Thuật toán học nơron sửa đổi để ước lượng điện trở roto và stato khi đang hoạt động cho truyền động động cơ không đồng bộ không cảm biến tốc độ

ato của động 
cơ bao gồm: điện trở thực, điện trở ước lượng 
* Khi có ước lượng điện trở roto và stato 
tác động vào bộ điều khiển không cảm 
biến tốc độ: 
(a) 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
46 Số 17 
(b) 
Hình 8(a), (b). Momen tải và momen điện từ 
Hình 9. Tốc độ của động cơ bao gồm: tốc độ 
đặt, tốc độ thật, tốc độ ước lượng 
Các kết quả mô phỏng trên hình 7(a), 7(b) 
chỉ ra với thuật toán ước lượng đã được 
đề xuất ở phần 2 và 3, điện trở roto và 
stato được ước lượng chính xác với sai số 
rất bé so với giá trị điện trở thực, hội tụ 
nhanh hơn so với trường hợp tốc độ học 
là hằng số. Momen điện từ và momen tải 
được chỉ ra ở hình 8(a), 8(b): khi điện trở 
roto và stato thay đổi xấp xỉ 50%, có bộ 
ước lượng điện trở roto và stato tác động 
vào bộ điều khiển, biên độ momen điện từ 
đập mạch xấp xỉ 10%. Hình 9 đã chỉ ra 
việc ước lượng điện trở roto và stato 
chính xác (với phương pháp đã được đề 
xuất ở phần 2 và 3) dẫn đến tốc độ ước 
lượng bám sát với tốc độ thực của động 
cơ, qua đó nâng cao chất lượng của hệ 
truyền động không cảm biến tốc độ. 
5. KẾT LUẬN 
Bài báo đã đề xuất một phương pháp mới 
để ước lượng điện trở roto và stato động 
cơ không đồng bộ ba pha roto lồng sóc sử 
dụng mạng nơron nhân tạo với hàm tốc độ 
học được xây dựng từ một bộ điều khiển 
mờ theo mô hình Mamdani. Kết quả đã 
chỉ ra ước lượng điện trở roto và stato với 
phương pháp được đề xuất có độ chính 
xác cao, đồng thời cũng đã minh chứng 
được ước lượng điện trở roto và stato góp 
phần nâng cao chất lượng hệ truyền động 
không cảm biến tốc độ ở vùng tốc độ 
thấp. Ngoài ra, phương pháp ước lượng 
này còn được sử dụng để xác định điện 
trở roto và stato cho một dãy động cơ 
không đồng bộ mà không phải lựa chọn 
tốc độ học riêng cho từng động cơ. Hướng 
phát triển tiếp theo của nhóm tác giả là sử 
dụng các điện trở được ước lượng ứng 
dụng cho điều khiển không cảm biến tốc 
độ với phương pháp điều khiển nhạy cảm 
với các thông số động cơ như điều khiển 
dự báo (Model Predictive Control/ 
MPC), nhằm đánh giá hiệu quả của 
phương pháp nghiên cứu; đồng thời phát 
triển thuật toán nhận dạng các tham số 
khác như điện cảm roto, điện cảm stato và 
hỗ cảm nhằm nâng cao hơn nữa chất 
lượng hệ truyền động không cảm biến tốc 
độ động cơ không đồng bộ. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 47 
TÀI LIỆU THAM KHẢO 
[1] Glumineau and J. de L. Morales, Sensorless AC electric motor control, Robust advanced design 
techniques and applications. Springer International Publishing Switzerland, 2015. 
[2] A. Iqbal and M. R. Khan, “Sensorless control of a vector controlled three-phase induction motor 
drive using artificial neural network,” 2010 Jt. Int. Conf. Power Electron. Drives Energy Syst. 2010 
Power India, 2010. 
[3] P. Văn Tuấn, P.H. Phi, N.T. Sơn, and N.T. Công, “Ước lượng tốc độ động cơ không đồng bộ ba 
pha sử dụng mạng Nơron nhân tạo,” Chuyên san Tự động hóa ngày nay 4-2014, pp. 62–66, 
2014. 
[4] M. Bhandari, S. Gavade, and S. H. Shwetha, “Model Reference Adaptive Technique for Sensorless 
Speed Control of Induction Motor Using MATLAB \ SIMULINK,” Int. J. Emerg. Technol. Comput. 
Sci. Electron., vol. 14, no. 2, pp. 112–115, 2015. 
[5] Baburaj Karanayil, Parameter Identification for Vector Controlled Induction Motor Drives Using 
Artificial Neural Networks and Fuzzy Principles. Theris submitted to The University of New South 
Wales for degree of Doctor of Philosophy, School of Electrical Engineering and 
Telecommunications, 2005. 
[6] R. Krishnan and F. C. Doran, “Study of parameter sensitivity in high-performance inverter-fed 
induction motor drive systems,” IEEE Trans. Ind. Appl., vol. IA-23, no. 4, pp. 623–635, 1987. 
[7] B. Karanayil, M. F. Rahman, and C. Grantham, “Online stator and rotor resistance estimation 
scheme using artificial neural networks for vector controlled speed sensorless induction motor 
drive,” IEEE Trans. Ind. Electron., vol. 54, no. 1, pp. 167–176, 2007. 
[8] K. Akatsu and A. Kawamura, “Online rotor resistance estimation using the transient state under 
the speed sensorless control of induction motor,” IEEE Trans. Power Electron., vol. 15, no. 3, pp. 
553–560, 2000. 
[9] R. Marino, S. Peresada, and P. Tomei, “On-line rotor resistance estimation for induction motors,” 
IEEE Trans. Control Syst. Technol., vol. 8, no. 3, pp. 570–579, 2000. 
[10] P. H. Atos, A. F. Odor, and A. M. Agyar, “Parameter Sensitivity Analysis of an Induction Motor,” 
Hungarian J. Ind. Chem. veszprém, vol. 39, no. 1, pp. 157–161, 2011. 
[11] F.L. Mapelli, A. Bezzolato, and D. Tarsitano, “A rotor resistance MRAS estimator for induction 
motor traction drive for electrical vehicles,” Proc. - 2012 20th Int. Conf. Electr. Mach. ICEM 2012, 
pp. 823–829, 2012. 
[12] Y. Bensalem, “A Sensorless Neural Model Reference Adaptive Control for Induction Motor Drives,” 
2009 Int. Conf. Signals, Circuits Syst. A, pp. 1–6, 2009. 
[13] G. Lin and Q. Wan, “Estimation of Rotor Resistance of Induction Motor Based on Extended 
Kalman Filter,” Adv. CSIE, vol. 2, pp. 193–198, 2012. 
[14] M. A. and Ouhrouche, “Estimation of speed, rotor flux and rotor resistance in cage induction 
motor using the EKF algorithm,” pp. 1–20, 2002. 
[15] S. Yang, R. Sun, P. Cao, Z. Xie, and X. Zhang, “Sliding-mode observer based rotor resistance 
updating method for indirect vector controlled induction motor,” 2017 EEE Transp. Electrif. Conf. 
Expo, Asia-Pacific, ITEC Asia-Pacific, 2017. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
48 Số 17 
[16] T. Ritu, K. Sudhir Y, and R. Bharat Singh, “Estimation of Rotor and Stator Resistance for 
Induction Motor Drives using Second order of Sliding Mode Controller,” J. Eng. Sci. Technol. Rev., 
no. 10 (6) (2017) 9-15, pp. 9–15, 2017. 
[17] E.A. Alradadi, “A simple and Efficient Method for a Based Fuzzy Logic Speed Controller and Rotor 
Resistance Estimation of an Indirect Vector Controlled Induction Motor Drive,” pp. 1–10. 
[18] E.A. Alradadi, “An Efficient Method for a Based Fuzzy Logic Speed Controller and Rotor Resistance 
Estimation of an Indirect Vector Controlled Induction Motor Drive,” pp. 1–8. 
[19] M.T. Cao and H. Huy, “Rotor Resistance Estimation Using Fuzzy Logic for High Performance 
Induction Motor Drives,” Proc. 24th Annu. Conf. IEEE Ind. Electron. Soc. Aachen, pp. 303–308, 
1998. 
[20] S.A.A. Rizvi and M. B. Kadri, “Online adaptation of rotor parameters using fuzzy logic in indirect 
field oriented vector control of AC induction drives,” 2013 IEEE 9th Int. Conf. Emerg. Technol., 
2013. 
[21] A. Chitra and S. Himavathi, “A modified neural learning algorithm for online rotor resistance 
estimation in vector controlled induction motor drives,” Front. Energy, vol. 9, no. 1, pp. 22–30, 
2015. 
[22] C. Djamila, M. Yahia, and T. Ali, “Simultaneous Estimation of Rotor Speed and Stator Resistance 
in Sensorless Indirect Vector Control of Induction Motor Drives Using a Luenberger Observer,” 
Int. J. Comput. Sci. Issues, vol. 9, no. 3 (2), pp. 325–335, 2012. 
[23] M. Jouili, Y. Agrebi, Y. Koubaa, and M. Boussak, “A Luenberger state observer for simultaneous 
estimation of speed and stator resistance in sensorless IRFOC induction motor drives,” 16th Int. 
Conf. Sci. Tech. Autom. Control Comput. Eng. STA 2015, pp. 898–904, 2015. 
[24] C.M.F. S. Reza, D. Islam, and S. Mekhilef, “Stator resistance estimation scheme using fuzzy logic 
system for direct torque controlled induction motor drive,” J. Intell. Fuzzy Syst., vol. 27, no. 4, pp. 
1–8, 2014. 
[25] B.K. Bose and N. R. Patel, “Quasi-fuzzy estimation of stator resistance of induction motor,” IEEE 
Trans. power Electron., vol. 13, no. 3, pp. 401–409, 1998. 
[26] V. Vasić, S.N. Vukosavic, and E. Levi, “A Stator Resistance Estimation Scheme for Speed 
Sensorless Rotor Flux Oriented Induction Motor Drives,” IEEE Trans. Energy Convers., vol. 18, no. 
4, pp. 476–483, 2003. 
[27] M. Rashed, F. Stronach, and P. Vas, “A New Stable MRAS-Based Speed and Stator Resistance 
Estimators for Sensorless Vector Control Induction Motor Drive at Low Speeds,” Ind. Appl. Conf. 
2003. 38th IAS Annu. Meet. Conf. Rec., vol. 2, pp. 1181–1188 vol.2, 2003. 
[28] M. Koteich, “Flux estimation algorithms for electric drives: a comparative study,” 2016 3rd Int. 
Conf. Renew. Energies Dev. Ctries., 2016. 
[29] H.H. Vo, P. Brandstetter, C.S.T. Dong, and T. C. Tran, “Speed estimators using stator resistance 
adaption for sensorless induction motor drive,” Adv. Electr. Electron. Eng., vol. 14, no. 3, pp. 
267–273, 2016. 
[30] N.C. Định and N.T. Hải, Điều khiển phi tuyến trên cơ sở mạng nơ ron nhân tạo. Hà Nội: Nhà xuất 
bản Khoa học và Kỹ thuật, 2012. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 49 
Giới thiệu tác giả: 
Tác giả Nguyễn Thế Công nhận bằng Tiến sĩ Kỹ thuật điện năm 1994 tại Viện 
Bách khoa Grenoble - Cộng hòa Pháp. 
Lĩnh vực nghiên cứu: động cơ truyền động thẳng, nguồn đóng cắt, phong điện, 
năng lượng mặt trời. 
Tác giả Phạm Hùng Phi nhận bằng Đại học ngành máy điện - khí cụ điện năm 
1982; Thạc sỹ Kỹ thuật điện tại Trường Đại học Bách khoa Hà Nội năm 1999; 
Tiến sỹ Kỹ thuật điện tại Tổng hợp Laval, Canada năm 2005. Hiện tác giả là 
Trưởng Bộ môn Thiết bị điện - Điện tử, Viện Điện, Trường Đại học Bách khoa 
Hà Nội. 
Lĩnh vực nghiên cứu: máy điện, điều khiển máy điện. 
Tác giả Phạm Văn Tuấn nhận bằng Đại học ngành thiết bị điện - điện tử năm 
2008, Thạc sỹ Kỹ thuật điện năm 2012 tại Trường Đại học Bách khoa Hà Nội. 
Hiện nay tác giả là giảng viên Khoa Điện, Trường Đại học Sư phạm Kỹ thuật 
Vinh và là nghiên cứu sinh Bộ môn Thiết bị điện - Điện tử, Viện Điện, Trường 
Đại học Bách khoa Hà Nội. 
Lĩnh vực nghiên cứu: máy điện, điều khiển máy điện.