878.24K
Category: informaticsinformatics

Разработка алгоритмов метода прогнозирующих моделей для управления скоростью коллекторного двигателя постоянного тока

1.

РАЗРАБОТКА
АЛГОРИТМОВ МЕТОДА ПРОГНОЗИРУЮЩИХ
МОДЕЛЕЙ ДЛЯ УПРАВЛЕНИЯ СКОРОСТЬЮ
КОЛЛЕКТОРНОГО ДВИГАТЕЛЯ ПОСТОЯННОГО ТОКА
Құбайдолданов М.М. (23-МАУ-2т)
Красавин А. Л. (Phd старший преподаватель ШЦТиИИ. ВКТУ им. Д. Серикбаева)

2.

Разработка алгоритмов МПМ для управления скоростью
коллекторного двигателя постоянного тока
В данном исследовании рассматривается применение модель прогнозирующего управления
(метод прогнозирующих моделей, МПМ) для управления скоростью коллекторного двигателя
постоянного тока (ДПТ), используемого в приводе. Определение целевой функции оптимизации
является критическим процессом в МПМ. В работе предложены различные функции для
проектирования наиболее подходящей целевой функции МПМ, учитывая параметры, которые могут
влиять на динамику двигателя, такие как скорость, ток, мощность и состояния коммутации.
Ключевые слова: (метод прогнозирующих моделей) МПМ, (двигатель постоянного тока) ДПТ,
коллекторный двигатель, H-мост.

3.

Разработка алгоритмов МПМ для управления скоростью
коллекторного двигателя постоянного тока
Двигатели постоянного тока (ДПТ) широко используются в различных областях, таких как насосы,
вентиляторы, механизмы стеклоподъемников и стеклоочистители автомобилей. С развитием технологий они
находят интенсивное применение в высокотехнологичных областях, таких как робототехника, дроны и приводы
ракет [1, 2].
Важным этапом управления ДПТ является коммутация. Процесс коммутации в ДПТ осуществляется
контактом щетки с скользящей механической поверхностью. Этот механический метод надежен и способен
выдерживать высокое напряжение и ток. Помимо этих преимуществ, в механическом коммутаторе могут
возникать искры или дуги, что создает опасную ситуацию [3].
Из-за этих недостатков проектирование контроллера является еще одним критическим шагом для управления
ДПТ. В 2000-х годах МПМ стало предпочтительным способом управления электрическими машинами, включая
высокоскоростные ДПТ. Особенно за последние десять лет уровень его использования значительно возрос [4].

4.

Разработка алгоритмов МПМ для управления скоростью коллекторного
двигателя постоянного тока
На каждом шаге управления с помощью МПМ контроллер определяет напряжение или выбор коммутации, который дает
наилучшее значение целевой функции. Это приводит к более плавному переключению инверторов и, следовательно, к
меньшим пульсациям момента [6, 7].
При проектировании МПМ одним из критических шагов является определение подходящей целевой функции. В целом,
целевая функция состоит из двух частей: разница между опорным сигналом и выходным сигналом и разность управляющего
сигнала контроллера между двумя шагами. В то время как первый параметр минимизирует ошибку, второй параметр пытается
обеспечить более плавное управление [8].
Для управления скоростью постоянного тока в целевой функции использовались ошибка скорости и значения тока и
будущих управляющих сигналов [9]. Также в исследованиях по передаточной функции двигателя вводился весовой
коэффициент во входные сигналы, и в зависимости от изменения этих коэффициентов оценивалась работа регулятора [10].
Весовые коэффициенты нуждаются в настройке системой. Одним из методов настройки этих коэффициентов
является детерминированный метод. В детерминированных методах значение коэффициентов увеличивается или уменьшается
на постоянную величину от определенной начальной точки [11].
Еще одной мотивацией исследования является то, что разработанный МПМ может работать на простом
микроконтроллере. Это важный параметр, позволяющий создавать экономичные проекты. По этой причине в аналитических
исследованиях предпочтение отдавалось периодам дискретизации, при которых алгоритм может работать на
микроконтроллерах.

5.

Уравнения двигателя
постоянного тока (ДПТ) и
схема H-моста

6.

Уравнения двигателя
постоянного тока (ДПТ) и
схема H-моста

7.

Уравнения двигателя
постоянного тока (ДПТ) и
схема H-моста

8.

Заключение
В данном исследовании был разработан метод предсказательного управления (МПМ) для
управления скоростью коллекторного двигателя постоянного тока (ДПТ). МПМ позволяет
прогнозировать будущие значения скорости и тока ДПТ, что обеспечивает более плавное
управление по сравнению с классическими регуляторами, такими как PID. Были предложены
различные функции стоимости для учета влияния разных параметров, таких как ошибка скорости,
ток и ограничения коммутации. Функция стоимости, состоящая из ошибки скорости, расчетного
тока и разницы между двумя расчетными значениями скорости, показала наилучшие результаты.
МПМ может работать на простом микроконтроллере, что делает его экономичным и подходящим
для различных применений.

9.

СПИСОК ЛИТЕРАТУРЫ
1.
Batool A, Ain NU, Amin AA, et al.A comparative study of DC servo motor parameter estimation using various techniques. Automatika.
2022;63(2):303–312.
2. Tripathi RP, Singh AK, Gangwar P, et al. Sensor- less speed control of DC motor using EKF esti- mator and TSK fuzzy logic controller. Automatika.
2022;63(2):338–348.
3.
Xiang X, Chai J, Sun X. A novel DC motor based on mechanical–electrical hybrid commutation. IEEE J Emerg Sel Top Power Electron.
2018;6(3):1605–1615.
4. Schwenzer M, Ay M, Bergs T, et al. Review on model predictive control: An engineering perspective. Int J Adv Manuf Technol. 2021;117(5):1327–
1349.
5. Sainz, B, Leal, D, & Martinez, E. Novel Method to Ensure the Reliability of the DC Motors Controlled by an IGBT/PWM Converter. In 2021 IEEE IAS
Pulp and Paper Industry Conference (PPIC); 2021, pp. 1–9.
6. Trivedi MS, Keshr RK. Evaluation of predictive current control techniques for PM BLDC motor in stationary plane. IEEE Access. 2020;8:46217–
46228.
7. Taher, SM, Niasar, AH, & Taher, SA. (2021). A new МПМ-based approach for torque ripple reduction in BLDC motor drive. 12th Power Electronics,
Drive Sys- tems, and Technologies Conference (PEDSTC), p. 1–6.
8. Dani, S, Sonawane, D, Ingole, D, & Patil, S. Performance evaluation of PID, LQR and МПМ for DC motor speed control. 2nd International Conference
for Convergence in Technology (I2CT); 2017.
9. Sahoo, S, Subudhi, B,& Panda, G. Optimal Speed Con- trol of DC Motor using Linear Quadratic Regulator and Model Predictive Control. International
Conference on Energy, Power and Environment: Towards Sustainable Growth (ICEPE); 2015.
10.
Alkurawy, LEJ, & Khamas, N. Model predictive control for DC motors. 1st International Scientific Conference of Engineering Sciences – 3rd
Scientific Conference of Engineering Science (ISCES); 2018, p. 56–61.
11. Carvalho, DF, Ganzaroli, CA, Dias, RN, Couto LA, & Calixto, WP. Optimization process applied to tuning of dynamic matrix control: study case with
DC motor. IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC); 2016.

10.

Спасибо за внимание!
English     Русский Rules