РАЗРАБОТКА СИСТЕМЫ ВЕКТОРНОГО БЕЗДАТЧИКОВОГО УПРАВЛЕНИЯ АСИНХРОННЫМ ДВИГАТЕЛЕМ НА БАЗЕ РЕКУРРЕНТНОЙ НЕЙРОСЕТИ

DEVELOPMENT OF A VECTOR SENSORLESS CONTROL SYSTEM FOR AN ASYNCHRONOUS MOTOR ON THE BASIS OF A RECURRENT NEURAL NETWORK

Nikita Mitrofanov

student, Department of Electricity and Metrology, Ukhta state technical University,

Russia, Ukhta

АННОТАЦИЯ

В статье описывается алгоритм разработки системы векторного бездатчикового управления асинхронным двигателем на базе рекуррентной нейросети. Для подтверждения успешности разработки было произведено имитационное моделирование в МАТЛАБ и сделаны выводы о полученных результатах.

ABSTRACT

The article describes an algorithm for developing a sensorless vector control system for an asynchronous motor based on a recurrent neural network. To confirm the success of the development, simulation modeling was carried out in MATLAB and conclusions were drawn about the results obtained.

Ключевые слова: векторное регулирование; бездатчиковый электропривод; нейросеть; асинхронный двигатель.

Keywords: vector control; sensorless evectric drive; neural network; asynchronous motor.

На сегодняшний день системы векторного бездатчикового управления (СВБУ) получают все большее распространение среди регулируемых асинхронных электроприводов промышленного оборудования. Целесообразность применения СВБУ вместо датчиковых систем определяется исходя из предъявляемых требований регулирования, среды эксплуатации, вида регулируемого электропривода.

СВБУ АД строится в системе координат, ориентированной по вектору потокосцепления ротора, по принципу подчиненного регулирования проекций тока с независимым регулированием потокосцепления ротора и скорости вращения ротора асинхронного двигателя. В общем случае СВБУ асинхронным двигателем имеет вид, представленный на рисунке 1.

Ф – фильтр звена постоянного тока; РП – регулятор потокосцепления; РС – регулятор скорости; РТ – регулятор тока; ПК – преобразователь координат; ШИМ – широтно-импульсный модулятор; БРУ – блок расчета угла поворота системы координат

Рисунок 1. Структурная схема СВБУ асинхронным двигателем

Основным звеном в системе СВБУ, отличающим бездатчиковые системы от систем с датчиком, является наблюдатель, который производит оценку потокосцеплений и угловой скорости (угла поворота вала) АД на основе сигналов напряжений и тока, поступающих с соответствующих датчиков, регистрирующих значения электрических величин статорных обмоток.

За последние 10 лет значительно возрос интерес научного общества к использованию нейросетевых структур в электроприводе. В частности, в работах [1, 2, 3] представлены разработки СВБУ асинхронными двигателями на основе нейросетевых наблюдателей потокосцепления и скорости. Анализируя представленные публикации были отмечены следующие недостатки, характерные для направления развития нейросетей как объекта СВБУ:

• относительно высокая ошибка регулирования как в статических, так и в динамических режимах работы; [4]
• низкая точность на околонулевых скоростях;
• низкая надежность вследствие наличия переключающих структур.

Учитывая вышеуказанные недостатки, возникла необходимость в разработке СВБУ с нейросетевым наблюдателем, отвечающим возложенным на него требованиям.

За основу разрабатываемой СВБУ была взята модель СВУ асинхронным двигателем в двухфазной системе координат. Наличие СВУ позволило снять тренировочные данные, необходимые для обучения нейросетевого наблюдателя. В качестве нейросетевого наблюдателя была выбрана нейросеть на основе модели нелинейной авторегрессии с экзогенными входами (Nonlinear Autoregressive with Exogenous inputs – NARX).

Уравнение, описывающее динамику структуры NARX выглядит следующим образом:

.

Применение обратных связей в структуре нейросети делает возможным ее описание в виде множества состояний, что позволяет использовать структуры NARX в моделировании и нелинейной идентификации.

Тренировка нейросети производилась методом Байесовской регуляризации. Структурная схема полученного нейросетевого наблюдателя отображена на рисунке 2.

Рисунок 2. Структурная схема нейросетевого наблюдателя

Для подтверждения эффективности разработанного наблюдателя было произведено имитационное моделирование СВБУ в MATLAB. Имитационная модель СВБУ с нейросетевым наблюдателем изображена на рисунке 3

Рисунок 3. Структурная схема СВБУ с нейросетевым наблюдателем

Результатом моделирования стали переходные характеристики по угловой скорости с набросом нагрузки (Рисунок 4).

Исходя из полученных результатов, разработанная система успешно отрабатывает задающие и возмущающие воздействия. Также установившаяся ошибка по угловой скорости находится в диапазоне 10%, что является допустимым для большинства бездатчиковых электроприводов.

Рисунок 4. Результаты моделирования разработанной СВБУ

В сравнении с СВУ разработанная система обладает большим перерегулированием и колебанием значением угловой скорости. Эти явления объясняются расхождением между фактической и прогнозируемой угловой скоростью, что говорит о неточном предсказывании нейросетевым наблюдателем угловой скорости.

В качестве дальнейшей разработки по этому направлению целесообразно исследовать зависимость количества нейронов в скрытом слое и слое обратной связи. В процессе разработки была предпринята попытка исследования, после которой были сделаны выводы о невозможности моделирования серии экспериментов вследствие технических ограничений вычислительного оборудования, используемого для построения модели.

Список литературы:

1. Исаков, А. С. Адаптивный наблюдатель состояний асинхронного двигателя в бездатчиковой системе векторного управления / А. С. Исаков. — Текст : непосредственный // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. — 2008. — № 47. — С. 126-131.
2. Краснов, Д. В. Управление механическими объектами с бездатчиковыми электроприводами / Д. В. Краснов // XIII Всероссийское совещание по проблемам управления ВСПУ-2019. — 2019. — C. 220-225.
3. Шеломкова, Л. В. Система векторного бездатчикового управления асинхронным двигателем с переключаемой структурой / Л. В. Шеломкова, Д. И. Алямкин. — Текст : непосредственный // Электричество. — 2008. — № 5. — С. 30-35.
4. Митрофанов Н.А. Перспективы развития систем векторного бездатчикового управления асинхронными двигателями на основе нейросетевых структур // Студенческий: электрон. научн. журн. 2022. № 15(185). URL: https://sibac.info/journal/student/185/248496 (дата обращения: 19.05.2022).