Điều khiển giảm độ đập mạch moment động cơ từ trở dùng mạng neuron fuzzy

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA - LÊ HỒNG SƠN ĐIỀU KHIỂN GIẢM ĐỘ ĐẬP MẠCH MOMENT ĐỘNG CƠ TỪ TRỞ DÙNG MẠNG NEURON-FUZZY Chuyên ngành : Kỹ Thuật Điện Mã số ngành : 2.02.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, THÁNG NĂM 2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : Cán chấm nhận xét : Cán chấm nhận xét : Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ Trường Đại Học Bách Khoa, ngày…….…tháng…… năm………… Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA Cộng Hòa Xã Hội Chủ Nghóa Việt Nam Độc Lập – Tự Do – Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : Ngày tháng năm sinh : Chuyên ngành : I LÊ HỒNG SƠN 06 – 08 – 80 Kỹ Thuật Điện Phái : Nam Nơi sinh : TP Hồ Chí Minh TÊN ĐỀ TÀI : ĐIỀU KHIỂN GIẢM ĐỘ ĐẬP MẠCH MOMENT ĐỘNG CƠ TỪ TRỞ DÙNG MẠNG NEURON-FUZZY II NHIỆM VỤ VÀ NỘI DUNG : III NGÀY GIAO NHIỆM VỤ : IV NGÀY HOÀN THÀNH NHIỆM VỤ : V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN : CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày tháng năm PHÒNG ĐÀO TẠO SĐH KHOA QUẢN LÝ CHUYÊN NGÀNH LỜI CẢM ƠN Tôi xin gửi lời biết ơn chân thành đến Tiến só Nguyễn Hữu Phúc, người tận tình hướng dẫn suốt trình thực luận văn Tôi xin chân thành cảm ơn Thầy Cô Khoa Điện Trường Đại Học Bách Khoa TP Hồ Chí Minh, Các Cán Bộ Phòng QLKHSĐH giúp đỡ nhiều suốt trình học hoàn thiện luận văn Tôi xin chân thành cảm ơn Thầy Cô Khoa Công Nghệ Trường Cao Đẳng Bán Công Công Nghệ & Quản Trị Doanh Nghiệp, bạn bè đồng nghiệp giúp đỡ, động viên tạo điều kiện để hoàn thành luận văn Cuối cùng, muốn cảm ơn thật nhiều Cha Mẹ tôi, Anh Chị tôi, Em Thương động viên nhiều để hoàn thành khóa học Lê Hồng Sơn MỤC LỤC Chương : GIỚI THIỆU 1.1 Đặt vấn đề 1.2 Giới thiệu động từ trở 1.1.1 Cấu tạo 1.1.2 Vấn đề đập mạch moment việc giảm thiểu đập mạch moment qua thuật toán điều khiển 1.3 Cấu trúc luận văn Chương : CƠ BẢN VỀ ĐỘNG CƠ TỪ TRỞ 2.1 2.2 Nguyên tắc vật lý 2.1.1 Sự thay đổi từ trở 2.1.2 Chuyển đổi lượng 2.1.3 Dòng điện pha 2.1.4 Tỷ số lượng vấn đề bảo hòa Mô hình động từ trở 2.2.1 Các phương trình toán học 2.2.2 Mô hình từ thông tuyến tính Chương : ĐIỀU KHIỂN ĐỘNG CƠ TỪ TRỞ 3.1 Nguyên tắc điều khiển 3.2 Bộ điều khiển điện áp 3.3 Bộ điều khiển dòng điện 3.3.1 Phương trình điện áp moment động từ trở 3.3.2 Bộ điều khiển dòng điện 3.4 Bộ điều khiển từ thông 3.5 Điều khiển moment 3.6 Cấu trúc chuyển đổi công suất 3.6.1 Dạng q khóa đóng cắt q pha 3.6.2 Dạng q + khóa đóng cắt q pha 3.6.3 Dạng 1,5q khóa đóng cắt q pha 3.6.4 Dạng 2q khóa đóng cắt q pha Chương : ĐIỀU KHIỂN GIẢM THIỂU ĐỘ ĐẬP MẠCH MOMENT VÀ MÔ PHỎNG 4.1 Sơ lược vấn đề giảm thiểu đập mạch moment 4.2 Lập mô hình động 4.2.1 Mô hình tuyến tính 4.2.2 Mô hình phi tuyến 4.3 Kết mô 4.4 Điều khiển moment 4.5 Bảng tổng kết trường hợp mô Chương : GIẢM THIỂU ĐỘ ĐẬP MẠCH MOMENT DÙNG NEURO – FUZZY 5.1 Sơ lượt Neural 5.2 Hệ thống điều khiển mờ 5.3 Hệ thống điều khiển Mạng Neuron mờ 5.3.1 Mạng Neuron mờ 5.3.2 So sánh hệ mờ mạng Neuron 5.3.3 Lý kết hợp hệ mờ mạng Neuron 5.4 Dùng Mạng Neuron – Fuzzy bù dòng điện chuẩn 5.4.1 Ý tưởng việc bù dòng điện chuẩn 5.4.2 Xây dựng Neuron – Fuzzy bù dòng điện chuẩn 5.4.3 Kết mô phân tích kết Chương : KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận 6.2 Hướng phát triển CHƯƠNG : GIỚI THIỆU 1.1 Đặt vấn đề : Động từ trở ngày sử dụng rộng rãi nhờ ưu điểm bật cấu tạo đơn giản, chắn, hoạt động với tốc độ cao, moment lớn, giá thành thấp ứng dụng công nghiệp Tuy nhiên vấn đề điều khiển động vấn đề lớn, tính chất phi tuyến từ thông làm cho moment có độ đập mạch lớn ảnh hưởng đến chất lượng hệ thống Các phương pháp điều khiển giảm thiểu độ đập mạch moment nghiên cứu nhiều thời gian gần cách điều khiển dòng điện pha động việc thay đổi giá trị góc tắt Do động từ trở có tính phi tuyến cao nên việc dùng Fuzzy logic neural network trở nên phù hợp cho vấn đề điều khiển Do độ đập mạch rotor thay đổi theo tốc độ theo phụ tải nên dùng Fuzzy logic chưa đủ Bộ điều khiển động từ trở phải có khả tự học để thích nghi kịp với điều kiện thay đổi Những nhiệm vụ đặt luận văn sau : Tìm hiểu động từ trở, lập mô hình mô động từ trở phần mềm Matlab Điều khiển tốc độ moment động từ trở Mô matlab phân tích kết mô Chương Giới thiệu LVTN cao học K14 Dùng thuật toán Neuro – Fuzzy điều khiển giảm thiểu độ đập mạch moment động từ trở Kết mô phân tích kết mô 1.2 Giới thiệu động từ trở 1.2.1 Cấu tạo : Động từ trở gồm phần : stator rotor Stator ghép thép kỹ thuật điện, chế tạo dạng cực từ lồi Trên cực từ có quấn dây Hình : Cấu tạo động từ trở pha Rotor làm thép với dạng cực từ lồi Trên cực từ quấn dây Thông thường số cực stator nhiều số cực rotor Các dạng động từ trở thường gặp 6/4 ; 8/6 ; 12/10 … Các cấu trúc đảm bảo cho moment tổng vị trí khác không Chương Giới thiệu LVTN cao học K14 1.2.2 Vấn đề đập mạch moment việc giảm thiểu độ đập mạch qua thuật toán điều khiển : Vấn đề đập mạch moment yếu điểm làm giảm khả sử dụng động từ trở Do độ đập mạch moment định chất lượng hệ thống Nguyên nhân chủ yếu gây độ đập mạch moment cấu trúc cực từ lồi stator rotor làm cho từ thông có tính chất phi tuyến Hình : Sự đập mạch moment trường hợp dòng điện số Để giảm bớt độ đập mạch moment người ta chế tạo tăng số cực từ stator rotor , giải pháp đáp ứng phần phụ thuộc vào công nghệ chế tạo giá thành Vì cần có phương pháp điều khiển tiến làm giảm độ đập mạch moment Các hệ thống điều khiển vòng kín với tín hiệu phản hồi tốc độ vị trí Chương Giới thiệu LVTN cao học K14 Có nhiều cách giảm thiểu độ đập mạch nhiều tác giả đưa Trong luận văn dùng Neuron-Fuzzy để bù dòng điện chuẩn làm giảm độ đập mạch moment 1.3 Cấu trúc luận văn : Chương I Giới thiệu sơ lược động từ trở vấn đề đập mạch moment động từ trở Chương II Sự thay đổi từ trở , vấn đề chuyển đổi lượng , dòng điện pha , tỷ số lượng vấn đề bão hòa Mô hình thuật toán động từ trở Chương III Các nguyên tắc điều khiển động từ trở : Bộ điều khiển dòng điện , điều khiển từ thông , điều khiển moment , cấu trúc chuyển đổi công suất Chương IV Lập mô hình động phần mềm Matlab Mô điều khiển vòng kín giảm độ đập mạch moment Đưa kết mô phân tích kết Chương V Dùng Neural – Fuzzy điều khiển giảm thiểu đập mạch moment Kết mô phân tích kết mô Chương VI Kết luận Chương Giới thiệu LVTN cao học K14 55 mờ Sau biến ngôn ngữ phối hợp với luật IF – THEN đáp ứng luật có nhờ suy diễn mờ • Hệ mờ xấp xỉ hàm với mẫu tập mờ (Ai , Bi) mạng neuron dùng mẫu điểm số (xi , yi) • Mạng neuron hệ động huấn luyện mà khả học chấp nhận nhiễu khái quát hoá , phát triển vượt cấu trúc liên kết , tính động đại diện liệu phân bố , mạng neuron giải mã trực tiếp tri thức cấu trúc Hơn người thiết kế lớp bên mạng nên khó xác định cấu trúc kích thước Trái lại hệ mờ xấp xỉ số có cấu trúc giải mã trực tiếp tri thức cấu trúc phương pháp linh hoạt xử lý giống cách xử lý mạng neuron không giống phương pháp mạng neuron , hệ mờ cần điền phần vào ma trận ngôn ngữ Việc đơn giản thiết kế huấn luyện mạng neuron Tuy nhiên hệ mờ gặp khó khăn khác làm xác định luật logic mờ hàm đặc trưng Tóm lại , giải thuật tính toán mức thấp mạng neuron cung cấp đặc tính tốt tương ứng với liệu cảm nhận dùng nhận dạng điều khiển mẫu Trái lại logic mờ cung cấp khung cấu trúc sử dụng khai thác khả mức thấp mạng neuron 5.3.3 Lý Do Kết Hợp Hệ Mờ Và Mạng Neuron Mạng neuron lấy thông tin từ hệ thống để học hay điều khiển , kỹ thuật logic mờ hầu hết dùng thông tin dạng ngôn ngữ từ chuyên gia Kết hợp ưu điểm mạng neuron (khả học , tối ưu hóa, cấu trúc liên kết…) hệ mờ (suy diễn luật IF – THEN giống người dễ kết hợp tri thức chuyên gia) Bằng cách , ta đem khả học Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 56 tính mức độ thấp mạng neuron vào hệ mờ suy diễn theo luật IF – THEN giống người hệ mờ vào mạng neuron Do phía neuron , có rõ ràng nhiều cách tạo trước mạng neuron để cải thiện đặc tính hay cách diễn đạt ma trận trọng số theo bước học Về phía mờ , phát triển phương pháp cho phép chỉnh tự động thông số đặc trưng hệ mờ Vì mạng neuron cải thiện tính rõ ràng (tiến gần đến hệ mờ hơn) , hệ mờ tự thích nghi (tiến gần đến mạng neuron hơn) Hệ kết hợp học thích nghi , chia làm loại : Hệ mờ neuron (neural fuzzy systems) : sử dụng mạng neuron công cụ mô hình mờ Mạng neuron mờ (fuzzy neural network) : mờ hoá mô hình mạng neuron truyền thống Hệ lai neuron mờ (fuzzy – neural hybrid systems) Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 57 5.4 Dùng mạng Neuron – Fuzzy bù dòng điện chuẩn 5.4.1 Ý tưởng bù dòng điện chuẩn (b) ω BộBùdò ng Neuron - Fuzzy iPI ω ref + - PI + iPI iref SRM motor Bộchuyể n đổ i ω (c) Hình 5.5 Ý tưởng bù dòng điện giảm độ đập mạch moment (a) Moment dao động dòng số (b) Moment dao động có bù (c) Sơ đồ khối dùng Neuron – mờ để bù dòng Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 58 Tín hiệu bù Neuron-Fuzzy tạo cộng thêm vào dòng điện chuẩn điều khiển PI tạo làm cho moment ngõ có độ đập mạch cực tiểu 5.4.2 Xây dựng Neuron Fuzzy bù dòng điện chuẩn : Các bước để xây dựng : Bước : Xác định đại lượng vào đại lượng : • Ngõ vào bù Neuron – Fuzzy tốc độ dòng điện ngõ điều khiển PI • Ngõ bù tín hiệu dòng bù công thêm vào ngõ điều khiển PI Bước : Tiến hành thử ứng với tốc độ, dòng điện chuẩn để có độ đập mạch moment tương ứng Tìm mẫu tốt làm cho moment tổng trục động có độ đập mạch nhỏ Bước : Dùng mẫu để huấn luyện mạng ANFIS ta bù dòng điện Các luật mờ xây dựng Grid partition thông số huấn luyện mạng ANFIS sau : AND Method : Prod OR Method : Max Implication : Min Aggregation : Max Defuzzificztion : Wtaver Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 59 Hình 5.6 Cấu trúc mạng ANFIS Mạng ANFIS gồm lớp : Lớp thứ : Gồm hai nút đầu vào (mỗi nút Neuron mạng) Hai đầu vào tốc độ động dòng điện ngõ điều khiển PI Lớp thứ : Là hàm đặt trưng tốc độ động dòng điện chuẩn Các hàm đặt trưng có dạng hình tam giác Mỗi ngõ vào có hàm đặt trưng Lớp thứ : Mỗi Neuron lớp dựa vào 25 luật mờ để thực luật điều khiển Các luật mờ thành lập Grid partition Mạng ANFIS Matlab Các Neuron thực qui luật IF THEN để đưa tín hiệu cho lớp hoạt động Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 60 Hình 5.7 Hình 5.8 Các qui luật mạng Neuron mờ Hàm dạng Neron ngõ vào thứ tốc độ Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 61 Hình 5.9 Hàm dạng Neuron ngõ vào thứ hai dòng tham chiếu Hình 5.10 Hiển thị Neuron ngõ Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 62 Lớp thứ : Mỗi Neuron lớp tính toán trọng số liên kết từ lớp thứ lớp Neuron tiêu chuẩn Lớp thứ : Mỗi Neuron lớp tính toán trọng số liên kết Neuron lớp trước cho Neuron tín hiệu tiêu chuẩn Lớp thứ : Trong lớp có Neuron Sau tính toán cộng tất tín hiệu nhập vào để đưa tín hiệu tiêu chuẩn chấp nhận để đưa đối tượng điều khiển Hình 5.11 Các qui luật IF THEN (gồm 25 luật) Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 63 Hình 5.12 Một phần Cấu trúc bên bù dòng điện Hình 5.13 Mô hình dùng điều khiển PI kết hợp với bù dòng điện dùng Neuron-Fuzzy Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 64 5.4.3 Kết mô không dùng bù có dùng bù dòng điện : Hình 5.14 Đáp ứng tốc độ tốc độ đặt 1800 rad/s (a) chưa có bù (b) có bù Hình 5.15 Moment tổng tốc độ đặt 1800 vòng / phút (a) chưa có bù (b) có bù Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 65 Hình 5.16 Đáp ứng tốc độ tốc độ đặt 1000 rad/s (a) chưa có bù (b) có bù Hình 5.17 Moment tổng tốc độ đặt 1000 vòng / phút (a) chưa có bù (b) có bù Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 66 Hình 5.18 Đáp ứng tốc độ tốc độ đặt 500 rad/s (a) chưa có bù Hình 5.19 (b) có bù Moment tổng tốc độ đặt 500 vòng / phút (a) chưa có bù (b) có bù Độ đập mạch moment tính theo công thức Tripple = Tmax − Tmin 100% Tave Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 67 Bảng tổng kết kết mô Tốc độ đặt (vòng Moment lúc chưa bù (N.m) Moment lúc có bù (N.m) / phuùt) Tmin Tmax Tave Tripple Tmin Tmax Tave Tripple 1800 1,693 3,918 3,384 65,8% 2,506 3,571 3,384 31.5% 1000 0,246 3,112 1,668 171,8% 1,485 1,934 1,763 25.5% 500 -0,185 2,283 0,534 462.1% 0,762 1,142 0,809 46.9% ™ Nhận xét : • Tốc độ trường hợp bù dao động nhiều trường hợp có bù • Ở tốc độ cao độ đập mạch moment nhỏ tốc độ thấp tác dụng bù trường hợp tốc độ thấp • Moment trung bình động sinh trường hợp có bù lớn trường hợp bù • Độ đập mạch Moment tổng trường hợp bù nhiều so với trường hợp có bù dòng điện Chương giảm thiểu đập mạch moment dung Neuron-Fuzzy LVTN cao học K14 68 Chương : KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận : Trong luận văn nghiên cứu vấn đề sau : • Xây dựng mô hình động từ trở dựa vào phương trình toán học Đây gọi mô hình tuyến tính Khi dùng mô hình tuyến tính điều khiển độ đập mạch moment tương đối lớn • Xây dựng mô hình động từ trở kỹ thuật tra bảng, dựa vào kết khảo sát từ thí nghiệm đo đạc động thực tế, dựa vào kinh nghiệm Đây mô hình phi tuyến Từ kết thực tế qua đo đạc, có mối quan hệ góc vị trí θ, điện cảm, từ thông, dòng điện, moment Đưa kết cụ thể vào mô hình ứng với thông số cụ thể Ở mô hình phi tuyến cho kết tương đối tốt, độ đập mạch moment giảm so với mô hình tuyến tính • Điều khiển động từ trở dùng điều khiển dòng kích trễ • Khảo sát đặt tính tốc độ moment trường hợp thay đổi hệ số ma sát, thay đổi moment tải sữ dụng điều khiển tốc độ • So sánh điều khiển tốc độ điều khiển moment • Xây dựng bù dòng điện dùng mạng Neuron – Fuzzy để bù dòng điện chuẩn • So sánh đặt tính tốc độ moment hai trường hợp : có bù bù dòng điện chuẩn Kết độ đập mạch moment trường hợp có bù dòng điện chuẩn tốc độ có giảm so với trường hợp lúc chưa có bù dòng điện chuẩn moment trung bình có lớn so với trường hợp chưa có bù Chương Kết luận hướng phát triển luận văn cao học K14 69 6.2 Hướng phát triển đề tài : • Trong đề tài lập mô hình đưa phương pháp điều khiển thông qua mô máy tính Tuy nhiên vấn đề lớn phải đưa vào thực thuật toán điều khiển thực tế thi công Có thể ứng dụng DSP để thực thuật toán Vì tốc độ xử lý DSP cao thích hợp với thuật toán có độ phức tạp • Trong số ứng dụng, điều quan trọng phải giữ moment trục động không đổi với giá trị đặt trước Đối với động từ trở vấn đề điều khiển trực tiếp moment (DITC) vấn đề tương đối Trong phương pháp không cần ý tới tốc độ mà phải đảm bảo moment trục động bám sát moment yêu cầu giảm thiểu độ đập mạch moment Chương Kết luận hướng phát triển luận văn cao học K14 ... Điều khiển dòng điện động từ trở Chương Điều khiển động từ trở luận án cao học K14 20 3.2 Bộ điều khiển điện áp : Hình 3.3 : Điều khiển điện áp động từ trở Ở điều khiển không điều khiển moment. .. học K14 1.2.2 Vấn đề đập mạch moment việc giảm thiểu độ đập mạch qua thuật toán điều khiển : Vấn đề đập mạch moment yếu điểm làm giảm khả sử dụng động từ trở Do độ đập mạch moment định chất lượng... Matlab Điều khiển tốc độ moment động từ trở Mô matlab phân tích kết mô Chương Giới thiệu LVTN cao học K14 Dùng thuật toán Neuro – Fuzzy điều khiển giảm thiểu độ đập mạch moment động từ trở Kết