Asenkron Motorlarda Geniş Aralıkta Sensörsüz Hız Kontrolü İçin Genişletilmiş Kalman Filtresi İle Gözleyici Tasarımı

Abstract

Bu çalışmada, Asenkron Motor (AsM)’ların sensörsüz kontrolü için Genişletilmiş Kalman Filtresi (GKF) ile gözleyici tasarımı konusu ele alınmıştır. Sistem modelinin doğruluğuna oldukça bağlı olan GKF’nin pratikteki başarısı, model kurulurken yapılan varsayımlar, zamanla değişen doğrusal olmayan model yapısı ve bozucular nedeniyle olumsuz etkilenmekte ve kararsızlık problemleriyle karşılaşılabilmektedir. Değişken hız ve yük koşulları altında çalıştırılmak istenen AsM’lar için tasarlanacak olan GKF gözleyicilerinde, model kurulurken önbilgisine ihtiyaç duyulan sistem ve ölçme gürültü vektörlerinin kovaryans matrislerinin çevrimiçi olarak ayar edilmesinin gerektiği bu çalışma ile ortaya konulmuştur. Elde edilen bu gözlemler doğrultusunda, GKF’nin bu ayar parametrelerinin çevrimiçi olarak hem sezgisel yöntemler ile hem de bulanık sistem kuramı ile ayar edecek iki farklı GKF algoritmasının geliştirilmesine ilişkin çalışmalar yapılmıştır. Sezgisel yöntemlerden hızlı sonuca ulaştığı iddia edilen Büyük Patlama- Büyük Çöküş yöntemi ile, ölçülebilen durumlara ait kestirim hatalarınının değerini en küçükleyecek biçimde kovaryans matrisi ayar edilmiş ve diğer bir sezgisel yöntem olan Benzetilmiş Tavlama yöntemi ile sonuçları karşılaştırılmıştır. Sezgisel yöntemlerin GKF’nin performansını artırmaktaki başarısı benzetimsel çalışmalar ile incelenmiş ancak işlem yükünün artması ve deney düzeneğinde kullanılan işlemcinin yeterli hıza sahip olmaması nedeniyle pratik sonuçlara yer verilmemiştir. Diğer taraftan, girişleri, GKF’nin kestirdiği hız ve yük momenti olan, çıkışı ise, sistem kovaryans matrisinin rotor akısı büyüklüğüne ait elemanı olan bulanık bir sistem geliştirilerek GKF’nin çevrimiçi ayar edildiği yeni bir yaklaşım önerilmiştir. Elde edilen deneysel sonuçlara göre, geliştirilen Bulanık GKF algoritmasının değişken hız ve değişken yük koşulları altında çalıştırılmak istenen sensörsüz AsM uygulamaları için standart algoritmadan daha iyi performans sergilediği sonucuna varılmıştır.

In this study, it is discussed to design an observer for the sensorless control of Induction Motor (IM), based on an Extended Kalman Filter (EKF) theory. Performance of EKF depends on the accuracy of the mathematical model of the system. Model assumptions, nonlinear time variant structures of the models and disturbances, in practice, may cause biases on estimations and also make the filter to diverge. It has been introduced, in this study, that the values of covariance matrices of model and measurement noise vectors should be tuned online while speed and load commands of IM are varied. Based on these observations, two different EKF algortihms have been developed whose noise covariance matrices are tuned by either heuristic optimization methods and fuzzy logic theory. Firsly, the Big Bang – Big Crunch, to be claimed one of the fastest heuristic algorithm, has been employed in determining the covariance matrices online and performance of which is compared with another heuristic method, so called Simulated Annealing. Success of heuristic methods on enhancing the performance of EKF has been investigated with simulation studies, however, since the processor used in the test bench is not fast enough, practial results have not been demostrated. On the other hand, as a second approach, a new- online EKF parameter tuning algorithm based on fuzzy logic system whose inputs are estimated speed and load torque and output is element of the model covariance matrix corresponding to rotor flux variable, has been introduced. It is concluded that, Fuzzy EKF performs better estimation than standart algorithm, for the sensorless IM applications where variable speed and load conditions are demanded.