TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
<br />
<br />
ĐIỀU KHIỂN ĐỘNG CƠ KHÔNG ĐỒNG BỘ KHÔNG CẦN CẢM BIẾN TỐC ĐỘ SỬ<br />
DỤNG LỌC KALMAN TRONG CẤU TRÚC CÓ TÁCH KÊNH TRỰC TIẾP<br />
SPEED SENSORLESS CONTROL OF INDUCTION MOTORS USING KALMAN FILTER<br />
IN STRUCTURES WITH DIRECT DECOUPLING<br />
<br />
Nguyễn Đình Hiếu, Nguyễn Phùng Quang<br />
Trường Đại học Bách Khoa Hà Nội<br />
<br />
TÓM TẮT<br />
Bài viết giới thiệu một cấu trúc điều khiển tốc độ quay động cơ không đồng bộ rotor lồng sóc<br />
không sử dụng cảm biến tốc độ áp dụng nguyên lý lọc Kalman. Hệ thống điều khiển được xây dựng<br />
theo phương pháp tựa theo từ thông rotor với cấu trúc có tách kênh trực tiếp. Bộ lọc Kalman thứ nhất<br />
sẽ ước lượng từ thông rotor. Sau đó tốc độ quay của động cơ sẽ được bộ lọc Kalman thứ hai ước<br />
lượng dựa trên giá trị từ thông thu được ở trên. Việc mô phỏng kiểm chứng được thực hiện trên nền<br />
phần mềm Matlab & Simulink và PLECS. Kết quả mô phỏng cho thấy phương pháp điều khiển này<br />
đảm bảo được tính ổn định của hệ thống, độ chính xác của việc ước lượng từ thông và tốc độ quay là<br />
khá tốt ở cả quá trình đóng tải và đảo chiều.<br />
ABSTRACT<br />
The paper presents a speed sensorless control structure for induction motors with squirrel-cage<br />
rotor using Kalman filter algorithm. The control system is designed by using the method rotor flux<br />
orientation with direct decoupling structure. The first Kalman filter is used to estimate the rotor flux.<br />
Then speed is estimated by the second Kalman filter using the estimated flux. The validation is carried<br />
out by simulation with the software Mathlab & Simulink and PLECS. The simulation results show that<br />
this speed sensorless control method preserves the system stability, and the accuracy of rotor flux and<br />
speed estimation are good in both load imposition and speed reversal process.<br />
<br />
Chữ viết tắt phải tìm hiểu, thiết kế những phương pháp để<br />
ĐCKĐB Động cơ không đồng bộ có thể áp dụng, cài đặt nó một cách dễ dàng và<br />
TTHCX Tuyến tính hóa chính xác ít tốn kém vào các hệ điều chỉnh T 4 R đang<br />
T4R Tựa theo từ thông rotor được bán trên thị trường.<br />
<br />
I. ĐẶT VẤN ĐỀ Ngoài ra, ĐCKĐB có hai đặc tính phi<br />
tuyến mà người làm điều khiển cần phải chú ý<br />
Trong các hệ thống truyền động sử dụng<br />
đó là cấu trúc phi tuyến và tham số phi tuyến.<br />
ĐCKĐB hiện đại đều yêu cầu có đường phản<br />
hồi tốc độ của động cơ, do đó việc sử dụng cảm Trong tài liệu [1], các tác giả đã chỉ ra rằng<br />
biến tốc độ gần như là một điều tất yếu. Tuy đặc tính phi tuyến thứ nhất chỉ có thể khắc phục<br />
được bằng phương pháp điều khiển phi tuyến,<br />
nhiên điều đó có thể làm giảm độ tin cậy của hệ<br />
còn đặc tính phi tuyến thứ hai sẽ được xử lý<br />
thống đặc biệt trong những môi trường không bằng phương pháp nhận dạng và thích nghi. Và<br />
thân thiện và làm giảm lợi thế của các hệ truyền phương pháp điều khiển phi tuyến được các tác<br />
động sử dụng ĐCKĐB. Chính vì thế đã dẫn đến giả lựa chọn là TTHCX.<br />
ý tưởng loại bỏ khâu đo tốc độ quay trong hệ<br />
thống. Bài viết này giới thiệu phương pháp điều<br />
khiển mà không cần đo tốc độ quay theo<br />
Các phương pháp để giải quyết vấn đề nguyên lý lọc Kalman trên nền hệ điều chỉnh<br />
“điều khiển không cần đo tốc độ quay” rất T 4 R với cấu trúc có tách kênh trực tiếp trong<br />
phong phú và đa dạng. Tuy nhiên, như chúng ta [1, 2].<br />
đã biết các hệ điều chỉnh T 4 R đã được ứng<br />
dụng rất rộng rãi trong thực tế. Vì vậy, cần thiết<br />
<br />
24<br />
TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
II. PHƯƠNG PHÁP ĐIỀU KHIỂN SPEED với: u k , x k , y k lần lượt là vector đầu vào,<br />
SENSORLESS THEO NGUYÊN LÝ LỌC vector trạng thái và vector đầu ra của hệ thống;<br />
KALMAN<br />
Ak , Bk , Ck , G k là các ma trận hằng.<br />
2.1 Nguyên lý lọc Kalman<br />
Theo [3] nguyên lý lọc Kalman là một<br />
ξ k , ηk là vector nhiễu trạng thái và<br />
nguyên lý “dự báo – hiệu chỉnh” sử dụng thuật vector nhiễu đo được giả thiết là nhiễu trắng<br />
toán hồi quy để ước lượng biến trạng thái của Gaussian có kỳ vọng 0 với Var (ξ k ) Qk ,<br />
hệ thống đã xét đến ảnh hưởng của nhiễu đo Var (ηk ) Ρk là các ma trận xác định dương<br />
cũng như nhiễu hệ thống.<br />
và E( ξ k ηTl )=E( x 0 ξ Tk )=E( x 0 ηTk )=0.<br />
Xét một hệ tuyến tính với không gian<br />
trạng thái như sau: Để ước lượng các biến trạng thái của hệ,<br />
bộ lọc Kalman thực hiện hai quá trình hồi quy:<br />
x k 1 A k x k B k u k G k ξ k<br />
<br />
<br />
(1) “dự báo” và “hiệu chỉnh”.<br />
<br />
y k Ck x k ηk<br />
<br />
<br />
<br />
<br />
<br />
Hình 1. Thuật toán cơ bản của nguyên lý lọc Kalman<br />
<br />
Trong đó: K là ma trận Kalman. K được xác định sao cho<br />
xˆ 0 E (x0 ) là điểm bắt đầu thực hiện thuật J x E (eT e) min ( e x - xˆ )<br />
toán được hiểu như là giá trị ước lượng ban<br />
đầu của vector trạng thái. 2.2 Mô hình trạng thái của ĐCKĐB<br />
xˆ k 1,k là giá trị ngoại suy của x k 1 từ giá trị Theo [2] sau khi TTHCX mô hình dòng<br />
ước lượng trước đó xˆ k . của ĐCKĐB ta thu được mô hình dòng mới có<br />
đặc tính tuyến tính là:<br />
xˆ k 1,k 1 xˆ k 1 là giá trị ước lượng của x k 1 <br />
<br />
isd w1<br />
theo nguyên lý Kalman từ y k 1 . (2)<br />
<br />
isq w2<br />
<br />
Pk 1,k 1 Pk 1 Var (ek 1 ) là ma trận<br />
Ta sử dụng thêm các phương trình của từ<br />
phương sai của sai lệch e k 1 = xˆ k 1 - x k 1 thông và mômen là:<br />
<br />
<br />
25<br />
TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
<br />
1 1 Gián đoạn hóa mô hình trạng thái của các<br />
rd isd rd (3) hệ con.<br />
Tr Tr<br />
Xác định các ma trận phương sai<br />
3 L2 3 L2 Gi ; Ri ; Pi ; Qi (i=1,2).<br />
mM z p m rd isq z p m rd isq (4)<br />
2 Lr 2 Lr<br />
Thực hiện thuật toán theo nguyên lý lọc<br />
J Kalman và hiệu chỉnh.<br />
mM mW (5)<br />
zp 1. Gián đoạn hóa mô hình trạng thái<br />
Theo [4] khi tiến hành gián đoạn hóa mô<br />
Cùng với kết quả thu được sau khi<br />
hình trạng thái sử dụng phương pháp tích phân<br />
TTHCX: sự tách kênh hoàn toàn giữa thành<br />
gần đúng Euler ta có :<br />
phần tạo từ thông (trục d) và thành phần tạo<br />
mômen (trục q), ta có 2 mô hình trạng thái con Ad I AT Bd BT Cd C<br />
là:<br />
trong đó A, B, C là ma trận của mô hình trạng<br />
Phần điện:<br />
thái liên tục; Ad , Bd , Cd là ma trận của mô<br />
<br />
<br />
x 1 A1x1 B1u1 hình trạng thái gián đoạn; I là ma trận đơn vị và<br />
(6)<br />
<br />
y1 C1x1<br />
T là chu kỳ trích mẫu. Từ đó ta thu được mô<br />
hình trạng thái gián đoạn của các hệ con là:<br />
Trong đó<br />
Phần điện:<br />
i <br />
x1 sd ; u1 w1 ; y1 isd <br />
<br />
x1 (k 1) A d 1x1 (k ) B d 1u1 (k )<br />
rd (8)<br />
<br />
y1 (k ) Cd 1x1 (k )<br />
<br />
0 0 <br />
1 Trong đó:<br />
A1 1 1 ; B1 ; C1 1 0<br />
0<br />
Tr T i (k ) <br />
r x1 (k ) sd ;u (k ) w1 (k);y1 (k ) isd (k ) <br />
rd (k ) 1<br />
Phần cơ: <br />
<br />
x 2 A1x 2 B 2u 2 D2n 2 1 0 <br />
<br />
T <br />
(7) A d1 T T ; Bd1 ; Cd1 1 0<br />
<br />
y 2 C2 x 2<br />
1 0 <br />
Tr Tr <br />
<br />
Trong đó :<br />
Phần cơ :<br />
m <br />
x2 M ; u 2 w2 ; y 2 mM ; n 2 mW x2 (k 1) A d 2 x2 (k ) Bd 2u 2 (k ) Dd 2n 2 (k )<br />
<br />
(9)<br />
y 2 (k ) Cd 2 x2 (k )<br />
<br />
0 0 0 Trong đó :<br />
k <br />
A2 z p ;B 2 ;C2 1 0;D2 z p m ( k )<br />
0 0 x 2 (k ) M ; u 2 (k ) w2 (k) <br />
J J (k ) <br />
y 2 (k ) mM (k ) ; n 2 (k ) mW (k ) <br />
2.3 Áp dụng nguyên lý lọc Kalman cho<br />
ĐCKĐB 1 0<br />
kT <br />
Để ước lượng từ thông và tốc độ quay A d2 Tz p ; B d2 ; Cd2 1 0<br />
1 0 <br />
của động cơ ta cần tiến hành các bước như sau: J <br />
và coi mômen tải mW là nhiễu.<br />
<br />
26<br />
TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
2. Xác định các ma trận phương sai xˆ 0 E (x 0 )<br />
<br />
Thông thường các ma trận đều được chọn P0,0 Var (x0 )<br />
có dạng đường chéo. <br />
xˆ k ,k 1 A d 1x k 1,k 1 B d 1u k 1<br />
Theo [5] các ma trận phương sai <br />
Pk ,k 1 A d 1Pk 1,k 1A d 1T G k 1Q k 1G Tk 1<br />
G,Q,R,P luôn được xác định bằng quá trình thử (10)<br />
và sửa lỗi (trial-and-error process). Giá trị của K k Pk ,k 1Cd 1T (Cd 1Pk ,k 1Cd 1T R k )1<br />
<br />
các ma trận đó sẽ được chọn sao cho bình Pk ,k (I K k Cd 1 )Pk ,k 1<br />
phương sai lệch giữa tốc độ ước lượng và tốc <br />
xˆ k ,k xˆ k ,k 1 K k (y k Cd 1xˆ k , k 1 )<br />
độ thực của động cơ là nhỏ nhất. Cũng trong tài <br />
liệu này, các tác giả cũng nói rằng việc chỉnh k 1, 2,...,<br />
định bằng tay bộ lọc Kalman sử dụng quá trình Trong đó :<br />
thử và sửa lỗi để xác định các ma trân phương<br />
sai được thực hiện khá đơn giản. Tuy nhiên quá i (k ) <br />
xk sd ; u w1 (k ); y k isd (k ) <br />
trình đó tốn nhiều thời gian và kết quả phụ rd (k ) k<br />
<br />
thuộc rất nhiều vào sự nỗ lực và kinh nghiệm<br />
Chọn các ma trận phương sai :<br />
của người vận hành. Nếu như sự phân bố nhiễu<br />
luôn không biết được, thì không thể suy ra được 1 0<br />
P(0) P0,0 ; R 103 ;<br />
mối quan hệ chung giữa giá trị các phần tử của 0 1 <br />
<br />
ma trận với chất lượng của bộ lọc Kalman phục<br />
106 0 <br />
vụ cho việc xác định các ma trận đó để đạt được GQ<br />
kết quả ước lượng tốc độ tốt nhất. 0 106 <br />
<br />
Ngoài ra theo [6] ta sẽ phải chọn Q có Ước lượng tốc độ từ mô hình con phần cơ :<br />
giá trị nhỏ hơn R để quá trình quá độ nhanh<br />
hơn. Thuật giải:<br />
3. Thực hiện thuật toán xˆ 0 E (x 0 )<br />
<br />
<br />
<br />
Trong [7] các tác giả đã đưa ra giải pháp: <br />
P0,0 Var (x 0 )<br />
<br />
<br />
sử dụng mô hình con phần điện để ước lượng xˆ k ,k 1 A d 2 xˆ k 1,k 1 B d 2u k 1<br />
<br />
<br />
giá trị từ thông còn mô hình con phần cơ phục <br />
vụ việc tính toán tốc độ. Dòng điện stator sẽ <br />
Pk ,k 1 A d 2 Pk 1,k 1A d 2 G k 1Q k 1G k 1 (11)<br />
T T<br />
<br />
<br />
được đo, sau đó chuyển sang hệ tọa độ dq. Từ <br />
K k Pk ,k 1Cd 2T (Cd 2 Pk ,k 1Cd 2T R k )1<br />
thành phần dòng isd và w1 ta sẽ tính được từ <br />
<br />
<br />
Pk ,k (I K k Cd 2 )Pk ,k 1<br />
thông rd . Từ thành phần dòng isq và giá trị từ <br />
<br />
<br />
xˆ k ,k xˆ k , k 1 K k (y k Cd 2 xˆ k , k 1 )<br />
thông rd tính được ta sẽ thu được giá trị <br />
<br />
k 1, 2,...,<br />
<br />
<br />
mômen động cơ mM . Với giá trị mômen này<br />
Trong đó:<br />
cùng w2 ta sẽ tính được tốc độ quay với m ( k )<br />
việc coi mômen tải mW là nhiễu của việc xác xk M ; u k [w2 (k )]; y k mM (k ) <br />
(k ) <br />
<br />
định mM .<br />
Chọn các ma trận phương sai :<br />
Ước lượng từ thông từ mô hình con phần<br />
điện<br />
1 0<br />
P(0) P0,0 ; R 200<br />
0 1<br />
Thuật giải: <br />
<br />
<br />
<br />
27<br />
TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
106 0 Kết quả mô phỏng<br />
GQ<br />
0 102 Quá trình mô phỏng phương pháp điều<br />
khiển speed sensorless theo nguyên lý lọc<br />
Kalman được thực hiện trên Matlab & Simulink<br />
và Plecs.<br />
<br />
<br />
<br />
<br />
(a) Dòng isd và từ thông rd (b) Tốc độ quay <br />
<br />
Hình 2. Kết quả mô phỏng trong trường hợp vận hành lý tưởng<br />
<br />
<br />
<br />
<br />
(b) Tốc độ quay <br />
(a) Dòng isd và từ thông rd<br />
Hình 3. Kết quả mô phỏng trong trường hợp vận hành có nhiễu<br />
chính xác có bản chất là chuyển hệ tọa độ trạng<br />
KẾT LUẬN<br />
thái.<br />
Bài báo giới thiệu phương pháp điều<br />
Kết quả mô phỏng đã cho thấy triển vọng<br />
khiển không sử dụng cảm biến tốc độ của<br />
tốt đẹp để đưa phương pháp điều khiển không<br />
ĐCKĐB. Hệ thống điều chỉnh được xây dựng<br />
dùng cảm biến vào thực tế công nghiệp.<br />
theo phương pháp tựa theo từ thông rotor sử<br />
Phương pháp thiết kế theo nguyên lý lọc<br />
dụng cấu trúc tách kênh trực tiếp. Cấu trúc tách<br />
Kalman đã được đề xuất có khá nhiều ưu điểm<br />
kênh trực tiếp là cấu trúc điều khiển phi tuyến,<br />
như khả năng kháng nhiễu mạnh, dễ mở rộng<br />
được thiết kế theo phương pháp tuyến tính hóa<br />
và còn có thể cho phép ước lượng đồng thời<br />
<br />
28<br />
TẠP CHÍ KHOA HỌC & CÔNG NGHỆ CÁC TRƯỜNG ĐẠI HỌC KỸ THUẬT SỐ 74 - 2009<br />
<br />
nhiều biến trạng thái hoặc/và kết hợp với việc khăn ở dải tốc độ thấp của truyền động không<br />
nhận dạng, thích nghi tham số. dùng cảm biến cũng chưa khắc phục được , đây<br />
là một vấn đề còn để ngỏ, cần được nghiên cứu<br />
Tuy nhiên việc tồn tại sai lệch tĩnh, khối<br />
sâu thêm nữa.<br />
lượng tính toán lớn vẫn còn là những điểm gợn<br />
của phương pháp cần được xem xét. Những khó<br />
<br />
TÀI LIỆU THAM KHẢO<br />
1. Nguyễn Phùng Quang, Andreas Dittrich; Vector Control of Three-Phase AC Machines; pp. 97-<br />
101; Springer; 1st edition; 2008.<br />
2. Dương Hoài Nam, Nguyễn Phùng Quang; Chuyên san “Kỹ thuật điều khiển tự động”- tạp chí Tự<br />
động hoá ngày nay, số 11, trang 10-15 (2004).<br />
3. C.K.Chui, G.Chen; Kalman filtering with Real-time applications; trang 20-48; Springer; 2nd<br />
edition; 1991.<br />
4. Nguyễn Phùng Quang, Andreas Dittrich; Truyền động điện thông minh; trang 47-52; NXB<br />
KH&KT; in lần 2; 2004.<br />
5. K.L.Shi, T.F.Chan, Y.K.Wong, S.L.Ho; Speed estimation of an Induction motor drive using an<br />
optimized extended Kalman filter; IEEE Trans. On IE; Vol. 49; No. 1; February 2002<br />
6. Salomon Chavez Velaquez, Ruben Alejos Palomares, Alfredo Nava Segura; Speed estimation for<br />
an Induction motor using the extended Kalman Filter; IEEE Computer Society CONIELECOM;<br />
2004.<br />
7. Kanungo Barada Mohanty, Amit Patra; Flux and speed estimation in decoupled induction motor<br />
drive using Kalman Filter; Procc. of 29th National System Conference (NSC); IIT Mumbai; Dec.<br />
2005; trang 1-9.<br />
<br />
Địa chỉ liên hệ: Nguyễn Đình Hiếu - Tel: 0912814385, Email: hieund1985@gmail.com<br />
Khoa Điện, Trường Đại học Bách khoa Hà Nội<br />
Số 1, Đại Cồ Việt, Hà Nội<br />
<br />
<br />
<br />
<br />
29<br />