http://univ-bejaia.dz/dspace/123456789/197 Mon, 06 Jul 2026 03:51:37 GMT 2026-07-06T03:51:37Z http://univ-bejaia.dz/dspace/123456789/27373 Etude éxpérimentale d'un séparateur triboélectrique de particules chargées sur une plaque vibrante. Atroune, Salah; Rezek, Alkama La séparation triboélectrique, est utilisée à des fins de récupération des matériaux issus des déchets en plastique des DEEE (déchets d’équipement électriques et électroniques. La récupération de matières plastiques de DEEE par procédés triboélectrique est l’objet de cette étude. Chargés préalablement par effet triboélectrique dans un dispositif à vibration et séparer par un champ électrique intense crée par deux sources haute tension reliées à deux électrodes rectangulaires dans le séparateur triboélectrique à chute libre. L’efficacité du dispositif vibratoire étant parfois limitée par la charge électrique accumulée pendant le passage des granules sur la plaque vibrante, répercute le rendement de la séparation des mélanges granulaires binaires. Une étude est réalisée en faisant appel à la méthode des plans expérience qui est utilisée par le programme MODDE.5 à fin de modéliser et d’optimiser les processus d’électrisation par vibration et ensuite la séparation des granules, en fonction des paramètres contrôlables et non contrôlables. Cette étude a permis de bien comprendre leurs influences option : Haute tension Thu, 01 Jan 2015 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27373 2015-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27371 Modélisation du couplage magnétothermique d’unemachine à réluctance variable fonctionnant dans un environnement à fortes Alitouche, Karim; Saou, Rachid ; promoteur; Menana, Hocune; co-promoteur Ce travail s’inscrit dans le cadre du développement de modèles multiphysiques pour une meilleure compréhension et optimisation des machines électriques. L’étude se concentre sur une MRV à double saillance, souvent sollicitée dans des environnements thermiquement contraignants. Après une revue approfondie des atouts et des limites des MRV, le travail propose successivement une modélisation électromagnétique et une modélisation thermique 2D de la machine à l’aide du logiciel FEMM. L’originalité réside dans l’élaboration d’un modèle couplé magnétothermique simplifié et rapide, prenant en compte les non-linéarités des matériaux ainsi que l’interdépendance entre les phénomènes thermiques et électromagnétiques. Ce modèle permet d’identifier les zones critiques comme les points chauds dans les enroulements et d’envisager des stratégies de refroidissement et d’optimisation. L’ensemble des résultats obtenus met en évidence la robustesse de la MRV à haute température et ouvre des perspectives intéressantes, notamment dans les domaines de l’électromobilité et de l’aéronautique. This work is part of the development of multiphysics models aimed at improving the understanding and optimization of electrical machines. The study focuses on a double-salient switched reluctance machine (SRM), often used in thermally demanding environments. Following a thorough review of the advantages and limitations of SRMs, the work successively presents a 2D electromagnetic and thermal modeling of the machine using the FEMM software. The originality of the study lies in the development of a simplified and fast magneto-thermal coupled model, which accounts for the nonlinearities of materials as well as the interdependence between thermal and electromagnetic phenomena. This model enables the identification of critical zones, such as hot spots in the windings, and helps in devising appropriate cooling and optimization strategies. The overall results highlight the robustness of the SRM under high-temperature conditions and open up promising prospects, particularly in the fields of electromobility and aerospaceThis work is part of the development of multiphysics models aimed at improving the understanding and optimization of electrical machines. The study focuses on a double-salient switched reluctance machine (SRM), often used in thermally demanding environments. Following a thorough review of the advantages and limitations of SRMs, the work successively presents a 2D electromagnetic and thermal modeling of the machine using the FEMM software. The originality of the study lies in the development of a simplified and fast magneto-thermal coupled model, which accounts for the nonlinearities of materials as well as the interdependence between thermal and electromagnetic phenomena. This model enables the identification of critical zones, such as hot spots in the windings, and helps in devising appropriate cooling and optimization strategies. The overall results highlight the robustness of the SRM under high-temperature conditions and open up promising prospects, particularly in the fields of electromobility and aerospace Option : Machines Électriques Thu, 01 Jan 2026 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27371 2026-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27232 fPilotage et caractérisation de systèmes de positionnement à forte dynamique pour la cartographie du potentie Melahi, Ahmed; Bendahmane, Boukhalfa ; Promoteur Dans ce travail, le pilotage et la caractérisation de positionnement à forte dynamique pour la cartographie du potentiel de surface ont été conduits étape par étape. D’abord, une présentation de l’état de l’art concernant les électrets, le dépôt de charges par décharge couronne ou par triboélectricité a été réalisée. L’intérêt est porté sur la mesure du potentiel de surface avant que son déclin soit remarqué. Pour cela, plusieurs méthodes de positionnement rapide ont été proposées avec système et commande. Les systèmes proposés pour le positionnement sont les moteurs comme le moteur synchrone à aimants permanents et le moteur pas à pas. De plus, nous avons utilisé des robots SCARA et Delta. Plusieurs techniques de commande ont été proposées et utilisées basées sur les l’automatique avancée et l’intelligence artificielle. Nous avons utilisé la commande adaptative optimale basée sur la logique floue, la commande prédictive basée sur l’algorithme ABC et les réseaux de neurones, la commande prédictive guidée par les données, la commande neuro-floue adaptative, la commande prédictive basée sur le PSO et les réseaux de neurones ainsi que la commande neuro-floue robuste. Pour effectuer la mesure du potentiel, il faut d’abord connaitre la sonde utilisée en la caractérisant par sa PSF. Plusieurs méthodes ont été proposées pour la caractérisation de la sonde. Ensuite, la reconstitution du potentiel de surface a été abordée avec la proposition de méthodes et d’algorithmes fiables pour la déterminer avec précision. In this work, the monitoring and characterization of high dynamic positioning for surface potential mapping were conducted step by step. First, a presentation of the state of the art concerning electrets, charge deposition by corona discharge or triboelectricity was carried out. The interest is focused on measuring the surface potential before its decline is noticed. For this, several fast positioning methods have been proposed with system and control. The systems proposed for positioning are motors such as the permanent magnet synchronous motor and the stepper motor. In addition, we used SCARA and Delta robots. Several control techniques were proposed and used based on advanced automation and artificial intelligence. We used optimal adaptive control based on fuzzy logic, predictive control based on ABC algorithm and neural networks, data-driven predictive control, adaptive neurofuzzy control, predictive control based on PSO and neural networks as well as robust neuro-fuzzy control. To perform the potential measurement, it is first necessary to know the probe used by characterizing it by its PSF. Several methods have been proposed for the characterization of the probe. Then, the reconstruction of the surface potential was approached with the proposal of reliable methods and algorithms to determine it precisely Option : Commande Electrique Thu, 01 Jan 2026 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27232 2026-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27224 Contribution to the development of control algorithms for the control of renewable energy systems Sayeh, Karim Fathi; Tamalouzt, Salah ; Promoteur; Ziane, Djamel ; Co-Promoteur The global shift to renewable energy, particularly wind power via Doubly-Fed Induction Generators (DFIGs), is hindered by power quality challenges inherent in classical control methods like Conventional Direct Power Control (C-DPC), which exhibit significant power ripple and high harmonic distortion. This thesis addresses these issues by developing and validating novel Artificial Intelligence (AI)-based control strategies for DFIGs and their integration into a comprehensive DC microgrid. Main objectives included modeling microgrid components (WT-DFIG, PV, BESS, FC), critically assessing classical DFIG control, and designing four distinct AI-DPC strategies for the DFIG’s Rotor Side Converter (RSC): Fuzzy Hysteresis DPC (FH-DPC), Neural Hysteresis DPC (NH-DPC), Prediction Neural Network DPC (PNN-DPC), and Classification Neural Network DPC (CNN-DPC). Additional intelligent controllers were developed for other components, specifically Fuzzy Logic-DPC for the DFIG’s Grid Side Converter (GSC) and Fuzzy-MPPT for the PV system, alongside a rule-based Energy Management System (EMS) for the microgrid. The developed AI-DPC strategies for the DFIG-RSC demonstrated substantial improvements over C-DPC, achieving significant reductions in power ripples and stator current Total Harmonic Distortion (THD), with CNN-DPC proving particularly effective. Simulations of the complete AI-controlled DC microgrid (DFIG, PV, battery, fuel cell) under dynamic conditions validated robust performance. The EMS effectively managed power flow, maintained DC bus stability, ensured battery health, and maximized renewable energy utilization. This research offers validated AI-driven solutions, enhancing DFIG performance and demonstrating effective design and control of an integrated DC microgrid, thereby advancing sustainable energy systems. Le passage mondial aux énergies renouvelables, en particulier l'énergie éolienne via les générateurs à induction à alimentation double (DFIG), est entravé par les problèmes de qualité de l'énergie inhérents aux méthodes de contrôle classiques telles que le contrôle conventionnel direct de la puissance (C-DPC), qui présentent une ondulation importante de la puissance et une distorsion harmonique élevée. Cette thèse aborde ces questions en développant et en validant de nouvelles stratégies de contrôle basées sur l'intelligence artificielle (IA) pour les DFIG et leur intégration dans un micro-réseau DC complet. Les principaux objectifs comprenaient la modélisation des composants du micro-réseau (WT-DFIG, PV, BESS, FC), l'évaluation critique du contrôle DFIG classique et la conception de quatre stratégies AI-DPC distinctes pour le convertisseur côté rotor (RSC) du DFIG : Fuzzy Hysteresis DPC (FH-DPC), Neural Hysteresis DPC (NH-DPC), Prediction Neural Network DPC (PNN-DPC) et Classification Neural Network DPC (CNN-DPC). D'autres contrôleurs intelligents ont été développés pour d'autres composants, en particulier le Fuzzy Logic-DPC pour le convertisseur côté réseau (GSC) du DFIG et le Fuzzy-MPPT pour le système PV, ainsi qu'un système de gestion de l'énergie (EMS) basé sur des règles pour le micro-réseau. Les stratégies AI-DPC développées pour le DFIG-RSC ont démontré des améliorations substantielles par rapport au C-DPC, réalisant des réductions significatives des ondulations de puissance et de la distorsion harmonique totale (THD) du courant du stator, le CNN-DPC s'avérant particulièrement efficace. Les simulations du micro-réseau CC complet contrôlé par l'IA (DFIG, PV, batterie, pile à combustible) dans des conditions dynamiques ont validé des performances robustes. Le SGE a géré efficacement le flux d'énergie, maintenu la stabilité du bus CC, assuré la santé de la batterie et maximisé l'utilisation des énergies renouvelables. Cette recherche offre des solutions validées basées sur l'IA, améliorant les performances du DFIG et démontrant une conception et un contrôle efficaces d'un micro-réseau CC intégré, faisant ainsi progresser les systèmes énergétiques durables Specialty: Electromechanical Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27224 2025-01-01T00:00:00Z