Nhận dạng đặc tính từ thông của động cơ từ trở có xét đến ảnh hưởng của hỗ cảm và bão hòa mạch từ

Download

P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY

NHẬN DẠNG ĐẶC TÍNH TỪ THÔNG CỦA ĐỘNG CƠ TỪ TRỞ

CÓ XÉT ĐẾN ẢNH HƯỞNG CỦA HỖ CẢM VÀ BÃO HÒA MẠCH TỪ

IDENTIFICATION OF FLUX CHARACTERISTIC OF SWITCHED RELUCTANCE MOTOR

WITH THE INFLUENCE OF MUTUAL INDUCTANCE AND MAGNETIC SATURATION

Phí Hoàng Nhã^1,2,*, Lê Xuân Hải¹,

Nguyễn Thu Hà¹, Đặng Đình Chung¹

1. GIỚI THIỆU

TÓM TẮT

Động cơ từ trở là động cơ có nhiều ưu điểm như cấu tạo đơn giản, mô men khởi động lớn, có

Động cơ từ trở (SRM) có cấu tạo đơn

giản, tốc độ hoạt động lớn, độ bền cao

trong môi trường làm việc phức tạp và chi

phí chế tạo thấp. Mặc dù những ưu điểm

trên là đáng kế, nhưng một vấn đề làm hạn

chế các ứng dụng của SRM là mô men đập

mạch lớn và khó điều khiển. Để thiết kế các

thuật toán điều khiển cho động cơ từ trở,

mô hình toán của động cơ cần được xác

định chính xác.

khả năng ứng dụng trong các hệ thống đòi hỏi tốc độ cao. Tuy nhiên, nhược điểm của động cơ này

là mô men đập mạch lớn và rất khó điều khiển. Để áp dụng được các phương pháp điều khiển, mô

hình toán của động cơ cần được xác định chính xác. Khác với các loại động cơ thông thường, mô

hình toán của động cơ từ trở đòi hỏi cần biết được đặc tính từ thông, mà đặc tính này chỉ có thể xác

định chính xác dựa trên đo đạc thực nghiệm. Quá trình đo đạc thực nghiệm đòi hỏi phải có hệ

thống thiết bị thực, quá trình cài đặt phức tạp, không phù hợp trong nghiên cứu, thiết kế, mô

phỏng các thuật toán điều khiển. Để giải quyết khó khăn này, bài báo đề xuất một hàm toán học

của đặc tính từ thông, sử dụng thuật toán nơ ron để kiểm tra tính chính xác của hàm đề xuất. Hàm

đặc tính từ thông cho động cơ từ trở được xây dựng có xét đến ảnh hưởng của hỗ cảm giữa các pha

và bão hòa mạch từ, hàm này là chính xác để có thể sử dụng trong việc đánh giá, phát triển các

thuật toán điều khiển cho động cơ từ trở.

Phương trình toán học của động cơ từ

trở gồm phương trình điện áp, phương

trình mô men và phương trình cơ. Từ việc

biến đổi ba phương trình này, mô hình toán

của động cơ từ trở có thể dễ dàng được đưa

ra. Tuy nhiên, khác với các loại động cơ một

chiều hay xoay chiều khác, động cơ từ trở có

từ thông là một hàm phi tuyến, phụ thuộc

vào dòng điện và vị trí rotor, mà để có được

mô hình toán của SRM cần biết được đặc

tính từ thông của nó, theo cấu trúc mô hình

động cơ trong hình 1. Chính điều này đã

gây ra nhiều khó khăn khi mô hình hóa SRM

để điều khiển chúng.

Từ khóa: Động cơ từ trở; đặc tính từ thông; nhận dạng; phần tử hữu hạn, nơ ron.

ABSTRACT

The switched reluctance motor has many advantages such as simple construction, large starting

moment, and capable of being used in systems requiring high speed. However, the disadvantage of

this motor is that the ripple torque is large and difficult to control. In order to apply the control

methods, the motor's mathematical model needs to be precisely defined. Unlike conventional

motors, the mathematical model of the switched reluctance motor requires knowing the flux

characteristic, which can only be accurately determined based on experimental measurements. The

experimental measurement process requires a real equipment system, complicated installation

process, not suitable in research, design, and simulation of control algorithms. To solve this problem,

the paper proposes a mathematical function of the magnetization characteristic, using a neural

algorithm to check the accuracy of the proposed function. The magnetization characteristic function

for the switched reluctance motor is built considering the influence of mutual inductance phases and

magnetic saturation, magnetization function is used in the development and evaluation of control

algorithms for switched reluctance motor.

Hiện nay, đặc tính từ thông (hay còn

gọi là đặc tính từ hóa) của động cơ từ trở

có thể xác định bởi ba cách. Cách thứ nhất

là đo đạc thực nghiệm, phương pháp này

cho kết quả chính xác nhưng đòi hỏi phải

có thiết bị thực và quá trình cài đặt phức

tạp. Đồng thời, mỗi loại động cơ từ trở có

số cực stator và rotor khác nhau thì đặc

tính từ thông sẽ khác nhau (6/4 cực, 8/6

cực, 10/8 cực,…), vì vậy cách thứ nhất

không mang tính tổng quát. Cách thứ hai

là tính toán bằng phương pháp phần tử

hữu hạn (FEA), phương pháp này đòi hỏi

nhiều thời gian để tính toán, phụ thuộc

vào lưới chia và các điều kiện biên. Để tăng

Keywords: Switched reluctance motor; magnetization; identification; finite element method;

neural.

¹Trường Đại học Công nghiệp Hà Nội

²Trường Đại học Bách khoa Hà Nội

^*Email: phihoangnha@haui.edu.vn

Ngày nhận bài: 05/5/2021

Ngày nhận bài sửa sau phản biện: 10/6/2021

Ngày chấp nhận đăng: 25/6/2021

Website: https://tapchikhcn.haui.edu.vn Vol. 57 - No. 3 (June 2021) ● Journal of SCIENCE & TECHNOLOGY

KHOA HỌC

CÔNG NGHỆ

P-ISSN 1859-3585 E-ISSN 2615-9619

độ chính xác, lưới chia phải càng nhỏ càng tốt, dẫn đến có

Theo nguyên lý chuyển đổi năng lượng xảy ra trong

thể mất hàng giờ tính toán. Cách thứ ba là nhận dạng đặc động cơ từ trở, mô men sinh ra chính bằng biến thiên đối

tính từ thông bằng một hàm tuyến tính hoặc phi tuyến. năng lượng từ trường trong cuộn dây stator theo vị trí rotor.

W_j^'

Phương pháp thứ ba này là phù hợp, thuận tiện cho quá

T_j(θ,i_j) 

(2)

trình đánh giá, thiết kế và phát triển các thuật toán điều

khiển. Bài toán đặt ra là cần xây dựng được hàm đặc tính từ

thông chính xác. Nhiều công trình nghiên cứu đã đưa ra các

hàm đặc tính từ thông bằng nhiều phương pháp nhận

dạng khác nhau, như trong công trình [1-14].

θ

ở đó:

i_j

W_j^'(θ,i_j)  ψ_j(θ,i_j)di_j

(3)



Mô men trong SRM là hàm phi tuyến theo dòng điện

nếu mạch từ là tuyến tính. Khi đó, mô men tổng sinh ra

chính bằng tổng mô men ở các pha.

T (θ,i ,i ,...,i )  T (θ,i )

(4)



j1

Để điều khiển được động cơ từ trở, chúng ta cần xác

định được đặc tính từ thông ѱ_j(θ, i_j) càng chính xác càng

tốt. Đặc tính từ thông này là phi tuyến, cần xét tới ảnh

hưởng của bão hòa mạch từ và hỗ cảm giữa các pha. Mặc

dù, do kết cấu hình học của loại động cơ này, hỗ cảm giữa

các pha khá nhỏ, có thể được bỏ qua. Tuy nhiên, điều này

tạo nên sự thiếu chính xác trong việc xây dựng mô hình

toán của động cơ từ trở. Đặc biệt, khi hoạt động ở tốc độ

càng cao, sự chồng chéo dòng điện giữa các pha càng lớn,

điều này dẫn đến sự ảnh hưởng của hỗ cảm là lớn [16, 17].

Để thuận tiện trong quá trình nghiên cứu, phát triển các

thuật toán điều khiển, đặc tính từ thông có thể được xấp xỉ

là một hàm liên tục [1-3], như sau:

Hình 1. Cấu trúc mô hình động cơ từ trở [8]

Tuy nhiên, các nghiên cứu mặc dù khẳng định tính

chính xác của hàm đặc tính từ thông, nhưng mới chỉ xét

trong các trường hợp lý tưởng như bỏ qua bão hòa vật liệu

và ảnh hưởng của hỗ cảm giữa các pha. Công trình [15] sử

dụng thuật toán nơ ron để nhận dạng các tham số trong

hàm đặc tính từ thông có xét đến ảnh hưởng của bão hòa.

Điều này là chưa đầy đủ bởi trong động cơ từ trở, hỗ cảm

giữa các pha có ảnh hưởng khá nhiều.

ψ_j(θ,i_j)  ψ_s(1e^{i f (θ)}

)

(5)

Để tăng tính chính xác của hàm đặc tính từ thông trong

động cơ từ trở, bài báo này đưa ra hàm đặc tính từ thông có

xét đến ảnh hưởng của bão hòa mạch từ và hỗ cảm giữa

các pha. Thuật toán nơ ron được sử dụng để nhận dạng

hàm từ hóa đề xuất và kiểm chứng tính chính xác của hàm.

Kết quả nhận dạng được mô phỏng, đánh giá và so sánh

với đặc tính từ thông thực nghiệm.

Tuy nhiên, hàm từ thông được xấp xỉ trong tất cả các

công trình nghiên cứu trên đều bỏ qua ảnh hưởng của hỗ

cảm giữa các pha. Hàm từ thông được nhóm tác giả đề xuất

có xét đến ảnh hưởng của hỗ cảm giữa các pha và bão hòa

mạch từ, có dạng như sau:

ψ_j(θ,i_j)  ψ_s(1 e^{[i f (θ)a (θ)]}

) (6)

2. ĐẶC TÍNH TỪ THÔNG CỦA ĐỘNG CƠ TỪ TRỞ CÓ XÉT

ĐẾN ẢNH HƯỞNG CỦA HỖ CẢM VÀ BÃO HÒA MẠCH TỪ

với j = 1, 2, …, m; ѱ_s là từ thông bão hòa; a_j(θ) là hệ số hỗ

cảm phụ thuộc vào vị trí rotor. Phương trình (6) xuất phát từ

dạng nghiệm của phương trình vi tích phân (1) bao gồm

nghiệm tổng quát và nghiệm riêng. Mô hình được nhóm tác

giả đề xuất dựa theo mô hình nhận dạng hàm từ thông

trong các công trình nghiên cứu [1, 15] có cải tiến bổ sung.

Nhìn chung, do cấu tạo đặc biệt của SRM nên sự hoạt

động của động cơ này không giống như các động cơ điện

thông thường. Rotor của động cơ từ trở quay từng góc rời

rạc nên hàm f_j(θ) có thể được biểu diễn bằng chuỗi Fourier:

Mô hình toán của động cơ từ trở được sử dụng để thiết

lập bộ điều khiển từ phương trình vi phân thu được từ các

phương trình máy điện cơ bản. Động học của động cơ từ

trở bao gồm các phương trình về điện áp, phương trình mô

men và phương trình cơ. Ba phương trình đó được biểu

diễn như sau:

dψ_j





u_j R.i_j

T (θ,i ) 

W_j^'



2π



f (θ)  a  {b sin[nN θ (j 1)

]



(1)





n1

θ

(7)

d²θ

2π

 c_ncos[nN_rθ (j 1) ]}

 T_e T

dt²





Từ (6) và (3), ta có:

i_j

trong đó: j = 1, 2, …, m; u_j là điện áp của pha j; R là điện

trở pha j; i_j là dòng điện pha j; ѱ_j từ thông pha j; T_e là mô

men một pha; T_l là mô men tải; J là mô men quán tính.

W_j^'(θ,i_j)  ψ_j(θ,i_j)di_j ψ_s(1 e^{[i f (θ)a (θ)]})di_j (8)



Tạp chí KHOA HỌC VÀ CÔNG NGHỆ ● Tập 57 - Số 3 (6/2021) Website: https://tapchikhcn.haui.edu.vn

P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY

Giải phương trình tích phân (8), ta được:

3. NHẬN DẠNG ĐẶC TÍNH TỪ THÔNG CỦA ĐỘNG CƠ TỪ

TRỞ SỬ DỤNG MẠNG NƠ RON

i_j

W_j^'(θ,i_j)  ψ_j(θ,i_j)di_j ψ_s(1 e^{[i f (θ)a (θ)]})di_j

3.1. Thuật toán mạng nơ ron



Cấu trúc của mạng nơ ron nhân tạo (ANN) được sử dụng

mô tả trong hình 2. Ở đây, hai mạng nơ ron cấu trúc giống

nhau được sử dụng để tính toán hàm a_j(θ) và j_j(θ). Đầu vào

của hai mạng nơ ron đều là vị trí rotor θ. Đầu ra của mạng

nơ ron thứ nhất là f_i(θ) và đầu ra của mạng nơ ron thứ hai là

a_j(θ). Đầu ra của hai mạng nơ ron này được dùng tính toán

i_j

 ψ_si_j ψ_se^{i f (θ)}e^a (θ)di_j



i_j

ψ_s

f_j(θ)

 ψ_si_j

e^a (θ)e^{i f (θ)}

j j

ψ_s

f_j(θ)

ψ_s

f_j(θ)

e^a (θ)

^{i f (θ)}

e^a (θ)

để xấp xỉ hàm từ thông ψ θ và mô men T_j(θ,i_j) . ANN

_j 

được sử dụng gồm bốn lớp là P^f, R^f, S^f, T^f. Những kí hiệu này

biểu thị số nơ ron của mỗi lớp. Chỉ số trên f biểu thị tất cả

các biến của mô hình.

Từ (2) và (8), ta có:

ψ_s

f_j(θ)

ψ_s

[ψ_si_j

e^a (θ)

^{i f (θ)}

e^a (θ)

]

W^'

f_j(θ)

T_j(θ,i_j) 



(9)

θ

Giải phương trình đạo hàm (9), ta được:

f_j(θ)

e^a (θ)e^{i f (θ)}



e^a (θ)

]

[ψi 

s j

W

f (θ)

T(θ,i_j)



θ







1 

e^a (θ)e^{i f (θ)}ψ

e^a (θ)e^{i f (θ)}

0ψ











θ f_j(θ)

^sf_j(θ) θ









θ



1 

ψ

^sf_j(θ)

e^a (θ)

e^{i f (θ)}ψ

e^a (θ)ψ

e^a (θ)













θ f_j(θ)

^sf_j(θ) θ







Mô men của pha j được xác định xấp xỉ:

Hình 2. Cấu trúc mạng nơ ron của hệ thống

df_j(θ)

f_j²(θ) dθ

ψ_s

e^a (θ)[1 (1if_j(θ)e^{i f (θ)}

]

j j

Mạng nơ ron thứ nhất dùng để tính toán hàm f_j(θ).

Mạng nơ ron thứ hai dùng để tính toán hàm a_j(θ). Cấu trúc

của hai mạng nơ ron này là giống hệt nhau từ lớp P^f, R^f, S^f

chỉ khác nhau ở lớp ra T^f với đầu ra khác nhau. Do đó, cấu

trúc mạng nơ ron thứ nhất và thứ hai được thêm chỉ số 1 và

2 ở dưới các lớp và các trọng số tương ứng. Vì cấu trúc hai

mạng là giống nhau, nên thuật toán trình bày trong bài báo

mang tính chất tổng quát nên không phân biệt cụ thể cho

từng mạng. Sự khác biệt giữa hai mạng nơ ron này sẽ được

phân tích đầy đủ.

T_j(θ,i_j) 

(10)

da_j(θ)

ψ_s

j j

e^a (θ)(1 e^{i f (θ)}

)

f_j(θ) dθ

Công thức (10) là đảm bảo tính hợp lý bởi mô men của

một pha thứ j là tổng của mô men riêng (mô men tự cảm)

và mô men hỗ cảm do thành phần hỗ cảm sinh ra.

T (θ,i ,i ,...,i )  T (i ,θ)  T (11)



j1

Lớp P^f: có p nơ ron ở lớp này. Đầu vào và đầu ra của lớp

được tính:

Khi đó, mô men hỗ cảm T_Mj của pha thứ j trong phương

trình (10) là:

x_p^f θ và y_p^fx^f x^f (14)



_p

da_j(θ)

ψ_s

j j

T_M(θ,i_j) 

e^a (θ)(1 e^{i f (θ)}) (12)

với p = 0. Hàm kích hoạt được giả định là thống nhất ở

lớp này.

Lớp R^f: có r nơ ron ở lớp này. Đầu vào và đầu ra của lớp

được tính:

f_j(θ) dθ

Vì ta coi a_j(θ) là một tham số phụ thuộc vị trí rotor, nên

phương trình (12) có thể viết lại như sau:

ψ_s

f_j(θ)

a_j(θ)e^a (θ)(1e^{i f (θ)}) (13)

j j



²

T_M(θ,i_j) 













x_r c_r





x  y .w và y  exp 

(15)

σ_r^f









Tất cả các thành phần phi tuyến trong (1), ngoại trừ mô

men tải T_l đều có thể sử dụng các mô hình (6), (7), (10) với

độ chính xác cao.

với p = 0 và r = 0...R^f. Trong đó, c_r^f và σ_r^f lần lượt là tâm

và độ rộng của hàm kích hoạt Gauss. w_p^f_rlà trọng số giữa

hai lớp P^f và R^f.

Website: https://tapchikhcn.haui.edu.vn Vol. 57 - No. 3 (June 2021) ● Journal of SCIENCE & TECHNOLOGY

KHOA HỌC

CÔNG NGHỆ

P-ISSN 1859-3585 E-ISSN 2615-9619

Lớp S^f: có s nơ ron ở lớp này. Đầu vào và đầu ra của lớp

được tính:



e^f ψ k ψ k với k  1,...,K^f (22)

_j 

các trọng số w_p^f_r, w_r^f_s và w_s^f_t sẽ được cập nhật thông







²

R^f













x_s c_s

x^f y^f.w^f và

(16)

qua hàm năng lượng E^f.



y  exp 



σ_s^f







r0

Lớp U^f - T^f: Bởi vì trọng số giữa các lớp này là thống nhất,

sai lệch e^f được truyền trực tiếp vào đầu vào T^f theo quy tắc

với r = 0...R^f và s = 0...S^f. Trong đó, c_s^f và σ_s^f lần lượt là



chuỗi. Vì vậy, phần sai số δ^f_tđược xác định bởi:

tâm và độ rộng của hàm kích hoạt Gauss. w_r^f_s là trọng số

y_u^fx_u^fy^f_t

y_u^fy^f_t

x_u^fx^f_t

E^fe^f



giữa hai lớp R^f và S^f.

δ^f_t 

 e^fi_j

(23)

e^fy_u^fx_u^fy^f_tx^f_t

Lớp T^f: Bao gồm t nơ ron và được tính:

Lớp T^f - S^f: Ở lớp này sự thay đổi của trọng số:

Mạng nơ ron thứ nhất: Hàm f_j(θ) tính được ở lớp này. Có

t nơ ron ở lớp này và được tính:

E^f

w_s^f_t









Dw_s^f_t η^f



R^f

_st



x^f y^f.w^f và y^f x^f f θ (17)

 



(24)

r0

y_u^fx_u^fy^f_tx^f_t

E^fe^f

e^fy_u^fx_u^fy_t^fx^f_tw^f_st











 η^f



 η^fδ^fy^f

với s = 0...S^f và t = 0.

_st



Mạng nơ ron thứ hai: Hàm a_j(θ) tính được ở lớp này. Có t

nơ ron ở lớp này và được tính:

trong đó, _s^f_t là hệ số học của trọng số giữa hai lớp.

R^f

Lớp S^f - R^f: Sai lệch e^f được truyền trực tiếp vào đầu vào

x^f y^f.w^f và y^f x^f a θ (18)

_f

 



của lớp S^f theo quy tắc chuỗi. Vì vậy, phần sai số _sđược

r0

với s = 0...S^f và t = 0.

xác định bởi:

y_u^fx_u^fy^f_tx^f_ty_s^f

y_s^f

x_s^f

E^fe^f



Sau khi tính toán được các hàm f_j(θ) và a_j(θ) từ đầu ra

δ_s^f 

 δ_s^fw_s^f_t

(25)

e^fy_u^fx_u^fy^f_tx_t^fy_s^fx_s^f



của lớp T^f, các hàm từ thông xấp xỉ ψ θ và hàm mô men

_j 

Ở lớp này sự thay đổi của trọng số:

xấp xỉ T_j(θ,i_j) được tính trong lớp U^f theo công thức sau:

E^f









Dw_r^f_s η





_rs



x^f f θ i  a θ và y^f1 e^x ψ θ (19)

w_r^f_s

 

_j 

(26)

y_u^fx_u^fy^f_tx^f_ty_s^fx^f_s

E^fe^f



với u = 0. Trong đó i_j là dòng điện chạy trong cuộn dây

stator.

Mô men được xấp xỉ theo công thức:





 η



η^fδ^fy^f

_rs



s r

e^fy_u^fx_u^fy^f_tx_t^fy_s^fx_s^fw_r^f_s





trong đó, _r^f_s là hệ số học của trọng số giữa hai lớp.







e^a (θ)e^{i f (θ)}



e^a (θ)e^{i f (θ)}

j j





Lớp R^f - P^f: Sai lệch e^f được truyền trực tiếp vào đầu vào

T_j(θ,i_j) 







θ f_j(θ)

f_j(θ) θ

_f





của lớp R^f theo quy tắc chuỗi. Vì vậy, phần sai số δ_rđược

(20)







f_j(θ)



θ



e^a (θ)

e^{i f (θ)}



e^a (θ)



e^a (θ)

xác định bởi:

















θ f_j(θ)

f_j(θ) θ

S^f

y_u^fx_u^fy^f_tx_t^fy_s^fx^f_sy_r^f

E^fe^f







δ_r^f 



δ^fw^f(27)



e^fy_u^fx_u^fy^f_tx^f_ty^f_sx_s^fy_r^fx_r^f

Trong các công thức trên hệ số từ thông bão hòa ψ_s

không được sử dụng bởi vì mạng nơ ron nhân tạo có cấu

trúc thích nghi thông qua các trọng số và hàm kích hoạt.

Thuật toán lan truyền ngược huấn luyện cho mạng nơ ron

được trình bày chi tiết trong phần tiếp theo.

s0

Ở lớp này sự thay đổi của trọng số:

E^f

w









Dw  

_rs



(28)

3.2. Thuật toán lan truyền ngược huấn luyện mạng

y_u^fx_u^fy^f_tx_t^fy_s^fx_s^fy_r^f

E^fe^f











 ^fy^f

pr r p

Trong ANN, mục đích chính của việc huấn luyện mạng

chính là cập nhật trọng số của mạng. Thuật toán huấn

luyện mạng của hai mạng nơ ron được sử dụng là giống

nhau sẽ được trình bày chung như dưới đây.





^pr

e^fy_u^fx_u^fy^f_tx^f_ty_s^fx_s^fy_r^fw_pr





trong đó, _p^f_r là hệ số học của trọng số giữa hai lớp.

Sự thay đổi của trọng số Dw_s^f_t,Dw_r^f_s,Dw_p^f_r được sử dụng

để cập nhật trọng số cho mạng nơ ron như dưới đây:

w^f_stk 1  w^fk  Dw^f

Hàm năng lượng E^f được chọn là:

E^f e^fk với k  1,...,K^f (21)

 









_st

 

trong đó, K^flà tổng số đầu vào và đầu ra và e^f là sai lệch

w_r^f_sk 1  w^fk  Dw^f (29)

w_p^f_rk 1  w^fk  Dw^f

với k  1,...,K^f.





_rs 



giữa từ thông ψ_j và từ thông xấp xỉ ψ_j. Sai số đầu ra được





_pr 

biểu diễn:

Tạp chí KHOA HỌC VÀ CÔNG NGHỆ ● Tập 57 - Số 3 (6/2021) Website: https://tapchikhcn.haui.edu.vn

P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY

phương trình (6), có xét đến ảnh hưởng của hỗ cảm giữa

các pha và bão hòa mạch từ. Ở cả hai trường hợp, bài báo

đều so sánh với đặc tính thực nghiệm. Kết quả nhận dạng

cho thấy tính chính xác ở cả hai hàm từ hóa, đặc tính nhận

dạng bám sát, gần như trùng khớp với đặc tính thực.

4. KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN

Với các thông số mạng nơ ron như sau:

Số lớp mạng: R = 20; S = 20; K = 500.

Thông số mạng nơ ron thứ nhất: c_r1 = linspace(-5,5,R);

c_s1 = linspace(-5,5,S); w_st1 = 0,01/3; w_rs1 = 0,01/3; w_pr1 = 0,01/3;

σ_r1 = 0,5; σ_s1 = 0,5.

Tuy nhiên, với hàm từ hóa (6) mà nhóm tác giả đề xuất

khi xét đến ảnh hưởng của hỗ cảm giữa các pha trong động

cơ, độ chính xác được khẳng định khi cho sai số nhỏ hơn

nhiều với trường hợp hàm từ hóa bỏ qua hỗ cảm. Sai số

được so sánh với các trường hợp dòng khác nhau là 1A, 5A,

9A tương ứng trong các hình 5, 6, 7.

Thông số mạng nơ ron thứ hai: c_r2 = linspace(-10,10,R);

c_s2 = linspace(-10,10,S); w_st2= 0,05/3; w_rs2 = 0,05/3;

w_pr2= 0,05/3; σ_r2 = 0,3; σ_s2= 0,3.



Hình 3. Đường đặc tính từ thông nhận dạng ψ θ phụ thuộc vào dòng

_j 

điện và vị trí rotor trường hợp chưa xét đến ảnh hưởng của hỗ cảm

(a)

0.3

0.25

0.2

0.15

0.1

0.05

Rotor position (degree)



Hình 4. Đường đặc tính từ thông nhận dạng ψ θ phụ thuộc vào dòng

_j 

(b)

điện và vị trí rotor trường hợp xét đến ảnh hưởng của hỗ cảm

Hình 5. Đồ thị sai lệch giữa đặc tính từ thông thực nghiệm và đặc tính từ

thông nhận dạng với dòng 1A trường hợp: (a) chưa xét ảnh hưởng hỗ cảm, (b) có

hỗ cảm

Nhóm tác giả sử dụng phần mềm Matlab/Simulink để

mô phỏng. Kết quả nhận dạng đặc tính từ thông được

nhóm tác giả đưa ra có sự so sánh, đánh giá với đặc tính từ

thông thực nghiệm được công bố trong tài liệu [18], đồng

thời sử dụng bảng giá trị từ thông thực nghiệm này làm tập

mẫu. Hình 3 là đặc tính từ thông nhận dạng dựa vào hàm

đặc tính từ thông theo phương trình (5) công bố trong [1],

chưa xét đến ảnh hưởng của hỗ cảm giữa các pha. Hình 4 là

đặc tính từ thông nhận dạng dựa vào hàm từ hóa theo

Bảng 1. Giá trị sai số với dòng 1A

Hàm đặc tính

từ thông

Sai số

trung bình

3,855.10^-4

2,7644.10^-15

Sai số max

Sai số min

Bỏ qua hỗ cảm

Có hỗ cảm

8,8463.10^-4

4.10^-15

4,9956.10^-4

Website: https://tapchikhcn.haui.edu.vn Vol. 57 - No. 3 (June 2021) ● Journal of SCIENCE & TECHNOLOGY

KHOA HỌC

CÔNG NGHỆ

P-ISSN 1859-3585 E-ISSN 2615-9619

việc xây dựng mô hình động cơ từ trở, tạo thuận lợi cho

quá trình tổng hợp bộ điều khiển sau này.

(a)

(b)

Hình 6. Đồ thị sai lệch giữa đặc tính từ thông thực nghiệm và đặc tính từ

thông nhận dạng với dòng 5A trường hợp: (a) chưa xét ảnh hưởng hỗ cảm, (b) có

hỗ cảm

(b)

Hình 7. Đồ thị sai lệch giữa đặc tính từ thông thực nghiệm và đặc tính từ

thông nhận dạng với dòng 9A trường hợp: (a) chưa xét ảnh hưởng hỗ cảm, (b) có

hỗ cảm

Bảng 2. Giá trị sai số với dòng 5A

Hàm đặc tính

từ thông

Sai số

trung bình

Sai số max

Sai số min

Bảng 3. Giá trị sai số với dòng 9A

Bỏ qua hỗ cảm

Có hỗ cảm

2,8228.10^-4

1,7.10^-16

1,7958.10^-6

8,3778.10^-5

4,1410.10^-16

Hàm đặc tính

từ thông

Sai số

trung bình

2,0710.10^-5

4,0738.10^-17

Sai số max

Sai số min

Bỏ qua hỗ cảm

Có hỗ cảm

7,0226.10^-5

8,5.10^-17

8,5390.10^-7

Ở cùng tập mẫu đầu vào, cùng số vòng lặp giống nhau,

đặc tính nhận dạng hàm từ hóa với trường hợp bỏ qua hỗ

cảm và trường hợp có xét đến hỗ cảm có giá trị sai số khác

nhau. Giá trị sai số trung bình, sai số nhỏ nhất và sai số lớn

nhất được thể hiện trong bảng 1, 2 và 3. Từ các kết quả mô

phỏng này cho thấy, khi xét đến ảnh hưởng của hỗ cảm,

đặc tính nhận dạng gần như trùng khớp với đặc tính thực

nghiệm chứng tỏ tính đúng đắn của hàm đặc tính từ thông

đề xuất khi có xét đến hỗ cảm giữa các pha. Đồng thời, sai

lệch ở trường hợp này nhỏ hơn nhiều so với trường hợp bỏ

qua ảnh hưởng của hỗ cảm. Với tính đúng đắn của hàm đặc

tính từ thông đề xuất này sẽ tăng thêm độ chính xác trong

5. KẾT LUẬN

Bài báo cung cấp hàm nhận dạng đặc tính từ thông của

động cơ từ trở có xét đến ảnh hưởng của hỗ cảm và bão

hòa mạch từ. Thuật toán nơ ron được sử dụng để nhận

dạng và tìm các tham số trong hàm. Kết quả mô phỏng cho

thấy hàm đặc tính từ thông là chính xác, bám sát với đặc

tính từ thông thực, sai số rất nhỏ. Hàm đặc tính từ thông

mới này góp phần cải thiện độ chính xác của mô hình và

được sử dụng để đánh giá, phát triển các thuật toán điều

khiển cho động cơ từ trở.

Tạp chí KHOA HỌC VÀ CÔNG NGHỆ ● Tập 57 - Số 3 (6/2021) Website: https://tapchikhcn.haui.edu.vn

P-ISSN 1859-3585 E-ISSN 2615-9619 SCIENCE - TECHNOLOGY

[17]. J. Ye, 2014. Advanced Control Methods For Torque Ripple Reduction And

Performance Improvement In Switched Reluctance Motor Drives. Thesis Doctor of

Philosophy, McMaster University.

TÀI LIỆU THAM KHẢO

[1]. M. Ilic’-Spong, R. Marino, S. M. Peresada, D. G. Taylor, 1987. Feedback

Linearizing Control of Switched Reluctance Motors. IEEE Trans. Automat. Contr.,

vol. 32, no. 5, pp. 371–379.

[18]. Sanjib Kumar Sahoo, 2006. High-performance torque control of

switched reluctance motor. Thesis of National University of Singapore.

[2]. C. Mademlis, I. Kioskeridis, 2003. Performance optimization in switched

reluctance motor drives with online commutation angle control. IEEE Trans. Energy

Convers., vol. 18, no. 3, pp. 448–457.

AUTHORS INFORMATION

Phi Hoang Nha^1,2, Le Xuan Hai¹, Nguyen Thu Ha¹, Dang Dinh Chung¹

[3]. S. Mir, I. Husain, M. E. Elbuluk, 1998. Switched reluctance motor

modeling with on-line parameter identification. IEEE Trans. Ind. Appl., vol. 34, no.

4, pp. 776–783.

¹Hanoi University of Industry

²Hanoi University of Science and Technology

[4]. L. Ben Amor, L. A. Dessaint, O. Akhrif, 1995. Adaptive nonlinear torque

control of a switched reluctance motor via flux observation. Math. Comput. Simul.,

vol. 38, no. 4–6, pp. 345–358.

[5]. W. K. Ho, S. K. Panda, K. W. Lim, F. S. Huang, 1998. Gain-scheduling

control of the Switched Reluctance Motor. Control Eng. Pract., vol. 6, no. 2, pp.

181–189.

[6]. A. Nirgude, M. Murali, N. Chaithanya, S. Kulkarni, V. B. Bhole, S. R. Patel,

2017. Nonlinear mathematical modeling and simulation of switched reluctance

motor. IEEE Int. Conf. Power Electron. Drives Energy Syst. PEDES 2016, vol. 2016-

Janua, pp. 1–6.

[7]. X. Sun, K. Diao, Z. Yang, G. Lei, Y. Guo, J. Zhu, 2019. Direct Torque Control

Based on a Fast Modeling Method for a Segmented-Rotor Switched Reluctance

Motor in HEV Application. IEEE J. Emerg. Sel. Top. Power Electron., vol. PP, no. c,

pp. 1–1.

[8]. H. Le-Huy, P. Brunelle, 2005. A versatile nonlinear switched reluctance

motor model in simulink using realistic and analytical magnetization

characteristics. IECON Proc. (Industrial Electron. Conf., vol. 2005, no. c, pp. 1556–

1561.

[9]. L. E. Somesan, E. Padurariu, I. A. Viorel, 2013. Two simple analytical

models, direct and inverse, for switched reluctance motors. Prog. Electromagn.

Res. M, vol. 29, no. March, pp. 279–291.

[10]. S. H. Mao, M. C. Tsai, 2004. An analysis of the optimum operating point

for a switched reluctance motor. J. Magn. Magn. Mater., vol. 282, no. 1–3, pp.

53–56.

[11]. T. J. E. Miller, M. Mcgilp, 1990. Nonlinear Theory of the Switched

Reluctance Motor for Rapid Computer-Aided Design. IEE Proc. B Electr. Power

Appl., vol. 137, no. 6, pp. 337–347.

[12]. D. A. Torrey, J. H. Lang, 1990. Modelling a Nonlinear Variable-

Reluctance Motor Drive. IEE Proc. B Electr. Power Appl., vol. 137, no. 5, pp. 314–

326.

[13]. E. Mese, 2002. A rotor position, estimator for switched reluctance motors

using CMAC. IEEE Int. Symp. Ind. Electron., vol. 4, pp. 1184–1189.

[14]. J. A. Makwana, P. Agarwal, S. P. Srivastava, 2018. Modeling and

Simulation of Switched Reluctance Motor. Lect. Notes Electr. Eng., vol. 442, pp.

545–558.

[15]. O. Ustun, 2009. A nonlinear full model of switched reluctance motor with

artificial neural network. Energy Convers. Manag., vol. 50, no. 9, pp. 2413–2421.

[16]. B. Fahimi, C. Edrington, 2017. Switched reluctance motor drives. CRC

Press.

Website: https://tapchikhcn.haui.edu.vn Vol. 57 - No. 3 (June 2021) ● Journal of SCIENCE & TECHNOLOGY

7 trang yennguyen 20/04/2022 2440

Download

Bạn đang xem tài liệu "Nhận dạng đặc tính từ thông của động cơ từ trở có xét đến ảnh hưởng của hỗ cảm và bão hòa mạch từ", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

nhan_dang_dac_tinh_tu_thong_cua_dong_co_tu_tro_co_xet_den_an.pdf