Dergiler / Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji / 2018 / Cilt: 6 - Sayı: 4

Genişletilmiş Karmaşık Kalman Filtresi Tabanlı Hız-Algılayıcısız Asenkron Motor Sürücüsünün Tasarımı

Sayfa
877–886
Yayın Tarihi
2022-10-18
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, önerilen GKKF algoritmasının işlem yükü aynı durumları ve parametreleri kestiren GGKF algoritması ile karşılaştırılarak işlem yükünün azaltıldığı gösterilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, stator akımlarının duran eksen takımı bileşenlerini, rotor akısının duran eksen takımı bileşenlerini, rotor mekanik hızını ve sürtünme terimini de içeren yük momenti kestirimlerini gerçekleştiren genişletilmiş karmaşık Kalman filtresi (GKKF) tabanlı hız-algılayıcısız vektör kontrollü asenkron motor sürücüsünün tasarımı gerçekleştirilmiştir.
📊
Temel Bulgular & Veri:Geleneksel genişletilmiş Kalman filtresi (GGKF) yerine, karmaşık motor modelini kullanan GGKF algoritması kullanılarak GGKF algoritmasındaki işlem yükünün düşürülmesi amaçlanmıştır.
💡
Sonuç & Katkı:Ayrıca, önerilen GKKF algoritmasının işlem yükü aynı durumları ve parametreleri kestiren GGKF algoritması ile karşılaştırılarak işlem yükünün azaltıldığı gösterilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Asenkron motor · Genişletilmiş karmaşık Kalman filtresi · Durum Kestirimi

Özet

Bu çalışmada, stator akımlarının duran eksen takımı bileşenlerini, rotor akısının duran eksen takımı bileşenlerini, rotor mekanik hızını ve sürtünme terimini de içeren yük momenti kestirimlerini gerçekleştiren genişletilmiş karmaşık Kalman filtresi (GKKF) tabanlı hız-algılayıcısız vektör kontrollü asenkron motor sürücüsünün tasarımı gerçekleştirilmiştir. Geleneksel genişletilmiş Kalman filtresi (GGKF) yerine, karmaşık motor modelini kullanan GGKF algoritması kullanılarak GGKF algoritmasındaki işlem yükünün düşürülmesi amaçlanmıştır. Önerilen sürücü sisteminin başarımını doğrulamak amacıyla, sürücü sistemi hız terslemeleri ve sıfır hızı da içeren geniş bir hız aralığında rampa ve basamak şeklindeki yük momenti değişimleri altında test edilmiştir. Ayrıca, önerilen GKKF algoritmasının işlem yükü aynı durumları ve parametreleri kestiren GGKF algoritması ile karşılaştırılarak işlem yükünün azaltıldığı gösterilmiştir.

🔖

Bu Makaleye Atıf Yap

ZERDALİ, E. (2022). Genişletilmiş Karmaşık Kalman Filtresi Tabanlı Hız-Algılayıcısız Asenkron Motor Sürücüsünün Tasarımı. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Cilt: 6 - Sayı: 4, 877–886. https://ajindex.com/articles/522115

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. M. Barut, R. Demir, E. Zerdali, R. Inan, Real-Time Implementation of Bi Input-Extended Kalman Filter-Based Estimator for Speed-Sensorless Control of Induction Motors. IEEE Trans. Ind. Electron., 59: 11 (2012) 4197–4206.
  2. S. Bolognani, L. Peretti, M. Zigliotto, Parameter Sensitivity Analysis of an Improved Open-Loop Speed Estimate forInduction Motor Drives. IEEE Trans. Power Electron., 23: 4 (2008) 2127–2135.
  3. R. Kumar, S. Das, P. Syam, and A. K. Chattopadhyay, Review on model reference adaptive system for sensorless vector control of induction motor drives. IET Electr. Power Appl., 9: 7 (2015) 496–511.
  4. B. Chen, W. Yao, F. Chen, Z. Lu, Parameter Sensitivity in Sensorless Induction Motor Drives with the Adaptive Full-Order Observer. IEEE Trans. Ind. Electron., PP: 99, (2015) 1–1.
  5. M. Jouili, K. Jarray, Y. Koubaa, M. Boussak, Luenberger state observer for speed sensorless ISFOC induction motor drives. Electr. Power Syst. Res., 89 (2012) 139–147.
  6. E. Zerdali, M. Barut, The Comparisons of Optimized Extended Kalman Filters for Speed-Sensorless Control of Induction Motors. IEEE Trans. Ind. Electron., 64: 6 (2017) 4340–4351.
  7. Z. Yang, L. Wan, X. Sun, L. Chen, Z. Chen, Sliding Mode Control for Bearingless Induction Motor Based on a Novel Load Torque Observer. J. Sens., 2016 (2016) 1–10.
  8. K. L. Shi, T. F. Chan, Y. K. Wong, S. L. Ho, Speed estimation of an induction motor drive using an optimized extended Kalman filter. IEEE Trans. Ind. Electron., 49: 1 (2002) 124–133.
  9. Z. Yin, G. Li, Y. Zhang, J. Liu, X. Sun, Y. Zhong, A Speed and Flux Observer of Induction Motor Based on Extended Kalman Filter and Markov Chain. IEEE Trans. Power Electron., 32: 9 (2017) 7096–7117.
  10. Y. D. Pan, Y. W. Guo, H. D. Li, Research on Stator Flux and Rotor Speed Estimation for Induction Motor Based on Extended Complex Kalman Filter. Appl. Mech. Mater., 644–650 (2014) 709–713.
  11. F. Alonge, F. D׳Ippolito, A. Fagiolini, A. Sferlazza, Extended complex Kalman filter for sensorless control of an induction motor. Control Eng. Pract., 27 (2014) 1–10.
  12. M. Barut, S. Bogosyan, M. Gokasan, Speed-Sensorless Estimation for Induction Motors Using Extended Kalman Filters. IEEE Trans. Ind. Electron., 54: 1 (2007) 272–280.
  13. E. Zerdali, M. Barut, Novel version of bi input-extended Kalman filter for speed-sensorless control of induction motors with estimations of rotor and stator resistances, load torque, and inertia. Turk. J. Electr. Eng. Comput. Sci., 24: 5 (2016) 4525–4544.
  14. R. Inan, M. Barut, Bi input-extended Kalman fil