间接磁场定向控制的感应电机驱动器的数字实现及其在速度控制中的应用

工程科学与技术，国际期刊19（2016）96短通信三相感应电机Sanjeevikumar Padmanabana，*，Febin Daya J.L.b，Frede Blaabjergc，Nazim Mir-Nasirid，艾哈迈德·H埃尔塔斯a印度Chennai 600 122欧姆技术公司研发部bVellore Institute of Technology University电气电子工程学院，Chennai 600 127，印度c丹麦奥尔堡大学能源技术系，地址：Pontoppidanstraede 101，9220 Aalborg d哈萨克斯坦纳扎尔巴耶夫大学电气与电子工程系，地址：阿斯塔纳010000 e土耳其卡拉布克大学工程学院生物医学工程系，地址：KarabukA R T I C L E I N F OA B S不 R 一C T文章历史记录：收到日期：2015年7月4日收到日期：2015年7月13日2015年7月15日接受2015年8月14日在线发布保留字：速度补偿器感应电机交流驱动器间接矢量控制神经网络本文阐述了一种新颖的，间接磁场定向控制（IFOC）的感应电机驱动器的数字实现小波离散变换/模糊逻辑接口系统的独特组合。反馈（速度）误差信号是多个低频和高频的混合分量进一步，这些信号被分解的离散小波变换（WT），然后模糊逻辑（FL）生成比例积分（P-I）控制器参数的缩放增益。这种独特的组合改善了感应电动机在瞬态和稳态条件下的高精度速度控制。利用Matlab/ Simulink软件对所提出的控制方案进行了数值仿真，仿真结果验证了所提出的控制方案的有效性。© 2015 ， Karabuk University. Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍由于三相异步电动机的非线性特性，其速度控制相当复杂。因此，通过速度参考反馈来控制具有适当解耦的转矩参数和转矩参数。IM驱动器的经典速度控制（间接/直接矢量控制）使用在所有操作条件下具有恒定增益值的比例积分（P-I）和/或比例积分微分（P-I-D）控制器。此外，转差计算依赖于转子时间常数，但它随操作条件而变化。这些控制器本质上不适应操作条件。神经网络和模糊逻辑被认为是智能的，用来克服上述缺点[1但神经网络控制器（NNC）不涉及被测系统的完整分析模型然而，选择合适的神经控制器结构及其训练神经元过程是一个繁琐的过程。此外，委员会认为，* 通讯作者。联系电话：+91-98431-08228。电子邮件地址：sanjeevi_12@yahoo.co.in（S.Padmanaban）。由Karabuk大学负责进行同行审查。FL是最简单的智能控制器版本，即使系统不明确且存在参数变化问题，也可以使用专家知识来驱动系统[5，6]。小波变换用于对反馈信号进行多分辨率分析，提取和检测频率信号在任意间隔上的分量，但以另一种形式表示。智能小波控制器的最新发展趋势集中在控制交流电力传动的应用上[2然而，一个系统的发展和实施的小波模糊为基础的速度补偿器IM控制尚未出现。本文提出了一种新颖、简单、直观的小波-模糊集成控制器，并在Matlab/Simulink中进行了仿真研究2. 离散小波变换算法WT是傅立叶变换的扩展方法，其中允许多维时频域表示。WT的流行主要是由于它们能够将处理信号的能量集中到有限数量的系数中。信号的数学表达式可以在WT中给出，如下[5http://dx.doi.org/10.1016/j.jestch.2015.07.0022215-0986/© 2015，Karabuk University.由Elsevier B. V.制作和托管。这是CC BY-NC-ND许可证下的开放获取文章（http：creativecommons.org/licenses/by-nc-nd/4.0/）。出版社：Karabuk University，PressUnit ISSN（印刷版）：1302-0056 ISSN（在线）：2215-0986 ISSN（电子邮件）：1308-2043主 办可 在 www.sciencedirect.com上 在 线ScienceDirect可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：http://www.elsevier.com/locate/jestchS. Padmanaban等人/工程科学与技术，国际期刊19（2016）9697nnDTm, nt（一）向量，通过信号的系数获得，该信号是transmitted。ss 形成了一个由水和水组成的填充物。当θk是具有k个（非零）元素的向量时，Θk是保持其中，s>0表示窗口大小，它决定了分级小波基的分辨率<$（t-τ/s）在时频域中。s参数的值与频率成反比。x（t）信号的离散小波变换（DWT）可以写为：klargest元素数在数组中 并将所有元素置为空。对于系数个数k，给出最小值的MDL准则被认为是最佳准则。分解的程度取决于信号以及用于分解的波。香农熵准则最适合于发现WTm，nxxt*tdt（二）在电机驱动应用的速度误差信号的最佳水平上的分解对于信号的熵其中m *（t） 是小波函数表示，m，n是伸缩表示，平移参数。离散小波变换（DWT）是通过级联各级低，x □x□_1，x_2，x_3 n。x_N，长度N可以表示为如[5]：N1高通滤波器，然后是下采样，频率膨胀系数a1和d1构成分解的第一级，并且可以数学地表示为：Hn2log xn2n0（八）N1a1n   k0N1d1n    k0（三）（四）根据基于Shannon熵的准则，下一个电平（p）中的信号比前一个电平（p-1）高，也就是说，如果如下：黑猩猩 第章：一夜情（9）则信号的分解可以在电平（p-1）处停止，二级近似与长度细节系数N/2表示如下：（p-1）表示最优水平分解。P-I-D控制器的输出由下式给出：N2 - 1a2g a 2kk0（五）upkedtdde（十）N2 - 1d2h a 2nkk0（六）在频域中，比例kp参数对应低频分量，积分ki参数对应中频分量，微分kd参数对应高频分量。控制滤波及下采样过程持续进行，直至达到所需水平。在文献中提出了几种方法，但最小补偿器的信号可以从DWT的近似系数计算为[6描述长度（MDL）数据标准是最适合的选择。uwkd1edkd2ed2kdNedkaNeaN（十一）最佳波函数的作用。MDL准则可以定义为[7，9]：其中ed1，ed2，.. .， edN对应于细节的错误信号-D.L.K.，n3k log2N2（七）分量，eaN是误差的近似分量信号了 增益kd1，kd2，. 、.、 kdN用于调整近似错误信号的分量。增益kaN实际上调谐误差信号的低频分量[6，7，9]。的原理图logn0N;⎩ 2M基于小波模糊的速度补偿器如图所示。1.一、速度误差是参考速度和实际速度之间的差异，作为WT块和模糊逻辑控制块的源。小波变换将速度误差分解为近似这里k和n是指数。当Mex pre存在滤波器时，N表示信号的长度。世 这是一个很好的方法使用DWT对零部件进行配对和详图（最高级别为二级）。FLC对误差（速度）和误差（速度）的导数进行运算。98S. Padmanaban等人/工程科学与技术，国际期刊19（2016）96Fig. 1. IFOC IM驱动器的基于小波模糊的速度补偿器示意图。S. Padmanaban等人/工程科学与技术，国际期刊19（2016）9699图二. （a）基于模糊逻辑规则的系统广义结构。(b)模糊逻辑控制器对误差（e）和误差变化（de）的隶属函数。以产生用于相应频率分量ed1、ed2和ea2的缩放增益kd1、kd2和ka2。缩放增益与它们的频率分量相乘并相加在一起以产生用于IM驱动的IFOC的控制信号图2a显示了FLC系统的示意图，它由模糊接口、模糊规则和去模糊单元组成。FLC的两个输入是误差（速度）和误差的变化（当前速度误差与其前一状态之间的差异），相应的隶属函数由图1给出。 2b.FLC的第一步从隶属度（三角形）函数开始（图1）。 2b），将其从清晰变量e（k）和de（k）转换为模糊变量E（k）和dE（k）。接下来，每个变量的论域被进一步划分为五个模糊集：NL（负大），NS（负小），ZE（零），PS（正小）和PL（正大）。每个模糊变量都是一个子集成员，其隶属度介于零（非成员）和一（完全成员）之间在FLC的第二步中，模糊变量E（k）和dE（k）由推理机处理，推理机具有表1中描述的一组受控规则（5 × 5）矩阵。此外，这些规则是基于误差（速度）信号的动态设计的，这导致对称矩阵，并且是具有2-D相平面的广义基于规则的设计。因此，该规则以这种形式表示如果' x '是' A '，' y '是' B '，那么' z '就是' C '.在这个应用程序中，最大最小推理算法用于空间对于去模糊化过程，其中清晰值由隶属函数的重心确定。每个分区的扩展的定义或相反的隶属函数的宽度和对称性通常是动态和稳态精度之间的折衷等间距的分区和对称的三角形是合理的选择，并在这项工作中执行。输入变量使用五个在+1和-1之间归一化的隶属函数进行模糊化。由FLC生成的缩放增益与相应的小波系数相结合，以生成用于IM驱动器的电磁转矩分量命令。由小波模糊控制器产生的转矩分量指令用于执行IM驱动的IFOC。3. 数值模拟试验验证及结果基于表2中的参数，在Matlab/Simulink软件中对所提出的基于小波-模糊的感应电机驱动间接磁场定向控制器的完整数值模型进行了定义。在不同的工作条件下，特别是步进增量/表1模糊逻辑规则的矩阵公式（5 × 5）e（k）de（k）NL NS ZE PS PL输出模糊变量c（k）的模糊集值。因此，我们认为，隶属度等于最大（E×dE）-NLNSNLNLNLNLNLNSNSZEZEPS用x-乘积函数表示推理的输出泽NLNS泽PSPL发动机在去模糊化阶段转换为清晰值。值得注意的是，在这项工作中，使用的质心算法PSPLNSZEZEPSPSPLPLPLPLPL100S. Padmanaban等人/工程科学与技术，国际期刊19（2016）96图三. 数值仿真实验，小波模糊IFOC控制感应电机的速度特性。上图：使用设定速度命令空载启动183.3 rad/s;中间：在2.5 Nm（设定速度183.3 rad/ s）的负载条件下开始;底部：空载，设定速度命令在t = 1.25 s时步进增加100~ 183.3 rad/s见图4。数值仿真实验，小波模糊IFOC控制感应电机的速度特性。顶部：空载，设定速度指令183.3~ 100 rad/s，t = 2.25 s;中部：当施加25%额定负载，t = 3.25 s（设定速度183.3 rad/s）;底部：当去除25%额定负载，t = 4.25 s（设定速度183.3rad/s）。速度和负载的递减。进一步，通过设定性能指标，观察上升时间、峰值过冲、下冲、稳态误差和均方根误差等性能指标，证明了所提出的小波-模糊快速IFOC算法的有效性。图3和图4示出了感应电动机控制的小波模糊性能的完整速度行为响应。在第一次调查中，瞬态速度响应如图所示。3（顶部），其中电动机在空载时以183.3 rad/s的设定速度命令启动（即额定速度）。在第二项研究中，测试了感应电动机驱动器的速度特性，该感应电动机驱动器初始启动时负载为2.5 Nm，设定速度命令为183.3 rad/s，如图3（中间）所示。在第三次调查中，测试IM驱动器的速度特性，以使设定速度命令速度从100 rad/s逐步增加到100 rad/s。183.3 rad/s，如图3（底部）所示。在t = 1.0 s时，速度从100rad/s增加到183.3 rad/s如图4（上图）所示，在t = 2.25 s时，对设定速度命令中从183.3 rad/s到100 rad/s递减的步长表2交流电机驱动主要参数。额定功率2 [hp]额定电压460 [V]额定频率60 [Hz]此外，在感应电动机的突然加载下测试的速度行为响应测试，并在图中示出。图4（中间），其中在t = 3.25 s时施加载荷，设定速度指令为183.3拉德/秒同样地，感应电动机负载的突然移除也被测试，如图所示。 4（底部）。在这种情况下，电动机以183.3 rad/s的设定速度命令启动，在t = 3.25 s时施加额定值的25%的负载，并在t =3.25 s时t = 4.25 s。最后，表3给出了均方根误差（RMSE）值，通过仿真和实验研究的值显示了不同测试条件下的良好响应，进一步证实了所提出的小波-模糊控制器适用于工业感应电机驱动应用的IFOC算法。4. 结论本文应用小波变换设计了一种新型三相异步电动机表3观测到的性能指标的小波模糊IFOC控制器的IM驱动。参数速度RMSE值额定转速1750 [rpm]极对数2定子电阻2.12 [Ω]转子电阻2.08 [Ω]定子电感5.97 [mH]0100 rad/s183.3 rad/s180 rad/s，当施加2.5 Nm 31.29S. Padmanaban等人/工程科学与技术，国际期刊19（2016）96101具有模糊接口系统。完整的交流传动系统以及所提出的控制算法在数学仿真软件（Matlab/Simulink）中数值实现。此外，本文中的异化结果通过其在瞬态和稳态行为方面的最后，这个数值研究的结论是，经典的P-I控制器可以取代建议的补偿器（间接/直接矢量控制）的高精度性能的工业驱动器。引用[1] P. Vas，基于人工智能的电机和驱动器应用模糊，神经，模糊神经和遗传算法为基础的技术，1999年。ISBN 978-0-19-859397-3。[2] M.A.S. K汗，M。李志华，一种新型的内永磁电机控制器的设计与实现，硕士论文。印第安纳Appl. 44（6）（2008）1957-1965。[3] R.J. 魏，神经小波系统在感应伺服马达驱动器强健控制上的新训练演算法之发展，IEEE Trans. 印第安纳电子学。 49（6）（2002）1323-1341。[4] M. Khan，文学硕士Rahman，一种新颖的基于神经小波的自校正小波控制器用于IPM电机驱动器，IEEE Trans. 印第安纳电子学。 46（3）（2010）1194- 1203。[5] J.L. Febin Daya，P. Sanjeevikumar，F. Blaabjerg，P.W. Wheeler，O. Ojo，基于小波的鲁棒微分控制在电动汽车应用中的实现，IEEE Trans. Power Electron.（2015）doi：10.1109/TPEL.2015.2440297.[6] J.L. Febin Daya，V.Subbiah，P.李晓刚，基于小波模糊自校正多分辨率控制器的异步电动机转速控制，北京：计算机科学出版社，2001。内特尔6（4）（2013）724[7] S. Parvez，Z.高，基于小波变换的多分辨率PID控制器，IEEE Trans.印第安纳41（2）（2005）537-543。[8] S.A. Saleh，M.陈志华，一种基于小波变换的异步电动机控制系统的设计与实现，硕士论文。24（1）（2009）21[9] G. Stang，T.阮文，小波与小波滤波器组，北京：清华大学出版社，1997年。