Les travaux de cette thèse portent sur une nouvelle structure de machine à double excitation (MSDE) pour l'application des véhicules hybrides et électriques. Ce type de machine, ayant deux sources d'excitation, bénéficie un degré de liberté supplémentaire et un contrôle facile sur le flux. Grâce à ce degré de liberté, la machine peut être dimensionnée de manière que son meilleur rendement coïncide avec la zone de fonctionnement la plus sollicitée de la machine. Cette nouvelle structure a fait l'objet principal de ce mémoire. Le fonctionnement de la MSDE est présenté dans les deux premiers chapitres. La machine est dimensionnée suivant un cahier des charges pour véhicule hybride. La validation expérimentale a confirmé le bon fonctionnement de la structure et montré son intérêt. Une autre problématique dans le dimensionnement de la machine est l'aspect thermique car les machines sont devenues de plus en plus compactes et puissantes. Une estimation correcte des pertes est indispensable pour évaluer correctement les performances de la machine. C'est la raison pour laquelle on a décidé de consacrer une partie de cette thèse à la modélisation des pertes fer, dont l'estimation n'est pas évidente. / The PhD work deals with a new structure of hybrid excited synchronous machine (MSDE) for the application of hybrid and electric vehicles. This kind of machine, with two excitation sources, benefits an additional degree of freedom and an easy control of flux. Due to this degree of freedom, the machine can be designed in the way that its best efficiency coincide with the most solicited operating zone. This new machine structure is the main subject of this study. The principle of this MSDE is presented in the first two chapters. The machine is then designed according to the specifications for an hybrid vehicle. The experimental validation has confirmed the proper functioning of the structure and shown its interest. Another important subject in the machine sizing is the thermal aspect because our machines are becoming more and more compact and powerful. A correct estimation of the iron loss is essential for evaluating correctly the machine performances. That's why we have decided to dedicate a part of this study to the modeling of iron loss, of which the estimation is not evident.

Submitted by Thiago de Freitas Cardoso (thiago.freitas.cardoso@gmail.com) on 2014-02-27T01:33:19Z No. of bitstreams: 1 Dissertação V2.3.pdf: 8043122 bytes, checksum: af3c70ed549fef3e566045da69276b07 (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2014-02-27T11:48:57Z (GMT) No. of bitstreams: 1 Dissertação V2.3.pdf: 8043122 bytes, checksum: af3c70ed549fef3e566045da69276b07 (MD5) / Made available in DSpace on 2014-02-27T12:32:27Z (GMT). No. of bitstreams: 1 Dissertação V2.3.pdf: 8043122 bytes, checksum: af3c70ed549fef3e566045da69276b07 (MD5) Previous issue date: 2014-02-05 / The credit market is constantly gaining more space in the Brazilian economy. Credit risk, which attempts to measure the loss on loans, is paramount and in this context, the expected loss is undoubtedly key issue. Usually, the relative expected loss, EL (%), is modeled with the product of the risk parameters PD (probability of default) and LGD (loss given default), assuming their independence. Recently, studies have showed that could be opportunities to improve the fit with the joint modeling of the loss, and the removal of the strong assumption of independence of these factors. This work uses the inflated beta distribution, model BEINF of the GAMLSS class, to adjust the relative expected loss through a real database provided by Serasa Experian. / O mercado de crédito vem ganhando constantemente mais espaço na economia brasileira nos últimos anos. Haja vista isto, o risco de crédito, que tenta medir a perda com operações de crédito, tem fundamental importância e, neste contexto, a perda esperada é, sem dúvida, tema chave. Usualmente, a perda esperada relativa, EL (%), é modelada como o produto dos parâmetros de risco PD (probabilidade de default) e LGD (perda dado o default) pressupondo a independência dos mesmos. Trabalhos recentes mostram que pode haver oportunidade em melhorar o ajuste com a modelagem conjunta da perda, além da retirada da forte premissa de independência dos fatores. O presente trabalho utiliza a distribuição beta inflacionada, modelo BEINF da classe GAMLSS, para o ajuste da perda esperada relativa através de uma base de dados reais disponibilizada pela empresa Serasa Experian. Os resultados mostram que o modelo traz um bom ajuste e que há oportunidade de ganhos em sua utilização na modelagem da EL(%).O mercado de crédito vem ganhando constantemente mais espaço na economia brasileira nos últimos anos. Haja vista isto, o risco de crédito, que tenta medir a perda com operações de crédito, tem fundamental importância e, neste contexto, a perda esperada é, sem dúvida, tema chave. Usualmente, a perda esperada relativa, EL (%), é modelada como o produto dos parâmetros de risco PD (probabilidade de default) e LGD (perda dado o default) pressupondo a independência dos mesmos. Trabalhos recentes mostram que pode haver oportunidade em melhorar o ajuste com a modelagem conjunta da perda, além da retirada da forte premissa de independência dos fatores. O presente trabalho utiliza a distribuição beta inflacionada, modelo BEINF da classe GAMLSS, para o ajuste da perda esperada relativa através de uma base de dados reais disponibilizada pela empresa Serasa Experian. Os resultados mostram que o modelo traz um bom ajuste e que há oportunidade de ganhos em sua utilização na modelagem da EL(%).