This paper deals with the robust power control of a grid-connected brushless doubly-fed induction generator (BDFIG) driven by the variable speed wind turbine. With the using of a super twisting algorithm which is a high-order sliding mode controller (HOSMC). This approach guarantees both the dynamic performance and the same robustness as traditional first order (SMC) algorithm and reduces the chattering phenomenon, which is the biggest disadvantage in the implementation of this technique. The developed algorithm relies on the decoupling control by implementing the strategy of oriented grid flux vector control. In order to enhance the desired performances, an attempt is made by controlling the generated stator active and reactive powers in a linear and decoupled manner to ensure the global asymptotical stability, HOSMC approach is implemented. Therefore, an optimal operation of the BDFIG in sub-synchronous operation is used in addition to the stator power flows where the stator power factor is kept in a unity. The suggested method is examined with the Matlab/Simulink software. The performances and the feasibility of the designed control are illustrated by simulation results.

Dans ce travail de thèse, nous avons proposé un système de supervision appliqué sur un robot manipulateur à deux degrés de liberté. La supervision est utilisée pour assurer la reconfiguration en temps réel du robot. Dans ce système nous avons utilisé une nouvelle méthode de détection de défaut (FD) de frottement visqueux du robot supervisé combinée avec un module de commande tolérante aux défauts (FTC).Le premier module, basé sur une méthode de traitement appliquée sur des résidus, va permettre la détection de défaut pour bien estimer les corrections nécessaires du deuxième module. Une évaluation de l’effet de défaut durant la supervision a été faite. Par ailleurs, le protocole TCP pour le transfert des données entre le robot superviseur et le robot supervisé a été utilisé. Les résultats de simulation montrent que la méthode proposée corrige l’effet de défaut en utilisant les données qui arrivent d’un robot superviseur à distance. Ensuite, nous avons proposé une implémentation matérielle sur cible FPGA de l’algorithme de supervision dont le but est de valider notre contribution et d’assurer un traitement en temps réel dans le cas où il y a des robots réels. Par ailleurs, une étude comparative entre les performances des deux implémentations a été effectuée

Le diagnostic est une composante principale du module de supervision. Il consiste à déterminer à chaque instant le mode de fonctionnement dans lequel le système se trouve. Il s‟appuie sur une connaissance à priori des modes de fonctionnement et sur une connaissance instantanée matériellement par une nouvelle observation de l‟état du système. Il existe plusieurs approches pour réaliser le diagnostic, le choix d‟une approche est lié au mode de représentation de la connaissance. Dans une première étape, nous allons essayer de faire la distinction entre les systèmes, les systèmes compliqués et les systèmes complexes, les différents types de systèmes. Nous introduisons ensuite la fonction de supervision, des systèmes industriels et des ses fonctions surveillance, détection et diagnostic, et les différentes approches de diagnostic