Model Öngörülü Kontrol ile DA Motor Konum Kontrolü

Yıl 2022, , 1151 - 1164, 31.07.2022

Tuğçe Yaren , Selçuk Kizir

https://doi.org/10.29130/dubited.952453

Öz

Bu çalışmada sabit mıknatıslı fırçalı doğru akım (DA) motor sisteminin konum kontrolü için modern kontrol yöntemlerinden model öngörülü kontrolcü tasarımı gerçekleştirilmiş ve önerilen kontrolcü tasarımı farklı testler ile gerçek zamanlı olarak doğrulanmıştır. Ele alınan sistem modeli, sistem tanımlama yöntemlerinden kara kutu modeli yaklaşımı ile elde edilmiştir. Deneysel veri setleri ile elde edilen sistem modeli üzerinden model öngörülü kontrolcü tasarımı geliştirilmiştir. Geliştirilen tasarımcı modeli, Matlab destekli Waijung blok seti ve STM32F4 uygulama geliştirme kiti kullanılarak gerçek zamanlı olarak gerçekleştirilmiştir. Farklı referans girişleri ve parametre değişimleri altında kontrolcü performansı test edilmiştir. Sistem çıkışının tüm referans girişleri başarılı bir şekilde takip etmesi ve değişen sistem parametrelerine rağmen başarısını sürdürmesi önerilen kontrolcü tasarımını doğrulamıştır. Ayrıca klasik kontrol yaklaşımlarından PID denetleyici ile sonuçlar karşılaştırılarak model öngörülü kontrolcü üstünlüğü deneysel sonuçlarla vurgulanmıştır.

Anahtar Kelimeler

DA motor, Model öngörülü kontrol, Sistem tanımlama, STM32F4

DC Motor Position Control with Model Predictive Control

Öz

In this study, model predictive controller design that is one of the modern control methods for the position control of permanent magnet brushed direct current motor system, was carried out and the proposed controller design was verified in real-time with different tests. The system model was obtained by using the black box model approach, one of the system identification methods. The model predictive controller design has been developed based on the system model obtained with the experimental data sets. The controller was implemented in real-time using the Matlab-supported Waijung block set and the STM32F4 development kit. The controller performance has been tested under different reference inputs and parameter variations. The system output has successfully followed all reference inputs and maintained its success despite changing system parameters, confirming the proposed controller design. In addition, the results were compared with the PID controller, which is one of the classical control approaches. Model predictive controller advantages over PID controller are demonstrated by experimental results. 

Anahtar Kelimeler

DC motor, Model predictive control, System identification, STM32F4

Kaynakça

• [1] B. Özkan, “Mekatronik sistemlerde uygulanan belli başlı kontrol yöntemleri,” TÜBAV Bilim Dergisi, c. 2, s. 3, ss. 302–316, 2009.
• [2] E. F. Camacho, and C. Bordons, Model Predictive Control, London, UK: Springer London, 2007.
• [3] İ. Kaya, ve A. Bawdaka, “DC motor sürücüsü için model öngörülü denetleyici tasarımı,” Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, c. 10, s. 3, ss. 899–910, 2019.
• [4] M. Nikolaou, “Model predictive controllers: A critical synthesis of theory and industrial needs,” Advances in Chemical Engineering, vol. 26, pp. 131–204, 2001.
• [5] B. Kouvaritakis, and M. Cannon, Model Predictive Control, Denmark: Springer Cham, 2016.
• [6] S. Chai, L. Wang, and E. Rogers, “Model predictive control of a permanent magnet synchronous motor with experimental validation,” Control Eng. Pract., vol. 21, no. 11, pp. 1584–1593, 2013.
• [7] G. M. Bone, M. Xue, and J. Flett, “Position control of hybrid pneumatic–electric actuators using discrete-valued model-predictive control,” Mechatronics, vol. 25, pp. 1–10, 2015.
• [8] J. Espinoza, “Real-time implementation of model predictive control in a low-cost embedded device,” J. Syst. Cybern. Informatics, vol. 16, no. 2, pp. 72–77, 2018.
• [9] K. Xia, Y. Ye, J. Ni, Y. Wang, and P. Xu, “Model predictive control method of torque ripple reduction for BLDC motor,” IEEE Trans. Magn., vol. 56, no. 1, 2020.
• [10] J. Yang, H. Wu, L. Hu, and S. Li, “Robust predictive speed regulation of converter-driven DC motors via a discrete-time reduced-order GPIO,” IEEE Trans. Ind. Electron., vol. 66, no. 10, pp. 7893–7903, 2019.
• [11] M. A. Abbasi, and A. R. Husain, “Model predictive control of a dual induction motor drive fed by a single voltage source inverter,” Turkısh J. Electr. Eng. Comput. Sci., vol. 26, no. 3, 2018.
• [12] T. Yaren, V. Süel, Y. Yeniaydın, B. Sakacı, ve S. Kizir, “STM32F4 kiti ile Simulink tabanlı kontrol eğitimi uygulamaları geliştirme,” Otomatik Kontrol Ulusal Toplantısı, 2014, ss. 868–873.
• [13] S. Kizir, T. Yaren, ve E. Kelekçi, Matlab Simulink Destekli Gerçek Zamanlı Kontrol: Teori ve Mühendislik Uygulamaları, Ankara, Türkiye: Seçkin Yayıncılık, 2019.
• [14] N. Can, “Optimal kontrol ve optimizasyon,” Yüksek Lisans tezi, Matematik, Balıkesir Üniversitesi Fen Bilimleri Enstitüsü, Balıkesir, Türkiye, 2008.
• [15] G. Serale, M. Fiorentini, A. Capozzoli, D. Bernardini, and A. Bemporad, “Model predictive control (MPC) for enhancing building and HVAC system energy efficiency: problem formulation, applications and opportunities,” Energies, vol. 11, no. 3, p. 631, 2018.
• [16] İ. Yüksel, Otomatik Kontrol Sistem Dinamiği ve Denetim Sistemleri, Ankara, Türkiye: Nobel Akademik Yayıncılık, 2016.
• [17] B. C. Kuo, Otomatik Kontrol Sistemleri, İstanbul, Türkiye: Literatür Yayıncılık, 2016.