Xây dựng cảm biến mềm ước lượng tốc độ động cơ không đồng bộ
XÂY DỰNG CẢM BIẾN MỀM ƢỚC LƢỢNG TỐC ĐỘ ĐỘNG CƠ KHÔNG
ĐỒNG BỘ
SENSORLESS SPEED ESTIMATION OF ASYNCHRONOUS MOTOR
Hồ Nhân Bảo
Trường đại học Sư phạm Kỹ thuật TP.HCM
TÓM TẮT
Động cơ không đồng bộ là một trong những động cơ được sử dụng rộng rãi nhất trong các ứng
dụng công nghiệp do có hiệu suất cao, chi phí thấp và yêu cầu bảo trì ít. Việc điều khiển véc tơ
của động cơ xoay chiều tương tự như động cơ một chiều trong đó mô-men xoắn và từ thông được
điều khiển độc lập. Tuy nhiên, việc điều khiển động cơ theo phương pháp điều khiển véc tơ có
nhược điểm là cần có cảm biến tốc độ và các thông số cần thiết. Hơn nữa, sự thay đổi của các
thông số và sai số của cảm biến trong quá trình vận hành gây ra sự suy giảm hiệu suất của động
cơ. Do đó việc điều khiển tốc độ không dùng cảm biến của động cơ không đồng bộ giải quyết
được vấn đề về việc giảm kích thước hệ thống, chi phí và tăng độ tin cậy của hệ thống. Mục đích
của luận văn này là thiết kế bộ ước lượng tốc độ của động cơ không đồng bộ dựa trên mạng thần
kinh nhân tạo. Mạng thần kinh nhân tạo là một hệ thống xử lý thông tin có yếu tố xử lý liên kết
chặt chẽ, nhanh và chính xác, trong đó điện áp stator và dòng điện được sử dụng làm đầu vào
của mạng và tốc độ rotor làm đầu ra.
Từ khóa: Cảm biến mềm; Mạng thần kinh nhân tạo; Động cơ không đồng bộ; Điều khiển véc tơ.
ABSTRACT
Asynchronous motors are one of the most widely used motors in industrial applications due to its
high performance, low cost and less maintenance requirements. The vector control of an AC
motor similarly to a DC motor in which torque and magnetic flux are controlled independently.
However, the vector control method must have an extra speed sensor and other parameters to
well perform. And the degradation of parameters and the sensor errors in the process cause a
control deficiency. Therefore, the new sensorless speed control of the asynchronous motor solves
these above problems by reducing system cost and increasing system reliability. The purpose of
this thesis is to design a speed estimator of an asynchronous motor based on the Neural Network.
The Neural Network is an information processing system with fast, accurate and coherent
processing, the stator voltage and current as the input of the NN and the rotor speed as the
output.
Keywords: Neural Network; Sensorless; Asynchronous motor; Vector Control.
khác nhau với các yêu cầu điều khiển khác
nhau. Một động cơ không đồng bộ, đặc biệt là
động cơ lồng sóc, có nhiều ưu điểm khi so
sánh với động cơ một chiều (Direct current –
DC). Nó có cấu trúc rất nhỏ gọn và không
1. TỔNG QUAN
Động cơ không đồng bộ là một loại động cơ
tương đối chắc chắn và chi phí thấp. Do đó,
nhiều sự chú ý được dành cho việc điều khiển
động cơ không đồng bộ cho các ứng dụng
nhạy cảm với môi trường. Hơn nữa, nó không
yêu cầu bảo trì định kỳ như động cơ DC. Tuy
nhiên, do cấu trúc hoạt động không tuyến tính
nên một động cơ không đồng bộ đòi hỏi các
sơ đồ điều khiển phức tạp hơn động cơ
DC[1].
2. CƠ SỞ LÝ THUYẾT
2.1. Mô hình trạng thái của động cơ trên hệ
tọa độ Rotor
Mô hình trạng thái động cơ trên hệ tọa độ
rotor được trình bày như sau[2]:
1
1 − σ
1
Trong các động cơ không đồng bộ, điều khiển
mô-men xoắn và tốc độ đã được thực hiện
bằng cách xác định động lực học hệ thống bậc
nhất, đây là một nhiệm vụ rất khó khăn. Nó
rất phi tuyến với nhiều tham số thay đổi theo
thời gian và điều kiện hoạt động. Nhiều
phương pháp tiếp cận động cơ cảm ứng thông
thường, chẳng hạn như điều khiển hướng
trường (FOC) nhằm mục đích tuyến tính hóa
mô hình động lực học. Các hệ thống FOC đã
được áp dụng rộng rãi và thành công.
(s + ) isd = ωsisq
+
−
Ψrd
+
usd
1
Tσ
σTrLm
1 − σ
σLs
1
(s + ) isq = −ωsisd
. ω. Ψrd
+
usq
Tσ
σLm
σLs
(
)
1 + Trs Ψrd = Lmisd
Lmisq
(1.1)
ωr =
{
TrΨrd
Trong đó: Lm là hỗ cảm giữa rotor và stator,
Tr=Lr/Rr là hằng số thời gian rotor,
Ls=Lm+Lσslà điện cảm stator, Lσs là điện
cảm tiêu tán phía cuộn dây stator và
σ=1- L2m/LsLr là hệ số tiêu tán tổng.
Về cơ bản, có thể sử dụng cảm biến tốc độ để
biết được thông tin tốc độ thực tế để điều
khiển động cơ cảm ứng. Cảm biến tốc độ này
có nhược điểm riêng như: thêm chi phí, cấu
hình hệ thống và giảm độ tin cậy. Để giải
quyết vấn đề này cảm biến mềm ước lượng
tốc độ sẽ được thay thế cảm biến phần cứng
để giảm chi phí và tăng độ tin cậy của hệ
thống. Phương pháp thường được sử dụng để
ước lượng tốc độ là mô hình tham chiếu
MRAS, bộ lọc Kalman mở rộng, bộ quan sát
Luenberger, mạng thần kinh nhân tạo (Neural
Network - NN). Trong đó, NN có những ưu
điểm như: thời gian tính toán có thể ngắn hơn
vì xử lý song song, hiệu suất cao. Hệ thống có
thể tính toán gần như chính xác, ngay cả khi
không có thông tin đầy đủ về thông số cần
ước lượng. Các hệ thống sử dụng bộ ước
lượng NN có thể hoạt động tốt trong môi
trường nhiễu hoặc có sự can thiệp từ môi
trường bên ngoài.
2.2. Phƣơng pháp điều khiển định hƣớng
trƣờng
Nguyên lý chính của phương pháp điều khiển
định hướng trường là biến đổi tọa độ. Hệ
thống truyền động động cơ cảm ứng định
hướng trường cơ bản được thể hiện trong
Hình 1. Vectơ hiện tại được đo trong hệ quy
chiếu tham chiếu đứng yên αβ, trong đó các
thành phần của dòng điện là isα và isβ phải
được chuyển đổi sang hệ tọa độ quay dq
được theo chuyển đổi Park. Tương tự, các
thành phần vectơ điện áp stator tham chiếu
vsα và vsβ phải được chuyển đổi từ hệ dq
sang αβ theo biến đổi nghịch đảo của Park.
Những biến đổi này đòi hỏi một góc từ thông
rotor θ[3].
Trong bài báo này, học viên đề xuất mô hình
ước tính tốc độ dựa trên mạng thần kinh nhân
tạo sử dụng FOC đã được áp dụng để điều
khiển động cơ không đồng bộ.
3. XÂY DỰNG MÔ HÌNH ƢỚC
LƢỢNG
Điều chế
vector
không gian
PWM
+
-
Torque ref. iq*
Field ref. id*
Vabc
Vαβ
ejѲ
ejѲ
2ɸ-3ɸ
3ɸ-2ɸ
+
-
3.1. Tƣơng quan giữa các thông số
/
O
Hiện nay có nhiều phương pháp để có thể xác
định đầu vào của mạng thần kinh nhân tạo
nhưng phương pháp phổ biến nhất hiện nay là
tính tương quan giữa các thông số. Dựa vào
hệ phương trình (1.1) có thể thấy tốc độ động
cơ rotor thực tại phụ thuộc hoàn toàn vào
dòng điện và điện áp thực tại, dòng điện và
điện áp trước đó, tốc độ trước đó (trễ bậc 1).
iαβ
M
Chuyển đổi
Park
Chuyển đổi
Clarke
Hình 1. Sơ đồ khối điều khiển định hướng
trường.
Hệ số tương quan giữ ωr(k) với các giá trị
dòng điện và điện áp được trình bày như Bảng
2.3. Mạng thần kinh nhân tạo
1.
Phương pháp mạng thần kinh nhân tạo (NN)
gần đây đã được áp dụng rộng rãi trong điện
tử công suất và trong lĩnh vực điều khiển
động cơ. Mục tiêu của NN là đưa trí tuệ của
con người hoặc tự nhiên vào máy tính để có
thể suy nghĩ thông minh như con người. Một
hệ thống thông minh được định nghĩa là một
hệ thống có khả năng tự học, tự tổ chức hoặc
tự thích ứng[4]. Cấu trúc của 1 neural được
thể hiện như Hình 2[5].
Bảng 1. Bảng hệ số tương quan giữ ωr(k)
và các giá trị.
( )
k
( )
k
r
usd
usd(k usq
− 1)
usq(k isd(k)
− 1)
0.08
0.08
0.034 0.034 -0.706
ωr(k)
r
isd(k isq(k) isq(k
− 1)
ωr(k ωr(k
− 1)
− 1)
− 1)
-0.706 0.473 0.473
1
1
ωr(k)
Trọng số
Ngõ vào
3.2. Xây dựng mô hình mô phỏng
Có thể thấy rằng tốc độ động cơ rotor thực tại
phụ thuộc hoàn toàn vào dòng điện, điện áp
thực tại, dòng điện, điện áp trước đó và vận
tốc trước đó (trễ bậc 1). Nên một mạng
Neural phù hợp nhất được chọn là mạng
truyền thẳng. Sơ đồ mạng Neural được thể
hiện như Hình 3.
Ngõ ra
Yj
Neuron j
= WijXi
Hàm chuyển đổi
Hình 2. Cấu trúc 1 Neural.
Trong đó: xi là các tín hiệu ngõ vào, wkj là
trọng số của từng ngõ vào, Hàm chuyển đổi là
hàm hoạt động và yj là ngõ ra của Neural.
Hình 4. Sơ đồ kết nối.
Thông số động cơ như Bảng 2.
Bảng 2. Tham số của động cơ.
Node(1)
Node(2)
Node(3)
Isq(k)
Isq(k-1)
Isd(k)
KÝ
GIÁ
TRỊ
THÔNG SỐ
ĐƠN VỊ
HIỆU
Wr(k)
Điện trở stator
Điện trở rotor
Rs
Ω
Ω
14,85
9,295
Isd(k-1)
Wr(k-1)
ode(n-
1)
Rr
Node(n)
Điện cảm
stator
Ls
H
0,3027
Lớp ngõ vào
Lớp ẩn
Lớp ngõ ra
Điện cảm rotor
Hệ số hỗ cảm
Số đôi cực
Lr
Lm
p
H
H
0,3027
10,46
2
Hình 3. Sơ đồ mạng Neural Network.
Ngõ ra của bộ ước lượng là tốc độ động cơ
rotor ωr(k) ở thời điểm hiện tại. Hàm truyền
của lớp ẩn bộ ước lượng là Tansigmoid, hàm
truyền của lớp ra là Purelin và được huấn
luyện theo giải thuật lan truyền ngược. Mạng
Neural được huấn luyện với số lớp ẩn được
chọn là 1 và số đơn vị lớp ẩn được chọn bằng
phương pháp thử sai và chọn ra được mô hình
phù hợp nhất là “5-13-1”. Mạng có 5 ngõ vào,
1 lớp ẩn với 13 đơn vị.
Momen quán
tính
J
kg.m2
3,1
50
Tốc độ đặt
ω*
Vòng/phút
4.1. Trƣờng hợp không tải
Trước tiên, động cơ làm việc ở chế độ không
tải. Tại 0.5s động cơ bắt đầu hoạt động với
tốc độ đặt là 200 vòng/phút, sau đó tốc độ
động cơ thay đổi là 150 vòng/phút, 80
vòng/phút, 30 vòng/phút và về 0 tại các thời
điểm 2s, 3s, 4s và 4.5s.
4. ĐÁNH GIÁ KẾT QUẢ MÔ
PHỎNG
Để kiểm chứng và đánh giá độ chính xác của
bộ ước lượng tốc độ thì sẽ phải so sánh giữa
hệ thống điều khiển dùng cảm biến với hệ
thống dùng bộ ước lượng NN và so sánh
trong 3 trường hợp là không tải, có tải thay
đổi và tải không đổi. Sơ đồ kết nối mô phỏng
như Hình 4.
Hình 5. Tốc độ động cơ khi không tải.
Trong trường hợp không tải thì giá trị tốc độ
động cơ đo được bằng cách dùng cảm biến và
dùng bộ ước lượng NN là hoàn toàn bám sát
nhau như Hình 5.
dùng bộ ước lượng NN là hoàn toàn bám sát
nhau như Hình 7.
4.2. Trƣờng hợp tải không đổi
Tiếp theo, động cơ làm việc ở chế độ tải
không đổi. Tại 0.05s động cơ bắt đầu hoạt
động với tốc độ đặt là 500 vòng/phút (wm),
tại thời điểm 1.5s momen đặt lên động cơ là
792 (N.m) và không đổi trong suốt quá trình
chạy của động cơ.
4.4. So sánh với bộ ƣớc lƣợng MRAS
MATLAB đã xây dựng sẵn một mô hình ước
lượng tốc độ động cơ không dùng cảm biến
tên là “AC3 - Sensorless Field-Oriented
Control Induction Motor Drive” sử dụng bộ
ước lượng MRAS.
Để so sánh trực quan giữa bộ ước lượng ANN
và MRAS thì ở đây sẽ đo giá trị sai lệch giữa
2 mô hình ước lượng với giá trị của cảm biến
trong trường hợp momen tải thay đổi từ 0 lên
792 (N/m) ở thời điểm tương ứng là 1.5s. Tốc
độ đặt là 500 vòng/phút.
Hình 6. Tốc độ động cơ khi tải không đổi.
Trong trường hợp tải không đổi thì giá trị tốc
độ động cơ đo được bằng cảm biến và dùng
bộ ước lượng NN là hoàn toàn bám sát nhau
như Hình 6.
4.3. Trƣờng hợp tải thay đổi
Hình 8. Sai số giữa mô hình ước lượng và
cảm biến.
Tiếp theo, động cơ làm việc ở chế độ tải
không đổi. Tại 0.05s động cơ bắt đầu hoạt
động với tốc độ đặt là 500 vòng/phút (wm),
tại thời điểm 1.2s và 1.6s momen đặt lên động
cơ lần lượt là 792 (N.m) và -792 (N.m).
Trên Hình 8 cho thấy rằng sai lệch giữa tốc
độ ước lượng của mô hình MRAS với cảm
biến tốc độ là tầm 0.4%. Trong khi đó sai lệch
giữa bộ ước lượng dùng mạng NN với cảm
biến là 0,1%. Từ kết quả so sánh này cho thấy
mô hình học viên đề xuất xây dựng dùng
mạng NN ước lượng tốc độ trong điều khiển
động cơ là hoàn toàn hợp lý và cho kết quả rất
tốt.
5. KẾT LUẬN
Kết quả mô phỏng cho thấy, bộ ước lượng tốc
độ làm việc rất tốt với nhiều trạng thái vận
hành khác nhau của động cơ như: không tải,
tải không đổi và tải thay đổi, thông số động
cơ thay đổi. Tốc độ ước lượng gần như trùng
khớp hoàn toàn với tốc độ đo được từ cảm
Hình 7. Tốc độ động cơ khi tải thay đổi.
Trong trường hợp tải thay đổi thì giá trị tốc độ
động cơ đo được bằng cách dùng cảm biến và
biến.
trường hợp thay đổi giá trị điện trở stator thì
độ vọt lố của tốc độ động cơ khi dùng bộ ước
lượng Neural Network còn cao.
Khoảng thời gian đầu khi bắt đầu khởi động
động cơ và khi thay đổi tải đột ngột trong
TÀI LIỆU THAM KHẢO
[1]
[2]
[3]
[4]
[5]
Luigi Fortuna, Salvatore Graziani, Alessandro Rizzo & Maria G.Xibilia (2007). Soft Sensors
for Monitoring and Control of Industrial, pp.15-142.
Nguyễn Phùng Quang (1996). Điều khiển tự động truyền động điện xoay chiều ba pha,
NXB Giáo dục,tr. 21-39.
Emad Karrar, Supervisor Martino Ojwok Ajang (2010). Field Oriented Control of Induction
Motor, Semantic Scholar, pp. 35-44.
Birhanu Gizaw (2017). Neural Network Based Speed Estimation of Induction Motor Using
Indirect Field Oriented Control Methods.
Lý Thuyết Mạng Nơron. Internet:
[6]
[7]
[8]
Blal Akin (2003). State Estimation Techniques for Speed Sensorless Field Oriented Control
of Induction Motors.
Ayman Yousef, Samir Abdel maksoud (2015). Review on Field Oriented Control of
Induction Motor. ResearchGate.
Đặng Thành Nhân (2018). Điều Khiển Động Cơ Không Đồng Bộ Không Dùng Cảm Biến
Tốc Độ.
[9]
Prof.dr.ir. Job van Amerongen (2004). Intelligent Controlpart 1 – MRAS, pp 1-3.
[10] Texas Instruments (1998). Field Orientated Control of 3-Phase AC-Motors, BPRA073.
[11] Pham Dinh Truc, Hoang Dang Khoa (2006). Sensorless Speed Estimation Of Induction
Motor In A Directtorque Control System. Tạp chí phát triển KH&CN, 12.
[12] Field-Oriented Control Induction Motor Drive, Internet:
Tác giả chịu trách nhiệm bài viết:
Họ tên: Hồ Nhân Bảo
Điện thoại: 0389519551
Email: [email protected]
XÁC NHẬN CỦA GVHD
PGS.TS. NGÔ VĂN THUYÊN
BÀI BÁO KHOA HỌC
THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ
Bài báo khoa học của học viên
có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn
Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ
Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam.
Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý
của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.
ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN!
Thực hiện theo MTCL & KHTHMTCL Năm học 2019-2020 của Thư viện Trường Đại học
Sư phạm Kỹ thuật Tp. Hồ Chí Minh.
7 trang
10/01/2024
18340
Free
Bạn đang xem tài liệu "Xây dựng cảm biến mềm ước lượng tốc độ động cơ không đồng bộ", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- xay_dung_cam_bien_mem_uoc_luong_toc_do_dong_co_khong_dong_bo.pdf
