Üç Fazlı Asenkron Motor İçin Uzay Vektör Darbe Genişlik Modülasyonu Kullanan Yapay Sinir Ağı Temelli Adaptif Hız Kontrol Sistemi Tasarımı Artificial Neural Network
Yüklə 43,04 Kb.
|
- Bu səhifədəki naviqasiya:
- GİRİŞ
- ASENKRON MOTOR DİNAMİK MODELİ
- DENETLEYİCİNİN TASARIMI
| KSU Mühendislik Bilimleri Dergisi, 20(X), 2017 KSU. Journal of Engineering Sciences, 20(X), 2017 
Kahramanmaras Sutcu Imam University Journal of Engineering Sciences 
Üç Fazlı Asenkron Motor İçin Uzay Vektör Darbe Genişlik Modülasyonu Kullanan Yapay Sinir Ağı Temelli Adaptif Hız Kontrol Sistemi Tasarımı Artificial Neural Network Based Adaptive Speed Control System Design using Space Vector Pulse Width Modulation for Three-Phase Asynchronous Motor Erdal KILIÇ1, Hasan Rıza ÖZÇALIK2*, Sami ŞİT2 1 Kahramanmaraş Sütçü İmam Üniversitesi, Afşin Meslek Yüksekokulu, Kahramanmaraş, Türkiye 2Kahramanmaraş Sütçü İmam Üniversitesi, Elektrik-Elektronik Mühendisliği, Kahramanmaraş, Türkiye *Sorumlu Yazar / Corresponding Author: Hasan Rıza ÖZÇALIK , ozcalik@ksu.edu.tr ÖZET Asenkron motorların günümüz endüstrisinde yaygın kullanımı bu motorların sağlamlığı, yüksek verimliliği ve işletme güvenilirliğinden kaynaklanmaktadır. Bununla birlikte, oldukça karmaşık ve doğrusal olmayan yapılarından dolayı bu motorların kontrol edilmelerinde büyük güçlükler yaşanmaktadır. Mikroişlemci ve güç elektroniği alanlarındaki son gelişmelerin yanı sıra yapay zekâ temelli yeni kontrol stratejileri asenkron motorlarının daha etkin ve güvenilir şekilde kontrol edilmesini sağlamıştır. Güçlü mikrodenetleyicilerden olan sayısal işaret işlemciler ile motor kontrolünde kullanılan koordinat dönüşümleri, alan tahmin algoritmaları ve denetim algoritmaları gibi karmaşık hesaplamalar yapılabilmektedir. Bilindiği gibi yapay zekâya dayalı modern araçlar arasında yer alan yapay sinir ağları, doğrusal olmayan dinamik sistemlerin modellenmesi ve kontrolünde yaygın olarak kullanılmaktadır. Anahtar Kelimeler: Yapay Sinir Ağları, Adaptif Kontrol, Asenkron Motor. ABSTRACT The widespread use of asynchronous motors in today's industry is due to their robustness, high efficiency and operational reliability. However, great difficulties due to the very complex and non-linear structure is experienced in controlling this motor. The recent advances in areas of microprocessors and power electronics, along with the new control strategies based on artificial intelligence has led asynchronous motors to be controlled more efficiently and reliably. Complex calculations such as coordinate transformations, field estimation algorithms and control algorithms used in the motor control can be easily done with digital signal processors which are powerful microcontrollers. As known, artificial neural networks which are among modern tools based on artificial intelligence are widely used for modeling and controlling nonlinear dynamical systems. Keywords: Artificial Neural Network, Adaptive Control, Induction Motor
Asenkron motorlar dayanıklı, basit yapılı, yüksek verimli, az bakım gerektiren yapısı ve düşük maliyetleri sayesinde ev cihazları ile endüstriyel uygulamalarda en çok tercih edilen motorlardır. Ancak bu motorların karmaşık ve doğrusal olmayan yapılarından dolayı hız ve tork kontrolleri doğru akım motorlarına göre oldukça zordur. Bu nedenle asenkron motorların değişken hız denetiminde yüksek performanslı motor sürücü sistemleri kullanılmaktadır. Böylece motorlar daha verimli ve güvenilir bir şekilde çalıştırılmakta ve optimum işletme koşulları sağlanarak üretim kalitesinin artması ve enerji tasarrufunun sağlanması gibi birçok faydalar sunulmaktadır (Açıkgöz ve ark., 2014). Hızla gelişen güç elektroniği ve mikroişlemci teknolojisi; yeni kontrol stratejilerinin ve motor sürme tekniklerinin belirlenmesine olanak sağlamaktadır. Yüksek performanslı asenkron motor sürücülerinde dolaylı alan yönlendirmeli vektör kontrol yaklaşımı en yaygın kullanılan yöntemdir. Bu yöntemle stator akımının moment ve akı bileşenleri birbirinden ayrı kontrol edilerek asenkron motor bir yabancı uyartımlı doğru akım motoru gibi kontrol edilebilmektedir [4, 5]. Bu çalışmada, üç fazlı sincap kafesli 0.25 kW gücünde bir asenkron motorun hız denetimi gerçekleştirilmiştir. Motorun kontrol yönteminde yüksek performanslı sürücülerde kullanılan dolaylı alan yönlendirmeli (rotor akısı yönlendirmeli) vektör kontrol algoritması tercih edilmiştir. Bu kontrol yönteminde hız denetleyicisi olarak kullanılan klasik PI tipi denetleyici yerine RTYSA tabanlı MRAK denetleyici gerçek zamanlı olarak uygulanmıştır. Üç fazlı eviricide anahtarlama kayıplarının az olması ve toplam harmonik bozulmanın düşük olması gibi avantajları nedeniyle uzay vektör darbe genişlik modülasyon tekniği kullanılmıştır. Bu teknik yüksek hesaplama gücü gerektirdiğinden gelişmiş bir sayısal işaret işleyici olan dsPIC30F6010A mikrodenetleyicisi kullanılmıştır. Önerilen denetim algoritmasının performansını belirlemek amacıyla asenkron motorun farklı hız ve yük durumları altındaki çalışmalarını gösteren deneysel sonuçlar sunulmuştur. Buna göre, RTYSA tabanlı MRAK hız denetleyici asenkron motorun referans hızı yakından takip etmesini sağlamış ve bozucu yük etkisine karşı dayanıklı bir yapıya sahip olduğunu ortaya koymuştur (Sarıoğlu ve ark., 2003; Trzynadlowski, 2000).
Üç fazlı devrelerin analizini basitleştirmek için d-q matematiksel dönüşümü kullanılmaktadır. Asenkron motorun vektör kontrolünü tasarlamak için ihtiyaç duyulan matematiksel model, motora ait üç faz değişkenleri senkron hızda dönen d-q düzlemine aktarılarak elde edilmektedir. d-q eksen takımındaki modele ilişkin eşitlikler (1-5)’te gösterilmiştir (Zhang ve ark., 2005).  (1)
 (2)
 (3)
 (4)
 (5)
Bu çalışmada hız denetleyicisi olarak RTYSA tabanlı MRAK algoritması kullanılmıştır. MRAK’ın amacı q-ekseni referans akımını (i*sq) üretmek için bir kontrol kuralı oluşturmak ve gerçek motor hızının referans sinyali takip etmesini sağlamaktır. RTYSA’nın amacı ise asenkron motor doğrusal olmayan yapısından dolayı denetimi zorlaştıran kısımları kompanze etmektir. RTYSA tabanlı MRAK denetleyicinin sisteme uygulanmış yapısı Şekil 1.de gösterilmektedir. Sistem ve referans model ile ilgili diferansiyel eşitlik aşağıdaki gibi ifade edilebilir:  (6)
 (7)
Burada ref(t) referans hızı, rm(t) referans model çıkışını; i*sq(t) kontrol sinyalini; f bilinmeyen statik doğrusal olmayan bir fonksiyon; k1 ve k2 pozitif katsayılardır. 
Şekil 1. RTYSA Tabanlı MRAK Yapısı
Paralel YSA teknikleri sürekli olarak büyük gelişmeler göstermekte ve öğrenme, desen tanıma, sinyal işleme, modelleme ve sistem kontrolü gibi pek çok alanda başarıyla uygulanmaktadır. Yüksek paralel yapı, öğrenme kabiliyeti, doğrusal olmayan fonksiyon yaklaşımı, hata toleransı gibi başlıca avantajları, YSA’nın gerçek zamanlı uygulamalar için doğrusal olmayan sistem kimliklendirme ve kontrolünde kullanımını büyük ölçüde artırmaktadır. RTYSA iyi genelleme yeteneği ve çok katmanlı ileri besleme ağlarına (MLP) kıyasla gereksiz ve uzun hesaplamayı önleyen basit bir ağ yapısı nedeniyle son zamanlarda çok dikkat çekmiştir. [8].RTYSA giriş katmanı, gizli katman ve çıkış katmanı olmak üzere üç katmana sahiptir. Gizli katmandaki nöronlarda aktivasyon fonksiyonu olarak radyal taban fonksiyonları (genellikle doğrusal olmayan yapıya sahip Gauss Fonksiyonu) kullanılır [35, 36]. Gizli katmanda, gizli düğümler denilen bilgi işlem birimleri dizisinden oluşur. Her gizli düğüm, x giriş vektörü ile aynı boyutta bir parametre vektörü olan c merkez vektörünü içerir. Bu vektörler arasındaki Öklid uzaklığı x-cj ile tanımlanır.  (8)
Burada j radyal taban fonksiyon genişliğini, m gizli düğüm sayısını göstermektedir. cj ve j’ler giriş değerlerinin aralığına göre belirlenir [37, 38]. Ağ çıkışı aşağıdaki gibi ifade edilir:  , j=1,2,…m (9)
Burada w, m, y sırayla çıkış katmanı ağırlıkları, çıkış sayısı ve çıkış düğümünü ifade etmektedir. RTYSA’nın eğitimi adaptif parametrelerin (cj, j, wkj) optimize edilmesi sürecidir. Bu çalışmada Şekil 2. de gösterildiği gibi RTYSA topolojisi 2:5:1 (giriş katmanı düğüm sayısı 2, gizli katman düğüm sayısı 5 ve çıkış katmanı düğüm sayısı 1) ağ mimarisi yapısında seçilmiştir.
Ayarlanabilen RTYSA parametreleri hatanın geri yayılım algoritması kullanılarak online ayarlanır.  (10)
 (11)
Şekil 1 temel paralel karşılaştırıcı A/D blok diyagramını göstermiştir. Şekilden anlaşılacağı gibi n bitlik bir A/D elde etmek istediğinde, kullanılması gereken karşılaştırı sayısı kadardır. Örneğin 5 bitlik bir çevirici için 31 karşılaştırıcıya ihtiyaç vardır ve bu çok maliyet ve yer gerektirir. Devreye giriş ve referans gerilimi olmak üzere iki gerilim uygulanarak, karşılaştırıcılar yardımıyla karşılaştırma sağlanır. Devreye tek giriş gerilimi eşzamanlı olarak bütün karşılaştırıcılara uygulanır ve bu da aynı anda bütün karşılaştırıcılardan sonuç alınmasına yardımcı olur. Dışardan uygulanan referans gerilimi, merdiven direnç diyagramı sayesinde eşit aralıklarla her bir karşılaştırıcıya en büyük değerlikli bitten(MSB) başlayarak, en küçük değerlikli bite(LSB)’ e kadar değerler alınır. Alınan bu referans değerleri ile giriş voltajı karşılaştırılarak termometre (thermometer) kodlar elde edilir. Kodlayıcı(encoder) yardımı ile termometre kodları binary koda çevrilir. Çalışmada kullanılan asenkron motora ait değerler Tablo 1’de verilmiştir. Tablo 1. Motor Parametreleri
Acikgoz, H., Kececioglu, O.F., Gani, A., Sekkeli, M. (2014). Speed Control of Direct Torque Controlled Induction Motor By using PI, Anti-Windup PI And Fuzzy Logic Controller, International Journal of Intelligent Systems and Applications in Engineering, 2, 58-63. Sarıoğlu, M.K., Gökaşan, M., Boğosyan, S. (2003). Asenkron makinalar ve kontrolü, Birsen Yayınevi, İstanbul. Trzynadlowski, A.M., (2000). Control of Induction Motors. Academic press, USA. Zhang, M.G., Li, W.H., Liu, M.Q. (2005). Adaptive PID control strategy based on RBF neural network identification, IEEE International Conference on Neural Networks and Brain, 1854-1857. ŞABLON İÇİN ÖRNEK MAKALEDİR. Yüklə 43,04 Kb. Dostları ilə paylaş:
|
