С хорошими идеями и при соответствующих исследованиях
можно улучшить технологии, которые существуют уже вокруг нас. Удаление маленькой
детали из машины может повысить надежность и устойчивость, и в то же время
предоставить машине более конкурентоспособную цену. Три качества, которые
определяют успех двигателя на рынке.
Большинство машин, которые мы видим сегодня вокруг нас это так называемые
асинхронные машины, также известные как асинхронные двигатели. Они работают как
на высоком так и на низком напряжении и поэтому подходят для широкого спектра
промышленных применений. Они наиболее популярны, потому что состоят из дешевой и
простой конструкции, и мы видим асинхронные электродвигатели в стиральных
машинах и пищевой промышленности, а также в электромобилях.
Асинхронный двигатель состоит из электромеханической системы, в которой
необходимо контролировать различные параметры, такие как, например, ток,
напряжение и скорость. Наиболее распространенным способом для этого является
использование метода векторного управления. Этот метод зависит от фактического
вращения ротора, а также датчика скорости необходимо для того, чтобы измерить
скорость. Датчик скорости расположен на валу ротора машины (см. Рисунок 1) и
служит, как уже упоминалось в начале, для устойчивости и надежности машины.
Рисунок 1. Две части асинхронного двигателя: внутренняя часть – ротор, внешняя
статор.
Детали и запчасти для поддерживания работы датчиков скорости
в хорошем состоянии, дорого обходятся, и мы представим тут один из многих
методов, который сможет сделать возможным производство асинхронных
электродвигателей без датчиков скорости. Таким образом, чтобы иметь возможность
произвести, необходимо найти способ, чтобы можно было вычислить или оценить
скорость двигателя в любой момент.
Бессенсорный контроль
Следовательно, это открыло новые интересные области для научных исследований и в
течение последних нескольких лет различные решения достигают рынка. Нейронные
сети, искусственный интеллект и датчик контроля, названия, которые кажутся
знакомыми. Последнее представляет метод, который состоит, как указано по
названию, из различных способов управления асинхронным двигателем без датчика
скорости. Хотя асинхронный двигатель является дешевым и простым в производстве,
это не важно, когда речь заходит о математике. Машина представляет нелинейную
модель с неизвестными внешними источниками, которая представляют сложность
датчиков контроля из-за теоретических проблем.
Решение с помощью фильтров?
Одним из результатов всех исследований, который был достигнут в этой области,
является докторская диссертация написана Хайме Антонио Гонсалес Кастельянос. В
данной работе автор представляет решение датчиков контроля, в связи с
использованием сочетание двух фильтров для оценки скорости ротора. Здесь
расширенная версия известного фильтра Калмана, используется совместно с
квадратичным фильтром, который построен для того, чтобы оценить так называемый
шум матрицы ковариации. Эти матрицы, необходимые для расчета фильтра Калмана.
Фильтр Калмана известен своей эффективностью и надежностью оценки скорости. Его
производство очень сложное, но его целью является вычисление оптимальной оценки.
Для того, чтобы сделать это фильтр нужным для определенной информации. Он
нуждается в базовом знании параметров системы и в его значении матрицы как
сказано выше - шум матрицы ковариации. Здесь второй фильтр, фильтр квадратичной,
приходит в изображение. Он построен на основе первого фильтра, фильтр Калмана, и
его одна простая задача - добиться оптимального значения неизвестной
ковариационной матрицы шума и возвращения её в фильтр Калмана.
Идея моделирования
Алгоритмы двух фильтров были написаны как код в программе Matlab, чтобы увидеть,
как они работают вместе. Позднее этот код был внедрен в инструмент
моделирования. В этом инструменте моделирования можно позволить действовать коду
Matlab вместе с фактическим асинхронным двигателем.
Рисунок 2 Комплексная модель
Simulink. Фильтры носят название "оценка", а асинхронный двигатель с векторным
контрольным управлением состоит из остальных блоков.
Оценка частоты вращения ротора было сделана по аналогии с методом, используемым
в докторской диссертации, упомянутой выше. Впрочем, для того, чтобы исследовать
еще один шаг, необходимо сделать всю работу системы в полностью замкнутой
системы. Или, другими словами, сравнить частоту вращения ротора "Ом", с фильтром
оценкой "омега".
В связи с этим интересным параметром в данной установке частота вращения ротора,
носит название "омега". Моделирование было сделано в Simulink для того, чтобы
изучить его поведение и сравнить с желаемым исходной величиной.
Сложная система
К сожалению, результаты были не так хороши, как можно было надеяться. Начало
казалось перспективным, но через некоторое время оценки ротора, "омега", начали
расти в бесконечность. Это характерный признак нестабильности и, вероятно,
зависит от сложности системы. Алгоритмы содержат много сложных и крупных
расчетов, что затрудняет контроль исполнению фильтров.
Но вся эта работа стоит этих усилий! Есть много вещей, над которыми интересно
продолжать работать и не только с программой, представленной здесь, но и с
альтернативными решениями, чтобы реализовать и развить эту идею. Может быть, это
возможно, например, с использованием другого набора фильтров, которые имеют
более простую конструкцию. Или переписать формулы в этом расчетё, чтобы избежать
более сложных вычислений.
Литература
Alaküla M., (2001) Power electronic control, Lund’s university, Lund
Alaküla M., Gertmar L., Samuelsson O.(2002) Elenergiteknik, KFS, Lund
Dee D. P., (1983) Computational aspects of adaptive filtering and applications
to numerical weather prediction, Doctoral thesis CI-6-83, Courant institute of
mathematics, New York university, New York Gonzalez Castellanos J. A., (2004)
Estimação de velocidade do motor com controle vetorial sem sensor, utilizando
filtro estendido de Kalman com estimação da covariância dos ruídos, Doctoral
thesis (5716), PUC-Rio, Rio de Janeiro
Hanselman D., Littlefield B., (2003) MATLAB 6® - Curso completo, Pearson
Education Inc., São Paulo. (Brazilian version) Internet sources
Montanari M. (2003) "Sensorless Control of Induction Motors: Nonlinear and
Adaptive Techniques", found on http://www-lar.deis.unibo.it/woda/spider/af74.htm,
28 feb 2006
Wikipedia – the free encyclopedia, http://en.wikipedia.org/wiki/Electric_motor,
23/1 2007
