6. Cấu trúc luận văn
3.4.1 Nguyên lý nhận dạng điện trở rotor và stator:
3.4.1.1 Nguyên lý của bộ nhận dạng điện trở rotor:
Nhận dạng điện trở rotor dựa vào mô hình dòng điện và điện áp stator trên trục tọa độ dq. Theo [7], [12], [13], dòng điện và điện áp stator trên trục tọa độ dq được tính như sau:
• Phương trình dòng điện và điện áp stator:
• Phương trình dòng điện stator và tốc độ rotor:
Trong đó:
, : Từ thông rotor theo mô hình điện áp trên trục tọa độ dq
, : Từ thông rotor theo mô hình dòng điện trên trục tọa độ dq
Phương trình (3.39) được tính như sau:
Với:
, : Từ thông rotor theo mô hình dòng điện và điện áp
Dữ liệu mẫu của mạng nơron theo phương trình (3.41) được tính như sau:
Với:
: Từ thông rotor khi dùng mạng nơron
Các trọng số của mạng nơron Thay vào phương trình (3.43) ta được:
Hình 3.10. Mạng nơron truyền thẳng hai lớp
Trong đó: Các ngõ vào:
Lỗi sai lệch giữa từ thông dòng điện và điện áp được tính như sau:
Sử dụng phương pháp gradient descent. Ta có:
)
Sử dụng giải thuật lan truyền ngược, từ đó ta tính được:
Dựa vào mô hình dòng điện và điện áp stator trên hệ tọa độ dq như đã phân tích ở trên, ta xây dựng mô hình nhận dạng điện trở Rr với các ngõ vào và ra như hình (3.11)
Hình 3.11: Bộ nhận dạng điện trở rotor sử dụng mạng noron
3.4.1.2 Nguyên lý của bộ nhận dạng điện trở stator
Theo [14] ta có:
Vậy :
(3.51)
Do đó:
Hình 3.12. Mạng nơron truyền thẳng hai lớp nhận dạng Rs
Dựa vào mô hình dòng điện và điện áp stator trên hệ tọa độ dq như đã phân tích ở trên, ta xây dựng mô hình nhận dạng điện trở Rs với các ngõ vào và ra như hình (3.13)
Hình 3.13: Bộ nhận dạng điện trở stator sử dụng mạng noron
3.4.1.3. Cấu trúc mạng noron
Cấu trúc mạng noron cho bộ phận nhận dạng điện trở rotor như hình vẽ 3.11. Mạng noron là loại nhiều lớp dạng (feed-forward backsprop), với 2 lớp
trong đó lớp có 1 lớp vào và 1 lớp ra , lớp vào có 2 noron tươn ứng với số tín hiệu đầu vào là và I và lớp ra có 1 noron tương ứng với điện trở rotor đầu ra (Rr). Lớp noron đầu vào chọn hàm truyền loại “TANSIG” còn lớp ra loại “PURELIN”.
Cấu trúc mạng noron cho bộ phận nhận dạng điện trở stator như hình vẽ 3.13. Mạng noron là loại nhiều lớp dạng (feed-forward backsprop), với 2 lớp trong đó lớp có 1 lớp vào và 1 lớp ra , lớp vào có 3 noron tươn ứng với số tín hiệu đầu vào là , U và lớp ra có 1 noron tương ứng với điện trở stator đầu ra (Rs). Lớp noron đầu vào chọn hàm truyền loại “TANSIG” còn lớp ra loại “PURELIN”.
Lệnh luyện mạng: UU = D';
DD = C';
myNet = newff(minmax(DD),[20,1],{'tansig''purelin'}, 'trainlm') myNet.trainParam.epochs=800;
myNet.trainParam.goal=1e-8;
net.trainParam.mem_reduc = 1; %Factor to use for memory/speed trade off.
myNet = train(myNet,DD,UU); gensim(myNet,0.0001);
3.4.1.4. Quy trình luyện mạng
Quy trình luyện mạng noron nhận dạng điện trở rotor của động cơ không đồng bộ rotor lồng sóc như sau:
- Chạy mô phỏng hệ thống truyền động động cơ không đồng bộ 3 pha bằng Maltlab/Simulink.
- Tạo ra tệp dữ liệu vào /ra đối với các điều kiện làm việc khác nhau của hệ thống, dữ liệu đầu vào phụ thuộc vào sai số của tốc độ và dòng điện tương ứng với giá trị đặt của điện trở Rr trong bộ điều khiển
- Chuyển tệp dữ liệu sang dạng ma trận thích hợp, lưu trữ dữ liệu và cung cấp để luyện mạng noron
- Ẩn định trọng số ngẫu nhiên ban đầu cho mạng
- Chọn cặp dữ liệu vào ra tương ứng từ tệp dữ liệu. Khi có tệp dữ liệu vào tính toán đầu ra của mạng, so sánh với đầu ra mong muốn và nhận được tệp sai số.
- Lặp lại các bước trên với mỗi cặp dữ liệu vào ra cho đến khi sai số bình phương trung bình thỏa mãn giá trị đặt
- Sau khi huấn luyện hoàn thành thử hoạt động của mạng với tệp dữ liệu vào tùy ý và kiểm tra bảo đảm huấn luyện mạng thành công.
3.4.2. Xây dựng mô hình động cơ không đồng bộ rotor lồng sóc 3.4.2.1 Các thông số định mức của động cơ
Bảng thông số động cơ KĐB
Thông số Ký hiệu Giá trị Đơn vị
Công suất động cơ P 1.5 kW
Tần số F 50 Hz Điện trở mạch rotor 3.805 Điện cảm mạch rotor 0.274 H Điện trở mạch stator 4.85 Điện cảm mạch stator 0.274 H Hỗ cảm 0.258 H Số đôi cực 2 Mômen quán tính J 0.00031 kg Tốc độ định mức 1420 Rpm Điện áp 220/380 V Dòng điện 11.25/6.5 A
3.4.2.2. Mô hình động cơ KĐB
Để thành lập mô hình động cơ KĐB ta dựa vào các phương trình (3.21), (3.28) và (3.29) trong hệ tọa độ dq.
Đặt các giá trị liên quan: SS=1-Lm*Lm/(Ls*Lr);
Trong đó ss= : là hệ số tiêu tán tổng
a1=1/(SS*Ls)+(1-SS)/(SS*Lr); a2=(1-SS)/(SS*Lr); a3=(1-SS)/SS; a4=1/(SS*Ls); a5=1/tr; a6=3* *Lm*Lm/(2*Lr); a7= /J.
3.4.3. Các sơ đồ mô phỏng trên Malab – Simulink
3.4.3.1. Sơ đồ mô phỏng động cơ KĐB
Hình 3.15. Mô hình động cơ khi sử dụng mô hình con
3.4.3.2 Sơ đồ cấu trúc mạng noron nhận dạng điện trở rotor và stator
Hình 3.16. Cấu trúc mạng nơ ron nhận dạng điện trở rotor và stator của động cơ dị bộ
a) Mạng nơ ron 2 lớp; b) Lớp vào của mạng nơ ron;c) Lớp ra của mạng nơ ron
Hình 3.17. Quá trình đào tạo, hồi quy tín hiệu ra và đích của Rr
3.4.4. Kết quả mô phỏng
3.4.4.1. Kết quả mô phỏng động cơ
Sau khi tiến hành mô phỏng động cơ trên Malab – simulink ta thu được kết quả như sau:
Hình 3.20. Đặc tính tốc độ động cơ KĐB
Hình 3.22. Đặc tính dòng điện động cơ KĐB
Nhận xét:
- Các đặc tính tốc độ, momen, từ thông và dòng điện đã chỉ ra rằng hệ thống đã đáp ứng được yêu cầu đặt ra của hệ truyền động điện, phù hợp với giả định ban đầu
- Thời gian đáp ứng nhanh, tại thời điểm ban đầu khi đóng tải vào đặc tính từ thông và tốc độ bị dao động sau đó dần đạt giá trị ổn định.
3.4.4.2. Kết quả mô phỏng nhận dạng Rs
Sau khi sử dụng bộ nhận dạng điện trở stator như trình bày ở trên ta thu được kết quả trên Malab – Simulinks với 3 đầu vào Rs = 4.805; Rs=6.03; Rs=3.88 như sau:
Hình 3.23. Đặc tính điện trở stator được nhận dạng sử dụng mạng noron ứng với giá trị Rs= 6.03
Hình 3.24. Đặc tính điện trở stator được nhận dạng sử dụng mạng noron ứng với giá trị Rs= 4.85
Hình 3.25. Đặc tính điện trở stator được nhận dạng sử dụng mạng noron ứng với giá trị Rs= 3.88
Nhận xét:
- Đặt các giá trị điện trở stator trong bộ điều khiển của các động cơ khác nhau ta thu được giá trị từ thông, momen và tốc độ khác nhau
- Giá trị điện trở stator được nhận dạng nhờ mạng đã bám giá trị điện trở thực stator của động cơ.
3.4.4.3. Kết quả mô phỏng nhận dạng Rr
Sau khi sử dụng bộ nhận dạng điện trở rotor như trình bày ở trên ta thu được kết quả trên Malab – Simulinks với 3 đầu vào Rr = 3.805; Rr=6.085; Rr=1.87 như sau:
Hình 3.26. Đặc tính điện trở rotor được nhận dạng sử dụng mạng noron ứng với giá trị Rr= 6.085
Hình 3.27. Đặc tính điện trở rotor được nhận dạng sử dụng mạng noron ứng với giá trị Rr= 3.805
Hình 3.28. Đặc tính điện trở rotor được nhận dạng sử dụng mạng noron ứng với giá trị Rr= 1.87
Nhận xét:
- Khi thay đổi các giá trị điện trở rotor trong mô hình động cơ ta thu được giá trị từ thông, momen và tốc độ khác nhau
- Giá trị điện trở rotor được nhận dạng nhờ mạng noron đã bám giá trị điện trở thực rotor của động cơ khi hệ thống ở chế độ ổn định.
3.4.5. Đánh giá kết quả
Qua kết quả mô phỏng đã chỉ ra rằng sự phản ứng nhanh, chính xác và sự nhạy cảm của bộ nhận dạng điện trở rotor và stator của động cơ dị bộ sử dụng mạng noron. Với thiết kế đơn giản, nhạy cảm với sự thay đổi của các thông số là ưu điểm của bộ nhận dạng điện trở rotor va stator sử dụng mạng noron được đề xuất.
KẾT LUẬN
Bản luận văn tập trung đi sâu nghiên cứu, thiết kế và mô phỏng trên máy tính hệ thống truyền động điện động cơ dị bộ với bộ nhận dạng tham số ứng dụng mạng noron nhân tạo. Bộ nhận dạng nhanh chính xác điện trở rotor và stator động cơ. Qua việc phân tích đánh giá thực nghiệm trên mô hình ta thu được kết quả như sau:
- Nghiên cứu, phân tích các phương pháp nhận dạng tham số động cơ KĐB và xây dựng thành công động cơ KĐB với bộ phận nhận dạng tham sô ứng dụng mạng noron nhân tạo
- Đề xuất bộ nhận dạng tham số ứng dụng mạng noron nhân tạo cho phép nhận dạng nhanh, chính xác và nhạy cảm với sự thay đổi thông số của đối tượng
- Bộ nhận dạng tham số ứng dụng mạng noron nhân tạo cho phép sự biến thiên trong dải rộng của tín hiệu đầu vào mà vẫn đáp ứng được sai số cho phép của đầu ra
- Mạng noron đã xử lý vấn đề phi tuyến và nhiễu đầu vào tốt hơn so với các bộ nhận dạng thông thường khi thay đổi các điểm làm việc của hệ thống - Phương pháp xây dựng bộ nhận dạng ứng dụng mạng noron nhân tạo tương đối đơn giản khi tốc độ xử lý của máy tính ngày càng cao
Tuy nhiên đề tài vẫn còn tồn tại một số hạn chế như sau: - Bỏ qua một số hiện tượng bão hòa trong động cơ dị bộ
- Đơn giản hóa một số phương trình của hệ thống, bỏ qua sự ảnh hưởng của điện cảm rotor tới hằng số thời gian rotor
- Xác định chính xác hàm truyền của lớp vào, ra của mạng noron và thuật toán luyện mạng, trọng số ban đầu, đây là vấn đề phức tạp mà đòi hỏi tốn nhiều công sức mà trong luận văn này chưa đáp ứng được
- Nhận dạng tham số động cơ ứng dụng mạng noron luyện mạng trực tuyến
- Xác định hàm truyền của lớp vào, ra của mạng noron và thuật toán luyện mạng, trọng số ban đầu phù hợp để bộ nhận dạng hoạt động tối ưu và hiệu quả nhất.
TÀI LIỆU THAM KHẢO
1. Bùi Quốc Khánh, Phạm Quốc Hải, Nguyễn Văn Liễn, Dương Văn Nghi (2007), “Điều chỉnh tự động truyền động điện”, NXB khoa học và kỹ thuật.
2. Bùi Quốc Khánh, Phạm Quốc Hải, Nguyễn Văn Liễn, Dương Văn Nghi (2008), “Điều chỉnh truyền động điện”, NXB khoa học và kỹ thuật.
3. Nguyễn Doãn Phước (2007), “Lý thuyết điều khiển nâng cao”, NXB khoa học và kỹ thuật.
4. Nguyễn Phùng Quang (2006), “Truyền động điện thông minh”, NXB khoa học và kỹ thuật.
5. Nguyễn Phùng Quang (2008), “Matlab – Simulink dành cho kỹ sư tự động hóa”, NXB khoa học và kỹ thuật.
6. Nguyễn Mạnh Tiến (2004), “Hệ thống điều khiển vecto động cơ không đồng bộ”, Tạp chí khoa học và công nghệ 4, Đại học bách khoa Hà Nội.
7. Thân Ngọc Hoàn (2002),”Mô phỏng hệ thốngđiện tử công suất và truyền động điện”,NXB Xây dựng, Hà Nội
8. Huỳnh Thái Hoàng (2006),”Hệ thống điều khiển thông minh”,NXB Đại học Quốc Gia, TP Hồ Chí Minh
9. Phạm Văn Hiền(2003),”Nghiên cứu ứng dụng mạng noronđiều khiển hệ có nhiều chuyển động thành phần”, Luận án tiến sĩ kỹ thuật, Đại học Bách Khoa Hà Nôi
10. Lê Minh Trung,Trương Văn Thiện(1999),”Mạng Noron nhân tạo”,NXB Thống Kê, Hà Nội
11. Nguyễn Đình Thúc(2000),”Trí tuệ nhân tạo-Mạng noron- Phương pháp và ứng dụng”NXB Giáo dục, Hà Nội
12. Trần Thọ, Võ Quang Lạp (2004),”Cơ sở điều khiển tự động truyền động điên”,NXB Khoa học và kỹ thuật, Hà Nội.
13. Nguyễn Doãn Phước, Phan Xuân Minh (2001), ”Nhận dạng hệ thống điều khiển”.Nhà xuất bản Khoa học và kỹ thuật. Hà Nội.
14. Baburaj Karanayil, Muhammed Fazlur Rahman and Colin Grantham (2008) “Induction Motor Parameter Determination Technique using Artificial Neural Networks”