Ev Tipi Endüksiyon Ocaklarda Yük Karakteristiğinin Belirlenmesi

Abstract

Ev tipi endüksiyon ocaklarda en büyük problem yük olarak tanımlanan tencerenin çok çeşitli olması ve kullanıcı tarafından belirlenmesidir. Bobin-tencere sistemi eşdeğer direnç ve endüktans olarak modellenmektedir. Tencere malzemesi, tencere taban çapı, çalışma frekansı, besleme gerilimi gibi değişkenler direnç ve endüktans değerinde belirleyicidir. Tezde tencere türüne göre beş farklı tencere tipi seçilmiş, uygulama devresi ile enerjili olarak ve de LCR metrede ölçümler alınarak analizler yapılmıştır. Yapılan analiz sonuçlarına göre direnç değişiminde etkili olan faktörlerin frekans ve tencere türü olduğu görülmüştür. Bobin-tencere kapsama oranı azaldıkça her tencerede aynı olmamakla birlikte genellikle endüktans değeri artmaktadır. Uygulama devresi ile yapılan enerjili testlerde besleme gerilimi arttığında veya azaldığında tencere türüne bağlı olarak aynı frekansta yük karakteristiği değişebilmektedir. Optimum ve güvenilir bir tasarım için yük karakteristiğini bilmek çok önemlidir. Bunun için deneylerde elde edilen veriler kullanılarak MATLAB ortamında geri yayılım algoritması geliştirilmiştir. Bu algoritma ile eğitilen yapay sinir ağı ile endüksiyon ocakta yük karakteristiği belirlenerek endüksiyon ocak mikro denetleyicisine uygulanmıştır. Deneylerde kullanılmayan farklı tencereler için ölçümler alınarak ölçüme ve yapay sinir ağlarına göre karşılaştırmalar yapılmıştır. Çıkan sonuca göre yapay sinir ağları ile yük karakteristiği iyi bir doğrulukla tespit edilebilmektedir.

The most challenging problems which induction heating has faced with are variety in pans and end-users’ preferences. Inductor-pan system is modelled with a series RL circuit composed of one resistor and one inductor. Here, the resistor and inductor’s specifications are determined according to the material and diameter of pan, frequency and voltage level of source. In this thesis, five different type of pans are selected according to their materials. Analyses are performed based on measurements collected via LCR meter and an application circuit. The study showed that the resistance changes in accordance with pan type and the frequency. Usually, the equivalent inductance increases when inductor-pan coverage ratio decreases. However, it is not valid for all pan types. Moreover, the properties of supply voltage are another key factor for determining the load characteristics, since the increment or decrement in voltage level changes load characteristics depending on pan type. Awareness of load characteristics is a significant advantage for optimum and reliable design. For this purpose, using the data that are acquired from tests a back propagation algorithm is devised. The load characteristics are determined by using an artificial neural network which is modelled by the devised algorithm. The algorithm obtained from artificial neural network is used in accordance with microcontroller of the induction heater. Comparisons are made according to measurement and artificial neural networks for different pans that are not included to the experiments. According to results, by using artificial neural networks, load characteristics can be determined with high accuracy.