Đề tài Ứng dụng mạng neural điều khiển tốc độ động cơ không đồng bộ - Nguyễn Thị Bích Mai

p điều khiển:
Điều khiển vô hướng
Điều chế vector không gian
Điều khiển định hướng trường
Điều khiển thông minh
2. Mô hình động cơ không đồng bộ
2.2.Phương trình trạng thái của động cơ không đồng bộ
r
s
rm
s
s
s
r
m
s
rs
s
s
s
s
LiLi
LiLi
+=
+=
ψ
ψ
s
r
s
rs
rr
s
ss
ss
s
s
j
dt
d
iR0
dt
d
iRu
ψω−ψ+=
ψ+= (1)
(2)
(3)
(4) r
f
rm
f
s
f
r
m
f
rs
f
s
f
s
f
rr
f
rf
rr
f
ss
f
sf
ss
f
s
LiLi
LiLi
j
dt
d
iR
j
dt
d
iRu
+=
+=
++=
++=
ψ
ψ
ψωψ
ψωψ
0
(5)
(6)
(7)
(8)
Trên hệ tọa độ stator Trên hệ tọa độ từ thông rotor
2. Mô hình động cơ không đồng bộ
2.3. Mô hình động cơ không đồng bộ trên hệ tọa độ stator
αβααα σωψσ
σψσ
σ
σ
σ
σ ssrrrrsrs
s u
LTT
i
TTdt
di 11111 '' +−+−+⎟⎟⎠
⎞
⎜⎜⎝
⎛ −+−=
ββαβ
β
σψσ
σωψσ
σ
σ
σ
σ ssrrrsrs
s u
LT
i
TTdt
di 11111 '' +−+−−⎟⎟⎠
⎞
⎜⎜⎝
⎛ −+−=
//
/ 11
βαα
α ωψψψ rr
r
s
r
r
T
i
Tdt
d −−=
/
r
r
/
rs
r
/
r
T
i
Tdt
d
βαβ
β ψ−ωψ+=ψ 11
(9)
(10)
(11)
(12)
2. Mô hình động cơ không đồng bộ
2.4. Mô hình động cơ không đồng bộ trên hệ tọa độ từ
thông rotor
( )
( ) '''
''
'
''
''
11
11
11111
11111
rq
r
rdssq
r
rq
rqsrd
r
sd
r
rd
sq
s
rq
r
rdsq
rS
sds
sq
sd
s
rqrd
r
sqssd
rS
sd
T
i
Tdt
d
T
i
Tdt
d
u
LT
i
TT
i
dt
di
u
LT
ii
TTdt
di
ψψωωψ
ψωωψψ
σψσ
σωψσ
σ
σ
σ
σω
σωψσ
σψσ
σωσ
σ
σ
−−−=
−+−=
+−+−−⎟⎟⎠
⎞
⎜⎜⎝
⎛ −+−−=
+−+−++⎟⎟⎠
⎞
⎜⎜⎝
⎛ −+−= (13)
(14)
(15)
(16)
3. Điều khiển định hướng trường
Biến đổi Laplace phương trình (15) và dựa vào
phương trình momen điện từ, ta được:
sd
r
m
rd ipT
L
+= 1ψ
sqrd
r
m
CM iL
Lpm '
2
2
3 ψ=
(17)
(18)
Phương trình (17): sử dụng dòng isd là đại lượng điều
khiển từ thông rotor.
Phương trình (18): sử dụng dòng isq là đại lượng điều
khiển momen quay.
• Từ thông rotor
• Momen điện từ
3. Điều khiển định hướng trường
Xuất phát từ ý tưởng đó, cần ghép hai khối rời rạc
trên qua mạng tính áp MTU
sje υ
sυ
sdu
squ
αsu
βsu
ut
vt
wt
dy
qy
*
sdi
*
sqi
sdiΔ
sqiΔ
sdi sqi
MTU
Để điều chỉnh dòng Isd, Isq, 
sử dụng 2 khâu ĐCid
riêng biệt kiểu PI
Động cơ được điều
khiển bởi biến tần
nguồn áp
3. Điều khiển định hướng trường
Từ đó, xây dựng sơ đồ nguyên lý điều khiển định
hướng trường hoàn chỉnh
ĐCVTKGCTĐu
Umc
sje υ
sυ
sdu
squ
αsu
βsu
ut
vt
wt 3 pha
u v w
3M
ĐCid
ĐCiq
dy
qy
*
sdi
*
sqi
sdiΔ
sqiΔ
sdi sqi
MTu
MTi
3
2
sje υ−
αsi
βsi
sui
svi
k
*ω
ω ω
*
rω sω
Khâu tích 
phân
'*
rdψ
*
Mm
Máy đo tốc 
độ quay
Nguyên lý điều khiển định hướng trường
3. Điều khiển định hướng trường
Kết luận
Nguyên lý điều khiển định hướng trường là 
điều khiển tách rời từ thông và mômen quay 
tương tự như động cơ DC kích từ độc lập
4. Giới thiệu mạng truyền thẳng nhiều lớp
Lớp ngõ ra
Lớp ẩn
Lớp ngõ vào
4.1. Giới thiệu
4. Giới thiệu mạng truyền thẳng nhiều lớp
4.2.Giải thuật lan truyền ngược
Hàm mục tiêu
2))()((
2
1 kykdJ −=
Trong đó: d(k): tín hiệu ra mong muốn
y(k): tín hiệu ra của mạng
Sử dụng phương pháp Steepest Descent để tính
trọng số: 
J.ww w)k()1k( ∇η−=+
T
w w
JJ ⎟⎠
⎞⎜⎝
⎛=∇ δ
δ : Gradient của J
4. Giới thiệu mạng truyền thẳng nhiều lớp
Gradient của J được tính như sau: 
[ ] )(.)()( kxkykd
w
y
y
J
w
JJ
TT
w −−=⎟⎠
⎞⎜⎝
⎛=⎟⎠
⎞⎜⎝
⎛=∇ δ
δ
δ
δ
δ
δ
Trọng số được cập nhật:
[ ] )(.)()(.)()1( kxkykdww kk −+=+ η
W(k)W(K+1) weighW tối ưu
Jmin w
J
δ
δ
w
Jw δ
δη−=Δ
J
5. Ước lượng từ thông sử dụng mạng neural 
5.1.Dữ liệu huấn luyện
Dữ liệu huấn luyện là dòng và áp stator trên
hệ tọa độ từ thông rotor.
Số mẫu là 4000 mẫu, chu kỳ lấy mẫu là 1ms.
0 0.5 1 1.5 2 2.5 3 3.5 4
-500
0
500
U
s
d
(
V
)
0 0.5 1 1.5 2 2.5 3 3.5 4
-500
0
500
U
s
q
(
V
)
Mẫu huấn luyện Usd, Usq
5. Ước lượng từ thông sử dụng mạng neural
0 0.5 1 1.5 2 2.5 3 3.5 4
-5
0
5
I
s
d
(
A
)
0 0.5 1 1.5 2 2.5 3 3.5 4
-20
-10
0
10
20
I
s
q
(
A
)
Mẫu huấn luyện Isd, Isq
5. Ước lượng từ thông sử dụng mạng neural
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Dữ liệu ngõ ra cần học 
ψr(k)
Từ thông thật của động cơ
5. Ước lượng từ thông sử dụng mạng neural
5.2.Chọn cấu trúc mạng
1 lớp ngõ vào: usd(k), usd(k-1), usq(k), usq(k-1), 
isd(k), isd(k-1), isq(k), isq(k-1), ψr(k-1). 
1 lớp ẩn: 20 nơron được chọn bằng phương pháp
thử và sai. Hàm tác động là tansigmoid.
1 lớp ngõ ra ψr(k) gồm 1 nơron. Hàm tác động là
linear. 
⇒Mạng nơron được chọn có cấu trúc 9-20-1.
⇒Sai số huấn luyện của mạng này đạt 2.44158 .10 -7
5. Ước lượng từ thông sử dụng mạng neural 
• Số đôi cực p = 2, Công suất P = 2Hp
• Điện trở stator Rs=1.177
• Điện trở rotor Rr=1.382
• Điện cảm stator Ls=0.118
• Điện cảm rotor Ls=0.113
• Momen quán tính Jm = 0.00126(kg.m2)
• Hỗ cảm Lm= 0.113 (H)
• Momen tải MT = 3.5 (N)
Thông số của bộ PWM
• Biên độ sóng mang A = 300 (V) 
• Tần số sóng mang F = 1800Hz 
• Điện áp DC cung cấp cho bộ nghịch lưu Udc = 220*sqrt(2) 
Tham số động cơ
5. Ước lượng từ thông sử dụng mạng neural
5.3. Kết quả ước lượng từ thông
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Từ thông
ước lượng
Từ thông của 
động cơ
Trong hệ thống vòng hở, khi
tham số mô hình trùng với
tham số động cơ
Trường hợp 1
5. Ước lượng từ thông sử dụng mạng neural
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Có ANN
Không có
ANN
Trong hệ thống
vòng kín, từ thông 
của động cơ khi
tham số mô hình
trùng với tham số
động cơ.
5. Ước lượng từ thông sử dụng mạng neural
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
Tốc độ động cơ
ở chế độ danh
định
Có ANN
Không có ANN
5. Ước lượng từ thông sử dụng mạng neural
Trong hệ thống vòng
hở, khi momen quán
tính tăng gấp 5 lần
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Từ thông
ước lượng
Từ thông
của động cơ
Trường hợp 2
5. Ước lượng từ thông sử dụng mạng neural
Trong hệ thống vòng
kín, từ thông của động 
cơ khi momen quán
tính tăng 5 lần
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Có ANN
Không có
ANN
5. Ước lượng từ thông sử dụng mạng neural
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
Tốc độ động cơ trong
hệ thống vòng kín, khi
momen quán tính tăng 5 
lần.
Có ANN
Không có
ANN
5. Ước lượng từ thông sử dụng mạng neural
Nhận xét
• Từ thông ước lượng đạt đến giá trị đặt mong muốn
là 1 (Wb).
• Sự khác biệt giữa từ thông của động cơ khi sử dụng
bộ ước lượng từ thông dùng mạng nơron và từ thông
của động cơ khi sử dụng bộ ước lượng từ thông
thông thường là không đáng kể.
6.1. Bộ điều khiển PID phổ biến
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
Ngõ ra điều khiển của bộ PID
MV(t) = Pout + Iout + Dout= dt
)t(deKdt)t(eK)t(eK diP ++ ∫
Với e(t): error (sai số)
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
6.2. Sơ đồ điều khiển PI mờ
- Sử dụng 3 bộ điều khiển mờ PI thay thế cho 3 bộ
điều khiển PI thông thường nhằm điều khiển tốc độ, 
momen, từ thông.
- Luật hợp thành Ifthen:
• If sai số (tốc độ, isd, isq) nhỏ (S) then KP bé (S).
• If sai số lớn (tốc độ, isd, isq) mang giá trị âm (NL) 
then KP lớn (NL)
• If sai số lớn (tốc độ, isd, isq) mang giá trị dương 
(PL )then KP lớn (PL)
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
TL 
Wref
ref
Usd(k)
Usqk
Isqk
Isdk1
Fi'r(k)
Usd(k-1)
Usqk-1
Isqk-1
Isdk-1
f i'r(k-1)
Usd_Usq_Isd_Isq(k,k-1)
huanluyenmang.mat
To File
A
B
C
A 
B 
C 
PWM
sai so W Wr*
PI mo- Toc do
saisoIsd Yd
PI mo - Tu thong
 saisoIsq Yq
PI mo - Moment
Yd
Yq
Ws
Fi'r
Usd
Usq
MTu
Fi'rd*
Wr*
Isd*
Isq*
MTi
1
s
Fi'r
Fi W M I
1
ToFi.s+1
Fcn1
1
ToW.s+1
Fcn
Ua
Ub
Uc
mT
Fi'r
W
mM 
Iabc
DCKDB
Usd
Usq
Theta
Ua
Ub
Uc
CTDu
Iabc
Theta
w
Fi'r
Isd
Isq
CTDi
U_I_f ir'(k-1)
f ir'(k)
f ir'(k-1)
ANN_tuthong
Mô phỏng điều khiển định hướng trường
kết hợp mang neural và logic mờ
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
6.3. Kết quả mô phỏng sử dụng 3 bộ điều khiển PI mờ
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
Tốc độ
(không có
PI mờ)
Từ thông
(không có bộ
mờ)
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
1.2
Từ thông (có
bộ mờ)
0 0.5 1 1.5 2 2.5 3 3.5 4
0
20
40
60
80
100
120
140
160
Tốc độ (có PI 
mờ)
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
0 0.5 1 1.5 2 2.5 3 3.5 4
0
1
2
3
4
5
6
7
8
Momen khi
không có Pi mờ
0 0.5 1 1.5 2 2.5 3 3.5 4
0
1
2
3
4
5
6
7
8
Momen khi
có Pi mờ
Nhận xét
Momen khởi động khi 
dùng bộ PI mờ bằng 
với momen khi điều 
khiển PI thông thường 
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
0 0.5 1 1.5 2 2.5 3 3.5 4
-40
-30
-20
-10
0
10
20
30
40
Dòng điện khi
không có PI mờ
0 0.5 1 1.5 2 2.5 3 3.5 4
-40
-30
-20
-10
0
10
20
30
40
Dòng điện khi có
PI mờ
Nhận xét
Dòng khởi động khi 
điều khiển bằng PI 
mờ giảm so với 
điều khiển PI thông 
thường
6. Điều khiển định hướng trường kết hợp mạng
neural và bộ điều khiển PI mờ
=> Điều khiển định hướng trường kết hợp với bộ 
mờ PI và mạng neural cho kết quả mô phỏng phù
hợp với những thay đổi các thông sô ́ của động
cơ.
KẾT LUẬN
Kết quả nghiên cứu đã đạt được:
-Ước lượng từ thông dùng mạng neural
-Thay thế 3 bộ điều khiển PI thông thường bằng 3 
bộ mờ
-Mô phỏng hệ thống điều khiển kết hợp mạng
neural và logic mờ trong Simulink-Matlab