Anahtarlamalı relüktans motorun makine öğrenmesi algoritmaları ile konum algılayıcısız sürücü modelinin geliştirilmesi
Developing a position sensorless drive model with machine learning algorithms of a switched reluctance motor
- Tez No: 684327
- Danışmanlar: PROF. DR. FERHAT DALDABAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Bu tez çalışmasında 3 fazlı 6/4 bir anahtarlamalı relüktans motorun (ARM) konum algılayıcısız kontrolünü gerçekleştirebilecek modeli, yapay zekanın alt dallarından biri olan makine öğrenmesi algoritmaları kullanılarak eğitilmiştir. Rotor konumunu belirlemede kullanılan yüksek frekanslı konum algılama darbeleri, konum algılayıcılı, sabit hız ve yükte çalışan bir ARM'nin doğal çalışması süresince pasif fazlarına uygulanmıştır. Rotor konumuna göre değişen relüktansın sonucu olarak pasif fazlarda farklı değerlerde indüklenen akımlar, bilgisayar ortamına kaydedilmiştir. Bu akım değerleri, makine öğrenmesi sınıflandırma algoritmalarının eğitim ve test verilerini oluşturmuştur. Bu akım değerleri ile eğitilen model, aktif faz tahmininde kullanılmıştır. Zaman serisi yaklaşımı ve algoritma parametrelerinin düzenlenmesiyle model başarısı en üst seviyeye çıkarılarak farklı algoritmaların performansları karşılaştırılmıştır. Pasif faz akım değerlerinden oluşan veri seti, K-Nearest Neighbors (KNN), Ensemble Bagged Tree ve Tuned Fine Tree algoritmalarında karmaşık ve ağır matematiksel ön işlemlere tabi tutulmadan, %99,6, %99,9 ve %100,0 gibi yüksek başarı değerleri ile eğitilebilmiştir. Bu çalışmayla, gerçek zamanlı ölçülen pasif faz akımlarının rotor konumu ile olan ilişkisi aracılığıyla aktif fazın tahmin edilebileceği gösterilmiştir. Önerilen başarılı modeller ile 6/4 bir ARM'nin sabit yük ve hızda gerçek zamanlı pasif faz akım değerleri kullanılarak mekanik konum algılayıcısız olarak sürülebileceğini göstermiştir.
Özet (Çeviri)
In this thesis, the model that can control a 3-phase 6/4 switched reluctance motor (SRM) without a position sensor was trained using machine learning algorithms, one of the sub-branches of artificial intelligence. The high frequency position sensing pulses used in determining the rotor position were applied to the passive phases of a position-sensing SRM operating at constant speed and load during its natural operation. Currents induced at different values in passive phases as a result of the reluctance varying according to the rotor position were saved on the computer environment. These current values used for train and test data of machine learning classification algorithms. The model trained with these current values was used in active phase estimationThe success of the model was maximized with the time series approach and tuning parameters. Performances of different algorithms were compared. The data set consisting of passive phase current values could be trained in KNN, Ensemble Bagged Tree and Tuned Fine Tree algorithms with high success values such as 99.6%, 99.9% and 100.0% without being subjected to complex and heavy mathematical pretreatments. With this study, it has been shown that the active phase can be predicted through the relationship of passive phase currents measured in real time with the rotor position. With the proposed successful models, it has been shown that a 6/4 SRM can be driven at constant load and speed without a mechanical position sensor using real-time passive phase current values.
Benzer Tezler
- Yenilenebilir enerji kaynaklarıyla beslenen anahtarlamalı relüktans motorun performans analizi
Performance analysis of switched reluctance motor fed by renewable energy sources
DİLAN DEMİR AKTAŞ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiBitlis Eren ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERHAT BERAT EFE
- Ac servo motorlar ve sürücü devreleri
Ac servo motors and drive circuits
KAAN KUZER
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ.DR. HADİ SARUL
- Klasik ve karşıt kuplajlı anahtarlamalı relüktans motorlarda geometrik parametrelerin çıkış performansına etkileri
The effects of geometric parameters on output perpormance of switched reluctance and mutually switched reluctance motors
MURAT AYAZ
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
DR. KADİR YILMAZ
- Elektrikli araçlar için asenkron makinelerde rotor oluk geometrilerinin uzay harmonik ve işletme başarımı üzerine etkilerinin tespitine katkılar
Contributions to determine the effects of different rotor slot geometries on space harmonics and performance in induction machines for electric vehicles
ABDULSAMED LORDOĞLU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- Modeling of charging system and control of an alternator of a vehicle
Araç şarj sisteminin modellenmesi ve alternatör kontrolü
MUSTAFA GÖKAY UNUTULMAZ
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. LALE ERGENE