Luận văn thạc sĩ về điều khiển trượt sử dụng mạng nơron nhân tạo cho động cơ không đồng bộ ba pha

• Tác giả: Lâm Minh Dũng
• Người hướng dẫn: PGS TS. Dương Hoài Nghĩa
• Trường học: Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh
• Chuyên ngành: Điện – Điện Tử
• Đề tài: Ứng dụng mạng nơron nhân tạo để ước lượng từ thông thay vì dùng cảm biến vật lý trong hệ điều khiển trượt động cơ không đồng bộ ba pha.
• Loại tài liệu: luận văn tốt nghiệp cao học
• Năm xuất bản: 2013
• Địa điểm: Hồ Chí Minh

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan chung về lĩnh vực nghiên cứu
• 1.2. Các kết quả nghiên cứu trong và ngoài nước đã nghiên cứu
• 1.3. Mục tiêu, khách thể và đối tượng nghiên cứu
• 1.4. Nhiệm vụ của đề tài và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Mô hình động cơ không đồng bộ trong hệ tọa độ stator
• 1.7. Hệ phương trình cơ bản của động cơ không đồng bộ
• 1.8. Các phương trình toán học cơ bản
• 1.9. Mô hình trạng thái động cơ trên hệ tọa độ stator
• 1.10. Xây dựng mô hình động cơ trên hệ tọa độ stator bằng Matlab
• 1.11. Phép chuyển đổi hệ tọa độ abc → αβ và αβ → abc
• 1.12. Điều khiển động cơ không đồng bộ dùng phương pháp trượt
• 1.12.1. Nguyên lý điều khiển trượt
• 1.12.2. Ứng dụng điều khiển trượt điều khiển động cơ không đồng bộ
• 1.12.3. Định nghĩa các mặt trượt
• 1.12.4. Xác định luật điều khiển
• 1.12.5. Lý thuyết chứng minh
• 1.13. Xây dựng mô hình bằng Matlab Simulink
• 1.14. Bộ nghịch lưu điều chế độ rộng xung hình sin (SPWM)
• 1.14.1. Sơ đồ mô phỏng bộ nghịch lưu với phần mềm Matlab
• 1.14.2. Kết quả mô phỏng
• 1.14.3. Số liệu mô phỏng
• 1.14.4. Đáp ứng danh định
• 1.14.5. Khảo sát tính bền vững khi Rs, Rr tăng 10%
• 1.14.6. Khảo sát tính bền vững khi Rs, Rr giảm 10%
• 1.14.7. Khảo sát tính bền vững khi Ls, Lr, Lm tăng 10%
• 1.14.8. Khảo sát tính bền vững khi Ls, Lr, Lm giảm 10%
• 1.14.9. Khảo sát tính bền vững khi J tăng 10%
• 1.14.10. Khảo sát tính bền vững khi J giảm 10%
• 1.15. Ước lượng từ thông dùng mạng hồi qui
• 1.16. Tổng quan về mạng nơron
• 1.16.1. Mô hình Nơron nhân tạo
• 1.16.2. Mạng Nơron nhân tạo
• 1.16.3. Mạng Nơron Narxnet
• 1.16.4. Lựa chọn số nút ẩn và lớp ẩn
• 1.16.5. Ưu điểm của mạng Nơron
• 1.17. Ước lượng từ thông động cơ không đồng bộ dùng mạng nơron
• 1.17.1. Dữ liệu huấn luyện
• 1.17.2. Huấn luyện mô hình từ thông
• 1.17.3. Kết quả nhận dạng
• 1.17.4. Số liệu mô phỏng
• 1.17.5. Sơ đồ mô phỏng trong Simulink
• 1.17.6. Kết quả mô phỏng
• 1.17.7. Đáp ứng danh định
• 1.17.8. Khảo sát tính bền vững khi Rs, Rr tăng 10%
• 1.17.9. Khảo sát tính bền vững khi Ls, Lr, Lm tăng 10%
• 1.17.10. Khảo sát tính bền vững khi J tăng 10%
• 1.17.11. Khảo sát tính bền vững khi Rs, Rr giảm 10%
• 1.17.12. Khảo sát tính bền vững khi Ls, Lr, Lm giảm 10%
• 1.17.13. Khảo sát tính bền vững khi moment quán tính giảm 10%
• 1.18. Kết luận và hướng phát triển của đề tài
• 1.18.1. Các kết quả đã đạt được trong đề tài
• 1.18.2. Hướng phát triển của đề tài
• TÀI LIỆU THAM KHẢO

I. Tổng quan về ứng dụng mạng nơron nhân tạo trong điều khiển trượt

Mạng nơron nhân tạo đã trở thành một công cụ mạnh mẽ trong việc điều khiển các hệ thống phi tuyến, đặc biệt là trong điều khiển trượt động cơ không đồng bộ ba pha. Việc áp dụng mạng nơron giúp cải thiện độ chính xác và khả năng phản ứng của hệ thống điều khiển. Đặc biệt, mạng nơron có khả năng học hỏi từ dữ liệu, cho phép nó thích ứng với các thay đổi trong điều kiện hoạt động của động cơ.

1.1. Khái niệm về mạng nơron nhân tạo

Mạng nơron nhân tạo là một mô hình tính toán được lấy cảm hứng từ cấu trúc và chức năng của não người. Nó bao gồm các nơron kết nối với nhau, cho phép xử lý thông tin và học hỏi từ dữ liệu đầu vào.

1.2. Lợi ích của mạng nơron trong điều khiển trượt

Mạng nơron giúp cải thiện độ chính xác trong việc ước lượng từ thông và tốc độ động cơ. Điều này giúp giảm thiểu sai số và tăng cường tính ổn định của hệ thống điều khiển.

II. Thách thức trong điều khiển trượt động cơ không đồng bộ ba pha

Điều khiển trượt động cơ không đồng bộ ba pha gặp nhiều thách thức, đặc biệt là trong việc duy trì độ chính xác và ổn định khi có sự thay đổi về thông số động cơ. Các yếu tố như nhiễu và biến thiên thông số có thể ảnh hưởng đến hiệu suất của hệ thống.

2.1. Vấn đề về cảm biến trong điều khiển

Việc sử dụng cảm biến từ thông trong điều khiển trượt thường gặp khó khăn về chi phí và lắp đặt. Điều này làm tăng độ phức tạp trong việc thiết kế hệ thống điều khiển.

2.2. Ảnh hưởng của nhiễu đến hiệu suất điều khiển

Nhiễu có thể làm giảm độ chính xác của hệ thống điều khiển, dẫn đến việc động cơ không đạt được tốc độ và từ thông mong muốn. Điều này đòi hỏi các giải pháp điều khiển hiệu quả hơn.

III. Phương pháp điều khiển trượt sử dụng mạng nơron

Phương pháp điều khiển trượt kết hợp với mạng nơron nhân tạo đã được chứng minh là một giải pháp hiệu quả trong việc điều khiển động cơ không đồng bộ ba pha. Mạng nơron có khả năng ước lượng từ thông mà không cần cảm biến vật lý, giúp giảm thiểu chi phí và độ phức tạp.

3.1. Nguyên lý điều khiển trượt

Nguyên lý điều khiển trượt dựa trên việc duy trì trạng thái của hệ thống trong một mặt trượt nhất định, giúp đảm bảo độ ổn định và chính xác trong quá trình điều khiển.

3.2. Mô hình mạng nơron trong điều khiển

Mô hình mạng nơron được sử dụng để ước lượng từ thông và tốc độ động cơ, cho phép hệ thống điều khiển hoạt động hiệu quả hơn trong các điều kiện khác nhau.

IV. Ứng dụng thực tiễn của mạng nơron trong điều khiển động cơ

Việc áp dụng mạng nơron trong điều khiển động cơ không đồng bộ ba pha đã cho thấy nhiều kết quả khả quan. Các mô phỏng cho thấy thời gian xác lập của đáp ứng từ thông và tốc độ động cơ đều nằm trong giới hạn cho phép.

4.1. Kết quả mô phỏng và phân tích

Kết quả mô phỏng cho thấy thời gian xác lập của đáp ứng từ thông khoảng 0.03 giây, trong khi tốc độ động cơ khoảng 0.4 giây, cho thấy tính hiệu quả của phương pháp.

4.2. Ứng dụng trong công nghiệp

Mạng nơron đã được áp dụng trong nhiều ứng dụng công nghiệp, giúp cải thiện hiệu suất và độ tin cậy của các hệ thống điều khiển động cơ.

V. Kết luận và hướng phát triển tương lai

Việc ứng dụng mạng nơron nhân tạo trong điều khiển trượt động cơ không đồng bộ ba pha mở ra nhiều cơ hội mới cho nghiên cứu và phát triển. Các nghiên cứu tiếp theo có thể tập trung vào việc tối ưu hóa mô hình mạng nơron và cải thiện khả năng thích ứng của hệ thống.

5.1. Tương lai của mạng nơron trong điều khiển

Mạng nơron có tiềm năng lớn trong việc cải thiện các phương pháp điều khiển hiện tại, đặc biệt là trong các ứng dụng yêu cầu độ chính xác cao.

5.2. Hướng nghiên cứu tiếp theo

Nghiên cứu có thể tập trung vào việc phát triển các thuật toán học sâu để cải thiện khả năng ước lượng và điều khiển của mạng nơron trong các hệ thống động cơ.