Dans cette ths̈e, nous pršentons des ršeaux de neurones de type Adaline pour le filtrage des courants harmoniques par un filtre actif paralll̈e. Ces ršeaux de type Adaline possd̈ent une structure simple et facile r̉ǎliser.
L'identification de ces courants harmoniques sera rǎlisě par la mťhode des puissances instantaně rělle et imaginaire et par la mťhode du rf̌řentiel synchrone. Dans chacune de ces deux mťhodes, nous avons dv̌elopp ľes filtres d'extractions suivants : filtre multi-variable, filtre multi-variable neuronal et filtre passe-bas neuronal. Les filtres multi-variables opr̈ent dans le repr̈e ?? et les filtres passe bas opr̈ent dans le repr̈e dq. Ces diffřentes variantes des mťhodes d'identifications sont testěs par simulation dans le cas d'un filtre actif paralll̈e t̉rois fils et dans le cas d'un filtre actif paralll̈e q̉uatre fils. Les ršultats des simulations obtenus montrent que les variantes neuronales d'identification donnent des performances excellentes.
Afin d'identifier les courants harmoniques dans le repr̈e des courants triphasš, nous avons pršent ľa mťhode neuronale directe. Cette mťhode est testě par simulation et ľaborěs expřimentalement sur un banc d'essai au laboratoire LEVRES. Les ršultats obtenus ont ť ťrs̈ satisfaisants et montrent l'efficacit ďu modl̈e propos p̌our la dp̌ollution du ršeau ľectrique.
Afin de rǧuler la tension du bus continu dans le filtre actif paralll̈e, la rǧulation par backstepping est dv̌eloppě puis test.̌ Le rǧulateur par backstepping a donn ďes meilleures performances dynamiques par rapport c̉elles du rǧulateur PI. Le rǧulateur par backstepping n'engendre pas de dp̌assements en rǧime transitoire. Par contre en rǧime permanent, il donne les mm̊es performances que celles d'un rǧulateur PI.