Projects

Výzkum a vývoj pokročilých metod řízení elektrických regulovaných pohonů

SP2018/162

Kuchař Martin doc. Ing., Ph.D.

01. 01. 2018 - 31. 12. 2018

V současné době je velmi diskutovaným tématem čtvrtá technická revoluce. Pojem Průmysl 4.0 v sobě zahrnuje současný trend digitalizace, robotizace, automatizace výroby a s tím související změny na trhu práce. V jádru čtvrté průmyslové revoluce stojí spojení virtuálního kybernetického světa se světem fyzické reality, tzv. kyberfyzické systémy. Mezi základní témata Průmyslu 4.0 patří umělá inteligence, internet věcí, analýza velkých dat, kolaborativní roboty, prediktivní údržba, kybernetická bezpečnost a řada dalších. Základním prvkem všech systémů v oblasti automatizace výroby je však elektrický regulovaný pohon. Pro kyberfyzické systémy, které budou využívány v chytrých továrnách budoucnosti, je nezbytné vyvinout i inteligentní pohony, které mohou zahrnovat témata bezsenzorového řízení nebo řízení odolného vůči poruchám snímačů veličin. Tento projekt se zaměřuje právě na tyto pokročilé algoritmy řízení elektrických regulovaných pohonů. Bezsenzorové pohony, resp. Sensorless Drives neobsahují snímač rychlosti, resp. polohy rotoru elektrického stroje, ale snímače proudu, napětí apod. jsou nadále součástí elektrického pohonu. Obecně můžou bezsenzorové pohony vést ke zvýšení mechanické robustnosti systému, vyšší spolehlivosti a eliminaci problémů s rušením signálových výstupů snímačů otáček. Mezi další výhody je možné zařadit snížení ceny, menší rozměry, snížení hardwarové složitosti celého systému, možnost aplikace pohonu v agresivním prostředí apod. Úkolem bezsenzorového řízení je s dostatečnou přesností estimovat rychlost, resp. polohu rotoru stroje, příp. prostorový vektor magnetického toku pro celý pracovní rozsah otáček včetně nejnižších, příp. nulových otáček. V těchto režimech činnosti je estimace rychlosti značně problematická především z důvodu obtížného určení statorových napětí stroje. Hlavní výzvou pro výzkumníky z tohoto oboru je tedy stále řešení problematiky odhadu mechanických otáček motoru v okolí nulové rychlosti stroje [2], [8]. Algoritmy bezsenzorového řízení lze dělit různými způsoby, základní rozdělení je však do těchto dvou skupin [2], [8], [9]: 1. Bezsenzorové řízení s modelem motoru • Estimátory pracující v otevřené smyčce s využitím monitorování statorových proudů a napětí (metody vyhodnocení rychlosti typu open-loop). • Pozorovatelé využívající systémy s adaptivním a referenčním modelem (MRAS). • Pozorovatelé (Kalmanův pozorovatel, Luenbergerův pozorovatel, Gopinathův pozorovatel, pozorovatel s klouzavým módem). 2. Bezsenzorové řízení bez modelu motoru • Estimátory s injektováním napěťového signálu. • Estimátory využívající prvky umělé inteligence, zejména umělé neuronové sítě, příp. fuzzy-neuronové sítě. Střídavé regulované pohony s asynchronními a synchronními motory jsou široce používány v průmyslu vzhledem k mechanické odolnosti, menší velikosti, nákladům a nízkým nárokům na údržbu. Vektorové řízení těchto strojů nabízí vysoké dynamické vlastnosti střídavého pohonu díky oddělení regulačních obvodů magnetického toku a točivého momentu. Současný výzkumný trend zahrnuje problematiku řízení odolného vůči různým typům poruch elektrického pohonu [3], [4]. Zdrojem poruchy může být elektrický motor (zkraty ve statorovém vinutí, zlomené tyče v rotoru, porouchaná ložiska atd.), výkonový polovodičový měnič (poruchy spínacích výkonových prvků, poruchy budičů atd.), řídicí mikropočítačový systém nebo snímače veličin (poruchy snímačů statorových proudů, snímačů napětí, inkrementálních snímačů polohy a otáček) [5] – [7]. Střídavé pohony s vektorovým řízením vyžadují bezchybnou činnost zmíněných senzorů. Poruchy snímačů veličin (šum ve výstupním signálu, stejnosměrný offset, zkrat na výstupu snímače, rozpojený výstupní obvod snímače apod.) se mohou běžně vyskytovat v reálném provozu pohonu. Z tohoto důvodu je oblast diagnostiky, monitorování a řízení pohonu odolné vůči chybám snímačů veličin důležitou součástí výzkumu moderních elektrických regulovaných pohonů. Takový systém řízení může v případě detekce poruchy snímače otáček, příp. snímačů statorových proudů elektrického motoru využít odhadované veličiny z různých typů estimátorů a pozorovatelů místo původně měřené veličiny vadným snímačem. V tomto případě bude daný elektrický pohon schopen nadále pracovat i při porouchaném snímači. Pro estimaci zmíněných veličin mohou být použity estimátory nebo pozorovatelé známí z oblasti bezsenzorového řízení. Ve zmíněných výzkumných tématech nacházejí uplatnění i metody z oblasti umělé inteligence, do které lze obecně zařadit fuzzy logiku, umělé neuronové sítě a genetické algoritmy. Jejich použití může vést ke zlepšení vlastností pohonů, zvýšení robustnosti a zmenšení závislosti na měnících se parametrech motoru. Tyto systémy mohou být robustní vůči šumům a změnám parametrů regulovaného systému. Při jejich aplikaci není potřeba znalosti použitého elektrického motoru, resp. jeho matematického modelu. Pro identifikaci parametrů stroje nebo pro optimální nastavení regulátorů může být použit genetický algoritmus jako stochastická optimalizační metoda. Genetické algoritmy využívají zákony přirozeného výběru na nalezení nejvhodnějšího řešení ze všech reprezentantů. Jejich největší výhodou je, že se dokáží dostat z okolí lokálních extrémů, kde mohou jiné optimalizační metody uvíznout [1], [2]. Implementace těchto pokročilých výpočetně náročných algoritmů často vyžaduje výkonný mikropočítačový řídicí systém. V dnešní době jsou k tomuto účelu většinou využívány nyní již dostupné digitální signálové procesory nebo kontroléry pracující s plovoucí řádovou čárkou. Při implementaci zmíněných algoritmů pak odpadají problémy spojené s normováním veličin (zlomkový doplňkový kód – fractional format F1.15 apod.), které je nutné řešit v případě použití mikroprocesorů pracujících s pevnou řádovou čárkou. Signálové procesory s plovoucí řadovou čárkou tedy umožňují urychlení vykonání některých matematických operací, dále se při tvorbě aplikačního softwaru pracuje přímo s reálnými čísly, což značně zpřehledňuje software, usnadňuje jeho parametrizaci, zrychluje jeho vývoj a vede ke komfortnějšímu programování. Aplikační software se stává přehlednějším, lépe kontrolovatelným a ve výsledku tedy i bezpečnějším. Tento trend usnadňuje dosažení vyšší kvality a bezpečnosti realizovaného softwaru, což je dnes pro řadu průmyslových odvětví nutnou podmínkou a úzce to souvisí s úrovní integrity bezpečnosti SIL (Safety Integrity Level). Tento projekt je zaměřen na výzkum, vývoj a implementaci některých pokročilých metod řízení z výše prezentovaných oblastí. Zvolený postup řešení úkolů bude zahrnovat analýzu a teoretický rozbor vybraných metod, modelování a simulaci algoritmů v prostředí Matlab-Simulink, implementaci zkoumaných metod do řídicího systému se signálovým procesorem a jejich experimentální ověření. Bude tedy použita výzkumná linie „teorie – simulace – aplikační možnosti – experimentální ověření“. Řešení takto náročných úkolů vyžaduje mezioborový přístup a spojení teoretických a praktických dovedností z oblasti řídicí techniky, výkonové elektroniky, elektrických pohonů, informačních technologií, matematiky a dalších souvisejících oborů. Pro realizaci vybraných metod bude využit moderní řídicí systém se signálovým procesorem Texas Instruments TMS320F28335 pracujícím s plovoucí řádovou čárkou, který se v poslední době často používá pro aplikace „Motor Drive & Control“ jak na výzkumných pracovištích, tak i v technické praxi. Tento procesor obsahuje řadu periferních jednotek, které jsou pro oblast řízení elektrických pohonů velmi důležité, např. 16-ti kanálový 12-ti bitový AD převodník, jednotku pulsně-šířkové modulace s řadou možností nastavení, jednotku QEP pro zpracování signálů z inkrementálních snímačů rychlosti, tři 32-bitové čítače/časovače, komunikační sériová rozhraní, dostatečnou paměť pro program a data apod. Hlavní význam projektu pro technickou praxi je ve využití poznatků z praktické realizace vybraných metod řízení elektrických regulovaných pohonů a v získání experimentálních výsledků z funkčních prototypů. Řešitelský tým bude zapojen do výzkumných projektů s průmyslovými partnery (Projekt TAČR – Centrum inteligentních pohonů a pokročilého řízení strojů – CIDAM, Centrum kompetence). Reference [1] Vas, P.: Artificial-Intelligence-Based Electrical Machines and Drives, Oxford Science Publication, New York, 1999, ISBN 0-19-859397-X [2] Vas P.: Sensorless Vector and Direct Torque Control. New York: Oxford University Press, 730 p., 1998, ISBN 0-19-856465-1. [3] Gritli, Y. et al., Advanced diagnosis of electrical faults in wound-rotor induction machines, IEEE Trans. Ind. Electron., vol. 60, no. 9, pp. 4012–4024, Sep. 2013. [4] Sanchez, M. P. et al., Application of the Teager-Kaiser energy operator to the fault diagnosis of induction motors, IEEE Trans. Energy Convers., vol. 28, no. 4, pp. 1036–1044, Dec. 2013. [5] Chakraborty, Ch. and Verma, V., Speed and Current Sensor Fault Detection and Isolation Technique for Induction Motor Drive Using Axes Transformation, IEEE Trans. Ind. Electron, vol. 62, no. 3, pp. 1943–1954, March 2015. [6] Najafabadi, T.A., Salmasi, F.R. and Maralani, P.J., Detection and isolation of speed-, dc-link voltage-, and current-sensor faults based on an adaptive observer in induction-motor drives, IEEE Trans. Ind. Electron, vol. 58, no. 5, pp. 1662–1672, May 2011. [7] Zhang, X. et al., Sensor fault detection, isolation and system reconfiguration based on extended Kalman filter for induction motor drives, IET Elect. Power Appl., vol. 7, no. 7, pp. 607–617, Aug. 2013. [8] Smith, A.N., Gadoue, S.M., Finch, J.W., 2016. Improved Rotor Flux Estimation at Low Speeds for Torque MRAS-Based Sensorless Induction Motor Drives. IEEE Transactions on Energy Conversion, 270-282 [9] Yin, Z., Li, G., Zhang, Y., Liu, J., Sun, X., Zhong, Y., 2017. A Speed and Flux Observer of Induction Motor Based on Extended Kalman Filter and Markov Chain. IEEE Transactions on Power Electronics 32(9), 7096-7117.

prof. Ing. Pavel Brandštetter, CSc.
Ing. Martin Sobek, Ph.D.
Ing. Aleš Havel, Ph.D.
doc. Ing. Martin Kuchař, Ph.D.
Ing. Jiří Hájovský
Thinh Cong Tran
Ing. Petr Chamrád
Sang Ho Dang, M.Sc.
Cuong Tran Dinh, M.Sc.
Ing. Jakub Bača
Ing. Daniel Kouřil, Ph.D.
Bc. David Blažek
Ing. Joy Jason Ligori
Shanmugasundram Kumar
Pradeep Raj Balakrishnan

Cíle a milníky projektu

Projekt navazuje na projekty SGS, které byly řešeny na výzkumném pracovišti Katedry elektroniky v předchozích letech. Hlavním cílem projektu je výzkum a vývoj pokročilých metod řízení elektrických regulovaných pohonů. Implementace těchto algoritmů bude provedena s využitím řídicích systémů založených na moderních signálových kontrolérech (DSC) s plovoucí řadovou čárkou.

Dílčí cíle projektu

C1. Modelování a simulace regulačních struktur elektrických pohonů v prostředí Matlab-Simulink.
C2. Analýza a vyhodnocení simulačních výsledků.
C3. Vývoj a implementace vybraných pokročilých metod řízení pro systémy s DSC.
C4. Experimentální ověřování algoritmů v laboratořích řešitelského pracoviště.
C5. Analýza a vyhodnocení experimentálních výsledků.
C6. Publikace dílčích výsledků na mezinárodních konferencích a v odborných časopisech.

Očekávané přínosy

• Zvýšení aktivity ve výzkumné činnosti doktorandů, příp. studentů navazujícího magisterského studia - zapojení studentů do výzkumných projektů ve spolupráci s průmyslovými partnery (Projekt TAČR - Center for Intelligent Drives and Advanced Machine Control – CIDAM, Centrum kompetence).

• Zapojení řešitelského pracoviště do sítě výzkumných pracovišť s podobnou výzkumnou problematikou (FEL ZČU Plzeň, FEKT VUT Brno, FEL ČVUT Praha).

• Publikace ve sbornících konferencí a časopisech indexovaných v databázích Web of Science a Scopus.