Thuật toán học nơron sửa đổi để ước lượng điện trở roto và stato khi đang hoạt động cho truyền động động cơ không đồng bộ không cảm biến tốc độ

Chia sẻ: ViHitachi2711 ViHitachi2711 | Ngày: | Loại File: PDF | Số trang:11

Thêm vào BST

Báo xấu

51
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Ước lượng điện trở roto và stato trong quá trình làm việc là cần thiết đối với các hệ truyền động không cảm biến tốc độ động cơ không đồng bộ ba pha ở vùng tốc độ thấp. Trong bài viết này một thuật toán nơron sửa đổi đã được đề xuất để ước lượng điện trở roto và stato trong quá trình làm việc. Ở đây luật cập nhật của mạng nơron có tốc độ học là một hàm thích nghi theo từng chu kỳ lấy mẫu, hàm thích nghi được xác định bằng mô hình mờ Mamdani.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Thuật toán học nơron sửa đổi để ước lượng điện trở roto và stato khi đang hoạt động cho truyền động động cơ không đồng bộ không cảm biến tốc độ

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) THUẬT TOÁN HỌC NƠRON SỬA ĐỔI ĐỂ ƯỚC LƯỢNG ĐIỆN TRỞ ROTO VÀ STATO KHI ĐANG HOẠT ĐỘNG CHO TRUYỀN ĐỘNG ĐỘNG CƠ KHÔNG ĐỒNG BỘ KHÔNG CẢM BIẾN TỐC ĐỘ A MODIFIED NEURAL LEARNING ALGORITHM FOR ONLINE ESTIMATION OF ROTOR AND STATOR RESISTANCES IN SENSORLESS INDUCTION MOTOR DRIVES Phạm Văn Tuấn, Phạm Hùng Phi, Nguyễn Thanh Sơn, Nguyễn Thế Công Trường Đại học Bách Khoa Hà Nội Ngày nhận bài: 5/10/2018, Ngày chấp nhận đăng: 20/12/2018, Phản biện: TS. Nguyễn Đăng Toản Tóm tắt: Ước lượng điện trở roto và stato trong quá trình làm việc là cần thiết đối với các hệ truyền động không cảm biến tốc độ động cơ không đồng bộ ba pha ở vùng tốc độ thấp. Trong bài báo này một thuật toán nơron sửa đổi đã được đề xuất để ước lượng điện trở roto và stato trong quá trình làm việc. Ở đây luật cập nhật của mạng nơron có tốc độ học là một hàm thích nghi theo từng chu kỳ lấy mẫu, hàm thích nghi được xác định bằng mô hình mờ Mamdani. Kết quả mô phỏng cho thấy các điện trở được ước lượng bằng mạng nơron với tốc độ học là hàm thích nghi được đề xuất có sai số nhỏ so với điện trở roto và stato thực, nâng cao chất lượng của hệ truyền động động cơ không đồng bộ không có cảm biến tốc độ. Từ khóa: Mạng nơron nhân tạo, điều khiển mờ, ước lượng điện trở roto, ước lượng điện trở stato. Abstract: Online estimation of rotor and stator resistance is essential for sensorless induction motor drives in the low speed region. In this paper, a novel modified neural algorithm has been proposed for online estimation of the rotor and stator resistance. Here the updated law of neural network with the learning rate is an adaptive function for each sampling cycle, and the adaptive function is determined by a Mamdani fuzzy model. The simulation results showed that the rotor and stator resistance estimated by neural network with learning rate as the adaptive function with small error compared to the real rotor and stator resistance, improving the quality of the sensorless driver for induction motor. Key words: Artificial Neural Network (ANN), Fuzzy Logic control (FLC), rotor resistance estimation, stator resistance estimation. Danh mục các ký hiệu Ký hiệu Giải thích ký hiệu Ký hiệu Giải thích ký hiệu  rdvm Từ thông roto dọc trục tính từ mô hình điện áp, hệ tọa độ gắn với stato  rqvm Từ thông roto ngang trục tính từ mô hình điện áp, hệ tọa độ gắn với stato Số 17 39 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Ký hiệu Giải thích ký hiệu  sds Từ thông stato dọc trục, hệ tọa độ gắn với stato  sqs Từ thông stato ngang trục, hệ tọa độ gắn với stato  rdim Từ thông roto dọc trục tính từ mô hình dòng điện, hệ tọa độ gắn với stato  rqim Từ thông roto ngang trục tính từ mô hình dòng điện, hệ tọa độ gắn với stato Vsd Điện áp stato dọc trục, hệ tọa độ gắn với stato Vsq Điện áp stato ngang trục, hệ tọa độ gắn với stato isd Dòng điện stato dọc trục, hệ tọa độ gắn với stato isq Dòng điện stato ngang trục, hệ tọa độ gắn với stato 1. MỞ ĐẦU Hiện nay nghiên cứu về truyền động không cảm biến tốc độ động cơ không đồng bộ ba pha roto lồng sóc thu hút được nhiều sự quan tâm trên thế giới bởi: khi động cơ lớn, trục động cơ lớn, sử dụng cảm biến tốc độ sẽ khó khăn cho lắp đặt và có sai số lớn đặc biệt ở vùng tốc độ thấp; giảm chi phí đáng kể cho hệ thống phần cứng đo lường tốc độ; với các máy và hệ truyền động điện làm việc trong môi trường khắc nghiệt (nhiệt độ cao, nhiều bụi…) sử dụng cảm biến tốc độ sẽ không thích hợp, dễ gây sai số, hỏng hóc [1]-[4]. Do vậy ước lượng chính xác tốc độ sẽ cải thiện đáng kể đáng kể chất lượng của hệ truyền động không cảm biến tốc độ với các thuật toán điều khiển động cơ không đồng bộ (Indirect Field Oriented Control/ 40 FOC, Direct Torque Control/ DTC…). Mặt khác, các thuật toán ước lượng tốc độ động cơ không đồng bộ phụ thuộc vào giá trị điện trở roto và stato. Điện trở roto có thể biến thiên tới 100% do sự thay đổi nhiệt độ, tần số roto và lấy lại các thông tin này với một mô hình nhiệt hoặc cảm biến nhiệt độ là rất khó khăn, phức tạp và các cảm biến nhiệt độ phải được gắn vào các vị trí khác nhau của roto, điều đó có thể không thực hiện được trong tất cả các ứng dụng [5]-[10]. Điện trở stato cũng có thể thay đổi 50% trong quá trình làm việc của động cơ [5], [7], [10]. Do đó việc ước lượng chính xác điện trở roto và stato trong quá trình làm việc của động cơ sẽ cải thiện và nâng cao chất lượng của hệ truyền động không cảm biến tốc độ. Một số thuật toán ước lượng điện trở roto đã được nghiên cứu và thực hiện như thuật toán thích nghi tham chiếu mô hình (MRAS) của từ thông hoặc công suất phản kháng đã được thực hiện ở [11], [12], bộ lọc Kalman mở rộng [13], [14], điều khiển trượt [15], [16], điều khiển mờ [17]-[20]. Phương pháp ước lượng điện trở roto trong quá trình làm việc của động cơ sử dụng mạng nơron truyền thẳng nhiều lớp đã được nghiên cứu và thực hiện ở [7], [21] nhưng phương pháp ước lượng điện trở này vẫn bị giới hạn là tốc độ học được lựa chọn trước và không thay đổi trong quá trình ước lượng. Do vậy, nếu lựa chọn tốc độ học không phù hợp sẽ dẫn đến quá trình huấn luyện mạng chậm và sai số đầu ra của mạng lớn. Việc lựa chọn tốc độ học phù hợp chủ yếu dựa vào kinh nghiệm của người nghiên cứu. Thuật toán ước lượng điện trở stato đã có Số 17 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) những nghiên cứu được đề cập [22], [23] dựa trên bộ quan sát Luenberger; bộ điều khiển mờ [24], [25]; MRAS [26], [27] và sử dụng mạng nơron hồi quy với tốc độ học là hằng số [7]. Cấu trúc của bài báo gồm 4 phần chính: phần 1 trình bày tổng quan về một số phương pháp nhận dạng điện trở roto và stato đã được thực hiện: phần 2 trình bày ước lượng điện trở roto với mạng nơron truyền thẳng nhiều lớp với tốc độ học là một hàm thích nghi; ước lượng điện trở stato với mạng nơron hồi quy có tốc độ học cập nhật theo một hàm thích nghi sẽ được trình bày ở phần 3; các kết quả mô phỏng được trình bày trong phần 4. 2. ƯỚC LƯỢNG ĐIỆN TRỞ ROTO ĐỘNG CƠ KHÔNG ĐỒNG BỘ SỬ DỤNG MẠNG NƠRON NHÂN TẠO Theo [7] và [21], dựa vào mô hình tham chiếu (mô hình điện áp) của động cơ không đồng bộ, ta có từ thông của roto:  vm Lr  '   rd = L   Vsd - Rs isd  dt - Ls isd   m   vm = Lr  V - R i  dt - L' i  s sq   rq Lm   sq s sq (1) (2) Do điện áp một chiều cấp cho bộ nghịch lưu bị nhấp nhô, khi qua khâu tích phân ở (2) làm cho từ thông stato bị cộng dồn sai số. Do vậy để loại bỏ sai số cộng dồn khi tính toán từ thông stato, sử dụng bộ lọc Số 17  vm  rd (k)=    vm (k)=  rq Lr  sds (k  1 )  L's isd (k  1 )  Lm Lr  sqs (k  1 )  L's isq (k  1 )  Lm (3) Mặt khác, các phương trình mô tả từ thông roto theo mô hình thích nghi (mô hình dòng điện) có dạng như sau:  rimd  (1/ Tr )  Lm isd  rimd  r Tr rqim  dt    im im im  rq  (1/ Tr )   Lm isq  rq  r Tr rd  dt (4) Rời rạc hóa hệ phương trình (4) và qua một số bước biến đổi ta có:  rimd  k   W1 rimd  k  1  W2 rqim  k  1   W3isd  k  1   im im im  rq  k   W1 rq  k  1  W2 rd  k  1   W3isq  k  1  (5) Hàm bình phương sai số của từ thông được viết như sau:   1 2 1 E   (k)   rvm (k)  rim (k) 2 2 Từ thông stato được tính như sau:  sds  Vsd  Rs isd  dt    s  sq   Vsq  Rs isq  dt thông thấp nhiều cấp được trình bày trong [28]. Thay thế phương trình (2) vào (1) và rời rạc hóa hệ phương trình (1) ta có: 2 (6) Các trọng số của mạng W1, W3 được tìm ra từ việc huấn luyện mạng sao cho hàm bình phương sai số E là nhỏ nhất ([7], [21]). W1, W3 được xác định như sau: W1(k)  W1(k  1 )  1W1(k) (7) W3 (k)  W3 (k  1 )  3W3 (k) (8) Với: T W1(k)   rvm ( k )  rim ( k )  rim ( k  1 )   (9) T W3 (k)   rvm ( k )  rim ( k ) is ( k  1 )   Đặt:  i (k)   Wi (k)Wi (k  1 ) (10) (11) 41 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) Hàm  i (k) là tích sai lệch của trọng số hiệu chỉnh i (i=1 hoặc 3) ở lần tính k và (k-1). Từ đó xây dựng hàm hàm tốc độ học dựa vào sai lệch  i (k) sao cho tốc độ học thay đổi theo hướng giảm sai lệch E của mạng [30]:  Khi  i (k) >0, mạng có tốc độ hội tụ chậm, phải tăng tốc độ học;  Khi  i (k)