无传感器控制的感应电动机驱动器使用模糊逻辑控制在低速

j .艾德琳Sneha¹,k库马尔²活力,诉本斯的胜利者³,j·阿兰格伦⁴

Sathyabama大学讲师、易爱易钦奈,印度泰米尔纳德邦,
Sathyabama大学助理教授、易爱易钦奈,印度泰米尔纳德邦,
书PG学者,讲述工程与技术学院,钦奈,印度泰米尔纳德邦,
助理工程师,认识到技术解决方案,钦奈,印度泰米尔纳德邦,

文摘

本文提出了控制的感应电动机驱动器。因为维修费用低和鲁棒性,感应电动机在行业有许多应用。感应电动机的速度控制是实现最大扭矩和效率更重要。各种控制技术,如标量控制、矢量控制、传感器不控制。这些计划受到参数敏感性和低速性能有限的操作。传感器不使用模型参考自适应控制的感应电动机驱动系统与PI控制器作为参考模型将限制操作的低速性能。本文提出了一种新颖的适应机制取代比例积分控制器在mra适应机制,通过一个模糊逻辑控制器。这是应用于矢量控制驱动和实验验证。这使得参考模型摆脱纯粹的集成和定子电阻变化太敏感。这将改善性能的mra传感器不驱动低速的操作。

关键字

少感应电动机、传感器、模糊逻辑控制、低速度、速度控制

介绍

如今,交流电机,特别是鼠笼式感应式,广泛应用于工业由于其结构简单、坚固。此外,他们经济和免疫重过载。然而感应电动机的使用也有其缺点,主要是可控性,由于其复杂的数学模型及其非线性行为在饱和效应。感应电动机(IM)需要复杂控制算法,因为没有线性关系之间的定子电流和转矩或通量。这意味着很难控制速度或转矩。所以开发高性能马达驱动器来控制电动机在工业应用是非常重要的,高性能控制和评估技术对感应电动机驱动器非常精彩和具有挑战性的学科,最近许多技术已经开发了感应电动机驱动器,因此取得了很好的控制性能。一般来说,一个高性能驱动系统必须具有良好的动态跟踪速度命令和负载调节反应,和表演是对驱动和负载参数变化。在现有技术中,最常用的是比例积分(PI)控制器。PI控制器很容易实现,但PI控制器不能同时导致跟踪和调节性能好。此外,其控制性能对系统参数变化和负载干扰十分敏感。 Recently the modern controls, such as optimal control, variable structure System control, adaptive control, etc., have been applied to yield better performance. However, the desired drive specifications still cannot be perfectly satisfied by these methods.

在许多运动控制应用程序,直接转矩控制是非常可取的作为一个系统,改变转矩的快速响应是非常有益的。磁场定向控制(FOC)或矢量控制理论是一种特殊的基础为感应电动机驱动器控制方法。通过这种控制方法,感应电动机能够成功取代昂贵的直流电机。向量的发明或定向控制,演示,交流电动机可以像他励直流电机控制,带来了文艺复兴时期的高性能控制的感应电动机驱动器。事实上,随着矢量控制感应电动机驱动优于直流驱动,因为更高的瞬变电流能力,增加速度范围和降低转子惯性。

最重要的方面的定向控制感应电动机定子电流的变换成扭矩生产组件(方形q)和flux-producing组件(d)的直接路径。使通量产生当前组件结合转子磁通,一个转换参数的准确估计称为单位向量是必需的。然而,如果这个单位向量可以正确确定,那么交流传动性能的有效性将取决于生产适当的扭矩命令。传感器控制交易电动机控制没有少速度或位置传感器。定子电流和电压等技术措施。这种控制的优点是更少的维护,没有机传感器电缆,电气噪声。

问题STSATEMENT

基本BASIS-FLUX链接

传感器不控制我可以使用基本的基于模型的评估方法,通常在他们的简单形式的工作速度远高于约2%的基地。这些基本的基于模型的方法通常由d - q轴方程描述的机器,在正弦分布在气隙。这个忽略空间谐波,开槽影响,等等,它被称为一个基本模型。基本模型有一个固有的限制。定子频率趋于0时旋翼诱导电压趋于零,,我变得难以察觉.Methods要么是实现开环或闭环观察员(估计),利用误差测量和估计量来改善他们的行为。

操作以非常低的速度,不断在零位置估计可能需要SI技术。这些方法利用不对称特性,转子的特点。最简单形式的定子电压方程使用通常的符号

使用动态永磁感应电动势

实际困难的使用动态电磁场感应线圈以来发生的迅速变化的电流,给予实质性的感应效果。因为EMF是零速度为零,一个有限的速度阈值必须操作。一个特定问题的同步电机永磁机等也依赖于位置开始,所以转子位置和磁场极性是理想的要求避免起动瞬态可能是反过来。特殊安排,也许是一个开环斜坡,可以从参数选择适合驱动和负载。

简单的动态EMF传感方案的局限性:

1)传感以低速度是不可能的

2)过滤和相移给有限的动态范围

3)上限有用的速度范围,当假定迅速衰减,关闭当前不再发生

4)相电动势测量,星形连接额外的引导是必要的。

梯形的电动势波形的三次谐波分量可以使用点机,减少了移相问题的基本方案,使操作可能在更高的速度。

永磁感应使用电感的变化

电感是转子位置的函数,然后从绕组电流和位置可以推导出其变化率。这甚至适用于在医疗站动态EMF是零。存在问题:表面贴装磁铁,与立场是只从磁饱和电感变化;在更高的速度动态EMF占主导地位;电感变化每PMM的电周期有两个周期,感觉到位置模棱两可。

模型参考自适应系统

mra计划背后的主要逻辑是有一个参考模型和参考模型的自适应模型,用于确定所需的状态和自适应模型也称为可调模型提供了估计美国的价值观。参考和自适应模型之间的误差得到了一种适应机制调整的自适应模型生成估计转子速度的价值。调整自适应模型的过程是由继续直到两个模型之间的误差得到趋于零。基本模型参考适应方案是在图2.2

自适应模型方程通常描述了转子和转子通量组件表示的转子速度和定子电流。以下方程给转子磁通分量获得自适应模型。

表达的参考模型通常是表示定子的电压模型方程。参考模型给出了以下转子磁链方程供参考组件。

模糊逻辑

控制mra观察者

模糊逻辑是特别有利的问题,不能轻易用数学建模,因为数据是不可用,不完整或流程太复杂。这样的系统可以很容易地升级通过添加新的规则来提高性能或添加新功能。mra的传统方法速度观察者PI控制器常用于生成估计速度的适应机制进而减少速度优化信号错误。

模糊逻辑控制器的结构见图2.3。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。高木涉和决策中使用的其他方法是Sugeno (TS)的模糊模型。defuzzifier块将模糊决策和处理后输出的干扰到non-fuzzy输出可以给控制的过程或植物是必需的。

隶属度函数

在上一篇文章中,介绍了规则矩阵和使用。下一个逻辑问题是如何应用这些规则。这通向下一个概念,成员函数。成员函数是一个图形表示每个输入级的参与。它associates的每个输入的加权处理,定义输入之间的功能重叠,最终决定了一个输出响应。规则使用输入会员值作为权重因子来确定他们的影响最终输出的输出模糊集的结论。一旦函数推断、比例和组合,他们是defuzzified脆输出驱动系统。有不同的隶属度函数与每个输入和输出响应有关。一些功能需要注意的是:

——三角形的形状是很常见的,但是贝尔,梯形,sin,指数已经使用。更复杂的功能实现是可能的,但需要更多的计算开销。高度或大小(通常标准化为1)宽度(函数)的基础,承担(锁高度最大的如果一个外部函数。承担功能评估作为其中心)中心1.0过去点(中心成员函数形状)重叠(Z&P创设,通常约50%的宽度,但可以更少)。Fig.3.3说明三角形隶属函数的特性,在这个例子中,因为它使用数学简单。可以使用其他形状,但三角形有助于这个例子。会员(DOM)的程度取决于堵选中的输入参数(错误或error-dot)水平轴和垂直投影的上边界(s)的成员函数。

在Fig.3.3考虑一个“错误”的-1.0和2.5 +的“error-dot”。这些特定的输入条件表明,反馈已超过命令和仍在增长。

ERROR-DOT函数成员

“错误”的隶属程度的-1.0项目重叠的中间部分的“负面”和“零”功能所以结果是“消极”会员= 0.5和“零”会员= 0.5。只有规则与“消极”&“零”错误会适用于输出响应。这只选择左边和中间列的矩阵。+ 2.5的“error-dot”,一个“零”和“积极”的会员0.5。这个选择规则的中间和底部行矩阵。通过覆盖两个区域规则的矩阵,可以看出,只有规则2 - 2平方的左下角(规则4、5、7、8)规则的矩阵将产生非零输出的结论。其他人有一个零权重的逻辑和规则。

结论

本文基于mra的感应电动机驱动的性能控制研究,提出了利用模糊逻辑控制器。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。电动机使用比例积分控制器的速度估计低速恶化,因此提出了一种基于方法的速度估计取代传统PI控制器。仿真结果和发现方法显示了更好的瞬态性能即使马达的性能改善了通过使用方法但以非常低的速度接近零速度的控制电机仍然是一个挑战,而且将在未来解决。

引用

卜拉欣L, Tadaku, 1999,“速度控制的感应电动机不转动传感器”,Ieee工业应用,35卷,页。844 - 850。
徐Comanescu M, L, 2006,“滑模mra速度估计传感器矢量控制感应电机”,Ieee工业电子、53卷,pp.146 - 153。
芬奇J, Giaouris D, 2008,“控制交流电机驱动器”Ieee工业电子、55卷,Pp.1-11。
彭F和深尾三硕T, 1994,“鲁棒速度识别速度传感器矢量控制的感应电动机”,Ieee工业应用,30卷,页。1234 - 1240。
Schauder C, 1992,“自适应识别速度的矢量控制感应电动机不转动传感器”,Ieee工业应用,Vol.28 Pp.1054 - 1061。
M·拉希德,Stronac, 2004,“一个稳定的反电动势Mras-Based传感器少低速感应电动机驱动对定子电阻变化”,Ieee诉讼电力应用,151卷,pp.685 - 693。
Tamai年代,杉本H,矢野米,1985年,“少速度传感器矢量控制的感应电动机模型参考自适应系统”,Ieee - Ias年会,pp.613 - 620。
霍尔兹J, 2002年8月,“少传感器控制的感应电动机驱动器”,Ieee,卷90,8号,第1359 - 1394页。
Mitronikas E D和Safacas N, 2005年12月,“少一种改进传感器矢量控制感应电动机驱动的方法,“Ieee反式。印第安纳州电子,52卷,6号,第1660 - 1668页。
J。阿兰格伦,S。Thangalakshmi,“最优安排不同类型的分布生成资源分布网络”,国际创新研究在工程和科学杂志(Ijires),问题3,第3卷:2014年3月。
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,“间接磁场定向速度控制的感应电动机驱动器使用Pso算法”,国际期刊工程技术研究(Ijtre)问题11,卷1:2014年7月。
J。阿兰格伦,K。Kumar V。本斯抱着维克多,J。艾德琳Sneha,“高木涉——Sugeno模糊逻辑速度控制的一种间接磁场定向控制感应电动机驱动使用遗传算法”,创新工程和科学研究的国际期刊(Ijires), 2014年6月,问题3卷6。
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,K。Kumar“绿色汽车技术——混合动力汽车再生制动控制”,Tran恒星期刊出版,2014年8月。
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,K。Kumar“无传感器控制的感应电动机驱动器在低速使用模糊逻辑控制”国际先进研究期刊》的研究在电气、电子、仪表工程,2014年8月
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,K。Kumar“直流-直流变换器的设计和实现Zvs和佐为各种互动加载”,国际期刊工程技术研究(Ijtre), 2014年8月
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,K。Kumar“最佳放置不同类型的DG源在分销网络使用Pso算法和微分进化”,国际组织的科学研究(Iosr), 2014年8月
J。阿兰格伦,J。艾德琳Sneha, V。本斯抱着维克多,K。Kumar“基于光伏直流-直流与分布式发电多端口转换器”,国际创新研究杂志》上的电气、电子产品、仪器仪表和控制工程(Ijireeice),卷2,8,2014年8月
J。阿兰格伦,J。艾德琳Sneha”,间接磁场定向速度控制的感应电动机驱动器使用Takagi-Sugeno类型的模糊逻辑控制器”,国际会议上新兴的趋势在电气工程和能源管理(Iceteeem 2012), 2卷。1、出版年:2012年,页:263 - 266。
J。阿兰格伦,S。Thangalakshmi,“最优安排不同类型的分布生成资源分布网络”,研究流行过的工程国际会议(野蛮狼人),1卷,第一,出版年:2014年,页:124 - 130。
J。阿兰格伦,S。Thangalakshmi,“放松管制交通拥堵管理”,国家发展趋势在电子科学与技术会议(Nconest 13), 3卷,没有。1、出版年:2013年,页:168 - 171。
J。阿兰格伦,G。Kamesh Kannan”,无功功率在电力系统可靠性评估方面,国家会议上新兴的趋势在电子科学与工程的发明对社会和农村发展(Nceteee 13)》, 1卷,没有。1、出版年:2013年,页:153 - 158。