CONTROLE DE VELOCIDADE FUZZY - SENSORLESS APLICADO AO MOTOR DE

Transcrição

1 CONTROLE DE VELOCIDADE FUZZY - SENSORLESS APLICADO AO MOTOR DE INDUÇÃO TRIFÁSICO William César e Anrae Pereira, Carlos Matheus Rorigues e Oliveira, Geyverson Teixeira e Paula, Thales Eugenio Portes e Almeia, Marcelo Patrício e Santana, Manoel Luis e Aguiar Escola e Engenharia e São Carlos - EESC Universiae e São Paulo São Carlos, São Paulo, Brasil william.anrae@usp.br, carlosmro@usp.br, geyverson.paula@usp.br, thales.eugenio.almeia@usp.br, marceloengenheiroe@usp.br, aguiar@sc.usp.br Abstract This work eals with the sensorless spee control for Three-phase Inuction Motor in orer to improve its operation at low spee an low frequency. We propose an approach using the Direct Torque Control (DTC technique. The Moel Aaptive Reference (MRAS with Fuzzy Controler is chosen in orer to estimate the rotor spee. This choice is base on its capability of high performance uring Three-phase Inuction Motor operation even if the machine s parameters an the loa change uring the operation. At last, some simulations with iferent operational conitions at low spee are carrie out in orer to test the sensorless control. The results show a goo perfomance an agree with the results shown in recent papers. Keywors Direct Torque Control, Fuzzy Controler, MRAS, Three-phase Inuction Motor Resumo Neste trabalho é apresentao um estuo sobre o controle e velociae sensorless aplicao ao Motor e Inução Trifásico (MIT visano sobretuo, melhorar o esempenho a máquina e inução em aplicações na região e baixa frequência e operação. Para tanto, propõe-se uma aboragem utilizano a técnica e controle Direct Torque Control (DTC. Para estimativa a velociae o rotor é utilizao a estratégia baseao no Moel Reference Aaptive Systems (MRAS com mecanismo e aaptação fuzzy, a fim e se iminuir a sensibiliae aos parâmetros a máquina. O esempenho a estratégia e controle e velociae sensorless proposta é testaa em simulações com iferentes conições e operação buscano reprouzir alguns os problemas encontraos em aplicações práticas, utilizano o software Matlab. Os resultaos obtios foram conizentes com resultaos encontraos na literatura, comprovano o bom esempenho o sistema e controle e velociae sensorless proposto. Palavras-chave Sensorless, DTC, Controlaor Fuzzy, MRAS, Motor e Inução Trifásico 1 Introução As estratégias e controle sensorless (sem sensor e posição o rotor são importantes evio à ificulae o uso e encoers em algumas aplicações, somao ao custo elevao o equipamento, que muitas vezes poe ser maior o que o próprio custo o motor. Seguno Martins (26 algumas as vantagens a eliminação e sensores mecânicos são: o conjunto e acionamento é reuzio e consequentemente a emana por manutenção; aumento a confiabiliae, pois alguns acionamentos estão sujeitos a ambientes hostis, principalmente nas inustrias. As técnicas sensorless para o acionamento o MIT, têm sio estuaas por mais e três écaas (Holtz, 26. Entretanto, o esempenho as estratégias e controle sensorless é limitao. Algumas técnicas apresentam bom esempenho para a estimação a velociae com parâmetros nominais, exceto em baixa velociae (região e baixa frequência. O fraco esempenho na região e baixa frequência é evio, principalmente, a maior sensibiliae os estimaores e observaores às muanças nos valores os parâmetros a máquina, ausência e moelos as não-lineariaes e ruíos os sensores (Lascu et al., 25. Diversos trabalhos poem ser encontraos na literatura eicaos à melhoria os métoos sensorless, poeno ser separaos em: com injeção e sinal; e sem injeção e sinal. Durante os últimos anos as técnicas sensorless baseaas na injeção e sinal e alta frequência evoluíram, poeno até mesmo garantir o controle o torque em velociae zero. As técnicas sensorless sem o uso e injeção e sinal e alta frequência utilizam o moelo a máquina para extrair informações sobre a força contra eletromotriz, seno que esse métoo é sem úvia o mais utilizao, uma vez que a implementação é simples e os resultaos obtios apresentam precisão na maioria os pontos e operação (Lascu et al., 29. A técnica e moelo e referência aaptativo (MRAS é usaa tanto para controle quanto na estimação e estaos o MIT, seno que, sua implementação é relativamente simples e requer menos esforço computacional em comparação a outros métoos (Gayathri et al., 212. Durante as uas últimas écaas, os moelos e referência aaptativos vêm seno usaos para a estimação e estaos, principalmente a velociae o rotor a máquina e inução (Tarchala et al., 211. Um os MRAS mais utilizaos para a estimação a velociae é baseao no fluxo o 2622

2 rotor (MRAS-RF. Esse estimaor foi inicialmente proposto por Schauer (1992 e tem como característica o bom esempenho na estimação em méia e alta velociae, entretanto, é sensível a variação as resistência a máquina, seno mais afetao em baixas velociaes quano um pequeno erro no valor as resistências poe levar o sistema à instabiliae (Gaoue et al., 29. Vários esquemas vêm seno esenvolvios para solucionar as ificulaes apresentaas pelo MRAS-RF. Em Haron an Iris (26 é analisao o MRAS baseao na força contra eletromotriz (BKMF-MRAS. Esse estimaor utiliza como moelo e referência a força contra eletromotriz, assim, evita-se o uso a integração pura e, portanto, elimina-se os problemas e rift e offset encontraos no estimaor MRAS-RF. Entretanto, o BKMF-MRAS apresenta ificulaes e implementação por necessitar o cálculo a erivaa a corrente e magnetização, sensibiliae nos ajuste e ganhos o mecanismo e aaptação e também como o MRAS-RF, apresenta epenência a resistência o estator e rotor. Para melhorar o esempenho o estimaor MRAS, Maiti et al. (27 apresentaram uma aboragem baseaa na potência reativa, seno que o estimaor proposto não apresenta integrações e epenências as resistências a máquina. O moelo foi utilizao para a estimação a constante e tempo elétrica o rotor e a velociae. Porém, os autores afirmam que este métoo não tem bom esempenho quano a máquina está em regime e regeneração, seno que esse problema é solucionao com o auxílio as Rees Neurais Artificiais (Maiti et al., 212. As constantes muanças e incertezas os parâmetros o MIT são pontos importantes para as estratégias e controle sensorless. Os MRAS normalmente utilizam como mecanismo e aaptação um controlaor PI, por ter uma implementação simples e atener bem as necessiaes o MRAS enquanto as características nominais são mantias. No entanto, esse tipo e controlaor não respone bem às alterações nos parâmetros o MIT e muitas vezes o processo e sintonização é ifícil. Contuo, seguno Vas (1999 uma maior robustez frente às alterações e parâmetros e à estimação em velociae zero com MRAS poe ser conseguia utilizano-se sistemas inteligentes. Atualmente, em alguns trabalhos é proposto o uso e mecanismos e aaptação que sejam capazes e liar com as incertezas paramétricas o MIT. Como em Gaoue et al. (21 one é estuao o comportamento o MRAS-RF clássico com mecanismo e aaptação não linear, no caso, baseaos em lógica fuzzy e moos eslizantes. O acionamento sensorless foi testao experimentalmente aplicao ao controle vetorial. Neste trabalho é aborao a combinação entre o MRAS-CC (baseao na comparação entre corrente meia e estimaa e o mecanismo e aaptação baseao na lógica fuzzy. 2 Moelagem e Controle a Máquina e Inução Trifásica O moelo matemático a máquina e inução poe ser expresso na referência estacionária, como (Bose, 22: u s = R s i s + t Ψ s + jω λ Ψ s (1 u r = R r i r + t Ψ r + j (ω λ ω r Ψ r (2 Ψ s = L s i s + L r i r (3 Ψ r = L s i r + L r i s (4 Seno que u s e u r são os vetores e tensão o estator e rotor, Ψ s e Ψ r os vetores e fluxo o estator e rotor, i s e i r os vetores as correntes o estator e rotor, R s e R r as resistências o estator e rotor, L s e L r as inutâncias o estator e rotor e ω λ e ω r são a velociae angular genérica e a velociae angular elétrica o rotor, respectivamente. A estratégia e controle DTC-SVM ortogonal ilustraa na Figura 1 opera sobre a orientação o fluxo o estator. As componentes q a tensão o estator, no sistema e referência alinhao com o fluxo o estator, com base na equação funamental (1, são aas por (Vas, 1998: u s = R s i s + t Ψ s (5 u qs = R s i qs + ω 1 Ψ s (6 Por consequência, o torque eletromagnético (T el é calculao pela seguinte expressão no sistema e referência alinhao com o fluxo o estator: T el = 3n pp 2 Ψ si qs (7 i qs = 2 3n pp T el Ψ s (8 Substituino (8 em (6, resulta-se em: u qs = 2 3n pp R s T el Ψ s + ω 1 Ψ s (9 Assim, por meio o erro o fluxo o estator (Ψ s ˆΨ s e o torque eletromagnético (Tel ˆT el, é possível prouzir os valores esacoplaos e referência as componentes q o vetor e tensão o estator, por meio os controlaores PI, para minimizar os erros o fluxo o estator e o torque eletromagnético, como segue: ( (Ψ u s = k pψ + k iψ s ˆΨ s (1 2623

3 CC PI T el * s PI PI + u s * u qs * q s ^T el SVM Estimaor Fluxo e Torque S A S B S C Cálculo a Tensão ABC i as i bs MIT Figura 1: Diagrama o esquema DTC-SVM na orientação o fluxo e estator u qs = ( k ptel + k itel (T el ˆT el + ω1 Ψ s (11 A velociae síncrona o fluxo o estator ω 1 poe ser eterminaa utilizano o fluxo o estator no referencial estacionário, como escrito a seguir: ω 1 = t ρ 1 = t Ψ βs ˆΨ αs t Ψ αs ˆΨ βs ˆΨ 2 αs + ˆΨ 2 βs (12 O controle e velociae o MIT é efinio pelo sinal e erro (ω mec ˆω mec entre a velociae e referência e velociae estimaa, respectivamente. A saía o controlaor e velociae é o sinal e referência e torque, como escrito a seguir: T el = ( k pω + k iω (ω mec ˆω mec (13 3 Estimaor e Velociae MRAS-CC O estimaor MRAS-CC é baseao na comparação entre a corrente o estator meia e a corrente estimaa. O moelo e referência esse estimaor é a corrente o estator meia nos terminais a máquina. Isso tem como vantagens evitar o uso a integração pura e iminuir a sensibiliae o estimaor aos parâmetros a máquina. Contuo, o MRAS-CC possuiu ois moelos aaptativos em paralelo, seno que o primeiro é obtio pela estimação o fluxo o rotor por meio o moelo e corrente, no referencial estacionário: t ˆΨ r = 1 T r ˆΨr + j ˆω r ˆΨr + L h T r i s (14 O seguno moelo aaptativo é obtio com a combinação as expressões e tensão o estator e fluxo o rotor na referência estacionária, como escrito a seguir (Orlowska-Kowalska an Dybkowski, 21: t ˆΨ r = L r { us R s i s σl s L h t i } s (15 A expressão (15 poe ser reescrita isolano a erivaa a corrente o estator, como segue: σl 1 tîs = u s R 1 i s L h L 2 t ˆΨ r (16 Por fim, substituino (14 em (16 resulta-se no seguno moelo aaptativo. σl s = u s R s î s + L h L h ˆΨr j ˆω r ˆΨr L2 h î s tîs L r T r L r L r T r (17 Na Figura 2 é ilustrao o iagrama completo o estimaor MRAS-CC, estacano o moelo e referência e os moelos aaptativos. No MRAS-CC, a lei e estimação usaa como entraa o mecanismo e aaptação é iferente a solução clássica, seno baseaa no erro entre o valor meio e estimao a corrente o estator e sua relação com o fluxo o rotor estimao pelo moelo e corrente. A lei e estimação e o mecanismo e aaptação o MRAS-CC são esenvolvios e acoro com o observaor e fluxo e velociae proposto em Kubota et al. (1993, baseao na minimização a função e Lyapunov. O mecanismo e aaptação é composto por um controlaor PI e tem como entraa a lei e estimação, como escrito a seguir: ˆω mec = seno que: e Ψ = ( e iαs ˆΨβr e iβs ˆΨαr ( K pωmec + (18 K iωmec e Ψ (19 e iαs = i αs î αs (2 e iβs = i βs î βs (21 O valor obtio a velociae o rotor é utilizao no moelo e corrente que estima o fluxo o rotor e no moelo e estimação a corrente o estator, como mostrao na Figura

4 CC Estimaor e Corrente Moelo Aaptativo i bs i as ABC αβ MIT Moelo e Moelo e Corrente Figura 2: Velociae o rotor estimaa com o MRAS-CC Fuzzy 3.1 Mecanismo e Aaptação Fuzzy Os controlaores baseaos em lógica fuzzy apresentam bons resultaos em problemas cuja a planta é não linear. Portanto, com intuito e melhorar o esempenho o MRAS-CC, principalmente com relação às variações paramétricas o MIT, é proposto o uso o controlaor fuzzy como mecanismo e aaptação. O controlaor utilizao é o tipo PD incremental, teno a sua estrutura ilustraa na Figura 3. Fuzzy Figura 3: Sistema Fuzzy com entraa PD e saía incremental Em que k P, k D e k U são os ganhos proporcional, erivativo e e saía respectivamente. Para os valores nominais os parâmetros o MIT este controlaor funciona como o controlaor PI clássico. No entanto, a superfície não linear este melhora o esempenho o estimaor quano há muanças nos valores nominais os parâmetros o MIT. Funções e Pertinência O MRAS-CCF conta com uas entraas e uma saía, seno elas o erro e fluxo, variação o erro e fluxo, e variação a velociae estimaa, respectivamente. O universo e iscurso a variável linguística erro e fluxo é ajustao para o valor máximo prouzio pela equação (18 verificao por meio e simulações. Na sequência, a variável é normalizaa para o conjunto e intervalo entre [1,-1], com o objetivo e facilitar o processo e sintonização o controlaor. De forma similar é feito com o sinal e entraa o termo linguístico variação o erro e fluxo. Assim como para a variável linguística erro e fluxo são necessárias simulações para verificar a máxima variação o erro e, novamente é feita a normalização o termo para o conjunto e intervalo [1,-1]. A saía o controlaor fuzzy é enominaa variação a velociae estimaa e após a effuzificação possuiu valor real no intervalo entre [1,-1], seno que esse valor é um, no qual é responsável por incrementar a saía o sistema fuzzy. Outro objetivo e se normalizar as entraas o sistema fuzzy para um intervalo entre [1,-1], está na possibiliae e aotar apenas um conjunto e funções e pertinência para as variáveis e entraa, isso faz com que o custo com memória computacional seja reuzio, poeno iminuir o custo total o projeto, no caso e implementação experimental. Os tipos e formatos as funções e pertinência, foram efinios por meio e sucessivas simulações utilizano o métoo heurístico. O conjunto resultante contém três funções e pertinência para caa entraa o controlaor, seno uma o tipo triangular e uas trapezoiais. As funções possibilitam o mapeamento as variáveis linguísticas erro e fluxo e variação o erro e fluxo o sistema fuzzy, a Figura 4 ilustra o conjunto. Por outro lao, o conjunto e funções e pertinência a variável linguística velociae estimaa é efinio com cinco funções, one são três triangulares e uas trapezoiais, como ilustrao na Figura 5. Base e regras A base e conhecimento o controlaor fuzzy é efinio por nove regras o tipo e proposição Se - então, seno organizaas como ilustra a Tabela 1 a seguir: Em que os termos linguísticos as funções e pertinência são escritos como se segue: Negativo 2625

5 N Z P Tabela 1: Tabela e regras Fuzzy e F luxo e F luxo N Z P N N NM Z Z NM Z PM P Z PM P Figura 4: Conjunto e funções e pertinência as variáveis linguísticas erro e fluxo e variação o erro e fluxo Saía (u N NM Z PM P sistência o estator aplicao ao MIT. Esse perfil visa verificar a robustez o MRAS-CCF iante as muanças no valor a resistência o estator, no entanto, em aplicações práticas as alterações nessa resistência são bem menores e a inâmica e variação é lenta. Na Figura 7 é mostrao o esempenho o controle e velociae sensorless fuzzy. Observa-se que a velociae estimaa segue aequaamente a velociae calculaa pelo moelo Simulink, entretanto, quano há a reversão a velociae, logo após a passagem por zero, surge uma pequena oscilação na velociae estimaa, pois a região e baixa frequência é o ponto e operação mais crítico quano existe variações na resistência o estator. Contuo, o controlaor fuzzy utilizao como mecanismo e aaptação é capaz e liar com essas incertezas e erros e estimativa e, portanto, pelos resultaos apresentaos em simulação é inicao para esse tipo e aplicação Figura 5: Conjunto e funções e pertinência a variável linguística variação a velociae estimaa Resistência o Estator (Ω (N, Negativo Méio(NM, Zero(Z, Positivo Méio(PM e Positivo (P. A composição as regras é realizaa como escrito no exemplo a seguir: R: se erro e velociae é P e variação o erro é Z, então saía é PM R: se erro e velociae é N e variação o erro é P, então saía é Z R: se erro e velociae é Z e variação o erro é N, então saía é NM 4 Resultaos as Simulações Os testes e simulação apresentaos nessa seção são realizaos no software Matlab/Simulink, a fim e verificar o esempenho o conjunto estabelecio pela estratégia DTC-SVM e estimaor e velociae MRAS-CCF. Os ganhos o controlaor fuzzy consieraos nas simulações são K P =.5, K D = 25 e K U = A Figura 6 ilustra o perfil e variação a re Figura 6: Perfil e variação a resistência o estator aplicao ao MIT Já na Figura 8 é ilustrao o perfil e variação na resistência o rotor imposto ao MIT. A resistência o rotor sofre mais alterações em seu valor urante a operação a máquina se comparao aos outros parâmetros elétricos, principalmente evio ao aumento e temperatura o rotor (Hernanez, 1999 e certamente é um problema encontrao em aplicações práticas. A Figura 9 mostra o esempenho o controle sensorless para uma referência e velociae com reversão. Observa-se que o estimaor MRAS-CCF apresenta boa resposta para toa faixa e opera- 2626

6 15 1 Estimao Calculao 15 1 Estimao Calculao Velociae o Rotor (rpm 5 5 Velociae o Rotor (rpm Figura 7: Resposta a velociae calculaa e estimaa com variação na resistência o estator Figura 9: Resposta a velociae calculaa e estimaa com variação na resistência o rotor ção o MIT, com a velociae estimaa seguino com precisão a velociae calculaa pelo moelo o MIT, iniferentemente o valor e variação a resistência o rotor Estimao Calculao Resistência o Rotor (Ω Velociae o Rotor (rpm Figura 1: Resposta a velociae calculaa e estimaa com 15% e ruío e com aplicação e torque e carga Figura 8: Perfil e variação a resistência o rotor aplicao ao MIT rique an Santos, 212. Já na Figura 1 é emonstrao o esempenho controle e velociae sensorless com 15% ruíos inserios na obtenção as corrente, e com aplicação e torque e carga (4 N.m nos instantes e.4s e 1.4s. Nota-se que a introução e ruíos, quano o MIT opera na região e baixa frequência, aumenta as oscilações na estimativa a velociae. Contuo, o erro entre a velociae calculaa e a e referência é muito próximo e zero, satisfazeno o requisito o controle. Os resultaos apresentaos nessa seção conizem com os encontraos na literatura e emonstram o bom esempenho o MRAS-CCF, seno os resultaos (comparano apenas resultaos simulaos semelhantes aos encontraos em propostas mais complexas, como os estimaores baseaos no Filtro e Kalman e RNAs (MASCHIO, 26; Hen- 5 Conclusões Este trabalho aborou o controle e velociae sensorless para ampla faixa e operação. Para tanto, utilizou-se a estratégia e controle DTC- SVM em conjunto com o conhecio estimaor e velociae o tipo MRAS. Entretanto, para melhorar o esempenho o controle, o mecanismo e aaptação o estimaor foi concebio utilizano lógica fuzzy. Os resultaos em simulações comprovaram o bom esempenho o sistema proposto, principalmente, quano submetio às alterações e parâmetros. Dessa forma, o estimaor aborao mostra-se como uma opção atrativa para o controle e velociae sensorless. 2627

7 s Bose, B. K. (22. Moern Power Electronics an Ac Drives, Prentice Hall PTR. Gaoue, S., Giaouris, D. an Finch, J. (29. Sensorless Control of Inuction Motor Drives at Very Low an Zero Spees Using Neural Network Flux Observers, IEEE Transactions on Inustrial Electronics 56(8: Gaoue, S. M., Giaouris, D. an Finch, J. W. (21. MRAS Sensorless Vector Control of an Inuction Motor Using New Sliing- Moe an Fuzzy-Logic Aaptation Mechanisms, IEEE Transactions on Energy Conversion 25(2: Gayathri, M. N., Himavathi, S. an Sankaran, R. (212. Performance enhancement of vector controlle rive with rotor flux base MRAS rotor resistance estimator, 212 International Conference on Computer Communication an Informatics, IEEE, pp Haron, A. R. an Iris, N. R. N. (26. Simulation of MRAS-base Spee Sensorless Estimation of Inuction Motor Drives using MATLAB/SIMULINK, 26 IEEE International Power an Energy Conference, IEEE, pp Henrique, T. an Santos, D. O. S. (212. Estimaor neural e velociae aplicao a um river e controle escalar o motor e inução trifásico, Tese, Universiae Tecnológica Feeral o Paraná. Hernanez, J. R. (1999. Implementação Digital Utilizano DSP o Controle por Orientação o Fluxo o Rotor: Métoos Direto e Inireto, Dissertação, Universiae Estaual e Campinas. Holtz, J. (26. Sensorless Control of Inuction Machines - With or Without Signal Injection?, IEEE Transactions on Inustrial Electronics 53(1: 7 3. Kubota, H., Matsuse, K. an Nakano, T. (1993. DSP-base spee aaptive flux observer of inuction motor, IEEE Transactions on Inustry Applications 29(2: Lascu, C., Bolea, I. an Blaabjerg, F. (25. Very-Low-Spee Variable-Structure Control of Sensorless Inuction Machine Drives Without Signal Injection, IEEE Transactions on Inustry Applications 41(2: Lascu, C., Bolea, I. an Blaabjerg, F. (29. A Class of Spee-Sensorless Sliing-Moe Observers for High-Performance Inuction Motor Drives, IEEE Transactions on Inustrial Electronics 56(9: Maiti, S., Chakraborty, C. an Sengupta, S. (27. Aaptive Estimation of Spee an Rotor Time Constant for the Vector Controlle Inuction Motor Drive Using Reactive Power, IECON 27-33r Annual Conference of the IEEE Inustrial Electronics Society, IEEE, pp Maiti, S., Verma, V., Chakraborty, C. an Hori, Y. (212. An Aaptive Spee Sensorless Inuction Motor Drive With Artificial Neural Network for, 8(4: Martins, O. S. (26. Comparação e Técnicas e Controle e Velociae Sensorless Aplicaas a Motores e Inuçao em Plataforma DSP, PhD thesis. MASCHIO, K. A. F. (26. Estuo e estimaores e velociae e motor e inução com observaores e estao e filtro e Kalman, PhD thesis, Universiae e São Paulo. Orlowska-Kowalska, T. an Dybkowski, M. (21. Stator-Current-Base MRAS Estimator for a Wie Range Spee-Sensorless Inuction-Motor Drive, IEEE Transactions on Inustrial Electronics 57(4: Schauer, C. (1992. Aaptive spee ientification for vector control of inuction motors without rotational transucers, IEEE Transactions on Inustry Applications 28(5: Tarchala, G., Dybkowski, M. an Orlowska- Kowalska, T. (211. Analysis of the chosen spee an flux estimators for sensorless inuction motor rive, 211 IEEE International Symposium on Inustrial Electronics, IEEE, pp Vas, P. (1998. Sensorless vector an irect torque control, Monographs in electrical an electronic engineering, Oxfor University Press. Vas, P. (1999. Artificial-Intelligence-base Electrical Machines an Drives: Application of Fuzzy, Neural, Fuzzy-neural, an Geneticalgorithm-base Techniques, Monographs in Electrical an Electronic Engineering, OUP Oxfor. 2628