Ứng dụng mạng trí tuệ nhân tạo điều khiển bộ nghịch lưu áp

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA -o0o - NGUYỄN XUÂN NGUYÊN ỨNG DỤNG MẠNG TRÍ TUỆ NHÂN TẠO ĐIỀU KHIỂN BỘ NGHỊCH LƯU ÁP CHUYÊN NGÀNH MÃ SỐ NGÀNH : KỸ THUẬT ĐIỆN : 2.02.01 LUẬN VĂN THẠC SĨ Tp Hồø Chí Minh, tháng 07 năm 2006 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: T.S PHAN QUỐC DŨNG Cán chấm nhận xét 1:…………………………………………………………………………………………………………… (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 2:…………………………………………………………………………………………………………… (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc só bảo vệ tại: HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày………………tháng……………năm 2006 Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA - CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên: NGUYỄN XUÂN NGUYÊN Ngày sinh:18 – 08 – 1977 Chuyên ngành: Kỹ Thuật Điện Phái : Nam Nơi sinh: DacLac Mã số: 2.02.01 I- TÊN ĐỀ TÀI: ỨNG DỤNG MẠNG TRÍ TUỆ NHÂN TẠO ĐIỀU KHIỂN BỘ NGHỊCH LƯU ÁP II- NHIỆM VỤ VÀ NỘI DUNG: Tổng quan kỹ thuật điều chế vector không gian Kỹ thuật điều chế vector không gian dựa mạng neuron nhân tạo Truyền động động không đồng ba pha sử dụng điều chế vector không gian dựa mạng neuron nhân tạo Đề xuất phương án triển khai hệ truyền động nghịch lưu áp-ĐCKĐB ứng dụng mạng neuron nhân tạo III- NGÀY GIAO NHIỆM VỤ: 06 - 02 - 2006 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: 06 - 07 - 2006 V- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: T.S PHAN QUỐC DŨNG CÁN BỘ HƯỚNG DẪN TS Phan Quốc Dũng BỘ MÔN QUẢN LÝ NGÀNH T.S Nguyễn Hoàng Việt Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua TRƯỞNG PHÒNG ĐT - SĐH Tp Hồ Chí Minh, ngày tháng năm 2006 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Xin bày tỏ lòng biết ơn sâu sắc đến thầy Phan Quốc Dũng, người tận tình hướng dẫn cung cấp nhiều tài liệu q giá để thực luận văn Xin chân thành cảm ơn thầy cô, bạn bè đồng nghiệp Khoa Lưới Điện, Trường Cao Đẳng Điện Lực TP.HCM quan tâm, tạo điều kiện thuận lợi để tham gia hoàn thành khóa học Xin chân thành cảm ơn anh chị học viên cao học ngành Kỹ Thuật Điện Hệ Thống Điện khóa 15 đóng góp ý kiến q báu trình thực luận văn Cuối cùng, xin bày tỏ lòng biết ơn sâu nặng đến Bố Mẹ sinh thành nuôi khôn lớn, chỗ dựa vững tinh thần vật chất, tạo điều kiện thuận lợi để học tập, trưởng thành ngày hôm Nguyễn Xuân Nguyên MỤC LỤC Chương GIỚI THIỆU 1.1 Mở đầu 1.2 Tổng quan Chương ĐIỀU KHIỂN BỘ NGHỊCH LƯU ÁP DÙNG KỸ THUẬT ĐIỀU CHẾ VECTOR KHÔNG GIAN 2.1 Bộ nghịch lưu áp 2.2 Điều chế độ rộng xung vector không gian 2.3 Quá điều chế nghịch lưu áp hai bậc 11 Chương KỸ THUẬT ĐIỀU CHẾ VECTOR KHÔNG GIAN DỰA TRÊN MẠNG NEURON NHÂN TẠO 21 3.1 Mạng neuron nhân tạo 21 3.2 Điều chế vector không gian dựa mạng neuron nhân tạo 27 3.3 Mô ANN-SVPWM sử dụng Matlab/Simulink 49 Chương TRUYỀN ĐỘNG ĐỘNG CƠ KHÔNG ĐỒNG BỘ BA PHA SỬ DỤNG BỘ ĐIỀU KHIỂN ANN-SVPWM 54 4.1 Mô tả toán học động không đồng 54 4.2 Hệ truyền động động không đồng theo nguyên lý V/Hz 56 4.3 Hệ truyền động động không đồng theo nguyên lý RFOC 68 Chương ĐỀ XUẤT PHƯƠNG ÁN TRIỂN KHAI HỆ TRUYỀN ĐỘNG BỘ NGHỊCH LƯU ÁP-ĐCKĐB ỨNG DỤNG MẠNG NEURON NHÂN TẠO 79 5.1 Hệ điều khiển dùng card giao tiếp DSPACE 79 5.2 Hệ điều khiển dùng chip vi xử lý tín hiệu DSP 80 Chương KẾT LUẬN VÀ KIẾN NGHỊ 86 6.1 Kết luận 86 6.2 Hướng mở rộng đề tài 87 TÀI LIỆU THAM KHẢO 88 -1Luận Văn Tốt Nghiệp CHƯƠNG GIỚI THIỆU 1.1 MỞ ĐẦU Ngày chứng kiến chuyển vận sôi động xu hướng toàn cầu hoá, tự hóa hội nhập kinh tế xã hội mà kết hợp kỹ thuật máy tính điện tử công suất nhằm tạo nên hệ điều khiển chất lượng cao, thúc đẩy mạnh mẽ ngành công nghiệp phát triển góp phần quan trọng chuyển vận Bộ nghịch lưu phần tử quan trọng hệ điều khiển đặc biệt hệ truyền động động xoay chiều ba pha có độ xác cao Có nhiều phương pháp khác để điều khiển nghịch lưu, phương pháp điều chế vector không gian (SVM) sử dụng phổ biến nhờ ưu điểm mở rộng phạm vi điều khiển tuyến tính, lượng sóng hài điện áp ngõ thấp dễ thực hệ thống số Các vấn đề cần giải điều khiển nghịch lưu theo phương pháp SVM đặc tính điều khiển phi tuyến vùng điều chế, tổn hao đóng ngắt, lượng sóng hài, điện áp common mode,… Việc nghiên cứu thiết kế nghịch lưu đảm bảo chất lượng giảm nhẹ yêu cầu hoạt động hệ thống cải thiện toàn hệ thống điều khiển Những phát triển kỹ thuật điều khiển nghịch lưu thời gian qua đem lại nhiều thành to lớn, góp phần vào phát triển mạnh mẽ lãnh vực điện tử công suất Tuy nhiên, với nhu cầu ngày cao chất lượng phục vụ hệ thống, đặc tính nghịch lưu lại đặt yêu cầu chất lượng mới, đầy thách thức với nhà nghiên cứu thiết kế điện tử công suất đại Do đó, việc nghiên cứu cải tiến phương pháp điều khiển nghịch lưu để không Học viên: Nguyễn Xuân Nguyên -2Luận Văn Tốt Nghiệp ngừng nâng cao chất lượng hệ thống điều khiển công nghiệp cần thiết Góp phần cải thiện chất lượng điều khiển nghịch lưu, luận văn nghiên cứu ứng dụng mạng neuron nhân tạo vào điều chế vector không gian cho nghịch lưu áp Đề tài nghiên cứu điều khiển nghịch lưu áp hướng đến mục tiêu: - Đơn giản thuật toán cấu trúc điều khiển, - Đặc tính điều khiển tuyến tính toàn phạm vi điều chế, - Nâng cao tần số điều chế để loại bỏ sóng hài bậc cao điện áp pha tải, - Đáp ứng ngõ tốt ổn định với hệ truyền động V/Hz vòng hở, V/Hz vòng kín vector control Đề tài thực nội dung sau: - Xây dựng điều chế vector không gian dựa mạng neuron nhân tạo (ANN-SVPWM) cho nghịch lưu hai bậc toàn phạm vi điều chế - Sử dụng ANN-SVPWM để phát triển hệ truyền động: V/Hz vòng hở, V/Hz vòng kín vector control Các ANN-SVPWM ứng dụng hiệu điều khiển mạch lọc tích cực, điều khiển chiếu sáng, hệ truyền động SVM-DTC,… 1.2 TỔNG QUAN Điều chế vector không gian phát triển phương pháp điều chế độ rộng xung phổ biến cho nghịch lưu áp hệ truyền động xoay chiều lượng sóng hài ngõ tốt phạm vi điều khiển tuyến tính mở rộng Khó khăn phương pháp SVM tính toán phức tạp dẫn tới tần số điều chế bị giới hạn Học viên: Nguyễn Xuân Nguyên -3Luận Văn Tốt Nghiệp Hiện với phát triển mạnh mẽ kỹ thuật bán dẫn, khoá bán dẫn IGBT với tốc độ chuyển mạch cao chế tạo có tần số chuyển mạch vài chục kHz, chí lên đến 50kHz Có nhiều nghiên cứu đưa nhằm cải thiện chất lượng SVPWM, thực vi xử lý tín hiệu DSP tốc độ cao để nâng cao tần số điều chế thực bảng tra để điều khiển vùng điều chế Tuy nhiên khả tốc độ chuyển mạch khoá công suất chưa tận dụng phi tuyến vùng điều chế chưa hoàn toàn khắc phục Mạng neuron nhân tạo với ưu điểm sử dụng để khắc phục khó khăn hệ thống số dựa DSP Các ứng dụng mạng neuron nhân tạo lãnh vực điện tử công suất phát triển mạnh mẽ năm gần Một số nghiên cứu thực mạng neuron nhân tạo kỹ thuật SVPWM đề xuất [3] Mặc dù điều khiển ANN-SVPWM có ưu điểm tính toán nhanh giới hạn phương pháp gặp khó khăn huấn luyện phạm vi điều chế với phi tuyến kỹ thuật điều chế Luận văn sử dụng mạng neuron nhân tạo để huấn luyện điều chế độ rộng xung vector không gian sở phương pháp điều khiển quỹ đạo biên [2] Mạng neuron sử dụng nhằm nâng cao tần số điều chế nhờ vào khả đáp ứng nhanh nguyên tắc xử lý song song Phương pháp điều khiển quỹ đạo biên sử dụng nhằm tạo đặc tính điều khiển tuyến tính qua vùng điều chế Các ANN-SVPWM sử dụng hệ truyền động V/Hz Vector control để khảo sát đáp ứng động hệ thống Học viên: Nguyễn Xuân Nguyên -4Luận Văn Tốt Nghiệp CHƯƠNG ĐIỀU KHIỂN BỘ NGHỊCH LƯU ÁP DÙNG KỸ THUẬT ĐIỀU CHẾ VECTOR KHÔNG GIAN 2.1 BỘ NGHỊCH LƯU ÁP 2.1.1 Vai trò ứng dụng nghịch lưu Bộ nghịch lưu có nhiệm vụ chuyển đổi lượng từ nguồn điện chiều không đổi sang dạng lượng điện xoay chiều để cung cấp cho tải xoay chiều Đại lượng điều khiển ngõ điện áp hay dòng điện Trong trường hợp đầu nghịch lưu gọi nghịch lưu áp trường hợp sau gọi nghịch lưu dòng Bộ nghịch lưu dùng hệ truyền động xoay chiều, dùng làm nguồn điện liên tục, điều khiển chiếu sáng, mạch lọc tích cực, … Trong thực tế sản xuất, có nhiều hoạt động liên quan đến tốc độ động Việc điều khiển ổn định tốc độ động phần quan trọng hệ thống điều khiển công nghiệp Điều chỉnh tốc độ động nhằm tạo đặc tính để có tốc độ làm việc phù hợp với yêu cầu phụ tải Nhìn chung có hai phương pháp để điều chỉnh tốc độ truyền động: - Biến đổi tỉ số truyền từ trục động đến cấu máy sản xuất - Biến đổi tốc độ góc động điện Phương pháp thứ hai làm giảm tính phức tạp cấu cải thiện đặc tính điều chỉnh, linh hoạt ứng dụng hệ thống điều khiển điện tử số Ngoài ra, hệ truyền động nhiều thông số khác cần thay đổi, giám sát điện áp, dòng điện, khởi động êm, tính chất tải, …Vì nghịch lưu với thiết bị bán dẫn công suất đại lựa chọn thích hợp để điều khiển tốc độ động Học viên: Nguyễn Xuân Nguyên - 76 Luận Văn Tốt Nghiệp Ta thực tăng tốc động để biến thiên số điều chế qua mode khaùc nhau: time = [0 0.6 1.0 1.4 1.8 2.0 2.5] ωref = [0 250 250 290 290 300 300] Tốc độ điện đặt tăng lên 250 rad/s, 290 rad/s 300 rad/s tương ứng với trị số số điều chế nhận 0.79, 0.93 0.97 Dạng sóng dòng điện điện áp mode điều chế khác nhận từ kết mô thể hình Undemode 300 Dong dien, in A Dien ap, in V 200 100 -100 -200 -2 -4 -6 -300 0.7 0.705 0.71 0.715 0.72 0.725 -8 0.7 0.73 0.705 0.71 Time, in sec 0.715 0.72 0.725 0.73 Time, in sec Hình 4.26 Điện áp dòng điện undermode Overmode-1 300 Dong dien, in A Dien ap, in V 200 100 -100 -200 -2 -4 -6 -300 1.6 1.605 1.61 1.615 1.62 1.625 1.63 -8 1.6 1.605 1.61 Time, in sec 1.615 1.62 Time, in sec Hình 4.27 Điện áp dòng điện overmode-1 Học viên: Nguyễn Xuân Nguyên 1.625 1.63 - 77 Luận Văn Tốt Nghiệp Overmode-2 10 300 Dong dien, in A Dien ap, in V 200 100 -100 -200 -5 -300 2.3 2.305 2.31 2.315 2.32 2.325 -10 2.3 2.33 2.305 2.31 Time, in sec 2.315 2.32 2.325 2.33 Time, in sec Hình 4.28 Điện áp dòng điện overmode-2 Ở vùng điều chế ứng với số điều chế 0.79, dạng sóng dòng điện điện áp cho Hình 4.26 Dòng điện gần dạng sin lý tưởng với độ méo dạng nhỏ Ở vùng điều chế mode-1 điều chế mode-2 khảo sát ứng số điều chế 0.93 0.97, dạng sóng dòng điện điện áp cho Hình 4.27 Hình 4.28 Sự méo dạng dòng điện tăng lên tương ứng qua mode điều chế Sau khoản g thời gian từ hóa động cơ, vào khoảng 0.3s, để từ thông đạt xác lập trị số đặt ψ* = 0.96 Wb đáp ứng tốc độ động theo trị số đặt tốt Biên độ từ thông ổn định trị số đặt với độ nhấp nhô nhỏ (Hình 4.29) Dac tinh tu thong Dac tinh toc 0.8 250 200 Tu thong, in Wb Toc dien, in rad/s 300 Wref W 150 100 0.4 0.2 50 0.6 0 0.5 1.5 2.5 0.5 Time, in sec Hình 4.29 Đặc tính tốc độ từ thông rotor Học viên: Nguyễn Xuân Nguyên 1.5 Time, in sec 2.5 - 78 Luận Văn Tốt Nghiệp Moment ñaët Te* Dac tinh moment Te 40 30 Moment, in N.m M o m ent, in N m 40 20 10 30 20 10 -10 0.5 1.5 2.5 0.5 Time, in sec 1.5 2.5 Time, in sec Hình 4.30 Đáp ứng moment động theo moment đặt Dac tinh moment Overmode-1 Dac tinh moment Overmode-2 Moment, in N.m Moment, in N.m 4.5 3.5 2.5 1.5 1.52 1.54 1.56 1.58 1.6 1.62 2.2 2.22 2.24 Time, in sec 2.26 2.28 2.3 2.32 Time, in sec Hình 4.31 Dao động moment mode điều chế Cũng sau khoảng thời gian động từ hoá, đáp ứng moment đạt theo giá trị moment đặt Hình 4.30 Sự dao động moment tăng lên qua mode điều chế méo dạng dòng điện tăng Biên độ dao động moment khoảng 0.8 N.m 3.5 N.m ứng với số điều chế 0.93 điều chế mode-1 0.97 điều chế mode-2 (Hình 4.31) Như vậy, điều khiển ANN-SVPWM vận hành tốt với hệ truyền động vector control điều khiển theo nguyên lý RFOC Học viên: Nguyễn Xuân Nguyên - 79 Luận Văn Tốt Nghiệp CHƯƠNG ĐỀ XUẤT PHƯƠNG ÁN TRIỂN KHAI HỆ TRUYỀN ĐỘNG BỘ NGHỊCH LƯU ÁP - ĐỘNG CƠ KHÔNG ĐỒNG BỘ ỨNG DỤNG MẠNG NEURON NHÂN TẠO Trên sở kết đạt từ mô phỏng, thực hệ truyền động điều chỉnh tốc độ động không đồng ba pha sử dụng điều khiển điều chế vector không gian dựa mạng neuron nhân tạo (ANNSVPWM Controller) Để triển khai thực tế hệ truyền động sử dụng card DSPACE giao tiếp với PC cài đặt phần mềm Matlab/Simulink dùng vi xử lý tín hiệu DSP [10] 5.1 Hệ điều khiển dùng card giao tiếp DSPACE Khi triển khai hệ truyền động sử dụng card giao tiếp DSPACE PC phải cài đặt sẳn phần mềm Matlab/ Simulink/ ANN toolbox [10] MATLAB/ SIMULINK TÍN HIỆU ĐẶT TÍN HIỆU ĐIỀU KHIỂN CARD DSPACE CARD GIAO TIẾP I/O BỘ NGHỊCH LƯU TÍN HIỆU HỒI TIẾP ĐCKĐB CẢM BIẾN Hình 5.1 Hệ truyền động ĐCKĐB ứng dụng mạng neuron nhân tạo dùng card DSPACE phần mềm Matlab/Simulink Học viên: Nguyễn Xuân Nguyên - 80 Luận Văn Tốt Nghiệp Bộ điều khiển điều chế vector không gian dựa mạng neuron nhân tạo lập trình dùng phần mềm Matlab/ Simulink ANN Toolbox Hệ thống xử lý hệ thời gian thực nhờ trợ giúp card giao tiếp DSPACE, tín hiệu điều rộng xung xuất thông qua I/O card để điều khiển nghịch lưu áp 5.2 Hệ điều khiển dùng chip vi xử lý tín hiệu DSP Hệ truyền động sử dụng card giao tiếp DSPACE phù hợp với môi trường nghiên cứu, thực nghiệm thường sử dụng phòng thí nghiệm Để triển khai hệ truyền động hệ thống điều khiển công nghiệp dùng vi xử lý tín hiệu DSP 5.2.1 Thực mạng neuron nhân tạo dựa DSP Xuất phát từ mô hình neuron nhân tạo, để thực neuron DSP ta phải lập trình thực n phép toán nhân, n phép toán cộng phép tính hàm phi tuyến kích hoạt neuron x1 x2 w11 w12 a ∑ f y w1n xn b   n y = F ∑ w ij x j + b    i=1 Hình 5.2 Mô hình neuron nhân tạo Để lập trình DSP, sử dụng ngôn ngữ Assembly vi xử lý nhằm sử dụng tối ưu tập lệnh nhớ nhằm giảm thời gian thực Học viên: Nguyễn Xuân Nguyên - 81 Luận Văn Tốt Nghiệp thi chương trình Tuy để thuận tiện, sử dụng ngôn ngữ lập trình cấp cao, ngôn ngữ C, để thực lập trình cho DSP Chúng ta lập trình tính toán ngõ xuất lớp mạng neuron việc sử dụng ma trận trọng số phân cực có từ chương trình huấn luyện mạng sử dụng ANN Toolbox Matlab Để tính ngõ xuất, ta phải thực phép nhân ma trận, sau thực hàm phi tuyến kích hoạt neuron kết nhận Phép nhân ma trận cho ngõ xuất lớp mạng neuron tính sau [11]: Outm = CmxnxInn Ở n : số ngõ nhập m : số neuron lớp C : ma trận trọng số In : ma trận ngõ nhập Out : ma trận ngõ xuất Ma trận trọng số phân cực lưu trữ nhớ nhớ nội DSP Khi lưu trữ thực nhớ nội cải tiến tốc độ xử lý tăng tốc độ thực thi mạng Sau chương trình viết ngôn ngữ C để tính toán ma trận ngõ xuất ứng với trường hợp khác việc lưu trữ ma trận trọng số [11] Trường hợp ma trận trọng số lưu trữ nhớ Main(){ long i, j ; /* biến tạm*/ double C [m,n] /* ma trận hệ số */ Học viên: Nguyễn Xuân Nguyên - 82 Luận Văn Tốt Nghiệp /* m: số neuron lớp */ /* n: số ngõ nhập */ double bias [m] /* ma trận phân cực*/ double in [n] /* ma trận ngõ nhập*/ double out [m] /* ma trận ngõ xuất*/ /* thực tính toán ma trận ngõ xuất*/ for ( i=0 ; i < m ; i++ ){ out [i]=0 ; for ( j=0 ; j < n ; j++){ out [i]+ = C [i][j]*in [j]; } Out [i]+ = bias [i]; } } Trường hợp ma trận trọng số lưu trữ nhớ nội DSP Main() { register long i, j ; register double* c_pt; /* troû ma trận hệ số */ register double* i_pt; /* trỏ ma trận ngõ nhập*/ register double* o_pt; /* trỏ ma trận ngõ xuất*/ register double* b_pt; /* trỏ ma trận phân cực*/ double C [m*n]; /* ma trận hệ số */ double bias [m]; /* ma trận phân cực */ double in [m*n]; /* ma trận ngõ nhập*/ double out [m*n]; /* ma trận ngõ xuất */ /* ghi tạm*/ Học viên: Nguyễn Xuân Nguyên - 83 Luận Văn Tốt Nghiệp c_pt = & C [0]; o_pt = & out [0]; b_pt = & bias [0]; /* thực tính toán ma trận ngõ xuất */ for ( i=0 ; i < m ; i++ ){ * o_pt = ; i_pt = & in [0]; for ( j=0 ; j < n ; j++){ (*o_pt)+ = (*( c_pt++))* (*(i_pt++)); } (*o_pt)+=(*(b_pt++)); o_pt++ ; } } Ngõ lớp mạng neuron có việc thực hàm phi tuyến kích hoạt neuron ma trận ngõ xuất vừa tính Các hàm kích hoạt neuron thực phương thức tham chiếu bảng Một bảng tra chứa toạ độ rời rạc hàm kích hoạt sử dụng Bước phân tích chọn phù hợp với khả lưu trữ đồng thời cho sai số phân tích nhỏ mức chấp nhận 5.2.2 Sơ đồ điều khiển dựa DSP Sơ đồ hệ thống điều khiển tốc độ động sử dụng điều khiển ANNSVPWM triển khai sau [10]: Học viên: Nguyễn Xuân Nguyên - 84 Luận Văn Tốt Nghiệp GIAO DIỆN VỚI PC TÍN HIỆU ĐẶT TÍN HIỆU ĐIỀU KHIỂN DSP TMS320F240 BỘ NGHỊCH LƯU TÍN HIỆU HỒI TIẾP ĐCKĐB CẢM BIẾN Hình 5.3 Hệ truyền động ĐCKĐB ứng dụng mạng neuron nhân tạo dùng DSP Chức khâu hệ thống điều khiển: DSP TMS320F240 - Đọc xử lý tín hiệu điều khiển tín hiệu hồi tiếp - Lập trình khâu điều khiển động không đồng ba pha theo nguyên lý điều khiển V/Hz hay RFOC - Lập trình khâu mạng neuron nhân tạo theo hình thức tham chiếu bảng hàm kích hoạt neuron lưu trữ ma trận trọng số phân cực nhận sau huấn luyện mạng sử dụng Neuron Network Toolbox Matlab - Xuất xung điều rộng ngõ để điều khiển khoá IGBT nghịch lưu KHỐI CẢM BIẾN - Đo đạc thông số điện - Hồi tiếp tín hiệu DSP Học viên: Nguyễn Xuân Nguyên - 85 Luận Văn Tốt Nghiệp MÁY TÍNH PC - Giao tiếp với DSP - Tạo giao diện trực quan để quan sát, theo dõi thông số điện thông số hệ truyền động Trên đề xuất hai phương án triển khai hệ truyền động Ngoài ra, triển khai hệ thống ASIC chip Tần số chuyển mạch khoá công suất dễ dàng nâng lên đến 50kHz mạng neuron thực ASIC chip Tuy vậy, ASIC chip chưa đưa vào thương mại cách rộng rãi có giá phù hợp thị trường để thực điều khiển ANN-SVPWM cách kinh tế Học viên: Nguyễn Xuân Nguyên - 86 Luận Văn Tốt Nghiệp CHƯƠNG KẾT LUẬN VÀ KIẾN NGHỊ 6.1 KẾT LUẬN Luận văn xây dựng thành công ANN-SVPWM để điều khiển nghịch lưu áp hai bậc sở kết hợp: - Nguyên lý điều khiển tuyến tính quỹ đạo biên - Cấu trúc mạng nuôi tiến lan truyền ngược hai lớp với kỹ thuật huấn luyện hiệu chỉnh trọng số mô hình có giám sát Nguyên lý điều khiển quỹ đạo biên sử dụng để mở rộng điều khiển tuyến tính toàn phạm vi điều chế Mạng neuron sử dụng nhằm tận dụng khả tần số đóng cắt cao, lên đến 50kHz, khóa công suất IGBT đại, đồng thời đơn giản cấu trúc thuật toán điều khiển ba mode: điều chế, điều chế mode-1 điều chế mode2 chung cấu hình mạng neuron nhân tạo Luận văn sử dụng mạng con, với khoảng 100 neuron, có thuật toán huấn luyện Lenvenberg Marquardt để kết hợp thành cấu hình mạng vận hành bao phủ toàn phạm vi điều chế Dữ liệu huấn luyện không nhiều thời gian cần thiết để huấn luyện không lớn Thủ tục huấn luyện dễ dàng tin cậy với hỗ trợ Neural Network Toolbox Matlab Các giá trị số tương ứng với khoảng thời gian kích đóng khoá công suất nghịch lưu phát mạng neuron nhân tạo sau chuyển thành dạng xung điều rộng việc sử dụng timer vài linh kiện logic đơn giản Bộ ANN-SVPWM điều khiển nghịch lưu áp với điện áp ngõ trạng thái tónh có lượng sóng hài thấp có lợi cho sử dụng, đặc tuyến điều khiển tuyến Học viên: Nguyễn Xuân Nguyên - 87 Luận Văn Tốt Nghiệp tính qua vùng điều chế mở rộng đến số điều chế đơn vị tương ứng với dạng sóng six-step Bộ ANN-SVPWM sử dụng để phát triển hệ truyền động điều chỉnh tốc độ động không đồng điều khiển theo nguyên lý V/Hz vòng hở, V/Hz vòng kín RFOC Kết khảo sát mô cho thấy đáp ứng hệ truyền động điều khiển ANN-SVPWM mà luận văn xây dựng tốt 6.2 HƯỚNG MỞ RỘNG ĐỀ TÀI Trên sở kết thu từ chương trình mô phỏng, thực hoá ANN-SVPWM cấu trúc phần cứng dựa DSP tốc độ cao Các DSP sử dụng bảng tra hàm truyền neural tansig, neural purelin lưu trữ ma trận trọng số phân cực mạng neuron có từ chương trình huấn luyện mạng sử dụng Neural Network Toolbox Matlab Mạng neuron dựa DSP thực thuật toán SVM nhanh so với kỹ thuật lập trình DSP thông thường để thực thuật toán SVM Tần số chuyển mạch dễ dàng nâng lên đến 50kHz mạng neuron thực ASIC chip Tuy vậy, ASIC chip chưa đưa vào thương mại cách rộng rãi có giá phù hợp thị trường để thực điều khiển ANN-SVPWM cách kinh tế Ngoài ra, mở rộng đề tài để xây dựng điều khiển ANNSVPWM cho nghịch lưu áp ba bậc Bộ nghịch lưu áp ba bậc có số lượng lớn trạng thái chuyển mạch so với nghịch lưu áp hai bậc, thuật toán SVM thực phức tạp Trong điều kiện này, việc thực mạng neuron để đơn giản hóa thuật toán cấu hình điều khiển đồng thời nâng cao tần số điều chế phù hợp Học viên: Nguyễn Xuân Nguyên - 88 - TÀI LIỆU THAM KHẢO [1] Phan Quoc Dzung, Le Minh Phuong, Nguyen Van Nho, “A New Artificial Neural Network Space Vector PWM Controller for Voltage Source Inverter”, International Symposium on Electrical-Electronics Engineering-ISEE 2005, HCM City, 2005 [2] N.V.Nho, M J Youn, “Two-mode overmodulation in two level VSI using principle control between limit trajectories”, CD-ROM Proc.PEDS 2003, pp.1274-1279 [3] J.O.P.Pinto, B.K.Bose, L.E.B.Silva, M.P.KarmierKowski, “A Neural Network Based Space Vector PWM Controller for Voltage–Fed Inverter Induction Motor Drive”, IEEE Trans on Ind Appl., Vol.36, no.6, November/December2000 [4] Peter Vas, “Artificial Intelligence Based Electrical Machines and Drives”, Oxford University Press, 1999 [5] Peter Vas,”Sensorless Vector and Direct Torque Control”, Oxford University Press, 1998 [6] Andrzej M.Trzynadlowski, “The Field Orientation Principle in Control of Induction Motor”, Kluwer Academic Publishers, Boston/ Dordrecht/ London, 1994 [7] J Holtz, W Lotzkat, M Khambadkone, “On continuous control of PWM inverters in the overmodulation range includingthe six-step mode”, IEEE Trans Power Electron , vol.8, pp.546-553, Oct 1993 [8] S.K.Mondal, J.O.P.Pinto, B.K.Bose, “A Neural-Network Based Space Vector PWM Controller For A Three-Level Voltage-Fed Inverter Induction Motor Drive”, IEEE Trans.Ind.Appl., Vol.38, no.3, May/ June 2002 [9] Phan Quoc Dzung, Le Minh Phuong, Pham Quang Vinh, Nguyen Van Nho, and Dao Minh Hien, “The Development of Artificial Neural Network Space Vector PWM and Diagnostic Controller for Voltage Source Inverter”, 2006 IEEE - 89 - Power India Conference, Delhi, India, 2006 [10] Phan Quốc Dũng, Nguyễn Minh Hoàng, Phạm Quang Vinh, Đỗ Nguyên Hưng, “ Nghiên Cứu Các Phương Pháp Điều Khiển Động Cơ Không Đồng Bộ Ứng Dụng Mạng Nơron Logic Mờ”, Báo cáo tổng kết đề tài KH-CN cấp Bộ B2002-20-32, Trường Đại Học Bách Khoa, 2005 [11] Mustafa Mohamadian, Ed Nowicki, Farhad Ashrafzaded, Alfred Chu, Rishi Sachdeva, and Ed Evanik, “ A Novel Neural Network Controller and Its Efficient DSP Implementation for Vector-Controlled Induction Motor Drives”, IEEE Trans On Ind Appl., vol.39, no 6, 2003 [12] B.K.Boss, “ Modern Power Electronics and AC Drives”, Upper Saddle River, Prentice Hall, 2002 [13] Chee-Mun Ong,” Dynamic Simulation of Electric Machinery using Matlab / Simulink”, Prentice Hall, 1998 [14] Nguyễn Văn Nhờ, “ Điện Tử Công Suất 1”, Nhà xuất Đại Học Quốc Gia TP Hồ Chí Minh, 2002 [15] Phan Quốc Dũng, Tô Hữu Phúc, “ Truyền Động Điện”, Nhà xuất Đại Học Quốc Gia TP Hồ Chí Minh, 2002 [16] Nguyễn Phùng Quang, Andreas Dittrich, “ Truyền Động Điện Thông Minh”, Nhà Xuất Bản Khoa Học Kỹ Thuật, 2004 [17] Nguyễn Hoàng Phương, Bùi Công Cường, Nguyễn Doãn Phước, Phan Xuân Minh, Chu Văn Hỷ, “ Hệ Mờ Ứng Dụng, Phần 4: Mạng Neuron”, Nhà Xuất Bản Khoa Học Kỹ Thuật,1998 [18] Nguyễn Đình Thúc, “ Trí Tuệ Nhân Tạo – Mạng Neuron Phương Pháp Ứng Dụng”, Nhà Xuất Bản Giáo Dục, 2000 [19] Nguyễn Phùng Quang, “ Matlab & Simulink”, Nhà Xuất Bản Khoa Học Kỹ Thuật, 2004 TÓM TẮT LÝ LỊCH TRÍCH NGANG Họ tên: NGUYỄN XUÂN NGUYÊN Phái: Nam Ngày sinh: 18-08-1977 Nơi sinh: DacLac Địa liên lạc: Cơ quan : Khoa Lưới Điện, Trường Cao Đẳng Điện Lực Tp HCM Số 434 Hà Huy Giáp, P Thạnh Lộc, Q 12, Tp Hồ Chí Minh Điện thoại: 08-8919013 Số di động: 0985430802 QUÁ TRÌNH ĐÀO TẠO Năm 1995-2000: Học Đại Học Đại Học Bách Khoa Tp Hồ Chí Minh, Khoa Điện-Điện Tử Năm 2004-2006: Học Cao Học Đại Học Bách Khoa Tp Hồ Chí Minh, Ngành Kỹ Thuật điện QUÁ TRÌNH CÔNG TÁC Từ tháng 04 năm 2002 đến : Giảng Viên Khoa Lưới Điện Trường Cao Đẳng Điện Lực Tp HCM ... TÀI: ỨNG DỤNG MẠNG TRÍ TUỆ NHÂN TẠO ĐIỀU KHIỂN BỘ NGHỊCH LƯU ÁP II- NHIỆM VỤ VÀ NỘI DUNG: Tổng quan kỹ thuật điều chế vector không gian Kỹ thuật điều chế vector không gian dựa mạng neuron nhân tạo. .. thống điều khiển công nghiệp cần thiết Góp phần cải thiện chất lượng điều khiển nghịch lưu, luận văn nghiên cứu ứng dụng mạng neuron nhân tạo vào điều chế vector không gian cho nghịch lưu áp Đề... 2.1 Bộ nghịch lưu áp 2.2 Điều chế độ rộng xung vector không gian 2.3 Quá điều chế nghịch lưu áp hai bậc 11 Chương KỸ THUẬT ĐIỀU CHẾ VECTOR KHÔNG GIAN DỰA TRÊN MẠNG NEURON NHÂN TẠO 21 3.1 Mạng