hrvatski

Procjena brzine vrtnje vektorski upravljanog asinkronog motora primjenom neuronska mreže

U radu je analizirana jedna od struktura vektorskog upravljanja asinkronim motorom (AM) bez mjernog člana brzine vrtnje. Ovaj sustav vektorskog upravljanja asinkronim motorom zasnovan je na referentnom modelu s adaptivnim sustavom (eng. Model Reference Adaptive System, MRAS). Vektor magnetskog toka rotora je ona fizikalna veličina koja se procjenjuje naponskim (jednadžba namota statora) i strujnim modelom (jednadžba namota rotora). Odabrano je da je strujni model referentni, a naponski je adaptivni. Razlika u procjeni vektora magnetskog toka rotora dobivenog iz ovih dvaju modela se koristi za procjenu brzine vrtnje i identifikaciju omskog otpora statora. Računalni algoritam koji na opisani način, u proračunima i u realnom pogonu, procjenjuje brzinu vrtnje i identificira omski otpor statora nazvan je observer. Ovaj observer je zasnovan na teoriji adaptivne regulacije. Međuinduktivitet analiziranog motora se mijenja zbog zasićenja u željezu, posebno pri nižim frekvencijama napona napajanja. Zbog toga je u, sustavu vektorskog upravljanja zasnovanog na MRAS teoriji, istraživan utjecaj pogreške procjene međuinduktiviteta motora koji se kao parametar nalazi u observeru, pa izravno utječe na pokazatelje kvalitete regulacije brzine vrtnje i stabilnost sustava vektorskog upravljanja. Napravljen je simulacijski računalni program sustava vektorskog upravljanja AM-om sa uračunatim zasićenjem glavnog magnetskog kruga. Simulirane su skokovite promjene reference brzine vrtnje i momenta tereta. Matematički model sustava vektorskog upravljanja načinjen je u sinkrono rotirajućem d, q koordinatnom sustavu vezanom za magnetski tok rotora. Za potrebe eksperimentalnih istraživanja napravljena je laboratorijska maketa sustava vektorskog upravljanja AM-om. Sustav vektorskog upravljanja je realiziran primjenom digitalnog signal procesora TMS320F240 koji je ugrađen u upravljačku karticu DS1104, proizvođača dSpace. Pretvarač frekvencije je vlastite izrade s IGBT tranzistorima (100 [A]) i s konstantnim naponom istosmjernog međukruga. U ovom radu je odabrano da se upravljanje IGBT tranzistorima obavlja po algoritmu vektorske PWM modulacije (eng. Space Vector Pulse Width Modulation, SVPWM). Spektralnom analizom proračunatog i izmjerenog vektora struje statora AM-a pokazano je da su amplitude viših harmoničkih komponenti zanemarive prema amplitudi osnovnog harmonika. Zbog toga se izmjenjivač sa vektorskom PWM modulacijom, sa stanovišta regulacije brzine vrtnje, može idealizirati na način da se umjesto vektora napona statora razmatra vektor referentnog napona izmjenjivača. U ovoj disertaciji je analizirana procjena brzine vrtnje AM-a jednostavnom dvoslojnom neuronskom mrežom i višeslojnim statičkim neuronskim mrežama različitih struktura. Elementi teorije neuronskih mreža prezentirani su ovom radu. Brzina vrtnje procjenjena neuronskom mrežom osjetljiva je na točnost procjene međuinduktiviteta koji se kao parametar zadaje u sustavu vektorskog upravljanja. Pogreška u procjeni međuinduktiviteta motora dovode do izobličenja brzine vrtnje procjenjene neuronskom mrežom . Ovo izobličenje se očituje u činjenici da se brzina vrtnje procjenjena neuronskom mrežom razlikuje od referentne brzine vrtnje i da se u brzini vrtnje pojavljuju, osim istosmjerne, i više harmoničke komponente. Te više harmoničke komponente su izraženije što je veća pogreška u procjeni međuinduktiviteta Lm. Frekvencija prvog višeg harmonika u procjenjenoj brzini vrtnje fN1 jednaka je frekvenciji prvog harmonika napona napajanja vektorski upravljanog asinkronog motora. Kao kriterij kvalitete procjene brzine vrtnje neuronskom mrežom u stacionarnom stanju AM-a predložena je analiza zasnovana na proračunu srednje vrijednosti i standardne devijacije  brzine vrtnje procjenjene neuronskom mrežom. Pokazano je da se omski otpor statora vektorski upravljanog AM-a može identificirati analiziranim observerom samo u stacionarnim režimima rada, dok je u dinamičkim režimima rada ova identifikacija nezadovoljavajuća. Za potrebe analize stabilnosti načinjen je linearizirani model AM-a i linearizirani model regulacijskog sustava. Ova dva modela su objedinjena i dobivena je prijenosna funkcija sustava vektorskog upravljanja po referentnoj brzini vrtnje. Promatranjem gibanja nula i polova ove prijenosne funkcije u kompleksnoj ravnini može se zaključivati o stabilnosti sustava vektorskog upravljanja. Pokazano je da se najbolji pokazatelji kvalitete regulacije brzine vrtnje postižu ako je međuinduktivitet motora procjenjen bez pogreške. Ukoliko se međuinduktivitet procjeni po iznosu manjim od stvarnog ( ), brzina vrtnje motora postaje najprije oscilatorna, a zatim regulacijski sustav postaje nestabilan. Ukoliko je međuinduktivitet procjenjen većim od stvarnog ( ) tada postoji statičko odstupanje referentne brzine vrtnje od stvarne brzine vrtnje, a vrijeme smirivanja odziva brzine vrtnje na skokovitu promjenu reference brzine vrtnje je približno dvostruko veće nego kada nema pogreške u procjeni međuinduktiviteta AM-a.

asinkroni motor; vektorsko upravljanje; neuronska mreža; observer; adaptivna regulacija; simulacija; procjena brzine vrtnje rotora; digitalni signal procesor

nije evidentirano