Geri Dön

FPGA based artificial neural network motor control of PM assisted synchronous reluctance motor in washers

Çamaşır makinalarında kullanılan mıknatıs destekli senkron relüktans motorların FPGA temelli YSA ile kontrolü

PDF İndir

  1. Tez No: 815260
  2. Yazar: TURAN ALP SARIKAYA
  3. Danışmanlar: PROF. DR. LALE TÜKENMEZ ERGENE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 127

Özet

Elektrik motorları, üretilen toplam enerjinin yaklaşık %70'ini kullanarak enerji tüketimi açısından önemli bir rol oynamaktadır. Kullanılan motorlar arasında asenkron motorlar, bu enerjinin yaklaşık %30'unu tüketmektedir. Bu sayılar göz önüne alındığında, elektrik motorlarının enerji tasarrufu konusunda önemli bir etkiye sahip olduğu ortaya çıkmaktadır. Dolayısıyla, daha yüksek verim potansiyeline sahip olan daimi mıknatıslı motorlara ilgi giderek artmaktadır. Daimi mıknatıslı motorların performanslarının kaynağı başta nadir toprak elementlerinden yapılan mıknatıslardır ve bu elementlere yönelik artan talep, bunların kıtlığına ve fiyat artışlarına yol açmaktadır. Bu durum, alternatif olarak kullanılabilecek senkron relüktans motorlarını (SynRM) ön plana çıkarmıştır. SynRM motorlar ile, mıknatıslı motorlarla benzer düzeyde verimlilik elde edilebilir ve bu motorlara göre daha uygun maliyete sahiplerdir. Ayrıca, düşük maliyetli mıknatısların SynRM motorlar ile birleştiren mıknatıs destekli senkron relüktans motorların (PMaSynRM) oluşturulması ile bu motorların rekabet yetenekleri daha da artmaktadır. Sistemin verimliliği sadece motor topolojisi tarafından değil, aynı zamanda kullanılan kontrol yöntemi ile de belirlenmektedir. Yalnızca güç üretimine odaklanmak yerine hassas ve kararlı çalışmayı hedeflemek daha yüksek önem arz etmektedir. Kontrol algoritmaları motor verilerini toplayıp kullanarak, hız ve akım gibi referans işaretler üretmektedirler. Böylece motorun optimum kontrolünün yapılması hedeflenir. Bu algoritmalar, daha kolay ölçülebilen motor gerilimi ve akım değerlerine dayalı analitik hesaplamalar yaparak, diğer motor parametrelerini de tahmin edebilir. Ancak, tüm bu yöntemler motor parametrelerinin bilinmesini gerektirmektedir. Amper Başına Maksimum Moment (MTPA, ing: Maksimum Torque per Ampere), motor tarafından çekilen akımı en aza indirirken moment üretimini en iyilemek için elektrik motoru kontrolünde kullanılan bir kontrol yöntemidir. Böylelikle motor verimi de iyileşmektedir. MTPA kontrolünü uygulamak için endüktans ve mıknatıs akısı gibi motor parametreleri ölçülür veya kestirilir. Bu parametreler daha sonra kontrol algoritmasında, optimum akım referans değerlerini hesaplamak için kullanılır. MTPA için kullanılan motor parametreleri sabit kalmaz ve değişmektedir. Bu nedenle optimum noktada çalışmasını sağlamak için bu değerlerin sürekli güncellenmesi gerekmektedir. Yapay Sinir Ağları (ANN, ing: Artificial Neural Network) bu amaçla kullanılabilecek bir alternatiftir. Sistem girdileri ve çıktıları arasındaki ilişkileri yakalayabilen bu yapılar doğru eğitildiklerinde istenilen değerleri tahmin edebilmektedir. Bu tezde, bir çamaşır makinesi uygulaması için bir PMaSynRM'nin kontrolü gerçekleştirilmiştir. Motor kontrolünde MTPA algoritması kullanılmaktadır. Bu algoritma tarafından kullanılan motor parametreleri tahmin edilmekte ve çalışma noktası sürekli olarak güncellenmektedir. Bahsedilen parametre kestirimi yapay sinir ağları kullanılarak sağlanmaktadır. Yapay sinir ağları yapıları gereği yüksek işlem gücü gerektirdiğinden sahada programlanabilir kapı dizisi (FPGA, ing: Field Programmable Gate Array) kullanılarak bu gereksinim karşılanmıştır. Motor sürücüsü yapısının kontrolü için ise ayrı bir mikroişlemci kullanılarak görev dağılımı yapılmıştır. Oluşturulan sistem benzetim ve test aşamaları ile kontrol edilmiştir. Kullanılan yapay sinir ağlarını eğitmek için veri seti analitik olarak oluşturulmuştur. d ve q ekseni akımları ve gerilimleri giriş parametreleri olarak kullanılmıştır. Motorun anma akım çemberinin içinde kalacak şekilde d ve q ekseni akım çiftleri seçilmiştir. Bu akım çiftleri ile motorun üretebileceği elektromanyetik moment bulunmuştur. Yük momenti değeri ise üst sınır olacak elektromanyetik moment limitine kadar belli aralıkla seçilerek eğitim kümesinin temeli oluşturulmuştur. Motor eksen endüktansları ve mıknatıs akısı bu parametrelerden tahmin edilmiştir. Kullanılacak nöron sayısı ve katmanlarının belirlenmesi önemli bir noktadır. Bu noktada en uygun kombinasyonun bulunması için parametrik çalışmalar yapılmıştır. Burada ağ boyutunun küçük ve doğruluğun yüksek olması amaçlanmaktadır. Bu sebeple belirlenen üst nöron ve katman sayısı limitleri içindeki her kombinasyonda seçilen ağlar eğitilmiştir. Her kombinasyon için eğitilen ağ sayısı 1000 adet olarak belirlenmiştir. Böylece kombinasyonların üretebileceği en iyi sonuçlar için daha düzgün bir karşılaştırma kümesi kurulmuştur. Ağ yapısı ve diğer parametreler için ise ön çalışmalar yapılarak en uygun ve basit yöntemler seçilmiştir. Oluşturulan ağ yapılarının programlanması FPGA kullanılarak gerçekleştirilmetedir. Programalamada kullanılan FPGA, dSPACE kontrol sistemi içerisinde bulunmakta dolayısıyla hali hazırda bir işlemci ile paralel çalışabilecek konumdadır. FPGA katında işaretlerin filtrelenmesi ve sinir ağı yapıları bulunmaktadır. FPGA yapısının programlanmasında blok şemaları kullanılmıştır. Mikroişlemci katında ise genel motor kontrol sistemleri ve kontrol algoritması çalışmaktadır. FPGA mikroişlemciye göre çok daha hızlı çalıştığından her kontrol işareti için gereken hesaplamadan önce sinir ağı sonuçlarının hesaplamaları tamamlanmaktadır. Oluşturulan sistemin denenmesi için sabit ve değişken hız ve moment referansları uygulanmıştır. Bunların yanı sıra ev uygulamalarındaki durumun test etmek amacıyla bir çamaşır makinesi yükü modeli oluşturulmuştur. Bu model makinanın yıkama modu için gerçekleştirilmiş olup hız ve yüklenme miktarına göre değişkenlik gösterecek şekilde ayarlanmıştır. Elde edilen sonuçlarda beklendiği gibi motor veriminde iyileşme gözlenmiştir. Bu gelişmeyi göstermek için, parametreleri sabit tutulan bir MTPA tarafından kontrol edilen sistemin verileri ile bir karşılaştırma yapılmıştır. Sabit parametre MTPA uygulaması için kullanılan motor parametreleri, motorun anma hız ve moment değerleri için alınmıştır. Her iki sistemde aynı yük ve hız referansları altında denenerek kıyaslanmıştır. Sonuçlarda her iki kontrol sisteminin de tam yüklü durumda aynı verim noktasında çalıştığı görülmüştür. Ancak adaptif sistemin verim seviyesinin düşük hızlarda ve yüklerde daha yüksek olduğu gözlemlenmiştir. Bunun nedeni, gerekli parametreler arasındaki farkın yüksek olması MTPA çalışma noktasından sapmayı arttırmasıdır. Böylelikle motor verimi daha geniş bir çalışma aralığı için korunmuştur. Elde edilen sonçlar doğrultusunda %1 civarı verim artışı düşük hız ve moment referansları için elde edilmiştir. Mıknatıs akısının bozulması durumu için yapılan benzetim sonuçlarına bakıldığında ise bu verim artışında daha yüksek bir iyileşme görülerek düzey %1.5 seviyelerine çıkmıştır.

Özet (Çeviri)

Electric motors play a significant role in energy consumption, accounting for approximately 70% of the total energy produced, and it becomes evident that electric motors have a substantial impact on energy-saving efforts. Consequently, there is a growing interest in permanent magnet (PM) motors, which have the potential for higher efficiencies. PM motors rely on rare earth elements as the primary source of magnetism, and the increasing demand for these elements has led to their scarcity and subsequent price hikes. In light of this situation, synchronous reluctance motors (SynRM) have gained importance as an alternative motor type. The efficiency of the system is not only determined by the motor topology but also by the control method employed. However, it should be noted that all these methods require knowledge of the motor parameters. Maximum Torque per Ampere (MTPA) is a control strategy used in electric motor control to optimize torque production while minimizing the current drawn by the motor. Motor parameters like inductance, and flux linkage are typically measured or estimated to implement an MTPA control,. The motor parameters used for the MTPA do not remain constant and change over time. For this reason, the values should be updated constantly to ensure operating at the optimum point. Artificial neural networks are an alternative that can be used for this purpose. In this thesis, a PM assisted synchronous reluctance motor (PMaSynRM) is controlled for the application of a washer. MTPA algorithm is used in the motor control algorithm. The motor parameters used by this algorithm are estimated, and the operating point is constantly updated. The mentioned parameter estimation is provided by using artificial neural networks. Since artificial neural networks require high processing power in terms of their structures, this requirement is met by using a field programable gate array (FPGA). The dataset is created analytically to train the artificial neural networks used. It is important to determine the structure of the network, the number of neurons, and layers. At this point, many studies are carried out to find the most suitable combination. Improvement in motor efficiency is observed in the gathered results as expected. A comparison is made with the data of the system whose parameters are controlled by a fixed parameter MTPA to demonstrate this improvement. The motor parameters used for the fixed parameter MTPA application are taken for the rated speed and torque values of the motor. In the results, it is observed that both control systems operate at the same efficiency point for the fully loaded condition. However, it is observed that the efficiency level of the adaptive system is higher under the lower speeds and loads. This causes by the difference between the required parameters, and the high difference increases the deviation from the MTPA operating point.

Benzer Tezler

  1. Tez No

    246954

    Akıllı yöntemlerle nesne tanınması ve robot kolu kontrolü

    Object recognition and robot arm control by intelligent methods

    MUHAMMET ALİ ARSERİM

    Doktora

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YAKUP DEMİR

  2. Tez No

    712282

    FPGA tabanlı uzun kısa-süreli bellek yapay sinir ağı ile darbesel sinyal tespiti

    FPGA based long short-term memory artificial neural network for pulse signal detection

    ERDOĞAN BERKAY TEKİNCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ

    DR. NİZAM AYYILDIZ

  3. Tez No

    740209

    Field programmable gate array implementation of spiking neural networks

    Alan programlanabilir kapı dizileri üzerinde iğnecikli sinir ağlarının uygulanması

    OĞUZHAN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BURCU ERKMEN

  4. Tez No

    623383

    Yeni bir FPGA-YSA tabanlı gerçek rasgele sayı üreteci tasarımı ve gerçeklenmesi

    Design and implemantation of novel FPGA-ANN based true random number generator

    MURAT ALÇIN

    Doktora

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İHSAN PEHLİVAN

  5. Tez No

    467056

    FPGA üzerinde HYSA ve HYSA'ya özel öğrenme algoritmalarının birlikte gerçeklenmesi

    Implementation of CNN and CNN specific learning algorithms on FPGA

    ERDEM KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜŞTAK ERHAN YALÇIN

Geri Dön