Professional Documents
Culture Documents
Metode Estimacije Brzine Vrtnje U Pogonima S AM PDF
Metode Estimacije Brzine Vrtnje U Pogonima S AM PDF
Metode Estimacije Brzine Vrtnje U Pogonima S AM PDF
razlicitim estimatorima
baziranim na MRAS modelu [3][5], MRAS estimator baziran na struji statora ima najbolje karakteristike te c e isti bit analiziran dalje u radu.
I. U VOD
Ima mnogo prednosti u elektromotornim pogonima bez mjernog c lana. Neke od tih prednosti
koje treba istaknuti su: manja cijena samog pogona,
nema mjernog c lana brzine vrtnje rotora, pogoni
koji zauzimaju manje prostora. Stoga je ovakva vrsta pogona jako popularna u mnogim industrijskim
granama. U dananjoj literaturi koja se bavi ovom
problematikom, estimatori i osjetljivost estimatora
na pogonske parametre su najvie spominjane teme.
Estimatori brzine i toka trebaju biti stabilni neovisno o opterecenju i brzini. U ovom radu analizirati
c e se ovi estimatori: observer u kliznom modu
(SMO)[2], observer sa referentnim modelom i adaptivnim sistemom (MRAS)[3][5], observer statorskog
toka i brzine (SFSO)[2] te observer dualnog moda
(DM)[2].
Estimatori toka i brzine testirani su pomocu sustava upraljavljanja motora preko poteznog momenta
(engl. Direct torque control structure, DTC). Estimatori spomenuti u ovome radu testirani su na
osjetljivost pri malim brzinama vrtnje rotora i prilikom promjene opterecenja na elektromotorni pogon.
Lr
dis
d u
r =
(us Rs is Ls )
dt
Lm
dt
(1)
i
i
TN r =
(Lm is r ) + jm r
dt
Lr
(2)
d
s = us Rs is
dt
(3)
TN
(4)
(8)
d
s = us Rs is kAB (is is )
dt
1
Lm
r )
is =
(s
Ls
Lr
(9)
Lm
(6)
Lm Rr
r =
r is r is
Lr |r2 |
(7)
d
Rs
TN s =
dt
Ls
is
r = ri
a1
(12)
Gdje je :
a1 =
Lm
Lr
; a2 =
; w = Ls Lr
w
w
(13)
Ovaj nacin estimiranja brzine kod asinkronih moIz izraza (12) i (13) je vidljivo da je glavni nedostora je ovisan o promjenama parametara motora.
Estimirana brzina mora se filtrirati prije upotrebe u tatak algebarska petlja koju dobijemo iz korelacije
upravljackom sustavu zbog diferencijacije koritene vektora statorskog i rotorskog toka [2]. Algebarska
u izrazu (6).
petlja c ini ovakvu vrstu estimatora nestabilnom.
Rr
Lm Rr
dr
TN
= r +
is +j m r Cr (14)
dt
Lr
Lr
Struja statora se moe estimirat preko izraza:
!
Rr L2m
Lm Rr
us rs is L2 is + L2 r
r
r
j LLmr m r LLmr r
(15)
Brzina rotora m je dana sa:
1
dis
=
TN
dt
Ls
m = 0 signs
(16)
d
s = us Rs is + K1 v
dt
(20)
Lr
rs =
(s Ls is )
Lm
(21)
1
is =
Ls
L
m
s
r
Lr
(22)
r je izraen u x y sustavu:
Tok rotora rx
TN
Lm Rr r
Rr r
d r
rx =
sx
rx + K2 v x r
dt
Ls Lr
Lr
(23)
gdje je:
a varijabla sa:
= 0 signs
(17)
1
v = sign(s), s = (is is )(kp + k1 )
p
(24)
is )r
s = (is is )(r (is
is )r + (is is )r
s = (is
(19)
s
r
= arctg( s )
r
(25)
Prema rezultatiam simulacija koje moemo vidjeti na slici 10. SFSO i estimator DM su vie
osjetljivi na promjene otpora od SMO i MRAS.
Prilikom testa opterecenje na osovini se mjenjalo od
V. Z AKLJU CAK
nule do nominalne vrijednosti. Tri parametra motora
su se mjenjala: Rs , Rr iLm . Mijenjanje tih parametra
U radu je pokazan nacin dobivanja najcice koje namjerno napravljeno, jer se ti parametri mjenjaju ritenih estimacijskih modela danas. Prikazana je
prilikom zagrijavanja motora. Paralelna usporedba osjetljivost pojedinih estimatora na promjene paraestimatora je prikazana u tablici 2.
metara motora. Sve metode rade stabilno za male
promjene parametara motora. SMO i MRAS estimatori brzine i toka su se pokazali najboljima
prilikom vecih promjena parametara motora. MRAS
estimator radi stabilno i prilikom male brzina rotora.
MRAS je trenutno najbolji model izrade esimatora
za DTC upravljacku metodu i za industrijske primjene. Daljnje istraivanje je moguce u reimima
malih brzina gdje greka raste, gdje se i MRAS
estimatori ponaaju nestabilno. Istraivanje bi se razvijalo u primjeni Kalmanovog filtra kao estimatora
brzine pri malim brzinama jer ima mogucnost filtriranja smetnji koje su pri malim brzinama jednake ili
vece od signala koji se koristi za estimaciju brzine.
L ITERATURA
[1] p. Quoc Dzung, Le Minh Phoung, Le Dinh Khoa, Trunog Phunoc
Hoa "A new Aproach for motor speed estimaor using ANN based
on FPGA" Ho Chi Min university, Vietnam, 2009.
[2] T. Kowalska, G. Tarchala, M. Dybkowski "Analysis of the
chosen speed and flux estimator for sensorless induction motor
drive",Wrlocaw University of Technology, Poland 2011.
[3] T. Kowalska, "Stator-current-Based MRAS Estimator for a wide
range speed-sensorless induction-motor drive", Poland 2010.
[4] F. Kolonic "Lectures: Vector control of a induction drive",
Croatia 2009.
[5] Mustapha Messaoudi, Habib Kraiem, Mouna Ben Hamed, Lassaad Sbita and Mohamed Naceur "A robust sensorless direct
torque control of Induction motor based on MRAS and extended
Kalman filter", Tunisia 2011.