Tổng quan luận án

Luận án tiến sĩ kỹ thuật chuyên ngành Kỹ thuật điện (mã số: 9520201) của nghiên cứu sinh Phạm Văn Tuấn, được thực hiện tại Trường Đại học Bách khoa Hà Nội dưới sự hướng dẫn khoa học của TS. Phạm Hùng Phi và TS. Nguyễn Thanh Sơn vào năm 2019, mang tiêu đề: "Ước lượng các thông số của động cơ không đồng bộ ba pha rôto lồng sóc sử dụng mạng nơron nhân tạo".

Tính cấp thiết và khoảng trống nghiên cứu

Động cơ không đồng bộ (KĐB) ba pha rôto lồng sóc được sử dụng phổ biến trong sản xuất công nghiệp nhờ cấu tạo đơn giản, độ tin cậy cao và chi phí bảo dưỡng thấp do không có vành trượt và chổi than. Trong hệ truyền động biến tần - động cơ KĐB ba pha, phương pháp điều khiển tựa từ thông rôto gián tiếp (IFOC - Indirect Field Oriented Control) được áp dụng rộng rãi nhờ khả năng tách kênh độc lập giữa điều khiển mômen và điều khiển từ thông. Tuy nhiên, thuật toán IFOC đòi hỏi phải xác định chính xác góc từ thông rôto và tính toán tốc độ trượt, vốn phụ thuộc trực tiếp vào điện trở rôto ($R_r$). Trong quá trình làm việc, nhiệt độ và tần số dòng điện làm điện trở rôto biến thiên lên tới 100%. Bên cạnh đó, điện trở stato ($R_s$) cũng có thể biến đổi đến 50% theo nhiệt độ.

Đối với các hệ truyền động không cảm biến tốc độ (Sensorless IFOC), thông tin tốc độ động cơ ($\omega_r$) được ước lượng thông qua các phương trình trạng thái kết hợp với các thông số của động cơ ($R_r, R_s, L_m, L_s, L_r$). Sự sai lệch của $R_r$ và $R_s$ làm suy giảm nghiêm trọng độ chính xác của bộ ước lượng tốc độ, dẫn đến mất ổn định hoặc suy giảm chất lượng điều khiển toàn hệ thống. Mặc dù các nghiên cứu trước đây đã áp dụng mạng nơron nhân tạo (ANN) để nhận dạng tham số, các công trình này chủ yếu sử dụng tốc độ học cố định (hằng số), dẫn đến tốc độ hội tụ chậm và phát sinh sai số lớn khi trạng thái làm việc thay đổi. Đồng thời, việc ước lượng online đồng thời cả điện trở rôto và stato trong hệ truyền động không cảm biến tốc độ còn gặp khó khăn do hiện tượng vòng lặp đại số. Do đó, việc nghiên cứu các thuật toán ước lượng online đồng thời $R_r$ và $R_s$ với tốc độ học thích nghi là yêu cầu cấp thiết.

Mục tiêu nghiên cứu

Luận án xác định các mục tiêu cụ thể sau:

  1. Tổng quan và phân tích các phương pháp ước lượng tốc độ của động cơ không đồng bộ ba pha.
  2. Khảo sát hệ truyền động biến tần - động cơ KĐB ba pha không cảm biến tốc độ điều khiển tựa từ thông rôto gián tiếp, làm rõ các tham số ảnh hưởng đến chất lượng ước lượng tốc độ.
  3. Đánh giá ưu nhược điểm của các phương pháp ước lượng điện trở rôto động cơ KĐB ba pha rôto lồng sóc hiện có.
  4. Đánh giá ưu nhược điểm của các phương pháp ước lượng điện trở stato động cơ KĐB ba pha rôto lồng sóc hiện có.
  5. Xây dựng thuật toán sử dụng mạng nơron nhân tạo với tốc độ học thay đổi để ước lượng online đồng thời điện trở rôto và điện trở stato.
  6. Tích hợp các bộ ước lượng điện trở đề xuất vào cấu trúc Sensorless IFOC và tiến hành kiểm chứng thực nghiệm trên hệ thống vi điều khiển dSPACE DS1104 nhằm đánh giá chất lượng hệ truyền động khi có và không có bù tham số.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Động cơ không đồng bộ ba pha rôto lồng sóc có các thông số điện trở biến thiên trong quá trình vận hành.
  • Phạm vi nghiên cứu: Tập trung vào việc nhận dạng và ước lượng online hai thông số điện trở rôto ($R_r$) và điện trở stato ($R_s$) bằng mạng nơron nhân tạo có tốc độ học thích nghi, ứng dụng cho hệ truyền động không cảm biến tốc độ điều khiển tựa từ thông rôto gián tiếp (Sensorless IFOC).

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng hợp và phân loại các công trình nghiên cứu trong và ngoài nước liên quan đến hai bài toán chính: ước lượng tốc độ và ước lượng điện trở động cơ KĐB ba pha.

Các hướng nghiên cứu trước đây

  1. Về ước lượng tốc độ động cơ không đồng bộ ba pha:

    • Sử dụng phương trình trạng thái động cơ: Các nghiên cứu của Bimal K. Bose, Vas, Trịnh Lương Miên, Nguyễn Phùng Quang [5], [16], [17], [18].
    • Hệ thống thích nghi tham chiếu mô hình (MRAS) kết hợp bộ điều chỉnh PI: Schauder, Vas, Gadoue, Rashed [19]–[25].
    • Bộ quan sát trượt (SMO - Sliding Mode Observer): Yan, Utkin, Kim, Benchaib [9], [19], [24], [26].
    • Bộ quan sát Luenberger (LO): Kubota, Matsuse, Hori [4], [18], [27].
    • Bộ lọc Kalman mở rộng (EKF): Kim, Shi, Alonge [18], [28], [29].
    • Lý thuyết lôgic mờ (Fuzzy Logic - FL): Mir, Elbuluk, Vas [19], [24], [30]–[32].
    • Mạng nơron nhân tạo (ANN): Mehrotra, Simoes, Bose, Wishart [11], [13], [18], [19], [33], [34].

  2. Về ước lượng điện trở rôto và stato:

    • Ước lượng điện trở rôto ($R_r$): Phương pháp MRAS dựa trên từ thông rôto (RF-MRAS) hoặc công suất phản kháng (RP-MRAS) của Campbell, Blasco, Maiti [38]–[41]; bộ lọc Kalman mở rộng (EKF) của Alonge, Akpolat [42]–[45]; bộ quan sát trượt của Benchaib, Barambones [46]–[48]; bộ quan sát Luenberger [49]; lôgic mờ của Zerikat, Chekroun [50]–[53]; mạng nơron nhân tạo của Vũ Hoàng Phương, Nguyễn Tùng Lâm, Bose [5], [17], [54].
    • Ước lượng điện trở stato ($R_s$): Phương pháp MRAS của Cirrincione, Rashed [21], [55]; bộ lọc EKF của Shi, Leite [56], [57]; bộ quan sát trượt [47], [58]; bộ quan sát Luenberger của Kubota [4], [59]; lôgic mờ của Karanayil, Ba-Razzouk [60]–[64]; mạng nơron nhân tạo của Vũ Hoàng Phương, Trịnh Lương Miên, Bose [5], [17], [65], [66].

Khoảng trống nghiên cứu luận án lựa chọn giải quyết

Các phương pháp ước lượng $R_r$ và $R_s$ bằng mạng nơron trước đây (như công trình [5], [17]) sử dụng tốc độ học $\eta$ là một hằng số cố định được lựa chọn theo kinh nghiệm. Nếu chọn tốc độ học quá nhỏ, quá trình học diễn ra chậm và không theo kịp biến thiên nhiệt độ thực tế; nếu chọn quá lớn, hệ thống dễ rơi vào mất ổn định và dao động quanh điểm cực tiểu. Luận án lựa chọn giải quyết khoảng trống này bằng cách:

  • Thiết lập luật điều chỉnh tốc độ học thích nghi theo sai số dạng một hàm giải tích phi tuyến.
  • Thiết lập luật điều chỉnh tốc độ học thích nghi sử dụng bộ suy luận lôgic mờ.
  • Giải quyết bài toán ghép nối để ước lượng đồng thời cả $R_r$ và $R_s$ mà không gây ra xung đột vòng lặp đại số trong cấu trúc Sensorless IFOC.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Luận án sử dụng mô hình toán học của động cơ KĐB ba pha rôto lồng sóc trên hệ tọa độ cố định stato ($\alpha - \beta$) và hệ tọa độ quay đồng bộ tựa từ thông rôto ($d - q$).

Hệ phương trình trạng thái mô tả động cơ trên hệ tọa độ cố định $\alpha - \beta$: $$\begin{cases} \dfrac{d\psi_{s\alpha}}{dt} = v_{s\alpha} - R_s i_{s\alpha} \ \dfrac{d\psi_{s\beta}}{dt} = v_{s\beta} - R_s i_{s\beta} \end{cases}$$

Quan hệ từ thông stato và từ thông rôto thông qua hỗ cảm $L_m$, điện cảm stato $L_s$, điện cảm rôto $L_r$ và hệ số từ thông rò $\sigma = 1 - \dfrac{L_m^2}{L_s L_r}$: $$\begin{cases} \psi_{r\alpha} = \dfrac{L_r}{L_m}(\psi_{s\alpha} - \sigma L_s i_{s\alpha}) \ \psi_{r\beta} = \dfrac{L_r}{L_m}(\psi_{s\beta} - \sigma L_s i_{s\beta}) \end{cases}$$

Để khắc phục hiện tượng trôi điểm không và tích lũy sai số khi lấy tích phân thuần túy từ thông stato ở vùng tần số thấp do điện áp DC nghịch lưu nhấp nhô, luận án sử dụng cấu trúc bộ lọc thông thấp nhiều cấp (LPF gồm 3 khâu bậc một mắc nối tiếp) với góc lệch pha bù thỏa mãn: $$\Phi_T = 3 \arctan(\omega \tau) = 90^\circ \implies \omega \tau = \tan(30^\circ) = \dfrac{\sqrt{3}}{3}$$ Hệ số bù biên độ: $$G = \left[\sqrt{1 + (\omega\tau)^2}\right]^3$$

Cấu trúc mạng nơron và phương pháp ước lượng

  1. Ước lượng điện trở rôto ($R_r$): Sử dụng mạng nơron truyền thẳng hai lớp đóng vai trò là mô hình thích nghi trong cấu trúc MRAS. Mô hình tham chiếu là mô hình điện áp ($\psi_{r\alpha}^{vm}, \psi_{r\beta}^{vm}$), mô hình thích nghi là mô hình dòng điện biểu diễn qua mạng nơron ($\psi_{r\alpha}^{im}, \psi_{r\beta}^{im}$): $$\begin{cases} \psi_{r\alpha}^{im}(k) = W_1 \psi_{r\alpha}^{im}(k-1) - W_2 \psi_{r\beta}^{im}(k-1) + W_3 i_{s\alpha}(k-1) \ \psi_{r\beta}^{im}(k) = W_1 \psi_{r\beta}^{im}(k-1) + W_2 \psi_{r\alpha}^{im}(k-1) + W_3 i_{s\beta}(k-1) \end{cases}$$ Trong đó: $W_1 = 1 - \dfrac{T_s}{T_r}$; $W_2 = \omega_r T_s$; $W_3 = \dfrac{T_s L_m}{T_r}$; với $T_r = \dfrac{L_r}{R_r}$ là hằng số thời gian rôto và $T_s$ là chu kỳ trích mẫu. Trọng số $W_1, W_3$ được huấn luyện trực tuyến bằng thuật toán lan truyền ngược để cực tiểu hóa hàm mục tiêu sai số: $$E = \frac{1}{2} \left[(\psi_{r\alpha}^{vm} - \psi_{r\alpha}^{im})^2 + (\psi_{r\beta}^{vm} - \psi_{r\beta}^{im})^2\right]$$ Điện trở rôto ước lượng được xác định: $$R_{r_es} = \dfrac{L_r(1 - W_1)}{T_s} = \dfrac{L_r W_3}{T_s L_m}$$

  2. Ước lượng điện trở stato ($R_s$): Sử dụng mạng nơron hồi quy dựa trên phương trình vi phân dòng điện stato: $$\begin{cases} i_{s\alpha}^(k) = W_4 i_{s\alpha}^(k-1) - W_5 \psi_{r\alpha}^{im}(k-1) - W_6 \psi_{r\beta}^{im}(k-1) + W_7 v_{s\alpha}(k-1) \ i_{s\beta}^(k) = W_4 i_{s\beta}^(k-1) - W_5 \psi_{r\beta}^{im}(k-1) + W_6 \psi_{r\alpha}^{im}(k-1) + W_7 v_{s\beta}(k-1) \end{cases}$$ Trọng số $W_4 = 1 - \dfrac{T_s}{\sigma L_s} R_s - \dfrac{T_s(1-\sigma)}{\sigma T_r}$ được hiệu chỉnh trực tuyến qua hàm sai số dòng điện: $$E_2 = \frac{1}{2} \left[(i_{s\alpha} - i_{s\alpha}^)^2 + (i_{s\beta} - i_{s\beta}^)^2\right]$$ Điện trở stato ước lượng được tính: $$R_{s_es} = \dfrac{\sigma L_s}{T_s} \left(1 - W_4 - \dfrac{T_s(1-\sigma)}{\sigma T_r}\right)$$

  3. Thuật toán tốc độ học thay đổi đề xuất:

    • Tốc độ học là hàm số: Thiết lập hàm điều chỉnh theo độ lệch sai số: $$f(\varepsilon_i) = \text{sign}(\varepsilon_i) \dfrac{\alpha_0 |\varepsilon_i|^{\text{sign}(\varepsilon_i)}}{1 + e^{|\varepsilon_i|^{\text{sign}(\varepsilon_i)}}}$$ Luật cập nhật tốc độ học tại bước $k$: $$\eta_i(k) = \eta_i(k-1) \left[1 + f(\varepsilon_i(k-1))\right]$$
    • Tốc độ học xây dựng từ lôgic mờ: Bộ điều khiển mờ nhận 2 biến đầu vào là sai số $\varepsilon_i$ và đạo hàm sai số $\Delta \varepsilon_i$, đầu ra là lượng thay đổi tốc độ học $\Delta \eta_i$.

Dữ liệu và công cụ thực nghiệm

Hạng mục Quy cách / Thiết bị sử dụng
Động cơ KĐB thử nghiệm 1 Động cơ KĐB ba pha rôto lồng sóc 2 HP
Động cơ KĐB thử nghiệm 2 Động cơ Siemens 2,2 kW (mã hiệu: 1LA 7096-2AA60-Z)
Động cơ tải phụ trợ Động cơ một chiều 2 HP / 1,5 kW (Fuan LiYuan Electric, LTD)
Bộ biến đổi tải Bộ điều khiển động cơ một chiều 4 góc phần tư Mentor II
Mạch van nghịch lưu Khối công suất IGBT FUJI loại 6MBP25RA120-05
Phần cứng điều khiển Card xử lý tín hiệu số thời gian thực dSPACE DS1104 (DSP TMS320F240)
Cảm biến đối chứng Cảm biến xung Encoder Siemens 1XP 8001-1/1024
Môi trường mô phỏng & giám sát Matlab/Simulink, ControlDesk, SINAMICS S120 Drive ES

Nội dung chính theo từng chương

Mở đầu

Phần mở đầu giới thiệu tổng quan về tầm quan trọng của hệ truyền động biến tần - động cơ không đồng bộ ba pha trong công nghiệp. Trình bày các hạn chế khi sử dụng cảm biến tốc độ cơ học (tăng kích thước, chi phí, giảm độ tin cậy trong môi trường bụi bẩn, nhiệt độ cao, sai số lớn ở dải tốc độ thấp). Đặt ra tính cấp thiết của việc ước lượng online đồng thời điện trở rôto và stato nhằm nâng cao chất lượng làm việc của hệ truyền động Sensorless IFOC. Nêu rõ mục tiêu, đối tượng, phạm vi nghiên cứu, phương pháp tiếp cận và cấu trúc tổng quát của luận án.

Chương 1: TỔNG QUAN VỀ ƯỚC LƯỢNG ĐIỆN TRỞ RÔTO VÀ STATO CỦA ĐỘNG CƠ KHÔNG ĐỒNG BỘ BA PHA

Chương 1 xây dựng mô hình toán học của động cơ không đồng bộ ba pha rôto lồng sóc trên các hệ trục tọa độ $abc$, $\alpha-\beta$ và $d-q$. Trình bày chi tiết các biểu thức tính toán mômen điện từ, từ thông và dòng điện stato trong điều kiện cấp nguồn ba pha từ bộ nghịch lưu áp PWM.

Chương này phân tích và so sánh các phương pháp ước lượng điện trở $R_r$ và $R_s$ đã được công bố:

  • Hệ thống thích nghi tham chiếu mô hình (MRAS từ thông, MRAS công suất phản kháng).
  • Bộ lọc Kalman mở rộng (EKF).
  • Bộ quan sát trượt (SMO).
  • Bộ quan sát Luenberger (LO).
  • Hệ suy luận lôgic mờ (Fuzzy Logic).
  • Mạng nơron nhân tạo (ANN).

Chương 1 kết luận: Các phương pháp ước lượng điện trở sử dụng mạng nơron với tốc độ học hằng số còn tồn tại nhược điểm lớn về thời gian hội tụ và độ chính xác khi tham số thay đổi liên tục, làm tiền đề cho hướng tiếp cận cải tiến tốc độ học ở Chương 2.

Chương 2: NGHIÊN CỨU ƯỚC LƯỢNG ĐIỆN TRỞ RÔTO VÀ STATO TRONG QUÁ TRÌNH LÀM VIỆC SỬ DỤNG MẠNG NƠRON NHÂN TẠO

Chương 2 trình bày kiến trúc mạng nơron truyền thẳng nhiều lớp và mạng nơron hồi quy, các hàm kích hoạt (Sigmoid, Linear), và thuật toán lan truyền ngược sai số theo phương pháp giảm dốc nhất.

Trình bày chi tiết hai thuật toán ước lượng mới:

  1. Ước lượng điện trở rôto và stato với tốc độ học là hàm số:
    • Xây dựng mạng nơron truyền thẳng để ước lượng $R_r$ qua trọng số $W_1, W_3$ và mạng nơron hồi quy để ước lượng $R_s$ qua trọng số $W_4$.
    • Thay thế tốc độ học hằng số bằng hàm số $f(\varepsilon_i)$ có tính chất đồng biến và cùng dấu với sai số $\varepsilon_i$. Khi mạng hội tụ chậm ($\varepsilon_i > 0$), tốc độ học tự động tăng; khi xuất hiện hiện tượng quá điều chỉnh ($\varepsilon_i < 0$), tốc độ học tự động giảm.
  2. Ước lượng điện trở rôto và stato với tốc độ học xây dựng từ lôgic mờ:
    • Thiết kế hai bộ điều khiển mờ: một bộ mờ xác định $\Delta \eta_i$ cho mạng ước lượng $R_r$ (dựa trên sai số $\varepsilon_i$ và $\Delta \varepsilon_i$) và một bộ mờ xác định $\Delta \eta_4$ cho mạng ước lượng $R_s$ (dựa trên sai số $\varepsilon_4$ và $\Delta \varepsilon_4$).
    • Sử dụng các tập mờ có hàm liên thuộc dạng tam giác và hình thang, giải mờ bằng phương pháp trọng tâm.

Kết quả mô phỏng trên Matlab/Simulink chứng minh cả hai thuật toán tốc độ học thích nghi đều cho thời gian bám tham số thực nhanh hơn, loại bỏ dao động xác lập và giảm thiểu sai số ước lượng so với thuật toán tốc độ học hằng số.

Chương 3: TRUYỀN ĐỘNG ĐỘNG CƠ KHÔNG ĐỒNG BỘ BA PHA RÔTO LỒNG SÓC KHÔNG CẢM BIẾN TỐC ĐỘ VỚI ƯỚC LƯỢNG ĐIỆN TRỞ RÔTO VÀ STATO

Chương 3 trình bày các phép biến đổi vector không gian ($abc \rightarrow \alpha\beta$, $\alpha\beta \rightarrow dq$) và nguyên lý điều khiển tựa từ thông rôto trực tiếp (DFOC) và gián tiếp (IFOC).

Nội dung trọng tâm gồm:

  • Xây dựng cấu trúc hệ thống truyền động Sensorless IFOC sử dụng mạng nơron để ước lượng tốc độ động cơ $\omega_r$.
  • Phân tích ảnh hưởng của sự biến thiên điện trở rôto và stato đến độ chính xác của bộ ước lượng tốc độ và đáp ứng mômen khi không có khâu bù tham số.
  • Thiết lập sơ đồ ghép nối hoàn chỉnh của hệ truyền động Sensorless IFOC tích hợp đồng thời các khối ước lượng $R_r$ và $R_s$ có tốc độ học thích nghi.
  • Kết quả mô phỏng so sánh các trường hợp: (1) Khi không có ước lượng điện trở: tốc độ ước lượng bị lệch đáng kể so với tốc độ đặt khi $R_r, R_s$ thay đổi; (2) Khi có khâu ước lượng $R_r, R_s$: tốc độ ước lượng bám sát tốc độ đặt, hệ truyền động duy trì độ ổn định tĩnh và động học cao ở cả dải tốc độ thấp và định mức.

Chương 4: THỰC NGHIỆM

Chương 4 mô tả cấu hình và kết quả thực nghiệm trên bàn thử nghiệm tại Bộ môn Tự động hóa công nghiệp - Trường Đại học Bách khoa Hà Nội:

  • Phần cứng: Nguồn điện, bộ nghịch lưu IGBT FUJI 6MBP25RA120-05, động cơ KĐB ba pha 2,2 kW Siemens (1LA 7096-2AA60-Z) ghép nối đồng trục với động cơ một chiều 1,5 kW (Mentor II điều khiển mômen tải), card dSPACE DS1104 giao tiếp máy tính chủ qua phần mềm ControlDesk.
  • Tiến trình thực nghiệm:
    • Nhận dạng tham số gốc của động cơ trên bàn thí nghiệm Sinamics S120.
    • Cài đặt và thực thi thuật toán FOC vòng kín và Sensorless IFOC trên dSPACE DS1104 bằng mã C biên dịch từ Matlab/Simulink.
    • Kiểm chứng thuật toán ước lượng $R_r$ và $R_s$ sử dụng mạng nơron với tốc độ học là hàm số.
  • Kết quả thực nghiệm:
    • Thu nhận các dạng sóng dòng điện pha stato $i_a, i_b, i_c$ dạng sin chuẩn, cân bằng.
    • Quá trình ước lượng điện trở $R_r$ và $R_s$ với tốc độ học hàm số đạt tốc độ xác lập nhanh hơn, không bị quá điều chỉnh so với trường hợp tốc độ học hằng số, bám sát các giá trị danh định và giá trị nhận dạng từ hệ thống Siemens S120.

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận và khoa học

  1. Đề xuất phương pháp ước lượng online đồng thời cả điện trở rôto ($R_r$) và điện trở stato ($R_s$) của động cơ không đồng bộ ba pha rôto lồng sóc sử dụng mạng nơron nhân tạo với tốc độ học thay đổi.
  2. Xây dựng và chứng minh thành công hai thuật toán xác định tốc độ học thích nghi cho mạng nơron:
    • Thuật toán tốc độ học là hàm giải tích phi tuyến $f(\varepsilon_i)$ đồng biến và đồng dấu với sai số.
    • Thuật toán tốc độ học thích nghi dựa trên hệ suy luận lôgic mờ.
  3. Giải quyết được bài toán phối hợp hoạt động đồng thời giữa bộ ước lượng tốc độ không cảm biến và các bộ ước lượng điện trở $R_r, R_s$, loại bỏ ảnh hưởng của vòng lặp đại số.

Đóng góp về mặt thực tiễn và ứng dụng

  1. Xây dựng hoàn chỉnh mô hình thực nghiệm và lập trình cài đặt thành công thuật toán ước lượng điện trở rôto và stato bằng mạng nơron nhân tạo trên vi điều khiển DSP dSPACE DS1104 kết hợp phần mềm ControlDesk.
  2. Nâng cao chất lượng làm việc, độ chính xác điều khiển tốc độ và mômen của hệ truyền động biến tần - động cơ không đồng bộ ba pha rôto lồng sóc không cảm biến tốc độ điều khiển tựa từ thông rôto gián tiếp (Sensorless IFOC) khi động cơ bị phát nóng trong quá trình vận hành.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và nội dung được trình bày trong luận án, các hạn chế và định hướng phát triển gồm:

  • Hạn chế: Luận án chỉ tập trung vào việc ước lượng hai tham số điện trở rôto và stato trong giả thiết các tham số điện cảm ($L_s, L_r, L_m$) là không đổi; chưa xét đến hiện tượng bão hòa mạch từ làm thay đổi hỗ cảm $L_m$ ở các chế độ làm việc đặc biệt.
  • Hướng nghiên cứu tiếp: Mở rộng nghiên cứu ước lượng đồng thời cả điện trở và điện cảm ($L_m$) khi mạch từ bão hòa; áp dụng các thuật toán đề xuất cho các cấu trúc điều khiển nâng cao khác như điều khiển trực tiếp mômen (DTC) hoặc điều khiển dự báo mô hình (MPC).

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao đối với:

  • Nghiên cứu sinh, học viên cao học và sinh viên chuyên ngành Kỹ thuật điện, Tự động hóa: Tham khảo mô hình toán học chiêm nghiệm, phương pháp thiết kế mạng nơron kết hợp hệ mờ trong nhận dạng tham số máy điện và kỹ thuật tích phân từ thông stato dùng bộ lọc LPF nhiều cấp.
  • Giảng viên và nhà nghiên cứu: Sử dụng làm tài liệu giảng dạy chuyên đề truyền động điện không cảm biến tốc độ, điều khiển thích nghi và ứng dụng trí tuệ nhân tạo trong kỹ thuật điện.
  • Kỹ sư nghiên cứu & phát triển (R&D) trong công nghiệp biến tần: Tham khảo giải pháp thuật toán và quy trình lập trình nhúng trên phần cứng vi xử lý DSP thời gian thực (dSPACE DS1104, TMS320F240) để nâng cấp các thuật toán Sensorless IFOC thương mại.

Câu hỏi thường gặp

1. Tại sao cần phải ước lượng đồng thời cả điện trở rôto ($R_r$) và điện trở stato ($R_s$) trong hệ truyền động Sensorless IFOC?

Trong cấu trúc IFOC, việc tính toán tần số trượt và hướng của vector từ thông rôto phụ thuộc trực tiếp vào giá trị $R_r$. Khi động cơ làm việc, $R_r$ có thể tăng tới 100% do nhiệt độ và biến thiên theo tần số dòng điện rôto. Đồng thời, trong các hệ truyền động không cảm biến tốc độ, việc ước lượng tốc độ động cơ $\omega_r$ phụ thuộc trực tiếp vào sụt áp trên điện trở stato $R_s$ (vốn biến thiên tới 50% theo nhiệt độ). Nếu không ước lượng và cập nhật đồng thời cả hai thông số này, sai số tham số sẽ tích lũy làm sai lệch hoàn toàn góc tựa từ thông và giá trị tốc độ ước lượng, dẫn đến hệ thống mất ổn định.

2. Ước lượng điện trở rôto bằng mạng nơron trong luận án được xây dựng dựa trên nguyên lý nào?

Bộ ước lượng $R_r$ được thiết kế theo cấu trúc MRAS. Trong đó, mô hình tham chiếu là mô hình điện áp stato (sử dụng 3 bộ lọc LPF xếp tầng để bù pha $90^\circ$ và biên độ $G$), còn mô hình thích nghi là một mạng nơron truyền thẳng hai lớp mô tả phương trình dòng điện rôto. Trọng số $W_1 = 1 - \dfrac{T_s}{T_r}$ và $W_3 = \dfrac{T_s L_m}{T_r}$ của mạng được huấn luyện online bằng thuật toán lan truyền ngược sai số để cực tiểu hàm mục tiêu $E$. Giá trị $R_r$ được tính toán trực tiếp từ trọng số thích nghi: $R_{r_es} = \dfrac{L_r (1 - W_1)}{T_s}$.

3. Đóng góp kỹ thuật chính của việc thay đổi tốc độ học mạng nơron trong luận án là gì?

Luận án đã khắc phục nhược điểm của tốc độ học hằng số bằng hai giải pháp: (1) Thiết lập hàm số tốc độ học $f(\varepsilon_i)$ đồng biến và đồng dấu với sai số $\varepsilon_i$, cho phép tự động tăng tốc độ học khi mạng hội tụ chậm và tự động giảm khi xảy ra quá điều chỉnh; (2) Sử dụng bộ suy luận lôgic mờ với hai ngõ vào $(\varepsilon_i, \Delta \varepsilon_i)$ để điều chỉnh gia lượng tốc độ học $\Delta \eta_i$. Cả hai phương pháp giúp mạng nơron hội tụ nhanh hơn và giảm sai số xác lập của điện trở ước lượng.

4. Hệ thống thực nghiệm trong luận án sử dụng các thiết bị phần cứng chính nào?

Hệ thống thực nghiệm gồm: động cơ KĐB ba pha rôto lồng sóc Siemens 2,2 kW (1LA 7096-2AA60-Z), động cơ tải một chiều 1,5 kW điều khiển qua bộ biến đổi Mentor II, bộ nghịch lưu IGBT FUJI 6MBP25RA120-05, card xử lý số dSPACE DS1104 kết hợp phần mềm ControlDesk và cảm biến đo tốc độ đối chứng Encoder Siemens 1XP 8001-1/1024.

Kết luận

Luận án của tác giả Phạm Văn Tuấn đã nghiên cứu thành công giải pháp ước lượng online đồng thời điện trở rôto và stato của động cơ không đồng bộ ba pha rôto lồng sóc bằng mạng nơron nhân tạo có tốc độ học thích nghi. Việc kết hợp hàm số giải tích và bộ suy luận lôgic mờ để điều chỉnh tốc độ học mạng nơron đã cải thiện đáng kể tốc độ hội tụ và độ chính xác nhận dạng tham số. Các kết quả mô phỏng và kiểm chứng thực nghiệm trên card dSPACE DS1104 khẳng định tính đúng đắn của thuật toán, góp phần nâng cao chất lượng làm việc của hệ truyền động biến tần - động cơ không đồng bộ ba pha không cảm biến tốc độ điều khiển tựa từ thông rôto gián tiếp.