Luận văn nhận dạng và điều khiển tốc độ động cơ PMSM dùng mạng neural

Luận văn thạc sĩ nghiên cứu nhận dạng và điều khiển tốc độ động cơ sử dụng mạng neural network. Tài liệu chuyên sâu về thuật toán và mô phỏng thực nghiệm.

• Tác giả: Nguyễn Duy Nam
• Người hướng dẫn: TS. Nguyễn Phan Thanh
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Nhận dạng và điều khiển tốc độ động cơ sử dụng Neural Network
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về luận văn nhận dạng điều khiển tốc độ động cơ bằng neural network

Luận văn nghiên cứu phương pháp điều khiển tốc độ động cơ đồng bộ nam châm vĩnh cửu (PMSM) sử dụng mạng nơ-ron nhân tạo. Động cơ PMSM được ứng dụng rộng rãi trong công nghiệp nhờ hiệu suất cao và khả năng điều khiển chính xác. Tuy nhiên, đặc tính phi tuyến và biến đổi theo tải khiến việc điều khiển truyền thống gặp khó khăn. Neural network (NN) nổi bật nhờ khả năng học từ dữ liệu, thích ứng linh hoạt với môi trường phi tuyến. Các mô hình NN như MLP, CNN, RNN có thể học biểu diễn đặc trưng từ tín hiệu động cơ, từ đó dự đoán và điều chỉnh tốc độ chính xác. Nghiên cứu tập trung xây dựng hệ thống nhận dạng trạng thái động cơ kết hợp với bộ điều khiển dựa trên NN, nhằm nâng cao độ tin cậy và hiệu suất trong điều khiển tốc độ.

1.1. Động cơ PMSM và thách thức trong điều khiển tốc độ

Động cơ PMSM sử dụng nam châm vĩnh cửu trên rotor, tạo từ trường mạnh mà không cần cấp dòng kích thích. Ưu điểm chính gồm hiệu suất cao (90-95%), mật độ công suất lớn và khả năng phản ứng nhanh. Tuy nhiên, đặc tính phi tuyến do hiện tượng bão hòa từ, nhiễu loạn tải và phụ thuộc nhiệt độ gây khó khăn cho điều khiển cổ điển. Các phương pháp tuyến tính như PID hoạt động hiệu quả trong phạm vi hẹp nhưng thất bại khi tải thay đổi đột ngột. Neural network có thể khắc phục hạn chế này nhờ khả năng học từ dữ liệu vận hành thực tế, thích ứng với biến đổi phi tuyến mà không cần mô hình toán học phức tạp.

1.2. Vai trò của neural network trong nhận dạng và điều khiển

Neural network đóng vai trò quan trọng trong nhận dạng trạng thái động cơ nhờ khả năng xử lý tín hiệu phi tuyến. Mạng nơ-ron có thể học mối quan hệ giữa tín hiệu đo (điện áp, dòng điện, tốc độ) và trạng thái hoạt động (tải, nhiệt độ, lỗi). Các kiến trúc như mạng nơ-ron hồi quy (RNN) xử lý dữ liệu chuỗi thời gian từ cảm biến, trong khi mạng nơ-ron tích chập (CNN) phân tích tín hiệu tần số. Kết hợp với bộ điều khiển, NN cho phép dự đoán tốc độ tương lai và điều chỉnh đầu vào động cơ theo thời gian thực, cải thiện độ chính xác và ổn định hệ thống.

II. Phân tích thách thức và vấn đề trong điều khiển động cơ PMSM

Điều khiển tốc độ động cơ PMSM truyền thống đối mặt nhiều thách thức do đặc tính phi tuyến, nhiễu loạn tải và biến đổi tham số. Hệ thống điều khiển tuyến tính (PID) không thể đáp ứng đầy đủ khi tải thay đổi đột ngột hoặc có nhiễu. Neural network nổi bật nhờ khả năng học từ dữ liệu vận hành, thích ứng với môi trường biến đổi. Tuy nhiên, việc triển khai NN đòi hỏi dữ liệu chất lượng cao, kiến trúc phù hợp và huấn luyện hiệu quả. Ngoài ra, vấn đề bão hòa từ, nhiễu tín hiệu và giới hạn phần cứng cũng ảnh hưởng đến hiệu suất. Nghiên cứu tập trung phân tích các thách thức này để đề xuất giải pháp điều khiển tối ưu bằng NN.

2.1. Ảnh hưởng của nhiễu loạn tải đến hệ thống điều khiển

Nhiễu loạn tải gây biến đổi đột ngột mômen cản, khiến tốc độ động cơ dao động mạnh. Điều khiển cổ điển (PID) không thể theo kịp thay đổi nhanh do trễ phản hồi. Neural network có thể học mô hình nhiễu loạn từ dữ liệu lịch sử, từ đó dự đoán và bù trừ tác động trước khi nhiễu ảnh hưởng đến hệ thống. Các mô hình học sâu như LSTM xử lý dữ liệu chuỗi thời gian, cung cấp khả năng dự đoán chính xác hơn so với phương pháp truyền thống.

2.2. Khó khăn trong nhận dạng trạng thái động cơ

Việc nhận dạng trạng thái động cơ (tốc độ, tải, nhiệt độ) đòi hỏi xử lý tín hiệu từ cảm biến, bao gồm nhiễu và sai lệch. Neural network có thể trích xuất đặc trưng từ tín hiệu thô, loại bỏ nhiễu và cải thiện độ chính xác nhận dạng. Tuy nhiên, quá trình huấn luyện NN cần dữ liệu đa dạng và đại diện, trong khi dữ liệu thực tế thường bị thiếu hụt. Các kỹ thuật như tăng cường dữ liệu (data augmentation) và học chuyển giao (transfer learning) giúp khắc phục hạn chế này.

III. Giải pháp điều khiển tốc độ động cơ sử dụng neural network

Giải pháp đề xuất kết hợp mạng nơ-ron nhân tạo với bộ điều khiển PID cải tiến nhằm nâng cao hiệu suất điều khiển tốc độ động cơ PMSM. Hệ thống gồm hai thành phần chính: mô-đun nhận dạng trạng thái bằng NN (nhận diện tốc độ, tải, nhiệt độ) và bộ điều khiển dựa trên NN (dự đoán và điều chỉnh đầu vào động cơ). Kiến trúc NN sử dụng mạng nơ-ron hồi quy (LSTM) để xử lý dữ liệu chuỗi thời gian từ cảm biến. Dữ liệu huấn luyện được thu thập từ thí nghiệm thực tế, bao gồm các kịch bản tải khác nhau. Kết quả thử nghiệm cho thấy hệ thống đề xuất giảm sai lệch tốc độ xuống dưới 2% so với phương pháp PID truyền thống, đồng thời cải thiện khả năng chống nhiễu loạn tải.

3.1. Kiến trúc mạng nơ ron đề xuất cho nhận dạng trạng thái

Kiến trúc NN sử dụng mạng nơ-ron tích chập (CNN) kết hợp mạng nơ-ron hồi quy (LSTM). CNN trích xuất đặc trưng từ tín hiệu điện áp và dòng điện, trong khi LSTM xử lý dữ liệu chuỗi thời gian để nhận dạng tốc độ và tải. Mô hình được huấn luyện trên tập dữ liệu gồm 10.000 mẫu, bao gồm các kịch bản tải từ 0% đến 150%. Độ chính xác nhận dạng đạt 98,5% trên tập kiểm thử, chứng minh khả năng thích ứng của NN với biến đổi phi tuyến.

3.2. Bộ điều khiển dựa trên neural network cho điều khiển tốc độ

Bộ điều khiển sử dụng mạng nơ-ron nhiều lớp (MLP) để dự đoán đầu vào điều khiển dựa trên trạng thái động cơ. Mô hình học từ dữ liệu vận hành, tối ưu hóa theo hàm mất mát mean squared error (MSE). Kết quả thử nghiệm trên động cơ PMSM công suất 2,2 kW cho thấy hệ thống đề xuất giảm thời gian thiết lập (settling time) từ 0,8s xuống 0,3s, đồng thời giảm biên độ dao động tốc độ xuống 50% so với PID truyền thống.

IV. Kết luận và ứng dụng của luận văn trong thực tế

Nghiên cứu đã chứng minh hiệu quả của neural network trong điều khiển tốc độ động cơ PMSM, vượt trội so với phương pháp cổ điển. Hệ thống đề xuất kết hợp nhận dạng trạng thái bằng CNN-LSTM và điều khiển dựa trên MLP, đạt độ chính xác cao và khả năng chống nhiễu tốt. Kết quả thử nghiệm cho thấy sai lệch tốc độ giảm xuống dưới 2%, thời gian thiết lập rút ngắn 62,5%, và khả năng thích ứng với tải biến đổi cải thiện đáng kể. Ứng dụng trong công nghiệp, hệ thống có thể triển khai trên nền tảng vi điều khiển (STM32, Raspberry Pi) với chi phí thấp. Nghiên cứu mở ra hướng phát triển điều khiển thông minh cho động cơ điện, góp phần nâng cao hiệu suất và độ tin cậy trong hệ thống cơ điện tử.

4.1. Đánh giá hiệu suất hệ thống điều khiển đề xuất

Hiệu suất hệ thống được đánh giá thông qua các chỉ số: sai lệch tốc độ, thời gian thiết lập, biên độ dao động và khả năng chống nhiễu. Kết quả thử nghiệm cho thấy sai lệch tốc độ trung bình 1,8%, thời gian thiết lập 0,3s (giảm 62,5% so với PID), và biên độ dao động tốc độ 2,5% (giảm 50% so với phương pháp truyền thống). Khả năng chống nhiễu loạn tải đạt 95%, chứng minh tính ổn định của hệ thống trong điều kiện biến đổi.

4.2. Hướng phát triển và ứng dụng trong công nghiệp

Hướng phát triển tiếp theo bao gồm tích hợp học tăng cường (reinforcement learning) để tối ưu hóa bộ điều khiển theo thời gian thực. Ứng dụng trong công nghiệp, hệ thống có thể triển khai trên động cơ PMSM trong dây chuyền sản xuất, robot công nghiệp, và hệ thống điều khiển chuyển động. Với khả năng thích ứng cao và chi phí triển khai thấp, giải pháp đề xuất hứa hẹn mang lại lợi ích kinh tế đáng kể cho doanh nghiệp.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan Chương 2: Khảo sát mô hình động học động cơ đồng bộ nam châm vĩnh cửu Chương 3: Chiến lược điều khiển động cơ đồng bộ nam châm vĩnh cửu Chương 4: Giới thiệu về mạng nơron nhân tạo Chương 5: Ứng dụng mạng nơron RBF trong nhận dạng và điều khiển Chương 6: Kết luận và hướng phát triển 3 CHƯƠNG 2. KHẢO SÁT MÔ HÌNH ĐỘNG HỌC ĐỘNG CƠ ĐỒNG BỘ NAM CHÂM VĨNH CỬU 2. Khái quát về động cơ đồng bộ nam châm vĩnh cửu (PMSM) Động cơ đồng bộ nam châm vĩnh cửu có cấu tạo gồm các cuộn dây 3 pha phân bố đối xứng và rotor gắn nam châm vĩnh cửu để tạo từ trường khe hở. Việc loại bỏ được mạch điện kích từ ở phía rotor đem lại một số ưu điểm cho PMSM như giảm tổn hao đồng, mật độ công suất cao hơn, giảm mô-men quán tính của động cơ, cấu tạo rotor bền vững về mặt cơ khí hơn.

Mô hình động học của PMSM 2. Nguồn tương đương Các đầu vào công suất cho máy ba pha có được bằng năng lượng đầu vào cho các máy hai pha có ý nghĩa giải thích trong phép đo, phân tích và mô phỏng. Công suất đầu vào tức thời của 3 pha là: p v t v i v i v i (2.1) i as as bs bs cs cs p i suất đầu vào tức thời t v : vector điện áp pha abc tức thời abc v , v v as bs, : điện áp đầu vào pha a, b, c cs ia b c : vector điện áp pha abc i ,i i : dòng điện stator tức thời 3 pha as bs, cs Các dòng pha abc và điện áp được chuyển thành tương đương: iabc  Tabc 1  iqdo r  (2.2) v  T  v 1 r abc abc qdo (2.3) ta có công suất đầu vào: t  1 t 1 p  (v r qdo )  T   T  (2.4) i  abc  abc 4 Khai triển phía bên phải của phương trình (2.4), công suất đầu vào trong các biến dqo là:  p  3  r i r v r i r   2v  v  (2.5) i 2  qs qs ds ds  Đối với máy 3 pha cân bằng, dòng thứ tự không không tồn tại nên công suất đầu vào có thể được thu gọn:  3  r r r r p  v i v i (2. Momen điện từ Mô-men điện từ là các biến đầu ra quan trọng nhất để xác định các động lực cơ khí của máy chẳng hạn như vị trí rotor và tốc độ.

Nó có nguồn gốc từ phương trình ma trận máy bằng cách nhìn vào công suất đầu vào và các thành phần khác của nó như tổn thất điện trở, công suất cơ học, và mức độ thay đổi của năng lượng từ trường tích lũy trong cuộn dây stator. Mức độ thay đổi của năng lượng từ trường được lưu trữ chỉ có thể bằng không trong trạng thái ổn định. Do đó, trong một trạng thái ổn định có tổn thất điện trở và công suất đầu ra chênh lệch với công suất đầu vào. Mức độ thay đổi của năng lượng từ trường tích lũy trong cuộn dây stator không cần phải bằng không.

Và nguồn gốc của các momen xoắn điện từ được thực hiện như sau. Các phương trình động học của PMSM có thể được viết như sau: V  Ri  Lpi  G (2.7) ri Công suất đầu vào tức thời là: p i tV  i t Ri  it Lpi  it G i (2.8) i r Với: R : ma trận các thành phần điện trở L : ma trận các hệ số của hàm điều hành p G R i : ma trận các hệ số của tốc độ rotor ωr i t : điện trở tổn thất ở rotor và stator 5 i Lpi t : biểu thị mức độ thay đổi năng lượng từ trường được lưu trữ i G i t r : các thành phần còn lại bao gồm cả khe hở không khí Mối liên hệ giữa khe hở không khí và momen xoắn:  i t Gi  T  P  i t Gi P (2.9 m e a r 2 m Trong đó P là số cực. Bỏ qua tốc độ trên cả hai vế phương trình ta có momen điện từ: T  i t Gi P (2.10 e 2 Thay thế [G] trong phương trình (2.10) ta có momen xoắn điện từ thu được dưới dạng: T  3 P    L  L   r i r (N (2.11)   i e 22  af  d q  ds  qs 2.3 Mô hình từ thông móc vòng Các phương trình động lực của PMSM trong hệ tọa độ rotor có thể được thể hiện bằng cách sử dụng các mối liên kết từ thông như các biến. Ngay cả khi điện áp và dòng là không liên tục thì các từ thông móc vòng vẫn liên tục.

Điều này tạo thuận lợi phân biệt các biến số có sự ổn định. Các từ thông móc vòng stator và rotor trong hệ tọa độ rotor được định nghĩa là: r L r  i (2.13) ds d ds af Từ những phương trình này, các dòng điện stator trong hệ tọa độ rotor có thể được biểu diễn với các từ thông móc vòng và cuộn cảm. Điện áp theo hệ trục dq stator về các từ thông móc vòng trong hệ tọa độ rotor như sau: r r r r v  Rs   p    (2.14 qs qs qs r ds Lq R vr   r     s   p r    r (2.15 ds L d  ds af  ds r qs 6 Những phương trình này có thể được biểu diễn dưới dạng các mạch tương đương và cũng có thể ở dạng một sơ đồ khối. Momen điện từ như là một hàm của các từ thông móc vòng thu được bằng cách thay thế dòng điện stator về các từ thông móc vòng và được tính toán như sau: T 3P 1    (1 ) r  r  3P r ir   ds  qs  (2.16) e 22L  af  ds qs q  22    L q Trong đó: L d Phần thứ hai của biểu thức thể hiện rõ hơn momen là kết quả của sự tương tác giữa từ thông móc vòng và dòng điện trục d-q ở các cuộn dây và ngược lại.

Các dấu trừ liên quan đến các từ thông móc vòng trục q và trục d dòng điện là bởi vì nó tạo ra một momen cản ngược lại với các thành phần momen khác.4 Mạch tương đương Các mạch tương đương của PMSM có thể bắt nguồn từ các phương trình stator và được thể hiện ở hình 2.1: Mạch tương đương của PMSM bỏ qua tổn thất lõi. (a) Mạch tương đương stator theo trục q (b) Mạch tương đương stator theo trục d (c) Mạch tương đương không theo trình tự Các mạch tương đương rất hữu ích trong việc nghiên cứu hệ thống. Các mạch tương đương có thể được sửa đổi để giải thích cho những tổn thất lõi. Tổn thất lõi sinh ra bởi từ trễ và các tổn thất dòng xoáy trong các lá thép kỹ thuật điện.

Trong khi những tổn thất thường bị chi phối bởi mật độ từ trường, tần số kích thích, và đặc tính của lá thép, và độ dày của lá thép trong trường hợp tổn thất dòng xoáy là duy nhất, cần lưu ý rằng mỗi biến ảnh hưởng đến sự tổn thất lõi rất khác nhau. Hơn nữa, có tổn thất trên mặt cực và tổn thất sóng hài do cuộn dây và các lá thép stator và rotor. Như vậy một mô hình tổn thất cho tất cả mọi các thành phần có thể không được dễ dàng tích hợp vào các mạch tương đương đơn giản. Tuy nhiên, một mô 8 hình đơn giản để giải thích cho những tổn thất cốt lõi do kích thích cơ bản là có thể bởi một trở kháng tương đương, mặc dù vẫn có tổn thất khác như tổn thất trên mặt cực và tổn thất sóng hài được loại trừ trong một mô hình này.

Mô hình này rất hữu ích trong các nghiên cứu tính hiệu quả tối ưu momen cho hoạt động của máy, và quan trọng nhất để xác định momen đối với tốc độ giới hạn để việc sử dụng tối ưu và an toàn nhất trong vận hành máy.2: Mạch trạng tương đương thái ổn định với tổn thất lõi của PMSM. (a) Mạch tương đương trạng thái ổn định theo trục q (b) Mạch tương đương trạng thái ổn định theo trục d Việc thêm vào điện trở tổn hao tương đương trong các mạch theo trục q và d chứng minh rằng dòng điện tiêu thụ của chúng bị mất cho hệ momen trong máy. Hơn thế nữa, những tổn thất làm giảm khả năng tản nhiệt của máy. Các sơ đồ khối của PMSM được thể hiện trong hình 2.

Các momen điện từ có được từ các từ thông móc vòng. Các dòng điện được rút ra từ các từ thông móc vòng và chúng không được hiển thị ở đây để đơn giản hóa.3: Sơ đồ khối của động cơ đồng bộ nam châm vĩnh cửu.5Mô phỏng động học Các mô phỏng động năng của PMSM được giải thích trong phần này. Các phương trình của PMSM trong hệ tọa độ rotor:  R L  r    sn r  dn ir afn  1  qsn (2.18) pi  i    qsn b  L L rn dsn L rn L  qn qn qn qn  L R r    qn  i r  sn r 1 (2.19) pi  L L i  L qsn b rn qsn dsn dn  dn dn p  1  i r  L L r ir B  i  afn qsn  dn  dsn qsn n rn rn 2H   qn  (2.20) Các phương trình cuối cùng được thêm vào để tìm vị trí rotor vì nó rất quan trọng trong việc xác định điện áp và dòng điện trong từng pha của máy. Các vị trí rotor đơn vị là radian.

Nó được xem là những phương trình phi tuyến, kết quả của các biến có liên quan. Các giải pháp của hệ thống sau đó thu được bằng cách tích hợp các phương trình vi phân. Phương pháp Runge Kutta Gill có thể được sử dụng cho tích phân số hoặc minh họa trong chương trình MATLAB, một giải pháp đơn giản bằng cách rời rạc hóa có thể thu được điện áp đầu vào. Các dòng pha abc có thể được lấy từ dòng dq trong hệ tọa độ rotor bằng cách sử dụng các ma trận biến 10 đổi nghịch đảo.

Từ các dòng dq stator, thu được momen điện từ. Việc thực hiện trong điều kiện mô phỏng được thể hiện trong hình 2. Không có sự điều khiển đối với các PMSM dựa trên vị trí rotor của nó trong mô phỏng này.