Geri Dön

İndüksiyon motorlarda yinelemeli YSA tabanlı durum kestirimi

Recurent neural network based IM state estimation

  1. Tez No: 389977
  2. Yazar: AYDIN MÜHÜRCÜ
  3. Danışmanlar: DOÇ. DR. SAADETTİN AKSOY
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 195

Özet

Vektör kontrolü olarak da bilenen alan uyumlu kontrol, yüksek performanslı indüksiyon motor (İM) kontrolü için oldukça kullanışlı bir tekniktir. Alan uyumlu kontrollü sürücülerin kullanıldığı yüksek performanslı İM kontrolünde, rotor akısı, stator akısı ve rotor akımı gibi durum değişkenlerine ihtiyaç duyulur. Özellikle hız sensörsüz İM kontrolünde doğrudan ölçülemeyen rotor akısının kestirimi oldukça önemlidir. Yüksek performanslı kontrol için İM'nin ölçülemeyen durum değişkenlerinin kestiriminin yanı sıra parametre adaptasyonu veya değişen parametrelerinin kestirimi de önem arz etmektedir.Bu tez çalışmasında öncelikle durum değişkenlerini esas alan indüksiyon motorun d-q eksen sistemi durum uzayı matematiksel modelleri düzenlenmiştir. Ardından yüksek performanslı alan uyumlu İM kontrolü için uygun durum uzay modellerinin kullanıldığı asimtotik gözlemleyicilere, KF ve GKF algoritmalarına ve Yapay Sinirsel Ağ (YSA) dayalı durum kestirim algoritmaları ayrıntılı olarak ele alınıp değişik çalışma koşulları için incelenmiştir. Özellikle dolaylı alan uyumlu kontrol için önem arz eden rotor akı bileşenlerinin kestirimi için Elman Yapay Sinirsel Ağ (EYSA) ve PI-EYSA'ya dayalı iki yeni kestirim algoritması önerilmiştir. Önerilen algoritmalar ve GKF algoritması değişik çalışma koşulları altında ve farklı dalga biçimli besleme gerilimleri için İM'den elde edilen benzetim ve deneysel çıkış ölçümlerine dayalı çevrim içi ve çevrim dışı olarak ayrı ayrı test edilmiştir. Geliştirilen kestirim algoritmaları ve GKF ile elde edilen kestirim sonuçları birbirleri ve gerçek sonuçlar ile karşılaştırılarak gerekli irdelemeler yapılmıştır.

Özet (Çeviri)

The field oriented control also known as the vector control is a useful high-performance technique to control an induction motor (IM). With high-performance control of IM are used field oriented controlled drives where there are needed state variables as rotor fluxes, stator fluxes and rotor currents to be known. In particular for speed sensorless IM control, estimation of the rotor fluxes that can not be measured directly is very important. For high-performance IM control, estimation of unmeasurable state variables as well as estimation of changing parameters or the parameter adaptation is also of great importance.In this thesis study, state variables of state space mathematical models of the induction motor based on d-q axis system has been organized primarily. After, asymtotic observers, Kalman Filter (KF) and Extended Kalman Filter (EKF) algorithms and Artificial Neural Network (ANN) algorithms based on the state estimation has been investigated for different operating conditions for the high performance field compatible IM control. To estimate the rotor flux components especially for indirect field oriented control there has been proposed two new estimation algorithms based on Elman Artificial Neural Network (ENN) and PI-ENN. Proposed algorithms and EKF algorithm has been tested separately with on-line and off-line simulational and experimental IM measurements based on under different working conditions with different waveformed supply voltages. For estimation and actual results obtained by the devoloped algorithms and EKF are compared with each other with making the necessary examinations.

Benzer Tezler

  1. Block-pulse fonksiyonları kullanılarak endüksiyon motorların durum değişkenlerinin kestirimi

    Estimation of state variables of inductions motors by using block-pulse functions

    ADEM EGE

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAADETTİN AKSOY

  2. Comparison of machine learning methods for fault analysis in induction motors

    İndüksiyon motorlarda hata analizi için kullanılan makine öğrenmesi yöntemlerinin karşılaştırılması

    MEHMET ÇETİNTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiEskişehir Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMİN GERMEN

  3. Asnchronous harmonic torgue effects on the torque speed curve of the squirrel cage induction motor

    Sincap kafesli indüksiyon motorlarda asenkron harmonik

    METİN AYAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1994

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. H. BÜLENT ERTAN

  4. Asenkron motorlarda hatalı eksenleme arızasının motor performansına etkisi

    The performance effect of misalignment fault in asynchronous motor

    HARUN SERHAT GERÇEKCİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiGaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET AKAR

  5. Elektrikli taşıt uygulamaları için dahili mıknatıslı senkron motorlarda model öngörülü tork kontrol stratejileri

    Model predictive torque control strategies in interior permanent magnet synchronous motor for electric vehicle applications

    UĞUR UFUK KÖRPE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA GÖKDAĞ

    DR. ÖĞR. ÜYESİ MİKAİL KOÇ