Soutenance de thèse de Mohamed AARAB

Composition du jury :

Mme. Imen BAHRI, Maîtresse de conférences HDR, de l’Université Paris-Saclay

M. Romain DELPOUX, Maître de conférences HDR, de l’Institut National des sciences appliquées (INSA) de Lyon

M. Fei GAO, Professeur des Universités, de l’Université de Technologie de Belfort-Montbéliard

 

 

Mots clés : Jumeau Numérique, Convertisseurs Statiques, FPGA-SoC, Electronique de Puissance, Simulation temps-réel, Identification de Systèmes

Résumé :

Les jumeaux numériques (DT) offrent un potentiel considérable dans le domaine de l'électronique de puissance, mais leur application pratique est limitée par un défi fondamental : créer des modèles qui soient à la fois précis, efficaces sur le plan informatique pour un fonctionnement en temps réel et adaptables à l'évolution du système physique en fonction des conditions de fonctionnement réelles. Cette thèse présente un nouvel environnement pour les DT adaptatifs destinés aux convertisseurs électroniques de puissance, conçu et mis en œuvre sur une plateforme hétérogène FPGA System-on-Chip (FPGA-SoC). Le cœur de ce travail est une nouvelle méthodologie de modélisation qui consiste à approximer la dynamique (tension/courant) de chaque commutateur de puissance à l'aide de fonctions de transfert à coefficients variables, architecturées. Celle-ci est associée à un mécanisme d'identification de système en ligne, basé sur l'algorithme des moindres carrés récursifs (RLS), qui garantit que le modèle s'adapte en permanence pour rester une réplique fidèle de son homologue physique. L’environnement proposé a été validé grâce à la mise en œuvre complète d'un DT pour un convertisseur de puissance DC-DC. Les résultats expérimentaux ont démontré un haut degré de fidélité, la simulation en temps réel atteignant une erreur moyenne inférieure à 3 % par rapport aux mesures effectuées à partir du matériel physique. De plus, la mise en œuvre matérielle s'est avérée exceptionnellement économe en ressources, confirmant l'évolutivité de l’environnement pour des systèmes plus complexes. Ce dernier point a été démontré en étendant le DT à trois autres topologies de convertisseurs statiques. Cette recherche fournit une solution complète et validée qui surmonte les principaux obstacles à l'adoption des DT dans l'électronique de puissance, offrant ainsi une base solide pour le développement de systèmes avancés de maintenance prédictive et de contrôle intelligent.

 

Keywords : Digital Twin, Power Electronic Converters, FPGA-SoC, Power Electronics, Real-Time Simulation, System Identification

Abstract :

Digital Twins (DTs) offer significant potential for the field of power electronics, but their practical application is limited by a fundamental challenge: creating models that are simultaneously accurate, computationally efficient for real-time operation, and adaptive to the physical system’s evolution due to the actual operating conditions. This thesis presents a novel framework for adaptive DT for power electronic converters designed and implemented on a heterogeneous FPGA System-on-Chip (FPGA-SoC) platform. The core of this work is a new modelling methodology that consists in approximating the dynamics (voltage/current) of each power switch with variable-coefficient transfer functions. This is coupled with an online system identification mechanism, based on the Recursive Least Squares (RLS) estimation algorithm, which ensures the model continuously adapts to remain a faithful replica of its physical counterpart. The proposed framework was validated through the complete implementation of a DT for a DC-DC power converter. Experimental results demonstrated a high degree of fidelity, with the real-time simulation achieving an average error below 3% when compared to measurements from the physical hardware. Furthermore, the hardware implementation proved to be exceptionally resource-efficient, confirming the framework’s scalability for more complex systems. The latter was demonstrated by extending the DT to three more power converter topologies. This research delivers a complete, validated solution that overcomes key barriers to DT adoption in power electronics, providing a robust foundation for the development of advanced predictive maintenance and intelligent control systems.