Sincap Kafesli Asenkron Makinada Yapay Sinir Ağları İle Rotor Akısı Yönlendirilmiş Vektör Denetimi

Abstract

Bu tezde, gerilim aradevreli eviriciden beslenen sincap kafesli asenkron makinada, rotor akısı yönlendirmeli vektör kontrolüne ilişkin modellemeler yapılmış ve ilgili simülasyon sonuçları ile birlikte karşılaştırmalı olarak sunulmuştur. İlk olarak literatürdeki klasik asenkron makine modeli kurulmuş ve çözüm için nümerik integrasyon yöntemi kullanılmıştır. İkinci aşamada, asenkron makinaya vektörel kontrol uygulanmıştır. Daha sonra, yapay sinir ağları hakkında genel bir ön bilgi verilerek çok katmanlı ağlar incelenmiştir. Geriye yayılım algoritmasının çıkarımı, karesel hata fonksiyonu ile ağırlıkların eğitimi hem orta hem de çıkış katmanındaki sinir hücreleri için adım adım verilmiştir. Uygulamada, mıknatıslanma akımının genliğini ve açısını tahmin etmek amacıyla akı modeli yerine kullanılan iki adet ve rotor hızını tahmin eden bir adet yapay sinir ağı bloğu off-line olarak eğitilmiş ve belirlenen optimum ağırlık konfigürasyonu ile kontrol bloğuna dahil edilmiştir. Ağların eğitimi sürecinde ağ girişlerine, kullanılan aktivasyon fonksiyonlarının değer aralığına uygun olarak normalizasyon prosedürü uygulanmıştır. İlerleyen adımlarda rotor direnci ve dolayısıyla rotor zaman sabitinin belirli periyodik aralıklarla değişimi incelenmiş, daha önce gözönüne alınmayan bu değişimin dinamik sistem cevabı üzerindeki etkisini kompanze etmek amacıyla yapay sinir ağlarının on-line eğitimi dinamik sistem simülasyonu ile birlikte senkronize olarak yürütülmüştür.

In this thesis a high performance control of field oriented induction motor using artificial neural networks (ANNs) have been studied. An ANN-based speed observer in a vector controlled voltage source induction motor drive employing rotor flux oriented control has also been considered. The mathematical model of the field oriented induction motor has been simulated by two aotuassociative neural networks. The training method is the error back-propagation technique. A trained ANN has the ability to learn and effectiveness is well established. During the training, the actual output signals heve been compared to the desired outputs signals, and the weights have been adjusted until the output error becomes smaller than a preset tolerance. In conclusion, the ANN-based transient and steady state performance of three phase speed sensorless induction motor have been proposed. Simulation results obtained by the ANN for the transient speed of the loaded machine have been presented. At the last part of this thesis, an algorithm which identifies the secondary resistance, online is developed. The motor operating condition for secondary resistance identification, the stable identifier organization and the simulation results are presented. The algorithm is based on the theory of model reference adaptive control (MRAC). The vector controller adopting this algorithm controls motor torque and the rotor magnetizing current accurately under any load and any speed.