Commande Prédictive du Couple et des Entraînements — MPC à l’Échelle de la Microseconde

Pourquoi C’est Important (Résumé Exécutif)

• Les entraînements électriques et les convertisseurs de puissance sont des actifs critiques dans la compression pétrole et gaz, les turbomachines industrielles et la fabrication de précision. Les arrêts non planifiés coûtent des heures à des jours d’immobilisation.
• La commande prédictive basée sur modèle au niveau de l’entraînement optimise les séquences de commutation en temps réel (cycles de 10 à 100 microsecondes), délivrant des améliorations mesurables de la qualité du couple, de l’efficacité et de la tolérance aux pannes.
• Les implémentations de référence rapportent : maintien partiel du couple lors de creux de tension de réseau sur des trains de compresseurs de 42 MW, réduction jusqu’à 50 % des pertes de commutation, réduction de 27 % des ondulations de couple dans les moteurs à réluctance, et augmentation de la bande passante servo de 147 Hz à 208 Hz.
• Le patron s’applique à tout système avec des moteurs électriques, des onduleurs ou des paliers sans contact où la qualité du couple, l’efficacité ou le rejet des perturbations affecte directement la qualité des produits ou la disponibilité.

Le Patron de Conception Expliqué

Le MPC au niveau de l’entraînement opère à l’échelle de temps la plus rapide de la famille MPC. Au lieu de calculer des consignes continues lisses, le contrôleur sélectionne parmi un ensemble fini d’états de commutation de l’onduleur (MPC à Ensemble Fini) ou résout un QP rapide pour déterminer les vecteurs de tension optimaux — toutes les 10 à 100 microsecondes.

La différence clé par rapport au MPC de niveau processus est la nature discrète de l’action de commande : un onduleur triphasé a un nombre limité de combinaisons de commutation valides. Le MPC à Ensemble Fini énumère ces états et évalue une fonction de coût (erreur de couple, erreur de flux, pertes de commutation) pour choisir le meilleur à chaque pas. Pour des horizons plus longs, des méthodes de recherche arborescente ou de décodage sphérique maintiennent le calcul gérable.

L’architecture consiste typiquement en : estimation du courant/flux à partir de mesures électriques, un modèle prédictif de l’électromagnétisme du moteur, un optimiseur de fonction de coût fonctionnant sur du matériel dédié (DSP, FPGA ou contrôleur industriel), et une logique de protection qui se coordonne avec les systèmes de niveau processus.

Trois approches d’optimisation distinctes dans le MPC au niveau de l’entraînement : La commande prédictive au niveau de l’entraînement couvre trois formulations fondamentalement différentes. MPC à Ensemble Fini (FS-MPC / MPTC / MPDTC) : un onduleur a un ensemble discret fini d’états de commutation valides (typiquement 8 pour un onduleur triphasé à deux niveaux). L’optimiseur énumère ces états sur l’horizon de prédiction et sélectionne la meilleure séquence en évaluant une fonction de coût — aucun QP ou NLP n’est résolu. Cela rend le FS-MPC extrêmement rapide et naturellement adapté aux échelles de temps en microsecondes. MPC Linéaire (QP) : pour les applications avec commande continue de tension (position de palier magnétique actif, PMSM avec modulation continue), la dynamique électromagnétique ou mécanique linéarisée produit un Programme Quadratique convexe — rapide, globalement optimal et directement déployable sur du matériel DSP. NMPC : quand la dynamique est intrinsèquement non linéaire — lévitation magnétique en boucle ouverte instable, où la relation force-entrefer est fortement non linéaire — le modèle non linéaire complet est utilisé dans un NLP non convexe.

Applications et Implémentations de Référence

Application 1 : MPTC sur ABB MEGADRIVE-LCI — Maintien lors de Creux de Tension sur Compresseurs et Entraînements Industriels Lourds

Le MEGADRIVE-LCI d’ABB est un entraînement moyenne tension disponible commercialement couvrant des charges de moteur synchrone de 2 à 150 MW, avec la Commande Prédictive de Couple de Modèle (MPTC) comme fonctionnalité principale. Le MPTC optimise la séquence de commutation de l’onduleur à commutation par réseau toutes les 1 ms sur un contrôleur ABB AC 800PEC, délivrant une efficacité de convertisseur supérieure à 99 % et gérant des perturbations de tension d’entrée de +20 % / -50 % avec déclassement. L’application critique pétrole et gaz est le maintien partiel du couple lors des creux de tension de réseau : dans les installations de compresseurs à gaz de Statoil à Kollsnes (2 × 42,2 MW) et Karstoe (3 × 7,5 MW), le maintien conventionnel à couple zéro risquait le pompage du compresseur et des temps d’arrêt de redémarrage de plusieurs heures à jours. Avec le MPTC, le contrôleur maximise le couple partiel faisable tout en appliquant les limites de courant — lors d’un événement documenté de creux de tension sur site (0,3 pu pendant environ 80 ms), le MPTC a récupéré environ 0,23 pu de couple nominal, protégeant avec succès le fonctionnement du compresseur. ¹²³⁴⁵

Application 2 : FS-MPC Amélioré pour Moteurs à Réluctance Commutée — Réduction des Ondulations de Couple

Les Moteurs à Réluctance Commutée (SRM) sont attrayants en raison de leur conception sans aimant mais souffrent d’ondulations de couple significatives, en particulier à basse vitesse. Une approche MPC à Ensemble Fini améliorée avec une seule fonction de coût (sans réglage de facteur de pondération requis) a été évaluée expérimentalement et a rapporté une réduction de 27,14 % des ondulations de couple à 600 tr/min par rapport aux techniques conventionnelles. L’écart type des ondulations de couple a été mesuré à 1,074 Nm. Cela démontre que la commande prédictive peut traiter l’un des principaux obstacles à l’adoption industrielle des SRM. ⁶

Application 3 : MPDTC à Horizon Long pour PMSM — Optimisation des Pertes de Commutation et du THD

La Commande Directe de Couple Prédictive de Modèle (MPDTC) a été évaluée pour un Moteur Synchrone à Aimants Permanents avec un onduleur source de tension à trois niveaux, en utilisant des horizons de prédiction allant jusqu’à 150 pas de temps. L’étude de simulation a rapporté des pertes de commutation et une fréquence de commutation réduites jusqu’à 50 %, et le Taux de Distorsion Harmonique Totale (THD) du couple réduit de 25 %, tandis que le THD du courant restait inchangé. La commande prédictive à horizon long permet à l’optimiseur de planifier des séquences de commutation qui minimisent les pertes sur des fenêtres étendues plutôt que d’être greedy à chaque pas. ⁷

Application 4 : Commande de Couple MPC En Ligne sur DSP Embarqué — Entraînements PMSM

Un contrôleur de couple MPC en ligne pour un PMSM a été formulé comme un Programme Quadratique et résolu en temps réel sur un Processeur de Signal Numérique bas coût, démontrant que la commande de couple prédictive tenant compte des contraintes ne nécessite pas de matériel de calcul coûteux. L’évaluation Processeur En Boucle a confirmé la faisabilité en termes de calcul et de mémoire, avec une dynamique de couple améliorée par rapport à un contrôleur conventionnel. Cela est significatif car cela montre que le MPC peut être déployé sur la même classe de matériel déjà présent dans les entraînements industriels standard. ⁸

Application 5 : MPC Sans Offset pour Palier Magnétique Actif — Turbomachines

Une formulation MPC sans offset a été appliquée à un système de Palier Magnétique Actif (AMB) de forme conique sur un banc d’essai de turbocompresseur. Le contrôleur de position centralisé fonctionne à 4 kHz avec conversion ADC déclenchée par une porteuse PWM de 20 kHz. Les paliers magnétiques actifs lévitent les arbres rotatifs sans contact, et la commande prédictive permet la suppression des vibrations et le suivi de position sans offset sous des perturbations — critique pour les turbomachines à haute vitesse où une défaillance du palier signifie un arrêt immédiat. ⁹

Application 6 : NMPC pour Lévitation Magnétique — Comparaison Expérimentale vs. PID

Une approche NMPC temps réel utilisant un modèle linéarisé évolutif à l’intérieur de la boucle d’optimisation a été démontrée expérimentalement sur un système de lévitation magnétique non linéaire rapide. Comparé à une référence PID, le NMPC a rapporté de meilleures performances de commande au coût d’une complexité de calcul plus élevée. Ce résultat de laboratoire illustre l’avantage fondamental de la commande prédictive pour les systèmes non linéaires en boucle ouverte instables où le réglage PID est intrinsèquement limité. ¹⁰

Ce Que Cela Signifie pour Vos Opérations

• Tout système avec des équipements rotatifs à haute valeur (compresseurs, turbines, broches de précision) peut bénéficier de la commande prédictive au niveau de l’entraînement.
• Le maintien lors de pannes est particulièrement précieux là où les arrêts non planifiés ont un coût consécutif élevé — compression de gaz, processus chimiques continus, fabrication de semi-conducteurs.
• Les améliorations de la qualité du couple réduisent directement les vibrations, le bruit et l’usure mécanique, prolongeant la durée de vie de l’équipement.
• La faisabilité embarquée signifie que le MPC peut souvent être déployé sur le matériel d’entraînement existant ou avec des mises à niveau de calcul minimales.

Comment Nous Livrons Cela (Modèle d’Engagement)

• Phase 0 : NDA + demande de données — caractériser la topologie de l’entraînement, les paramètres du moteur, les conditions du réseau et la logique de protection.
• Phase 1 : Découverte à périmètre fixe — faisabilité basée simulation, concept d’architecture de commande et améliorations KPI attendues.
• Phase 2 : Implémentation + validation + mise en service — conception du contrôleur, tests Matériel/Processeur En Boucle, mise en service terrain.
• Phase 3 : Surveillance + formation + mise à l’échelle — intégration avec la protection de niveau processus, formation des opérateurs et déploiement de flotte.

KPIs Typiques à Suivre

• Qualité du couple : ondulation de couple (Nm, %), THD, niveaux de vibration
• Efficacité : pertes de commutation (W), efficacité du convertisseur (%)
• Tolérance aux pannes : taux de succès de maintien, nombre d’arrêts évités, temps moyen de récupération
• Disponibilité : heures d’immobilisation non planifiées par an, fréquence de redémarrage

Risques et Prérequis

• Budget de calcul temps réel : le MPC au niveau de l’entraînement nécessite des temps de résolution sous-milliseconde. Le MPC explicite (tables de correspondance pré-calculées) ou les solveurs basés FPGA peuvent être nécessaires pour les applications les plus rapides.
• Précision du modèle à la vitesse : les paramètres du moteur (inductance, liaison de flux) doivent être caractérisés avec précision. L’estimation de paramètres ou des approches adaptatives peuvent être requises.
• Coordination de la protection : le maintien MPC doit être coordonné avec les relais de protection existants et les systèmes de sécurité de niveau processus. La protection basée sur les minuteries peut déclencher avant que le MPC puisse agir si elle n’est pas reconfigurée.
• Certification réglementaire et de sécurité : les changements au niveau de l’entraînement dans les applications critiques pour la sécurité (pétrole et gaz, nucléaire) nécessitent une évaluation de la sécurité fonctionnelle et peuvent nécessiter des implémentations évaluées SIL.

Foire Aux Questions

Q : Le MPC au niveau de l’entraînement peut-il être modernisé sur des entraînements moteur existants ? Dans de nombreux cas, oui. Si le contrôleur d’entraînement dispose d’une marge de calcul suffisante (DSP ou FPGA dédié), le MPC peut être implémenté comme une mise à jour de firmware. Pour les entraînements plus anciens, un module de calcul externe peut être nécessaire.

Q : Comment le MPC à Ensemble Fini se compare-t-il à la Commande Orientée Champ (FOC) ? La FOC utilise un modulateur pour générer des patterns de commutation à partir de références de tension continues. Le MPC à Ensemble Fini élimine le modulateur et sélectionne directement les états de commutation, permettant une gestion plus serrée des contraintes et souvent des pertes de commutation plus faibles, mais nécessite plus d’effort de calcul par cycle de commande.

Q : Est-ce pertinent pour les moteurs plus petits (en dessous de 1 MW) ? Absolument. Les exemples PMSM et SRM sur cette page sont dans la plage sous 100 kW. Les principes s’appliquent à tout le spectre de puissance — des servomoteurs de précision aux entraînements de compresseurs de 150 MW.

Réservez un Appel Découverte de 30 Minutes

Prêt à explorer si ce patron correspond à votre système ?

Dr. Rafal Noga — Consultant Indépendant APC/MPC

📧 Contactez-moi · 🌐 noga.es

Découverte à périmètre fixe · NDA d’abord · Disponible sur site en DACH

Références Publiques

Footnotes

1. ABB, “ABB’s Model Predictive Torque Control (MPTC) protects against gas supply interruptions” (ABB Highlights, 2016). Link ↩

2. ABB, “Partial Torque Ride Through with Model Predictive Control” (PCIC Europe, 2016). PDF ↩

3. ABB, “Electric driven gas compressor control (MPTC + DT2S)” (ABB Review, 2017). PDF ↩

4. ABB, “MEGADRIVE-LCI product page” (ABB). Link ↩

5. ABB, “MEGADRIVE-LCI technical data” (ABB). Link ↩

6. Deepak et al., “Experimental analysis of enhanced FS-MPC and DTC in SRM drives” (Scientific Reports, 2024). Link ↩

7. Geyer et al., “Model Predictive Direct Torque Control of PMSM” (ECCE, 2010). PDF ↩

8. Cimini et al., “Online Model Predictive Torque Control for PMSM” (ICIT, 2015). PDF ↩

9. Castellanos et al., “Offset-Free MPC for a Cone-shaped Active Magnetic Bearing System” (Politecnico di Torino, 2021). PDF ↩

10. Novotny, “Magnetic levitation: real-time NMPC demonstrated experimentally vs PID baseline” (Springer, 2025). Link ↩

📅 Réserver sur Calendly