Hız-Algılayıcılı Dogrudan Vektör Kontrollü Asenkron Motor Sürücüleri için ˘ ˙Indirgenmi¸s Dereceli Geni¸sletilmi¸s Kalman Fitresi Tabanlı Stator ve Rotor Direnci Kestiricisi / Reduced Order Extended K

Hız-Algılayıcılı Dog˘rudan Vektör Kontrollü Asenkron Motor Sürücüleri için I˙ndirgenmis¸ Dereceli Genis¸letilmis¸ Kalman Fitresi Tabanlı Stator ve Rotor

Direnci Kestiricisi Reduced Order Extended Kalman Filter based Stator and Rotor Resistance Estimator for Speed-Sensored Direct Vector Controlled Induction Motors

Drives

Rıdvan Demir1, Murat Barut2, Recep Yıldız2, Emrah Zerdali2, Remzi I˙nan2

1Mekatronik Mühendislig˘i Bölümü Nig˘de Ömer Halisdemir Üniversitesi, Nig˘de [email protected]

2 Elektrik-Elektronik Mühendislig˘i Bölümü Nig˘de Ömer Halisdemir Üniversitesi, Nig˘de [email protected], [email protected], [email protected], [email protected]

Özet

Bu çalıs¸mada, hız-algılayıcılı dog˘rudan vektör kontrollü asenkron motor (ASM) sürücüleri için indirgenmis¸ dereceli yeni bir genis¸letilmis¸ Kalman filtresi (I˙DGKF) tabanlı kestirici tasarlanarak benzetim temelli olarak gerçeklenmektedir. Önerilen I˙DGKF ile DVK tabanlı ASM sürücüsü için gerekli olan stator duran eksen takımındaki rotor akılarının αβ biles¸enlerine (ϕrα ve ϕrβ’ya) ilave olarak deg˘eri sıcaklık ve frekansla deg˘is¸en stator direnci (Rs) ve rotor direnci (Rr) anma hızı, orta hız ve düs¸ük/sıfır hız bölgelerinde es¸ zamanlı olarak kestirilmektedir. Hız, yük momenti (tL), Rr ve Rs’nin zorlayıcı deg˘is¸imleri altında üretilen senaryolar ile test edilen I˙DGKF’ye ilis¸kin benzetim temelli kestirim sonuçları ve bu yüzden DVK’lı ASM sürücüsünün kontrol bas¸arımı oldukça tatmin edicidir. Ayrıca I˙DGKF algoritmasının tam dereceli es¸deg˘erine göre daha az hesap yükü gerektirdig˘i bu çalıs¸ma kapsamında onaylamaktadır. Anahtar Kelimeler:Asenkron motor, dog˘rudan vektör kontrol, parametre kestirimi, genis¸letilmis¸ Kalman filtresi

Abstract

In this study, speed-sensored direct vector control of induction motors (IMs) is implemented by proposing and using a novel reduced order extended Kalman filter (ROEKF). In addition to αβ-components of rotor fluxes in stator stationary axis (ϕrα and ϕrβ), stator resistance (Rs) and rotor resistance (Rr) whose values vary according to temperature and frequency are simultaneously estimated by the proposed ROEKF in a wide speed range. Under challenging variations of rotor angular velocity, load torque (tL), Rr, and Rs, the obtained simulation based estimation results associated with the ROEKF and thus control performances of the designed direct vector controlled

IM drive are quite satisfactory and validate to require less computational load then its full-order counter part. Keywords: Induction motor, Direct vector control, parameter estimation, extended Kalman filter

1. Giris¸

Asenkron motorlar sag˘lam, verimli, güvenilir ve az bakım gerektirmelerinden dolayı deg˘is¸ken hız ve moment kontrolü gerektiren uygulamalarda yaygın olarak kullanılmaktadırlar. Ancak, karmas¸ık yapıları ve dog˘rusal olmayan matematiksel modellerinden dolayı parametre deg˘is¸imleri ve dig˘er çalıs¸ma s¸artlarına bag˘lı olarak, birçok kontrol problemine sahiptirler. ASM’lerin hız-algılayıcılı dog˘rudan vektör kotrol sistemi ϕrα, ϕrβ bilgilerini gerektirmektedir. Ancak, bu büyüklüklerinin dog˘ru deg˘erleri ASM parametrelerine kars¸ı büyük oranda bag˘lıdır. Özellikle kontrol sistemi ve kestirim bas¸arımlarında parametrelerden kaynaklı bozulmaların önlenebilmesi için motor parametrelerinin iyi bilinmesi gerekmektedir. Elektriksel parametreler d.a testi ve kilitli rotor/bos¸ta çalıs¸ma deneyleri ile dog˘rudan belirlenebilir olsalar da deg˘erleri sıcaklık ve frekansa bag˘lı olarak çalıs¸ma kos¸ullarından etkilenmektedir. Bu yüzden yüksek bas¸arımlı kontrol için bu parametrelerin özellikle Rr ve Rs’nin kestirilmesi gerekmektedir.

Literatürdeki çalıs¸malar incelendig˘inde hız-algılayıcılı olarak Rr ve/veya Rs kestirimine odaklanan bazı çalıs¸malar [1-11] bulunmaktadır. Bu çalıs¸malardan, Ref. [1]’de bir faz akım algılayıcı kullanan uyarlamalı gözlemleyici ile rotor akısına ilaveten Rr ve Rs kestirimi gerçekles¸tirilmektedir. Fakat düs¸ük/sıfır hız bölgesinde her hangi bir sonuç sunulmamıs¸tır. Ref. [2]’de aktif ve reaktif güç tabanlı kestirici ile sadece Rr ve Rs kestirimi yapılmakta olup, yük momentinin artması ile kestirimin yakınsama hızının iyiles¸tig˘i ifade edilmektedir. Ref. [3]’te dog˘-

rusal olmayan bulananık gözlemleyici ile kestirilen Rs ile birlikte ileri beslemeli yapay sinir ag˘ları kullanılarak Rr kestirilmektedir. Kestirim sonuçları anma hızının %70’inde sunulmakta ve çok düs¸ük/sıfır hız bölgelerini kapsamamaktadır. Ref. [4]’te rotor akılı modeli kullanan tam dereceli GKF (TDGKF) ile Rr ve Rs kestirilmekle birlikte ASM’nin çalıs¸tıg˘ı hız aralıg˘ı ve ASM’ye uygulanan yük momenti bilgisi verilmemektedir. Ref. [5]’te dog˘rusal olmayan vektör kontrol bas¸arımını arttırmak için Rr kestirimi hız algılayıcılı olarak gerçekles¸tirilmekte ama sıfır hız sonuçları sunulmamaktadır. Ref. [6]’da reaktif güç tabanlı MUS ile rotor direnci kestiricisi tasarlanmıs¸ ve dolaylı vektör kontrol sistemi ile test edilmis¸tir. Ancak önerilen kestiriciye ait çok düs¸ük/sıfır hız sonuçları verilmemis¸tir. Ref. [7]’de reaktif güç tabanlı MUS ile rotor direnci kestiricisi tasarlanmıs¸ ve MUS’a ait uyarlama mekanizması olarak geleneksel PI kontrolör yerine parçacık sürü optimizasyon algoritması tabanlı katsayıları çevrimiçi ayarlanan adaptif PI kontrolör kullanılmıs¸tır. Kestirim sonuçları ise sadece sabit yüksek hız bölgesinde ve deg˘is¸ken yük momenti deg˘erleri altında sunulmus¸tur. Ref. [8]’de yapay sinir ag˘ı (YSA) tabanlı rotor akılı MUS ile rotor direnci kestirimi gerçekles¸tirilmis¸tir. Ref. [9]’da ise aktif güç ve motor momenti tabanlı modele uyarlamalı sistem ile rotor direnci kestirilmektedir. Ref. [10]’da parametre kestirim tabanlı rotor akısı gözlemleyicisi ile Rr kestirilmektedir. Ref. [11]’de stator akılı ASM modeli kullanan TDGKF ile Rr ve Rs’nin kestirimi genis¸ bir hız bölgesinde ve farklı yük momenti deg˘erleri altında gerçekles¸tirilmis¸tir.

Bu çalıs¸manın temel katkısı ASM’nin yüksek bas¸arımlı DVK’si için, hız-algılayıcılı olarak ϕrα, ϕrβ, Rs ve Rr’yi es¸zamanlı olarak kestiren ˙IDGKF tasarlayarak sürekli sıfır hız dahil çok genis¸ bir hız aralıg˘ında çalıs¸abilen ve [4]’deki es¸ deg˘eri tam dereceli GKF temelli sürücüden daha az hesap yükü içeren DVK’lı ASM sürücüsünü literatüre tanıtmaktır. Hız, tL, Rr ve Rs’nin zorlayıcı deg˘is¸imlerini içeren senaryolar ile elde edilen benzetim sonuçları, önerilen ˙IDGKF ve bu yüzden DVK’lı ASM sürücüsünün oldukça iyi bir bas¸arıma sahip oldug˘unu göstermektedir. Bu yönleri ile [12]’deki çalıs¸manın genis¸letilmis¸ halidir.

Bu çalıs¸ma bes¸ bölümden olus¸maktadır. Bölüm 1’de literatürde mevcut olan çalıs¸malar, Bölüm 2’de ASM’nin genis¸letilmis¸ matematiksel modeli, Bölüm 3’te I˙DGKF algoritmasının tasarımı ve Bölüm 4’te ˙IDGKF tabanlı kestiricinin benzetim sonuçları sunulmaktadır. Bölüm 5’te elde edilen sonuçlar ile birlikte gelecek çalıs¸malar açıklanmıs¸tır.

2. ASM’nin genis¸letilmis¸ matematiksel modeli

ASM’nin genis¸letilmis¸ matematiksel modelinin genel ifadesi (1) ve (2)’deki gibi verilebilir:

x˙ e(t) = f e(xe(t), ue(t)) + w1

(1)

= Ae(xe(t))xe(t) + Beue(t) + we1

Z(t) = he(xe(t)) + w2 (Ölçüm Es¸itlig˘i)

(2)

= Hexe(t) + we2

Burada, xe genis¸letilmis¸ durum vektörü, f e durum ve giris¸lerin

dog˘rusal olmayan fonksiyonu, Ae sistem matrisi, ue kontrol giris¸ vektörü, Be giris¸ matrisi, we1 is¸lem gürültüsü, he çıkıs¸ların fonksiyonu, He ölçüm matrisi ve we2 ise ölçüm gürültüsüdür.

(1) ve (2)’deki genel ifadeye göre, genis¸letilmis¸ ASM modeline ait matris ve vektörler (3) ve (4)’de sunulmaktadır.

Burada, vsα ve vsβ stator gerilimlerinin stator duran eksen takımındaki biles¸enlerini, isα ve isβ stator gerilimlerinin stator duran eksen takımındaki biles¸enlerini, Rs ve Rr sırasıyla stator ve rotor dirençlerini, Ls, Lr ve Lm sırasıyla stator, rotor ve mıknatıslama endüktanslarını, Lσ = σLs = Ls − Lm 2 /Lr stator geçici endüktansını, σ kaçak föktörünü, pp kutup çifti sayısını ve T örnekleme zamanını ifade etmektedir.

3. Önerilen I˙DGKF algoritmasının tasarımı

Tam deredeli (TDGKF) tabanlı kestirim algoritmasının hesaplama yükünü azaltmak için (1) ve (2) kullanılarak bu çalıs¸ma kapsamında önerilen ve yalnızca ölçülmeyen durum ve parametreleri kestiren indirgenmis¸ dereceli ASM modeline ait genel ifadeler (5) ve (6)’daki gibi elde edilebilir:

x˙ i(t) = f i(xi(t), ui(t)) + wi1

(5)

= Ai(xi(t))xi(t) + Biui(t) + wi1

Z(t) = hi(xi(t), ui(t)) + wi2 (Ölçüm Es¸itlig˘i) (6) = Hixi(t) + wi2

Es¸itlik (5) ve (6)’ya göre önerilen indirgenmis¸ ASM modeline ait matris ve vektörler (7) ve (8)’deki gibi elde edilebilir.

ϕrα, ϕrβ, Rr ve Rs deg˘erlerinin es¸-zamanlı kestirimini gerçekles¸tirmek için önerilen bu model kullanılarak, I˙DGKF algoritması es¸itlikleri (9a-9e) ve akıs¸ s¸eması (S¸ ekil 1) gelis¸tirilmektedir.

Zm vs,DE is,DE

Mˆ r,DE

N(k) D[

P(k+1) D[1

xi (k 1) Rˆ r

Q

Eş. 9c Hi

Eş. 9d

Eş. 9e

Rˆ s

S¸ekil 1: I˙DGKF’nin akıs¸ s¸eması.

F i(k)

∂f i(xi(k), ui(k)) ∂xi(k)

(9a)

Hi(k) =

∂hi(xi(k), ui(k)) ∂xi(k)

(9b)

N (k) = F i(k)P (k)F i(k)T + Q

(9c)

P (k + 1) = N (k)−

(9d)

(Dξ

i

)−1 H i N

(k)

xˆi(k + 1) = fˆi(xˆi(k), ui(k))+

(9e)

P

(k

1)H

D−ξ 1(Z(k

1)

Hixˆi(k))

 i˙sα   i˙sβ 

+ ) Rr L2m L2r Lσ

   

ϕ˙ rα ϕ˙ rβ

 

R˙ r

 

) Rr L2m

ωm

 0 0  isα 

 0 

isβ

    

ϕrα ϕrβ

    

 

x˙ e

Ae

0 00000T

1 Lσ

vsα vsβ

+we1(t)

xe (3)

BTe

ue

isα isβ

1000000 0100000

xe + we2(t)

(4)

He

 ϕ˙ rα 

Lm isα Lr

 

  

ϕ˙ rβ R˙ r

−ppωm 0

Lm isβ

Lr

 

ϕrβ Rr

+wi1

(7)

x˙i

Ai

i˙sα i˙sβ

− −

vsα vLsσβ

Rr Lm

=

− Lmppωm Lσ Lr

Lm pp ωm Lσ Lr

Rr Lm L2r Lσ

− L2misα Lr2 Lσ

− Lm 2 isβ Lr2 Lσ

− isα Lσ

− isβ Lσ

 

 ϕrβ

 

+wi2

(8)

Hi

Burada, F i (5-6) ile verilen dog˘rusal olmayan modelin dog˘rusallas¸tırmada kullanılan fonksiyonunu, Q modelleme hatası olarak isimlendirilen sistem gürültü matrisinin kovaryansını, Dξ ölçüm hatası olarak isimlendirilen çıkıs¸ gürültü matrisinin kovaryansını, P ve N ise sırasıyla, durum kestirim hatası ve onun dıs¸ deg˘erlemesinin (extrapolation) kovaryans matrislerini ifade etmektedir.

4. Benzetim sonuçları ve gözlemler

Hız-algılayıcılı olarak Rr ve Rs’nin es¸-zamanlı kestirimi için tasarlanan I˙DGKF tabanlı kestiricinin bas¸arımı S¸ ekil 2’de verilen DVK’lı ASM sürücü sistemi kullanılarak benzetim ortamında test edilmektedir. S¸ ekil 2’de verilen DVK’lı sürücü sisteminde, θˆrf stator duran eksen takımındaki α-ekseni ile dönen eksen takımındaki d-ekseni arasında tanımlanan alan açısıdır. Sürücü sisteminde kullanılan bütün kontrolörler geleneksel oran + integral acılı (proportional +integral-PI) kontrolörlerdir. Önerilen kestirim algoritmasından yüksek kestirim bas¸arımı elde etmek için kullanılan kovaryans matrisleri deneme-yanılma yöntemi ile as¸ag˘ıdaki gibi belirlenmis¸tir. Q = diag{1e − 10, 1e − 10, 1e − 4, 1e − 4} Dξ = diag{1e − 6, 1e − 6} P = diag{10, 10, 10, 10}

Mˆr2D Mˆr2E

MˆrD ,MˆrE Rˆ r / Rˆ s

vsE vsD İDGKF tabanlı kestirici

abc vs,abc isD DE abc isE DE

MGr MGr ref ' MGr

Hız teref

'te

Kont.

'nm

te

nmref

nm

Alan Kont.

Moment Kont.

tan1(MˆrE ) MˆrD

isra

dq isrq

isrb

isrd abc isrc

Anah. vsa

Devresi vsb &

Evirici vsc

3 2

Lm L'r

isd

Vdc

isD isa isb isc

DE

abc

x isq dq

isE DE

MGˆr Mrd

ASM E

S¸ekil 2: Önerilen ˙IDGKF’yi kullanan hız-algılayıcılı dog˘rudan vektör kontrollü ASM sürücü sistemi.

Tablo 1: Benzetimde kullanılan ASM parametrelerinin anma deg˘erleri [13].

RsN [Ω] RrN [Ω]

2.283 2.133

Lm[H] tL[N.m]

0.22

BT [N m/(rad/s)]

0.001

Lls [H ]

Llr [H ]

0.0111 0.0111

NmN [rpm]

JT N [kg.m2]

0.0183

Önerilen I˙DGKF tabanlı kestirici ve DVK’lı ASM sürücüsü, anma deg˘erleri Tablo 1’de verilen ASM parametreleri kullanılarak yüksek hız, orta hız ve düs¸ük hız bölgeleri olmak üzere üç farklı senaryo ile test edilmektedir.

4.1. Yüksek (anma) hız bölgesi çalıs¸ması

Önerilen ˙IDGKF algoritması ve DVK’lı ASM sürücüsü S¸ ekil 3’te verilen senaryolar ile anma hızı bölgesinde test edilmektedir. S¸ ekil 3 ile verilen senaryolarda;

• ASM anma hızında ve her iki yönde çalıs¸tırılmaktadır. • ASM’ye uygulanan yük momenti 20 N.m ile −20 N.m arasında dog˘rusal olarak deg˘is¸tirilmektedir. • Rr ve Rs basamak ve dog˘rusal bir s¸ekilde farklı hız bölgelerinde arttırılıp azaltılmaktadır. S¸ ekil 3’te verilen senaryolar ile test edilen ˙IDGKF tabanlı kestirici ve bu kestiriciyi kullanan DVK’lı ASM sürücüsüne ait benzetim sonuçları S¸ ekil 4 ve 5’de verilmis¸tir. Önerilen I˙DGKF algoritmasından elde edilen kestirim sonuçlarında, " ˆ. " kestirilen durumları/parametreleri ve e(.) ise kestirilen ile gerçek deg˘er arasındaki fark olarak tanımlanan hatayı ifade etmektedir.

4.2. Orta hız bölgesi çalıs¸ması

Önerilen ˙IDGKF algoritması ve DVK’lı ASM sürücüsü S¸ ekil 6’da verilen senaryolar ile orta hız bölgelerinde test edilmektedir. S¸ ekil 6 ile verilen senaryolarda;

• ASM orta hızda ve her iki yönde çalıs¸tırılmaktadır. • ASM’ye uygulanan yük momenti 20 N.m ile −20 N.m arasında dog˘rusal olarak deg˘is¸tirilmektedir. • Rr ve Rs basamak ve dog˘rusal bir s¸ekilde farklı hız bölgelerinde arttırılıp azaltılmaktadır. S¸ ekil 6’da verilen senaryolar ile test edilen ˙IDGKF tabanlı kestirici ve bu kestiriciyi kullanan DVK’lı ASM sürücüsüne ait benzetim sonuçları S¸ ekil 7 ve 8’de verilmis¸tir.

4.3. Düs¸ük/sıfır hız bölgesi çalıs¸ması

Önerilen ˙IDGKF algoritması ve DVK’lı ASM sürücüsü S¸ ekil 9’da verilen senaryolar ile düs¸ük/sıfır bölgelerinde test edilmektedir. S¸ ekil 9 ile verilen senaryolarda;

• ASM düs¸ük/sıfır hız bölgelerinde çalıs¸tırılmaktadır. • ASM’ye uygulanan yük momenti 20 N.m ile −10 N.m arasında basamak s¸eklinde deg˘is¸tirilmektedir.

1500 1500

-1500 0

20 20

5 20

-20 0

1500 0

S¸ekil 3: Önerilen I˙DGKF tabanlı DVK’lı ASM sürücü sistemini yüksek hız bölgesinde test etmek için nrm, trL, Rrr and Rsr deg˘is¸imleri.

14.97 15 20 25t[s]

S¸ekil 4: DVK’lı ASM sürücü sistemi ve I˙DGKF temelli kestiricinin yüksek hızlardaki benzetim sonuçları.

• Rr ve Rs basamak ve dog˘rusal bir s¸ekilde farklı hız bölgelerinde arttırılıp azaltılmaktadır.

S¸ ekil 9’da verilen senaryolar ile test edilen I˙DGKF tabanlı kestirici ve bu kestiriciyi kullanan DVK’lı ASM sürücüsüne ait benzetim sonuçları S¸ ekil 10 ve 11’de verilmis¸tir.

2.133 0.1 0

1 -0.1 0

0 3 2.283

25t[s] 25

S¸ekil 5: Anma hızında DVK’lı ASM sürücüsü ve ˙IDGKF temelli kestirim algoritmasına ilis¸kin izleme ve kestirim hataları.

20 20 10

0 -10 -20

25 t[s] 20

5 2.566

20 2.566

S¸ekil 6: Önerilen ˙IDGKF tabanlı DVK’lı ASM sürücü sistemini orta hız bölgesinde test etmek için nrm, tLr , Rrr and Rsr deg˘is¸imleri.

4.4. Gözlemler

Önerilen ˙IDGKF tabanlı kestiriciden farklı hız bölgelerinde elde edilen benzetim sonuçları incelendig˘inde as¸ag˘ıdaki gözlemler yapılabilir.

• Kestirilen durum ve parametrelerin bas¸langıç deg˘erleri sıfır olarak seçilmesine rag˘men bütün kestirimler ani olarak gerçek deg˘erine yakınsamıs¸tır.

• Sürekli sıfır/çok düs¸ük (0 dev/dk, 100 dev/dk), orta (750 dev/dk) ve anma (1500 dev/dk) hızlarında, farklı yük momenti deg˘erleri (0 N.m, 10 N.m, 20 N.m, −20 N.m) altında, Rr ve Rs’nin basamak ve/veya dog˘rusal deg˘is¸imlerinden elde edilen kestirim sonuçları önerilen kestiricinin etkinlig˘ini göstermektedir.

• Düs¸ük orta ve yüksek hız senaryolarında ASM’ye uygulanan hız referansı sürekli sıfır hız da dahil olmak

S¸ekil 7: DVK’lı ASM sürücü sistemi ve ˙IDGKF temelli kestiricinin orta hızlardaki benzetim sonuçları.

3 2.133

0.1

-1 0 3 2.283

S¸ekil 8: Orta hız bölgesinde DVK’lı ASM sürücüsü ve I˙DGKF temelli kestirim algoritmasına ilis¸kin izleme ve kestirim hataları.

üzere dört bölgeyi kapsamaktadır. Böylece gerçekles¸tirilen kestirimler anma hızı (1500 dev/dk) ile anma hızının tersi (−1500 dev/dk) arasındaki tüm hız bölgelerinde gerçekles¸tirilmektedir.

• Benzetim sonuçları I˙DGKF algoritmasının dört bölgede de yüksek kestirim bas¸arımına sahip oldug˘unu onaylanmaktadır.

• Özetle hız-algılayıcılı DVK sistemi için gerekli olan bütün durumlar (ϕrα, ϕrβ) ile birlikte Rr ve Rs, önerilen ˙IDGKF ile yüksek bir dog˘rulukla benzetim ortamında kestirilebilmektedir.

Bas¸arım testlerine ilave olarak bu çalıs¸mada, önerilen I˙DGKF algoritması ile aynı durum ve parametreleri kestiren [4]’deki TDGKF algoritmasının kullanıldıg˘ı DVK’lı sürücü sistemleri is¸lem süreleri bakımından da kars¸ılas¸tırılmıs¸lardır. Bu amaçla, her iki algoritmayı içeren sürücü sistemleri, S¸ ekil 3’de verilen

10 5 0

-10 0

2.133 2.133

5 10

-50

0 10

25 t[s] 5

2.283 25 t[s]

S¸ekil 9: Önerilen I˙DGKF tabanlı DVK’lı ASM sürücü sistemini düs¸ük hız bölgesinde test etmek için nm r , tLr , Rrr and Rsr deg˘is¸imleri.

S¸ekil 10: DVK’lı ASM sürücü sistemi ve ˙IDGKF temelli kestiricinin düs¸ük hızlardaki benzetim sonuçları.

senaryolar altında aynı bilgisayar ortamında 100 defa çalıs¸tırılp ortalama çalıs¸ma süreleri Matlab "tic, toc" komutu yardımı ile belirlenerek, elde edilen ortalam çalıs¸ma süreleri Tablo 2’de sunulmus¸tur. Sonuçlar, bu çalıs¸mada önerilen ˙IDGKF algoritmasının, [4]’deki TDGKF algoritmasına kıyasla daha az is¸lem yüküne sahip oldug˘unu onaylamaktadır.

0 -1

0 2.283

0 -2 0

5 0.1

S¸ekil 11: Düs¸ük hız bölgesinde DVK’lı ASM sürücüsü ve ˙IDGKF temelli kestirim algoritmasına ilis¸kin izleme ve kestirim hataları.

Tablo 2: Önerilen I˙DGKF ve TDGKF algoritmalarının çalıs¸ma süreleri.

Önerilen I˙DGKF TDGKF

6.3022 s

7.2868 s

5. Sonuçlar

Bu çalıs¸mada, ASM’nin hız-algılayıcılı yüksek bas¸arımlı kontrolü için ϕrα ve ϕrβ’ya ilave olarak deg˘eri sıcaklık ve frekansla deg˘is¸en Rs ve Rr’yi es¸-zamanlı olarak kestiren yeni bir ˙IDGKF tabanlı kestirici tasarlanarak, DVK’lı sürücü sistemde kullanılıp bas¸arımı test edilmektedir. Sürekli sıfır, çok düs¸ük, orta ve anma hız bölgelerinde yüklü/yüksüz durumları için Rr ve Rs’nin basamak/dog˘rusal deg˘is¸imlerini içeren senaryolardan elde edilen benzetim sonuçları,

• önerilen I˙DGKF tabanlı sürücünün oldukça iyi bir bas¸arıma

• es¸ deg˘eri TDGKF’ye kıyasla daha az bir is¸lem yüküne sahip oldug˘unu göstermektedir. Tasarlanan sürücüye alanzayıflama bölgesinde çalıs¸ma özellig˘inin kazandırılması, gelecek çalıs¸ma olarak planlanmaktadır.

6. Tes¸ekkür

Bu çalıs¸ma, Nig˘de Ömer Halisdemir Üniversitesi Bilimsel Aras¸tırma Projeleri Koordinasyon Birimi "FEB 2016/09 BAGEP" nolu proje ile desteklenmektedir.

7. Kaynakça

[1] Salmasi, F. R. and Najafabadi, T. A., “An Adaptive Observer With Online Rotor and Stator Resistance Estimation for Induction Motors With One Phase Current Sensor,” IEEE Trans. on Energy Conversion, 46(8)., 1209-1222, 2011.

[2] Shinohara K, Nagano, T., Arima, H. and Mustafa, W. Z. W., “Online tuning method of stator and rotor resistances in both motoring and regenerating operations for vector-controlled induction machines,” Elect. Eng. Jpn., 135(1)., 56-64, 2001

[3] Karanayil, B., Rahman, M. F. and Grantham, C., “Stator and rotor resistance observers for induction motor drive using fuzzy logic and artificial neural networks,” IEEE Trans. on Energy Conversion, 20(4)., 771-780, 2005.

[4] Talla, J., Peroutka, Z., Blahnik, V. and Streit, L., “Rotor and stator resistance estimation of induction motor based on augmented EKF,” in 2015 International Conference on Applied Electronics (AE), 253-258, Sep. 2015.

[5] Kan, J., Zhang, K. and Wang, Z. “Indirect vector control with simplified rotor resistance adaptation for induction machines,” IET Power Electron., 1284-1294, 2015.

[6] Kanwal K. and Singh, M., “Rotor resistance estimation for induction motor using model reference adaptive controller,“ 2016 IEEE 7th Power India International Conference (PIICON), Bikaner, India, 1-6, 25-27 Nov. 2016.

[7] Chacko, S., Bhende, C. N., Jain, S. and Nema, R. K., “PSO based online tuning of PI controller for estimation of rotor resistance of indirect vector controlled induction motor drive,”2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT), Chennai, India, 4606-4611, 3-5 March 2016.

[8] Arunachalam, V., Srinivasan, H. and Muthuramalingam, A., “A novel NN based rotor flux MRAS to overcome low speed problems for rotor resistance estimation in vector controlled IM drives,” Front. Energy, 10(4)., 382-392, 2016.

[9] Mapelli, F. L., Tarsitano, D. and Cheli, F., “MRAS rotor resistance estimators for EV vector controlled induction motor traction drive: Analysis and experimental results,” Electric Power Systems Research, 298-307, 2017.

[10] Bazylev, D. N., Doria-Cerezo, A., Pyrkin, A. A., Bobtsov, A. A. and Ortega, R., ” New Approach for Flux and Rotor Resistance Estimation of Induction Motors,”IFACPap., 50(1)., 1885-1890, 2017.

[11] Demir, R., Barut, M., Yildiz, R., Inan, R. and Zerdali, E., “EKF based rotor and stator resistance estimations for direct torque control of Induction Motors,” 2017 International Conference on Optimization of Electrical and Electronic Equipment (OPTIM) & 2017 Intl Aegean Conference on Electrical Machines and Power Electronics (ACEMP), Brasov, Romania, 376-381, 25-27 May 2017.

[12] Demir, R., Barut, M., Yildiz, R., Zerdali, E. and Inan, R. “Asenkron Motorların hız-algılayıcılı Dog˘rudan Vektör Kontrolü için ˙Indirgenmis¸ Dereceli Genis¸letilmis¸ Kalman Fitresi Tabanlı Stator ve Rotor Direnci Kestirimi,” 1. Ulusal Elektrik Enerjisi Dönüs¸ümü Kongresi , Elazıg˘, Türkiye, 189-193, 21-22 Eylül 2017.

[13] Barut, M. “Bi Input-extended Kalman filter based estimation technique for speed-sensorless control of induction motors”, Energy Conversion and Management, pp. 20322040, 2010.