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

Luận văn thạc sĩ trình bày phương pháp điều khiển trượt sử dụng mạng noron nhân tạo để ước lượng từ thông động cơ không đồng bộ ba pha.

Chuyên ngành

Điện – Điện Tử

Người đăng

Ẩn danh

Thể loại

luận văn tốt nghiệp cao học

2013

94
4
0

Phí lưu trữ

35 Point

Mục lục chi tiết

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

Tóm tắt

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.

18/07/2025
Luận văn thạc sĩ điều khiển trượt dùng mạng noron nhân tạo ước lượng từ thông động cơ không đồng bộ ba pha

Trích đoạn nội dung tài liệu

Chương 1. Error! Bookmark not defined. Tổng quan chung về lĩnh vực nghiên cứu. Các kết quả nghiên cứu trong và ngoài nước đã nghiên cứu.

Error! Bookmark not defined. Mục tiêu, khách thể và đối tượng nghiên cứu. Error! Bookmark not defined. Nhiệm vụ của đề tài và phạm vi nghiên cứu.

Error! Bookmark not defined. Phương pháp nghiên cứu. Error! Bookmark not defined. Mô hình động cơ không đồng bộ trong hệ tọa độ stator.

Error! Bookmark not defined. Hệ phương trình cơ bản của động cơ không đồng bộ. Error! Bookmark not defined. Các phương trình toán học cơ bản.

Error! Bookmark not defined. Mô hình trạng thái động cơ trên hệ tọa độ statorError! Bookmark not defined. Xây dựng mô hình động cơ trên hệ tọa độ stator bằng Matlab. Error! Bookmark not defined.

Phép chuyển đổi hệ tọa độ abc   và   abc. Error! Bookmark not defined. Điều khiển động cơ không đồng bộ dùng phương pháp trượt. Nguyên lý điều khiển trượt.

Ứng dụng điều khiển trượt điều khiển động cơ không đồng bộ. Định nghĩa các mặt trượt. Xác định luật điều khiển. Lý thuyết chứng minh.

Error! Bookmark not defined. Xây dựng mô hình bằng Matlab Simulink. Bộ nghịch lưu điều chế độ rộng xung hình sin (SPWM)Error! Bookmark not defined. Sơ đồ mô phỏng bộ nghịch lưu với phần mềm Matlab.

Kết quả mô phỏng. Số liệu mô phỏng. Đáp ứng danh định. Khảo sát tính bền vững khi Rs, Rr tăng 10%.

Khảo sát tính bền vững khi Rs, Rr giảm 10%. Khảo sát tính bền vững khi Ls, Lr, Lm tăng 10%. Khảo sát tính bền vững khi Ls, Lr, Lm giảm 10%. Khảo sát tính bền vững khi J tăng 10%.

Khảo sát tính bền vững khi J giảm 10%. Ước lượng từ thông dùng mạng hồi qui. Tổng quan về mạng nơron. Mô hình Nơron nhân tạo.

Mạng Nơron nhân tạo. Mạng Nơron Narxnet. Lựa chọn số nút ẩn và lớp ẩn. Ưu điểm của mạng Nơron.

Ước lượng từ thông động cơ không đồng bộ dùng mạng nơron. Dữ liệu huấn luyện. Huấn luyện mô hình từ thông. Kết quả nhận dạng.

Số liệu mô phỏng. Sơ đồ mô phỏng trong Simulink. Kết quả mô phỏng. Đáp ứng danh định.

Khảo sát tính bền vững khi Rs, Rr tăng 10%. Khảo sát tính bền vững khi Ls, Lr, Lm tăng 10%. Khảo sát tính bền vững khi J tăng 10%. Khảo sát tính bền vững khi Rs, Rr giảm 10%.

Khảo sát tính bền vững khi Ls,Lr,Lm giảm 10%. Khảo sát tính bền vững khi moment quán tính giảm 10%. Kết luận và hướng phát triển của đề tài. Các kết quả đã đạt được trong đề tài.

Hướng phát triển của đề tài .74 Tài liệu tham khảo .76 Tóm tắt luận văn Với ưu điểm về tính ổn định và bền vững, bộ điều khiển trượt được áp dụng cho các đối tượng phi tuyến ngay khi hệ thống chịu tác động của nhiễu, cũng như sự biến đổi các thông số của đối tượng. Tuy nhiên, việc thiết kế bộ điều khiển trượt đòi hỏi phải biết chính xác mô hình đối tượng – đây là điều không phải lúc nào cũng đạt được trong thực tế. Là một hệ phi tuyến mạnh, động cơ không đồng bộ ba pha rất khó kiểm soát và cần bố trí các cảm biến hồi tiếp, đặt biệt là cảm biến từ thông với chi phí cao, khó lắp đặt. Nhằm khắc phục vấn đề trên, bài báo đề xuất giải pháp sử 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.

Kết quả mô phỏng cho thấy thời gian xác lập của đáp ứng từ thông khoảng 0.03 giây, của tốc độ động cơ khoảng 0.4 giây, các đáp ứng không vọt lố, bền vững dưới tác động của nhiễu và sự biến thiên 10% giá trị của các tham số của động cơ. Abstract With its benefits on stability and robustness, the sliding mode controller (SMC) is applied to control nonlinear objects even under effecting of disturbances and vi changing of object’s parameters. However, designing the SMC requires a mathematic model of the object which may not always obtain, in practically. As a strong nonlinear object, three-phase induction motor is difficult to control and need feedback sensors, especially for magnetic feedback sensor that is high cost and not easy to install.

In order to overcome this problem, the article proposes using an artificial neural network to estimate the magnetic instead of using physical sensor, applying in sliding mode control for a three-phase induction motor. Simulation results indicate that the settling time of magnetic response is about 0.03s, and of motor speed is about 0.4s without overshoots under effecting of disturbances and changing 10% of parameter values of the induction motor. Danh sách các hình Hình 2. Chuyển hệ toạ độ cho không gian bất kỳ V.

Mô hình động cơ không đồng bộ trên hệ tọa độ . Khối chuyển đổi Usa, Usb, Usc ra Uα, Uβ. Error! Bookmark not defined. Khối chuyển đổi Iα, Iβ ra Isa, Isb, Isc.

Error! Bookmark not defined. Sơ đồ khối bộ điều khiển trượt………………………………….Erro r! Bookmark not defined. Sơ đồ nguyên lý mạch nghịch lưu áp 3 pha hai bậcError! Bookmark not defined. Phương pháp tạo tín hiệu kích và dạng sóng điện áp ngõ ra ua0.

Error! Bookmark not defined. Dạng tín hiệu đưa đến động cơ từ bộ nghịch lưuError! Bookmark not defined. Sơ đồ chi tiết bộ nghịch lưu xây dựng bằng Matlab-Simulink. Error! Bookmark not defined.

Sơ đồ mô phỏng hệ thống điều khiển trượtError! Bookmark not defined. Khối tính toán các mặt trượt S1, S2. Khối tính toán các biến trung gian b1, b2. Sơ đồ liên kết các khối trong khối tính toán biến điều khiển.

Dòng điện Ia, Ib và Ic của động cơ khi đáp ứng danh định .11 Mặt trượt S1 và S2 khi đáp ứng danh định. Từ thông ,  của động cơ khi đáp ứng danh định. Từ thông r của động cơ khi đáp ứng danh định. Tốc độ  của động cơ khi đáp ứng danh định.

Moment điện từ Te và moment tải TL khi đáp ứng danh định. Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi đáp ứng danh định. Dòng điện Ia, Ib và Ic của động cơ khi Rs và Rr tăng 10%. Error! Bookmark not defined.

Mặt trượt S1 và S2 khi Rs và Rr tăng 10%Error! Bookmark not defined. Từ thông ,  của động cơ khi Rs và Rr tăng 10%. Error! Bookmark not defined. Từ thông r của động cơ khi Rs và Rr tăng 10%Error! Bookmark not defined.

Tốc độ  của động cơ khi Rs và Rr tăng 10%Error! Bookmark not defined. Moment điện từ Te và moment tải TL khi Rs và Rr tăng 10%. Error! Bookmark not defined. Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi Rs và Rr tăng 10%.

Error! Bookmark not defined. Dòng điện Ia, Ib và Ic của động cơ khi Rs, Rr giảm 10%. Error! Bookmark not defined. Mặt trượt S1 và S2 khi Rs, Rr giảm 10%.

Từ thông ,  của động cơ khi Rs, Rr giảm 10%. Từ thông r của động cơ khi Rs, Rr giảm 10%. Tốc độ  của động cơ khi Rs, Rr giảm 10%. Moment điện từ Te và moment tải TL khi Rs, Rr giảm 10%.

Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi Rs, Rr giảm 10%. Dòng điện Ia, Ib và Ic của động cơ khi Ls, Lr và Lm tăng 10%. Mặt trượt S1 và S2 khi Ls, Lr và Lm tăng 10%. Từ thông ,  của động cơ khi Ls, Lr và Lm tăng 10%.

Từ thông r của động cơ khi Ls, Lr và Lm tăng 10%. Moment điện từ Te và moment tải TL khi Ls, Lr và Lm tăng 10%. Mặt trượt S1 và S2 khi Ls, Lr và Lm giảm 10%. Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi Ls, Lr và Lm tăng 10.

Dòng điện Ia, Ib và Ic của động cơ khi Ls, Lr và Lm giảm 10%. Mặt trượt S1 và S2 khi Ls, Lr và Lm giảm 10%. Từ thông ,  của động cơ khi Ls, Lr và Lm giảm 10%. Từ thông r của động cơ khi Ls, Lr và Lm giảm 10%.

Tốc độ  của động cơ khi Ls, Lr và Lm giảm 10%. Moment điện từ Te và moment tải TL khi Ls, Lr và Lm giảm 10%. Điện áp từ bộ điều khiển trượt khi Ls, Lr và Lm giảm 10%. Dòng điện Ia, Ib và Ic của động cơ khi J tăng 10%.

Mặt trượt S1 và S2 khi khi J tăng 10%. Từ thông ,  của động cơ khi J tăng 10%Error! Bookmark not defined. Từ thông r của động cơ khi J tăng 10% Error! Bookmark not defined. Tốc độ  của động cơ khi J tăng 10%.

Error! Bookmark not defined. Moment động cơ khi J tăng 10%. Error! Bookmark not defined. Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi J tăng 10%.

Error! Bookmark not defined. Dòng điện Ia, Ib và Ic của động cơ khi J giảm 10%Error! Bookmark not defined. Mặt trượt S1 và S2 khi J giảm 10%. Error! Bookmark not defined.

Từ thông ,  của động cơ khi J giảm 10%Error! Bookmark not defined. Từ thông r của động cơ khi J giảm 10%Error! Bookmark not defined. Tốc độ W của động cơ khi J giảm 10%. Error! Bookmark not defined.

Moment điện từ Te và moment tải TL khi J giảm 10%. Điện áp Ua, Ub, Uc từ bộ điều khiển trượt khi J giảm 10%. Cấu tạo một nơron nhân tạo. Cấu trúc mạng Narxnet.

Dữ liệu điện áp Us, Us dùng để nhận dạng mạng nơron. Dữ liệu dòng điện Is, Is dùng để nhận dạng mạng nơron. Dữ liệu từ thông ,  và r dùng để nhận dạng mạng nơron. Sơ đồ thu thập dữ liệu để huấn luyện từ thông.

Sai số huấn luyện của mạng ước lượng từ thông (sau 50 epoch). Cấu trúc mạng nơron được chọn để ước lượng từ thông rotor. Sơ đồ chi tiết bộ ước lượng từ thông. Kết quả nhận dạng hàm từ thông , .

Kết quả nhận dạng hàm từ thông r. Sơ đồ mô phỏng hệ thống điều khiển trượt với bộ ước lượng từ thông rotor dùng mạng nơron. Dòng điện Ia, Ib và Ic của động cơ khi đáp ứng danh định. Mặt trượt S1 và S2 khi đáp ứng danh định.

Từ thông ,  của động cơ khi đáp ứng danh định. Từ thông r của động cơ khi đáp ứng danh định. Tốc độ  của động cơ khi đáp ứng danh định. Moment điện từ Te và moment tải TL khi đáp ứng danh định .

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Ứng dụng mạng nơron nhân tạo trong điều khiển trượt động cơ không đồng bộ ba pha" khám phá cách mà mạng nơron nhân tạo có thể được áp dụng để cải thiện hiệu suất điều khiển động cơ không đồng bộ ba pha. Bài viết nhấn mạnh những lợi ích của việc sử dụng công nghệ này, bao gồm khả năng tối ưu hóa quá trình điều khiển, giảm thiểu sai số và tăng cường độ chính xác trong các ứng dụng thực tế. Độc giả sẽ tìm thấy thông tin hữu ích về cách mà mạng nơron có thể giúp giải quyết các vấn đề phức tạp trong điều khiển động cơ, từ đó mở ra hướng đi mới cho nghiên cứu và ứng dụng trong lĩnh vực này.

Để mở rộng thêm kiến thức, bạn có thể tham khảo tài liệu Luận văn thạc sĩ ứng dụng trí tuệ nhân tạo trong điều khiển động cơ không đồng bộ, nơi trình bày chi tiết về việc áp dụng trí tuệ nhân tạo trong điều khiển động cơ. Ngoài ra, tài liệu Luận văn một số vấn đề về phương pháp điều khiển trực tiếp momen động cơ không đồng bộ ba pha rotor lồng sóc cũng sẽ cung cấp cái nhìn sâu sắc về các phương pháp điều khiển khác nhau trong lĩnh vực này. Cuối cùng, bạn có thể tìm hiểu thêm về Điều khiển dự báo trên ơ sở mạng nơron nhân tạo, tài liệu này sẽ giúp bạn hiểu rõ hơn về khả năng dự đoán và điều khiển trong các hệ thống động cơ.