer avec le plus de précision l’amplitudes des harmoniques sur une plage de fréquence assez large que de chercher à distinguer les fréquences les une des autres. Ainsi, il est plus judicieux d’utiliser la fenêtre Flattop, qui propose la meilleure dynamique grâce à son gain constant en fréquentiel. 57 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Nous avons appliqué la méthode indirecte à l’exemple pédagogique du paragraphe IV.2.1 en utilisant deux types de fenêtres (rectangulaire et Flatopp) pour le même signal temporel simulé. Les spectres retrouvés sont comparés au spectre exact sur la figure ci dessous. Fig. 2.8. Comparaison entre les spectres estimés par la méthode indirecte suivant deux techniques de fenêtrage et le spectre exact. On remarque le type de fenêtre utilisée pour la FFT joue un rôle important sur la précision du spectre estimé. La fenêtre Flattop donne une meilleure précision sur l’amplitude du spectre que la fenêtre rectangulaire (l’erreur relative maximale entre le spectre exact et celui évalué à l’aide d’une fenêtre Flattop est de 40 %, par rapport à une erreur relative maximale de 60 % lors de l’utilisation d’une fenêtre rectangulaire). 1.4. Conclusion Les méthodes indirectes ne sont pas bien adaptées aux problèmes d’optimisation des convertisseurs de puissance, car elles ne permettent pas la formulation de modèles analytiques 58 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites des spectres CEM. Plus généralement, elles sont mal adaptées aux problèmes de prédimensionnement de structure de puissance, car elles impliquent des simulations temporelles assez pointues et extrêmement complexes à mettre en oeuvre ainsi que de ressources informatiques considérables et des temps de calcul onéreux. D’un autre coté, les résultats fournis par cette méthode sont assez sensibles au signal temporel utilisé, ainsi qu’à la technique de fenêtrage utilisée. Malgré tous ces inconvénients, cette méthode est souvent utilisée comme référence pour valider les méthodes analytiques, que nous allons présenter dans la suite. 2. Méthodes directes : modélisation analytique 2.1. Principe L’objectif de ces méthodes est de proposer des modèles analytiques qui permettent le calcul directement du spectre. Suivant le schéma sur lequel se base l’étude CEM, on peut distinguer entre deux méthodes. La première se base sur des schémas équivalents et la seconde prend en compte le circuit réel. 2.2. Méthodes des sources équivalentes Les premières méthodes de modélisation analytique se basent sur le schéma conventionnel d’étude de la CEM, l’étude phénoménologique : identification des sources de perturbations, du chemin de propagation et de la victime. Les sources de perturbations sont constituées par la cellule de commutation, celle-ci est remplacée par des sources de tensions et de courants pour former un schéma CEM équivalent. Chaque mode de propagation est remplacé par une source équivalente, le mode commun est remplacé par une source de tension et le mode différentiel par une source de courant. Les formes d’ondes de ces générateurs sont choisies trapézoïdales, afin de rendre compte des commutations non idéales des éléments actifs. Le chemin de propagation est formé par les 59 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites composants passifs, les pistes du convertisseur et les capacités parasites. La victime est généralement constituée par le RSIL du coté de l’alimentation, mais ce peut être aussi celui du coté de la charge. Malgré les résultats satisfaisants de cette méthode, celle-ci reste non totalement rigoureuse sur le plan théorique [Pop99], [Rev04], et le choix des sources des perturbations reste heuristique. Elle demande beaucoup de savoir-faire ainsi qu’une bonne connaissance de la structure de puissance et des mécanismes mis en jeu dans l’étude de la CEM (sources et chemins de propagation). Deux approches ont été proposées suivant cette méthode, par fonction transfert et matricielle. La principale différence entre ces deux approches est la séparation ou pas des deux modes de propagation, mode commun et différentiel. 2.2.1. Approche par fonction de transfert Cette première approche consiste à dissocier le mode commun du mode différentiel en établissant une fonction de transfert pour chaque mode [Sch93]. Cette dichotomie, suppose qu’il n’y a aucune interaction entre les deux et que leurs chemins de propagation sont indépendants. Dans [Rev04] est montré qu’il existe un fort couplage entre ces les deux modes de propagation et que suivant la symétrie électrique du montage le mode commun peut se recombiner en mode différentiel et inversement. Cette approche trouve beaucoup de limitations pour traiter des systèmes complexes. Par contre, dans le cadre d’une approche de conception globale de circuits simples elle reste attractive, grâce à sa simplicité. 2.2.2. Approche matricielle Dans cette approche, un seul schéma équivalent est utilisé pour traiter le mode commun et le différentiel en même temps [Rev04]. Les sources des perturbations sont toujours des sources de tension et courant équivalentes, par contre la mise en équation est globale, elle prend en 60 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites compte les deux schémas équivalents. Cette approche prend en compte également les impédances représentant la charge ou la connectique, qui étaient négligées dans le cas précédent pour simplifier le calcul des fonctions de transfert. Une procédure basée sur des calculs matriciels a été établie et permet d’avoir une représentation matricielle minimale [Rev04]. Cette procédure reste assez laborieuse, complexe et nécessite beaucoup de savoir faire. 2.3. Méthodes des variables d’états La deuxième méthode, plus récente, repose sur la représentation des convertisseurs par variables d’états [Pop99]. Elle se base sur le schéma réel du circuit et ne fait pas intervenir des hypothèses de sources équivalentes. L’interrupteur n’est plus considéré comme idéal, Fig.2.9, il comporte certains éléments parasites, tel que la capacité à l’état ouvert (Cj) évaluée sous forte tension (Coss s’il s’agit toujours d’un MOSFET [Pop99]) et les inductances de câblage interne et/ ou externe (Le). Ceci a permis d’avoir une meilleure précision que les anciennes méthodes surtout en haute fréquence (au delà de 20 Mhz). Fig. 2.9. Modèle d’interrupteur permettant de prédire les perturbations électromagnétiques conduite avec précision au delà de 20 Mhz [Pop99]. A chaque topologie de la structure, suivant l’état des interrupteurs, est associée une matrice d’état. La mise en équation se base sur la méthode nodale et donne lieu au système d’équations d’état suivant : dx k ( t ) = A k x k ( t ) + B k U( t ), t _ < t < t k , k ∈ (1,..., N sw ) k 1 dt (equ 2.4) 61 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites (equ 2.5) y k ( t ) = C k x k ( t ) + D k U( t ) Ou Nsw est le nombre d’intervalles entre les commutations pendant une période (T). A, B, C et D sont des matrices constantes par morceau. U (t) est la tension d’entrée. La résolution du système est déterminée en premier lieu en temporel à l’aide d’un calcul matriciel. Les solutions sont exprimées à l’aide de formules faisant intervenir des exponentiels de matrice. La forme générique des solutions exprimant le vecteur d’état xk et des sorties y k, est la suivante : x k (t) = Ak ( t _ t _ ) k 1 .x e y k (t) = C k . t k (t k _ 1 ) + Ak ( t _ t _ ) k 1 .x (e ∫e Ak ( t _ τ) (equ. 2.6) .B k .U( τ).dτ t _ k 1 t k (t k _ 1 ) + ∫e Ak ( t _ τ) .B k .U( τ).dτ) + D k .U( t ) (equ.2.7) t _ k 1 Une boucle d’optimisation permet de trouver les conditions initiales qui garantissent d’obtenir le régime permanent du système. Ce dernier est calculé à partir des contraintes liées à la continuité des variables d’état (equ. 2.8) et de la condition de périodicité (equ.2.9) x k ( t k ) = x k +1 ( t k ) (equ.2.8) x 1 (0) = x NSW (T) (equ.2.9) Le spectre CEM est par la suite déduit à partir de la transformée de Laplace de la variable de sortie y comme suit : NSW Y ( p) = NSW t k ∑ Yk (p) = ∑ ∫y k (t ).e k =1 ∑ ∫{ k =1 t _ k 1 pt .dt (equ.2.10) k =1 t _ k 1 NSW t k Y ( p) = _ Ck . Ak ( t _ t _ ) k 1 .x (e t k (t k _ 1 ) + ∫e Ak ( t _ τ) .B k .U( τ).dτ) + D k .U( t ) } e _ pt .dt t _ k 1 L’amplitude de l’harmonique de rang n du spectre de sortie, Sn, est donnée par l’expression suivante : 62 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Sn = 2.i.n.(pi) 2 ). . Y( T T (equ.2.11) Cette méthode nécessite moins de savoir faire que le première méthode, car elle ne considère pas des schémas équivalents CEM. Elle permet aussi l’estimation du spectre en haute fréquence. Par contre son principal inconvénient est l’aspect fastidieux de la mise en équations pour aboutir à la construction de la matrice d’états ainsi que le calcul matriciel lourd utilisé pour retrouver les solutions du système d’état et ces conditions initiales. 2.4. Conclusion Les méthodes directes sont beaucoup mieux adaptées aux problèmes d’optimisation et de prédimensionnement des convertisseurs de puissance que la méthode indirecte. Elles sont beaucoup plus rapides, en supposant le fonctionnement du convertisseur en régime établi alors que les méthodes indirectes doivent en revanche passer par une simulation transitoire afin d’arriver au régime établi. Elles permettent aussi une souplesse d’intégration dans des processus d’optimisation par la formulation modèle analytique. Néanmoins les méthodes directes proposées dans la littérature demandent en général beaucoup de savoir faire que ce soit sur le plan « phénomènes CEM » mis en jeu lors de la détermination des sources des perturbations, ou sur la mise en équation du système et sa résolution. Cette dernière tâche reste laborieuse et demande un calcul fastidieux et ne s’applique qu’au cas par cas. Dans la suite nous proposons une nouvelle méthode de modélisation analytique qui systématise la mise en équation et simplifie considérablement le calcul du spectre directement en fréquentiel. Cette méthode est générale et peut s’appliquer de la même manière pour toutes les structures des convertisseurs. 63 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites III. Mise en équation systématique basée sur la causalité 1. Modélisation unifiée : graphe des liens L’outil graphe des liens est un langage de représentation graphique à vocation multi-physique qui permet à l’aide d’une modélisation unifiée d’afficher explicitement la nature des échanges de puissance dans le système, tel que les phénomènes de stockage, de transformation et de dissipation d’énergie et de mettre en évidence la nature physique et la localisation des variables d’états. Cet outil a été défini initialement en 1959 au MIT (Boston, USA) par Paynter [Pay61] et formalisée par Karnopp et Rosenberg en 1975 [Kar90]. Cette méthodologie est entrée en Europe à la fin des années 1970 par le Pays Bas (université de Twente), puis en France. Cet outil, appelé aussi «bond graph» est maintenant régulièrement utilisé par de nombreuse entreprises, en particulier dans l’industrie automobile (PSA, Ford,…), et pénètre également l’aéronautique (Airbus) ou l’électrochimie (Hélion) [Rob1]. C’est aussi une technique utilisée dans l’équipe depuis 1988 [Mor03/1]. Un des grands apports de l’utilisation des graphes des liens est la causalité physique. C’est le respect de la relation cause-à-effet définit par Spinoza en 1675 [Mor03], l’effet a nécessairement lieu après la cause. D’un point de vue pratique, le graphe des liens offre une vision graphique très structurée, en permettant d’établir des règles allant de la construction de modèles à leur mise en équation, ce qui permet de guider le concepteur dans la démarche souvent complexe de modélisation puis de l’analyse: aspect systématique dans la mise en équation d’un système. En plus, le modèle graphe de lien est évolutif, ce qui permet aisément d’affiner le modèle (en fonction des hypothèses de modélisation retenues) par simple ajout de nouveaux éléments (pertes thermique, effet d’inertie, …) sans avoir à reprendre la démarche depuis le début : c’est l’exemple de l’étude de sensibilité. 64 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Un récapitulatif des principales caractéristiques qui permettent l’adaptabilité de ce langage dans l’étude de phénomènes multi-physique complexes est [Bou1] : - Une approche énergétique qui permet une décomposition du système étudié en soussystèmes puis éléments qui échangent de la puissance et qui structurent la procédure de modélisation. - Une terminologie unifiée pour les domaines physiques, fondée sur la notion d’analogie entre phénomènes - Une représentation graphique pour visualiser les transferts de puissance, mais aussi de causalité. - Une souplesse inhérente qui permet de faire évoluer le modèle en ajoutant des phénomènes négligés. - Une écriture systématique des équations mathématiques issues du modèle « bond graph » sous forme d’équation différentielle (système d’état). - Un support pour une analyse structurelle des propriétés du modèle en vue de la conception de systèmes de surveillance ou de commande. 1.1. Représentation unifiée Le graphe des liens est basé sur une expression énergétique unifiée de la dynamique des systèmes. Un système est divisé en sous-systèmes puis éléments, et le graphe des liens indique comment l’énergie est échangée entre ces éléments. Le modèle d’un sous-système indique comment l’énergie est stockée, modifiée ou dégradée à l’intérieur du bloc. Dans cette représentation, des notions communes à toutes disciplines sont à définir : 1.1.1. Notion de lien, d’effort et de flux L’outil bond graph illustre les transferts énergétiques dans un système en utilisant la notion de liens de puissance. Un lien de puissance est symbolisé par une demi-flèche, dont 65 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites l’orientation indique le sens conventionnel de l’écoulement de l’énergie. Considérons deux composants A et B d’un système physique, une énergie qui transite de A vers B, est représentée par une demi- flèche dont le sens est de A vers B, voir Fig. 2.10. Chaque lien véhicule deux variables simultanément : l’effort e et le flux f, dont le produit représente la puissance instantanée transférée. Cette puissance est positive si l’écoulement d’énergie réelle suit le sens de la demi-flèche. Le lien est connecté entre deux ports, un port de sortie du composant A et un port d’entrée du composant B. Il impose que les variables (f, e) imposées par les ports soient identiques. Dans ce cas on dit qu’il y a identification des variables correspondantes de port de même type. De plus un composant ne peut pas imposer le flux et l’effort en même temps, c’est la notion de causalité. Une représentation bond graph permet de mettre en évidence quatre informations, (Fig.2.10) : - La liaison physique entre les deux systèmes par le lien. - Le type d’énergie utilisé par la nature des variables (f, e) - Le sens d’écoulement de l’énergie par le sens du lien - La causalité par le trait causal, vu au paragraphe suivant. Fig. 2.10. Représentation graphique unifiée d’un graphe de lien. 66 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Cette représentation est unique et suivant le domaine d’étude on attribue les variables de flux et d’effort respectives. Le tableau suivant, Tab.2.1, présente les variables dans quelques domaines physiques courants: Domaine physique Electrique Thermique Hydraulique Mécanique de translation Mécanique de rotation Magnétique Chimique Variable de flux Courant i Flux entropique Débit volumique Vitesse longitudinale Vitesse angulaire Dérivée de flux Flux molaire Variable d’effort Tension u Température absolue Pression absolue Force Couple Force magnétomotrice Potentiel chimique Tab. 2.1. les variables de flux et d’effort des principaux domaines physiques [All1]. 1.1.2. Les éléments Des composants élémentaires sont définis de manière unique pour les différents domaines physique. Ils sont généralement classés en fonction de leurs comportements par rapport aux deux principes de la thermodynamique et au principe de continuité spatiale de l’énergie. Suivant ces principes, on peut distinguer entre trois types de composants, représenté cidessous avec des exemples dans le domaine électrique : - Composants de stockage d’énergie (énergétique) : comme le condensateur et la self. - Composants irréversible (entropique) s’il produit de la chaleur : comme la résistance. - Composants source (créateur) s’il produit ou supprime de l’énergie : comme les sources de tension ou de courant. Un composant élémentaire ne peut être à la fois que énergétique, entropique ou créateur. Les autres éléments sont soit des contraintes ou des jonctions. Les contraintes sont des éléments à deux ports de transformation de l’énergie, comme les transformateurs. Ils sont particulièrement utiles dans la description des systèmes multi-domaines. Les jonctions permettent de réaliser des assemblages, dans le domaine électrique la jonction 1 correspond à la loi des mailles et la jonction 0 correspond à la loi des nœuds, voir Tab.2.2. 67 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 2. Mise en équation systématique : Analyse de causalité 2.1. L’analyse de causalité L’analyse de causalité est une méthode graphique qui permet de vérifier si le système d’équation d’un graphe de lien peut se mettre sous la forme d’une EDO (Equations Différentielles Ordinaires). Dans ce cas le système est dit « causal». Un système causal respecte par définition la relation de cause-à-effet, qui dans l’étude de la CEM peut être interprétée par la notion de source – chemin - victime. L’effet est la source des perturbations et la cause est la victime. Entre autre, l’analyse de causalité permet de [Rob1] : - Introduire explicitement la distinction entre cause et effet physique, distinction absente dans le plupart des représentations courantes; - Donner des règles de bonne association entre les éléments : un conflit de causalité signale une association non physiquement acceptable. - Mettre en évidence les interactions au sein des systèmes physiques. - Offrir des possibilités en terme d’analyse systémique - Structurer la formulation mathématique issue des modèles bond graph : mise en équation d’état systématique. Dans une démarche de mise en équation du système, il est nécessaire d’écrire les variables et les équations associées. Par contre, si l’on cherche juste de vérifier si le système est causal, il est possible de se contenter d’une méthode purement graphique. Un composant élémentaire peut être représenté par un modèle à variable d’état (equ.2.12 et equ 2.13) : il suffit que chaque variable de port du composant, variables flux et effort, soit l’une des variables d’entrée U ou de sortie Y. Un modèle à variable d’état s’écrit sous la forme suivante : 68 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites dX = h (X, U) dt Y = g (X, U) (equ 2.12) (equ 2.13) Des règles de causalité existent pour séparer la connaissance des variables de port d’un composant, flux et effort. Ces règles consistent en l’affectation de traits causaux du coté du port qui impose le flux, après assemblage complet des éléments du système. Ceci permet la formulation de l’équation d’état par l’identification des variables d’entrée et de sortie. Le modèle à variable d’état décrit la causalité d’un composant : Il est connu qu’une variable d’entrée (U) ne peut pas être en avance sur une variable de sortie (Y). Le tableau suivant montre les équations d’états de certains composants élémentaires en électronique de puissance, formulées à l’aide de l’analyse de causalité : Type d’élément Sources Stockage Nom, Symbole Source d’effort, Se Modèle à variables d’états e = e(t) Source de flux, Sf e f f = f(t) Capacité, C f e Inductance, L e f f e dx = f , e = e( x ) dt dx = e, f = f ( x ) dt e = R.f e f Jonction 0, 0 f1, f2, f3, e4 e1, e2, e3, f4 e R e1 = e2 = e3 = e4 f4 = -f1-f2+f3 Jonction 1, 1 e1, e2, e3, f4 f1, f2 f3, e4 f1 = f2 = f3 = f4 e4 = -e1-e2+e3 Entropique Résistance, R Jonctions Représentation Variable Variable graphique d’entrée de sortie f e f = Tab. 2.2 Equations d’états de composants élémentaires linéaires 69 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 2.2. Algorithme de mise en équation L’affectation des traits causaux ainsi que l’écriture des équations d’états pour les différents composants (analyse de causalité) suivent un algorithme bien spécifique. Dans [kar90] est présenté un algorithme qui ne prend en compte que les composants élémentaires. Une extension, fort utile en électronique de puissance, est présentée dans [All1]. L’algorithme proposé est appelé Analyse de Causalité Algébrique (ACA), voir Fig. 2.11. Il prend en compte tous les composants en les identifiants dans tous les cas par des équations d’états. Il permet la mise en équation systématique en EDO (équation d’états) minimale. 1.Appliquer la causalité des sources (éléments Se et Sf) 2.Appliquer la causalité des éléments à stockage d’énergie (C, L, et les composants qui ont des équations d’état) 3.Propager la causalité à travers les jonctions et les transformateurs, puis les résistances 4.Itérer le point 3 L’algorithme s’arrête si : - Tous les traits causaux sont placés : le graphe de lien est causal ; - Faute de causalité : une équation de sortie permet de déduire une variable déjà connue; - Indétermination : aucune nouvelle équation de sortie n’est applicable car il manque des traits causaux et certaines variables de port ne sont donc pas connues. Fig. 2.11. Synthèse de l’algorithme de l’Analyse de Causalité Algébrique [All1] D’un point de vue mathématique, la représentation par graphe des liens et celle de la méthode nodale (kirchoff) utilisent les mêmes équations caractérisant le système. En revanche la technique de mise en équation est différente. La méthode nodale ne se soucie pas de la 70 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites causalité des composants, et aboutit ainsi à un système d’équations algébriques et différentielles. La résolution d’un tel système est très délicate et la solution n’est pas toujours garantie. Par contre l’analyse de causalité permet d’aboutir à un système d’Equation Différentielle Ordinaire (EDO), dans le cas d’un système causal. Il n’existe aucune équation algébrique à résoudre simultanément. Ce système d’équation (EDO) possède généralement une solution explicite. 3. Graphe des liens commuté Le découpage en électronique de puissance fait que certains composants se trouvent dans différents états lors du fonctionnement du système. Ce changement d’état implique un changement de causalité dans les composants et notamment des interrupteurs. La notion de graphe des liens commuté permet de prendre en compte le changement d’état dans au moins un composant [All1] dans un système de puissance. C’est le cas des systèmes de puissance basés sur le modèle d’interrupteur idéal. Nous utiliserons les graphes des liens commutés lors de notre étude, vu que cette dernière se base sur des interrupteurs idéaux. L’analyse de causalité d’un graphe des liens commuté consiste en l’analyse de causalité de chaque combinaison d’état. Chaque composant est ainsi représenté par plusieurs équations d’états, chacune correspond à une combinaison. Dans la plupart des cas il est possible de regrouper ces équations en une seule (EDO) à l’aide de fonction de discrimination des états, voir exemple de (equ. 2.17). La figure Fig. 2.12, montre le graphe des liens commuté d’un hacheur série en conduction continue [All1]. 71 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.12. Graphe des liens commuté d’un hacheur série en conduction continue [All1] IV. La méthode proposée : description et validation 1. Principe et Atouts de la méthode proposée Nous proposons d’appliquer l’analyse de causalité des graphes de liens pour la mise en équation du convertisseur de puissance. Cette technique permettra une mise en équation systématique et plus souple que celle utilisée dans les autres méthodes tel que dans [Pop99]. Elle permet aussi de généraliser et de formaliser l’étude de la CEM, car par définition un système causal est un système physique réel qui respecte la relation de cause-à-effet. Dans l’étude de la CEM la causalité peut être interprétée par la notion de source – chemin - victime. L’effet est la source des perturbations et la cause est la victime, souvent le RSIL. 72 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites La mise en équation peut être aussi faite automatiquement à l’aide de logiciels de simulation se basant sur des graphes des liens, comme PACTE. Cette technique a été présentée dans le paragraphe précédent. La structure d’étude considérée par notre méthode est le circuit réel, nous n’aurons pas à déterminer des schémas équivalents en CEM. Ceci permet de généraliser la méthode, ainsi que d’éviter toute hypothèse non forcement justifiée concernant les sources équivalentes, notion de sources de mode commun et mode différentiel. Des relations réccurentes reliant les différents coefficients de fourrier des signaux seront déduites à partir des équations d’états du système à l’aide de quelques propriétés de base de la série de Fourrier. Ainsi le spectre sera calculé à l’aide de relations simples, sans avoir recours à des transformées de Laplace, ni de calcul de valeurs initiales. 2. Description de la méthode et exemple pédagogique 2.1.Exemple pédagogique et spectre de référence Nous avons choisi comme exemple pédagogique, une structure très idéalisée de hacheur série, Fig.2.13. Ce choix permet d’avoir des formes d’ondes idéales dont on peut calculer le spectre analytiquement de manière exacte. Ceci est le cas pour le courant à travers l’inductance. En considérant des interrupteurs idéalisés et une forte valeur d’inductance, le courant inductif a une forme de dent de scie [Fer99]. En limite de conduction continue, ce courant a la forme d’un triangle, Fig. 2.13. Une simulation temporelle plus fine, sous SABER, nous a permis de vérifier cette forme d’onde, voir Fig. 2.14. 73 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.13. Exemple pédagogique Fig. 2.14. Courant inductif Par définition, les coefficients de la série de Fourier C(n), d’un signal f(t) de période T sont [Ana03] : T 2.(pi) 2 C(n) = ∫ f(t) . exp(-i. n. ω), avec ω = T T0 (equ.2.14) Les coefficients de la série de Fourier exacts A(n) du signal triangulaire sont retrouvés en appliquant la définition : A(n ) = 4. I. (1 - cos(n. pi)) T2 *[ 2 p2. n 2 - T ]; 2. p. n (equ. 2.15) Le spectre exact normalisé, S(n), (en dBµV) est retrouvé à l’aide des amplitudes des coefficients de la série de Fourier : S(n ) = 20. log10 ( A(n ) ) + 120, en dBµV (equ.2.16) Ce spectre servira comme référence, pour une première validation de notre méthode. 2.2.Application de la méthode et spectre estimé Afin de pouvoir mettre en équations le circuit à l’aide de l’analyse de causalité, il faut commencer par déterminer le graphe des liens de structure étudiée. 74 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Le graphe des liens correspondant au circuit de l’exemple pédagogique (Fig. 2.13) est le suivant : Fig. 2.15. Graphe des liens simplifié de l’exemple pédagogique L’analyse de causalité appliquée au graphe de lien permet la mise en équations du système sous forme d’un modèle d’état. Vu que le circuit ne comporte qu’un seul élément de stockage d’énergie, le système sera décrit par une seule équation d’état [Kar90]. Sachant que nous utilisons la notion d’interrupteur idéal, ce dernier change de causalité selon son état. Quand il est ouvert, il impose un courant nul. Quand il est fermé, il impose une tension nulle à ses bornes. Les changements d’état de l’interrupteur sont instantanés. Pour rendre compte de ces changements de causalité, on utilise les graphes de liens commutés. Dans notre cas, hacheur série idéal en conduction continue, on se trouve avec deux états, donc deux graphes de liens commutés, voir Fig. 2.16. 75 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Etat 1 : Entre 0 et T/2 Etat 2 : Entre T/2 et T * Interrupteur K Fermé : Vk=0 * Interrupteur K ouvert: Ik=0 * La diode est bloquée Id=0 * La diode est passante Vd=0. Fig. 2.16. graphe de liens commutés de l’exmple pédagogique L’analyse de causalité des graphes de liens commutés pour les deux états, permet la mise en équations suivante : La tension aux bornes de l’inductance Vl est : La tension aux bornes de l’inductance Vl est : Vl= Vin-Vout Vl= -Vout L’équation d’état est : L’équation d’état est : Vl = L dI = Vin - Vout dt Vl = L dI = -Vout dt Sachant que nous avons toujours un seul élément de stockage d’énergie (l’inductance L) pour les deux graphes des liens commutés, le système peut être décrit par une unique équation d’état : Vl = L dI = h(t) - Vout, dt avec h(t) = { Vin, 0 < t < T/2 0, T/2 < t < T (equ.2.17) h(t) est une fonction de discrimination des états, elle permet de rendre compte des deux états du système. Cette fonction décrit le découpage, ainsi elle peut être considérée comme la source des perturbations. Elle est aussi considérée comme la cause de perturbation suivant l’analyse de causalité. Nous appellerons cette fonction, fonction de découpage. 76 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites En utilisant quelques propriétés de base de la transformée de Fourier, (equ.A.1 et equ.A.2), on peut remonter à la relation qui relie les coefficients de Fourier des différents signaux de l’équation d’état, (equ.2.18). Propriété 1. En connaissant les coefficients de la série de Fourier, Cn(f), d’une fonction f(t), on peut déduire ceux de sa dérivée Cn(df/dt) [Ana03]: Cn(df/dt)=i*n*w*Cn(f) (equ.A.1) Propriété 2. Les coefficients de la série de Fourier constituent une application linéaire [Ana03] : Cn(a*f+b*g)=a*Cn(f)+b*Cn(g), (equ.A.2) En utilisant les propriétés 1 et 2, on déduit la relation suivante : L . i . n . ω . CI(n) = Ch(n) - Cv(n) (equ.2.18) Avec : CI(n) les coefficients de Fourier du courant I Ch(n) les coefficients de Fourier de la fonction h(t) Cv (n) les coefficients de Fourier de la tension Vout Ch(n) et Cv(n) sont calculés d’une manière exacte en utilisant la définition de la série de Fourier, (equ.2.14). A partir des expressions de Ch(n) et de Cv(n) ainsi que de la relation les reliant à CI(n), (equ 2.18), on peut remonter à une expression analytique de CI(n). L’amplitude de CI(n), permet de retrouver le spectre estimé : S1(n ) = 20 . log10 ( CI(n ) ) + 120, en dBµV 2.3.Validation de la méthode : comparaison du spectre estimé au spectre exact En comparant les deux spectres, estimé par notre méthode et le spectre exact, on trouve qu’ils coïncident sur toute la plage de fréquence d’étude (30 MHz). Cette plage couvre toute la norme relative aux perturbations conduites. 77 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.17. Comparaison des spectres : estimé et exact 2.3. Algorithme de la méthode proposée L’organigramme de la figure Fig. 2.18 résume les différentes étapes qu’il faut suivre lors de l’utilisation de la méthode proposée. Fig. 2.18. Algorithme de la méthode proposée 78 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 3. Validation de la méthode : Application détaillé (hacheur série) 3.1. Cas d’application Nous avons appliqué la méthode proposée dans le cas d’un hacheur série réel (42/14 V-8A), Fig. 2.20. Le convertisseur a été réalisé en technologie SMI (voir Fig. 2.19) suivant le cahier des charges du tableau, Tab.1.4, énoncé dans le premier chapitre. Pour la validation de la méthode, les contraintes CEM n’ont pas été prises en compte lors du pré-dimensionnement du convertisseur, ainsi on s’attend bien à ce que les perturbations générées par le circuit ne respectent pas les niveaux tolérés par la norme. Par contre, toutes les conditions de mesures normatives ont été considérées, tel que la prise en compte du RSIL, voir Fig. 2.19. Nous avons aussi pris en compte les différents éléments parasites susceptibles de contribuer aux spectres des perturbations électromagnétiques, tel que les capacités parasites (Cp1 et Cp2) entre potentiels flottants et la référence (le plan de masse), l’inductance de câblage (L) entre l’alimentation et le RSIL et l’inductance série (esl) du condensateur d’entrée ainsi que sa résistance série (esr), voir Fig. 2.20. Fig. 2.19. Convertisseur Buck réalisé en technologie SMI. A gauche les deux bras du RSIL et à droite en haut la commande et au milieu le circuit de puissance. 79 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.20. Schéma complet du hacheur sous test. Les valeurs des éléments du RSIL sont les suivants : L1 = 5 µH, C1 = 1µF, R1 = 10 mΩ, C=100 nF et R= 50 Ω. Le filtre de sortie est constitué d’une inductance d’une valeur Ls = 18 µH et d’une capacité de valeur Cs= 47 µF. Les éléments parasites du condensateur d’entrée ont été déterminés suite à sa caractérisation au pont d’impédance HP4194A voir Fig.1.9 Le modèle série a permis de retrouver le comportement fréquentiel du condensateur sur toute la plage d’étude (jusqu'à 30 Mhz) à l’aide des valeurs suivante : C = 407 µF, esl = 15 nH, esr = 50 mΩ. La capacité surfacique Cp a été considérée comme constante. Sa valeur est évaluée à l’aide de l’expression fournie dans le paragraphe VI.2.2 du chapitre 1, Cp =70 pF/cm². L’inductance Lp1 peut représenter le chemin du courant dans le plan de masse correspondant à l’élément Cp1, sa valeur a été approximé à 20 pH. L’inductance de câblage (L) a été approximée à l’aide d’une expression analytique issue de la théorie des lignes, qui permet de calculer l’inductance linéique des conducteurs de formes simples [Cos1]. Dans le cas de notre application l’inductance linéique est approximée à L = 0.1µH/cm, et a été évaluée pour une longueur de 8 cm. 80 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 3.2. Application de la méthode Normalement pour un système causal (sans aucune simplification), la dimension du modèle d’état est égale au nombre d’éléments de stockage d’énergie (inductances et capacités) dans le circuit traité [Kar90], [All1], dans notre cas nous avons 13 éléments, voir Fig. 2.20. Suivant l’hypothèse des interrupteurs idéaux et avec une forte valeur d’inductance de sortie, le filtre de sortie peut être remplacé par un générateur de courant en forme de dent de scie [Fer99]. Ceci nous permet de simplifier deux équations du système d’états. La dimension du système d’état passe de 14 à 12, voir Fig. 2.21. Ainsi, le circuit traité est le suivant : Fig. 2.21. Circuit traité En utilisant les techniques de simplification des graphes des liens [Mor03] nous aboutissons au graphe des liens du circuit traité suivant, Fig 2.22 : 81 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.22. Graphe des liens simplifié du circuit traité. Le fonctionnement du hacheur impose deux états pour les interrupteurs K et D. L’application de l’analyse de causalité pour chaque état donne lieu à un graphe des liens commuté et un système d’équations spécifique pour chaque état. L’état 1 du système (0 < t < α T) est lorsque l’interrupteur K est ouvert et D est fermé, dans ce état l’interrupteur K impose un courant nul tant dis que la diode D impose une tension nulle a ses bornes. Le graphe des liens commuté correspondant à cet état est représenté sur la figure Fig. 2.23. Les équations d’états relatifs à cet état sont regroupées dans le système d’équation (S1). L’état 2 du système (α T < t < T) est lorsque l’interrupteur K est fermé et D est ouvert, cette fois ci l’interrupteur K impose une tension nulle a ces bornes et la diode D impose un courant nul. Le graphe des liens commuté correspondant à cet état est représenté sur la figure Fig.2.24. Les équations d’états relatifs à cet état sont regroupées dans le système d’équation (S2). 82 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig.2.23. Graphe des liens commuté relatif à l’état 1, K ouvert et D fermé. Fig.2.24 Graphe de lien commuté relatif à l’état 2, K fermé et D ouvert. 83 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites dVc 1 = I L _ I L1 dt dVc 2 C2 = I L2 _ I L dt dVc 3 _ 1 1 C3 = ( ) VC 3 + ( ) VCp 2 dt R3 R3 C1 dVc 4 = Sf ( t ) + I Lf _ I Lp1 _ I L 2 dt dVc f Cf = I Lf dt dVcp 1 C p1 = I Lp1 dt dVcp 1 1 1 ) VCp 2 _ Sf ( t ) C p2 = I L1 _ I Lf + ( ) VC 3 _ ( dt R3 R3 C4 (S1) dI L = E + R 1 I L1 + R 2 I L 2 _ ( R 1 + R 2 ) I L _ VC1 + VC 2 dt dI L1 L1 = VC1 _ VCp 2 + R 1 I L _ R 1 I L1 dt dI L 2 L2 = VC 4 + R 4 Sf ( t ) + R 4 I Lf _ R 4 I Lp1 + R 4 I L 2 _ VCf _ R f I Lf dt dI Lf Lf = VCp 2 _ VC 4 _ R 4 Sf ( t ) _ R 4 I Lf + R 4 I Lp1 + R 4 I L 2 _ VCf _ R f I Lf dt dI Lp1 Lp 1 = VC 4 + R 4 (Sf ( t ) + I Lf _ I Lp1 _ I L 2 ) _ Vcp 1 dt L C1 C2 C3 C4 dVc 1 = I L _ I L1 dt dVc 2 = IL2 _ IL dt dVc 3 = I L 1 _ I Lf dt dVc 4 1 1 ) VC4 ) VC2 _ ( = ( R4 R4 dt dVc f = I Lf dt dVcp 1 C p1 = I Lp 1 dt dVcp 1 1 1 C p2 = I Lf _ I Lp 1 _ I L 2 _ ( ) VC2 + ( ) VC4 dt R4 R4 Cf (S2) dI L = E + R 1 I L1 + R 2 I L 2 _ ( R 1 + R 2 ) I L _ V C1 + V C 2 dt dI L 1 L1 = V C 1 _ V C 3 + R 1 I L _ ( R 1 + R 3 ) I L 1 + R 3 I Lf dt dI L 2 L2 = V Cp 2 _ R 2 ( I L 2 _ I L ) _ V C 2 dt dI Lf Lf = V Cp 2 + V C 3 + R 3 ( I L 1 _ I Lf ) _ V Cf _ R f I Lf dt dI Lp 1 Lp 1 = V Cp 2 _ Vcp 1 dt L 84 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites L’ensemble des équations retrouvées à l’aide de l’analyse de casualité dans les deux états, (S1) et (S2), sont toutes des Equations Différentielles Ordinaires (EDO) et possèdent ainsi des solutions explicites. Sachant qu’il s’agit toujours des mêmes variables d’états dans les deux topologies, les deux systèmes d’équations d’états, (S1) et (S2), peuvent se mettre sous la forme d’un seul système (S) qui rend compte des deux états. Ce système est formé par des Equations Différentielles Ordinaires (EDO). dVc1 = I L _ I L1 dt dVc 2 C2 = I L2 _ I L dt dVc 3 _ 1 1 1 1 = ( )Ah VC3 + ( ) V Ah + ( ) V (1_ Ah) _ ( ) V (1_ Ah) C3 dt R3 R 3 Cp 2 R 4 C2 R 4 C4 C1 C4 dVc 4 1 1 ) V (1_ Ah) ) VC2 (1_ Ah) + ( = AhSf ( t ) + AhI Lf _ AhI Lp1 _ AhI L 2 _ ( R 4 C4 R4 dt dVc f = I Lf dt dVcp1 C p1 = I Lp1 dt dVcp 2 1 1 _ AhSf ( t ) _ (1 _ Ah)I _ (1 _ Ah)I C p2 = I Lf + AhI L1 + Ah( ) VC3 _ Ah( )V L2 Lp1 dt R3 R 3 Cp 2 Cf (S) dI L = E + R 1 I L1 + R 2 I L 2 _ (R 1 + R 2 ) I L _ VC1 + VC2 dt dI L1 L1 = VC1 _ AhVCp 2 _ (1 _ Ah)VC3 _ R 1 I L _ (R 1 + (1 _ Ah)) I L1 + (1 _ Ah)R 3 I Lf dt dI L 2 L2 = AhVC4 + R 4 AhSf ( t ) + R 4 AhI Lf _ R 4 AhI Lp1 + (1 + Ah)R 2 I L 2 _ VC2 + (1 _ Ah)VCp 2 + R 2 I L dt dI Lf Lf = VCp2 _ AhVC4 _ R 4 Sf ( t ) _ AhR 4 I Lf + AhR 4 I Lp1 + AhR 4 I L 2 _ VCf _ R f I Lf + (1 _ Ah)R 3 I L1 _ (1 _ Ah)R 3 I Lf dt dI Lp1 Lp1 = AhVC4 + AhR 4 (Sf ( t ) + I Lf _ I Lp1 _ I L 2 ) _ Vcp1 + (1_ Ah)VCp 2 dt L { 1, 0 < t < αT Ah ( t ) = 0, αT < t < T Ah(t) est la fonction de découpage, elle est considérée comme la cause des perturbations car elle décrit le découpage de l’énergie. En utilisons les propriétés de la transformée de Fourrier, (equ.A.1 et equ.A.2), et le système d’équation (S) on peut déduire les relations entre les différents coefficients de Fourriers des 85 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites signaux. Ces relations forment un système d’équation linéaire (Sn) de x équations à x inconnues. p(n )C1VC1 (n ) = I L (n ) _ I L1 (n ) p(n )C 2 VC2 (n ) = I L 2 (n ) _ I L (n ) [ p ( n )C 3 + ( 1 1 1 1 ) V (n )(1_ Ah(n )) ) VC2 (n )(1 _ Ah(n )) _ ( ) VCp 2 (n )Ah + ( )Ah ]VC3 (n ) = ( R 4 C4 R4 R3 R3 [ p ( n )C 4 _ ( 1 1 ) V (1_ Ah)] = AhSf (n ) + AhI Lf (n ) _ AhI Lp1 (n ) _ AhI L 2 (n ) _ ( ) V (n )(1 _ Ah) R 4 C4 R 4 C2 p(n )CfVCf (n ) = I Lf (n ) p(n )C p1 VCp1 (n ) = I Lp1 (n ) [p(n )C p 2 (n ) + Ah( 1 1 ) V (n ) _ AhSf (n ) _ (1 _ Ah)I L 2 (n ) _ (1_ Ah)I Lp1 (n ) ) ]VCp 2 (n ) = I Lf (n ) + AhI L1 (n ) + Ah( R 3 C3 R3 [p(n )L + (R 1 + R 2 ) ]I L (n ) = R 1 I L1 (n ) + R 2 I L 2 (n ) _ VC1 (n ) + VC2 (n ) [p(n )L1 + (R 1 _ Ah(n )) ]I L1 (n ) = VC1 (n ) _ AhVCp 2 (n ) + AhVC3 (n ) _ R 1 I L (n ) + (1 _ Ah)R 3 I Lf (n ) [p(n )L2 _ (1 + Ah(n ))R 2 ]I L 2 (n ) = AhVC4 (n ) + R 4 AhSf (n ) + R 4 AhI Lf (n ) _ R 4 AhI Lp1 (n ) _ VC2 (n ) _ Ah(n )VCp 2 (n ) + R 2 I L (n ) [p(n )Lf + Ah(n )R 4 + (1 _ Ah)R 3 I Lf (n )]I Lf (n ) = VCp 2 (n ) _ Ah(n )VC4 (n ) _ R 4 Sf (n ) + Ah(n )R 4 I Lp1 (n ) + Ah(n )R 4 I L 2 (n ) _ VCf (n ) _ R f I Lf (n ) + (1 _ Ah)R 3 I L1 (n ) [p(n )Lp1 _ Ah(n )R 4 ]I Lp1 (n ) = Ah(n )VC4 (n ) + Ah(n )R 4 (Sf (n ) + I Lf (n ) _ I L 2 (n)) _ Vcp1 (n ) + (1_ Ah(n ))VCp 2 (n ) Avec : n le rang de l’harmonique, p( n ) = 2πn T X(n) le nième coefficient de Fourrier du signal X 3.3. Comparaison par rapport à la mesure Les mesures des perturbations électromagnétiques ont été effectuées au Laboratoire d’Electrotechnique de Grenoble (LEG). Nous avons utilisé l’analyseur de spectre HP8560A disponible comme récepteur de mesure. Suite à des mesures normatives, nous avons comparé sur la figure Fig.2.25 le spectre prédit par notre méthode (modèle analytique) et celui mesuré sur le bras bas du RSIL. 86 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.25. Comparaison du modèle par rapport à la mesure. L= 0.8 µH, Cp1= 300 pF, Cp2= 70 pF, Cf = 407 µF, esl 15= H, esr = 50 mΩ, Lp1=20 pH Le modèle analytique permet de prédire le spectre des perturbations avec une bonne précision jusqu'à des fréquences assez hautes du spectre, 20 Mhz. Au delà de cette valeur les commutations non idéales des interrupteurs interviennent dans le spectre [Rev03], [Pop99]. L’écart entre le spectre mesuré et le spectre prédit est dû au modèle d’interrupteur idéal que nous avons considéré dans notre méthode qui ne prend pas en compte des commutations réelles. Cela est naturellement visible qu’aux hautes fréquences. 3.4. Analyse de sensibilité Grâce aux modèles analytiques il est très simple de faire une analyse de sensibilité qui permet d’évaluer l’effet de certains éléments du circuit sur le spectre CEM. Nous avons choisis d’analyser l’effet des éléments suivant : les capacités parasites (Cp) et l’inductance parasite (esl) du condensateur d’entrée. 87 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites 3.4.1. Effet de la capacité Cp sur le spectre Afin d’analyser l’effet de la capacité Cp2 sur le spectre, nous avons comparé le spectre mesuré par rapport a celui prédit par le modèle analytique pour deux valeur de Cp2 tout en fixant la valeur de Cp1= 300 pF. Fig. 2.26. Comparaison du modèle par rapport à la mesure pour deux valeurs de Cp2. En bleu Cp2= 70 pF, en rouge Cp2= 150 pF. Cp1=300 pF, L= 0.8 µH, Cf = 407 µF, esl =15 nH, esr = 50 mΩ, Lp1=20 pH. La figure ci-dessus montre que la valeur de la capacité Cp2 n’intervient sur le spectre qu’en haute fréquence, à partir de 10 Mhz. 3.4.2. Effet de l’inductance parasite (esl) sur le spectre Afin d’analyser l’effet de l’inductance parasite (esl), nous avons comparé le spectre mesuré aux spectres prédits à l’aide de la méthode proposée avec et sans prise en compte du esl. 88 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.27. Comparaison du modèle par rapport à la mesure avec (en bleu) et sans (en rouge) prise en compte du esl (esl = 15nH dans ce dernier cas). L= 0.8 µH, Cp1= 300 pF, Cp2 = 70 pF, Cf = 407 µF, esr = 50 mΩ, Lp1=20 pH. La figure ci-dessus montre que l’inductance parasite du condensateur d’entrée intervient pleinement sur le spectre à partir des basses fréquences. Ceci montre l’importance de sa prise en compte lors de la modélisation des phénomènes électromagnétiques. 3.5. Comparaison par rapport à la méthode indirecte Malgré les différents inconvénients que présente la méthode indirecte pour traiter des problèmes de pré-dimensionnement des convertisseurs de puissance (voir paragraphe. II.1), celle-ci reste toujours une méthode de référence par rapport à laquelle on peut valider les modèles analytiques. Bien évidemment, ceci est au détriment d’un bon réglage des paramètres de simulations (pas de temps de simulation), d’un bon choix de la technique de fenêtrage et d’un temps de simulation assez long. 89 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Nous avons réalisé des simulations temporelles sous SABER, en utilisant les modèles « type circuit » d’interrupteur correspondants aux composants utilisés dans la pratique. Sachant que nous utilisons des MOSFET et des diodes Schottky, les modèles circuits de ces éléments sous SABER sont suffisamment précis. Le pas de simulation est inférieur à 17 ns, afin de couvrir toute la plage de fréquence de la norme (30 Mhz), calculé à l’aide de la formule equ.2.3. La FFT est calculée en utilisant une fenêtre Flattop afin d’avoir une meilleure précision sur l’amplitude du spectre (voir paragraphe II.1.3). Nous avons représenté sur la figure Fig.2.28 les spectres obtenus, par la mesure, à l’aide du modèle analytique et celui issus de la méthode indirecte. La comparaison entre les différents spectres, montre que la méthode indirecte est plus précise que le modèle analytique en hautes fréquences (à partir de 20 Mhz). Ceci s’explique par le modèle dynamique de l’interrupteur utilisé dans les simulations temporelles qui permet de rendre compte des commutations réelles. Dans la méthode proposée les commutations sont négligées par l’utilisation de modèles idéaux pour les interrupteurs. Par contre le temps de calcul ainsi que les ressources informatique nécessaire pour la méthode indirecte sont beaucoup plus grandes que ceux de la méthode proposée. A titre indicatif, la simulation temporelle a durée plus de huit heures alors que le modèle analytique a permis de prédire le spectre en moins d’une minute sur un PC équipé d’un processeur AMD de fréquence 1 GHz et de 256 Mo de RAM. 90 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Fig. 2.28. Comparaison entre les spectres retrouvés à l’aide de la méthode Indirectes, du modèle analytique et celui mesuré. V. Conclusion Dans ce chapitre nous avons proposé une méthode de prédiction des perturbations électromagnétiques conduites générées par les convertisseurs de puissance. La méthode fournie des modèles analytiques qui permettent d’agir avant la réalisation des convertisseurs et ainsi réduire le coût élevé engendré par non la prise en compte de contraintes de CEM dans la phase de conception. Elle se base sur l’analyse de causalité des graphes de liens. L’utilisation des graphes des liens donne à la méthode un aspect général permettant de traiter toute structure de puissance et évite la nécessité de savoir faire particulier lors de l’étude de la CEM. L’analyse de causalité permet une mise en équations systématique du système, qui trouve tout son intérêt dans le cas de système complexe. 91 Chapitre 2. Nouvelle méthode pour la prédiction des perturbations EM conduites Cette méthode a été validée dans le cas d’un hacheur série réel. La comparaison du spectre prédit par rapport à celui mesuré à l’aide d’un analyseur de spectre, a montré que la méthode permet de prédire les perturbations avec une très bonne précision jusqu'à des fréquences assez élevées du spectre, 20 Mhz. Au delà de cette valeur le modèle d’interrupteur idéal utilisé dans notre méthode ne permet plus de reproduire les perturbations électromagnétiques réel. Ceci peut être amélioré par l’utilisation de modèle plus précis qui permet de rendre compte des commutations réelles des composants de puissance dans notre méthode. Néanmoins dans le cadre du pré-dimensionnement la précision offerte par la méthode proposée reste suffisamment satisfaisante, d’autant plus que les spectres prédits surestiment le spectre réel en hautes fréquences, entre 20 Mhz et 30 Mhz. 92 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Chapitre III. Utilisation des techniques d’optimisation pour le pré-dimensionnement I. Introduction........................................................................................................................... 94 II. Utilisation des techniques uni-objectifs............................................................................... 96 1. Les algorithmes génétiques .............................................................................................. 96 2. Choix des algorithmes génétiques et outil d’optimisation : DARWIN............................ 97 3. Optimisations avec fonctions coûts discrètes et continues............................................... 98 4. Convertisseurs optimisés................................................................................................ 102 5. Validations de la conception .......................................................................................... 104 6. Conclusion...................................................................................................................... 104 III. Les techniques d’optimisation multi-objectif................................................................... 105 1. Définitions...................................................................................................................... 105 2. Les différentes approches de résolution des problèmes multi-objectifs ........................ 108 IV. Notre démarche d’optimisation multi-objectif................................................................. 126 1. Introduction .................................................................................................................... 126 2. Description de la méthode.............................................................................................. 126 3. Exemple pédagogique .................................................................................................... 129 4. Application dans le cas d’étude : hacheur série 42 /14V ............................................... 131 V. Optimisation avec prise en compte de contrainte CEM .................................................... 136 VI. Conclusion ....................................................................................................................... 137 93 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement I. Introduction Lorsque le concepteur d’un système désire améliorer certaines performances particulières, la complexité du problème conduit naturellement à l’utilisation de techniques d’optimisations destinées à faciliter la détermination des meilleures solutions (solutions optimales). La conception de convertisseurs de puissance fait intervenir en général un nombre important de variables de conception ainsi que plusieurs contraintes physiques de nature différentes. Dans de tels cas, le raisonnement humain seul n’est plus suffisant, car il devient difficile de percevoir tous les couplages et de comprendre comment agir pour améliorer les critères choisis. L’utilisation des techniques d’optimisation se révèle alors très efficace pour aider le concepteur dans sa démarche et lui permettre de mieux appréhender le comportement complexe des systèmes. Dans ce chapitre nous allons présenter l’utilisation des techniques d’optimisation uni-objectif et multi-objectif dans la conception de convertisseurs de puissance. Nous présenterons la différence entre ces deux techniques ainsi que les principales méthodes d’optimisation multiobjectifs. L’association de deux d’entre elles nous a permis de développer une nouvelle démarche d’optimisation multi-objectif, qui permet d’éliminer leurs faiblesses respectives. Cette démarche multi-objectif ainsi que des techniques d’optimisation uni-objectifs, à bases d’algorithmes génétiques, ont été appliqués à un exemple d’étude avec des spécifications réelles. Cet exemple est un hacheur série 42/14 V en technologie SMI (Substrat Métallique Isolé) typique pour des applications automobiles, voir Fig.1.11. Les différentes considérations de conception ainsi que les modèles utilisés, concernant les aspects électriques et thermiques, ont été déjà détaillés dans le chapitre 1 (paragraphe III.1). Pour des raisons de clarté, nous avons choisis de simplifier le problème d’optimisation en ignorant les contraintes CEM. Ceci permet de focaliser ce chapitre sur l’apport des techniques d’optimisation, uni-objectif et 94 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement multi-objectifs, dans la conception des convertisseurs de puissance. Néanmoins, des optimisations sous contraintes CEM seront présentées au niveau du chapitre 4. Dans ce qui suit nous nous limiterons à rappeler le cahier des charges considéré ainsi que le problème d’optimisation traité. Electrique Thermique Ve= 42 V Tambmax = 50°C Vs= 14 V Is= 8A Tjmax = 175°C ∆(Vs)max = 400 mV MCC Tab3.1. Cahier des charges du hacheur à optimiser. Avec : Ve : Tension d’entrée (continue) Vs : Tension de sortie (continue) Is : Courant de sortie moyen ∆(Vs)max: Ondulation maximale sur la tension de sortie MCC : Mode de Conduction Continu Tambmax: Température ambiante maximale Tjmax : Température de jonction maximale Suivant le principe de transformation du problème de pré-dimensionnement en un problème d’optimisation sous contraintes, énoncé dans le tableau Tab.1.1, nous avons défini le problème d’optimisation suivant : Fonctions objectifs Variables d’optimisation Contraintes Surface [cm²] Composants passifs : L (µH) et C (µF) Electrique : ∆Vs< Vsmax Coût en euros [€] Composant actifs : MOSFET Rendement [ ] Fréquence de découpage : f (Khz) Masse [g] Radiateur : R (°C/W) ∆I < 2*Is Thermique : Tj < Tjmax Tab.3.2. Problème d’optimisation traité 95 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Les variables d’optimisation sont un mélange de variables continues (fréquence de découpage et radiateur) et discrètes (composants passifs et actifs). Les contraintes de conception sont de type électrique et thermique. Les contraintes électriques permettent de fixer un taux d’ondulation maximal pour la tension de sortie (Vsmax) ainsi qu’un fonctionnement en mode de conduction continue. Ce dernier est fixé à l’aide d’une contrainte sur l’ondulation du courant inductif (∆I) Les modèles utilisés pour décrire l’ondulation de la tension de sortie ainsi que celle du courant inductif, sont des modèles analytiques définis par les équations (equ.1.2) et (equ.1.3). Les contraintes thermiques visent à s’assurer que la température de jonction du MOSFET reste au dessous de la limite maximale fixée par le fabricant qui garantie sa fiabilité. La température de jonction est décrite par le modèle analytique de l’équation (equ.1.8). Les fonctions objectifs que l’on vise à optimiser sont la surface, la masse, le rendement et le coût en euro. Les modèles des fonctions objectifs sont développés dans la suite de ce chapitre. II. Utilisation des techniques uni-objectifs 1. Les algorithmes génétiques Les algorithmes génétiques sont des techniques d’optimisation stochastiques qui tentent d’imiter les processus d’évolution naturelle des espèces et de la génétique. Ils agissent sur une population d’individus assujettis à une sélection darwinienne : les individus (ou parents) les mieux adaptés à leurs environnement survient et peuvent se reproduire. Ils sont alors soumis à des mécanismes de recombinaisons analogues à ceux de la génétique. Des échanges de gènes entre parents résultent de la création de nouveaux individus (ou enfants), qui permettent de tester d’autres configurations de l’espace de recherche [Sar99]. L’algorithme génétique diffère fondamentalement des autres méthodes dans la recherche de l’optimum : 96 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement • Il utilise un codage des paramètres de la fonction à optimiser et non les paramètres eux même. • Il agit sur un ensemble de configurations et non sur un point unique. • Il n’utilise que les valeurs de la fonction à optimiser, pas sa dérivée ni une autre connaissance auxiliaire. • Il utilise des règles de transitions probabilistes (non déterministes). Le principe de cette méthode consiste à partir d’une population de N solutions du problème représentées par des individus. Cette population choisie aléatoirement est appelée population parent. Le degré d’adaptation d’un individu à l’environnement est exprimé par la valeur de la fonction coût f(x), où x est la solution que l’individu représente. On dit qu’un individu est d’autant mieux adapté à son environnement que le coût de la solution qu’il représente est plus faible. Au sein de cette population, intervient alors la sélection au hasard d’un ou deux parents, qui produisent ensuite une nouvelle solution, à travers les opérateurs génétiques, tels que le croisement et la mutation. La nouvelle population, obtenue par le choix de N individus parmi les populations parents et enfants, est appelée génération suivante. En itérant ce processus, on produit une population plus riche en individus mieux adaptés [Sar99]. 2. Choix des algorithmes génétiques et outil d’optimisation : DARWIN Le pré-dimensionnement en électronique de puissance fait intervenir certaines particularités lors du choix de la méthode d’optimisation. Ces particularités sont surtout la nature mixte (discret/continu) des paramètres d’optimisation ainsi que des coûts, présentés dans le paragraphe I.3.3 du chapitre 1, auquel est rajouté la nécessité de prise en compte de contraintes d’optimisation ainsi que de robustesse (convergence) pour la recherche du minimum global. Les algorithmes génétiques par leur nature stochastique semblent être bien adaptés pour répondre à toutes ces particularités. En plus de la prise en compte de variables discrètes et continues, ils permettent aussi de prendre en compte un grand nombre de 97 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement contraintes et ils ont l’avantage de ne pas être piégés par un optimum local et ne requièrent la connaissance d’aucune propriété mathématique. C’est pour ces avantages que nous avons fait le choix d’utiliser les algorithmes génétiques pour résoudre notre problème d’optimisation de convertisseurs de puissances. Plus précisément, nous avons utilisés un outil d’optimisation à base d’algorithmes génétiques, DARWIN [Dar00]. DARWIN est un outil dédié aux ingénieurs pour les aider dans leurs démarches d’optimisation de problèmes complexes. Il permet d’optimiser une ou plusieurs fonctions objectifs et de prendre en compte un grand nombre de contraintes et de variables d’optimisation. Cet outil a été utilisé dans certains travaux antérieurs pour l’optimisation de convertisseurs de puissance suivant un seul objectif. Par exemple dans [Bus01] et [Her01] DARWIN a été utilisé pour réduire le coût d’une structure Boost avec PFC en prenant en compte des contraintes de conception thermiques, électriques et CEM, la fonction objectif optimisée etait une fonction continue obtenue par interpolation de données discrètes. 3. Optimisations avec fonctions coûts discrètes et continues La plupart des méthodes d’optimisation nécessitent des expressions analytiques des fonctions coût à optimiser. Ainsi des techniques d’interpolation sont communément utilisées pour déterminer des expressions analytiques pour les fonctions objectifs à partir des coûts réels discrets, [Bus01], [Her01], [Lar02], [Jou02]. Ceci n’est pas le cas des algorithmes génétiques qui permettent très bien d’optimiser des fonctions coûts discrètes et continues. Plus précisément DARWIN permet de gérer des bases de données ainsi que des modèles analytiques. A l’aide de DARWIN nous avons pu réaliser deux types d’optimisations pour un même objectif d’optimisation. Dans le premier type, la fonction objectif à optimiser est une fonction discrète obtenue par sommation de données discrètes stockées dans une base de donnée. Dans le second type, la fonction objectif est une fonction continue obtenue par interpolation de 98 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement données discrètes. Cette procédure a été répétée pour différents objectifs d’optimisation (la surface, la masse et le coût en euros), à chaque fois un seul objectif est traité. Une confrontation des résultats d’optimisation suivant les deux types de fonctions objectifs, discrètes et continues, est présentée sur la figure Fig.3.2. 3.1. Fonctions objectif discrètes Les fonctions objectifs discretes (la surface S, le coût en euro C et la masse M), sont déterminées en faisant la somme de tous les coûts individuels pris à partir d’une base de données, comme suit : • S, Surface du circuit : somme des surfaces des composants plus une constante qui correspond à l’écart minimal entre les différents composants. S est exprimée en cm². • C, Coût en euros du circuit : somme des coûts des composants (actifs, passifs) plus celui du radiateur. C est exprimé en €. • M, Masse du circuit : somme des masses des composants, du SMI et du radiateur. M est exprimée en gramme. L’exemple suivant montre la fonction objectif masse totale du convertisseur (M) N M= ∑ M i + M SMI + M rd [gr] i =1 Avec N : le nombre des composants, Mi : masse du composant i (1< i < N), MSMI : la masse du substrat SMI et Mrd : la masse du radiateur. Le radiateur est décrit par sa résistance thermique Rthr. Le coût en € (Crd) ainsi que la masse (Mrd) sont exprimés en fonctions de Rthrd en tenant compte des données des fabricants. La surface est la même que celle du circuit imprimé SMI. C rd = 64,607 exp(−0,3869 Rth rd −amb ) M rd = 200 / Rth rd - amb . 99 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 3.2 Fonctions objectifs continues Ici, les fonctions objectifs continues sont obtenues par interpolation des données discrètes, la surface, le coût en euros et masse. L’exemple suivant montre l’interpolation effectuée pour déterminer une expression de la surface de l'inductance [cm²] en fonction de sa valeur L [µH], 9 8 7 6 5 4 3 2 1 0 0,3 0,5 0,9 1,1 1,3 1,6 1,9 2,4 2,6 3,2 4,3 4,5 6,4 9,8 12,8 18,1 Coût : Surface [cm²] à partir des données des fabricants. Variable d'optim isation L [µH] Fig. 3.1. Interpolation de fonction coût de l’inductance Cet exemple montre l’erreur possible causée par l'interpolation des fonctions coûts. La forte discontinuité est due à la nature discrète des dimensions du noyau magnétique, dans ce cas seul deux tailles sont disponibles. Le rendement ( η ) est une fonction coût continue par nature, son expression est déterminée à partir du calcul des pertes dans le MOSFET (PMOS), l’inductance (PIND) et la diode (Pd). η = puissane de sortie = puissance de sortie + Pertes IoutVout IoutVout + P IND + P MOS + P d (equ. 3.1) Cette expression est évaluée en régime établi 3.3. Confrontation des coûts discrets et interpolés Les résultats des différentes optimisations avec des fonctions coûts discrètes et continues, dans le cas des différents objectifs d’optimisation, sont regroupés dans le tableau, Tab.3.3. 100 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement L : [µH], C : [µF], f : [kHz], Rthrd : [°C/W], ∆V : [V], ∆I : [A], Tj : [°C], MOS : IRFxxs Coûts interpolés (continus) Objectif Coûts discrets Variables d’optimisation Coûts Contraintes Variables d’optimisation Coûts Contraintes d’optimisation L C 22 MOS f 520 500 14.2 0.16 14 130 520 500 19 0,3 5,8 Rthr ∆V ∆I Surface [cm²] 7,4 1.3 Coût [€] 5,8 3,2 masse[g] 14,9 1,3 22 520 500 12,7 0,16 14,3 rendement 0,92 12,8 47 520 70 5,8 0,39 10,4 4,7 L C MOS f Rthr ∆V ∆I 6,7 2.6 4.7 520 500 10 0,38 7 105 133 4,34 18,1 4.7 3710 220 6,2 0,28 2.3 124 130 11,4 2,6 22 408 12 0,12 8,8 96 Tj 520 72 Tab.3.3. Résultats d’optimisations uni-objectifs Sur le tableau, Tab.3.3, on remarque que les solutions obtenues à l’aide de fonctions objectifs interpolées et discrètes pour le même objectif d’optimisation sont différentes. Ceci montre que les fonctions objectifs interpolées peuvent mener à des erreurs significatives sur la solution optimale. Une comparaison entre les résultats des optimisations (coûts optimaux) avec des fonctions objectifs discrètes et interpolées est présentée sur la figure, Fig. 3.2. La figure Fig. 3.2 montre que l'utilisation des fonctions objectifs discrètes produit de meilleures conceptions (coûts plus faibles) que celles obtenue par interpolations des données. Ceci montre l'intérêt de prendre en considération des fonctions coûts discrètes dans l’optimisation des convertisseurs de puissance. L’utilisation de fonctions coûts interpolées constitue d’une part une source d’erreur dans la recherche de l’optimum global et d’autre part ne permet pas une mise à jour simple de la liste de composants car elle oblige le concepteur de recalculer les fonctions coûts à chaque fois qu’il veut rajouter un nouveau composant. Ainsi, dans la suite du travail nous n’utiliserons que des fonctions objectifs discrètes. 101 Tj Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Fig. 3.2. Confrontation entre coûts optimaux avec fonctions discrètes et continues 4. Convertisseurs optimisés Après avoir montré l’importance de la prise en compte de fonction objectif discrète lors de l’optimisation de convertisseurs de puissance, nous allons nous intéresser dans la suite à analyser les solutions des optimisations suivant les différents objectifs dans le cas discret. 4.1. Résultats des optimisations Les résultats des différentes optimisations à l’aide de fonctions objectifs discrètes sont représentés dans le tableau Tab. 3.4. Suite aux différentes optimisations, nous avons trouvé que pour chaque objectif d’optimisation le convertisseur conçu est différent des autres, malgré que l’on ait gardé dans tout les cas le même cahier des charges ainsi que les mêmes variables et contraintes d’optimisation. Le premier convertisseur est le plus compact, le deuxième est le plus économique, le troisième le plus léger et le dernier a le meilleur rendement. Ce qui traduit bien la notion de minimisation. 102 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Coûts Design Objectif à Surface : S [cm²], coût : C [€], L :[µH ], C :[µF ], f :[kHz ], optimiser masse :M [g], rendement : r [ ] Rthr :[°C/W ], M0S: IRFxxs S C M r L C MOS Surface 6,7 6 12 0.78 2.6 4.7 Coût 10.2 4,34 63.5 0.84 18,1 Masse 9 7.4 11.4 0.82 Rendement 9.3 7.8 59 0.92 Convertisseurs : f Rthr 520 500 10 Convertisseur 1 4.7 3710 220 6,2 Convertisseur 2 2,6 22 520 408 12 Convertisseur 3 12,8 47 520 70 5,8 Convertisseur 4 Tab. 3.4. Résultats d’optimisation avec fonctions coûts discrètes 4.2. Discussion Si on cherche à faire un choix parmi ces quatre convertisseurs, le meilleur choix s’effectuera suivant l’application, par exemple le convertisseur le plus léger sera choisi pour les applications aéronautiques, néanmoins il est clair qu’un convertisseur de taille plus réduite peut être aussi avantageux pour ce même type d’application. Ainsi, un meilleur convertisseur sera conçu d’une manière multi-critéres, ceci est possible à l’aide d’optimisation multi-objectif. Certes on n’aura pas un convertisseur optimal sur tous les objectifs simultanément, mais cela permettra d’avoir un convertisseur présentant les meilleures alternatives, ou, à la limite, donnera le choix au concepteur parmi des solutions efficaces. La résistance thermique (Rthr) a été choisie pour des raisons de simplicité pour décrire le modèle thermique et aussi comme variable d’optimisation. Ici le rendement ne dépend pas du Rthr et l’algorithme d’optimisation a choisi une valeur arbitraire. Toutefois un modèle plus précis des pertes notamment en fonction de la température fournirait une dépendance de Rthr sur le rendement. 103 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 5. Validations de la conception Afin de vérifier les différentes considérations (modèles) pris en compte dans la conception, développé dans le chapitre 1, nous avons réalisé la conception du convertisseur optimal en coût en € avec fonctions coûts discrètes (convertisseur 2), Fig. 3.3. Des mesures expérimentales ainsi que des simulations temporelles, à l’aide du logiciel « SABER », nous on permis de vérifier le respect des différents aspects du cahier des charges (Tab. 1.1). L’exemple de la tension de sortie est montré sur la figure 3.4. Fig. 3.3 Convertisseur optimal en coût « discret » en € Fig. 3.4. Tension de sortie simulation et mesure Sur la figure 3.4, on remarque bien que l’ondulation sur la tension de sortie est proche de 400 mV et que la valeur moyenne de la tension de sortie est proche de 14 V. Une vérification thermique a été effectuée. La température du boîtier du MOSFET en fonctionnement nominal mesurée avec un thermocouple, diffère seulement de 10 % par rapport à la température calculée à l’aide du modèle thermique utilisé. 6. Conclusion L’utilisation des techniques d’optimisation uni-objectif permet de concevoir des convertisseurs qui sont très bons suivant un seul critère (le volume ou le coût en Euros ou le rendement, ou...) par contre moyennement satisfaisant suivant les autres. Ceci est surtout dû aux conflits entre les 104 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement différents objectifs à optimiser lors de la conception des systèmes de puissance. Dans le domaine industriel, de nombreux secteurs sont concernés par des problèmes complexes comportant plusieurs objectifs à optimiser simultanément. La meilleure solution à ces problèmes consiste à définir un compromis entre les différents objectifs, ceci est possible grâce à l’emploi des techniques d’optimisations multi-objectifs que nous allons traiter dans la suite de ce chapitre. III. Les techniques d’optimisation multi-objectif 1. Définitions Les problèmes d’optimisation multi-objectifs entrent dans la catégorie des problèmes d’optimisation vectoriels, qui cherchent à optimiser plusieurs composantes d’un vecteur fonction coût. L’optimisation multi-objectifs possède ses racines dans le 19iéme siècle dans les travaux en économie de Edgeworth et Pareto [Par96]. Certaines définitions sont nécessaires à la poursuite de l’exposé. 1.1. Formulation d’un problème d’optimisation multi-objectifs Un problème d’optimisation vectoriel contraint peut être exprimé de la façon suivante : On cherche à déterminer les solutions vérifiant : y ∈ C tel que F(y) = Min F(x) , avec x ∈ C C est l'espace de recherche de solutions, lorsqu'elles existent, les frontières de C définissent les contraintes du problème de minimisation. F est le vecteur de fonctions coût à optimiser définie dans l'espace C, F(x) = (f1(x), f2(x), …, fn(x)), avec n ≥ 2 . L’opérateur ‘Min’ doit permettre la minimisation simultanée des composantes du vecteur F. Cet opérateur n’a pas le sens commun de minimisation car celui-ci n’est vrai que dans le cas uni-objectifs, nous allons présenter sa signification propre dans le cas multi-objectif dans la suite de ce chapitre. 105 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 1.2. Notion de non-dominance et optimalité Pareto Définition 1 : Un point y de C domine un point z de C si et seulement si tous les fonctions objectifs de y ont une valeur inférieure à celle de z et au moins l’une de ces valeurs est strictement inférieure à celle de z, ceci peut être formulé comme suit : ∀ i ∈ [1,..., n ], f i (y) ≤f i (z) et ∃ k ∈ [1,..., n ] tel que f k (y) < f k (z) Un point z de l’ensemble C est non dominé s’il n’existe aucun élément dans C qui le domine. f2 xX Yx xU Zx f1 Fig. 3.5. Illustration du principe de non-dominace dans l’espace des objectifs f1 et f2 sont les fonctions objectifs Dans l’espace à deux dimensions représenté sur la figure Fig. 3.5, on considère quatre solutions X, Y, Z, U, on remarque que : X est dominé par Y et Z U est dominé par Z Y et Z sont non-dominés Définition 2 : Un point x est une solution Pareto-optimale si et seulement si il n’existe pas de point y qui le domine. L’ensemble des points non-dominées est appelé ensemble des solutions Paretooptimales. La définition de solutions Pareto-optimales découle donc directement de la notion de dominance. Elle signifie qu’il n’est plus possible d’améliorer l’un des objectifs sans détériorer les autres. 106 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 1.3. Surface de compromis ou frontière de Pareto Dans le cas de problème à plusieurs objectifs, la solution ne se résout pas en une unique solution comme le cas uni-objectif, mais à un ensemble de solutions ou plutôt un ensemble de candidats présentant chacun des alternatives différentes (les x et les o sur la figure 3.6). Parmi cet ensemble il existe des solutions qui sont meilleures que les autres. Meilleures dans le sens où elles ne peuvent plus être améliorées sur un objectif sans détériorer les autres. Ce sont les solutions Pareto-optimale. L’ensemble des solutions Pareto-optimale constitue la surface de compromis, appelée aussi frontière de Pareto. Sur la figure 3.6, on représente un cas de problème bi-objectif (f1 et f2), on remarque que tout les o sont dominés par les x, donc la surface de compromis, où la frontière de Pareto, est constituée par les x. f2 o o o x o o o o o x o o o o x o o o o x o oo o x o o o o x oo o o x o o o x o o o x f1 Fig. 3.6. Frontière de Pareto, f1 et f2 sont les deux fonctions objectifs. Les x sont les solutions Pareto-optimales et les o sont les points dominés Dans la section 2.1, nous allons présenter des exemples pédagogiques montrant comment est déterminée la frontière de Pareto pour des problèmes réels. 1.4. Algorithmes génétiques et optimisation multi-objectifs L’utilisation des algorithmes génétiques dans le cas multi-objectifs, consiste à appliquer le principe de non-dominance à l’opérateur de sélection [Eng98]. 107 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Sachant que la fonction objectif n’est plus scalaire, on ne peut plus ordonner la population. Par contre, en appliquant le principe de non-dominance, on génère un sous-ensemble d’individus non-dominé, ce sous-ensemble aura le rang 1. Ces individus sont ensuite enlevés de la population, et l’ensemble suivant d’individus non-dominé est identifié et on lui attribue le rang 2. Ce processus est réitéré jusqu'à ce que tous les individus de la population aient un rang, comme indiqué sur la figure 3.7. La sélection des parents, se fera alors de préférence parmi les individus des sous ensemble de rang le plus faible. f2 x o x * o * x o * x o * x o * x o x Sous ensemble de rang 3 Sous ensemble de rang 2 Sous ensemble de rang 1 f1 Fig. 3.7. Classement d’une population 2. Les différentes approches de résolution des problèmes multi-objectifs Dans le cas général, la résolution de problèmes d’optimisation multicritères qui vise à établir un compromis entre plusieurs critères, met en œuvre des mécanismes d’optimisation ainsi que des mécanismes de prise de décision dans lesquels intervient un décideur humain. Le domaine de la prise de décision multicritère distingue à cet égard trois schémas possibles de combinaison de ces deux mécanismes complémentaires [Tal99]: - les approches "a priori" dans lesquelles le décideur intervient en amont du processus d’optimisation, pour définir la fonction d’agrégation des différents critères. 108 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement -les approches "a posteriori" font intervenir le décideur en aval du processus d’optimisation, en lui présentant des solutions Pareto optimales, voire des solutions non dominées sur lesquelles il exerce son choix final. - les approches "interactives" combinent de manière cyclique et incrémentale les deux mécanismes mentionnés : le décideur définit des préférences qui sont prises en compte au cours du processus de résolution du problème. En se basant sur ces trois schémas possibles de coopération entre solveur du problème et décideur final, les approches utilisées pour la résolution des problèmes multi-objectifs peuvent être classées en trois catégories : - la transformation vers un problème uni-objectif consiste à combiner les divers critères en les pondérant. Ces méthodes sont de type "a priori". Dans cette catégorie, citons les méthodes d’agrégation, E-contrainte et la programmation par but. - les approches non-Pareto utilisent des opérateurs qui traitent séparément les différents critères. Citons les algorithmes génétiques à sélection parallèle, à sélection lexicographique ou basée sur une reproduction multisexuelle. Il s’agit principalement d’approches de type “a posteriori ”. - les approches Pareto utilisent directement la notion de non-dominance dans leurs processus de recherche. Ces approches appartiennent également aux approches de type "a posteriori". Pour les problèmes à deux objectifs de petites tailles, il existe des méthodes exactes permettant de résoudre ce type de problème, tels que « branch and bound », l’algorithme A* et la programmation dynamique. Dans le cas de problème de grandes tailles et/ou des problèmes avec un nombre de critères supérieurs à deux, des méthodes heuristiques sont nécessaires, elles ne garantissent pas de trouver de manière exacte l’ensemble des solutions Pareto optimales, mais une approximation de cet ensemble. 109 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Plusieurs adaptations de métaheuristiques (techniques heuristiques) ont été proposées dans la littératures pour la résolution de problème multi-objectifs : recuit simulé [Eng98], la recherche tabou [Gan96] et les algorithmes évolutionnaires (algorithmes génétiques [Sri95], stratégies évolutionnistes [Kur91]). 2.1. Approches Pareto et exemples pédagogiques 2.1.1. Approches Pareto Les approches Pareto utilisent directement la notion de dominance. Elles visent à atteindre deux buts : d’une part converger vers la frontière Pareto optimale et d’autre part obtenir des solutions diversifiées –i.e. réparties sur toute cette frontière. Contrairement aux méthodes d’agrégation, ces approches fournissent un ensemble de solutions et non une solution unique. Cette idée a été introduite initialement dans les algorithmes génétiques par Goldberg [Gol89]. 2.1.2. Exemples pédagogiques Dans ce qui suit, nous allons présenter quelques exemples pédagogiques permettant de simplifier l’explication de la résolution des méthodes d’optimisation multi-objectifs suivant l’approche Pareto et surtout la frontière de Pareto et son analyse. Sachant que la frontière de Pareto est constituée par les solutions Pareto optimales, il convient de commencer par des exemples simples permettant de montrer comment sont déterminées les solutions Pareto-optimales. Par la suite nous proposons des exemples expliquant comment on peut construire la frontière de Pareto et analyser ces différents paysages. Un exemple d’un problème en génie électrique sera traité. 2.1.2.1. Détermination des solutions Pareto optimales Dans cette partie nous allons présenter comment déterminer les solutions Pareto optimales par une simple analyse des fonctions objectifs. 110 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Considérons deux fonctions objectifs (f1 et f2) qui varient en fonction d’une variable x. Il existe deux types de représentations des fonctions (f1 et f2), soit l’allure des objectifs : f1 et f2 en fonction de x (courbes à droite de chaque figure), ou dans le plan des objectifs : f2 en fonction de f1 (courbes à gauche de chaque figure). Suivant la tendance de ces deux fonctions ont peut déduire les solutions Pareto-optimales à partir de la représentation dans le plan des fonctions ou dans le plan des objectifs. Trois cas de tendances possibles peuvent se présenter : • 1er cas : tendances non contradictoires f1 12 8 7 f2 8 6 f2 fonctions objectifs 10 6 5 4 4 2 3 0 2 -4 -2 0 2 4 6 8 x=-4 0 2 4 variable d'optimisation : x 6 8 10 12 f1 Fig. 3.8. Cas de tendances non contradictoires A chaque fois que l’on cherche à améliorer un point x suivant un objectif, on l’améliore forcément sur le deuxième objectif (Fig. 3.8). Tous les points x sont dominés par le point x = -4. Donc les solutions Pareto optimales sont réduites à l’unique solution x = -4. Cette solution constitue le minimum atteint simultanément par les deux fonctions. Ainsi, les solutions dont la tendance des fonctions objectifs est non contradictoire sont des solutions non Pareto optimales, la seule solution Pareto optimale est le minimum atteint simultanément par ces deux fonctions. 111 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement • 2 éme cas : tendances contradictoires f2 12 f1 12 10 8 8 6 f2 fonctions objectifs 10 6 4 4 2 2 0 0 -4 -2 0 2 4 6 0 8 2 4 6 8 10 12 f1 variable d'optimisation : x Fig. 3.9. Cas de tendances contradictoires Pour tous les points x, à chaque fois que l’on cherche à améliorer suivant un des objectifs, on dégrade forcément le deuxième objectif (Fig. 3.9). Toutes les solutions x sont non-dominées. Ainsi, les solutions dont la tendance des fonctions objectifs est contradictoire sont des solutions Pareto optimales • 3 éme cas : Multiples tendances 14 Zone 1 f2 Zone 2 13 f1 10 Zone 1 12 Zone 2 11 8 10 6 f2 fonctions objectifs 12 9 4 2 8 0 7 -4 -2 0 2 4 6 8 0 2 variable d'optimisation : x 4 6 8 10 12 f1 Fig. 3.10. Cas de tendances multiples 112 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Dans ce cas, on se trouve avec deux tendances différentes (Fig. 3.10) : La zone 1 est une zone de contradiction des objectifs, donc toutes les solutions appartenant à cette zone sont des solutions Pareto optimales. La zone 2 est une zone de non contradiction des objectifs, donc aucune des solutions appartenant à cette zone n’est Pareto optimale. Ainsi, l’ensemble des solutions Pareto optimale est constitué par les solutions de la zone 1. Î D’une manière générale, l’ensemble des solutions Pareto optimale, est constitué par les solutions pour lesquels les différents objectifs ont des tendances contradictoires. 2.1.2.2. Détermination et analyse de la frontière de Pareto : La frontière de Pareto est la représentation de l’ensemble des solutions Pareto optimales dans le plan des objectifs (f1 en fonction de f2). Démarche à suivre pour déterminer la frontière de Pareto : Après avoir identifié la zone de contradiction des objectifs sur la représentation dans le plan des fonctions, on peut déduire l’ensemble des solutions Pareto optimales, comme présenté dans les exemples précédents. Par la suite, il suffit de représenter cet ensemble dans le plan des objectifs pour avoir la frontière de Pareto. Dans certains cas, il est possible de déterminer la frontière de Pareto à partir de l’analyse de la représentation dans le plan des objectifs, et cela en identifiant la zone de contradiction directement sur ce plan. Dans ce qui suit nous allons appliquer notre démarche sur des exemples pédagogiques de problèmes d’optimisation multi-objectif simples (deux objectifs et une variable), pour monter comment est déterminée la frontière de Pareto ainsi que l’analyse de ces différents paysages. Pour chaque problème traité nous allons vérifier notre démarche à l’aide d’un outil d’optimisation multi-objectif à base d’algorithmes génétiques, DARWIN [Dar00]. Cet outil permet de résoudre des problèmes d’optimisation multi-objectifs contraints et permet de fournir une approximation de la frontière de Pareto. 113 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement On propose de résoudre les problèmes bi-objectifs suivants : Problème 1 Problème 2 f1(x) = x ² f1(x) = x 4 et f2 (x) = (x-1) 2 et f2 (x) = (x-1) 4 Avec x variant dans l’intervalle [-1, 2] pour les deux problèmes Sur les représentations dans le plan des fonctions (figure 12 et 13), on peut identifier la zone de contradiction des différents objectifs, si elle existe. Zone de contradiction 4 Zone de contradiction 18 f1 16 f1 3 2 f2 1 0 fonctions objectifs f fonctions objectifs f 14 12 10 8 6 4 2 f2 0 -2 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 -1,0 -0,5 0,5 1,0 1,5 2,0 varaible d'optimisation x variable d'optimisation x Fig. 3.11. Représentation de l’allure des objectifs du problème 1 0,0 Fig. 3.12. Représentation de l’allure des objectifs du problème 2 On remarque pour les deux problèmes que la zone de contradictions des deux objectifs, donc l’ensemble des solutions Pareto optimale, est situé dans l’intervalle des x appartenant à [0 1]. La représentation de cet ensemble dans le plan des objectifs donne la frontière de Pareto, portion des courbes tracées en rouge sur les figures 3.13 et 3.14. 114 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 18 4 16 14 3 12 10 Frontière de Pareto Frontière de Pareto 8 f1 f1 2 6 1 4 2 0 0 -2 0 1 2 3 4 -2 0 2 4 f2 Fig. 3.13. Représentation dans le plan des objectifs du problème 1 6 8 10 12 14 16 f2 Fig. 3.14. Représentation dans le plan des objectifs du problème 2 Pour le problème 3 et 4, la frontière de Pareto peut être déduite directement à partir de la représentation dans le plan des objectif, car seule les portions tracée en rouge sur les figures 13 et 14 constituent des zones de contradiction des objectifs : ce sont les frontières de pareto. Le problème 1 a été introduit par Schaeffer pour évaluer et comparer les performances des algorithmes [Sch85]. A l’aide de l’outil d’optimisation, on retrouve les mêmes frontières de Pareto que celle déterminée à l’aide de notre démarche, pour les problèmes 1 et 2 (figure 15 et 16). Fig. 3.15. Frontière de Pareto du problème 1, résultat obtenu avec DARWIN [Dar00]. 115 18 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Fig. 3.16. Frontière de Pareto du problème 2, résultat obtenu avec DARWIN [Dar00]. Comme le montre les figures 3.15 et 3.16, pour les deux problèmes on trouve des frontières de Pareto convexes. Par contre pour la même plage de variation de la frontière de Pareto [0 1], on remarque que celle du deuxième problème est plus convexe que celle du premier. Cette différence est due essentiellement à l’allure des fonctions objectifs correspondant (figures 3.11 et 3.12). 116 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Problème 3 Problème 4 f1(x) = x1/2 f1(x) = x1/4 f2(x) = (1-x2)1/2 f2(x) = (1-x2)1/4 Avec x variant dans l’intervalle [0, 1] pour les deux problèmes 1,0 1,0 f1 0,8 fonctions objectifs f fonctions objectifs f f1 0,6 0,4 f2 0,2 0,0 0,8 0,6 0,4 f2 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 variable d'optimisation x 0,4 0,6 0,8 1,0 variable d'optimisation x Fig. 3.17. Représentation de l’allure des objectifs du problème 3 Fig. 3.18. Représentation de l’allure des objectifs du problème 4 Les cassures sur les courbes des figures 3.17 et 3.18 sont dues à la discrétisation. L’examen des deux représentations dans le plan de fonctions, montre que toutes les solutions x sont Pareto optimales, ainsi la frontière de Pareto est constituée par les représentations dans le plan des objectifs pour chaque problème comme représenté sur la figure 3.19. Problème 4 1,0 0,8 Problème 3 0,6 f1 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 f2 Fig. 3.19. Représentation dans le plan des objectifs des problèmes 3 et 4 117 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement En examinant directement les représentations dans les plans des objectifs des deux problèmes (Fig. 3.19), on remarque que les deux objectifs sont toujours en contradiction, ainsi la frontière de Pareto pour chacun des deux problèmes est tout simplement sa représentation respective dans le plan des objectifs. A l’aide de l’outil d’optimisation, on retrouve les mêmes frontières de Pareto que celle déterminé à l’aide de notre démarche, pour les problèmes 3 et 4 (figures 3.20 et 3.21). Fig. 3.20. Frontière de Pareto du problème 3, obtenue à l’aide de DARWIN. Fig. 3.21. Frontière de Pareto du problème 4, obtenue à l’aide de DARWIN. Dans ces deux cas on trouve des frontières de Pareto concaves. 118 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Sur la figure 3.21 on remarque aussi que, pour la même plage de variation [0 1], la frontière de Pareto du problème 4 est plus concave que celle du problème 3. Î D’une manière générale le paysage concave/convexe et le degré de concavité/convexité dépendent essentiellement, de l’allure des fonctions objectifs du problème à optimiser. De plus, pour les approximations le degré de concavité/ convexité dépend aussi des algorithmes utilisé [Bar03], [Tal99]. Les performances des métaheuristiques diffère suivant que celle-ci soit concave ou convexe. Par exemple, l’utilisation des méthodes d’agrégation est plus efficace lorsque la structure est convexe que dans le cas où la frontière est concave. Le principal avantage des approches Pareto est qu’elles sont capables de générer des solutions Pareto optimales dans les portions concaves de la frontière de Pareto. 2.1.2.3 Un exemple en Electronique de Puissance : élévateur de tension continue Dans cette partie nous allons traiter un problème élémentaire en électronique de puissance, hacheur élévateur de tension continue, dont le montage est proposé sur la figure 3.22. Fig. 3.22. Montage d'un hacheur élévateur de tension Le fonctionnement de ce circuit est le suivant : Pendant la fermeture de l’interrupteur, l’énergie est stockée dans l’inductance L. Pendant l’ouverture de l’interrupteur, il y a décharge de l’inductance L dans la charge R. Cette décharge n’est possible que pour Vs > Ve, d’où on a un élévateur de tension. 119 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Dans la suite du manuscrit et afin d’éviter toute source de confusion, nous allons utiliser f pour désigner la fréquence de découpage, F pour les fonctions objectif à optimiser et F pour designer un vecteur de fonction objectif. • Dans [Fer99], l’ondulation sur la tension de sortie (∆Vs) est déterminée à partir des formes d’ondes. Il est démontrer que dans le cas de conduction continue son expression est α Ve K = f (1 α) R C f ∆Vs = Avec : α : le rapport cyclique, Vs = (equ. 3.2) Ve (1 − α) et K = α Ve (1 − α) R C • Les pertes (Q) du montage, sont approximées à la quantité d’énergie perdue à chaque commutation de l’interrupteur E0 multipliée par la fréquence de découpage f : Q = E0 f Sachant que E0 et K sont toujours positifs, on déduit que les pertes et l’ondulation sont deux objectifs antagonistes : si on cherche à réduire les pertes, il faut prendre une faible valeur de f, ce qui donnera une l’ondulation sur la tension de sortie assez élevée. Ainsi on est en présence d’un problème d’optimisation bi-objectif (F1, F2) suivant : F1 = Q = E 0 f F1 = ∆Vs = K f E0 et K > 0 Avec f la variable d’optimisation. Calcul de K : Supposant que le rapport cyclique est α = 0.5. Avec un condensateur C d’une capacité de 100 µF et une résistance de charge R=1 kΩ, on trouve une valeur de k suivante : K = 50 [V S-1] Supposons que la quantité d’énergie perdue à chaque commutation est : E0 = 5µJ 120 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Frontière de Pareto Si on considère une plage de fréquence f qui varie de 10 à 100 kHz, on peut tracer d’allure des objectifs du problème, Fig. 3.23 fonctions objectifs 5 4 3 DVs 2 1 Q 0 0 20 40 60 80 100 variable d'optimisation : f en Khz Fig. 3.23. Allure des objectifs en fonction de la fréquence A l’aide de cette représentation on remarque que toutes les solutions f sont Pareto-optimales. Ainsi par passage à la représentation dans le plan des objectifs on obtient directement la frontière de Pareto, comme représentée sur la figure 3.24. 0,5 DVs (V) 0,4 0,3 0,2 0,1 0,0 0 1 2 3 4 5 Q (W) Fig. 3.24. Frontière de Pareto 121 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement A l’aide de l’outil d’optimisation, on retrouve la même frontière de Pareto que celle déterminée à l’aide de notre démarche pour ce problème (Fig. 3.25). Fig. 3.25. Frontière de Pareto à l’aide de l’outil d’optimisation 2.1.3 Conclusion Une analyse de l’allure des fonctions objectifs ainsi que de la représentation dans le plan objectifs permet de déterminer les solutions Pareto-optimales ainsi que la frontière de Pareto. Le plus grand avantage des approches Pareto est qu’elles sont capables de générer des solutions Pareto optimales dans les portions concaves de la frontière de Pareto, par contre la détermination de cette frontière (ou l’ensemble des solutions Pareto-optimales) n’est qu’une première phase dans la résolution pratique du problème, qui nécessite dans un deuxième temps le choix d’une solution à partir de cette frontière suivant les préférences choisies par le décideur, celle-ci peut être différente d’un décideur à un autre et ce choix est d’autant plus difficile que le nombre d’objectifs est plus élevé. A partir d’un nombre d’objectif supérieur à 2, il devient assez difficile d’interpréter ou même de représenter la frontière de Pareto. 122 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 2.2. Approche par transformation du problème vers l’uni-objectif Dans la résolution des problèmes multi-objectifs, plusieurs méthodes traditionnelles transforment ces problèmes en problèmes uni-objectifs. Parmi ces méthodes on trouve les méthodes d’agrégation ainsi que les méthodes de programmation par but (goal programming). 2.2.1. Méthode d’agrégation Cette méthode consiste à combiner les différents fonctions coût fi du problème en une seule fonction objectif F généralement de façon linéaire. Le problème peut être formulé de la manière suivante : n min (F(x) = ∑ λ i F i ) (equ.3.3) i =1 x∈ C Où les poids λ i ∈ [0,...,1] et ∑ n i =1 λi = 1 . Différents poids fournissent différentes solutions et les résultats obtenus dépendent fortement des paramètres choisis en fonctions des préférences associées aux objectifs, préférences choisies par un décideur humain. Dans le cas d’objectifs qui n’ont pas la même dimension physique, il est nécessaire de normaliser les différents objectifs en transformant l’équation précédente comme suit : n F(x) = ∑ c i λ i Fi , i =1 Où les ci sont des constantes de mise à l’échelle, généralement égales à 1 , où x* est la Fi (x * ) solution optimale associées à l’objectif Fi. Dans ce cas le vecteur est normalisé par rapport au vecteur idéal. L’avantage de ces approches est la production d’une seule solution et ne nécessitent donc pas l’interaction avec le décideur. Cependant, la solution trouvée, peut ne pas être acceptable. 123 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement L’espace de recherche est réduit de façon prématurée avant que des informations suffisantes soient disponibles. L’autre problème avec cette approche est la détermination des poids à priori, sans avoir des connaissances sur le problème traité. 2.2.2. Programmation par but Dans cette méthode, le décideur doit définir des buts ou références qu’il désire atteindre pour chaque objectif. Ces valeurs sont introduites dans la formulation du problème, le transformant en un problème uni-objectif. Par exemple, la fonction coût peut intégrer une norme pondérée qui minimise la distance par rapport aux buts. Le problème peut être formulé de la manière suivante [Sri95], [Tal99], [Cha03] : n p 1 p min ( F(x) = ( ∑ F j (x) z j ) ) j=1 (equ. 3.4) x∈ C Où 1 ≤ p ≤ ∞ , et z est le vecteur de référence (but) ou le vecteur idéal. La norme utilisée est la métrique de Tchebycheff (Lp-métrique). Généralement p =2, dans ce cas on a une métrique euclidienne. Cette méthode est reconnue comme très efficaces et facile à implémenter, par contre une sélection arbitraire du vecteur de référence peut ne pas être désirable, puisqu’un mauvais vecteur de référence peut aboutir à une solution qui n’est pas Pareto optimale. Ce type d’approche trouve une solution non-dominée si le but est choisi dans le domaine réalisable. Cependant, le décideur est chargé de choisir le vecteur but associé à chaque objectif, ce qui est une tâche difficile sans connaître la structure de l’espace de recherche. Si le domaine réalisable n’est pas facile à approcher, la méthode peut être inefficace. L’inconvénient majeur de cette méthode est l’absence éventuelle de pression de sélection des solutions générées. Par exemple, si on a deux solutions qui ont la même valeur pour un 124 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement objectif et des valeurs différentes pour l’autre objectif (forcément non Pareto-optimales), elles peuvent avoir le même coût. L’algorithme de recherche ne peut donc pas les différencier dans la résolution du problème. 2.2.3. Méthode E-contraintes Une autre façon de transformer un problème d'optimisation multi-objectif en un problème simple objectif est de convertir n-1 des n objectifs du problème en contraintes et d’optimiser séparément l'objectif restant [Tal99]. Le problème peut être reformulé de la manière suivante ⎧ min Fk (x) ⎪ ⎨x ∈ C ⎪s.c F (x) ≤ ε , j=1,...n, j ≠ k j j ⎩ Où ε = (ε 1,…,ε k-1, ε k+1,…,ε n) La connaissance a priori des intervalles appropriés pour les valeurs εi est requise pour tous les objectifs. Pour définir des valeurs adéquates pour εi, le vecteur idéal (x*) doit être calculé pour déterminer les bornes inférieures. On aura donc ε i ≥ Fi (x*), i = 1,…,k-1, k+1, n La génération de plusieurs solutions pareto-optimales nécessite de multiples exécutions de l’algorithme avec différentes contraintes εi, ce qui est un exercice coûteux en termes de calcul. Par contre, cette approche a l'avantage de ne pas être trompée par les problèmes non convexes. 2.3. Conclusion La transformation du problème multi-objectif en un problème uni-objectif nécessite la connaissance a priori du problème traitée. L’optimisation d’un problème multi-objectif peut garantir l’optimalité Pareto de la solution mais ne fournit qu’une seule solution. Ces méthodes sont sensibles au paysages de la frontière de Pareto (convexité, discontinuité, ..) ainsi qu’au 125 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement poids et aux vecteurs de références. Les solutions obtenues dépendent fortement de ces paramètres. IV. Notre démarche d’optimisation multi-objectif 1. Introduction A notre connaissance, il n’existe aucune méthode d’optimisation multi-objectifs efficace et adaptée pour tout les types de problèmes. L’approche Pareto est bien adaptée aux problèmes dont on n’a pas de connaissance a priori, elle fournie un ensemble de solutions (solutions Pareto-optimales) toutes aussi efficaces les unes que les autres, et ne nécessite qu’une seule résolution du problème. Par contre elle nécessite toujours l’intervention du décideur, pour le choix final de la solution. Ce choix est d’autant plus difficile que le nombre d’objectifs est plus élevé. Toutefois une grosse partie du travail de conception est fait et le concepteur n’a plus qu’à choisir une solution parmi les solutions Pareto-optimales. L’approche par transformation vers l’uni-objectif, notamment la programmation par but, permet de générer une solution unique, par contre l’efficacité de cette solution dépend fortement de la connaissance a priori de certains paramètres du problème, tel que le vecteur but ainsi que le domaine de recherche. Dans certains cas, deux solutions (non Paretooptimales) peuvent être confondues par l’algorithme de résolution. Afin d’éliminer les inconvénients de ces deux types de méthodes, nous allons les associer en une unique, qui permettra d’une part de fournir une seule solution au problème et d’autre part de garantir sa Pareto optimalité 2. Description de la méthode Notre approche consiste à appliquer un post-processing à l’ensemble des solutions Paretooptimales obtenues au préalable à l’aide de l’application de l’approche Pareto au problème 126 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement d’optimisation multi-objectif. Ce post-processing consiste en la méthode de programmation par but qui permet de sélectionner la solution Pareto-optimale la plus proche de l’objectif idéal. L’objectif idéal est l’ensemble des objectifs optimisés indépendamment des autres (uni-objectifs). Cet objectif idéal n’est généralement pas réalisable, sauf dans le cas où les différents objectifs ne sont pas contradictoires et atteignent leurs minimums pour la même solution. Dans le cas de frontières de Pareto convexes, la solution Pareto-optimale la plus proche de l’objectif idéale correspond à une projection orthogonale, d’où son unicité. Dans le cas contraire, il est possible d’avoir plusieurs solutions Pareto-optimales qui sont situées à la même distance par rapport à l’objectif idéal. Dans tout les cas que nous avons traités, nous n’avons rencontrés que des fonctions convexes. Si jamais nous tomberions dans le cas concave avec plusieurs solutions Pareto-optimales à distance égale de l’objectif idéal, nous aurons à choisir une solution parmi cet ensemble. Plusieurs méthodes hybrides ont été développées, dans [Cha03] la méthode de programmation par but a été utilisée pour évaluer la Pareto optimalité des solutions non dominées, par contre notre approche consiste à utiliser la programmation par but pour évaluer les solutions Pareto optimales déjà générées par une approche Pareto. Organigramme Notre méthode se base sur trois principales étapes. La première consiste à faire des optimisations uni-objectifs, à l’aide d’algorithmes génétiques, suivants les différents objectifs pris séparément. Les solutions suivant les différentes optimisations uni-objectifs forment ainsi l’objectif idéal. La deuxième étape consiste à appliquer l’approche Pareto au problème en considérant les différents objectifs simultanément. La dernière étape consiste à appliquer la méthode de « programmation par but » comme suit : le but à atteindre est l’objectif idéal et l’espace de recherche est constitué par l’ensemble des solutions Pareto-optimales fourni au 127 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement préalable par une approche Pareto. Afin de tenir compte de la dimension physique des différents objectifs, nous les avons normalisés par rapport à l’objectif idéal. La métrique utilisée dans la méthode de « programmation par but » est euclidienne (p=2), (equ.3.4). Sur le plan de Pareto, cette métrique correspond à la distance entre les solutions Pareto optimales et le vecteur idéal. Un test est effectué juste après la première étape, pour vérifier si la solution aux problèmes uni-objectifs pris séparément n’est pas la même. Auquel cas il n’est plus nécessaire d’appliquer des techniques multi-objectifs, car les fonctions ne sont pas contradictoires et atteignent leurs minimum en même temps. La solution ainsi retenue est celle commune à toutes les optimisations uni-objectifs. Cette démarche peut être décrite par l’organigramme de la figure, Fig. 3.26, suivante : Optimisations uni-objectifs à base d’AG : Vecteur idéal Solution unique pour tous les objectifs ? Normalisation du plan Pareto Approche Pareto : Solutions Pareto optimal Calcul de la distance entre les solutions Pareto optimal et le vecteur idéal Post-Processing : Programmation par but Solution retenue Détermination de la distance minimale Fig. 3.26. Organigramme de la démarche d’optimisation retenue 128 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Commentaire : Une solution optimale suivant tous les objectifs individuellement (objectif idéal), est rarement possible, ceci à cause des contradictions qui existent généralement entre les différents objectifs. Par contre, cette démarche constitue la meilleure manière de se rapprocher de cet objectif, et de le prendre en compte. Cette démarche peut s’adapter facilement à des situations différentes, elle est très utile surtout dans le cas d’un nombre d’objectifs supérieur à deux, où l’interprétation de la frontière de Pareto devient très difficile. Le seul inconvénient de cette démarche c’est qu’elle est un peu lourde en terme de nombre de résolution du problème, par contre elle garantie l’unicité de la solution. 3. Exemple pédagogique Nous avons appliqué notre démarche au problème de l’élévateur de tension continue, présenté dans la section III.2.1.2.3. La valeur optimale de l’ondulation sur la tension de sortie (∆Vs min = 0,5 V) est obtenue pour f=f max = 100 Khz, par contre les pertes minimales (Q min = 50 mW) sont déterminées pour f = f min = 10 khz, ainsi la solution est différente pour les deux objectifs optimisés séparément. Ainsi, l’objectif idéal est formé par le couple (∆Vs min, Q min). Après avoir déterminé les solutions Pareto optimales à l’aide d’une approche Pareto, nous avons normalisé le plan Pareto par rapport à l’objectif idéal (∆Vs min, Q min), suivant les axes respectifs. Vu que l’on est dans un repère orthonormé, la distance entre les solutions Pareto-optimales et le l’objectif idéal est déterminé comme suit : d= ( ∆vs - ∆vs min ∆vs min ) 2 + ( Q - Q min Q min ) 2 ; 129 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement En calculant la distance (d) pour chaque solution Pareto-optimale, nous avons trouvé que la plus petite valeur de (d) est dmin = 400.0026. Cette distance correspondant au couple d’objectif suivant : (∆Vs = 1.5817 V, Q = 0.15805 mW,). La distance minimale peut être vérifiée directement sur la figure 3.27. 5 DVs (V) 4 3 d1 2 Solution retenue 1,5817 1 d min d2 Objectif idéal 0,0 0,1 0,15805 0 0,2 0,3 0,4 0,5 Pertes : Q(W) Fig. 3.27. Distance des solutions Pareto optimales par rapport à l’objectif idéal. La distance minimale, d min, correspond à la solution de coordonnée : fréquence f =31.61 kHz. Parmi toutes les fréquences qui vont de 10 kHz à 100 kHz, c’est la fréquence de 31, 6 kHz qui sera retenue comme la solution pour ce problème. Ainsi, malgré que le problème soit assez simple, sa solution n’est pas prévisible par un simple calcul. Ceci montre bien l’intérêt des méthodes d’optimisation multi-objectif ainsi que l’efficacité de la démarche que nous avons proposée pour résoudre ce type de problème. Dans cet exemple (n=2), il est possible de déterminer la meilleure solution géométriquement sur la frontière de Pareto sans utiliser la méthode de distance, mais ceci est d’autant plus difficile que le nombre d’objectifs est élevé. 130 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement D’une manière générale, pour un nombre d’objectifs n ≥ 2 (F1, F2,…, Fn) et un nombre de variables m ≥ 1 (x1, x2,…, xm), la distance entre chaque solution Pareto-optimale et l’objectif idéal (Fimin) (avec i ∈ [1, n]) dans le plan Pareto normalisé (par rapport à cet objectif) est la somme quadratique des différents objectifs normalisés : d= ( F1 - F1min F1min ) 2 + ( F2 - F2 min F2 min ) 2 + ... + ( F3 - F3 min F3 min ) 2 (equ. 3.5) Cette formule est obtenue par des projections orthogonales successives des solutions sur un plan bi-dimensionnel d’objectifs. 4. Application dans le cas d’étude : hacheur série 42 /14V Afin de monter l’intérêt ainsi que l’avantage de notre démarche d’optimisation multi-objectif par rapport aux méthodes uni-objectif, dans le cas de conception de convertisseur de puissance, nous allons l’appliquer dans notre cas d’étude (hacheur série 42 /14 V) présenté dans l’introduction de ce chapitre. Les objectifs à optimiser simultanément sont, la surface, le coût en euros et le rendement. Nous avons gardé les mêmes paramètres d’optimisation, la même technologie ainsi que le même cahier des charges que ceux utilisés dans le cas uniobjectif. L’objectif idéal est déterminé à l’aide des résultats d’optimisation uni-objectifs, présentés dans la section II.4. A partir du tableau (Tab. 3.4), nous avons vu que les solutions aux problèmes uni-objectifs sont différentes et qu’une solution qui réunie les performances optimaux suivant tout les objectifs en même temps (convertisseur idéal) ne peut pas exister réellement. Cet objectif idéal est ainsi définit comme objectif à atteindre et composé par le triplet de coûts optimaux issus des optimisations uni-objectifs. Les composantes de ce vecteur sont les suivantes : S = 6,7 cm², C = 4,34 € et r = 0,92. 131 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement L’application de l’approche Pareto à l’aide de l’outil DARWIN, donne lieu à neuf solutions Pareto optimales (A1, A2, …, A9) représentées sur la figure Fig. 3.28. Après normalisation du plan Pareto par rapport au vecteur idéal, nous avons calculé la distance entre les solutions Pareto-optimales et le vecteur idéal en utilisant l’équation (equ. 3.5), Tab 3.5. La distance la plus faible est celle correspondant à la solution A1, voir Tab 3.5. Ainsi cette solution est retenue comme meilleure solution, elle correspond au triplet (S = 6,7 cm², C = 5,25 € et r = 0,8). Nous avons représenté la frontière de Pareto de la figure 3.28 sur deux plans, suivant le plan (surface, coût) sur la figure 3.29.a et le plan (coût, rendement) sur la figure 3.29.b. En examinant la frontière de Pareto en 3D, Fig. 3.28, ainsi que ces deux projections suivant deux plans, Fig. 3.29.a et Fig. 3.29.b, on remarque que la solution retenue (A1) présente bien les meilleures alternatives. Point A1 Distance d 0,244 A2 A3 A4 A5 A6 A7 A8 0,648 0,282 1,094 1,092 1,319 1,184 1,328 A9 1,338 Tab. 3.5. Distances entre les solutions Pareto-optimales et l’objectif idéal. 132 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement A1 A3 A2 A6 A7 A5 A8 A9 A4 Fig. 3.28. Frontière de Pareto en 3D et solutions Pareto-optimales issue de Darwin [Dar00] 8,0 A4 7,5 A2 A5 A6 C [euros] 7,0 6,5 A7 A8 6,0 5,5 A1 A9 5,0 4,5 A3 4,0 6 8 10 12 14 16 S [cm²] Fig. 3.29.a. Projection de la frontière de Pareto suivant le plan (surface, coût en €), en rond l’objectif idéal et en triangle les solutions pareto-optimales. 133 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement 0,95 A6 A9 A8 0,90 A4 A2 r[] 0,85 0,80 A7 A5 A1 0,75 A3 0,70 6 8 10 12 14 16 S [cm²] Fig. 3.29.a. Projection de la frontière de Pareto suivant le plan (surface, rendement), en rond l’objectif idéal et en triangle les solutions pareto-optimales. A partir du tableau des résultats des optimisations uni-objectif (Tab. 3.3) et les coordonnées du triplet d’objectif optimal retrouvé par notre méthode, on peut déduire que : Par rapport au convertisseur le plus petit, pour une même surface nous avons nous avons gagné 14 % en coût en euros et 2.5 % en rendement. Par rapport au convertisseur le plus économique, nous avons perdu 18 % de coût en euros, par contre, en même temps, nous avons gagné 40 % de taille et 6 % en rendement. Par rapport au convertisseur qui a le rendement le plus élevé, nous avons perdu 15 % en rendement, par contre, en même temps, nous avons gagné 38 % de taille et 48 % en coût en euros. Sur la figure 3.30, nous avons représenté, en rond les solutions suite aux différentes optimisations uni-objectif, en carré la solution fournie par notre méthode et en étoile l’objectif idéal. 134 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement Fig. 3.30. Intérêt de notre démarche dans la conception des convertisseurs En examinant la figure 3.30, on peut déduire que la solution fournie par notre méthode est la plus proche de l’objectif idéal parmi toutes les solutions proposées. Le convertisseur correspondant à la solution retenue par notre démarche est conçue comme suit : L=2,6 µH C= 4,7 µF Mos : IRFU 3910s et diode : 12CWQ06FN. f = 476,8 kHz et Rth= 8,7 °C/W 135 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement V. Optimisation avec prise en compte de contrainte CEM Dans la plupart des cas, les perturbations électromagnétiques (EM) générées par les convertisseurs de puissance sans filtre dépassent largement les limites imposées par les normes en vigueurs. Dans ce cas, il est indispensable de considérer la norme CEM comme une contrainte de conception à prendre en compte dès la phase de pré-dimensionnement du système. Pour cela, il est nécessaire de pouvoir prédire les perturbations EM avec une bonne précision. Comme nous l’avons présenté dans le chapitre 2, il existe plusieurs méthodes de prédiction des perturbations EM, par contre seule les méthodes analytiques sont intéressantes dans le cadre de l’optimisation et la conception des systèmes. Dans le même chapitre (2) nous avons proposé une nouvelle méthode analytique de prédiction des perturbations EM conduites, basée sur l’analyse de causalité des graphes de liens, que nous avons validée expérimentalement. Cette méthode a permis d’obtenir une bonne correspondance entre les spectres prédits et la mesure jusqu'à des fréquences hautes du spectre des perturbations conduites. Ainsi, il est tout a fait possible d’utiliser cette méthode pour optimiser le convertisseur avec prise en compte des contraintes CEM. Dans la pratique, ceci consiste à rajouter un filtre CEM entre le RSIL et l’entrée du convertisseur et de considérer la norme EN 55022 comme nouvelle contrainte au problème d’optimisation, les perturbations électromagnétiques conduites générées par le système doivent être au dessous des limites imposées par cette norme, et les éléments du filtre font partie des variables d’optimisation. La prise en compte des contraintes CEM dans le problème d’optimisation se traduit par une comparaison de l’amplitude de chaque raie du spectre, des perturbations sur les deux bras du RSIL, par rapport à la limite imposée par la norme pour la fréquence correspondante. Grâce à l’utilisation d’une base de donnée pour les fonctions 136 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement objectifs, il est possible d’ajouter les coûts des différents éléments du filtre avec les coûts du convertisseur de manière simple par sommation directe. L’optimisation du filtre CEM avec l’ensemble du convertisseur ainsi que la prise en compte des contraintes CEM dès le début de la conception font partie de la notion d’optimisation globale. Le problème d’optimisation devient alors le suivant : Fonctions objectifs Surface [cm²] Variables d’optimisation Contraintes Composants passifs : Ls (µH) et Cs (µF) Electrique : ∆Vs< Vsmax Coût en euros [€] Composant actifs : MOSFET Rendement [ ] Fréquence de découpage : f (Khz) Thermique : Tj < Tjmax Masse [g] Radiateur : R (°C/W) CEM: Norme EN 55022 ∆I < 2*Is Eléments du filtre Tab. 3.5. Problème d’optimisation globale Toutefois nous n’avons pas eu le temps suffisant pour traiter complètement cet aspect. Cela fera parti de notre prospective. VI. Conclusion Les techniques d’optimisation uni-objectifs permettent de concevoir des convertisseurs qui sont très bons suivant un seul critère (le volume ou le coût en Euros ou le rendement, ou...) par contre moyennement satisfaisant suivant les autres. La plupart des applications industrielles constituent des problèmes complexes avec plusieurs objectifs à optimiser simultanément. Pour cela il est nécessaire d’utiliser des techniques d’optimisation multiobjectifs. Ce travail, nous à permis de simplifier la compréhension des méthodes de résolution des problèmes d’optimisation multi-objectif, souvent présentées de manière ’ambigue’. 137 Chapitre 3. Utilisation des techniques d’optimisation pour le pré-dimensionnement A travers des exemples pédagogiques nous avons montré comment construire la frontière de Pareto, ainsi que son analyse. Nous avons aussi proposé une démarche d’optimisation multi-objectif hybride. L’application de cette démarche sur un exemple élémentaire en électronique de puissance nous a permis de montrer que même dans le cas d’un problème simple, la solution à un problème d’optimisation multi-objectifs n’est pas prévisible par un simple calcul. La démarche de pré-dimensionnement que nous avons proposée permet de fournir au concepteur des solutions optimisées suivant un seul objectif à la fois ainsi qu’une solution optimale suivant plusieurs objectifs simultanément. Le choix de la solution adéquate devient alors très facile pour le concepteur. Dans ce chapitre nous avons optimisé les performances d’une structure hacheur abaisseur de tension suivant des contraintes de fonctionnement électrique et thermique et ceci à l’aide de modèles simples. La démarche d’optimisation que nous avons proposée peut très bien s’appliquer à n’importe quelle structure de puissance à condition d’avoir des modèles analytiques assez précis. L’effort ainsi demandé se concentre sur la modélisation des différents phénomènes physiques à prendre en compte. Ceci a été le cas pour prendre en compte les contraintes de compatibilité électromagnétique dans l’optimisation du hacheur. De notre coté nous avons investi un effort important pour développer des modèles analytiques permettant de prédire les perturbations électromagnétiques générées par le hacheur, voir chapitre 2. Ces modèles pourrons être utilisés pour concevoir des convertisseurs qui respectent les normes CEM. 138 Conclusion générale Conclusion générale Le compromis précision rapidité dans le choix des modèles des composants de puissance reste très difficile à faire. Néanmoins, dans le cadre d’une démarche de pré-dimensionnement de convertisseurs de puissance, la précision n’est pas primordiale, par contre des modèles analytiques simples sont nécessaires. Grâce à de tels modèles, il est possible de transformer le problème de conception de convertisseurs de puissance en un problème d’optimisation contraint. Ainsi, les différentes spécifications du cahier des charges sont décrites comme contraintes au problème d’optimisation. Parmi les spécifications les plus sévères, on trouve les normes CEM. La modélisation analytique des perturbations électromagnétiques a été traitée dans peu de travaux antérieurs, par contre, seules des démarches applicables au cas par cas ou faisant intervenir un calcul fastidieux ont été proposées. Dans ce travail nous avons proposé une nouvelle méthode analytique de prédiction des perturbations EM conduites générées par les convertisseurs de puissance. Cette méthode se base sur l’analyse de causalité des graphes des liens. L’utilisation des graphes des liens permet une approche générale permettant de traiter toute structure de puissance et évite la nécessité d’un savoir faire particulier lors de l’étude de la CEM. L’analyse de causalité permet une mise en équations systématique du système, qui trouve tout son intérêt dans le cas des systèmes complexes. Cette méthode est très utile pour le concepteur car en plus d’être automatisable, elle permet une étude de sensibilité très simple grâce au modèle analytique auquel qu’elle produit. La méthode proposée a été validée dans le cas d’un hacheur série réel. La comparaison du spectre prédit par rapport à celui mesuré a montré que la méthode a une bonne précision jusqu'à des fréquences assez élevées du spectre, jusqu'à 20 Mhz. Au delà de cette valeur le 139 Conclusion générale modèle d’interrupteur idéal utilisé dans notre méthode ne permet plus de reproduire les perturbations électromagnétiques réelle. Ceci peut être amélioré par l’utilisation de modèles plus précis qui permet de rendre compte des commutations réelles des composants de puissance dans notre méthode Dans ce travail nous avons traité l’optimisation d’un hacheur abaisseur de tension suivant un seul objectif (uni-objectif) et suivant plusieurs objectifs simultanément (multi-objectif). Les techniques d’optimisation uni-objectifs permettent de concevoir des convertisseurs qui sont très bons suivant un seul critère (la surface ou le coût en Euros ou le rendement, ou...) par contre moyennement satisfaisant suivant les autres critères. Les techniques d’optimisation multi-objectifs, quant à elles, fournissent plusieurs solutions, laissant le concepteur face à un problème de choix. Nous avons proposé une démarche d’optimisation multi-objectif qui permet de fournir une unique solution qui est la plus proche de l’objectif idéal. L’objectif idéal est l’ensemble des objectifs optimisés indépendamment des autres (uni-objectifs). Cet objectif idéal n’est généralement pas réalisable, sauf dans le cas où les différents objectifs ne sont pas contradictoires et atteignent leurs minimums pour la même solution. La démarche de pré-dimensionnement que nous avons proposée se base sur l’utilisation de technique uni-objectif ainsi que deux techniques multi-objectifs. Elle permet de fournir au concepteur des solutions optimisées suivant un seul objectif à la fois ainsi qu’une solution optimale suivant plusieurs objectifs simultanément. Le choix de la solution adéquate, par le concepteur, se fait alors en comparant un nombre réduit de solutions optimisées. Dans ce travail nous avons aussi montré que l’utilisation de fonctions objectifs discrètes, à l’aide de base de données, permet de faciliter toute modification du problème d’optimisation, tel que la prise en compte des contraintes CEM. La méthodologie proposée peut très bien s’appliquer à n’importe quelle structure de puissance à condition de développer les modèles analytiques. Ainsi, la difficulté de conception se réduit 140 Conclusion générale au développement de modèles représentant les différents phénomènes physiques à prendre en compte. Publications relatives à ces travaux : Conférences internationales : • H. Helali, D. Bergogne, J. Ben Hadj Slama, H. Morel, P. Bevilacqua, B. Allard, O. Brevet : Power converter's optimisation and design. Discrete cost function with genetic based algorithms. 11 th European Conference on Power Electronics and applications (EPE’05), Dresden, Septembre 2005. • H. Helali, H.Morel, D. Bergogne: Power converter design methodology. Uses of multiple objectives techniques for optimization of a (42/14 V) buck converter. International Conference on Integrated Power Electronics Systems 2006 (CIPS’06), Naples, Juin 2006. Conférences et colloques nationaux : • H. Helali : Optimisation de convertisseur de puissance, analyse et conception. Journées de Jeunes Chercheurs en Génie Électrique (JCGE'05), Montpellier, Juin 2005. • H. Helali, D. Bergogne, H.Morel. Optimisation multi-objectifs pour la conception de convertisseurs de puissance : Application au cas d’un hacheur 42/14 V. Groupement De Recherche (GDR): Intégration de Systèmes de Puissance ISP3D, Lyon, Septembre 2005. • H. Helali, H. Morel, D. Bergogne, J.L. Schanen, J.M. Guichon : Méthode de calcul de spectres CEM à base de graphes de liens. Application au hacheur série. Electronique de Puissance du Futur (EPF’06), Grenoble, juillet 2006. Publication en cours de rédaction : • H. Helali, H. Morel, D. Bergogne, B. Allard, J.L. Schanen: Switching Mode Power Supply EMI prediction using bond graph analysis causality. IEEE Transactions on Transactions on power electronics. 141 Bibliographie Bibliographie [All00] Bruno Allard, « Contribution aux méthode et outils de conception des systèmes (intégrés) de puissance ». Habilitation à diriger des recherches en sciences, Villeurbanne : l’Institut National des Sciences Appliquées de Lyon, Lyon, 2000, 150 p. [All1] Bruno Allard et Hervé Morel, « Utilisation des graphes de liens en électronique de puissance ». Techniques d’ingénieur, D 3 064. [Amm02] Kayçar Ammous, « Contribution à la construction systématique des modèles moyens de convertisseurs de puissance ». Thèse Villeurbanne : l’Institut National des Sciences Appliquées de Lyon, 2002, 189 p. [Amm99] A. Ammous, S. Ghedira, B. Allard, H. More land D. Renault, « Choosing a Thermal Model for Electrothermal Simulation of Power Semiconductor Devices ». IEEE Transactions on power electronics, Mars 1999, Vol 14, NO 2. [Ana03] K. Kpalma, V. Haese-Coat, « Traitement numérique du signal, théorie et applications : informatique industrielle ». Paris : Ellipses, 2003 [Bar03] V. Barichard. «Approches hybrides pour les problèmes multiobjectifs ». Thèse de doctorat informatique, d'Angers : 2003. [Ber04] The Berquist Compagny, «Thermal solutions for surface mount power Application ». Thermal Clad selection guide. 2004. [Bog88] Eric Bogatin, « Design rules for Microstrip capacitance ». IEEE Transactions on components, Hybrids and manufacturing technology, 1988, Vol 11, n°3, p253-259, Septembre. [Bou1] B.O. Bouamama, G. Dauphin-Tanguy, « Modélisation par bond graph : Eléments de base pour l’énergétique ». Techniques d’ingénieurs, BE 8 280. [Bus01] Sergio Busquets-Monge, « Application of optimization techniques to the design of a boost power factor converter ». Thèse de doctorat de l’Institue Polytechnique de Virginia, Blaksburg, 2001, 173 p. [But04] Cyrill Buttay, « Contribution à la conception par simulation en électronique de puissance : application à l’onduleur basse tension », Thèse de l’Institut National des Sciences Appliquées de Lyon, Lyon, 2004, 208 p. 142 Bibliographie [Cha03] W.C. Chang, A. Sutcliffe, R. Neville, « A distance function-based multi-objective evolutionary algorithm (DFBMOEA)».Genetic and Evolutionnary Computation Conference, Chicago, Illinois, 2003. [Cha1] Guy-Gérard Champiot, « Compatibilité électromagnétique : Normalisation, réglementation et mesure ». Techniques d’ingénieurs, D1 310. [Cla96] E. Clavel, « Vers un outil de conception du câblage : le logiciel InCa » Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1996. [Cos1] François Costa, Gérard Rojat, « CEM en électronique de puissance : Sources de perturbations, couplage, SEM ». Techniques d’ingénieurs, D3 290 [Cos2] François Costa, Gérard Rojat, « CEM en électronique de puissance : Réduction des perturbations, simulation ». Techniques d’ingénieurs, D3 292. [Cul94] J. C. Culioli, « Introduction à l’optimisation ». Paris : Ellipses, 1994. [Dar00] Phoenix integration, « Optimisation software DARWIN » [en ligne]. Disponible sur : <http://www.phoenix-int.com/products/Darwin.html> (consulté le 01.03.2004). [Eng98] P. Engrand.P, X. Mouney. « Une methode originale d'optimisation multi-objectif = An original multi-objective optimisation method ». Collection de notes internes de la DEREDF, Mathematiques, informatique, telecommunications, 98NJ00005, Clamart, 1998. [Fer99] J.P. Ferrieux, F. Forest, « Alimentation à découpage, convertisseur à résonances », 3ième édition, Paris : Dunod, 1999. [Gan96] X. Gandibleux, N. Mezdaoui, A. Freville, «A tabou search procedure to solve multiobjective combinatoirial optimization ». R. caballero, F. Ruiz, and R. Steuer, editor, second International Conference on Multi-objective Programming and Goal programming MOPGP’96, pages 291-300, Torremolinos, Spain, May 1996. [Gar05] Hatem Garrab, B. Allard, H. Morel, K. Ammous, S. Ghedira, A. Amimi, K. Besbes et J.M. Guichon, « On the extraction of PiN Diode Design Parameters for Validation of the Integrated Power Converter Design ». IEEE Transaction on power Electronics, 2005, Vol. 20, NO. 3, Mai. [GDR04] Groupement De Recherche Intégration de Système de Puissance, GDR n° 2084. Rencontre des 12 et 13 Mai 2004. Montpellier, Mai 2004. [Gol89] D.E. Goldberg, «Genetic algorithms in search, optimisation, and machine learning ». London : Addison-Wesley, 1989. [Har78] F.J. Harris, « On the use of windows for harmonic analysis with discrete Fourier transform». Proc. IEEE, 1978, Vol. 66, pp. 51-83. 143 Bibliographie [Her01] E. Hetz, « Thermal and EMI Modelling and analysis of a boost PFC Circuit Designed Using a genetic-based optimization algorithm ». Thèse de doctorat de l’Institue Polytechnique de Virginia, Blacksburg, 2001, 141 p. [IRF1] International Rectifier, Power MOSFET, application notes N° 936A. [Jou02] Ludovic Jourdan, « Stratégie de pré-dimensionnement de convertisseurs statiques: Application à une alimentation 42V-14V réversible pour l’automobile ». Thèse de doctorat de l’Université Joseph Fourier, Grenoble 2002, 198 p. [Kar90] D.C. Karnopp, D.L Margolis, R.C Rosenberg, « System dynamics : a unified approach ». Second Edition, New York : Wiley-Interscience, 1990. [Kur91] F. Kursawe, «A variant of evolution strategies for vector optimization ». H.P. Schwefel and R. Manner, editors, parallel problem Solving from Nature, Vol 496 of Lecture Notes in Computer Sciences, 1991, Vol. 496, pages 193-197. [Lar02] Cherif Larouci, « Conception et optimisation de convertisseurs statiques pour l’électronique de puissance Application aux structures à absorption sinusoïdale ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 2002, 193 p. [Lar03] C. Larouci, J. P. Didier, E. Grunn, M. Selvez, « Volume optimisation of static converters under electromagnetic compatibility, loss and temperature constraints; Application to a 42V-14V DC-DC converter for the automative domain ». 24th international PCIM conference, Nuremberg, 2003. [Lau98] Philippe Lautier, « Modélisation des convertisseurs à découpage pour la conception et la commande : application à l’onduleur ». Thèse de l’Institut National des Sciences Appliquées de Lyon, Lyon, 1998, 176 p. [Let0] P. Leturcq, « Composants semi-conducteurs de puissance : caractères propres ». Techniques d’ingénieurs, D3 100. [Let1] P. Leturcq, « Composant semi-conducteurs de puissance bipolaire. Partie 1». Techniques d’ingénieurs, D3 106. [let2] P. Leturcq, « Composant semi-conducteurs de puissance bipolaire. Partie 2». Techniques d’ingénieurs, D3 107. [Let98] Ph. Leturcq, M.O. Berraies, J. P. Laur, P. Austin, « Full dynamic power bipolar device models for circuit simulation ». IEEE Proceeding Power Electronics Specialists Conference, PESC 89, Vol 2, pp. 1695-1703, Mai 1989. [Mor03] H. Morel et B. Allard, « Modélisation et simulation numérique des systèmes analogiques », Villeurbanne : INSA Lyon-CEGELY-Cours DEA, 2003, 75 p. 144 Bibliographie [Mor94/1] Hervé Morel, «Modélisation et simulation des composants et des systèmes électronique de puissance», Habilitation à diriger des recherches en sciences, l’Institut National des Sciences Appliquées de Lyon, Lyon, 1994. [Mor94/2] H. Morel, S. H. Gamal, J. P. Chante, « State variable modelling of the power pin diode using an explicit approximation of semiconductor device equations: a novel approach ». IEEE Transactions on power electronics, 1994, Vol 9, NO 1, Janvier. [Mou0] Gérard Mouriès, « Condensateurs utilisés en électronique de puissance ». Techniques d’ingénieurs, D3 280. [Nav91] M. J. Nave, « Power Line Filter Design for Switched-Mode Power Supplies ». New York : Van Nostrand Reinhold, 1991. [Nor87] Comité International Spécial des Perturbations Radioélectriques. « Spécification pour les appareils et les méthodes de mesure des perturbations radioélectriques », 1987. [Par96] Cours d’économie politique, Lausanne : Rouge, 1896. [Pay61] H. Paynter, « Analysis and design of engineering systems ».Cambridge: MIT press, 1961. [Pop99] Radu-Mugur Popescu, « Vers de nouvelles méthodes de prédiction des performances CEM dans les convertisseurs d’électronique de puissance ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1999, 172 p. [Pul06] Pulse. « A technitrol company, Power magnetics » [en ligne]. Disponible sur : <http://www.pulseeng.com/products/datasheet.aspx?Datasheet_Id=309> (consulté le 10.04.2004). [Reg03] Jérémie Regnier, « Conception de systèmes hétérogènes en génie électrique par optimisation évolutionnaire multicritère ». Thèse de l’Institue National Polytechnique de Toulouse, Toulouse, 2003, 310 p. [Rev03] Bertrand Revol, « Modélisation et optimisation des performances CEM d’une association variateur de vitesse-machine synchrone ». Thèse de l’Université Joseph Fourier, Grenoble 2003, 275 p. [Rev04] B. Revol, J. Roudet, P. Loizelet, « Modèle CEM d’un actionneur Electromécanique ». Revue Internationale de Génie Electrique, 2004, Vol 7 n° 3-4. [Rob1] X. Roboam, S. Astier et H. Foch, G. Fontès, G. Gandanegara, H. Piquet, R. Saisset, B. Sareni, C. Turpin, « Graphes de liens causaux pour systèmes à énergie renouvelable, partie 1 ». Techniques d’ingénieurs D 3 970. 145 Bibliographie [Rou99] J. Roudet, J-L. Schanen, E. Clavel, « Importance des interconnexions en électronique de puissance. Modélisation et caractérisation expérimentale ». Revue internationale de génie électrique, tome 2, n°1, p.55-89, 1999. [Rue96] A. E. Ruehli, « Partial element equivalent circuit (PEEC) method and its application in the frequency and time domain ». IEEE international symphosium on EMC, pp. 128-133, Santa Clara, 1996. [Sar99] Bruno Sareni, « Méthode d’optimisation multimodales associées à la modélisation numérique en électromagnétisme ». Thèse de doctorat de l’Ecole Centrale de Lyon, Ecully, 1999, 210 p. [Sch85] D. Schaffer, « Multiple Objective Optimisation with Vector Evaluated Genetic Algorithm ». The First International Conference on Genetic Algorithm, pages 93-100, 1985. [Sch93] R. Scheich, « Caractérisation et prédétermination de perturbation conduites dans les convertisseurs d’électronique de puissance ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1993. [Sch94] Jean-Luc Schanen, « Intégration de la compatibilité Electromagnétique dans la conception de convertisseurs en électronique de puissance ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1994, 147 p. [Sch99] Jean Schutz, « Méthode de conception d’une alimentation à découpage ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1999, 188 p. [Sri95] N. Srinivas and K. Deb, «Multiobjective optimization using non-dominated sorting in genetic algorithms». Evolutionary Computation, 1995, Vol 2, no 8, pages 221-248. [Str94] Antonio G. M. Strollo, « A new SPICE subcircuit model of power P-I-N diode ». IEEE Transactions on power electronics, 1994, Vol 9, NO 6, Novembre. [Tal99] Talbi E-G, « Méta-heuristiques pour l'optimisation combinatoire multi-objectif: état de l'art ». Rapport Technique CNET, Université de Lille, Octobre 1999. [Teu97] W. Teulings, « Prise en compte du câblage dans la conception et la simulation des convertisseurs de puissance : Performance CEM ». Thèse de doctorat de l’Institut National Polytechnique de Grenoble, Grenoble 1997, 184 p. [Ver03] Christophe Vermaelen, « Contribution à la modélisation et la réduction des perturbations conduites dans les systèmes d’entraînement à vitesse variable». Thèse de l’Ecole Normale Supérieure de Cachan, Cachan 2003. [Zen04] H. Zenker, A. Gerfer, B. Rall, « trilogie des inductances ». 3 éme édition waldenburg: Swiridoff Verlag, 2004. . 146 Résumé et mots clés Le pré-dimensionnement permet de dégrossir le problème de conception des convertisseurs de puissance. Il permet d’assurer la fonctionnalité du système ainsi que le respect des principales spécifications définie dans le cahier des charges. Le pré-dimensionnement est très utile pour l’optimisation des performances des systèmes. Dans ce cadre la précision n’est pas primordiale, par contre des modèles analytiques simples sont nécessaires. Parmi les spécifications les plus sévères on trouve les normes de Compatibilité ElectroMagnétiques. Dans ce travail, nous avons proposé une nouvelle méthode analytique de prédiction des perturbations électromagnétiques conduites générées par les convertisseurs de puissance. Cette méthode se base sur l’analyse de causalité des graphes des liens et permet d’aboutir de manière systématique à des modèles analytiques suffisamment précis. La méthode proposée a été validée expérimentalement. Cette méthode est très utile pour le concepteur car en plus d’être automatisable, elle permet une étude de sensibilité très simple grâce au modèle analytique auquel elle aboutie. Dans ce travail nous avons traité l’optimisation d’un hacheur abaisseur de tension suivant un seul objectif (uni-objectif) et suivant plusieurs objectifs simultanément (multi-objectif). Les techniques d’optimisation uni-objectifs permettent de concevoir des convertisseurs qui sont très bons suivant un seul critère (la surface ou le coût en Euros ou le rendement, ou...) par contre moyennement satisfaisant suivant les autres. Les techniques d’optimisation multi-objectifs quand à elles fournissent plusieurs solutions, dont le choix de la meilleure solution est souvent difficile. Nous avons proposé une démarche d’optimisation multi-objectif qui permet de fournir l’unique solution, la plus proche de l’objectif idéal. L’objectif idéal est l’ensemble des objectifs optimisés indépendamment des autres (uni-objectifs). Cet objectif idéal n’est généralement pas réalisable, sauf dans le cas où les différents objectifs ne sont pas contradictoires et atteignent leurs minimums pour la même solution. La démarche de pré-dimensionnement que nous avons proposée permet de fournir au concepteur des solutions optimisées suivant un seul objectif à la fois ainsi qu’une solution optimale suivant plusieurs objectifs simultanément. Le choix de la solution adéquate devient alors très facile pour le concepteur. Mots clés : Convertisseurs de puissance, Conception, Optimisation, Compatibilité ElectroMagnétiques, Graphe des liens. 147