Mẫu động cơ cho bộ lọc Kalman thời gian rời rạc mở rộng

Một phần của tài liệu Sử dụng bộ lọc Kalman nâng cao chất lượng động cơ bước (Trang 30 - 33)

Trong việc điều khiển máy AC-DC điều khiển đầu dò tốc độ cao như máy phát điện, hoặc các bộ mã hóa kỹ thuật số được sử dụng để có được thông tin tốc độ. Sử dụng các cảm biến tốc độ có một số nhược điểm.

- Thường chúng đắt tiền

- Các cảm biến tốc độ và các dây dẫn tương ứng sẽ mất không gian

- Trong môi trường bị lỗi, cảm biến tốc độ làm giảm độ tin cậy của hệ thống.

Các cảm biến dẫn đến là làm giảm độ tin cậy của hệ thống và làm giảm lợi thế của một hệ thống điều chỉnh động cơ. Điều này đã dẫn đến sử dụng các phương pháp điều khiển không dùng cảm biến. Mặt khác, tránh các cảm biến có nghĩa là sử dụng các thuật toán bổ sung và các tính toán phức tạp gia tăng đòi hỏi phải có bộ vi xử lý tốc độ cao trong ứng dụng thời gian thực. Ngày nay bộ xử lý tín hiệu kỹ thuật số đã trở thành rẻ hơn, và hiệu suất của nó lớn hơn, như một giải pháp nhằm tăng tính hiệu quả và giảm chi phí. Một số phương pháp hoàn toàn số hóa tương đối mới, được sử dụng đo tốc độ không dùng cảm biến trong lĩnh vực điều khiển. Hệ thống kiểm soát vector truyền thống sử dụng các

phương pháp ước tính thông lượng và độ trượt dựa trên các phép đo của dòng điện pha hoặc chuyển đổi qua điện áp DC, nhưng điều này có một lỗi lớn trong tính toán tốc độ, đặc biệt là trong phạm vi tốc độ thấp. Có hai hình thức thực hiện một tính toán dùng vòng lặp mở và vòng lặp đóng.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

31

Sự khác biệt giữa hai vấn đề trên là một khái niện đúng, liên quan đến các lỗi tính toán, được sử dụng để điều chỉnh đáp ứng của các tính toán. Một tính toán vòng khép kín được gọi là một nhận xét. Sự nhận xét có thể được phân loại theo các loại đại diện được sử dụng là nhận xét xác định và nhận xét ngẫu nhiên. Các nhận xét Luenberger là loại xác định và các bộ lọc Kalman là loại ngẫu nhiên. Bộ lọc Kalman là áp dụng cho các hệ thống ngẫu nhiên tuyến tính , và cho các hệ thống phi tuyến tính có thể được sử dụng các bộ lọc Kalman mở rộng, có thể cung cấp các ước tính của các trạng thái của một hệ thống hoặc của cả hai trạng thái và các thông số. EKF là một bộ lọc đệ quy (dựa trên kiến thức của các số liệu thống kê của trạng thái và nhiễu tạo ra bởi hệ thống đo lường và mô hình hóa), mà có thể được được áp dụng cho hệ thống phi tuyến tính ngẫu nhiên khác nhau. Các nhận xét Luenberger cơ bản là áp dụng cho tuyến tính, hệ thống bất biến thời gian xác định. Các nhận xét Luenberger mở rộng áp dụng hệ thống phi tuyến thời gian xác định khác nhau. Tóm lại, có thể nhận thấy rằng cả hai EKF và ELO là ước lượng phi tuyến. EKF là áp dụng cho các hệ thống ngẫu nhiên và ELO được áp dụng cho các hệ thống xác định. Các thuật toán đơn giản và dễ dàng điều chỉnh của ELO có thể cung cấp cho một số ưu điểm hơn EKF. Ở đây chọn sử dụng bộ lọc Kalman thời gian rời rạc mở rộng cho hệ thống không dùng cảm biến, việc ước tính tốc độ bằng cách sử dụng đo lường các trạng thái đo lường hiện tại. Mô hình động cơ bước của Jacobians được mô tả như sau:

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

32

( Mẫu rời rạc của ma trận A)

Các phương trình cập nhật thời gian như sau:

Phương trình đo cập nhật như sau :

Sử dụng mô hình Jacobian ở trên đã đề cập để tìm cập nhật thời gian và phương trình đo lường cập nhật trong MATLAB. Sử dụng mà chúng tôi đưa ra với giá trị trạng thái ổn định đạt được của Kalman mà chúng ta có thể sử dụng để mã cứng PIC16F877 để ước lượng các trạng thái.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

33

Chƣơng IV: Thiết kế sơ đồ mạch phần cứng dùng vi điều khiển, viết

Một phần của tài liệu Sử dụng bộ lọc Kalman nâng cao chất lượng động cơ bước (Trang 30 - 33)

Tải bản đầy đủ (PDF)

(81 trang)