ASENKRON MOTORUN İNDİRGENMİŞ-DERECELİ UYARLAMALI GENİŞLETİLMİŞ KALMAN FİLTRESİ İLE DURUM VE PARAMETRE KESTİRİMİ

Öz

   Bu çalışmada, asenkron motorların (ASM’lerin) hız-algılayıcısız kontrolü için indirgenmiş-dereceli uyarlamalı genişletilmiş Kalman filtresinin (GKF’nin) tasarımı gerçekleştirilmiş ve bu gözlemleyici hız-algılayıcısız doğrudan vektör kontrollü sürücü sisteminde kullanılarak başarımı benzetim çalışmaları altında test edilmiştir. Önerilen gözlemleyici ASM’lerin vektör kontrolü için gerekli olan rotor akılarının duran eksen takımı bileşenleri ve rotor mekanik hızına ek olarak bozucu yük momenti değişimlerini de kestirmektedir. Diğer taraftan, GKF’lerin kestirim başarımı sistem () ve ölçme () hatası kovaryans matrislerinin doğru bilinmesine bağlıdır. Bu matrisler literatürde genellikle sabit kabul edilmekte ve deneme-yanılma yöntemi ile belirlenmektedir. Fakat bu matrisler ASM’nin çalışma koşullarından etkilenmekte ve daha yüksek başarımlı kestirimler elde edebilmek için çalışma koşullarına göre güncellenmelidirler. Hem  hem de ’nin eşzamanlı değiştirilmesi ıraksama veya takip sorunlarına neden olabileceğinden, önerilen çalışmada sadece  çalışma koşullarını göz önünde bulundurularak unutma faktörüne sahip uyarlamalı GKF (UGKF) algoritması ile güncellenmiştir. Ayrıca, gerçek-zamanlı uygulamalar için işlem yükünü azaltmak amacıyla UGKF indirgenmiş-dereceli olarak tasarlanmıştır.

Anahtar Kelimeler

• Asenkron motor,hız-algılayıcısız kontrol,indirgenmiş-dereceli uyarlamalı genişletilmiş Kalman filtresi

STATE AND PARAMETER ESTIMATIONS OF INDUCTION MOTOR WITH REDUCED-ORDER ADAPTIVE EXTENDED KALMAN FILTER

Abstract

   In this study, the design of reduced-order adaptive extended Kalman filter (EKF) for speed-sensorless control of induction motors (IMs) is performed, and its performance is tested using it in a speed-sensorless direct vector controlled drive system under simulations. The proposed observer estimates the stator stationary axis components of rotor fluxes and rotor mechanical speed required for vector control in addition to disturbance load torque. On the other hand, estimation performance of EKFs depends on the correct selection of system () and measurement () error covariance matrices. In the literature, these matrices are generally assumed as constant and determined by the trial-and-error method. However, those matrices are affected by operating conditions of IM and should be updated according to operating conditions in order to obtain higher performance estimations. Since the simultaneously update of both  and  may lead to divergence or tracking problems, only  is updated considering operating conditions by adaptive EKF (AEKF) algorithm having a forgetting factor. In addition, AEKF has been designed as reduced-order with the aim of reduction of its computational burden for real-time applications.

Keywords

• Induction motor,speed-sensorless control,reduced-order adaptive extended Kalman filter

Kaynakça

1. KUMAR, R., DAS, S., SYAM, P., CHATTOPADHYAY, A. K., “Review on model reference adaptive system for sensorless vector control of induction motor drives”, IET Electr. Power Appl., 9 (7), 496–511, 2015.
2. QU, Z., HINKKANEN, M., HARNEFORS, L., “Gain Scheduling of a Full-Order Observer for Sensorless Induction Motor Drives”, IEEE Trans. Ind. Appl., Early Access Online, 2014.
3. JOUILI, M., JARRAY, K., KOUBAA, Y., BOUSSAK, M., “Luenberger state observer for speed sensorless ISFOC induction motor drives”, Electr. Power Syst. Res., 89, 139–147, Aug. 2012.
4. BARUT, M., DEMIR, R., ZERDALI, E., INAN, R., “Real-Time Implementation of Bi Input-Extended Kalman Filter-Based Estimator for Speed-Sensorless Control of Induction Motors”, IEEE Trans. Ind. Electron., 59(11), 4197–4206, Nov. 2012.
5. ZAKY, M. S., KAMEL METWALLY, M., AZAZI, H., DERAZ, S., “A New Adaptive SMO for Speed Estimation of Sensorless Induction Motor Drives at Zero and Very Low Frequencies”, IEEE Trans. Ind. Electron., Early Access Online, 2018.
6. ALONGE, F., CANGEMI, T., D’IPPOLITO, F., FAGIOLINI, A., SFERLAZZA, A., “Convergence Analysis of Extended Kalman Filter for Sensorless Control of Induction Motor”, IEEE Trans. Ind. Electron., 62(4), 2341–2352, Apr. 2015.
7. ZERDALI, E., BARUT, M., “The Comparisons of Optimized Extended Kalman Filters for Speed-Sensorless Control of Induction Motors”, IEEE Trans. Ind. Electron., 64(6), 4340–4351, Jun. 2017.
8. DEMIR, R., BARUT, M., “Novel hybrid estimator based on model reference adaptive system and extended Kalman filter for speed-sensorless induction motor control”, Trans. Inst. Meas. Control, 40(13), 3884–3898, Sep. 2018.

9. ALMAGBILE, A., WANG, J., DING, W., “Evaluating the Performances of Adaptive Kalman Filter Methods in GPS/INS Integration”, J. Glob. Position. Syst., 9(1), 33–40, Jun. 2010.
10. AYDIN, M., GOKASAN, M., BOGOSYAN, S., “Fuzzy based parameter tuning of EKF observers for sensorless control of Induction Motors”, International Symposium on Power Electronics, Electrical Drives, Automation and Motion (SPEEDAM), 1174–1179, 2014.
11. DROZDZ, K., “Estimation of the mechanical state variables of the two-mass system using fuzzy adaptive Kalman filter - Experimental study”, IEEE 2nd International Conference on Cybernetics (CYBCONF), 455–459, 2015.
12. ZERDALI, E., “Adaptive Extended Kalman Filter for Speed-Sensorless Control of Induction Motors”, IEEE Trans. Energy Convers., Early Access Online, 2018.
13. JWO, D.-J., CHUNG, F.-C., WENG, T.-P., “Adaptive Kalman Filter for Navigation Sensor Fusion”, 2010.
14. ZERDALI, E., YILDIZ, R., INAN, R., DEMIR, R., BARUT, M., “Adaptive Fading Extended Kalman Filter Based Speed-Sensorless Induction Motor Drive”, XIII International Conference on Electrical Machines (ICEM), 1367–1373, Alexandroupoli, Greece, 2018.
15. LEE, K.-B., BLAABJERG, F., “Reduced-order extended Luenberger observer based sensorless vector control driven by matrix converter with nonlinearity compensation”, IEEE Trans. Ind. Electron., 53(1), 66–75, Feb. 2005.
16. HARNEFORS, L., HINKKANEN, M., “Complete Stability of Reduced-Order and Full-Order Observers for Sensorless IM Drives”, IEEE Trans. Ind. Electron., 55(3), 1319–1329, Mar. 2008.
17. DAVARI, S. A., KHABURI, D. A., WANG, F., KENNEL, R. M., “Using Full Order and Reduced Order Observers for Robust Sensorless Predictive Torque Control of Induction Motors”, IEEE Trans. Power Electron., 27(7), 3424–3433, Jul. 2012.
18. DEMIR, R., BARUT, M., YILDIZ, R., “Reduced-order extended Kalman filter based parameter estimations for speed-sensored induction motor drive”, Pamukkale Univ. J. Eng. Sci., 24(8), 1464–1471, 2018.
19. INAN, R., DEMIR, R., BARUT, M., “Asenkron Motorun Karma Kestirici Tabanlı Hız-Algılayıcılı Doğrudan Vektör Kontrolü”, Ömer Halisdemir Üniversitesi Mühendis. Bilim. Derg., Temmuz 2018.