dc.creator |
OLIVEIRA, Rubiane Heloisa |
|
dc.date.issued |
2004-12-20 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3239 |
|
dc.description.abstract |
Nowadays, induction motor drive uses vector-control to get faster answer torque. To
use flux estimation, direct measurement can be used with Hall sensors or another
measurement technique or flux estimation by measurement of the stator voltage and current.
The direct flux measurement is expensive and the process accuracy may not be enough
and yet stator flux estimation process eliminates flux and speed sensors, decreasing cost and
augment system reliability.
For stator flux estimation this work uses the strategy of programmable cascaded low pass filter (PCLPF), implemented by recurrent-neural-network and training with Kalman
Filter. The PCLPF method permits ideal voltage integration, from extremely low frequency to
high frequency field-weakening range. Implementation of the filter, based on neural network
is simpler with good performance and presenting faster performances by means of DSP
(Signal Digital Processor). The use of the Kalman Filter as an RNN training algorhyth has
shown good results as far as data quantity and total training time and concerned.
Besides the measurement of the stator voltage and current, the motor parameters
necessary for flux estimation using the direct vector control oriented through the stator flux, is
the impedance equivalent to the stator winding of with the resistenace is significant.
This work presents the stator resistance estimation, using Extended Kalman Filter,
making torque and stator flux estimation more accurate.
Later on, estimation of other parameters of an induction motor will be conducted, such
as: simultaneous rotor and stator resistance and rotor inductance, by using the concept of EKF
and also the rotor speed and resistance by means of the RNN and the EKF training.
The estimations proposed above have been confirmed by means of the simulations
results. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Motores de indução trifásico |
pt_BR |
dc.subject |
Redes neurais |
pt_BR |
dc.subject |
Filtros de Kalman |
pt_BR |
dc.title |
Estimação de parâmetros do motor de indução trifásico com o uso de redes neurais recorrentes |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2022-04-04 |
|
dc.date.available |
2022-04-04T13:46:21Z |
|
dc.date.accessioned |
2022-04-04T13:46:21Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/8861151925177366 |
pt_BR |
dc.contributor.advisor1 |
SILVA, Luiz Eduardo Borges da |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/8514450520201861 |
pt_BR |
dc.description.resumo |
Atualmente no acionamento de motores de indução é utilizado o controle vetorial para
obter uma resposta rápida de torque. Para avaliação do fluxo pode-se utilizar o sensoriamento
direto no entreferro, através de sondas de efeito Hall ou de outra técnica de medida ou realizar
estimação do fluxo, medindo a tensão e a corrente do estator e através de processamentos
realizar a estimação.
O sensoriamento direto do fluxo tem alto custo e o sistema de medição pode não
apresentar o desempenho necessário, já no processo de estimação do fluxo, os sensores de
fluxo e velocidade são eliminados, diminuindo assim o custo e aumentando a confiabilidade
do sistema.
Para a estimação de fluxo neste trabalho, é usada a estratégia do Filtro Passa-Baixa em
Cascata Programável (PCLPF-Programmable Cascaded Low-pass Filter), com implementação
baseada em Redes Neurais Recorrente (RNN) treinada por Filtro de Kalman. O PCLPF
permite a integração ideal da tensão, desde freqüências extremamente baixas até altas
freqüências na escala de enfraquecimento de campo. A implementação do filtro, baseada em
redes neurais, é simples, tem bom desempenho e pode apresentar execuções mais rápidas por
processador digital de sinal (DSP). O uso do Filtro de Kalman como algoritmo de treinamento
da RNN tem mostrado bons resultados em termos de quantidade de dados e tempo total de
treinamento.
Além da medição da tensão e da corrente do estator, o parâmetro do motor necessário
para estimação do fluxo, utilizando o conceito do controle vetorial direto orientado através do
fluxo do estator, é a impedância equivalente ao enrolamento do estator, do qual a resistência
representa parte significativa.
Este trabalho apresenta a estimação da resistência do estator usando um Filtro de
Kalman Estendido (EKF), tornando assim, os valores da estimação do fluxo do estator e do
torque mais precisos.
Posteriormente, será realizada a estimação de outros parâmetros de um motor de
indução, tais como: resistência do rotor; resistência do estator e indutância do rotor
simultaneamente, através do emprego do conceito de EKF, e também a estimação da
velocidade e resistência do rotor simultânea usando RNN e treinamento por EKF.
As estimações propostas foram comprovadas através de resultados de simulações. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA |
pt_BR |
dc.relation.references |
OLIVEIRA, Rubiane Heloisa. Estimação de parâmetros do motor de indução trifásico com o uso de redes neurais recorrentes. 2004. 181 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2004. |
pt_BR |