عنوان پایان‌نامه
شناسایی و تخمین خطا در سیستم محرک موتورهای القایی با استفاده از ترکیب روشهای مبتنی بر مدل و سیگنال
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1917;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49317
- تاریخ دفاع
- ۲۱ شهریور ۱۳۹۰
- دانشجو
- مهدی رضاقلی زاده
- استاد راهنما
- بابک نجاراعرابی, فرزاد رجایی سلماسی
- چکیده
- در موتورهای القایی خطاهای گوناگونی چون خطای حسگرها، خطای مبدل‌های قدرت و خطاهای داخلی موتور رخ می‌دهد. از این بین خطاهای حسگر و خطای اینورتر در ارتباط مستقیم با عملکرد کنترل‌کننده می‌باشند. گرچه تحقیقات گسترده‌ای در باب خطاهای داخلی و عیب‌های مکانیکی موتور در ادبیات مطرح شده است ولی در زمینه بررسی خطاهای حسگر و همچنین بررسی همزمان خطای حسگر و اینورتر همچنان نیاز به تحقیقات بیشتر احساس می‌شود. بدین ترتیب در این کار توجه خود را به تشخیص و طبقه‌بندی خطای حسگر و اینورتر محرکه‌های موتور القایی معطوف می‌کنیم. در این پژوهش هدف معرفی الگوریتم یکپارچه تشخیص و جداسازی خطای حسگر و اینورتر در موتورهای القایی بر مبنای ترکیب روشهای مبتنی بر سیگنال و مبتنی بر مدل و ارزیابی کارایی آن در نمونه شبیه‌سازی شده می‌باشد. تاکنون روشهای بسیاری برای شناسایی خطا در ادبیات مطرح شده است که بخشی از آن‌ها بر روی راهکار‌های مبتنی بر مدل وبخشی دیگر بر روشهای مبتنی بر داده متمرکز شده‌اند. الگوریتم ارائه شده در این کار سعی بر آن دارد که از نقاط قوت هر دو روش بهره برده و روشی با کارایی بالا در شناسایی خطای سیستم‌ها ارائه دهد. برای دستیابی به این هدف به منطور استخراج ویژگی‌های مقاوم نسبت به تغییرات نقطه‌کار ابتدا بر اساس مدل مجزاشده موتور القایی به طراحی فیلترکالمن تعمیم‌یافته می‌پردازیم. در گام بعد ویژگی‌های موجود در سیگنال‌های باقیمانده‌ی حاصل از رویتگر در شرایط مختلف وقوع خطا مبنای الگوریتم تشخیص و جداسازی خطای ارائه شده قرار می‌گیرد. از آنجا که باقیمانده‌ها در برخورد با برخی خطا‌ها الگوهای مشابهی را دنبال می‌کنند لذا در چنین شرایطی استفاده از سیگنال‌های در دسترس موتور ما را در امر شناسایی خطا یاری خواهد نمود. الگوریتم معرفی شده در این پایان‌نامه دارای قابلیت‌های جداسازی خطاهای حسگر و اینورتر، شناسایی خطا از لحظه‌ی شروع به کار موتور، تخمین مقدار خطا در شرایط بروز خطای حسگر و همچنین تشخیص، تخمین و اصلاح تغییرات مقاومت روتور می‌باشد. عملکرد این روش با استفاده از پیاده‌سازی آن بر روی سیستم شبیه‌ساز محرکه موتور القایی مورد آزمایش قرار‌گرفته و نتایج آن حاکی از توانایی بالای روش در شناسایی خطای این سیستم در وضعیت‌های متفاوت است.
- Abstract
- From the time which electrical motors have been used, there has always been a special need for fault diagnosis algorithms. This is because electrical motors are often exposed to uncommon working conditions. Under these conditions, the probability of the existence of fault in induction motors are very high and therefore, due to common use of these electrical motors and their special place among motors in industry, there has been a lot of effort in order to make improvements in their functionality and reliability. Different faults may occur in an induction motor (IM) that can be classified as motor internal faults and faults related to the control system. Although the former have been investigated significantly and there are vast amount proposed methods to detect and diagnose them, the latter needs to be investigated much more. So in this work, we focus our attention to design a sensor and inverter fault detection and isolation algorithm for IM’s drives. The aim of this research is to propose an integrated way of detect and diagnosing sensor and inverter faults of an IM drives based on combination of signal-based and model-based methods. Since each of model-based and signal-based approaches have some pros and cons, so existing fault detection and diagnosis (FDD) algorithms which concentrate on a single approach suffer from some disadvantages and flaws. In this work we take advantages of both approaches by combining them and introduce an efficient way of sensor and inverter fault identification in IMs. To achieve the goal, we extract robust features against an IM’s different operating conditions using an extended Kalman filter (EKF) designed for decoupled model of an IM. The EKF estimates d and q components of the stator current and then produces the current residuals using available current measurements. In the next step, we drive fault patterns using the evaluation has been performed on residuals under sensor and inverter fault occurrences. Since regarding to some faults, residuals follow the same patterns, so the available control signals are considered for the fault identification purposes. The introduced algorithm is capable of sensor and inverter fault isolation, estimation of fault amplitude, detect, diagnose and retuning the rotor resistance and detect and diagnose the faults which happen in the initial. The proposed method has been evaluated by extensive simulation tests and results verify the high quality and effectiveness of the proposed algorithm.
