ỨNG DỤNG MẠNG NEURAL điều KHIỂN tốc độ động cơ không đồng bộ

• Ước lượng từ thông rotor dùng mạng neural để sử dụng trong điều khiển định hướng trường.. Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ 7... • Sự khác biệt gi

Trường Đại Học Sư Phạm Kỹ Thuật Tp.HCM

MỤC ĐÍCH

• Tìm hiểu phương pháp điều khiển định hướng trường

• Ước lượng từ thông rotor dùng mạng neural để

sử dụng trong điều khiển định hướng trường

• Xây dựng hệ thống điều khiển PI mờ để điều khiển từ thông, momen, và tốc độ động cơ

NỘI DUNG

1 Tổng quan

2 Mô hình động cơ không đồng bộ

3 Điều khiển định hướng trường

4 Giới thiệu mạng truyền thẳng nhiều lớp

5 Ước lượng từ thông rotor sử dụng mạng neural

6 Điều khiển định hướng trường kết hợp mạng

neural và bộ điều khiển PI mờ

7 Kết luận

1 Tổng quan

• Động cơ không đồng bộ được sử dụng nhiều trong sản xuất và đời sống.

• Có nhiều phương pháp điều khiển:

Điều khiển vô hướng Điều chế vector không gian Điều khiển định hướng trường Điều khiển thông minh

Điều khiển định hướng trường

2 Mô hình động cơ không đồng bộ

2.2.Phương trình trạng thái của động cơ không đồng bộ

r

s r m

s s

s

r

m

s r s

s s

s

s

L i L

i

L i L

s r

s r r

s s

s s s

s

s

j dt

d i

R 0

dt

d i

R u

ψ ω

−

ψ +

=

ψ +

f s

f r

m

f r s

f s

f s

f r r

f r f

r r

f s s

f s f

s s

f s

L i L

i

L i L

i

j dt

d i

R

j dt

d i

R u

=

+ +

=

ψ ψ

ψ ω ψ

ψ ω ψ

2 Mô hình động cơ không đồng bộ

2.3 Mô hình động cơ không đồng bộ trên hệ tọa độ stator

α β

α α

α

σ

ωψ σ

σ ψ

σ

σ σ

σ

s

r r

r r

s r

s

L T

T

i T T

α β

β

σ

ψ σ

σ ωψ

σ

σ σ

σ

s

r r

r s

r s

s

u L T

i T T

β α

α

ψ

r r

r

s r

r

T

i T dt

/ r r

/ r

s r

/ r

T

iTdt

d

β α

2 Mô hình động cơ không đồng bộ

2.4 Mô hình động cơ không đồng bộ trên hệ tọa độ từthông rotor

( )( ) ' ' '

' '

'

' '

' '

1 1

1 1

1 1

1 1

1

1 1

1 1

1

rq r

rd s

sq r rq

rq s

rd r

sd r rd

sq s

rq r

rd sq

r S

sd s sq

sd s

rq rd

r

sq s sd

r S

sd

T

i T dt

d

T

i T dt

d

u L T

i T T

i dt

di

u L T

i

i T T

dt

di

ψ ψ

ω ω

ψ

ψ ω ω

ψ ψ

σ

ψ σ

σ ωψ

σ

σ σ

σ σ

ω

σ

ωψ σ

σ ψ

σ

σ ω

σ

σ σ

−

=

+

− +

− + +

3 Điều khiển định hướng trường

Biến đổi Laplace phương trình (15) và dựa vàophương trình momen điện từ, ta được:

sd r

sq rd r

m C

L

L p

2 2

=

(17)

(18)

khiển từ thông rotor

khiển momen quay

• Từ thông rotor

• Momen điện từ

3 Điều khiển định hướng trường

Xuất phát từ ý tưởng đó, cần ghép hai khối rời rạctrên qua mạng tính áp MTU

sq u

α

s u

β

s u

u t v t w t

d y

q y

Δ

sq i

riêng biệt kiểu PI

Động cơ được điều khiển bởi biến tần

nguồn áp

3 Điều khiển định hướng trường

Từ đó, xây dựng sơ đồ nguyên lý điều khiển địnhhướng trường hoàn chỉnh

ĐCVTKG CTĐu

3 2

3 Điều khiển định hướng trường

4 Giới thiệu mạng truyền thẳng nhiều lớp

Lớp ngõ ra

Lớp ẩn

Lớp ngõ vào

4.1 Giới thiệu

4 Giới thiệu mạng truyền thẳng nhiều lớp

4.2.Giải thuật lan truyền ngược

Hàm mục tiêu

2

)) ( )

(

( 2

1

k y k

d

J = −

Trong đó: d(k): tín hiệu ra mong muốn

y(k): tín hiệu ra của mạng

Sử dụng phương pháp Steepest Descent để tínhtrọng số:

J

w

w(k+1) = (k) − η ∇w

T w

: Gradient của J

4 Giới thiệu mạng truyền thẳng nhiều lớp

Gradient của J được tính như sau:

[d(k) y(k)].x(k)

w

y y

J w

J J

T T

δ δ

1

W(k) W(K+1) weigh

W tối ưu

J

δ δ

w

J w

δ

δ η

−

= Δ

J

5 Ước lượng từ thông sử dụng mạng neural

5.1.Dữ liệu huấn luyện

Dữ liệu huấn luyện là dòng và áp stator trên

hệ tọa độ từ thông rotor

Số mẫu là 4000 mẫu, chu kỳ lấy mẫu là 1ms

-500 0 500

5 Ước lượng từ thông sử dụng mạng neural

0 0.5 1 1.5 2 2.5 3 3.5 4 -5

0 5

0 0.5 1 1.5 2 2.5 3 3.5 4 -20

-10 0 10 20

5 Ước lượng từ thông sử dụng mạng neural

5 Ước lượng từ thông sử dụng mạng neural

⇒Mạng nơron được chọn có cấu trúc 9-20-1

⇒Sai số huấn luyện của mạng này đạt 2.44158 10 -7

5 Ước lượng từ thông sử dụng mạng neural

• Số đôi cực p = 2, Công suất P = 2Hp

5 Ước lượng từ thông sử dụng mạng neural

5.3 Kết quả ước lượng từ thông

0 0.2 0.4 0.6 0.8 1 1.2

0 0.2 0.4 0.6 0.8 1 1.2

Từ thông ước lượng

Từ thông của động cơ

Trong hệ thống vòng hở, khi

tham số động cơ

Trường hợp 1

5 Ước lượng từ thông sử dụng mạng neural

0 0.5 1 1.5 2 2.5 3 3.5 4 0

0.2 0.4 0.6 0.8 1 1.2

0 0.2 0.4 0.6 0.8 1 1.2

Có ANN

Không có ANN

5 Ước lượng từ thông sử dụng mạng neural

0 20 40 60 80 100 120 140 160

0 20 40 60 80 100 120 140 160

5 Ước lượng từ thông sử dụng mạng neural

Trong hệ thống vòng

hở, khi momen quán

0.2 0.4 0.6 0.8 1 1.2

0 0.2 0.4 0.6 0.8 1 1.2

Từ thông ước lượng

Từ thông của động cơ

Trường hợp 2

5 Ước lượng từ thông sử dụng mạng neural

0 0.2 0.4 0.6 0.8 1 1.2

Có ANN

Không có ANN

5 Ước lượng từ thông sử dụng mạng neural

0 0.5 1 1.5 2 2.5 3 3.5 4 0

20 40 60 80 100 120 140 160

0 20 40 60 80 100 120 140 160

5 Ước lượng từ thông sử dụng mạng neural

Nhận xét

• Từ thông ước lượng đạt đến giá trị đặt mong muốn

là 1 (Wb)

• Sự khác biệt giữa từ thông của động cơ khi sử dụng

bộ ước lượng từ thông dùng mạng nơron và từ thôngcủa động cơ khi sử dụng bộ ước lượng từ thôngthông thường là không đáng kể

6.1 Bộ điều khiển PID phổ biến

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

Ngõ ra điều khiển của bộ PID

MV(t) = Pout + Iout + Dout=

dt

) t (

de K

dt ) t ( e K

) t ( e

K P + i ∫ + d

Với e(t): error (sai số)

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

6.2 Sơ đồ điều khiển PI mờ

- Sử dụng 3 bộ điều khiển mờ PI thay thế cho 3 bộđiều khiển PI thông thường nhằm điều khiển tốc độ, momen, từ thông

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

TL

Wref

ref

Usd(k) Usqk Isqk Isdk1 Fi'r(k)

Usd(k-1) Usqk-1 Isqk-1 Isdk-1

Usd Usq

Fi'r

Fi W M I

1 ToFi.s+1

Fi'r W

mM Iabc

DCKDB

Usd Usq Theta

Ua Ub Uc

CTDu

Iabc Theta w

Fi'r Isd Isq

Mô phỏng điều khiển định hướng trường

kết hợp mang neural và logic mờ

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

6.3 Kết quả mô phỏng sử dụng 3 bộ điều khiển PI mờ

Tốc độ (không có

PI mờ)

Từ thông (không có bộ

Tốc độ (có PI

mờ)

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

mờ giảm so với điều khiển PI thông thường

6 Điều khiển định hướng trường kết hợp mạng neural và bộ điều khiển PI mờ

=> Điều khiển định hướng trường kết hợp với bộ

mờ PI và mạng neural cho kết quả mô phỏng phùhợp với những thay đổi các thông số của độngcơ

KẾT LUẬN

Kết quả nghiên cứu đã đạt được:

-Ước lượng từ thông dùng mạng neural

-Thay thế 3 bộ điều khiển PI thông thường bằng 3

bộ mờ

-Mô phỏng hệ thống điều khiển kết hợp mạngneural và logic mờ trong Simulink-Matlab