Geri Dön

Design and implementation of predictive current controller based on artificial neural networks for voltage source inverters

Voltaj kaynaklı inverterler için yapay sinir ağları tabanlı öngörülü akım kontrolcü tasarımı ve uygulanması

  1. Tez No: 824351
  2. Yazar: SÜLEYMAN YARIKKAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ KADİR VARDAR
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 128

Özet

Bu çalışmada, voltaj kaynaklı eviriciler için beş farklı yapay sinir ağı (YSA) tabanlı öngörülü akım kontrolcüsü tasarımları yapılmıştır. Birinci tasarımda, sistemin matematiksel modelini kullanan sonlu kontrol setli model öngörülü kontrol (finite control set model predictive control, FCS-MPC) yönteminden alınan veriler kullanılarak, tasarlanan statik YSA tabanlı akım kontrolcüsü eğitilmiştir. Sonra diğer dört modelde sinüzoidal referans akım öngörüsünün yapılabilmesi amacı ile ileri beslemeli bir referans akım öngörücü YSA (feedforward reference current predictor artificial neural network, RefPNN) tasarımı yapılmıştır. Bu yapı kullanılarak Histerezis akım kontrolcüsü içeren iki evirici benzetimi oluşturulmuş ve bu benzetimden alınan veriler ile Histerezis tabanlı öngörülü iki adet YSA (hysteresis based predictive artificial neural network1, Hist-PNN1 ve hysteresis based predictive artificial neural network2, Hist-PNN2) akım kontrolcüsü eğitilmiştir. Benzer şekilde, dördüncü oransal-rezonans (proportional resonant, PR) tabanlı öngörülü akım kontrolcüsünün (PR based predictive artificial neural network, PR-PNN) eğitiminde, RefPNN ve PR akım kontrolcüsü içeren bir benzetimden alınan veriler kullanılmıştır. Beşinci YSA tabanlı öngörülü akım kontrolcüsünde (PI based predictive artificial neural network, PI-PNN) ise eğitim verileri RefPNN ve akım kontrolcüsü olarak oransal-integral (proportional integral, PI) kontrolcüsü içeren bir benzetimden alınmıştır. Deneysel çalışma için güç katında 7MBP50RJ120 IPM modül ve denetleyici olarak STM32F407 mikrodenetleyicisini içeren üç fazlı 5kVA'lik evirici devresi tasarlanmıştır. Çevrim dışı alınan veriler kullanılarak eğitilen beş farklı YSA akım kontrolcüsü hem benzetim ortamında hem de deneysel olarak farklı test koşulları altında test edilmiş ve sonuçları karşılaştırılmıştır. Tüm yöntemlerin öngörü özelliğine sahip olduğu ve başarıyla uygulanabileceği tespit edilmiştir.

Özet (Çeviri)

In this study, five different Artificial Neural Network (ANN) based predictive current controller designs were made for voltage source inverters. In the first design, the designed static ANN-based current controller is trained by using the data obtained from the finite control set model predictive control (FCS-MPC) method using the mathematical model of the system Then, a feedforward reference current predictor ANN (RefPNN) was designed to predict sinusoidal reference current in the other four methods. Using this structure, two inverter simulations containing a hysteresis current controller were created, and two hysteresis-based predictive ANNs (Hist-PNN1 and Hist-PNN2) current controllers were trained with the data obtained from this simulation. Similarly, data from a simulation containing RefPNN and proportional-resonant (PR) current controller were used in training the fourth PR-based predictive current controller (PR-PNN). The fifth ANN-based predictive current controller (PI-PNN) training data are taken from a simulation which RefPNN and, as the current controller, a proportional-integral (PI) controller. A three-phase 5kVA inverter circuit with a 7MBP50RJ120 IPM module in the power stage and STM32f407 as a controller was designed for the experimental study. Five different ANN current controllers trained using offline data were tested both in the simulation environment and experimentally under different test conditions, and their results were compared. It has been determined that all methods have predictive properties and can be applied successfully.

Benzer Tezler

  1. Evaluation of model-based predictive control methods in high-speed automated ground vehicle path following

    Yüksek hızlı bir otonom kara taşıtının yörünge takibinde model bazlı öngörülü kontrol yöntemlerinin değerlendirilmesi

    VOLKAN BEKİR YANGIN

    Doktora

    İngilizce

    İngilizce

    2024

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGEN AKALIN

  2. İşbirlikçi robotların haptik arayüzlerle teleoperasyonu

    Haptic teleoperation of cooperating robots

    ÖMER FARUK ARGIN

    Doktora

    Türkçe

    Türkçe

    2021

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEKİ YAĞIZ BAYRAKTAROĞLU

  3. Mekân organizasyonunda form çeşitliliği üzerine parametrik bir yaklaşım

    A parametric approach on form diversity in space organization

    MERVE ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Kentsel Tasarım Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL EREN KÜRKÇÜOĞLU

  4. Küçük ölçekli rüzgar enerji sistemleri için yeni bir statcom tasarımı ve uygulaması

    Design and implementation of a smart statcom in small scale wind energy systems

    KENAN YANMAZ

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI ALTAŞ

  5. Model based predictive networked control systems

    Model tabanlı öngören ağ bağlantılı kontrol sistemleri

    AHMET TEOMAN NASKALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ONAT