无传感器控制的感应电动机驱动在低速区域使用基于IFLC mra速度观察者

Dr.Mohammad Haseeb汗¹博士Arshia阿扎姆²

教授,系电气工程Muffakham耶和华Engg学院。&技术。印度海德拉巴
教授,电子和通讯Engg系。,Muffakham耶和华Engg学院。&技术。印度海德拉巴

文摘

无传感器控制的感应电动机驱动器被广泛使用在工业由于其高性能。各种各样的无传感器控制技术模型参考自适应系统(mra)是使用最广泛,传统PI控制器的使用的适应机制。许多以前开发的无传感器的性能方案控制感应电动机在低速区域没有找到满意的。改善性能在低速区域提出了一种新颖的方法在本文中所使用的传统PI控制器取代了一个集成的模糊逻辑控制器(IFLC)只不过是PI和模糊逻辑控制器的结合。在Matlab / Simulink仿真执行来验证该方法的有效性。仿真结果,分析和比较基于π和IFLC mra速度观察者和观察,电动机在低速区域的性能改进与IFLC相比PI控制器。

关键字

无传感器控制、mra、PI控制器,IFLC

介绍

感应电动机广泛应用于高性能ac驱动器由于其成本低、强度和可靠的操作相比,直流电机。虽然感应电动机有很多优势,他们拥有时变动态交互,因此很难设计一个高性能感应电动机驱动系统采用PI控制器。当我们使用速度传感器速度测量系统的可靠性降低,因此无传感器控制感应电动机产生的必要性。使用无传感器控制驱动器的成本和规模减少,增加系统的可靠性和健壮性和相当大的减少维护要求。

讨论各种无传感器技术的文献,可以看出这些技术已经成功应用了高、中速运行[1,2]但仍然非常低的速度和零速度操作造成的问题。在不同的无传感器技术在文学mra是最具吸引力的技术之一,由于其简单的设计[3]。不同种mra速度观察者通常基于转子磁通的转子磁通作为系统误差来确定转子速度[4 - 6],反电动势的定子反电动势作为误差估计转子速度(7、8)。转子磁通mra速度观测器被首次提出Schauder[9]是应用最普遍的方案和很多的努力集中在这个方案来改善其性能。多数的适应计划使用PI控制器的适应机制生成估计电机转速。传统PI控制器用于适应机制取代[11]的模糊逻辑控制器,提高了感应电动机的性能。进一步提高性能驱动的方法通常使用PI控制器取代IFLC的适应机制。仿真结果给出了性能优越的汽车当π被IFLC所取代。

mra观察者无传感器控制的感应电动机速度

Schauder发展了传统的模型参考自适应系统(mra)模型图1所示。mra速度观察者使用两个模型即自适应模型和参考模型。参考模型是一种独立于转子速度和自适应模型也称为可调模型依赖于转子速度。这两个模型的输出进行比较,用于形成一个误差向量。因此获得最小化误差通过使用一种适应机制。在古典适应机制PI控制器通常被用来减少速度优化信号和反馈自适应模型。

自适应可调或电流方程模型描述转子和转子磁通分量表示转子速度和定子电流。自适应模型可以用以下公式来表示(9、10)。

参考模型或电压模型生成参考价值的转子静止的参考系中通量组件从定子电压和电流组件从参考模型为:获得这些(9、10)

最后获得的适应机制产生的价值估计速度,以减少上述两个模型之间的误差反馈自适应模型。给出的估计速度

设计和实现传统控制技术的使用比例积分控制器面临困难如:

(一)驱动非线性系统和控制与这种类型的系统性能降低。

(b)电机饱和或热的变化不会引起预期的性能。

(c)负载干扰机参数的变化。

所以,设计一个控制器,能够调整自己的在线参数乃至结构,根据它的环境工作取得满意的控制性能是非常必要的。这可以通过设计一个模糊逻辑控制器(方法),可以有力控制植物的外部扰动的不确定性和未知。方法采用一种近似推理模式,类似于人类的决策过程。方法的行为很容易理解人类专家知识是通过直观的表达,语言规则。在该方法所使用的传统PI控制器取代IFLC使驱动器的性能大大改善在低速区域。

基于IFLC mra速度观察者

这个方法的目的是设计一个控制器完全不知情的情况下的模型不仅简单,而且还可以容易实现允许性能良好的精度,超调,并迅速在负载和速度的变化。提出了综合模糊逻辑控制器的框图见图2。在许多情况下,模糊控制可以用来改善现有的传统控制器系统通过添加额外的层智能电流控制方法。不同类型的模糊控制器,讨论了文学基本上是多输入单输出(味噌)类型控制器(11 - 13)。的主要偏好模糊逻辑是,它很容易实现控制和概括的能力。

模糊控制器的一般框图表示为图3所示,其结构见图4。

输入给fuzzifier fuzzyfication输入需要的地方。fuzzyfication组件块规模fuzzyfication函数的映射的输入数据和选择要考虑。映射的数据规模不过是将输入变量的范围,可以理解的模糊逻辑控制器,将一个特定的范围。fuzzyfication过程的数据转换成模糊集,规则库块实际上拥有的模糊规则应用于给定的输入。决策逻辑存在干扰部分将决定按照规则和逻辑。主要是Mamdani的方法用于决策。它使用或最小算子作为模糊蕴涵算子。

模糊控制器的输入的数量可以2或3。在拟议的方法来减少复杂性的两个输入。语言学的值,可以考虑每个输入3,5,7或9视情况而定。因为有两个输入,数字可能的规则N * N或N2为9,25岁,49岁或81以上规则语言值分别。规则库的规则数量的增加计算时间和计算内存使用将高参与近似推理的参数的数量增加了。因此推断所花费的时间周期变大其性能较慢。语言值的选择应考虑控制应该保持好和计算由模糊控制器不应该让这一过程缓慢。语言值3使9规则太小,不能得到更好的控制。控制器7或9语言值和49和81有大量的规则推理周期慢。该方法在这个语言的价值5选择使25规则。 For fuzzyfication triangular fuzzyfication is used and for deffuzzyfication the centroid deffuzzyfication method is used in the proposed method.

速度优化信号及其变化率ea是该方法的输入。K1和K2乘以上述两个缩放因子分别输入。控制器的输出然后乘以比例因子K3三分之一和执行离散积分估计速度。缩放因子后应该仔细选择做试验和错误技术得到控制器的最优性能,因为它们影响了模糊控制器的性能[11]。获得的值K1, K2和K3经过反复试验技术是0.05,分别为2和5。ea和ea和命令信号的输出模糊控制器ua给出:

设计模糊控制器的第一步是生成模糊规则基于知识的专家。根据专家,三种情况下可以区分电动机转速,即以上,低于所需的参考速度。通过定义之间的系统误差测量速度和所需的速度,命题,高,所需的参考速度下,否则表达为阳性,零和负的错误。

的体系结构提出了基于综合模糊逻辑控制器(IFLC) mra速度观测器的无传感器控制感应电动机是图5所示

在目前研究Mamdani不等式性质的规则库是用来制定控制规则使用if - then规则。试验和错误的方法是用来调整收益以获得最佳性能。该方法7中语言州被认为是问= -大,海里= -介质,NS = -小,泽= 0,p =积极的小点=积极的媒介,PL =积极。重心deffuzification方法用于获取所需的规则。使用的模糊控制规则,给出了该方法在表我已经49规则(14、15)。表中的规则得到使用如果-那么其他规则的条件。

例如,如果ea PS,Δea问然后输出是纳米

仿真结果和讨论

传统的模拟基于π& IFLC mra速度观测器感应电动机驱动,附录中给出,在MATLAB / SIMULINK中执行。图6和图7显示了感应电动机的速度和电磁无边女帽在低速区域即100 rpm在空载与PI控制器。同样的100 rpm和空载速度和电磁转矩图8和9所示。可以观察到的波动力矩和速度在很大程度上被最小化。电机的响应在100 rpm和电磁转矩与负载10 n - m与PI控制器应用于0.5秒图10和11所示在响应IFLC图12和13所示相同的条件。它可以观察到,负载转矩变化的影响更少使感应电动机强劲的外部负载转矩扰动当使用IFLC以及减少涟漪。

结论

本文使用IFLC小说适应机制,它取代了传统PI控制器用于基于mra的速度观测器的适应机制提出了感应电机的无传感器控制。电动机使用比例积分控制器的速度估计低速恶化,因此提出了一个基于IFLC的速度观测器,不仅提高了在低速性能,也使得电机强劲的外部负载转矩扰动。模糊控制的主要优势是,当速度改变控制参数的引用不需要被改变,但事实并非如此,传统的PI控制器。模拟执行调整后的参数方案,以获得最佳的性能在每个方案。应用IFLC显示更好的瞬态性能相比,通常使用PI控制器。也可以看到从不同的速度波形之间的速度误差参考速度和估计使用IFLC尊敬低的PI控制器。

附录

感应电动机参数:

Rr = 3.55Ω,Rs = 4.15Ω,Ls = 0.76 H, Lr = 0.76 H, Lm = 0.646 J = 0.33公斤。平方米,没有。的波兰人= 2

引用

j·霍尔兹和j .泉”,漂移和参数补偿通量估计量持续零无传感器控制的感应电动机定子频率操作,“IEEE反式。工业应用中,39卷,没有。7月4日/ 2003年8月,pp.1052 - 1060。
m·拉希德和自动跟踪斯特罗纳克”,一个稳定的反电动势MRAS-based无传感器低速感应电动机驱动对定子电阻变化,“IEE Proc,电工实习。权力达成。,vol. 151, no. 6, November 2004, pp. 685-693.
y Hori c . Ta田。MRAS-based速度传感器控制感应电动机驱动器使用瞬时无功功率。IECON, 1417 - 1422年11月/ 12月。1991年。
黄s d . y . n . Wang j .高,et al,“基于多分辨速度传感器的矢量控制感应电动机驱动,“ICA会议5日,杭州,中国,4550 - 4553年,2004页。
林f . j . r . j .围和p . c .林“健壮的无速度传感器感应电动机驱动器”,IEEE工业电子、35卷,没有。2、566 - 578年,1999页。
r . Cardenas r·佩纳·g·亚设,et al, mra观察者对双馈式感应机器,“IEEE工业能量转换,19卷,没有。2、467 - 468年,2004页。
m . n . Marwali和A . Keyhani”比较研究的基于转子磁通的mra和EMF基地mra速度估计异步电机无速度传感器矢量控制,“IEEE IAS年会学报》,第166 - 160页,1997年。
j . x h .年t . Wang Wang et al,“自适应速度传感器直接转矩控制定子电阻估计方法IM驱动器,“IEEE IPEC学报》,第221 - 214页,2007年。
c . Schauder“自适应速度识别的矢量控制感应电动机不转动传感器,“IEEE工业应用,28卷,第1061 - 1054页,1992年。
p .脉管,无传感器矢量和直接转矩控制。纽约:牛津大学出版社,1998年版。
陈守煜,洛杉矶。,“Fuzzy sets,” Information and Control, Vol. 8, pp. 338-353, 1965.
p .脉管Artificial-Intelligence-Based电机和Drives-Application模糊神经,柠檬和基于遗传算法的技术。纽约:牛津大学出版社,1999年版。
Lim, t和好,Z。,“FLC Design for Multi-objective Systems”, International Journal of Applied Mathematics & Computer Science, Vol. 6, No. 3, pp. 565-580 1996.
y Miloud和a . Draou”,基于模糊逻辑的转子电阻估计量的间接矢量控制感应电动机驱动,“在Proc。IEEE 28日年会的工业电子社会IECON 02, 2002。
。Haseeb汗Arshia阿j . Amarnath“基于模糊逻辑的多分辨速度观测器控制感应电动机驱动,“世界日报的建模与仿真,6(2010)第二卷134 - 140页。