Asenkron motorun DSP (sayısal işaret işleyici) tabanlı bir kontrol sistemi kullanılarak YSA (yapay sinir ağları) ile performansının arttırılması
The Performance increasing on the induction motor with ann (artifical neural networks) by using a DSP (digital signal processor) based control system
- Tez No: 85013
- Danışmanlar: PROF. DR. HALİT PASTACI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Asenkron Motor, Vektör Kontrolü, Sayısal İşaret İşleme, Yapay Sinir Ağları ile Kontrol, Analog-Dijital Dönüştürücü, Sistem Otomasyonu, Induction Motor, Vector Control, Digital Signal Processing, Control with Artificial Neural Networks, Analog-Digital Converter, System Automation
- Yıl: 1999
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 216
Özet
ÖZET Yapay Sinir Ağları (YSA) günümüz teknolojisinde kontrol, elektrik makinalannda arızaların erken tanısı, sayısal işaret işleme gibi farklı birçok alanlarda başarı ile kullanılmaktadır. YSA gibi paralel işlem yapma kabiliyetine sahip böyle bir sistemden bağımsız olarak Sayısal İşaret İşleyiciler de (DSP-Digital Signal Processors) sistem kontrolü, haberleşme, digital motor kontrolü ve askeri projelerin bir çoğunda kendisine uygulama alanı bulmuştur. YSA'nın matematiksel formüllerden bağımsızlığı ve sonuca etkili bir şekilde çok kısa bir zaman dilimi içinde yaklaşması, DSP'nin de YSA'ya işlemesi için gerekli verileri oldukça hızlı bir şekilde (nano saniyeler mertebesinde) sağlaması, böyle bir asenkron motor kontrol -performansı arttırıcı diğer bir etken olan vektör kontrolü tercih edilmiştir- uygulamasında, prototip olarak ele alman sistemin performansını arttırıcı her türlü özelliğe sahip olmasından dolayı, diğer yaklaşım metodlanyla benzer bir sisteme yapılacak kontrole göre bunu çok daha fazla avantajlı ve güvenilir kılmaktadır. Ayrıca sistemde, DSP üzerinden alınan sayısal değerler YSA ile güncelleştirilmekte ve bu güncelleştirilmiş eğitme ağırlıkları DSP tarafından tekrar sistemin performansını arttırmak için kullnılmaktadır. Bu da benzer sistemlere göre kullanılan sistemin diğer bir üstün yanını temsil etmektedir. Yapılan çalışmada, asenkron motorun performansının arttırılması işlemi DSP tabanlı bir kontrol sistemi ile gerçekleştirilirken YSA bünyesinde İleri-besleme ağı ve Hızlı Hatanın Geriyeyayılımı Algoritması (Fast Error Backpropagation Algorithm) kullanılmıştır. Konunun akış yapısına bağlı kalınarak kontrol işleminin gerçeklenmesinde kullanılan asenkron motor, vektör kontrolü, YSA ve DSP gibi konuların her biri ayn başlık altında incelemeye alınmış olup, sonuç bölümünde ise alınan deney ölçümlerine göre kontrol işleminin nasıl yapıldığı blok diyagram şeklindeki devre şemaları, ölçülen değişkenlerin zamanla değişim diyagramları ve ağ mimarileriyle gösterilmekte, YSA'yı eğitme de kullanılan sayısal bilgi dosyası, sonuç tabloları şeklinde verilmekte ve kullanılan program yapılan ve açık devre şemaları ise ekler bölümünde sunulmaktadır. Kontrol sisteminden alınan sayısal değerler klasik Hatanın Geriyeyayılımı Algoritması'na (Error Backpropagation Algorithm) da uygulanmış olup her iki algoritmanın teorik anlatımı YSA bölümü altında, elde edilen sonuçların Hızlı Hatanın Geriyeyayılımı Algoritması ile karşılaştırmalı analizi ise sonuç bölümünde verilmektedir. Yine sonuç bölümünde, alınan bu sayısal değerlerdeki değişkenlerin yüksek dereceli durumlarına bağlı olarak tasarlanan yüksek mertebeden ağ sonuçlan da sunulmaktadır. Motor olarak, 0.55 kW, 2.6A, 220V, 50 Hz, Cos(J)=0.79 olan bir 3-fazlı sincap kafesli asenkron motor kullanılmıştır. Sistemin performansını arttırmak için YSA'ya giriş değerleri olarak hem klasik Hatanın Geriyeyayılımı Algoritması hem de Hızlı Hatanın Geriyeyayılımı Algoritması için motorun rotor hızı (n) açısal hız şeklinde (w), akımı (I) ve gücü (P), çıkış değeri olarak momenti (T) girilerek 300000 iterasyon sonucunda klasik Hatanın Geriyeyayılımı Algoritması için %0.0011, Hızlı Hatanın Geriyeyayılımı Algoritması için %0.0007 ve yüksek mertebeden YSA'da, klasik Hatanın Geriyeyayılımı Algoritması için %0.0009 ve Hızlı Hatanın Geriyeyayılımı Algoritması için %0.0004 gibi çok az bir sistem hatasıyla motorun istenilen yük-momentine istenilen sürede (nano saniyeler mertebesinde) ulaştığı görülmektedir. Elde edilen sonuçların test edilmesi yani karşılaştırmalı analizinin yapılabilmesi açısından, ABB firmasının Kartal Fabrikası Inverter Teknik Servisi'nde de gelişmiş bir Inverter modülü olan ACS600 üzerinden benzer ölçümler yapılmış olup, YSA'ya uygulanan değişkenler aynı kalmaküzere, klasik Hatanın Geriyeyayılımı Algoritması için %0.0012 ve Hızlı Hatanın Geriyeyayılımı Algoritması için %0.0003 ve yüksek mertebeden YSA'da, klasik Hatanın Geriyeyayılımı Algoritması için %0.0010 ve Hızlı Hatanın Geriyeyayılımı Algoritması için %0.0003 olarak benzer şekilde çok az bir sistem hatasıyla motorun istenilen yük-momentine istenilen sürede (nano saniyeler mertebesinde) ulaştığı görülmüştür. Bu da yapılan çalışından alınan ölçümlerin doğruluğunu göstermektedir. DSP'nin veri haberleşmesinin sağlanması ve YSA'nın eğitme işleminin yapılması elde edilen sonuçların YSA test fazı üzerinden tekrar sisteme aktarılması için bir Pentium-200 MMX bilgisayar kullanılmıştır. DSP işlemci olarak Texas Instrument firmasının TMS320C50 kartı ile uygulama yapılmıştır. YSA ve DSP algoritmalarının çalıştırılması için YSA'da C++ ve DSP'de Assembler dilleri ile yazılımlar gerçekleştirilmiştir.
Özet (Çeviri)
ABSTRACT Artificial Neural Networks (ANN) are successfully used in a lot of areas such as control, early detection of electric machine faults, digital signal processing in our daily technology. Digital signal processors (DSP) spreadly found plenty of application areas like system control, communication, digital motor control and military projects as they are independent on the parallel data processing system of ANN. It is a very preference reason ANN's mathematical independence and their effectiveness in a very short time to approaching to the results, and also DSP ensures the necessary data (nano second degree) to process to ANN faster than analog control systems. These results give a few but important advantages and do the system more reliable according to the other approaching methods. Because it has such a prototype system every feature to increase induction motor performance -vector control applicated to the system as another effect to increase the performance of the motor- it can be used for all rotating machine applications. In the system, the values taken from DSP are also updated by ANN. The updated training weights are again used to increase the performance of the system. This shows another advantage of the system according to other similar systems. In the study, it is used a DSP-based control system with feed-forward ANN (multilayer perceptron) and Fast Backpropagation Algorithm to increase the performance of the induction motor. It is firstly explained induction motors, vector control, ANN and DSP under separate chapters to follow the subject flow respectively. It is shown the circuits of the system how to be done and how to work with block circuit diagrams, measured variable ones and network architectures. The training set of ANN is given as data file tables according to the experimental results in the last chapter. The softwares of ANN and DSP and complete circuit diagrams are given in addition parts. The values taken from the control system were also applicated to classic Error Backpropagation Algorithm. The theoretical description of this two algorithms are given in ANN chapter and it is shown a comparison of the algorithms in the matter of experimental results in the last chapter. It is put forward the results of high-order network according to the high-order degree conditions of the same values in the same chapter. It was used 0.55 kW, 2.6A, 220V, 50Hz, Coscj)=0.79 3-phase squirral-cage induction motor. In the thesis, for both clasic Error Backpropagation and Fast Error Backpropagation Algorithms, as the input values to ANN, rotor speed (n) as angular speed (w), current (I) and power (P), as the output value to it torque (T) of the motor to increase the performance of the system are made and discriminated with success rate under %0.01 generalised system error, %0.0011 for classic Error Backpropagation Algorithm, %0.0007 for Fast Error Backpropagation Algorithm and to high-order network, %0.0009 for classic Error Backpropagation Algorithm and %0.0004 for Fast Error Backpropagation Algorithm for 300000 iterations. It is considerably important success to access this performance increment, that is, under changing the value of the load, the load-torque rises to the same value performance in a very short time(nano seconds degree). It was done similar measurements by using an advanced technology ACS600 Inverter module in Inverter Technical Service of ABB's Kartal Factory in the matter of testing our experimental results. Input and output variables of ANN are the same ones. Again, the performance of the system is increased and discriminated with success rate under %0.01 generalised system error, %0.0012 for classic Error Backpropagation Algorithm, %0.0003 for Fast Error Backpropagation Algorithm and to high-order network, %0.0010 for classic ErrorBackpropagation Algorithm and %0.0003 for Fast Error Backpropagation Algorithm for 300000 iterations. These results show the truth of our measurements. It was used a Pentium-200 MMX computer to ensure the data communication of DSP, train ANN set and give the taken ANN test phase results to the system again. The system application was done by Texas Instruments TMS320C50 DSP kit. The software languages of ANN and DSP are C++ and Assembler respectively.
Benzer Tezler
- Asenkron motorun sayısal işaret işleyici tabanlı vektör kontrolü
Digital signal processor based vector control of induction motor
İBRAHİM ERTÜRK
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YÜKSEL ÖZBAY
- Asenkron makinenin DSP tabanlı motor/generatör olarak çalıştırılması
DSP based motor/generator working of induction machine
ONUR METİN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA AKTAŞ
- Asenkron motorun DSP (sayısal işaret işlemci) temelli kontrolunda yapay sinir ağları ve genetik algoritmalar kullanılarak pi katsayılarının optimizasyonu
Optimisation of pi cofficents using artificial neural network and genetic algorithms at DSP (digital signal processor) based control of asynchronous motor
SEYDİ VAKKAS ÜSTÜN
Doktora
Türkçe
2001
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Asenkron motorların sayısal işaret işlemci kullanarak hız kontorlü
Induction motor speed control with digital signal processor
OSMAN TEMEL
Yüksek Lisans
Türkçe
2011
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜSLÜM ARKAN
- Asenkron motorun sonlu elemanlar yöntemiyle incelenmesi ve bulanık mantık denetleyicili vektör kontrolü
Finite element method analysis of induction motor and fuzzy logic vector control
AHMET NUR
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiTunceli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZEKİ OMAÇ