1. Trang chủ
  2. » Kỹ Thuật - Công Nghệ

Nhận dạng mô hình phi tuyến của động cơ từ trở chuyển mạch có xét đến ảnh hưởng của hỗ cảm và bão hòa mạch từ

7 4 0

Đang tải... (xem toàn văn)

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 7
Dung lượng 893,04 KB

Nội dung

Bài viết trình bày về một mô hình phi tuyến đầy đủ cho động cơ từ trở chuyển mạch (SRM) dựa trên mạng nơ ron nhân tạo. Mô hình mạng nơ ron đề xuất bao gồm hai mô hình khác nhau đó là mô hình thuận và mô hình nghịch đảo. Mục đích của mô hình thuận là biểu diễn quan hệ giữa từ thông và mô men như một hàm phụ thuộc vào dòng điện stator và vị trí rotor.

Phí Hồng Nhã, Phạm Xn Đạt, Phạm Hùng Phi, Đào Quang Thủy, Lê Xuân Hải, Phạm Văn Hùng 46 NHẬN DẠNG MƠ HÌNH PHI TUYẾN CỦA ĐỘNG CƠ TỪ TRỞ CHUYỂN MẠCH CÓ XÉT ĐẾN ẢNH HƯỞNG CỦA HỖ CẢM VÀ BÃO HÒA MẠCH TỪ IDENTIFICATION OF A NONLINEAR MODEL OF SWITCHED RELUCTANCE MOTOR WHICH CONSIDERS THE EFFECTS OF MUTUAL INDUCTANCE AND MAGNETIC SATURATION Phí Hồng Nhã1,2*, Phạm Xn Đạt1, Phạm Hùng Phi1, Đào Quang Thủy3, Lê Xuân Hải2, Phạm Văn Hùng2 Trường Đại học Bách khoa Hà Nội Trường Đại học Công nghiệp Hà Nội Bộ Khoa học Công nghệ * Tác giả liên hệ: phihoangnha@gmail.com (Nhận bài: 11/3/2021; Chấp nhận đăng: 09/7/2021) Tóm tắt - Bài báo trình bày mơ hình phi tuyến đầy đủ cho động từ trở chuyển mạch (SRM) dựa mạng nơ ron nhân tạo Mơ hình mạng nơ ron đề xuất bao gồm hai mơ hình khác mơ hình thuận mơ hình nghịch đảo Mục đích mơ hình thuận biểu diễn quan hệ từ thông mô men hàm phụ thuộc vào dòng điện stator vị trí rotor Mơ hình nghịch đảo sử dụng để ước lượng dịng stator từ thơng SRM hàm phụ thuộc vào mơ men vị trí rotor Mơ hình SRM thử nghiệm xây dựng dựa phần mềm simmechanic Mạng nơ ron sử dụng để xây dựng mạng nhiều lớp huấn luyện giải thuật lan truyền ngược Mơ hình phi tuyến đề xuất bài báo sử dụng để tổng hợp điều khiển cho SRM ứng dụng sau Abstract - The paper presents a full nonlinear model for switched reluctance motor (SRM) based on artificial neural networks The proposed neural network model consists of two different models, the forward one and the inverse one The purpose of the forward model represents relationship between the flux linkage and torque as a functional dependence on the current stator and the position rotor The inverse model is used to estimate current stator and flux linkage as a functional dependence on torque and rotor position The tested SRM model is built on the basis of software simmechanic The used neural networks is a multi-layered network and is trained with a feedforward algorithm The nonlinear model proposed in this paper can be used to synthesize controllers for SRM in the following applications Từ khóa - Động từ trở chuyển mạch (SRM); mạng nơ ron nhân tạo (ANN); mơ hình thuận; mơ hình nghịch đảo; giải thuật huấn luyện lan truyền ngược Key words - Switched Reluctance Motor (SRM); Artificial Neural Networks (ANN); forward model; inverse model; feedforward algorithm Giới thiệu Động từ trở chuyển mạch (SRM) có cấu tạo đơn giản, giá rẻ, có độ bền cao khả thay đổi tốc độ linh hoạt, sử dụng phổ biến hệ chuyển động Tuy nhiên, tính phi tuyến SRM làm cho việc điều khiển mô men phụ thuộc nhiều vào dòng điện stator vị trí rotor Để điều khiển mơ men, tốc độ vị trí với chất lượng cao cần phải mơ hình hóa quan hệ mơ men – dịng điện – vị trí (T-i-θ) quan hệ từ thơng – dịng điện – vị trí (ѱ-i-θ) Hầu hết nghiên cứu từ trước đến đưa mơ hình thuận, phần mơ hình SRM nên ứng dụng vào thiết kế điều khiển gặp khơng khó khăn [1-14] Mục đích bài báo phát triển mơ hình phi tuyến đầy đủ cho SRM sử dụng ứng dụng thực tế Mô hình phi tuyến xây dựng dựa hai mơ hình khác mơ hình thuận mơ hình nghịch đảo Mục tiêu mơ hình thuận xây dựng hàm phi tuyến mô tả quan hệ từ thơng, mơ men phụ thuộc vào dịng stator vị trí rotor Từ thơng dịng stator phụ thuộc vào mơ men vị trí rotor thu từ mơ hình nghịch đảo Tính tốn chuyển đổi biến SRM có mơ hình đề xuất báo Theo cách tiếp cận đó, mơ hình đưa khả thiết kế điều khiển cho SRM Các kết nghiên cứu thực thông qua mô số Các kết mơ cho thấy, tính hiệu độ xác mơ hình Đặc tính từ hóa động từ trở chuyển mạch có xét đến ảnh hưởng hỗ cảm bão hòa mạch từ 2.1 Ảnh hưởng hỗ cảm tới tính xác mơ hình Trong hầu hết cơng trình nghiên cứu mơ hình tốn động từ trở từ trước đến nay, từ thông hỗ cảm pha thường bỏ qua, ảnh hưởng từ thông hỗ cảm chiếm khoảng 3% - 5% từ thông tổng [15] Việc bỏ qua hỗ cảm không ảnh hưởng nhiều đến mô men tổng động từ trở, mà ảnh hưởng đến mô men đập mạch Đặc biệt ứng dụng đòi hỏi tốc độ hiệu suất cao, ảnh hưởng hỗ cảm đến mô men đập mạch cần thiết phải xem xét đến Trong hệ truyền động có hiệu suất tốc độ cao, dịng điện pha liền kề chồng chéo chu kỳ dẫn, khoảng 30% - 40% chu kỳ Từ thông hỗ cảm cuộn dây tăng khoảng 10% so với từ thông tự cảm pha Ảnh hưởng hỗ cảm đáng kể cần xem xét để dự đoán xác cho hiệu suất động đảm bảo tính xác mơ hình Hanoi University of Science and Technology (Nha.phihoang, Dat Pham Xuan, Pham Hung Phi) Ha Noi University of Industry (Nha.phihoang, Le Xuan Hai, Pham Van Hung) Ministry of Science & Technology (Dao Quang Thuy) ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 19, NO 7, 2021 Nhìn chung, pha liền kề có dịng điện dẫn chồng chéo Do đó, từ thơng hỗ cảm pha liền kề sinh hỗ cảm cuộn dây Trong cơng trình [15], động từ trở 8/6 với pha có hỗ cảm pha liền kề gồm ab, bc, cd, da xem xét Hình 47 trở pha j; ij dòng điện pha j; ѱj từ thơng pha j Từ phương trình (1), từ thông pha j biểu diễn: T  j =  (v j − R.i j )dt (2) Từ thông ѱj phụ thuộc vào dịng điện ij góc θ, nên biểu diễn rõ ràng sau: ѱj(ij, θ) Phương trình đặc tính SRM: J d 2 = Te − Tl dt (3) Trong đó, Te mô men pha; Tl mô men tải; J mơ men qn tính Theo ngun lý chuyển đổi lượng xảy động từ trở, mô men sinh biến thiên đối lượng từ trường cuộn dây stator theo vị trí góc rotor Hình Hỗ cảm pha với vị trí rotor [15] Dòng điện pha thay đổi từ A đến 16 A với giá trị thay đổi bước A Hỗ cảm pha không liền kề, cụ thể pha ac bd bỏ qua Ngay chúng chồng chéo thời gian chồng chéo ngắn dịng điện nhỏ, dẫn đến từ thơng hỗ cảm sinh nhỏ so với từ thông hỗ cảm hai pha liền kề Ở Hình 1, dòng điện dẫn pha d pha a chồng chéo nhau, hỗ cảm Mab Mad đáng kể, hỗ cảm Mac nhỏ Mbd Trong cơng trình nghiên cứu [16] tiến hành phân tích, đánh giá sai số q trình ước lượng độ tự cảm hỗ cảm gây Việc ước lượng độ tự cảm bỏ qua ảnh hưởng từ thông hỗ cảm vùng diện tích chồng chéo nhỏ hai pha liền kề tương đối xác Tuy nhiên, truyền động tốc độ cao, vùng chồng chéo pha lớn hơn, hỗ cảm pha bỏ qua Dễ dàng nhận thấy sai khác rõ rệt độ tự cảm pha x có xét đến hỗ cảm Lx,xm độ tự cảm pha x bỏ qua hỗ cảm Lx,x, sai số lớn giá trị hỗ cảm q trình đóng, ngắt pha liền kề y lớn Sai số Δx [16] xác định khoảng từ 1% đến 7%, tức sai số độ tự cảm bỏ qua hỗ cảm từ 1% đến 7% Đây số sai số khơng nhỏ, vậy, ảnh hưởng hỗ cảm pha khơng thể bỏ qua q trình tính tốn, thiết kế mơ hình tốn điều khiển động từ trở 2.2 Hàm tốn học đặc tính từ hóa động từ trở chuyển mạch có xét đến ảnh hưởng hỗ cảm bão hòa mạch từ Mơ hình tốn động từ trở sử dụng để thiết lập điều khiển từ phương trình vi phân thu từ phương trình máy điện Động học động từ trở bao gồm phường trình điện áp, phương trình mơ men phương trình Phương trình vi phân SRM mô tả với số pha m pha, sau: d j (1) u j = R.i j + dt Trong đó, j = 1, 2, …, m; uj điện áp pha j; R điện T j ( , i j ) = W j' (4)  ij đó: W j' ( , i j ) =  j ( , i j )di j (5) Mô men SRM hàm phi tuyến theo dòng điện mạch từ tuyến tính Khi đó, mơ men tổng sinh tổng mô men pha m Te ( , i1 , i2 , , im ) =  T j ( , i j ) (6) j =1 Để điều khiển động từ trở, cần xác định đặc tính từ thơng ѱj(θ, ij) xác tốt Đặc tính từ thơng phi tuyến, cần xét tới ảnh hưởng bão hòa mạch từ hỗ cảm pha Mặc dù, kết cấu hình học loại động này, hỗ cảm pha nhỏ, bỏ qua Tuy nhiên, điều tạo nên thiếu xác việc xây dựng mơ hình tốn động từ trở Đặc biệt, hoạt động tốc độ cao, chồng chéo dòng điện pha lớn, điều dẫn đến ảnh hưởng hỗ cảm lớn Để thuận tiện q trình nghiên cứu, phát triển thuật tốn điều khiển, đặc tính từ thơng xấp xỉ hàm liên tục [1], [2], [3], sau:  j ( , i j ) =  s (1 − e − i j f j ( ) ) (7) Tuy nhiên, hàm từ thông xấp xỉ tất cơng trình nghiên cứu bỏ qua ảnh hưởng hỗ cảm pha Hàm từ thơng nhóm tác giả đề xuất có xét đến ảnh hưởng hỗ cảm pha bão hịa mạch từ, có dạng sau:  j ( , i j ) =  s (1 − e −[i j f j ( ) + a j ( )] ) (8) với j = 1, 2, …, m; ѱs từ thơng bão hịa; aj(θ) hệ số hỗ cảm phụ thuộc vào vị trí góc rotor Phương trình (8) xuất phát từ dạng nghiệm phương trình vi tích phân (2) bao gồm nghiệm tổng qt nghiệm riêng Mơ hình tác giả đề xuất dựa theo mơ hình nhận dạng hàm từ thơng cơng trình nghiên cứu [1], [17] có cải tiến bổ sung Nhìn chung, cấu tạo đặc biệt SRM nên hoạt động động khơng giống động điện Phí Hồng Nhã, Phạm Xuân Đạt, Phạm Hùng Phi, Đào Quang Thủy, Lê Xuân Hải, Phạm Văn Hùng 48 thông thường Rotor động từ trở quay góc rời rạc nên hàm fj(θ) biểu diễn chuỗi Fourier:  f j ( ) = a + {bn sin[nN r − ( j − 1) n =1 2 ] m 2 ]} m Mô men pha j xác định xấp xỉ:  df j ( ) − a j ( ) − i f ( ) T j ( , i j ) = s e [1 − (1 + i j f j ( ))e j j ] f j ( ) d (9) + cn cos[nN r − ( j − 1) +  s da j ( ) − a e f j ( ) d j ( ) (1 − e − i j f j ( ) x pf =  T j ( , i j ) = s −i j f j ( ) df j ( ) d f j2 ( ) (11) {1 − [1 + i j f j ( )]e − i j f j ( ) (13) f (10) ) ) y pf ( x pf ) = x pf với p = Hàm kích hoạt lớp Tất thành phần phi tuyến (1) (3), ngoại trừ mơ men tải Tl sử dụng mơ hình (8), (9), (10) với độ xác cao Hàm từ thơng (8) hàm mơ men (10) có thơng số khó xác định xác, mơ hình phi tuyến động từ trở xây dựng báo dựa mạng nơ ron nhân tạo Khi đó, yếu tố ảnh hưởng hỗ cảm pha, bão hịa mạch từ coi tham số khó xác định thuật tốn huấn luyện mạng nơ ron đưa mơ hình xác mà khơng cần biết đến tham số Vì vậy, để trình huấn luyện mạng đơn giản, bước tính tối giản, nhóm tác giả bỏ qua hệ số aj(θ), sử dụng hàm đặc tính từ thơng mơ men biểu diễn đây:  j ( , i j ) =  s (1 − e 3.1 Giải thuật truyền thẳng mơ hình thuận Trong tất lớp giải thuật, x biểu diễn đầu vào y biểu diễn đầu nơ ron Lan truyền tín hiệu hàm kích hoạt sở lớp trình bày Lớp P f : nơ ron p lớp có đầu vào, đầu được biểu diễn sau: } (12) Lớp R : Mỗi nơ ron r lớp có vào/ tính sau: f   f   f yrf = exp  −  xr −f cr   xrf = y pf w pr   r    (14) với p = r = R f Trong đó, crf  rf f tâm độ rộng hàm kích hoạt Gauss w pr trọng số f f hai lớp P R Lớp S f : Có s nơ ron lớp Đầu vào đầu lớp tính: Rf   x f − c f 2  xsf =  yrf w rsf ysf = exp  −  s f s     s r =0    (15) với r = R f s = S f Trong đó, csf  sf tâm độ rộng hàm kích hoạt Gauss w rsf f trọng số hai lớp R S f Lớp T : Hàm f j ( ) đầu lớp Đối với nơ ron t lớp xác định sau: f Rf Mơ hình thuận Mơ hình thuận giải việc mơ hình hóa phụ thuộc từ thơng mơ men vào dịng stator vị trí rotor SRM sử dụng mạng nơ ron truyền thẳng nhiều lớp Dựa phương trình mơ men từ thơng SRM trình bày Mục 2, hàm fj(θ) xấp xỉ mạng nơ ron nhân tạo, phương pháp đơn giản so với tính tốn chuỗi fourier mở rộng Vì thế, đặc tính mơ men từ thơng ước lượng xác Cấu trúc mạng nơ ron mơ hình thuận biểu diễn Hình Đầu vào mạng dòng điện stator vị trí rotor, đầu tương ứng ^ mạng fj(θ)  j ( ) để ước lượng mô men từ f f f f f thông Mạng gồm lớp P , R , S , T , U ký hiệu biểu thị số nơ ron tương đối lớp Ký hiệu f (forward) biểu diễn cho tất biến mơ hình thuận Hình Cấu trúc mạng nơ ron hệ thống xtf =  ysf w stf ytf = xtf = f j ( ) (16) r =0 với s = S f t = Lớp Uf: Từ thông mô men pha xác định lớp Sau tính toán hàm f j ( ) a j ( )  từ đầu lớp T , hàm từ thông xấp xỉ  j ( ) f hàm mô men xấp xỉ Tˆj ( , i j ) tính lớp U f theo công thức sau: f xuf = ytf i j yu = − e − xuf  = j ( ) (17) với u = Trong đó, i j dịng điện chạy cuộn dây stator Mô men xấp xỉ theo công thức: df j ( ) −i Tˆj ( , i j ) = [1 − (1 + i j f j ( ))e f j ( )d j f j ( ) ] (18) Trong công thức hệ số từ thơng bão hịa  s khơng sử dụng mạng nơ ron nhân tạo có cấu trúc thích nghi thơng qua trọng số hàm kích hoạt Thuật toán lan truyền ngược huấn luyện cho mạng nơ ron trình bày chi tiết phần 3.2 Thuật toán lan truyền ngược huấn luyện mạng Trong ANN, mục đích việc huấn luyện mạng cập nhật trọng số tối ưu cho mạng Thuật tốn huấn luyện ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 19, NO 7, 2021 ANN cho mơ hình thuận sử dụng thuật toán lan truyền ngược sai số Giải thuật huấn luyện thể qua lưu đồ thuật tốn, Hình 49 Ở lớp thay đổi trọng số:  E f w rsf = rsf  − f  w rs  f f f  = rs  s yr  (24) Trong đó, rsf hệ số học trọng số hai lớp Lớp R − P : Sai lệch e f truyền trực tiếp vào f f f đầu lớp R theo quy tắc chuỗi Vì vậy, phần sai số  r f xác định bởi:  rf = yrf xrf Sf  s =0 f s (25) w rsf Ở lớp thay đổi trọng số:  E f  w prf = rsf  − f  =  prf  r f y pf  w rs  (26) Trong đó,  prf hệ số học trọng số hai lớp Sự thay đổi trọng số w stf , w rsf , w prf sử dụng để cập nhật trọng số cho mạng nơ ron đây: w stf ( k + 1) = w stf ( k ) + w stf w rsf ( k + 1) = w rsf ( k ) + w rsf w Hình Lưu đồ thuật tốn huấn luyện mạng nơ ron Các trọng số mạng huấn luyện để đảm bảo hàm mục tiêu sau đạt cực tiểu: E f = ( e f ( k ) ) với k = 1, , K f (19) f Trong đó, K tổng số đầu vào đầu e f sai lệch  từ thông  j từ thông xấp xỉ  j Sai số đầu biểu diễn:  e f =  j ( k ) − j (k ) với k = 1, , K f (20) f trọng số w pr , w rsf w stf cập nhật thông qua f hàm lượng E Lớp U f − T f : Bởi trọng số lớp thống f nhất, sai lệch e f truyền trực tiếp vào T theo quy tắc chuỗi Vì vậy, phần sai số  t f xác định bởi:  t f = −e f i j yuf ytf xuf xtf f pr ( k + 1) = w ( k ) + w f pr (27) f pr với k = 1, , K f Mơ hình nghịch Mơ hình nghịch dịng điện stator từ thông coi hàm mô men pha vị trí rotor có ước lượng mơ hình Trong nghiên cứu này, mơ hình thực ANN Mơ hình dịng điện nghịch mơ hình từ thơng nghịch trình bày 4.1 Mơ hình dịng điện nghịch Cấu trúc mạng cho ANN dựa mơ hình dịng điện nghịch thể Hình Đầu vào mạng mơ men Tj vị trí rotor θ Đầu mạng Kij(Tj, θ) i j (Tj , ) hàm đầu mơ hình dịng điện nghịch ước lượng dòng điện pha stator Mạng bao gồm lớp Pi , Ri , S i , T i , Ui Những lớp có ký hiệu biểu thị số nơ ron tương đối lớp Ký hiệu i biểu diễn cho tất biến mơ hình dịng điện nghịch (21) Lớp T f − S f : Ở lớp thay đổi trọng số:  E f  w stf = stf  − f  = stf  t f ysf  w st  (22) Trong đó, stf hệ số học trọng số hai lớp Lớp S f − R f : Sai lệch e f truyền trực tiếp vào đầu vào lớp S f theo quy tắc chuỗi Vì vậy, phần sai số  s f xác định bởi:  s f =  s f w stf ysf xsf (23) Hình Cấu trúc mạng nơ ron mơ hình dịng điện nghịch Trong tất lớp giải thuật, x biểu diễn đầu vào y biểu diễn đầu nơ ron Lan truyền tín hiệu hàm kích hoạt sở lớp trình bày sau f Lớp P : nơ ron p lớp có đầu vào, đầu được biểu diễn sau: Phí Hồng Nhã, Phạm Xuân Đạt, Phạm Hùng Phi, Đào Quang Thủy, Lê Xuân Hải, Phạm Văn Hùng 50 x ip = {T j ,  } y ip ( xip ) = xip (28) với pi = 0, , Pi Hàm kích hoạt giả định thống lớp f Lớp R : Mỗi nơ ron r lớp có đầu vào tính sau: (29) p =1  với p = 1, , Pi r = 1, , Ri Ở w ipr = xri = T j cho p=0, r=0 Đầu lớp tính sau:  i x − ci yri ( xri ) = −2  r 2r  i  ( r)  i i    exp  −  xr − cr   cho r=0, ,Ri     ri      Trong đó, cri  ri tâm độ rộng hàm i i kích hoạt Gauss w ipr trọng số hai lớp P R Lớp S f : có s nơ ron lớp Đầu vào đầu lớp tính: Ri xsi =  yri w irs ysi ( xsi ) = sin( xsi ) (30) r =0 với r = 0, , R f s = 0, , S f Trong đó, w rsf trọng số i hai lớp R S Trong lớp này, hàm sin sử dụng hàm kích hoạt ( ) Lớp T : Hàm đầu K j T j , f thu lớp Đối với nơ ron t lớp xác định sau: S ( ) i xti =  ysi w ist yt = xt = y( xt ) = K j T j , i f i s =0 (31) với s = 0, , S i t = w ist trọng số lớp S i T i Lớp U Ước lượng dòng điện stator i j (Tj , ) thu f: từ lớp này, có u nơ ron lớp này, đầu vào/ra mạng biểu diễn sau: i i xui = {K ij , T j } yu ( xu ) T j / K j 1/ (34) ,w , w , c ,  cập nhật trọng số w i pr i rs i r i st i r = i j (T j ,  ) E = ( ei ( k ) ) với k = 1, , K f i (32) (33) i thông qua hàm lượng E Lớp U i − T i : Bởi trọng số lớp thống i nhất, sai lệch ei truyền trực tiếp vào đầu vào T theo quy tắc chuỗi Vì vậy, phần sai số  ti xác định bởi: t f = − y i yti E i ei yui xui yti = −ei ui i i i i i e yu xu yt xt xu xti (35) Lớp T i − S i : Ở lớp thay đổi trọng số:  E i w ist = sti  − i  w st  i i i  = st  t ys  (36) Trong đó, sti hệ số học trọng số hai lớp Lớp S i − Ri : Sai lệch ei truyền trực tiếp tới đầu vào lớp S i theo quy tắc chuỗi Vì vậy, phần sai số  si xác định bởi:  si =  si w ist ysi xsi (37) Ở lớp thay đổi trọng số w irs tính sau:  E i  w irs = rsi  − i  = rsi  si yri  w rs  (38) Trong đó, rsi hệ số học trọng số hai lớp Lớp R − P : Sai lệch ei truyền trực tiếp tới đầu i i i lớp R theo quy tắc chuỗi Vì vậy, phần sai số  ri _ out xác định bởi: Si  ri _ out =   si w irs (39) s =0  với Kj ≠ 0, u=0 Do đó, mơ hình dịng điện nghịch thu phương trình (32) Biểu thức dịng điện pha tương tự biểu thức mơ men – dịng điện động chiều Thuật tốn sử dụng mơ hình nghịch cho ứng dụng thời gian thực Thuật toán lan truyền ngược huấn luyện cho mạng nơ ron trình bày chi tiết phần 4.2 Thuật toán lan truyền ngược huấn luyện mạng cho mơ hình dịng điện nghịch Tương tự với mơ hình thuận, thuật tốn huấn luyện ANN cho mơ hình nghịch sử dụng thuật toán lan truyền ngược sai số Các trọng số mạng huấn luyện để đảm bảo hàm mục tiêu sau đạt cực tiểu: i  ei = i j ( k ) − i j ( k ) với k = 1, , K f i Pi xri =  y ip w ipr i  đầu dòng điện đo i j dòng điện xấp xỉ i j Sai số đầu biểu diễn: Trong đó, K tổng số đầu vào đầu e sai lệch i Trong lớp R thay đổi tham số kích hoạt i cr  ri tính tốn sau:   E i  y i cri = ci  − i  = ci  ri _ out ri cr  cr  (40)  E i  ri = i  − i   r (41)  i i yri  =   r _ out i  r   ci i hệ số học trọng số cri  ri Giá trị sai số ei truyền trực tiếp tới đầu vào lớp Ri theo quy tắc chuỗi Do đó, thành phần sai lệch  ri _ in biểu diễn sau:  ri _ in =  ri _ out yri xri Ở lớp thay đổi trọng số tính: (42) ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG, VOL 19, NO 7, 2021  E i  w ipr =  ipr  − i  =  ipr  ri _ in y ip (43)  w  pr   Trong đó,  ipr hệ số học trọng số hai lớp Sự thay đổi trọng số w ist , w irs , cir ,  ri , w ipr sử dụng để cập nhật trọng số cho mạng nơ ron đây: w ist ( k + 1) = w ist ( k ) + w ist w irs ( k + 1) = w irs ( k ) + w irs cri ( k + 1) = cri ( k ) + cri  ( k + 1) =  ( k ) +  i r i r 51 Hình đặc tính từ thơng nhận dạng dựa vào hàm đặc tính từ hóa theo phương trình (7) cơng bố [1] so sánh với đặc tính thực nghiệm Đường đặc tính từ thơng thực nghiệm nhóm tác giả xây dựng lại từ bảng số liệu thực nghiệm nghiên cứu S K Sahoo [18] Kết nhận dạng cho thấy, tính xác hàm từ hóa, đặc tính nhận dạng bám sát, gần trùng khớp với đặc tính thực nghiệm Hình sai số đặc tính từ thơng nhận dạng so với đặc tính từ thơng thực nghiệm với giá trị dịng điện khác (1A, 3A, 5A, 7A 9A) Hình đường đặc tính mơ men xấp xỉ thu theo phương trình (18) (44) i r w ipr ( k + 1) = w ipr ( k ) + w ipr với k = 1, , K i 4.3 Mơ hình từ thơng nghịch đảo Từ thơng hàm mơ men vị trí rotor ước lượng cách sử dụng mơ hình thuận nghịch Phần 4.1 Phương pháp tiếp cận gọi mơ hình từ thơng nghịch đảo có sơ đồ cấu trúc Hình Như Hình 5, Mơ men pha vị trí rotor đầu vào mơ hình, ước lượng từ thơng đầu mơ hình Việc xác nhận tính xác mơ hình phát triển chứng minh cách so sánh với đặc tính thực  Hình Đồ thị sai số đường đặc tính từ thơng nhận dạng  j ( ) so với đường thực tế Hình Cấu trúc mơ hình từ thơng nghịch đảo Kết mơ thảo luận 5.1 Kiểm chứng mơ hình thuận Với thông số mạng noron sau: Ri = 20; S i = 20; crf = linspace(−5,5, Ri );  rf = 0,5;  sf = 0,5; csf = linspace(−5,5, S i ); prf = rsf = stf = 0,01; K f = 300 Hình Đồ thị đường đặc tính mơ men xấp xỉ Tˆj ( , i j ) 5.2 Kiểm chứng mơ hình dịng điện nghịch Với thông số mạng noron sau: Pi = 20; Ri = 20; S i = 20; prf = rsf = stf = 0,01; cf = f = 0,1; K f = 300  Hình Đường đặc tính từ thông nhận dạng  j ( ) phụ thuộc vào dịng điện vị trí rotor Kết nhận dạng đặc tính từ hóa (từ thơng) nhóm tác giả đưa có so sánh, đánh giá với đặc tính từ thơng thực nghiệm cơng bố tài liệu uy tín [18] Hình Đồ thị đường đặc tính dịng điện pha xấp xỉ i j (T j , ) Phí Hồng Nhã, Phạm Xn Đạt, Phạm Hùng Phi, Đào Quang Thủy, Lê Xuân Hải, Phạm Văn Hùng 52 Nm Nm) nhỏ, đường đặc tính từ thơng thực ước lượng cách sử dụng mơ hình dịng điện nghịch kết hợp mơ hình thuận trùng khớp Kết luận Bài báo cung cấp mơ hình phi tuyến đầy đủ cho SRM bao gồm mơ hình thuận mơ hình nghịch đảo sở mạng nơ ron nhân tạo huấn luyện thuật toán lan truyền ngược để nhận dạng ước lượng mơ hình Kết mơ cho thấy, tính xác tính khả thi mơ hình phi tuyến đầy đủ SRM Các mơ hình sử dụng để tổng hợp, phát triển thuật toán điều khiển cho SRM Hình 10 Đồ thị sai số đường đặc tính dịng điện pha xấp xỉ i j (Tj , ) với đường thực tế Kết nhận dạng mơ hình dịng điện nghịch kiểm chứng Hình Hình 10 cho thấy, mạng nơ ron theo mơ hình dịng điện nghịch xấp xỉ xác dịng điện pha Sai số dòng điện ước lượng dòng điện đo lường với giá trị mô men khác (1 Nm, Nm, Nm, Nm Nm) nhỏ, đường đặc tính dịng điện thực ước lượng cách sử dụng mơ hình nghịch đảo trùng khớp 5.3 Kiểm chứng mơ hình từ thơng nghịch đảo  Hình 11 Đồ thị đường đặc tính từ thơng xấp xỉ  j (T j , ) theo mơ hình từ thơng nghịch Hình 12 Đồ thị sai số đường đặc tính từ thơng xấp xỉ   j (T j , ) theo mô hình từ thơng nghịch Kết nhận dạng mơ hình từ thơng nghịch kiểm chứng Hình 11 Hình 12 cho thấy mạng nơ ron theo mơ hình từ thơng nghịch xấp xỉ xác từ thơng pha Sai số từ thông ước lượng từ thông đo lường với giá trị mô men khác (1 Nm, Nm, Nm, TAI LIỆU THAM KHẢO [1] M Ilic’-Spong, R Marino, S M Peresada, and D G Taylor, “Feedback Linearizing Control of Switched Reluctance Motors”, IEEE Trans Automat Contr., vol 32, no 5, pp 371–379, 1987 [2] C Mademlis and I Kioskeridis, “Performance optimization in switched reluctance motor drives with online commutation angle control”, IEEE Trans Energy Convers., vol 18, no 3, pp 448–457, 2003 [3] S Mir, I Husain, and M E Elbuluk, “Switched reluctance motor modeling with on-line parameter identification”, IEEE Trans Ind Appl., vol 34, no 4, pp 776–783, 1998 [4] L Ben Amor, L A Dessaint, and O Akhrif, “Adaptive nonlinear torque control of a switched reluctance motor via flux observation”, Math Comput Simul., vol 38, no 4–6, pp 345–358, 1995 [5] W K Ho, S K Panda, K W Lim, and F S Huang, “Gainscheduling control of the Switched Reluctance Motor”, Control Eng Pract., vol 6, no 2, pp 181–189, 1998 [6] A Nirgude, M Murali, N Chaithanya, S Kulkarni, V B Bhole, and S R Patel, “Nonlinear mathematical modeling and simulation of switched reluctance motor”, IEEE Int Conf Power Electron Drives Energy Syst PEDES 2016, vol 2016-Janua, pp 1–6, 2017 [7] X Sun, K Diao, Z Yang, G Lei, Y Guo, and J Zhu, “Direct Torque Control Based on a Fast Modeling Method for a SegmentedRotor Switched Reluctance Motor in HEV Application”, IEEE J Emerg Sel Top Power Electron., vol PP, no c, pp 1–1, 2019 [8] H Le-Huy and P Brunelle, “A versatile nonlinear switched reluctance motor model in simulink using realistic and analytical magnetization characteristics”, IECON Proc (Industrial Electron Conf., vol 2005, no c, pp 1556–1561, 2005 [9] L E Somesan, E Padurariu, and I A Viorel, “Two simple analytical models, direct and inverse, for switched reluctance motors”, Prog Electromagn Res M, vol 29, no March, pp 279–291, 2013 [10] S H Mao and M C Tsai, “An analysis of the optimum operating point for a switched reluctance motor”, J Magn Magn Mater., vol 282, no 1–3, pp 53–56, 2004 [11] T J E Miller and M Mcgilp, “Nonlinear Theory of the Switched Reluctance Motor for Rapid Computer-Aided Design”, IEE Proc B Electr Power Appl., vol 137, no 6, pp 337–347, 1990 [12] D A Torrey and J H Lang, “Modelling a Nonlinear VariableReluctance Motor Drive”, IEE Proc B Electr Power Appl., vol 137, no 5, pp 314–326, 1990 [13] E Mese, “A rotor position, estimator for switched reluctance motors using CMAC”, IEEE Int Symp Ind Electron., vol 4, pp 1184– 1189, 2002 [14] J A Makwana, P Agarwal, and S P Srivastava, “Modeling and Simulation of Switched Reluctance Motor”, Lect Notes Electr Eng., vol 442, pp 545–558, 2018 [15] B Fahimi and C Edrington, Switched reluctance motor drives 2017, DOI:10.1201/9781420028157 [16] J Ye, “Advanced Control Methods For Torque Ripple Reduction And Performance Improvement In Switched Reluctance Motor Drives”, p 254, 2014 [17] O Ustun, “A nonlinear full model of switched reluctance motor with artificial neural network”, Energy Convers Manag., vol 50, no 9, pp 2413–2421, 2009 [18] [Sanjib Kumar Sahoo, High-performance torque control of switched reluctance motor, National University of Singapore, 2006 ... từ trở chuyển mạch có xét đến ảnh hưởng hỗ cảm bão hịa mạch từ Mơ hình tốn động từ trở sử dụng để thiết lập điều khiển từ phương trình vi phân thu từ phương trình máy điện Động học động từ trở. .. (7) Tuy nhiên, hàm từ thông xấp xỉ tất cơng trình nghiên cứu bỏ qua ảnh hưởng hỗ cảm pha Hàm từ thông nhóm tác giả đề xuất có xét đến ảnh hưởng hỗ cảm pha bão hòa mạch từ, có dạng sau:  j ( ,... tính từ thơng phi tuyến, cần xét tới ảnh hưởng bão hòa mạch từ hỗ cảm pha Mặc dù, kết cấu hình học loại động này, hỗ cảm pha nhỏ, bỏ qua Tuy nhiên, điều tạo nên thiếu xác việc xây dựng mơ hình

Ngày đăng: 05/07/2022, 15:24

TÀI LIỆU CÙNG NGƯỜI DÙNG

  • Đang cập nhật ...

TÀI LIỆU LIÊN QUAN

w