Dergiler / EMO Bilimsel Dergi / 2018 / Cilt: 8 - Sayı: 15

Hız-AlgılayıcılıDo˘grudanVektörKontrollüAsenkronMotorSürücüleriiçin ˙ Indirgenmis¸ DereceliGenis¸letilmis¸ KalmanFitresiTabanlıStatorveRotor DirenciKestiricisi

ReducedOrderExtendedKalmanFilterbasedStatorand Rotor Resistance EstimatorforSpeed-SensoredDirectVectorControlledInductionMotors Drives

Sayfa
87–95
Yayın Tarihi
2022-10-12
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ayrıca ˙ IDGKF algoritmasının tam dereceli es¸deg˘erine göre daha az hesap yükü gerektirdig˘i bu çalıs¸ma kapsamında onaylamaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Buçalıs¸mada,hız-algılayıcılıdog˘rudanvektörkontrollüasenkron motor (ASM) sürücüleri için indirgenmis¸ dereceli yeni bir genis¸letilmis¸ Kalman filtresi (˙IDGKF) tabanlı kestirici tasarlanarak benzetim temelli olarak gerçeklenmektedir.
📊
Temel Bulgular & Veri:Önerilen ˙ IDGKF ile DVK tabanlı ASM sürücüsü için gerekli olan stator duran eksen takımındaki rotor akılarının αβ biles¸enlerine (ϕrα ve ϕrβ’ya) ilave olarak deg˘eri sıcaklık ve frekansla deg˘is¸enstatordirenci(Rs)verotordirenci(Rr)anmahızı,ortahız ve düs¸ük/sıfır hız bölgelerinde es¸ zamanlı olarak kestirilmektedir.
💡
Sonuç & Katkı:Ayrıca ˙ IDGKF algoritmasının tam dereceli es¸deg˘erine göre daha az hesap yükü gerektirdig˘i bu çalıs¸ma kapsamında onaylamaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Buçalıs¸mada,hız-algılayıcılıdog˘rudanvektörkontrollüasenkron motor (ASM) sürücüleri için indirgenmis¸ dereceli yeni bir genis¸letilmis¸ Kalman filtresi (˙IDGKF) tabanlı kestirici tasarlanarak benzetim temelli olarak gerçeklenmektedir. Önerilen ˙ IDGKF ile DVK tabanlı ASM sürücüsü için gerekli olan stator duran eksen takımındaki rotor akılarının αβ biles¸enlerine (ϕrα ve ϕrβ’ya) ilave olarak deg˘eri sıcaklık ve frekansla deg˘is¸enstatordirenci(Rs)verotordirenci(Rr)anmahızı,ortahız ve düs¸ük/sıfır hız bölgelerinde es¸ zamanlı olarak kestirilmektedir. Hız, yük momenti (tL), Rr ve Rs’nin zorlayıcı deg˘is¸imleri altında üretilen senaryolar ile test edilen ˙IDGKF’ye ilis¸kin benzetim temelli kestirim sonuçları ve bu yüzden DVK’lı ASM sürücüsünün kontrol bas¸arımı oldukça tatmin edicidir. Ayrıca ˙ IDGKF algoritmasının tam dereceli es¸deg˘erine göre daha az hesap yükü gerektirdig˘i bu çalıs¸ma kapsamında onaylamaktadır.

Abstract

In this study, speed-sensored direct vector control of induction motors (IMs) is implemented by proposing and using a novel reduced order extended Kalman filter (ROEKF). In addition to αβ-components of rotor fluxes in stator stationary axis (ϕrα andϕrβ),statorresistance(Rs)androtorresistance(Rr) whose values vary according to temperature and frequency are simultaneously estimated by the proposed ROEKF in a wide speed range. Under challenging variations of rotor angular velocity, load torque (tL), Rr, and Rs, the obtained simulation based estimation results associated with the ROEKF and thus control performances of the designed direct vector controlled IMdrivearequitesatisfactoryandvalidatetorequirelesscomputational load then its full-order counter part.

🔖

Bu Makaleye Atıf Yap

ZERDALİ, E., DEMİR, R., BARUT, M., YILDIZ, R., İNAN, R. (2022). Hız-AlgılayıcılıDo˘grudanVektörKontrollüAsenkronMotorSürücüleriiçin ˙ Indirgenmis¸ DereceliGenis¸letilmis¸ KalmanFitresiTabanlıStatorveRotor DirenciKestiricisi. EMO Bilimsel Dergi, Cilt: 8 - Sayı: 15, 87–95. https://ajindex.com/articles/500680

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Salmasi,F.R.andNajafabadi,T.A.,“AnAdaptiveObserver With Online Rotor and Stator Resistance Estimation for Induction Motors With One Phase Current Sensor,” IEEE Trans. on Energy Conversion, 46(8)., 1209-1222, 2011.
  2. Shinohara K, Nagano, T., Arima, H. and Mustafa, W. Z. W., “Online tuning method of stator and rotor resistances in both motoring and regenerating operations for vector-controlled induction machines,” Elect. Eng. Jpn., 135(1)., 56-64, 2001.
  3. Karanayil, B., Rahman, M. F. and Grantham, C., “Stator and rotor resistance observers for induction motor drive using fuzzy logic and artificial neural networks,” IEEE Trans. on Energy Conversion, 20(4)., 771-780, 2005.
  4. Talla, J., Peroutka, Z., Blahnik, V. and Streit, L., “Rotor and stator resistance estimation of induction motor based onaugmentedEKF,”in2015InternationalConferenceon Applied Electronics (AE), 253-258, Sep. 2015.
  5. Kan, J., Zhang, K. and Wang, Z. “Indirect vector control with simplified rotor resistance adaptation for induction machines,” IET Power Electron., 1284-1294, 2015.
  6. Kanwal K. and Singh, M., “Rotor resistance estimation for induction motor using model reference adaptive controller,“ 2016 IEEE 7th Power India International Conference (PIICON), Bikaner, India, 1-6, 25-27 Nov. 2016. Chacko,S.,Bhende,C.N.,Jain,S.andNema,R.K.,“PSO based online tuning of PI controller for estimation of rotorresistanceofindirectvectorcontrolledinductionmotor drive,”2016InternationalConferenceonElectrical,Electronics, and Optimization Techniques (ICEEOT), Chennai, India, 4606-4611, 3-5 March 2016.
  7. Arunachalam, V., Srinivasan, H. and Muthuramalingam, A., “A novel NN based rotor flux MRAS to overcome lowspeedproblemsforrotorresistanceestimationinvector controlled IM drives,” Front. Energy, 10(4)., 382-392, 2016.
  8. Mapelli, F. L., Tarsitano, D. and Cheli, F., “MRAS rotor resistance estimators for EV vector controlled induction motor traction drive: Analysis and experimental results,” Electric Power Systems Research, 298-307, 2017.
  9. Bazylev, D. N., Doria-Cerezo, A., Pyrkin, A. A., Bobtsov, A. A. and Ortega, R., ” New Approach for Flux and Rotor Resistance Estimation of Induction Motors,”IFACPap., 50(1)., 1885-1890, 2017.
  10. Demir, R., Barut, M., Yildiz, R., Inan, R. and Zerdali, E., “EKF based rotor and stator resistance estimations for direct torque control of Induction Motors,” 2017 International Conference on Optimization of Electrical and Electronic Equipment (OPTIM) & 2017 Intl Aegean Conference on Electrical Machines and