intTypePromotion=1

Điều khiển động cơ không đồng bộ không cần cảm biến tốc độ sử dụng lọc Kalman trong cấu trúc có tách kênh trực tiếp

Chia sẻ: Kiếp Này Bình Yên | Ngày: | Loại File: PDF | Số trang:6

0
78
lượt xem
11
download

Điều khiển động cơ không đồng bộ không cần cảm biến tốc độ sử dụng lọc Kalman trong cấu trúc có tách kênh trực tiếp

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết giới thiệu một cấu trúc điều khiển tốc độ quay động cơ không đồng bộ rotor lồng sóc không sử dụng cảm biến tốc độ áp dụng nguyên lý lọc Kalman. Hệ thống điều khiển được xây dựng theo phương pháp tựa theo từ thông rotor với cấu trúc có tách kênh trực tiếp. Bộ lọc Kalman thứ nhất sẽ ước lượng từ thông rotor. Sau đó tốc độ quay của động cơ sẽ được bộ lọc Kalman thứ hai ước lượng dựa trên giá trị từ thông thu được ở trên.

Chủ đề:
Lưu

Nội dung Text: Điều khiển động cơ không đồng bộ không cần cảm biến tốc độ sử dụng lọc Kalman trong cấu trúc có tách kênh trực tiếp

TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> <br /> <br /> ĐIỀU KHIỂN ĐỘNG CƠ KHÔNG ĐỒNG BỘ KHÔNG CẦN CẢM BIẾN TỐC ĐỘ SỬ<br /> DỤNG LỌC KALMAN TRONG CẤU TRÚC CÓ TÁCH KÊNH TRỰC TIẾP<br /> SPEED SENSORLESS CONTROL OF INDUCTION MOTORS USING KALMAN FILTER<br /> IN STRUCTURES WITH DIRECT DECOUPLING<br /> <br /> Nguyễn Đình Hiếu, Nguyễn Phùng Quang<br /> Trường Đại học Bách Khoa Hà Nội<br /> <br /> TÓM TẮT<br /> Bài viết giới thiệu một cấu trúc điều khiển tốc độ quay động cơ không đồng bộ rotor lồng sóc<br /> không sử dụng cảm biến tốc độ áp dụng nguyên lý lọc Kalman. Hệ thống điều khiển được xây dựng<br /> theo phương pháp tựa theo từ thông rotor với cấu trúc có tách kênh trực tiếp. Bộ lọc Kalman thứ nhất<br /> sẽ ước lượng từ thông rotor. Sau đó tốc độ quay của động cơ sẽ được bộ lọc Kalman thứ hai ước<br /> lượng dựa trên giá trị từ thông thu được ở trên. Việc mô phỏng kiểm chứng được thực hiện trên nền<br /> phần mềm Matlab & Simulink và PLECS. Kết quả mô phỏng cho thấy phương pháp điều khiển này<br /> đảm bảo được tính ổn định của hệ thống, độ chính xác của việc ước lượng từ thông và tốc độ quay là<br /> khá tốt ở cả quá trình đóng tải và đảo chiều.<br /> ABSTRACT<br /> The paper presents a speed sensorless control structure for induction motors with squirrel-cage<br /> rotor using Kalman filter algorithm. The control system is designed by using the method rotor flux<br /> orientation with direct decoupling structure. The first Kalman filter is used to estimate the rotor flux.<br /> Then speed is estimated by the second Kalman filter using the estimated flux. The validation is carried<br /> out by simulation with the software Mathlab & Simulink and PLECS. The simulation results show that<br /> this speed sensorless control method preserves the system stability, and the accuracy of rotor flux and<br /> speed estimation are good in both load imposition and speed reversal process.<br /> <br /> Chữ viết tắt phải tìm hiểu, thiết kế những phương pháp để<br /> ĐCKĐB Động cơ không đồng bộ có thể áp dụng, cài đặt nó một cách dễ dàng và<br /> TTHCX Tuyến tính hóa chính xác ít tốn kém vào các hệ điều chỉnh T 4 R đang<br /> T4R Tựa theo từ thông rotor được bán trên thị trường.<br /> <br /> I. ĐẶT VẤN ĐỀ Ngoài ra, ĐCKĐB có hai đặc tính phi<br /> tuyến mà người làm điều khiển cần phải chú ý<br /> Trong các hệ thống truyền động sử dụng<br /> đó là cấu trúc phi tuyến và tham số phi tuyến.<br /> ĐCKĐB hiện đại đều yêu cầu có đường phản<br /> hồi tốc độ của động cơ, do đó việc sử dụng cảm Trong tài liệu [1], các tác giả đã chỉ ra rằng<br /> biến tốc độ gần như là một điều tất yếu. Tuy đặc tính phi tuyến thứ nhất chỉ có thể khắc phục<br /> được bằng phương pháp điều khiển phi tuyến,<br /> nhiên điều đó có thể làm giảm độ tin cậy của hệ<br /> còn đặc tính phi tuyến thứ hai sẽ được xử lý<br /> thống đặc biệt trong những môi trường không bằng phương pháp nhận dạng và thích nghi. Và<br /> thân thiện và làm giảm lợi thế của các hệ truyền phương pháp điều khiển phi tuyến được các tác<br /> động sử dụng ĐCKĐB. Chính vì thế đã dẫn đến giả lựa chọn là TTHCX.<br /> ý tưởng loại bỏ khâu đo tốc độ quay trong hệ<br /> thống. Bài viết này giới thiệu phương pháp điều<br /> khiển mà không cần đo tốc độ quay theo<br /> Các phương pháp để giải quyết vấn đề nguyên lý lọc Kalman trên nền hệ điều chỉnh<br /> “điều khiển không cần đo tốc độ quay” rất T 4 R với cấu trúc có tách kênh trực tiếp trong<br /> phong phú và đa dạng. Tuy nhiên, như chúng ta [1, 2].<br /> đã biết các hệ điều chỉnh T 4 R đã được ứng<br /> dụng rất rộng rãi trong thực tế. Vì vậy, cần thiết<br /> <br /> 24<br /> TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> II. PHƯƠNG PHÁP ĐIỀU KHIỂN SPEED với: u k , x k , y k lần lượt là vector đầu vào,<br /> SENSORLESS THEO NGUYÊN LÝ LỌC vector trạng thái và vector đầu ra của hệ thống;<br /> KALMAN<br /> Ak , Bk , Ck , G k là các ma trận hằng.<br /> 2.1 Nguyên lý lọc Kalman<br /> Theo [3] nguyên lý lọc Kalman là một<br /> ξ k , ηk là vector nhiễu trạng thái và<br /> nguyên lý “dự báo – hiệu chỉnh” sử dụng thuật vector nhiễu đo được giả thiết là nhiễu trắng<br /> toán hồi quy để ước lượng biến trạng thái của Gaussian có kỳ vọng 0 với Var (ξ k )  Qk ,<br /> hệ thống đã xét đến ảnh hưởng của nhiễu đo Var (ηk )  Ρk là các ma trận xác định dương<br /> cũng như nhiễu hệ thống.<br /> và E( ξ k ηTl )=E( x 0 ξ Tk )=E( x 0 ηTk )=0.<br /> Xét một hệ tuyến tính với không gian<br /> trạng thái như sau: Để ước lượng các biến trạng thái của hệ,<br /> bộ lọc Kalman thực hiện hai quá trình hồi quy:<br /> x k 1  A k x k  B k u k  G k ξ k<br /> <br /> <br />  (1) “dự báo” và “hiệu chỉnh”.<br /> <br /> y k  Ck x k  ηk<br /> <br /> <br /> <br /> <br /> <br /> Hình 1. Thuật toán cơ bản của nguyên lý lọc Kalman<br /> <br /> Trong đó: K là ma trận Kalman. K được xác định sao cho<br /> xˆ 0  E (x0 ) là điểm bắt đầu thực hiện thuật J x   E (eT e) min ( e  x - xˆ )<br /> toán được hiểu như là giá trị ước lượng ban<br /> đầu của vector trạng thái. 2.2 Mô hình trạng thái của ĐCKĐB<br /> xˆ k 1,k là giá trị ngoại suy của x k 1 từ giá trị Theo [2] sau khi TTHCX mô hình dòng<br /> ước lượng trước đó xˆ k . của ĐCKĐB ta thu được mô hình dòng mới có<br /> đặc tính tuyến tính là:<br /> xˆ k 1,k 1  xˆ k 1 là giá trị ước lượng của x k 1 <br /> <br />  isd  w1<br /> theo nguyên lý Kalman từ y k 1 .  (2)<br /> <br /> isq  w2<br /> <br /> Pk 1,k 1  Pk 1  Var (ek 1 ) là ma trận<br /> Ta sử dụng thêm các phương trình của từ<br /> phương sai của sai lệch e k 1 = xˆ k 1 - x k 1 thông và mômen là:<br /> <br /> <br /> 25<br /> TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> <br /> 1 1  Gián đoạn hóa mô hình trạng thái của các<br />  rd  isd   rd (3) hệ con.<br /> Tr Tr<br />  Xác định các ma trận phương sai<br /> 3 L2 3 L2 Gi ; Ri ; Pi ; Qi (i=1,2).<br /> mM  z p m rd isq  z p m rd isq (4)<br /> 2 Lr 2 Lr<br />  Thực hiện thuật toán theo nguyên lý lọc<br /> J Kalman và hiệu chỉnh.<br />   mM  mW (5)<br /> zp 1. Gián đoạn hóa mô hình trạng thái<br /> Theo [4] khi tiến hành gián đoạn hóa mô<br /> Cùng với kết quả thu được sau khi<br /> hình trạng thái sử dụng phương pháp tích phân<br /> TTHCX: sự tách kênh hoàn toàn giữa thành<br /> gần đúng Euler ta có :<br /> phần tạo từ thông (trục d) và thành phần tạo<br /> mômen (trục q), ta có 2 mô hình trạng thái con Ad  I  AT Bd  BT Cd  C<br /> là:<br /> trong đó A, B, C là ma trận của mô hình trạng<br />  Phần điện:<br /> thái liên tục; Ad , Bd , Cd là ma trận của mô<br /> <br /> <br /> x 1  A1x1  B1u1 hình trạng thái gián đoạn; I là ma trận đơn vị và<br />  (6)<br /> <br /> y1  C1x1<br />  T là chu kỳ trích mẫu. Từ đó ta thu được mô<br /> hình trạng thái gián đoạn của các hệ con là:<br /> Trong đó<br /> Phần điện:<br /> i <br /> x1   sd  ; u1   w1  ; y1  isd  <br /> <br /> x1 (k 1)  A d 1x1 (k )  B d 1u1 (k )<br /> rd   (8)<br />   <br /> y1 (k )  Cd 1x1 (k )<br /> <br /> 0 0 <br />    1 Trong đó:<br /> A1   1 1  ; B1    ; C1  1 0<br />    0<br />  Tr T   i (k ) <br />  r  x1 (k )   sd  ;u (k )   w1 (k);y1 (k )  isd (k ) <br /> rd (k ) 1<br />  Phần cơ:  <br /> <br /> x 2  A1x 2  B 2u 2  D2n 2 1 0 <br /> <br />    T <br />  (7) A d1   T T  ; Bd1    ; Cd1  1 0<br /> <br /> y 2  C2 x 2<br />   1   0 <br />  Tr Tr <br /> <br /> Trong đó :<br /> Phần cơ :<br /> m <br /> x2   M  ; u 2   w2  ; y 2   mM  ; n 2   mW  x2 (k 1)  A d 2 x2 (k )  Bd 2u 2 (k )  Dd 2n 2 (k )<br /> <br />    (9)<br /> y 2 (k )  Cd 2 x2 (k )<br /> <br /> 0 0  0  Trong đó :<br />   k   <br /> A2   z p  ;B 2    ;C2  1 0;D2   z p   m ( k )<br />  0  0   x 2 (k )   M  ; u 2 (k )   w2 (k) <br />  J   J    (k ) <br /> y 2 (k )   mM (k )  ; n 2 (k )   mW (k ) <br /> 2.3 Áp dụng nguyên lý lọc Kalman cho<br /> ĐCKĐB  1 0<br />    kT <br /> Để ước lượng từ thông và tốc độ quay A d2   Tz p  ; B d2    ; Cd2  1 0<br />  1  0 <br /> của động cơ ta cần tiến hành các bước như sau:  J <br /> và coi mômen tải mW là nhiễu.<br /> <br /> 26<br /> TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> 2. Xác định các ma trận phương sai xˆ 0  E (x 0 )<br /> <br /> Thông thường các ma trận đều được chọn P0,0  Var (x0 )<br /> có dạng đường chéo. <br /> xˆ k ,k 1  A d 1x k 1,k 1  B d 1u k 1<br /> Theo [5] các ma trận phương sai <br /> Pk ,k 1  A d 1Pk 1,k 1A d 1T  G k 1Q k 1G Tk 1<br /> G,Q,R,P luôn được xác định bằng quá trình thử  (10)<br /> và sửa lỗi (trial-and-error process). Giá trị của K k  Pk ,k 1Cd 1T (Cd 1Pk ,k 1Cd 1T  R k )1<br /> <br /> các ma trận đó sẽ được chọn sao cho bình Pk ,k  (I  K k Cd 1 )Pk ,k 1<br /> phương sai lệch giữa tốc độ ước lượng và tốc <br /> xˆ k ,k  xˆ k ,k 1  K k (y k  Cd 1xˆ k , k 1 )<br /> độ thực của động cơ là nhỏ nhất. Cũng trong tài <br /> liệu này, các tác giả cũng nói rằng việc chỉnh k  1, 2,...,<br /> định bằng tay bộ lọc Kalman sử dụng quá trình Trong đó :<br /> thử và sửa lỗi để xác định các ma trân phương<br /> sai được thực hiện khá đơn giản. Tuy nhiên quá  i (k ) <br /> xk   sd  ; u   w1 (k ); y k  isd (k ) <br /> trình đó tốn nhiều thời gian và kết quả phụ rd (k ) k<br />  <br /> thuộc rất nhiều vào sự nỗ lực và kinh nghiệm<br /> Chọn các ma trận phương sai :<br /> của người vận hành. Nếu như sự phân bố nhiễu<br /> luôn không biết được, thì không thể suy ra được 1 0<br /> P(0)  P0,0    ; R  103  ;<br /> mối quan hệ chung giữa giá trị các phần tử của  0 1  <br />  <br /> ma trận với chất lượng của bộ lọc Kalman phục<br /> 106 0 <br /> vụ cho việc xác định các ma trận đó để đạt được GQ<br /> kết quả ước lượng tốc độ tốt nhất.  0 106 <br />  <br /> Ngoài ra theo [6] ta sẽ phải chọn Q có  Ước lượng tốc độ từ mô hình con phần cơ :<br /> giá trị nhỏ hơn R để quá trình quá độ nhanh<br /> hơn. Thuật giải:<br /> 3. Thực hiện thuật toán xˆ 0  E (x 0 )<br /> <br /> <br /> <br /> Trong [7] các tác giả đã đưa ra giải pháp: <br />  P0,0  Var (x 0 )<br /> <br /> <br /> sử dụng mô hình con phần điện để ước lượng  xˆ k ,k 1  A d 2 xˆ k 1,k 1  B d 2u k 1<br /> <br /> <br /> giá trị từ thông còn mô hình con phần cơ phục <br /> vụ việc tính toán tốc độ. Dòng điện stator sẽ <br /> Pk ,k 1  A d 2 Pk 1,k 1A d 2  G k 1Q k 1G k 1 (11)<br /> T T<br /> <br /> <br /> được đo, sau đó chuyển sang hệ tọa độ dq. Từ <br /> K k  Pk ,k 1Cd 2T (Cd 2 Pk ,k 1Cd 2T  R k )1<br /> thành phần dòng isd và w1 ta sẽ tính được từ <br /> <br /> <br />  Pk ,k  (I  K k Cd 2 )Pk ,k 1<br /> thông rd . Từ thành phần dòng isq và giá trị từ <br /> <br /> <br />  xˆ k ,k  xˆ k , k 1  K k (y k  Cd 2 xˆ k , k 1 )<br /> thông rd tính được ta sẽ thu được giá trị <br /> <br /> k  1, 2,...,<br /> <br /> <br /> mômen động cơ mM . Với giá trị mômen này<br /> Trong đó:<br /> cùng w2 ta sẽ tính được tốc độ quay  với  m ( k )<br /> việc coi mômen tải mW là nhiễu của việc xác xk   M  ; u k  [w2 (k )]; y k   mM (k ) <br />   (k ) <br />  <br /> định mM .<br /> Chọn các ma trận phương sai :<br />  Ước lượng từ thông từ mô hình con phần<br /> điện<br /> 1 0<br /> P(0)  P0,0    ; R   200<br />  0 1<br /> Thuật giải:  <br /> <br /> <br /> <br /> 27<br /> TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> 106 0  Kết quả mô phỏng<br /> GQ<br />  0 102  Quá trình mô phỏng phương pháp điều<br />   khiển speed sensorless theo nguyên lý lọc<br /> Kalman được thực hiện trên Matlab & Simulink<br /> và Plecs.<br /> <br /> <br /> <br /> <br /> (a) Dòng isd và từ thông rd (b) Tốc độ quay <br /> <br /> Hình 2. Kết quả mô phỏng trong trường hợp vận hành lý tưởng<br /> <br /> <br /> <br /> <br /> (b) Tốc độ quay <br /> (a) Dòng isd và từ thông rd<br /> Hình 3. Kết quả mô phỏng trong trường hợp vận hành có nhiễu<br /> chính xác có bản chất là chuyển hệ tọa độ trạng<br /> KẾT LUẬN<br /> thái.<br /> Bài báo giới thiệu phương pháp điều<br /> Kết quả mô phỏng đã cho thấy triển vọng<br /> khiển không sử dụng cảm biến tốc độ của<br /> tốt đẹp để đưa phương pháp điều khiển không<br /> ĐCKĐB. Hệ thống điều chỉnh được xây dựng<br /> dùng cảm biến vào thực tế công nghiệp.<br /> theo phương pháp tựa theo từ thông rotor sử<br /> Phương pháp thiết kế theo nguyên lý lọc<br /> dụng cấu trúc tách kênh trực tiếp. Cấu trúc tách<br /> Kalman đã được đề xuất có khá nhiều ưu điểm<br /> kênh trực tiếp là cấu trúc điều khiển phi tuyến,<br /> như khả năng kháng nhiễu mạnh, dễ mở rộng<br /> được thiết kế theo phương pháp tuyến tính hóa<br /> và còn có thể cho phép ước lượng đồng thời<br /> <br /> 28<br /> TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT  SỐ 74 - 2009<br /> <br /> nhiều biến trạng thái hoặc/và kết hợp với việc khăn ở dải tốc độ thấp của truyền động không<br /> nhận dạng, thích nghi tham số. dùng cảm biến cũng chưa khắc phục được , đây<br /> là một vấn đề còn để ngỏ, cần được nghiên cứu<br /> Tuy nhiên việc tồn tại sai lệch tĩnh, khối<br /> sâu thêm nữa.<br /> lượng tính toán lớn vẫn còn là những điểm gợn<br /> của phương pháp cần được xem xét. Những khó<br /> <br /> TÀI LIỆU THAM KHẢO<br /> 1. Nguyễn Phùng Quang, Andreas Dittrich; Vector Control of Three-Phase AC Machines; pp. 97-<br /> 101; Springer; 1st edition; 2008.<br /> 2. Dương Hoài Nam, Nguyễn Phùng Quang; Chuyên san “Kỹ thuật điều khiển tự động”- tạp chí Tự<br /> động hoá ngày nay, số 11, trang 10-15 (2004).<br /> 3. C.K.Chui, G.Chen; Kalman filtering with Real-time applications; trang 20-48; Springer; 2nd<br /> edition; 1991.<br /> 4. Nguyễn Phùng Quang, Andreas Dittrich; Truyền động điện thông minh; trang 47-52; NXB<br /> KH&KT; in lần 2; 2004.<br /> 5. K.L.Shi, T.F.Chan, Y.K.Wong, S.L.Ho; Speed estimation of an Induction motor drive using an<br /> optimized extended Kalman filter; IEEE Trans. On IE; Vol. 49; No. 1; February 2002<br /> 6. Salomon Chavez Velaquez, Ruben Alejos Palomares, Alfredo Nava Segura; Speed estimation for<br /> an Induction motor using the extended Kalman Filter; IEEE Computer Society CONIELECOM;<br /> 2004.<br /> 7. Kanungo Barada Mohanty, Amit Patra; Flux and speed estimation in decoupled induction motor<br /> drive using Kalman Filter; Procc. of 29th National System Conference (NSC); IIT Mumbai; Dec.<br /> 2005; trang 1-9.<br /> <br /> Địa chỉ liên hệ: Nguyễn Đình Hiếu - Tel: 0912814385, Email: hieund1985@gmail.com<br /> Khoa Điện, Trường Đại học Bách khoa Hà Nội<br /> Số 1, Đại Cồ Việt, Hà Nội<br /> <br /> <br /> <br /> <br /> 29<br />
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2